黃靖雯 陶士貴

[提要]將研究視角聚焦在商業(yè)銀行發(fā)展金融科技的內部投入，基于2019年18家上市銀行披露的最新數據，運用三階段DEA方法研究我國上市銀行的金融科技投入產出效率。結果顯示：在剔除環(huán)境因素的影響后，銀行金融科技投入產出效率整體上升，但總體水平有待提高，規(guī)模效率上升但仍低于純技術效率；不同性質銀行的金融科技投入產出效率差異明顯：綜合效率呈現(xiàn)國有銀行>股份制銀行>地方性銀行的特征，國有銀行的規(guī)模效率最高，股份制銀行的純技術效率最高，地方性銀行表現(xiàn)最差；在不同環(huán)境因素的作用下，科技人員投入或信息科技投入表現(xiàn)出不同程度的冗余。商業(yè)銀行急需變革傳統(tǒng)粗放式的金融科技人力和財力投入，提升從事技術研發(fā)的高端科技人才數量和技術研發(fā)投入在金融科技資金投入中的比例。

引言

商業(yè)銀行的業(yè)務在本質上與技術和數學聯(lián)系緊密，這使得銀行的業(yè)務特別適宜數字化，然而現(xiàn)實中銀行的技術發(fā)展和應用卻遠不及最新發(fā)展的技術。[1](P.96)這不僅在當初互聯(lián)網金融興起和發(fā)展時期有所體現(xiàn)，在當下金融科技迅速發(fā)展的階段亦如此。得益于大數據、區(qū)塊鏈、人工智能等信息技術在金融領域中的創(chuàng)新應用，金融科技的興起和縱深發(fā)展不斷侵蝕著商業(yè)銀行的支付、信貸、理財等傳統(tǒng)業(yè)務市場。如今，新一輪科技革命和產業(yè)變革已然蓬勃發(fā)展，面對來自金融科技的多層面外部沖擊，商業(yè)銀行數字化轉型已成趨勢，未來數字銀行、科技銀行將成為新常態(tài)。

在已披露2019年年報的36家上市銀行中，有34家銀行在當年年報中提及金融科技，平均每家銀行提及18次，其中招商銀行提及次數最多，達51次。結合Wade JB等(2020)[2]和陳藝云(2019)[3]等文獻關于年報中某詞語出現(xiàn)的頻率對公司重要性的研究，可以看出金融科技在一定程度上代表了商業(yè)銀行管理層的注意力取向，金融科技所代表的認知領域逐漸受到商業(yè)銀行的重視。

部分銀行采取與外部金融科技公司合作的形式發(fā)展金融科技，[4]但由于涉密等原因，無法獲得前瞻性、顛覆性的金融科技應用，部分合作已擱淺，實際實施效果不佳。[5]商業(yè)銀行從主要與金融科技公司簽訂戰(zhàn)略合作協(xié)議、共建實驗室等合作業(yè)務形式發(fā)展金融科技逐步開始自建金融科技子公司，持續(xù)加大金融科技投入，以構建內循環(huán)甚至外輸出的金融科技生態(tài)。自2015年11月興業(yè)銀行設立興業(yè)數金以來，商業(yè)銀行紛紛設立金融科技子公司，以期利用大數據、區(qū)塊鏈和人工智能等新一代信息技術推進金融科技創(chuàng)新應用，提升金融服務效能。截至2021年3月，已有13家商業(yè)銀行設立了金融科技子公司，其中國有商業(yè)銀行5家，股份制商業(yè)銀行6家，城市商業(yè)銀行2家。2019年8月，為提升金融服務效能、助力實體經濟、強化金融競爭力，中國人民銀行發(fā)布了關于金融科技的三年期發(fā)展規(guī)劃，鼓勵金融機構發(fā)展金融科技，并要求披露科技投入及科技人員情況。從已披露的數據來看，金融科技資金投入占營業(yè)收入的比重介于1.53%-3.72%之間。其中建設銀行2019年金融科技投入的營業(yè)收入占比為2.5%，達176.33億元，位列全部上市銀行金融科技投入榜首。同時，多家銀行設立了下一年的金融科技投入目標。

可以看出，在商業(yè)銀行紛紛加快布局金融科技的形勢下，商業(yè)銀行面臨的挑戰(zhàn)不僅來自于外部金融科技公司，銀行之間的金融科技應用程度也成為銀行同業(yè)競爭的主要方向。對該問題的研究關系到在數字化變革背景下銀行運營效率的提高，關系到我國的數字金融競爭力的提升，具有重要的理論和現(xiàn)實意義。

一、文獻綜述

眾多文獻從信貸、[6]負債[7]和風險[8]等多個角度研究了外部金融科技發(fā)展對整個銀行業(yè)及商業(yè)銀行經營的沖擊和影響。大多數學者認為金融科技加劇了銀行業(yè)的競爭，如孫旭然等(2020)[9]和孟娜娜等(2020)[10]，收縮了銀行業(yè)的規(guī)模邊界，[11]改變了銀行的商業(yè)模式。[12](P.294-305)銀行的支付、負債、信貸和財富管理等業(yè)務均受到不同程度的影響，[13](P.21-103)不利于銀行績效的提升。[14]少數文獻如劉孟飛和蔣維(2020)[15]以及楊望等(2020)[16]從銀行效率的角度研究了金融科技對商業(yè)銀行的影響，關注點在于外部金融科技的發(fā)展促進還是抑制了商業(yè)銀行效率，并且對不同性質的商業(yè)銀行以及不同經營管理特征的商業(yè)銀行的影響異質性進行了探討。

同時，也有部分研究認為金融科技對商業(yè)銀行的發(fā)展帶來了機遇，這種機遇體現(xiàn)在貸款規(guī)模擴張、降低風險和促進數字化轉型等多個方面。具體來說，金融科技能夠促進中小銀行對中小企業(yè)的服務，[17]其中，信貸技術的使用能夠擴大商業(yè)銀行小微貸款規(guī)模。[18]此外，金融科技能夠降低中小銀行分支機構擴張帶來的銀行風險，[19]在新冠疫情等重大突發(fā)事件背景下，金融科技有助于降低銀行風險，提升內控水平，[20]增強銀行應對沖擊的能力，促進銀行的數字化轉型。[21]

總體而言，金融科技對于商業(yè)銀行是一把雙刃劍?；诮鹑诳萍紝ι虡I(yè)銀行帶來的機遇和挑戰(zhàn)，以謝治春等(2018)[22]及侯世英和宋良榮等(2020)[23]等代表的文獻認為，商業(yè)銀行應積極做出轉型和戰(zhàn)略調整，在頂層設計上選擇適合自身的金融科技發(fā)展戰(zhàn)略，可利用金融科技實現(xiàn)業(yè)務體系再造，提升風險控制水平，[6]建設開放銀行[24]等。部分文獻對商業(yè)銀行與金融科技公司的合作形式選擇及合作強度[25]以及商業(yè)銀行的金融科技投資戰(zhàn)略[26]進行了研究。

在商業(yè)銀行逐漸開始布局金融科技的背景下，少量文獻開始關注商業(yè)銀行金融科技的發(fā)展現(xiàn)狀、影響因素及運用效果。認為國有銀行金融科技發(fā)展速度快于其他銀行，在銀行金融科技的五個細分領域中，互聯(lián)網技術的發(fā)展領先于人工智能、區(qū)塊鏈、云計算和大數據等技術。[27]在影響因素方面，已有文獻以某大型國有商業(yè)銀行為研究對象，分析了銀行金融科技的發(fā)展水平和影響因素。[28]在運用效果方面，商業(yè)銀行金融科技的運用能夠降低商業(yè)銀行信貸風險，并且這種效果在大銀行中表現(xiàn)更為突出。[29]同時，Cheng M & Qu Y(2020)[27]及金洪飛等(2020)[29]均認為銀行金融科技還有助于降低信貸風險，并且對大型銀行、國有銀行和上市銀行信貸風險的負面影響相對較弱。[27][29]

綜上，在已有文獻的研究中，無論是金融科技影響銀行行為傾向、風險承擔水平、商業(yè)模式和銀行效率等，還是商業(yè)銀行的戰(zhàn)略轉型及應對，其研究視角均為外部金融科技發(fā)展對商業(yè)銀行的影響，以及在外部沖擊下商業(yè)銀行面對挑戰(zhàn)做出的調整。僅有少量文獻關注了商業(yè)銀行金融科技的發(fā)展情況和風險防控效果，在我國商業(yè)銀行陸續(xù)密集推進金融科技發(fā)展的現(xiàn)實情況下，關于商業(yè)銀行發(fā)展金融科技的效率研究同樣具有一定的理論和現(xiàn)實必要性，相關研究亟待擴充?；诖?，本文從新的研究視角出發(fā)，將關注點集中在商業(yè)銀行發(fā)展金融科技的內部投入，研究商業(yè)銀行金融科技的投入產出效率，對已有研究形成有益補充。因此，本文以A股上市銀行為研究對象，運用三階段DEA方法分析銀行金融科技的投入產出效率，并根據測算結果為商業(yè)銀行提升金融科技發(fā)展效率提供對策建議。

本文的邊際貢獻可能體現(xiàn)為以下兩點：一是在研究視角方面，本文將研究視角聚焦在商業(yè)銀行金融科技內部投入，研究商業(yè)銀行金融科技的投入產出效率，為商業(yè)銀行高效發(fā)展金融科技提供直接參考。二是在研究數據方面，首次使用了商業(yè)銀行2019年的金融科技投入數據進行分析，數據較新，并且做到了目前可研究樣本數量的最大化，研究結果具有一定的代表性。數據樣本涵蓋了國有銀行、股份制銀行和地方性銀行等不同性質的商業(yè)銀行，可橫向對比不同性質商業(yè)銀行的金融科技投入產出效率的差異性，以便提供更有針對性的發(fā)展建議。

本文在實踐方面的意義主要體現(xiàn)為以下四點：一是對于銀行而言，可提升在數字化轉型背景下發(fā)展金融科技的可持續(xù)性，為商業(yè)銀行經營和管理提供改進的方向，對未來計劃在金融科技領域投入的銀行具有實踐借鑒價值；二是對于金融行業(yè)而言，上市銀行作為金融服務行業(yè)的上市公司中最活躍的創(chuàng)新者，[30]商業(yè)銀行金融科技發(fā)展的高效有助于促進金融行業(yè)的數字化轉型發(fā)展，對其他金融機構發(fā)展金融科技形成示范效應；三是對金融消費者而言，商業(yè)銀行的金融科技應用有助于提升金融服務的效率、廣度和深度，使個人和企業(yè)消費者更可能享受到個性化、安全、便捷和高效的金融服務；四是對國家而言，銀行的金融科技投入產出效率的提高，有助于提升數字經濟時代下的金融創(chuàng)新能力，增強國家數字金融競爭力。

二、研究設計

(一)模型概述

1.第一階段：傳統(tǒng)DEA模型

DEA模型是一種基于投入和產出的多指標評價方法，可用于評價相同部門之間的相對有效性，分為投入導向模型(BCC)和產出導向模型(CCR)。其中，BCC模型假定規(guī)模報酬可變且該模型計算出的總效率可以進一步分解為純技術效率和規(guī)模效率，相對于假定規(guī)模報酬不變且計算的是總效率的CCR模型更符合實際情況。因此，選擇BCC模型分析商業(yè)銀行金融科技的投入產出效率，模型表示如下：

(1)

式中，i=1，2，…，n表示決策單元的數量；X和Y分別為投入和產出向量；S+表示產出的虧量，S-表示投入的超量，均為松弛變量；θ表示決策單元的效率值(0≤θ≤1)，θ值越接近于1，則商業(yè)銀行金融科技的投入產出效率越高。

2.第二階段：類似隨機前沿模型(SFA)

第二階段主要關注的是第一階段計算出的松弛變量，目標是把第一階段的松弛變量分解為環(huán)境因素、管理無效率和隨機因素三大部分。要實現(xiàn)這個目標，可以借助于類似SFA回歸，用第一階段的松弛變量對環(huán)境變量和混合誤差項進行回歸。SFA模型表示為：

Sni=f(Zi;βn)+νni+μni，i=1，2，…，I;n=1，2，…，N

(2)

其中，Sni是第i個決策單元第n項投入的松弛變量；Zi是環(huán)境變量；βn是環(huán)境變量的系數；νni+μni是混合誤差項，其中，νni表示隨機干擾且ν～N(0，σv2)，μni表示管理無效率且假設其服從在零點截斷的正態(tài)分布，即μ～N+(0，σμ2)。

由于第一階段選擇的是投入導向模型，該階段僅對投入松弛變量進行SFA回歸分解，并調整投入變量以剔除環(huán)境因素和隨機因素對效率測度的影響。調整公式為：

(3)

然后根據SFA回歸結果對管理無效率和隨機干擾項進行分離，分離方法分別見式(4)和式(5)：

(4)

E[vni|vni+μni]=sni-f(zi;βn)-E[uni|vni+μni]

(5)

3.第三階段：調整后的投入產出變量的DEA效率分析

運用調整后的投入變量和初始產出變量再次測算各決策單元的效率，此時的效率已經剔除環(huán)境因素和隨機因素的影響，是相對真實準確的。

(二)樣本與數據

通過查閱36家A股上市商業(yè)銀行近年年報發(fā)現(xiàn)，有18家銀行披露了2019年在金融科技發(fā)展方面的人力投入和資金投入，僅5家銀行披露了2018年的金融科技投入。為盡可能涵蓋較多的研究樣本，結合數據的可得性，選擇2019年披露金融科技投入的18家上市銀行為分析對象，樣本數量及各類銀行的分布情況見表1。數據來源于各上市商業(yè)銀行年報、銀保監(jiān)會官網、Wind數據庫、國泰安數據庫、艾媒咨詢、各地通信管理局官網和各地統(tǒng)計年鑒。

表1 樣本數量及分布情況

(三)變量定義與說明

1.投入和產出變量

鑒于商業(yè)銀行的金融中介屬性，以及本文的研究落腳點為商業(yè)銀行的整體效率而非分支機構的效率，從現(xiàn)有的生產法、中介法和資產法這三種投入產出指標選取的方法中選擇了中介法來定義變量。[31]

在投入變量選擇方面，通過閱讀36家A股上市商業(yè)銀行年報發(fā)現(xiàn)，大部分商業(yè)銀行在其2019年年報中披露了金融科技內容板塊，并在金融科技相關內容中披露了科技人員數量及信息科技的投入金額。因此，選取科技人員數量和信息科技的投入金額分別作為商業(yè)銀行在金融科技方面的人力和財力投入變量。在產出變量選擇方面，借鑒采用中介法定義變量的已有文獻[15][32]，將產出變量設定為貸款總額、利息收入和非利息收入。

2.環(huán)境變量

借鑒已有研究的通用思路，選取宏觀環(huán)境變量和以銀行為主體的微觀環(huán)境變量。[33][34]在具體的變量選擇上，借鑒相關已有文獻[15][16][32][35]的同時根據研究目標的需要進行了調整，最終主要選取了如下環(huán)境變量。宏觀環(huán)境變量為經濟發(fā)展水平、金融發(fā)展水平和信息技術水平。其中，經濟發(fā)展水平用上市商業(yè)銀行注冊地所在省份的GDP增長率表示；金融發(fā)展水平用當地金融行業(yè)增加值占GDP的比重表示；信息技術水平用互聯(lián)網寬帶接入用戶數表示。銀行方面的微觀環(huán)境變量為銀行的市場份額、金融科技子公司虛擬變量和地區(qū)虛擬變量。變量定義與說明見表2。

表2 變量定義與說明

(四)相關性分析

在下文的效率分析之前，先要驗證投入指標和產出指標的相關關系，以確定二者符合“同向性”假設。表3給出了商業(yè)銀行金融科技投入變量與產出變量之間的相關系數，可見，在1%的顯著性水平上，產出與投入變量之間均顯著正相關。因此，本文選擇的投入與產出變量滿足條件，可以用來構建DEA模型分析投入產出效率。

表3 金融科技投入變量和產出變量之間的相關系數

三、實證分析與結果

(一)第一階段DEA分析

表4給出了我國18家上市銀行2019年金融科技投入產出的第一階段效率值測算結果。整體來看，超半數商業(yè)銀行在金融科技投入方面的產出效率表現(xiàn)不好，相對于純技術效率，大多數銀行的規(guī)模效率普遍不高。具體來看，僅有國有銀行中的交通銀行、股份制銀行中的興業(yè)銀行和地方性銀行中的青島銀行這3家銀行金融科技投入產出的綜合技術效率、純技術效率和規(guī)模效率均達到最優(yōu)；光大銀行等5家銀行的綜合技術效率較高，在0.9以上；國有銀行中的建設銀行和郵政儲蓄銀行、股份制銀行中的平安銀行、地方性銀行中的江蘇銀行和長沙銀行這5家銀行金融科技投入的綜合效率較差。平均來看，全部樣本銀行金融科技投入產出的平均綜合技術效率、平均純技術效率和平均規(guī)模效率分別為0.703、0.877和0.774，平均規(guī)模效率較平均純技術效率的差距較大。分銀行性質來看，相同性質銀行在綜合技術效率、純技術效率和規(guī)模效率層面呈現(xiàn)較大差異。此外，結合每個銀行的效率值可以看出，無論是國有銀行、股份制銀行還是地方性銀行，相同性質的不同銀行個體的效率值差異均較大，如國有銀行中表現(xiàn)較好的交通銀行、中國銀行和農業(yè)銀行與表現(xiàn)較差的建設銀行和郵政儲蓄銀行。

表4 18家上市銀行2019年金融科技投入產出第一階段效率值

從不同性質銀行的效率均值來看(見圖1)，股份制銀行的平均綜合技術效率最高(0.726)，總體表現(xiàn)最好，規(guī)模效率也最高，和純技術效率的表現(xiàn)較為均衡；其次是國有銀行，平均綜合技術效率為0.699，純技術效率表現(xiàn)最好。因此，平均來看，股份制銀行金融科技投入產出的綜合效率和規(guī)模效率均最高，國有銀行純技術效率最高，地方性銀行的綜合技術效率和純技術效率均最低。由此可見，地方性銀行在三個效率層面均低于銀行業(yè)平均水平，需要繼續(xù)加強在金融科技方面的技術應用、擴大金融科技投入規(guī)模；國有銀行在純技術效率方面領先，但規(guī)模效率極大拉低了綜合技術效率，使得總體平均表現(xiàn)不如股份制銀行，應加大金融科技的投入規(guī)模。

圖1 不同性質銀行2019年金融科技投入產出的第一階段平均效率

(二)第二階段類似SFA分析

第二階段分析基于第一階段得到的科技人員數量和信息科技投入的松弛變量，將松弛變量作為因變量，銀行市場份額、金融科技子公司、GDP增長率、金融行業(yè)增加值占GDP比重、互聯(lián)網寬帶接入用戶數和地區(qū)虛擬變量這5個變量作為自變量，采用類似隨機前沿模型進行回歸分析，結果見表5。可以看出，各環(huán)境變量對商業(yè)銀行金融科技投入松弛變量均存在顯著影響，回歸系數有正有負，表明環(huán)境變量對商業(yè)銀行投入松弛變量的作用效果不同，其中系數為正表明環(huán)境變量對投入變量有反向影響，系數為負表明環(huán)境變量對投入變量有正向影響。

表5 基于SFA的第二階段回歸結果

1.銀行市場份額。該變量與科技人員數量的松弛變量回歸系數顯著為正，表明擴大銀行市場份額會增加科技人員數量的投入冗余，造成資源浪費，進而推高營業(yè)成本；相反，銀行市場份額與信息科技投入的松弛變量回歸系數顯著為負，表明市場規(guī)模擴大有利于降低商業(yè)銀行的信息科技投入冗余，對信息科技在商業(yè)銀行的運用具有正向影響。

2.是否成立金融科技子公司。該變量與科技人員數量的松弛變量回歸系數顯著為負，表明成立金融科技子公司有助于減少科技人員數量的投入冗余。金融科技子公司的成立有助于商業(yè)銀行提升信息化運營能力，推進業(yè)務智能化和高效率，能夠有效減少人力資源投入，降低人力運營成本，進而提高技術效率。然而，該變量與信息科技投入的松弛變量回歸系數顯著為正，說明成立金融科技子公司會增加信息科技資金投入冗余。金融科技子公司的成立和運營需要在軟件開發(fā)、信息網絡安全維護等方面投入大量資金，商業(yè)銀行不應盲目跟風，要根據自身運營情況決定是否建立金融科技子公司。

3.GDP增長率。當地經濟發(fā)展水平對科技人員數量的松弛變量影響不顯著，對信息科技投入的松弛變量回歸系數顯著為正，表明經濟增長將增加信息科技資金的投入冗余，進而降低商業(yè)銀行的運營效率。

4.金融行業(yè)增加值占GDP的比重。當地金融發(fā)展水平與科技人員數量和信息科技投入的松弛變量回歸系數均顯著為正，表明商業(yè)銀行所在地區(qū)的金融發(fā)展水平越高，越有可能導致科技人員和信息科技資金投入的冗余。金融發(fā)展水平較高的地區(qū)，各類金融業(yè)務的需求較多，同時金融科技公司等各類金融供給主體更加多樣化，競爭性較強，商業(yè)銀行不應盲目擴張在金融科技方面的人力和財力支出，也可尋求與金融科技公司的合作。

5.互聯(lián)網寬帶接入用戶數。此變量與科技人員數量的松弛變量的回歸系數為正，對信息科技投入的松弛變量影響不顯著，說明當地信息發(fā)展水平越高，越會導致商業(yè)銀行科技人員投入的浪費。一般而言，信息發(fā)展水平高的地區(qū)有助于金融科技業(yè)態(tài)的產生和發(fā)展，商業(yè)銀行為應對金融科技的挑戰(zhàn)更可能爭取吸納更多的科技人員，造成科技人員投入冗余。

6.地區(qū)虛擬變量。此變量對科技人員數量的松弛變量具有顯著的負向影響，表明商業(yè)銀行所在地區(qū)的經濟越發(fā)達，越有利于降低銀行科技人員的投入冗余，從而提升技術效率；相反，對信息科技投入的松弛變量具有顯著的正向影響，表明經濟發(fā)達地區(qū)的商業(yè)銀行信息科技資金投入的冗余量較大。

(三)調整后的第三階段DEA分析

對于第一階段得到的松弛變量，經由第二階段的類似SFA分析剔除了環(huán)境變量和管理無效率的影響，本階段對第二階段得到的處理數據再次進行DEA分析，計算調整后的商業(yè)銀行金融科技投入產出效率(見表6)。

整體來看，在剔除環(huán)境因素和管理無效率因素之后，大多數商業(yè)銀行在金融科技投入方面的產出效率有所提升，規(guī)模效率值明顯提高，和純技術效率的差距縮小，說明環(huán)境因素普遍低估了銀行金融科技投入產出效率。具體來看，有12家銀行的綜合效率在調整后得到了提升，其中，5家銀行調整后的效率值均升至最優(yōu)狀態(tài)。平均來看，經過調整之后，2019年我國18家上市銀行金融科技投入產出的綜合技術效率、純技術效率和規(guī)模效率的均值分別為0.77、0.863和0.856。其中，平均綜合技術效率和平均規(guī)模效率較調整之前均有所上升，平均純技術效率有所下降，平均規(guī)模效率較平均純技術效率的差距縮小。分銀行性質來看，調整后國有銀行和股份制銀行在綜合技術效率、純技術效率和規(guī)模效率層面的差異縮小，說明國有銀行和股份制銀行在金融科技發(fā)展效率方面的個體差異性較小。城商行和農商行等地方性商業(yè)銀行的金融科技投入產出效率差異仍較大，可能需要尋求適合自身的金融科技發(fā)展戰(zhàn)略。此外，結合調整前后每個銀行的效率值變化情況可以看出，在國有銀行和股份制銀行中，調整后不同銀行個體的效率值差異大幅縮減；而在地方性商業(yè)銀行中，調整后不同銀行個體的效率值差異仍然較大，如表現(xiàn)較好的南京銀行和江蘇銀行與表現(xiàn)較差的長沙銀行和青島銀行。在規(guī)模報酬方面，有11家銀行規(guī)模報酬遞增(irs)，說明沒有達到最佳的規(guī)模，存在金融科技投入不足，應繼續(xù)加大金融科技投入；有6家銀行規(guī)模報酬不變，可以保持現(xiàn)有的金融科技投入規(guī)模；1家銀行規(guī)模報酬遞減(drs)，應相應減少金融科技投入。

表6 18家上市銀行2019年金融科技投入產出第三階段的效率值

表7給出了調整前后的平均效率值及標準差，可以看出，在剔除環(huán)境因素和管理無效率因素之后，股份制銀行的綜合效率、純技術效率和規(guī)模效率相較于第一階段的效率值均有明顯的上升，上升幅度分別為0.154、0.05和0.141；地方性銀行的這三個效率均有明顯的下降，下降幅度分別為0.153、0.088和0.148；國有銀行的綜合效率和規(guī)模效率均有較大提升，上升幅度分別為0.198和0.252，純技術效率小幅下降，降幅僅為0.005。從不同效率的總體變化幅度看，規(guī)模效率的變化幅度最大，純技術效率的變化幅度最小。結果說明，環(huán)境因素使得股份制銀行的金融科技投入產出效率均被低估，地方性銀行均被高估，國有銀行的綜合效率和規(guī)模效率被低估，純技術效率略微被高估。規(guī)模效率成為調整后不同性質銀行效率差異的主要原因。此外，環(huán)境因素對銀行綜合效率和規(guī)模效率的影響程度總體上隨著銀行規(guī)模的增大而加強，對銀行純技術效率的影響程度則隨著銀行規(guī)模的增大而減弱。從穩(wěn)定性方面看，調整后國有銀行和股份制銀行的效率穩(wěn)定性均有很大提升，地方性銀行的綜合效率和規(guī)模效率的穩(wěn)定性在調整之后略有上升，純技術效率穩(wěn)定性在調整之后略有下降。無論是調整前還是調整后，股份制銀行的效率最穩(wěn)定，國有銀行次之，地方性銀行的效率穩(wěn)定性最差。

表7 2019年調整前后的我國上市銀行金融科技投入產出效率比較

從不同性質銀行在第三階段的效率均值來看，整體上，國有銀行和股份制銀行在三個層面的平均效率均高于銀行業(yè)平均水平，總體表現(xiàn)較好，并且調整后國有銀行的綜合效率和規(guī)模效率均反超股份制銀行；地方性銀行在這三個層面的平均效率均低于銀行業(yè)平均水平，與國有銀行和股份制銀行的差距較大，總體表現(xiàn)最差。在規(guī)模效率層面，國有銀行表現(xiàn)最好，均高于0.97，平均規(guī)模效率高達0.99；在純技術效率層面，股份制銀行表現(xiàn)最好，略優(yōu)于國有銀行。

四、結論與啟示

(一)結論

本文使用三階段DEA方法對我國2019年18家上市銀行的金融科技投入產出效率進行了分析，主要得出以下結論。

1.我國上市銀行的金融科技投入產出效率表現(xiàn)不均衡，總體水平尚待提升，規(guī)模效率表現(xiàn)不如純技術效率。一方面，在剔除環(huán)境因素和管理無效率因素之后，大多數商業(yè)銀行金融科技投入產出效率有所提升，但綜合效率、純技術效率和規(guī)模效率的均值都低于0.9。雖有部分銀行的金融科技利用效率達到最優(yōu)，但不少銀行規(guī)模效率或純技術效率仍處在低位，極大拉低了綜合效率，銀行業(yè)金融科技投入產出效率有待提升。另一方面，大多數銀行在金融科技方面的規(guī)模報酬遞增，產出增加的比例大于金融科技投入要素增加的比例，應繼續(xù)加大金融科技投入。此外，規(guī)模效率在調整后雖然明顯提高，和純技術效率的差距有所縮小，但平均水平仍低于調整后下降的平均純技術效率，調整前后銀行平均綜合效率不高的主要原因均為規(guī)模效率偏低。

2.環(huán)境因素對不同投入要素的影響方向不同，對不同規(guī)模銀行金融科技投入產出效率的影響程度也不同。如銀行市場份額會增加科技人員的投入冗余，但對信息科技投入有利；金融科技子公司的成立對科技人員投入有利，但會增加信息科技投入冗余。對比調整前后的不同規(guī)模銀行的各類效率變化情況發(fā)現(xiàn)，環(huán)境因素對銀行綜合效率和規(guī)模效率的影響程度總體上隨著銀行規(guī)模的增大而加強，對銀行純技術效率的影響程度則隨著銀行規(guī)模的增大而減弱。即環(huán)境因素對國有銀行等較大規(guī)模銀行的綜合效率和規(guī)模效率的影響程度較大，對城商行和農商行等小規(guī)模地方性銀行的純技術效率的影響程度較大。

3.不同性質銀行的金融科技投入產出效率差異明顯。一是在調整后的效率變化方面，相較于第一階段的效率值，股份制銀行的綜合效率、純技術效率和規(guī)模效率均有明顯的上升；地方性銀行的三個效率均有明顯的下降；國有銀行的綜合效率和規(guī)模效率均有較大提升，純技術效率小幅下降。二是在效率水平方面，調整后的國有銀行的綜合效率和規(guī)模效率均超過股份制銀行，居于首位；股份制銀行在純技術效率層面表現(xiàn)最好；地方性銀行的三個效率值均最低。國有銀行和股份制的規(guī)模效率表現(xiàn)都比純技術效率好，地方性銀行的純技術效率表現(xiàn)比規(guī)模效率好。三是在效率的穩(wěn)定性方面，股份制銀行的效率最穩(wěn)定，國有銀行次之，地方性銀行最差。

(二)啟示

以上主要研究結論對于促進商業(yè)銀行數字化轉型、提高銀行金融科技的發(fā)展效率具有重要的理論意義及實踐啟示。

第一，商業(yè)銀行應把金融科技發(fā)展作為長期戰(zhàn)略，找準符合銀行業(yè)務特征的金融科技發(fā)展模式，尋求金融業(yè)務和科技投入等要素的深度融合。作為傳統(tǒng)金融機構，商業(yè)銀行在發(fā)展新型金融科技業(yè)務時不僅要面臨銀行內部的組織管理模式和企業(yè)文化沖突，還要受到比金融科技公司更嚴格的金融監(jiān)管，需要在監(jiān)管框架下制定數字化轉型的長期戰(zhàn)略規(guī)劃，逐步通過組織和文化的變革實現(xiàn)金融與科技的深度融合。具體而言，在戰(zhàn)略制定層面由高級管理層自上而下決策，并要保持金融科技戰(zhàn)略的穩(wěn)定性，合理分配戰(zhàn)略資源和組織關系，把握在金融科技發(fā)展中要快速攻堅和穩(wěn)健推進的不同領域；在執(zhí)行的廣度和深度層面由中層協(xié)調，注重學習型組織的培養(yǎng)，明確金融科技發(fā)展的業(yè)務方向；在文化層面要解決員工的獲得感和成就感，具體的產品和市場決策放權給一線員工。

第二，不同規(guī)模和經營特征的商業(yè)銀行應根據自身情況，采取差異化的金融科技發(fā)展模式。國有銀行和股份制銀行這種多元化經營特征的銀行，本身已具備較強的規(guī)模效應，應增強科技研發(fā)投入，主要提升純技術效率；城商行和農商行等地方性商業(yè)銀行應根據當地特色采取“小而精”的快速發(fā)展策略，以增強個性化和定制化的金融服務為突破口打造區(qū)域品牌和區(qū)域生態(tài)，繼續(xù)擴大市場規(guī)模，主要提升規(guī)模效率。尚未成立金融科技子公司的商業(yè)銀行不應盲目跟風，可先和外部金融科技公司合作或與同業(yè)開展金融科技合作，在條件成熟后再決定是否建立金融科技子公司，進而逐步構建自身的金融科技發(fā)展生態(tài)。已成立金融科技子公司的商業(yè)銀行應繼續(xù)加強在創(chuàng)新性研究與應用方面的科技投入，切實提升業(yè)務創(chuàng)新能力，實現(xiàn)和金融業(yè)務的有機融合，逐步優(yōu)化內循環(huán)和外輸出的金融科技生態(tài)。

第三，結合所在地區(qū)經濟發(fā)展和金融生態(tài)等外部環(huán)境實際，進一步擴大金融科技投入規(guī)模，強化科技人才和研發(fā)投入對銀行金融科技發(fā)展的基礎支撐作用。由于金融科技創(chuàng)新通常主要依賴于計算機科學、IT和軟件技術等非金融領域的基本進步，[30]商業(yè)銀行應改變傳統(tǒng)粗放式的“搶人”和“燒錢”戰(zhàn)略。一方面要精準吸納科技領域人才，充實復合型人才隊伍，注重對金融科技高端人才的培養(yǎng)和激勵，提升從事技術研發(fā)的高端科技人才數量，逐步構建金融科技核心團隊；另一方面，金融科技投入不應主要體現(xiàn)在系統(tǒng)維護等支持性投入方面，要增加技術研發(fā)投入在金融科技資金投入中的比例，增加金融科技創(chuàng)新應用成果，做到真正的技術革新，將科技方面的人力和財力投入落實到實際的數字化創(chuàng)新性產出上。

第四，深化信息技術在銀行業(yè)務的各方面應用，使銀行金融科技在風險可控的前提下對金融服務產生切實的提質增效作用。如運用大數據等技術連通客戶的多層面數據，在極大縮短貸款審批時限的同時降低貸款風險，減少壞賬，提升資產質量。同時，商業(yè)銀行在發(fā)展金融科技的過程中還應密切關注來自技術本身的風險，如區(qū)塊鏈背后的系統(tǒng)故障，存儲著大量金融數據的云計算出現(xiàn)安全漏洞等問題都可能對銀行業(yè)造成嚴重破壞，[36]應在金融科技的應用過程中做好系統(tǒng)的風險防控工作。

第五，加強與政府、監(jiān)管部門以及行業(yè)內外機構的溝通合作，及時掌握最新的地方金融政策、監(jiān)管政策及行業(yè)內外動態(tài)，在合規(guī)的前提下開展金融科技聯(lián)合創(chuàng)新。具體來說，商業(yè)銀行是地方經濟發(fā)展的主要基礎性金融機構，尤其是地方性商業(yè)銀行與地方政府的關系尤為密切。商業(yè)銀行在服務當地經濟的同時要積極與政府加強合作，如通過數字政府、智慧政府等形式逐步滲透多樣化的金融服務場景，進一步擴大市場規(guī)模。同時，還應熟知銀保監(jiān)會和人民銀行等部門出臺的金融科技相關政策文件，明確監(jiān)管導向和監(jiān)管要求，防止不合規(guī)事件的發(fā)生。此外，由于金融科技發(fā)展速度較快，商業(yè)銀行一方面應加強與銀行同業(yè)、保險和證券等金融機構的行業(yè)交流，另一方面積極尋求與外部金融科技公司的合作，通過優(yōu)勢互補實現(xiàn)合作共贏。

最后，政府應在加大新基建等硬件投資的同時提升數據安全、金融消費者權益保護和營商環(huán)境構建等制度軟實力，為商業(yè)銀行發(fā)展金融科技營造良好的外部環(huán)境。在硬環(huán)境方面，政府要在5G、人工智能和工業(yè)互聯(lián)網等新型基礎設施建設和應用方面積極提供堅實保障，營造廣覆蓋、全方位、跨區(qū)域的金融生態(tài)環(huán)境，為商業(yè)銀行金融科技創(chuàng)新和數字化轉型提供土壤，增強銀行觸及客戶的廣度和深度，實現(xiàn)金融供給和金融需求的數字化高效聯(lián)通。在軟環(huán)境方面，政府應著力構建良好的營商環(huán)境制度，做好數據隱私和金融消費者權益保護等保障網，讓金融消費者享受到安全、便捷和高效的數字化金融服務，實現(xiàn)金融供需的良性互動。