劉 佳，張 肅

（1.長春理工大學(xué)經(jīng)濟(jì)管理學(xué)院，吉林長春，130022；2.長春理工大學(xué)科技創(chuàng)新與區(qū)域發(fā)展研究中心，吉林長春，130022）

一、引言

數(shù)字經(jīng)濟(jì)時代，大數(shù)據(jù)和云計算等先進(jìn)的數(shù)字化技術(shù)正在倒逼傳統(tǒng)銀行業(yè)發(fā)生變革，這些技術(shù)的創(chuàng)新催生了智能投顧、第三方支付、監(jiān)管科技等新興領(lǐng)域。正如《2017年全球金融科技調(diào)查中國概要》所說，數(shù)字化金融科技可能會對傳統(tǒng)金融業(yè)產(chǎn)生顛覆性的影響。在此背景下，中小股份制商業(yè)銀行間的競爭越來越激烈，受到了數(shù)字技術(shù)不小的沖擊。

因此，本文研究了2010—2019年間11家中小股份制商業(yè)銀行全要素生產(chǎn)率的變化情況。這不僅有利于了解數(shù)字經(jīng)濟(jì)時代我國銀行業(yè)效率的變化情況，了解銀行業(yè)市場改革，還能為商業(yè)銀行效率的提升提供對策建議，促進(jìn)銀行業(yè)的發(fā)展。

二、文獻(xiàn)綜述

國外關(guān)于銀行效率的測度，最早是從財務(wù)指標(biāo)開始的，但很快被前沿效率分析法所替代。前沿效率分析法分為參數(shù)法和非參數(shù)法，非參數(shù)法由于不受函數(shù)形式的限制在研究中被廣泛使用，尤其是數(shù)據(jù)包絡(luò)分析法（DEA）。Sherman（1985）［1］在銀行經(jīng)營效率評估的研究中率先使用了DEA法，為后續(xù)效率的相關(guān)研究提供了新思路。Berger（2002）［2］運用DEA法對17個處于轉(zhuǎn)型期國家的銀行業(yè)效率進(jìn)行了測度。Dmytro Holod和Herbert F.Lewis（2011）［3］在用DEA分析銀行效率時，提出將存款看作中間變量，從而強(qiáng)調(diào)存款在銀行生產(chǎn)過程中的雙重作用。Simona Alfiero等（2017）［4］通過 DEA法對2010—2015年意大利儲蓄銀行的效率得分進(jìn)行了評估。

國內(nèi)對銀行效率測度的研究起步較晚，多數(shù)學(xué)者選擇使用DEA法進(jìn)行測度。秦宛順和歐陽?。?001）［5］用DEA法測算了四大國有銀行的效率。侯曉輝等（2011）［6］以2001—2008年的中國商業(yè)銀行為研究對象，采用SFA模型測算了廣義Malmquist全要素生產(chǎn)率指數(shù)。紀(jì)建悅和王秀琳（2015）［7］構(gòu)建了資源約束型兩階段DEA模型，對國有商業(yè)銀行效率進(jìn)行了研究。隋順天等（2020）［8］采用四階段DEA法測算了2008—2018年26家上市銀行，從而考察銀行業(yè)高質(zhì)量發(fā)展的影響因素。

三、模型建立與指標(biāo)選取

（一）Malmquist生產(chǎn)率指數(shù)模型

Malmquist生產(chǎn)率指數(shù)表示為：

其中，D0（axb，yb）是以a期技術(shù)水平表示的b期效率水平，（xc，yc）表示第c期的投入和產(chǎn)出向量。

當(dāng)M0＞1時，說明從t時期到t+1時期全要素生產(chǎn)率增加；當(dāng)M0＜1時，說從t時期到t+1時期全要素生產(chǎn)率減?。划?dāng)M0=1時，說明從t時期到t+1時期全要素生產(chǎn)率沒有發(fā)生變化。

另外，全要素生產(chǎn)率可以分解：

Malmquist指數(shù)為兩者乘積，即：

（二）指標(biāo)選取

選取投入產(chǎn)出指標(biāo)的方法有生產(chǎn)法、中介法和收支法。生產(chǎn)法指投入資產(chǎn)和技術(shù)，產(chǎn)出存款和貸款等產(chǎn)品；中介法是將銀行看成融通資金的中介；收支法強(qiáng)調(diào)帶來收入和產(chǎn)生支出的指標(biāo)。學(xué)者們通常綜合考慮三種方法選擇恰當(dāng)?shù)耐度氘a(chǎn)出指標(biāo)。本文在參考文獻(xiàn)的基礎(chǔ)上，選取了以下投入產(chǎn)出指標(biāo)（見表1）。

表1 投入產(chǎn)出指標(biāo)

（三）數(shù)據(jù)來源

我國中小股份制商業(yè)銀行有12所，但由于恒豐銀行在2016年度和2017年度沒有公布年報，故不對恒豐銀行進(jìn)行討論。因此，本文從11家中小股份制商業(yè)銀行2010—2019年年報中選取了上述（見表1）投入產(chǎn)出指標(biāo)進(jìn)行分析。

四、實證分析

本文基于Dea-Malmquist模型，利用deap2.1軟件，計算出了2010—2019年我國11家中小型股份制商業(yè)銀行全要素生產(chǎn)率的變化情況，并對全要素生產(chǎn)率進(jìn)行了分解。具體數(shù)據(jù)見下表2。

表2 2010—2019年11家股份制商業(yè)銀行各年度Malmquist指數(shù)值

從表2可以看出，我國中小股份制商業(yè)銀行全要素生產(chǎn)率在2010—2019年的年平均增長率為1.4%，說明上述商業(yè)銀行的全要素生產(chǎn)率整體呈上升態(tài)勢，中小股份制商業(yè)銀行效率有所提升。具體來看，在2013年、2014年和2019年Malmquist指數(shù)值小于1，這表明在這三年間中小型股份制商業(yè)效率下降。而其他年份Malmquist指數(shù)值均大于1，特別是2012年達(dá)到了1.101，全要素生產(chǎn)率增加最多。

從商業(yè)銀行角度看，2010—2019年間11家中小型股份制銀行的效率在整體上得到了提升，增長率達(dá)到了1.9%。其中，僅有中信銀行的Malmquist指數(shù)值小于1，這說明中信銀行在這十年間的全要素生產(chǎn)率下降了。盡管2015—2018年中信銀行在創(chuàng)新銀行效率方面取得了較為顯著的進(jìn)步，但其在整體上仍無法扭轉(zhuǎn)全要素生產(chǎn)率下降的態(tài)勢，銀行的創(chuàng)新績效并不顯著。另外，平安銀行在研究期間內(nèi)的Malmquist指數(shù)值等于1，這說明平安銀行的全要素生產(chǎn)率在研究期間內(nèi)并未發(fā)生顯著變化，處于停滯的狀態(tài)。除了上述這兩家銀行外，其余九家商業(yè)銀行的Malmquist指數(shù)值均大于1，特別是浙商銀行達(dá)到了1.078，績效水平增長迅速，效率提升勁頭十足。

為了更為細(xì)致地研究導(dǎo)致全要素生產(chǎn)率變化的原因，需要對2010—2019年間上述商業(yè)銀行的Malmquist指數(shù)值進(jìn)行分解，表3是各年份Malmquist指數(shù)值的分解情況。

首先，全要素生產(chǎn)率可以分解成技術(shù)效率和技術(shù)進(jìn)步。從年份上看，2012年11家股份制商業(yè)銀行的平均全要素生產(chǎn)率最高，年增長率達(dá)到了6.7%。其中，技術(shù)效率的變化僅占1.004，而技術(shù)進(jìn)步的變化達(dá)到了1.063，由此可以看出，2012年導(dǎo)致中小型股份制商業(yè)銀行效率突增的主要原因在于技術(shù)進(jìn)步。2014年11家股份制商業(yè)銀行的平均全要素生產(chǎn)率最低，年增長率為-4.1%。其中，技術(shù)效率為1.008，技術(shù)進(jìn)步為0.952，由此可以看出，技術(shù)效率的提升試圖拉動全要素生產(chǎn)率提升，但技術(shù)進(jìn)步的下降趨勢太過強(qiáng)烈，故2019年導(dǎo)致中小型股份制商業(yè)銀行效率驟降的主要原因在于技術(shù)進(jìn)步勢頭的減弱。根據(jù)以上兩個全要素生產(chǎn)率變化最大的年份可以看出，技術(shù)進(jìn)步對商業(yè)銀行效率的影響較大。

其次，技術(shù)效率可以分解成純技術(shù)效率和規(guī)模效率。2010—2019年上述商業(yè)銀行技術(shù)效率均值為1.000，這說明研究期間內(nèi)技術(shù)效率難以提升，仍維持原有水平。具體來說，規(guī)模效率的均值為1.000，說明上述商業(yè)銀行在資源配置效率方面還有待加強(qiáng)。另外，純技術(shù)效率均值為0.999，小于1，可能會導(dǎo)致技術(shù)效率下降，從而拉低全要素生產(chǎn)率。

為了更清晰地展現(xiàn)全要素生產(chǎn)率及其分解的變化趨勢，對2010—2019年間11家商業(yè)銀行的全要素生產(chǎn)率及其分解繪制變化趨勢圖，如圖1。

圖1 2010—2019年中小型股份制商業(yè)銀行全要素生產(chǎn)率及其構(gòu)成變化趨勢

通過圖1，發(fā)現(xiàn)2010—2019年中小股份制商業(yè)銀行全要素生產(chǎn)率與技術(shù)進(jìn)步的波動趨勢大致相同，而技術(shù)效率在1.00上下波動，整體變化不大，這說明我國中小股份制商業(yè)銀行2010—2019年全要素生產(chǎn)率變動的主要原因是技術(shù)進(jìn)步的變動。

五、結(jié)論與建議

本文基于DEA-Malmquist模型對我國11家中小型股份制商業(yè)銀行2010—2019年的全要素生產(chǎn)率進(jìn)行研究。研究發(fā)現(xiàn)：2010—2019年間11家中小型股份制銀行的效率在整體上得到了提升；研究期間內(nèi)11家股份制商業(yè)銀行技術(shù)效率難以提升，仍維持原有水平；我國中小型股份制商業(yè)銀行全要素生產(chǎn)率的變動主要原因在于技術(shù)進(jìn)步的變動。

根據(jù)上述分析，提出提高我國中小型股份制商業(yè)銀行效率的建議：

第一，吸納新興數(shù)字技術(shù)，尋求銀行技術(shù)效率的提高。近年來，銀行業(yè)開始融合數(shù)字技術(shù)，這種融合促進(jìn)了產(chǎn)品和服務(wù)向多元化發(fā)展并且促進(jìn)了商業(yè)銀行效率的提升。因此，銀行應(yīng)當(dāng)與時俱進(jìn)，積極吸納新興數(shù)字技術(shù)，將銀行數(shù)字化轉(zhuǎn)型放到重要的戰(zhàn)略地位，從而謀求銀行整體技術(shù)的發(fā)展。

第二，優(yōu)化各銀行內(nèi)部的資源配置，減少部門之間的資源無效分配。中小型股份制商業(yè)銀行應(yīng)思考已有部門規(guī)劃的合理性，避免業(yè)務(wù)在各部門間出現(xiàn)重疊，給銀行帶來不必要的時間成本和操作成本。銀行應(yīng)在各部門內(nèi)部優(yōu)化配置資源，避免資源爭奪現(xiàn)象在銀行體系內(nèi)出現(xiàn)，甚至影響銀行整體發(fā)展。

第三，引進(jìn)專業(yè)人才，培養(yǎng)人才后備軍。積極從國內(nèi)外高校和社會中吸納具有復(fù)合背景的多元化專業(yè)人才，為銀行的數(shù)字化轉(zhuǎn)型和科學(xué)化管理提供充足人才儲備。與此同時，還應(yīng)加強(qiáng)已有員工的在職培訓(xùn)，增加員工培訓(xùn)的資金投入，從而增強(qiáng)員工的專業(yè)技能和職業(yè)素養(yǎng)。