中國上市銀行X利潤效率的測度與分析

侯德鑫，姜婷鳳

（清華大學a.五道口金融學院，北京 100083;b.社會科學學院，北京 100084）

中國上市銀行X利潤效率的測度與分析

侯德鑫a，姜婷鳳b

（清華大學a.五道口金融學院，北京 100083;b.社會科學學院，北京 100084）

文章通過SFA模型測度出中國14家上市銀行2004—2013年的X利潤效率，并同時分析微觀、行業及宏觀因素的作用，研究發現：非國有上市銀行平均X利潤效率高于國有上市銀行，但差距自2008年后在逐漸縮小；資本緩沖比例、凈息差、GDP增長率及房地產景氣指數與X利潤效率成正比，不良貸款率、赫芬達爾指數、直接融資比例及通貨膨脹率與X利潤效率成反比，而市場份額和產權性質并不顯著。

上市銀行；X利潤效率；SFA模型；影響因素

0 引言

在現階段，銀行業仍在中國的金融體系中占據著重要地位，但是進步背后隱含的風險也在不斷積聚。隨著中國經濟結構的轉型、互聯網金融的蓬勃發展、利率市場化的推進、《巴塞爾協議III》的實施、存款保險制度的建立及銀行業對民營資本控股銀行機構的開放，中國銀行業面臨的形勢更加復雜。

在此時代背景下，研究中國商業銀行的效率具有重要意義，而效率包括規模效率、范圍效率和X效率。本文將重點研究X利潤效率，結合中國14家上市銀行2004—2013年的相關數據，采用SFA模型，來測度中國上市銀行的X利潤效率并進一步分析微觀因素、行業因素和宏觀因素對X利潤效率的影響，以期為提高中國商業銀行的利潤效率提出一些政策建議。

1 數據選取與模型介紹

1.1 樣本選取

本文基于研究數據的可獲得性，選取2004—2013年14家上市銀行作為樣本①樣本未選取南京銀行、寧波銀行，由于這兩家銀行2004—2007年數據缺失。此外，光大銀行2004年數據部分缺失，本文把非國有銀行2005年各項指標的平均變化率作為光大銀行的變化率，從而推算出光大銀行2004年的數據。。選取2004年為起始年份，是因為截止到2003年年底，銀監會已經成立，國有銀行先后經歷了國家的不良資產剝離、政府注資，一些股份制銀行業先后上市，如民生銀行、招商銀行、浦發銀行等，商業銀行的改革不斷向深層次發展，向建立現代金融企業的方向邁進。數據來源主要為全球銀行與金融機構分析庫（Bankscope）、中國統計年鑒及各家銀行年報。

1.2 投入產出指標選取

在運用SFA法來測定銀行的X利潤效率時，投入產出變量的選取非常關鍵，投入及產出的定義方法大致可分為三種：生產法、中介法和資產法。本文在參考國內外關于銀行投入產出變量選擇的同時，還結合了中國上市銀行的特點、數據可得性和研究目的來選擇，最終采取了中介法。選取的變量及原因如下：稅前利潤（π）作為因變量，因為它能直接地反映銀行的經營成果、利潤狀況；貸款（y1）、投資額度（y2）作為產出指標，由于貸款是銀行資產的重要組成部分，其數量和結構能反映銀行資金利用的有效程度，投資額度是銀行重要的盈利資產；固定資產價格（w1=營業成本/固定資產）、存款價格（w2=利息支出/存款）及人力資本成本（w3=職工薪酬/員工人數）作為投入品價格，是因為固定資產、存款和員工是銀行最基本的投入，是銀行進行經營的基礎。以上六項指標的統計描述見表1：

表1 銀行投入產出指標的描述性統計 （單位：億元）

1.3 影響因素變量選取

本文結合國內外學者對銀行X效率影響因素的研究經驗及中國上市銀行的特點，從微觀、行業和宏觀三個方面選取變量，從而較為全面地分析影響銀行X利潤效率的因素，變量名稱、變量符號、變量含義及其預期對銀行效率的影響見表2：

1.4 SFA模型

有較多文獻是采用二階段估計法來研究銀行效率，即先估計隨機邊界函數方程以計算出各個銀行的效率水平，然后用銀行的一些變量對效率值進行回歸。但是該方法存在非效率因素獨立性不一致的問題，導致第一步估計存在“遺漏變量”的誤差，從而使銀行效率的估計存在偏誤。本文采用“一步法”SFA平衡面板模型，該模型可以估計出各個銀行的效率，同時還能分析效率的影響因素。

表2 變量定義表

設銀行利潤函數的基本形式為：

其中π是利潤，y是產出，w為投入品價格，v為隨機誤差項，u為無效率項，vit與uit相互獨立，二者都服從在0處截斷的正態正半部分布，Z表示影響銀行效率的因素，δ表示待估參數。

定義λit=vit-uit，根據某一銀行的X利潤效率等于該銀行的實際利潤比上處于效率前沿面上最佳表現銀行的利潤，則，進一步可以得到：

本文模型具體設定方式為：把投入產出變量及影響因素代入基本模型（1），采用Translog形式，并加入時間趨勢變量T，即當年度為2004，2005，2006，...，2013時，T=1，2，3，...，10，得到測算及分析銀行X利潤效率的模型，模型為：

關于無效率影響因素模型為：

由對稱性和價格齊次性可以得到：

根據條件（5），可以減少待估計的參數，并且模型（3）和模型（4）是在一步估計中得出結果。

2 實證分析

2.1 X利潤效率測度及分析

本文采用Frontier4.1軟件來處理數據，結果見表3至表5。表3是隨機前沿利潤函數參數表，表4是14家上市銀行2004—2013年X利潤效率表，表5是X利潤效率影響因素的回歸結果。

表3 隨機前沿利潤函數參數表

從表3可以看出，本模型的LR值為135，變差率γ為0.9999，非常接近1，T值為29043，估計量很顯著，說明該SFA模型用ML法來估計是合適的，模型整體有較好的解釋力，而且銀行與效率前沿面的偏離主要是由無效率因素u引起的。

表4給出了14家樣本銀行在2004—2013年間具體的X利潤效率值、各家銀行的平均值及排名情況、所有銀行平均值、國有銀行平均值和非國有銀行平均值。

從表4中可以看出：在五大國有銀行中，建設銀行效率最高，排名第一，平均值為0.8965，也最為穩定；農業銀行效率最低，平均值為0.5481，但是在2008年上市后效率上升幅度很大；工商銀行2005年上市后效率穩步上升，在金融危機后上升得也較快，受金融危機的負面影響較小，這與它在全球銀行業中的地位不斷上升一致；交通銀行自2008年以來效率下降幅度較大，是國有銀行中下降幅度最大的，說明金融危機及2009年收緊信貸對其負面影響較大，表現出非常明顯的“順周期”特征；而中國銀行剛好相反，2009年效率有很大提高，說明中國銀行的海外業務受到國內信貸緊縮的影響很小。

表4 上市銀行2004—2013年間X利潤效率表

表5 X利潤效率影響因素的回歸結果

在非國有上市銀行中，招商銀行X利潤效率最高，其次是北京銀行，平均效率值分別為0.8666和0.8303，而華夏銀行和平安銀行效率較低，分別是0.5488和0.4139。招商銀行效率一直都較高，在2008年表現也很好，說明其改革很成功，資本市場化運作體系相對比較成熟，經營能力很強。整體來看，我國銀行業的平均X利潤效率在逐漸穩步上升，這與銀行體制改革、上市、經營水平提高有密切關系，但是2008年國際金融危機對中國銀行業也產生了一定的沖擊，國有銀行下降幅度比非國有銀行要小，這說明國有銀行在面對金融危機的風險時仍然具有一定的優勢。2008年后整體效率都有所上升，但是2010年后較為緩慢，這可能是因為金融監管機構緊縮信貸、不良貸款隱含的風險上升以及互聯網金融帶來的沖擊，這均不利于銀行利潤效率的提高。

2.2 X利潤效率影響因素分析

在該模型中，影響因素的參數值是影響因素對無效率項的作用，與對X利潤效率的作用相反，在結果分析中值得注意。根據表5可以看出，資本緩沖比例、凈息差、GDP增長率及房地產景氣指數與X利潤效率成正比，不良貸款率、赫芬達爾指數、通貨膨脹率、直接融資比例及貨幣增長率與X利潤效率成反比，而市場份額和產權性質并不顯著。微觀、行業和宏觀因素的影響具體分析如下：

（1）不良貸款率與銀行X利潤效率之間存在負相關

NPLR系數為21.2171，對無效率項影響為正，對利潤效率影響為負，而且絕對值是所有影響因素中最大的，表明負面影響最大，符合預期，說明銀行的利潤效率隨著不良貸款率的增加而下降。貸款是銀行資產的重要組成部分，其數量和質量會直接影響銀行的凈息差，從而影響利潤。不良貸款余額和比例雙升，導致銀行經營風險及信用風險增加，進一步增加銀行計提的不良貸款損失撥備，這又會減少銀行的利潤來源，降低其利潤效率。

（2）資本緩沖準備的增加有利于提高銀行的X利潤效率

RCB系數為-16.0351，對無效率項影響為負，對利潤效率影響為正，與預期假設相符，說明銀行資本緩沖準備越高，其利潤效率越高。隨著我國利率市場化的推進和存款保險制度的建立，銀行面臨的競爭也更加激烈，政府的隱性擔保在逐漸減少，提高資本充足度，也是提高資本緩沖度，有利于增強銀行的安全性，降低其面臨的風險，特別是對于中小銀行，能提高其利潤效率。

（3）凈息差對銀行X利潤效率有顯著的正向作用，但作用在減弱

NIM系數為-10.2969，對無效率項影響為負，對利潤效率影響顯著為正，符合預期，說明凈息差仍然是中國商業銀行的重要利潤來源，而且對利潤效率貢獻較大，但絕對值不是最大，表明依賴作用在減小。目前中國商業銀行的中間業務和表外業務發展已經取得較大的進步，非利息收入增速較快，但是在總收入的占比仍然較低，并有待于進一步提高，以應對利率市場化和互聯網金融帶來凈息差下降的挑戰。

（4）產權結構對銀行X利潤效率影響不顯著

S系數為2.8707，對無效率項影響為正，對利潤效率影響為負，但影響不顯著，不符合預期，這與很多學者得出的結論不一樣，如王聰和譚政勛（2007）。本文選取的是2004—2013年數據，國有商業銀行經過不良資產剝離的又先后上市，這段時間內國有銀行效率有較大的提高，與股份制銀行差距在縮小，特別是在2008年的金融危機中，國有銀行應對危機的能力比較強，其效率仍然較高，所以國有銀行效率并沒有顯著低于股份制銀行。

（5）赫芬達爾指數與銀行X利潤效率顯著負相關，但市場份額與利潤效率無顯著關系

HHI系數為7.6219，對無效率項影響為正，對利潤效率影響顯著為負，與預期相符，支持SCP假說，說明銀行業壟斷程度越高，銀行利潤效率越低；MS系數為-1.0795，對無效率項影響為負，對利潤效率影響為正，但是不顯著，與預期不符，說明一家銀行的市場份額不能顯著影響銀行效率。當市場壟斷程度高時，大銀行更容易串謀，進一步提高市場份額和集中度來獲得市場支配力，從而獲取定價權和超額利潤，而更少注意提高自身的管理效率和控制風險，不利于其效率提高。

（6）上市銀行表現出明顯的“順經濟周期”現象，X利潤效率與GDP增長率同增同減

GGDP系數為-1.7582，對無效率項影響為負，對利潤效率影響為正，符合預期。我國銀行業是一個親周期性行業，在我國融資體系中發揮著重要作用，其經營狀況與宏觀經濟狀況有緊密聯系。在經濟高速增長時期，銀行的貸款增速較快，利息收入增加較快；在經濟增速放緩時，銀行貸款增速也會相應放緩，所以經濟周期對銀行的利潤效率有顯著影響。

（7）國房景氣指數與銀行X利潤效率顯著正相關

REI系數為-6.0590，對無效率項影響為負，對利潤效率影響顯著為正，符合預期，說明銀行業利潤效率會隨著房地產市場景氣程度的提高而上升。房地產市場的發展需要從金融體系中獲得大量的資金支持，在我國，銀行是房地產資金的重要提供者。房價上漲通過財富預期效應促進信貸擴張，信貸擴張通過金融加速器效應助長房價攀升。2008年國際金融危機后，中國房地產市場發展很繁榮，雖然政府頻繁出臺調控措施，但是房價依然不斷攀升，銀行很多信貸資金都投放到房地產市場，獲得較為豐厚的利潤，銀行利潤效率有較大的提高。

（8）貨幣供應量增加及通貨膨脹率上升不利于提升銀行業X利潤效率

GM2和CPI系數分別為4.1971和3.7597，對無效率項影響為正，對利潤效率影響為負。貨幣供應量增加會從兩方面影響銀行效率，一方面會增加銀行的可貸資金，有利于提高銀行貸款數量和利息收入，提高其效率；另一方面貨幣超發會導致通貨膨脹壓力增大，降低實際存貸利差水平，而且信貸規模高速擴大會淡化銀行的風險意識，導致不良貸款額的增加，這兩者會使得銀行效率降低。樣本期間，中國通貨膨脹率較高，銀行不良貸款余額也在不斷上升，說明貨幣供應量的增加對銀行效率的負面影響更大。

（9）直接融資比例上升導致銀行X利潤效率下降

BAS系數為12.3659，對無效率項影響為正，對利潤效率影響顯著為負，與預期相符，說明直接融資比例越大，銀行X效率越低。隨著直接融資比例提高，銀行業在整個融資體系中的壟斷地位會逐漸下降，銀行業面臨的競爭更為激烈。而當前階段我國銀行業對凈息差仍然較為依賴，創新能力依然不足，所以在面臨更為激烈的競爭時，銀行利潤增速會放緩，利潤效率會下降。

3 政策建議

本文通過SFA模型測度出中國14家上市銀行2004—2013年的X利潤效率，對比分析國有上市銀行和非國有上市銀行X利潤效率的變化情況，并研究微觀因素、行業因素和宏觀因素對銀行X利潤效率的影響，得出了一些有意義的結論，據此對我國商業銀行提出如下政策建議：

（1）控制不良貸款余額與不良貸款率，重視風險管控與成本定價。商業銀行應該抓好風險防控與內控相結合，通過開展全面風險排查、強化風險預警和退出、拓寬不良資產處置渠道、嚴格資產分類管理等措施，狠抓資產質量管理。商業銀行應該注意不良貸款的“區域性”和“行業性”特征；要警惕隱匿的不良貸款風險，繼續加強對產能過剩、地方政府融資平臺、房地產等領域的風險防控，充分估計隱性不良貸款的規模，做好防范準備。

（2）基于互聯網金融與大數據的時代背景，進行經營管理模式的變革。適應消費金融和移動互聯網特點，構建信息化銀行體系，從戰略層面重塑銀行服務模式，加大金融產品的創新力度，充分滿足客戶需求，減少對凈息差的依賴。隨著存款保險制度的建立，銀行要注意優化負債端的業務結構，進行積極主動的負債管理。

（3）關注經濟周期變化對銀行利潤效率的影響，動態調整資本充足率。隨著存款保險制度的推出，銀行需要靈活調整其業務范圍，改變對房地產和投資刺激的依賴，重視消費信貸業務和小微企業業務的拓展，培養新的利潤增長點。

（4）重視住房抵押貸款業務與銀行效率的辯證關系，警惕房地產市場的風險。應該關注房地產市場的差異特征，實施差異化的房地產信貸政策；根據客戶資信狀況，積極調整房地產貸款結構；強化風險意識，建立商業銀行內部房地產貸款風險預警體制。

[1]Matthews K.Risk Management and Managerial Efficiency in Chinese Banks:A Network DEA Framework[J].Omega，2013，41(2).

[2]Berger A N，Humphrey D B.Bank Scale Economies，Merges，Concen?tration，and Efficiency:The US Experience[R].America:The Wharton Financial Institutions Center，1994.

[3]Aigner D，Knox Lovell C A，Schmidt P.Formulation and Estimation of Stochastic Frontier Production Function Models[J].Journal of Econo?metrics，1977，6(1).

[4]郭威.我國銀行業效率研究——基于成本和利潤效率的動態分析[J].財經問題研究，2013，(8).

[5]王聰，譚政勛.我國商業銀行效率結構研究[J].經濟研究，2007，(7).

[6]侯瑜，詹明君.商業銀行效率及其影響因素實證研究[J].稅務與經濟，2012，(1).

[7]顧洪梅，劉金全.基于SFA模型對我國商業銀行經濟效率的測度與研究[J].經濟經緯，2009，(1).

（責任編輯/劉柳青）

F830.3

A

1002-6487（2016）21-0162-04

侯德鑫（1992—），男，黑龍江哈爾濱人，博士研究生，研究方向：金融經濟學、數量金融學。

（通訊作者）姜婷鳳（1992—），女，江西撫州人，博士研究生，研究方向：貨幣銀行學、宏觀金融學。