互聯網金融背景下我國商業銀行效率的研究

高文娜

[摘 要]基于數據包絡分析（DEA）中的VRS模型，文章選取了我國17家上市商業銀行作為研究對象，對這17家商業銀行在互聯網金融發展背景下的綜合技術效率、純技術效率、規模效率進行了分析。得出我國商業銀行的綜合技術效率是不斷提升的，但大部分銀行并沒有實現綜合技術效率有效，其原因主要是規模效率無效，需要依托互聯網金融提高商業銀行的效率。據此文章也提出了在互聯網金融背景下提高商業銀行效率的對策建議。

[關鍵詞]互聯網金融；商業銀行效率；DEA

[DOI]10.13939/j.cnki.zgsc.2018.12.189

1 引 言

隨著互聯網金融對金融領域的不斷滲透，互聯網金融不但改變了我國傳統金融的格局，對商業銀行的影響也日益增加。據《2017年互聯網金融行業系列研究報告》的統計數據，截至2016年，中國互聯網金融以超過12萬億元的總交易規模，將近占到GDP總量的20%，互聯網金融用戶人數也以超過5億的人數位列世界第一。可以說，互聯網金融和傳統商業銀行之間的競爭日益激烈，特別是對商業銀行的傳統業務方面帶來了不小的沖擊。因此，研究在互聯網金融背景下，我國商業銀行的效率問題，對商業銀行未來的發展具有重要的現實意義。

2 文獻綜述

隨著互聯網金融的不斷發展，互聯網金融對商業銀行的影響已經是理論界普遍認可的問題。國內外的研究學者也進行了大量的分析，如王靜（2014）[1]、曹鳳岐（2015）[2]、梁燕子（2017）[3]等認為互聯網金融對銀行業帶來了沖擊，商業銀行要直面互聯網金融采取相應的應對策略；馮娟娟（2013）[4]、邱峰（2013）[5]等認為互聯網金融雖然對商業銀行有沖擊，但商業銀行也有它自身的優勢，二者應在合作中尋求共贏；Manuchehr Shahrokhil（2008）[6]認為互聯網金融可以降低貸款利率和貸款成本，會沖擊傳統銀行的信貸業務。但是以上研究大多是通過定性的方式圍繞互聯網金融和商業銀行之間的關系來進行研究的，很少通過定量分析的方式來進行研究。作為衡量銀行競爭力的銀行效率，在互聯網金融背景下的研究成果更是比較少。只有郭婕、周婧[7]、管仁榮、張文松、楊朋君[8]等就互聯網金融對商業銀行的運行效率進行了研究，但沒有深入地分析不同種類銀行之間效率的發展變化。

本文擬通過定量分析商業銀行效率的變動情況，對不同種類型的商業銀行在互聯網背景下的發展情況進行比較分析。從而更清楚地了解在互聯網金融背景下，不同類型商業銀行效率的具體情況，為更好地在互聯網金融背景下提高銀行效率提供一定的參考依據。

3 商業銀行經營效率研究

3.1 模型的選擇

數據包絡分析DEA（Data Envelopment Analysis）是由A.Charnes、W.W.Cooper和Rhodes等人在1978年共同提出的基于相對效率的多投入多產出的分析方法。它把單輸入、單輸出的工程效率概念推廣到多輸入、多輸出同類決策單元的有效效率中去。[9]其中，DEA的VRS模型是在它的基本模型CCR模型基礎上修正出來的模型，它的基本假設條件是規模報酬可變，彌補了CCR模型中不能評價規模有效性的缺憾。因此，VRS模型是適合分析規模報酬可變的商業銀行效率的。VRS模型將綜合技術效率分解為規模效率和純技術效率，可以用公式：綜合技術效率=純技術效率規模效率來表示。從而可以更準確地分析無效率的原因是未達到最佳規模，還是經營管理水平低下所導致的。

DEA模型可以采用投入導向和產出導向，鑒于投入是基本決策變量更易控制，[10]本文采用以投入為導向的VRS模型。

3.2 樣本選擇及數據來源

DEA方法要求評價單元DMU的個數必須是選擇的投入產出指標的三倍以上來避免產生效果不顯著，因此本文選取了17家上市商業銀行作為樣本。主要包括5家大型商業銀行、8家股份制銀行和4家城市商業銀行。分別為：中國農業銀行、中國工商銀行、中國建設銀行、中國銀行、中國交通銀行、中信銀行、民生銀行、華夏銀行、光大銀行、招商銀行、興業銀行、浦發銀行、平安銀行、北京銀行、上海銀行、南京銀行、寧波銀行。鑒于2005—2012年是互聯網金融發展的第二個階段——第三方支付階段，此階段開始互聯網和金融的結合更加深入[7]，因此本文將考察的樣本期定為2006—2015年。樣本數據取自歷年的《中國金融年鑒》以及各商業銀行的年報。

3.3 指標選取

用DEA方法對商業銀行進行效率的測定，在投入和產出變量的選擇上一直是金融學術界爭論的問題。總體上，主要采取三種方法，分別為生產法、中介法和資產法。[11]這三種方法是站在銀行不同的角度來確定投入和產出指標的。本文將銀行作為中介機構來研究銀行效率，采用中介法來確定投入和產出指標。最終選取的投入指標為：存款、固定資產、員工人數；產出指標為：凈利潤、貸款總額。

3.4 效率評價分析結果

3.4.1 我國商業銀行綜合技術效率測算結果及分析

綜合技術效率是對決策單元的資源配置能力、資源使用效率等多方面能力的綜合衡量與評價。

本文從投入導向出發，利用VRS模型和DEAP2.1軟件，得出2006—2015年的17家上市銀行的綜合技術效率測算值如表1所示。

通過表1可以看出，從VRS模型當中測量的綜合技術效率的測算值來看，我國商業銀行在近10年來，綜合技術效率整體上有所提升，只有農業銀行、民生銀行、南京銀行和寧波銀行的綜合技術效率低于2006年。17家商業銀行都在2008年出現下降趨勢，特別是大型商業銀行下降很明顯，這主要是因為2008年的美國次貸危機所引起的國際經濟環境的變化，導致國內在經濟運行過程中也出現問題，銀行效率普遍下降。而在互聯網金融發展的背景下，大部分銀行并沒有達到綜合技術效率有效。

通過表1數據的計算，我們按照三種不同類型的銀行生成圖1，可以得出以下結論。

從大型商業銀行來看，大型商業銀行的平均綜合技術效率明顯低于股份制商業銀行、城市商業銀行以及商業銀行的平均綜合技術效率。從2006年的0.895一度下降到2008年的0.773，雖然從2009年有所回升，但始終低于我國商業銀行的平均綜合技術效率。通過查看原始數據，大型商業銀行中，農行的綜合技術效率值一直低于其他大型商業銀行，特別是2010年，農行的綜合技術效率值僅為0.556，為10年內最低值，通過查看計算結果，是由于純技術效率偏低而導致的，而2010年是農行上市之年，說明在這一年農行有效利用資源的能力不強。五家大型商業銀行表現比較好的是交通銀行和中國銀行，交通銀行從2012—2015年綜合技術效率值一直為1，說明資源配置達到了最優化，而中國銀行從2010年開始，綜合技術效率值也一直是在較高水平。

從股份制商業銀行來看，股份制商業銀行的平均綜合技術效率都高于大型商業銀行，除2006年之外，也都高于平均綜合技術效率。這主要得益于股份制商業銀行相對于大型商業銀行來說，獨立性較高，經營管理模式比較靈活。具體來看，興業銀行、浦發銀行、平安銀行從大多數年份來看，都達到了技術有效，說明這三家銀行的資源配置比較合理化。華夏銀行相比于其他幾家股份制銀行來說，綜合效率值偏低，說明華夏銀行的投入產出效率較差。

從城市商業銀行來看，這四家城市商業銀行的平均綜合技術效率總體上是比較平穩的，除個別年份外，大部分年份的綜合技術效率值都在平均值以上。這說明城市商業銀行的規模較小，能夠充分利用自身的資源，達到資源有效性的狀態。

3.4.2 商業銀行純技術效率測算結果及分析

純技術效率考慮了規模報酬的影響，是經濟主體在既定投入下的最大產出，反映了經濟主體有效利用資源的能力以及管理水平的高低。[9]

根據VRS模型和DEAP2.1軟件的測算結果，統計我國商業銀行純技術效率測算值如表2所示。

通過表2可以看出，除個別銀行的純技術效率不高外，大部分銀行的純技術效率是有效的。說明大部分銀行有效利用資源的能力和管理水平是比較高的。總體來看，中國農業銀行、華夏銀行、光大銀行的純技術效率值偏低，特別是在2010年和2011年，純技術效率值有所下降，說明在互聯網金融高速發展的時期，它們的業務創新能力還比較欠缺，需要進一步根據市場環境的變化，提高自己的業務創新能力以及管理水平。

通過表2數據的計算，我們按照三種不同類型的銀行生成圖2，可以得出以下結論。

從大型商業銀行來看，大型商業銀行的純技術效率總體上高于樣本平均水平。但是在2010年和2011年大型商業銀行的純技術效率有了一個比較明顯的滑落，查看原始數據發現，是由于農業銀行在2010年和2011年的純技術效率偏低導致的。2010年農業銀行的純技術效率為0.562，2011年農業銀行的純技術效率為0.619。

從股份制商業銀行來看，股份制商業銀行的純技術效率在2008年和2009年有一個大的下滑，應該是受2008年金融危機的影響。而2011年以后，股份制商業銀行的純技術效率與平均純技術效率的變化趨勢是趨同的，并略高于平均純技術效率。具體到不同的股份制商業銀行，興業銀行、浦發銀行、平安銀行的純技術效率一直表現為有效，說明這三家銀行在互聯網金融時代，能夠較好地適應互聯網金融的發展，應對外部的變化。

從城市商業銀行來看，城市商業銀行與總體平均純技術效率變化趨勢比較相似，但總體表現比股份制商業銀行要好。特別是南京銀行、寧波銀行的純技術效率十年來一直為有效狀態，北京銀行除2006年之外，一直是有效狀態，說明這三家銀行的投入產出水平較好，在互聯網金融發展的背景下，能夠對資源進行有效的配置。

3.4.3 商業銀行規模效率測算結果及分析

規模效率反映的是生產單元的規模經濟程度。[9]

根據VRS模型和DEAP 2.1軟件的測算結果，統計我國商業銀行規模效率測算值如表3所示。

通過表3可以看出，總體上樣本銀行的規模效率水平不高。說明，綜合技術效率偏低大多是因為規模效率偏低而導致的。除了興業銀行、平安銀行、北京銀行在大多數年份規模效率有效外，其他銀行的規模效率大多數年份均為無效狀態。

通過表3數據的計算，我們按照三種不同類型的銀行生成圖3，可以得出以下結論。

從大型商業銀行來看，大型商業銀行的規模效率在2012年之后總體水平是高于其他兩類商業銀行的。但在2008—2011年，大型商業銀行的規模效率水平一直低于其他兩類銀行。說明大型商業銀行的規模效率在2012年之后有了一定的提高。但這五家銀行在大多數年份沒有達到規模效率有效。這也是導致大型商業銀行綜合技術效率偏低的原因。

從股份制商業銀行來看，股份制商業銀行規模效率的變化趨勢和總體平均規模效率的變化趨勢一致。總體來看，興業銀行和平安銀行的規模效率近10年來，大多數年份為規模有效。說明興業銀行和平安銀行規模擴張效率較強，能夠根據經濟形勢的變化，進行業務創新。

從城市商業銀行來看，城市商業銀行的規模效率表現也欠佳。北京銀行是這四家城市商業銀行規模效率表現最好的銀行，除了2006年規模效率無效之外，其他年份均為有效，說明北京銀行的生產規模近年來一直為最優狀態。而南京銀行的規模效率在近幾年竟然有下滑的趨勢，說明南京銀行在互聯網金融大力發展的環境下，不能很好地運用投入達到規模經濟。

3.5 主要結論

根據以上分析，可以得出以下幾點結論：①我國商業銀行的綜合技術效率是不斷提升的，但大部分銀行并沒有實現綜合技術效率有效；②我國大部分銀行的純技術效率是有效的，說明我國大部分銀行有效利用資源的能力以及管理水平是較好的；③我國大部分商業銀行綜合技術效率無效，是因為規模效率無效而導致的，需要提高規模經濟的程度；④在互聯網金融迅速發展的背景下，依托互聯網提高商業銀行的規模效率，進而提升商業銀行的綜合效率是非常有必要的。

4 互聯網金融背景下提高商業銀行效率的對策建議

4.1 加快商業銀行轉型發展，提高商業銀行綜合效率

在互聯網金融迅速發展的背景下，我國商業銀行應迅速轉變其經營理念，以合作共贏的經營模式與互聯網金融展開合作。同時充分利用互聯網金融大數據的優勢，通過搭建在線融資平臺等方式，根據民營企業、中小企業的融資需求，設計融資方案，從而能夠有針對性地提供相應的融資服務。同時通過構建傳統物理網點和移動互聯網相結合的方式拓寬銷售服務平臺，重視客戶體驗，實現“以產品為中心”向“客戶為中心”的經營理念的轉變。

4.2 繼續加強經營管理水平，提高銀行純技術效率

我國商業銀行要通過提高自身的經營管理水平來適應互聯網金融下的經濟環境的變化，從而提升商業銀行的純技術效率。通過利用互聯網金融來優化傳統的運營模式，將追求規模效益的發展方式轉變為追求資源利用效率的可持續發展方式。通過引入大數據分析，給客戶提供高品質的服務，從而提升商業銀行的競爭優勢。

4.3 借助大數據等技術手段，提高銀行規模效率

通過加大信息技術的投入，借助大數據等先進的科學技術，實現高效便捷的業務流程，從而提高銀行的規模效率。對現有市場通過精細化管理進行細分，進而有針對性地提供支持服務。摒棄過去“重國有，輕民營”“重大型、輕小微”的理念，加大對中小企業及個人的融資力度。通過有效整合現有資源，降低交易費用和運營成本，從而實現規模效率的提升。

參考文獻：

[1]王靜.競爭與變革：互聯網金融對傳統銀行業的沖擊[J].中國流通經濟，2014（5）：122-126.

[2]曹鳳岐.互聯網金融對傳統金融的挑戰[J].金融論壇，2015（1）：3-65.

[3]梁燕子.互聯網金融對商業銀行的沖擊——基于第三方互聯網移動支付的視角[J].金融理論與實踐，2017（2）：81-86.

[4]馮娟娟.互聯網金融背景下商業銀行競爭策略研究[J].現代金融，2013（4）：14-16.

[5]邱峰.互聯網金融對商業銀行的沖擊和挑戰分析[J].吉林金融研究，2013（8）：44-50.

[6]Manuchehr Shahrokhil.E-Finance：Status，Innovations，Resources and Future Challenges[J].Managerial Finance，2008，34（6）：365-398.

[7]郭婕，周婧.互聯網金融背景下我國上市商業銀行的效率實證研究[J].運籌與管理，2016（12）：120-127.

[8]管仁榮，張文松，楊朋君.互聯網金融對商業銀行運行效率影響與對策研究[J].云南師范大學學報，2014（11）：56-64.

[9]王婷婷.基于DEA、FDA的中國省際能源效率測度研究[M].北京：清華大學出版社，2015.

[10]唐齊鳴，許晴.中國商業銀行效率的差異性分析[J].當代經濟，2014（3）：106-109.

[11]遲國泰，孫秀峰，蘆丹.中國商業銀行成本效率實證研究[J].經濟研究，2005（6）：104-114.