我國城商行貸款效率及其影響因素研究

摘 要：首先運用DEA方法測算我國城商行的貸款效率，然后構建Tobit模型分析貸款效率的影響因素。實證結果表明：城商行的貸款效率均值總體偏低;大部分城商行處于規模報酬遞增階段;城商行的存貸比、M2增速、GDP增速與貸款效率顯著正相關，不良貸款率與貸款效率顯著負相關。

關鍵詞：城商行;貸款效率;DEA方法;Tobit模型

中圖分類號：F23 文獻標識碼：A doi：10.19311/j.cnki.1672-3198.2019.19.042

1 引言

我國商業銀行作為市場經濟下資金融通的中介，在金融體系中占據重要地位，對實體經濟的發展起到促進作用。近年來我國進入經濟新常態，在供給側改革的背景下，經濟發展方式由粗放型向集約型轉變，加之金融監管環境趨嚴，銀行業的快速擴張時期已不復存在。在利率市場化、外資銀行準入放松、互聯網金融崛起等因素的影響下，商業銀行的利潤增速逐年下滑，貸款質量不斷降低，銀行間的競爭愈加激烈。如何提高商業銀行的核心競爭力，是當前我國銀行業面臨的重要問題。存貸款業務作為銀行主營業務，能直接反映其資產配置能力和經營績效情況。因此提高商業銀行的貸款效率，是提升其盈利能力、防范金融風險和推動銀行業可持續發展的根本。

城市商業銀行是我國銀行業體系中具有區域特色、規模增速最快的一類商業銀行，在服務地方經濟和小微企業等方面發揮著不可或缺的作用。截至2017年底，我國已有134家城商行，資產總額達31.72萬億元，占銀行業金融機構比重達12.57%。當前我國城商行正處在業務轉型的關鍵時期，大數據技術等金融科技的興起，使以往由規模擴張帶來的紅利不再有效，而城商行區域受限、業務單一、資本實力不足、科技應用滯后等問題逐步顯現。對于城商行來說，存貸款凈息差是核心盈利方式，其業務效率水平決定著經營績效和發展潛力。為此，本文對我國代表性城商行的貸款效率進行測度，并在此基礎上研究其影響因素，為城商行的運營和發展提供建議。

2 文獻綜述

周逢民等（2010）運用兩階段DEA方法分析2003～2007年我國15家上市銀行的經營效率，發現資金組織階段的效率高于資金運營階段，股份制銀行的效率普遍高于國有銀行。王佳、高董（2012）討論剔除環境變量影響后的銀行效率水平，實證結果表明，國有銀行和股份制銀行的技術效率明顯高于城市商業銀行。曾昭法、楊暢燦（2013）運用兩階段DEA方法研究2006-2012年我國政策性銀行、國有銀行和股份制銀行的貸款效率，發現在貸款籌集階段三類銀行的效率值都接近最優，在貸款發放階段國有銀行的效率最高，政策性銀行的效率最低。

現有文獻對銀行效率的測度研究比較豐富，主要研究方法包括非參數方法中的DEA方法和Malmquist指數法，以及參數方法中的SFA方法等。但以往學者的關注點大多是銀行的整體效率或經營績效，對銀行內部業務進行細化的研究較少，特別是對存貸款業務效率的研究。作為商業銀行的核心業務，貸款效率水平的高低能直接影響銀行的盈利和發展。

孫秀峰、遲國泰（2010）對1998-2007年我國14家上市銀行的數據進行研究，發現不良貸款率、利息支出比和存貸比對銀行經營效率的影響顯著。卿楊（2011）選取2001-2009年我國13家商業銀行為研究樣本，發現產權結構、股權集中度、存貸比、資本充足率和不良貸款率對銀行的技術效率具有顯著影響。徐占東、程硯秋（2015）運用SFA模型評價我國銀行貸款效率的上市效應，實證結果表明，總資產、貸款余額和利息支出對銀行貸款效率的影響權重較大，固定資產、存款總額和員工人數對銀行貸款效率的影響權重較小。

研究者通常將銀行效率的影響因素分為內部因素和外部因素，內部因素涉及銀行自身的經營管理方面，如資產規模、產權結構、利息支出、存貸比、不良貸款率等指標，外部因素主要是政策環境和宏觀經濟環境。但當前大部分研究是針對上市銀行的實證分析，容易忽視很多近年來新興發展、還未上市的城商行。因此本文將圍繞我國城商行的貸款效率問題展開研究。

3 城商行貸款效率的測算

3.1 銀行貸款效率的測度方法

目前銀行貸款效率的測度方法主要是前沿面分析法，分為參數前沿面法和非參數前沿面法，后者中的數據包絡分析法（Data Envelopment Analysis，DEA）應用最為廣泛。DEA方法的原理是保持決策單元的輸入或者輸出不變，借助樣本間的線性約束確定相對有效的生產前沿面，通過比較各決策單元偏離生產前沿面的程度來評價它們的相對有效性。DEA方法不必確定具體的生產函數表達式，無須任何權重假設，無須對數據進行無量綱化處理，該方法常用于多投入、多產出問題的相對效率測度。

DEA模型分為不變規模回報模型和變動規模回報模型，后者是前者去掉錐形假設后得到的，即在前者模型的基礎上增加限制條件，使規模相同的決策單元才能比較，從而規避規模對效率的影響。變動規模回報模型將技術效率分解為純技術效率和規模效率的乘積，能以此判斷無效率是由純技術因素還是規模因素造成的，故本文在測算城商行貸款效率時選用變動規模回報模型。

技術效率測度的是在規模報酬不變時各決策單元偏離前沿生產面的距離，即在一定產出下，生產單元理想的最小可能性投入與實際投入的比率;純技術效率測度的是在規模報酬可變時各決策單元偏離前沿生產面的距離，體現銀行管理和技術水平的生產效率;規模效率測度的是規模報酬不變時的前沿生產面與規模報酬可變時的前沿生產面的距離，衡量銀行在不同規模下運營的效率水平。

DEA模型又分為投入導向型與產出導向型，投入導向是指在產出一定時如何使投入最小，產出導向型是指在投入一定時如何使產出最大。對于銀行貸款業務的效率測度，相較于產出，銀行在控制投入方面更具有主動性，故本文選擇投入導向法。結合已有文獻，本文選取利息支出、業務費及管理費、營業稅金及附加作為投入指標，利息收入作為產出指標，對城商行貸款效率進行測算。

3.2 測算結果分析

截至2017年底，我國共有134家城商行，其中A股上市的有8家、H股上市的有10家。考慮到樣本的代表性和數據的可得性，本文對我國全部城商行按總資產規模排名，并選取前30家作為樣本。它們綜合實力領先，能代表行業未來發展方向，更具有研究意義。

本文運用DEAP2.1軟件，對30家樣本城商行的貸款效率進行測算，樣本區間選為2014-2016年。本文研究所用數據來源于WIND數據庫及各城商行披露的年報，具體測算結果經整理后如表1、表2所示。

從30家樣本城商行貸款效率的測算結果來看，技術效率的平均值三年來均低于0.8，效率值為1的比例接近20%，盡管三年來呈穩步上升趨勢，但是總體水平仍然較低。就純技術效率而言，其平均值同樣較低，且明顯低于規模效率，故貸款效率偏低的主因是純技術無效率。這反映出我國城商行在運營管理和技術創新等方面的整體水平，還與當前發展成熟的大型銀行存在差距，原因可能與一些起步較晚的城商行缺少資源和經驗、未能因地制宜開展業務有關。

與純技術效率的表現相反，規模效率的平均值三年來始終保持在0.9以上的較高水平。這表明我國城商行對業務規模的控制比較合理，規模過大或過小都不利于貸款效率的提高。在規模效率不為1的城商行中，規模報酬遞增的比例超過80%，原因可能是很多城商行受成立時間短、地緣范圍限制等影響，在經營規模上有待于擴張。因此現階段城商行在提高資金籌集能力和貸款投放水平的同時，仍需積極關注并適時調整其存貸規模，從而不斷提升貸款業務的綜合技術效率。

4 城商行貸款效率影響因素的實證分析

4.1 模型選擇與變量選取

由于城商行貸款效率的取值在0-1之間，因變量屬于截斷數據，若使用普通最小二乘法會得到有偏且不一致的參數結果。這種情況適用于遵循極大似然法的Tobit模型，該模型常用于因變量受限情況下的回歸分析。對于面板數據來說，固定效應Tobit模型不能得到一致的估計量，故本文選用隨機效應Tobit模型。

通過對以往文獻的整理，本文將城商行貸款效率的影響因素分為內部因素和外部因素，即分為銀行自身的經營狀況和宏觀經濟環境。綜合考慮，本文選取五個解釋變量，內部因素為總資產規模、不良貸款率和存貸比，外部因素為GDP增速和M2增速。因此本文建立Tobit多元回歸模型如下：

TEit=β0+β1SIZEit+β2NPLit+β3LDit+β4Mit+β5GDPit+αi+γt+εit

其中，i代表樣本中的銀行個體，t代表樣本的時間分布，α、γ、ε代表隨機誤差項，因變量和自變量的符號說明如表3所示。

貸款效率，即以DEA方法輸出的技術效率，作為Tobit模型的被解釋變量;總資產規模，規模大的銀行往往管理水平高、資金成本低，但可能導致邊際效率的浪費;不良貸款率，不良貸款包括次級貸款、可疑貸款和損失貸款，容易引發銀行的破產風險;存貸比，數值越高說明銀行的盈利能力越強，但存貸比過高會給銀行帶來流動性風險;M2增速，即廣義貨幣供應量增速，其變化能反映貨幣政策和市場流動性的改變;GDP增速，作為國民經濟核算的核心指標，與金融企業的經營效益息息相關。

4.2 實證結果分析

本文運用Stata13.0軟件，對2014-2016年我國宏觀經濟指標和30家城商行年報的面板數據做Tobit回歸。為提高模型估計的準確度，首先進行多重共線性檢驗，發現各解釋變量間的相關系數均小于0.5，同時VIF值小于10，說明各解釋變量間不存在嚴重的多重共線性，可全部納入模型分析。實證結果表明，能顯著影響城商行貸款效率的因素有：不良貸款率、存貸比、M2增速和GDP增速，回歸結果如表4所示。

不良貸款率與貸款效率在1%的顯著水平下負相關。隨著我國經濟結構的轉型調整，銀行業資產質量下降的問題時有發生。高不良貸款率現象會放大城商行的經營風險，縮窄其盈利空間，從而對貸款效率產生不利影響。

存貸比與貸款效率在1%的顯著水平下正相關。為保持流動性央行規定存貸比不得超過75%，但部分指標良好的中小型銀行可突破限制。我國信貸監管政策的調整，能促進城商行資金運用效率提升，從而對貸款效率產生積極效應。

M2增速與貸款效率在5%的顯著水平下正相關。經濟新常態下，我國M2增長率呈現平穩下行趨勢。通縮壓力使實際利率上升，貸款融資成本上升，社會信貸規模擴張放緩，消費和投資受到抑制，城商行的貸款效率間接隨之降低。

GDP增速與貸款效率在10%的顯著水平下正相關。近年來我國GDP增速持續下降，而經濟發展形勢與銀行的貸款業務息息相關。我國銀行業同樣具有經濟周期性，當前宏觀經濟處于下行階段，城商行的貸款效率也會受此影響。

總資產規模未能通過顯著性檢驗。雖然我國大部分城商行尚處于規模報酬遞增階段，但是對于少數成立較早、發展較好的城商行來說，它們已經實現了最優或過剩的經營規模，因此總資產規模對貸款效率的影響程度是有限的。

5 研究結論與建議

本文首先運用DEA方法對2014-2016年我國30家樣本城商行的貸款效率進行測度。分析測算結果得出以下結論：第一，城商行貸款業務的技術效率均值三年來呈上升趨勢，但總體水平較低，主要歸因于純技術無效率;第二，城商行貸款業務的規模效率均值顯著高于純技術效率均值，其中大部分城商行處于規模報酬遞增階段。

接下來將技術效率作為被解釋變量，本文建立Tobit模型對我國城商行貸款效率的影響因素進行探究。從樣本城商行的實證結果中可以看出：存貸比、M2增速、GDP增速對貸款效率有顯著正向影響，不良貸款率對貸款效率有顯著負向影響，總資產規模對貸款效率的影響不顯著。

基于以上研究結論，為提高我國城商行的貸款效率、完善其經營發展方式，本文提出幾點政策建議：第一，加快技術進步和創新，積極發展互聯網金融業務，重視區塊鏈、人工智能等在金融創新領域的應用;第二，優化業務結構和管理體系，進一步提升存貸款凈息差的盈利水平;第三，調整信貸結構，提高貸款質量，降低次貸風險;第四，充分發揮央行的監管和政策調控功能，合理控制利率水平，積極調整信貸規模并引導貸款流向。

參考文獻

[1]丁忠明，張琛.基于DEA方法下商業銀行效率的實證研究[J].管理世界，2011，（03）：172-173.

[2]王兵，朱寧.不良貸款約束下的中國銀行業全要素生產率增長研究[J].經濟研究，2011，46（05）：32-45.

[3]周逢民，張會元，周海，孫佰清.基于兩階段關聯DEA模型的我國商業銀行效率評價[J].金融研究，2010，（11）：169-179.

[4]孫秀峰，遲國泰.中國商業銀行效率的內生影響因素研究與實證[J].預測，2010，29（02）：5-12.

[5]曾昭法，楊暢燦.基于兩階段關聯DEA方法的我國銀行貸款效率研究[J].金融與經濟，2013，（10）：17-20.

[6]陳洪斌.城市商業銀行經營績效的地區間比較研究——基于DEA與Logit模型的分析[J].金融理論與實踐，2016，（06）：1-5.

[7]顧曉安，袁照賀，龔德風.我國城市商業銀行效率的區域差異及其影響因素研究[J].南京審計大學學報，2017，14（01）：10-20.

[8]許祥秦，郗楠，劉艷芳.基于ML指數法的中國銀行業貸款效率分析[J].沈陽工業大學學報（社會科學版），2014，7（05）：440-448.

[9]李亞林.基于DEA-Tobit方法的中國上市商業銀行貸款效率研究[D].大連：東北財經大學，2016.

[10]杜婷婷.基于超效率DEA模型的中國城市商業銀行效率實證研究[D].濟南：山東財經大學，2015.