基于超效率DEA-Tobit的證券公司生產效率研究

李艷坤

(福建師范大學經濟學院，福建 福州350108)

一、引言

證券公司作為證券市場最重要的金融機構，也是連接廣大投資者和上市企業的橋梁，對促進我國經濟發展起到舉足輕重的作用。證券公司生產效率水平的高低將直接影響我國資本市場資源配置效率，影響資本市場的健康運行。伴隨著我國經濟進入高質量發展的新時期和資本市場改革的有序推進，激烈的市場競爭和外資券商的進入對證券公司的生產經營效率和服務水平提出了更高程度的要求，所以研究證券公司的生產效率，并為證券公司效率改進提供可行性的參考路徑就顯得至關重要。

在現有的證券公司效率研究文獻中，多是從經營角度研究證券公司的運行效率，從生產角度研究證券公司效率的文獻相對較少。本文以2019年上市的證券公司為樣本數據，按照證券公司現有的業務架構，將證券公司的投入分為人力資本、知識資本和金融資本；將證券公司的產出分為經紀業務、證券信用業務、投資銀行業務、資產管理業務和自營投資業務五類。構建超效率DEA模型進行效率分析，運用Tobit回歸分析影響證券公司生產效率的因素。文章的創新點主要在于:①進行超效率DEA分析中，引入知識資本作為投入指標選擇，符合互聯網金融時代證券公司主要投入占比；②在Tobit回歸檢驗中，把員工的學歷結構、信息技術投入比率作為影響證券公司生產效率重要因素，實證結果也表明員工學歷結構和信息技術投入對證券公司生產效率具有顯著影響。

二、文獻綜述

樊宏運用改進CCR模型對14家綜合類證券公司效率進行評價，發現證券公司效率總體水平不高，存在“兩極分化”現象，應充分整合現有資源才能提高生產效率。朱南和劉一基于“生產法”思想對42家證券公司的生產效率進行分析，發現中國證券公司的生產效率、純技術效率和規模效率水平偏低，證券公司整體生產力水平呈下降趨勢。張學濤等運用超效率模型分析了我國22家證券公司生產效率，認為我國大多數證券公司的生產效率水平偏低，證券公司的生產效率過分依賴證券市場行情的狀況有所改善，生產效率的提升主要得益于技術進步，規模效率對生產效率的影響不大。施生旭和譚婧園沿用“生產法”思想，研究了我國A類證券公司的效率水平，研究結果顯示我國證券業整體效率水平不高，不存在明顯的規模經濟。黃雨婷采用超效率DEA-Tobit模型對我國96家證券公司效率進行研究，發現我國證券公司的技術效率總體偏低，證券評級與效率水平正相關。

現有文獻對證券公司生產效率的研究中，多數是采用經典的DEA模型研究證券公司的生產效率，由于各學者選取了不同的投入和產出指標，選取樣本的時間段也有所不同，研究結果略有不同。本文以2019年底前上市的37家證券公司為樣本數據，采用超效率DEA-Tobit模型研究我國上市證券公司的生產效率水平，探討優化證券公司提高生產效率的改進路徑，以達到不斷提高國內上市證券公司的整體競爭力、提供更優良服務的目的。

三、研究設計

(一)樣本數據選擇

考慮到樣本數據的可獲得性和證券公司行業的實際情況，選取了在滬深A股市場上市的37家具有代表性的證券公司作為此次實證分析的評價決策單元。選取上市證券公司作為研究樣本的優點在于:上市證券公司作為證券行業的翹楚，能夠很好地代表證券行業的發展狀況；上市證券公司會定期披露經營數據和財務數據，信息透明度較高，更容易獲取信息；上市證券公司會受到證監會等監管機構的監管，生產經營過程較為規范。

(二)投入產出指標的選取

證券公司投入產出指標的選取是進行DEA分析的關鍵，借鑒經典的柯布-道格拉斯生產函數的思想，運用“生產法”思想選取投入和產出指標?？紤]到互聯網時代各證券公司對系統軟件的開發及維護，將投入指標分為人力資本、知識資本和金融資本投入；根據證券公司業務分類，把經紀業務、證券信用業務、投資銀行業務、資產管理業務和自營投資業務收入作為產出指標。

1.投入指標的選擇

參考張學濤的研究，選取職工薪酬作為人力資本投入指標。金融投入指標的選取應符合流量原則，一定時期的金融資本投入可以用當期費用來表示，考慮到費用計算的重復性，減去員工薪酬和營業稅金及附加，即金融資本投入＝營業支出+營業外支出-員工薪酬-營業稅金及附加?；ヂ摼W金融時代證券公司對開發本公司交易軟件等投入了大量的資本投入，基于此將各證券公司投入的信息技術投入作為知識資本投入指標。

2.產出指標的選擇

根據證券公司的主要業務分類，將證券公司的業務分為五大類，分別為經紀業務、證券信用業務、投資銀行業務、資產管理業務和自營投資業務。

(三)數據適用性分析

根據A.Charnes經驗法則，決策單元的數量至少應該是投入產出指標數量的2倍，即s≥2(m+n)，模型中選取了投入指標3個，產出指標5個，決策單元數量37個，滿足經驗法則。

四、實證分析

(一)超效率實證結果分析

運用DEA-Solver.Pro8.0軟件，運行以投入導向的基于規模報酬可變的超效率DEA-BCC模型，得到2019年37家證券公司樣本的超效率分析值。37家在A股上市的證券公司平均生產效率的超效率值為1.23，說明我國上市證券公司的生產效率水平尚可，近年來我國證券公司的生產效率得到較大提升，但還存在諸多問題。

(1)各證券公司生產效率水平整體尚可，但兩極分化問題較為嚴重。37家證券公司中有21家證券公司位于生產前沿面上，生產效率是有效的，占樣本總數的56.76%；效率值在0.8～0.9范圍內的有11家，占樣本總數的29.73%，效率值在0.8以下的有5家證券公司，占樣本總數的13.51%，說明近年來我國證券公司的生產效率整體得到較大提升，生產效率水平尚可。生產效率最高的是紅塔證券，其SEDEA值為3.103，生產效率值最低的是興業證券，其SEDEA值僅為0.6114，說明不同證券公司的生產效率之間差別較為明顯，兩極分化問題嚴重。

(2)證券公司的生產效率與其資產規模相關不大，與券商分類評級相關性較強。通過對證券公司生產效率排名與總資產排名對比發現，總資產排名前三的中信證券、國泰君安和華泰證券在其生產效率排名中分別位于第12、33和13位，而生產效率排名前三的紅塔證券、東方財富和天風證券其總資產排名為第30、31、27，可見證券公司的生產效率與其資產規模相關不大。而37家證券公司中有26家分類等級為A級以上，其生產效率均值為1.242，有10家證券公司的分類等級為B級及以上，其生產效率均值為1.223，只有長江證券評級為CCC級，其生產效率值為0.998，可見證券公司的生產效率與分類等級相關性較強。

(3)37家證券公司的規模效率均值為0.853，基本實現了規模有效，而規模報酬整體處于規模報酬遞減或規模報酬不變階段，只有東興證券、中原證券和國海證券三家小型證券公司處于規模報酬遞增階段，這三家券商可通過擴大公司規模來提高生產效率，而其他券商的公司規模已經達到很高的水平，盲目擴大公司規模反而會對生產效率起到一定的抑制作用，應通過改善純技術效率來達到提升生產效率的目的。說明多數證券公司要提高生產效率不應盲目擴大規模，而應從服務和技術投入方面增加投入，提升用戶體驗。

(二)基于Tobit模型的回歸分析

鑒于樣本規模的大小和樣本數據的可得性，借鑒黃雨婷提出的影響證券公司生產效率的因素(其認為證券公司的資產結構、資本結構、股權結構、員工學歷素質和技術投入比率是影響證券公司生產效率的重要因素)，分別以凈資本/凈資產、資產負債率、前三大股東持股比例、在職員工中研究生學歷比率和信息技術投入與營業支出比率為自變量，以證券公司超效率生產效率值為因變量，解釋影響證券公司生產效率的影響因素。借鑒以往學者的研究，選取了影響證券公司生產效率因素時，添加了員工的知識結構、技術投入占比。回歸分析結果見表1。

表1 Tobit回歸結果

資產結構在10%的顯著性水平對生產效率的正相關影響不顯著。造成這種結果的原因可能是我國證券公司對風險控制不敏感，對資本充足率要求不夠重視，因此需要提高風險防范能力。

資本結構在5%的顯著性水平下對生產效率具有負的顯著影響。公司的資本結構對于公司的價值具有顯著影響，但過高的資產負債率可能會給公司帶來較大的財務風險，由于證券公司是一種特殊的知識資金密集型企業，過高的資產負債率可能會對公司的生產經營帶來較大影響，從而降低公司的生產效率。

股權結構在5%的顯著性水平對生產效率具有正的顯著影響。由于模型所選取的樣本數據均為上市證券公司樣本數據，上市公司股權結構有著較為嚴格的規定，一定程度上減少了因股權過度集中所產生的道德風險問題，此外股權相對集中會引導投資者在二級市場上理性投資，不會頻繁“套現、減持”，從而提高公司生產效率。

學歷結構在5%的顯著性水平下對生產效率影響不顯著，但在10%的顯著性水平下具有顯著正影響。證券公司作為資金知識密集型企業，其員工素質水平的高低直接影響生產效率水平，員工素質越高，生產效率也就越高。

技術投入占比在1%的顯著性水平下對生產效率具有正的顯著影響。在互聯網時代的今天，各證券公司都在持續擴大信息技術方面的研發投入，搶占證券市場交易份額，信息技術投入增加，生產效率水平也會隨之攀升。

五、研究結論與建議

以37家在A股上市的證券公司為例，分析了我國A股上市證券公司的整體生產效率水平和主要影響因素，實證結果表明:37家上市證券公司整體生產效率水平得到較大提升，生產效率水平與其資產規模相關不大，整體規模效率尚可；證券公司資本結構、股權結構與證券公司生產效率在5%的顯著性水平影響顯著，員工學歷結構和信息技術投入是影響生產效率的重要因素，結合當前經濟發展背景和實證結果，對提高我國證券公司生產效率水平提出以下幾點建議:①強化以凈資本為核心的風險控制體系，提高風險應對能力。②優化資本結構，提升資產質量。③加強員工素質培訓，提倡推行員工激勵計劃。④加強信息技術研發投入，搶占互聯網金融交易市場先機。