您的当前位置：首页中国商业银行成本效率实证研究

中国商业银行成本效率实证研究

来源：欧得旅游网

迟国泰等:中国商业银行成本效率实证研究

中国商业银行成本效率实证研究

迟国泰　孙秀峰　芦　丹

(大连理工大学管理学院大连理工大学应用数学系　116024)

　　内容提要:基于随机前沿法原理,利用超越对数成本函数模型,本文评估了中国14家主要商业银行在1998—2003年间的成本效率情况,并按考虑贷款产出质量的2003年成本

效率情况对各银行排序。实证研究结论为:(1)中国商业银行总体的成本效率并不很差;(2)国有商业银行成本效率处于上升趋势,股份制商业银行则保持波动攀升趋势;(3)贷款

产出质量对中国商业银行的成本效率有明显的负面影响,在考虑产出质量时,国有商业银行成本效率明显落后于股份制商业银行。

关键词:商业银行　成本效率　效率评价　随机前沿方法　超越对数成本函数

一、引　言

商业银行效率水平可反映商业银行产出能力、资源利用效果和成本控制等方面的经营特征,是商业银行竞争力水平的集中体现。

与企业效率研究相同,商业银行效率也可分为综合效率、技术效率和配置效率等种类(Farell,

1957)。在现有的商业银行效率研究中,Leibensein(1966)引入了机构运营过程中的X效率。Mester(1996)、Allen和Rai(1996)、Dietsch和Lozano-Vivas(2000)、Altunbas(2001)、Rime和Stiroh(2003)通过

实证研究证明了成本效率与X效率是影响商业银行经营效率和竞争力的主要因素,而规模效率和范围效率等对商业银行成本的影响并不显著。但从原理看,综合效率等同于成本效率,而X效率则是通过对成本效率间接计算确定(Mester,1996;AllenandRai,1996)。无论如何,成本效率都是银行效率研究的基础。因此,对商业银行成本效率的研究具有重要的价值。

商业银行成本效率的研究主要有非参数法和参数法两种。

非参数法是基于Farell(1957)提出的前沿函数思想,利用线性规划方法及对偶原理,通过对商业银行的投入—产出指标的组合分析,评价成本效率水平。参数法无需预先确定生产(成本)函数形式,可评价不同量纲的指标,具有较强的客观性,而且对样本量要求不大。魏煜、王丽(2000)、张健华(2003)、李希义、任若恩(2003)使用DEA方法研究了中国商业银行的技术效率、成本效率等问题。国内非参数法的研究方法相近,仅在投入产出指标上存在差异,且都未解决随机误差干扰和结果的统计性检验等问题。

参数法是利用多元统计分析技术,确定前沿成本函数中的未知参数,继而由之计算理论最小成本和实际成本比值(即成本效率)的一种计量经济学方法。根据对前沿函数中成本非效率项分布的假设不同,参数法可分为随机前沿方法(StochasticFrontierApproach,SFA)、自由分布法(DistributionFreeApproach,DFA)和厚边界函数法(ThickFrontierAnalysis,TFA)三种(Bergeretal,1993)。参数法考虑了随机误差对成本效率的干扰,得出的样本成本效率值离散度较小,便于区分。这避免了非参数方法中存在多个样本效率均为1的情况。与国外研究相比,国内商业银行效率的参数法研究较少。

3　本文的研究得到国家社会科学基金项目(04BJY082)的资助。作者感谢匿名审稿人的建设性修改意见,当然文责自负。

104

2005年第6期

除少数使用参数法估测规模经济之类文章外,仅有钱蓁(2003)和刘志新(2004)使用SFA、DFA等前沿方法分析了中国商业银行成本效率问题。但在研究中仍存在前沿函数弹性不足(钱蓁,2003)和统计检验缺乏说明(刘志新,2004)等问题,使得研究结果缺乏说服力。

考虑到非参数法无法考虑随机误差和计算结果离散度大等两项不足,本研究决定选用参数方法中的SFA法,在超越对数成本函数基础上,分析1998—2003年间中国14家主要商业银行的成本效率情况,并且给出统计检验依据。本文通过从2001年后的贷款产出中剔除不良贷款,构造出了新的42组样本数据,这既解决了银行样本量不足和由之产生的效率计算结果离散度小等两个问题,又可以在实际贷款产出质量下分析中国商业银行的成本效率水平。最后结合实证研究结果,本研究依次分析了中国商业银行总体、国有商业银行、股份制商业银行等三个对象的成本效率变化情况,并做了横向比较。二、商业银行成本效率的参数法评价原理(一)选择参数法的根据为了真实反映随机测量误差对成本效率的影响,本研究选择了参数方法。与非参数法相比,参数法可考虑随机误差的干扰,而且效率评价结果离散度较小,可作统计检验。这些优点都较为适合中国商业银行成本效率研究。

本研究选择参数法中的SFA法评价中国商业银行的年成本效率。在参数法中,DFA法和TFA法的评价结果为样本的平均效率,而SFA法的评价结果则为某一时间截面的效率情况(Berger,1993)。由于中国的商业银行近年来规模和业务变化幅度较大,使用平均效率并不足以描述其真实经营情况。故而这里选择SFA法研究各银行每年的成本效率。

(二)SFA法的成本效率评价原理

商业银行的成本效率可用商业银行的理论最小成本与实际成本的比值表示。在一组确定的投入—产出指标下,当投入要素价格给定时,m项投入构成的成本最小化集合中,第i项最小投入量的表达式为(Greene,2000)

(1)xi=gi(Y,W)　　xi为第i项投入要素;gi(Y,W)为第i项投入的最小化函数;Y为含有n项产出的产出向量,Y=(y1,y2,…,yn);W为投入价格向量,W=(w1,w2,…,wm),wi为第i项投入的价格。

商业银行的理论最小总成本为各项投入最小成本之和(Greene,2000)

i=1

∑w

・xi=

i=1

∑wg(Y,W)

=C(Y,W)(2)

　　C为理论最小成本;C(Y,W)为理论成本函数;其它参数的定义与前面相同。由公式(2)可知,

理论最小成本是投入要素价格与产出量的函数。

由于非效率因素的存在,商业银行无法在最佳资源配置情况下运营。于是实际成本(RealCost,RC)与理论最小成本间存在差距,两者关系如下式(Berger,1993)

RC=C・U=C(Y,W)・U

(3)

)。U反映商业银行由于技术　　U为理论最小成本与实际成本之比的倒数,其取值范围为[1,∞

和资源配置不当等原因产生的成本浪费情况,其倒数即为成本效率值。

考虑到随机误差的影响,在实际成本与理论最小成本的关系式间应增添随机误差因子。为简便计算,成本函数通常使用自然对数形式。在加入随机误差因子后,公式(3)的自然对数形式变为(Berger,1993;BatteseandCoelli,1992)。

(4)lnRC=ln(C・U・V)=lnC(Y,P)+ε+u

105

迟国泰等:中国商业银行成本效率实证研究

)得u∈　　V为测量随机误差;ε等于lnV,服从标准正态分布N(0,σ[1,∞ε);u等于lnU,由U∈),u也称为成本非效率项(Berger,1993),其分布方式由所选参数方法设定。[0,∞

γ截断等分布形式。其中,γ分布和截断分布的统计在随机前沿法中,u可假设服从半正态、

结果比正态分布显著,但由于它们的分布与随机误差相似,故需注意区分成本非效率项u与随机误差v(Berger,1993)。

在选定的成本函数形式下,依据u的分布形式,可利用极大似然法(MaximumLikelihoodEstimation)确定成本函数中的参数值。之后,将样本数据代入成本函数,确定理论最小成本。最终通过理论最小成本与实际成本的比值确定成本效率(CostEfficiency,CE)(Berger,1993)。

(三)SFA法的统计检验

SFA法对效率计算结果的统计检验,包括以下两个方面(BatteseandCoelli,1992):

2σu(1)变差率γ的取值判断　　　γ=22

σε+σu

(5)

22σε和成本非效率项u的方差,变差率γ的取值空间为(0,1)。当γ趋　　ε与σu分别是随机误差近于1时,说明成本偏差主要由成本非效率项u决定,而随机误差ε的影响可忽略不计;当γ趋近于0时,说明成本偏差主要由随即误差ε决定,而成本非效率项u的影响可忽略不计;当γ位于0与1之间时,说明成本偏差由随机误差ε和成本非效率项u共同决定(BatteseandCoelli,1992)。

(2)变差率γ的零假设统计检验

在SFA法中,变差率γ的零假设统计检验结果是判断前沿成本函数是否有效的根本依据。如果变差率γ的零假设被接受,则意味着成本非效率项不存在,前沿成本函数无效。对变差率γ的零假设检验可通过对成本函数的单边似然比检验统计量LR的显著性检验实现(BatteseandCoelli,1992)。

设θ是待估计的前沿成本函数的参数向量,变差率γ=0可视为对这些参数施加的约束条件。

θ令θ0是此约束条件下θ的最大似然估计,1是无约束条件下θ的最大似然估计。L(θ0)和L(θ1)是在这两个估计处的似然函数值,其似然比λ=L(θL(θ0)Π1)属于区间(0,1),且其单边似然比检验统计量LR的表达式为　LR=-2lnλ=-2ln

L(θ0)

L(θ1)

θθ=-2ln(θ0)+2lnL(1)=2×[lnL(θ1)-L(0)](6)

　　在SFA法中,单边似然比检验统计量LR按照自由度为n、显著性概率为5%的mixedΧ分布进行检验。n为约束的个数,等于无假设约束条件的备择模型(有成本非效率项的成本函数模型)与有假设约束条件的零假设模型(无成本非效率项的成本函数模型)之间待估参数的个数之差。

LR大于mixedΧ分布检验标准值,则证明变差率γ的零假设被拒绝,同样意味着成本非效率项u是客观存在的(BatteseandCoelli,1992)。

需要说明的是,在模型的待估参数中,变差率γ=0是位于参数空间的边界上的,它的真实分

布与普通Χ分布相差较大,因此应用普通Χ分布检验变差率γ=0的显著性就不再可靠(Coelli,1993)。对于SFA法中γ位于参数空间边界上的问题,目前得出的一致结论是γ基本上服从mixedΧ2分布。MixedΧ2分布混合了零假设模型和备择模型的参数分布特点,能更好地描述参数空间边

界上的参数分布,其临界值由零假设模型和备择模型的普通Χ分布临界值按一定比例相加确定。

从本质上看,使用mixedΧ分布检验LR可更好的解决成本效率前沿面上的参数估计问题(Coelli,

1993)。本文参考使用KoddeandPalm(1986)确定的mixedΧ临界值表,检验SFA法中的单边似然比检验统计量LR。

此外,参数法并不要求前沿函数中的待定参数估计值均通过显著性检验,但其变差率γ的零

106

2005年第6期

假设必须被拒绝,即其单边似然比检验统计量LR必须大于mixedΧ分布的临界值。当这一统计条件满足了,就可证明此前沿成本函数具备足够的解释力度,并且成本非效率项客观存在(DietschandLozano2Vivas,2000;Altunbasetal,2001;Rime,2003;BatteseandCoelli,1992)。

三、投入产出指标的确定

(一)投入产出指标确定方法回顾

商业银行效率评价的参数法和非参数法均需事先确定投入产出指标。在已有研究中,指标的

选取方法主要有生产法、中介法和资产法三种。

在投入指标上,此三种方法差别不大,均选择了商业银行的人力成本、固定资产成本和借贷资金成本等指标。

在产出指标上,三者的区别明显。生产法以银行各项服务之交易账户数量衡量银行之产出(张健华,2003;李希义,2004),但忽略了存款不同的账户对银行贡献不同的问题。中介法将银行视为提供金融中介服务的机构,以账户金额(存贷款余额)衡量银行的产出,它考虑了账户金额的问题,但忽视了银行的其它投资收入,对银行新兴业务的考虑不足(张健华,2003;李希义,2004)。在资产法中,把银行的产出严格定义为银行资产负债表中资产方的项目,主要是贷款和证券投资的金额,不考虑银行经营的基础—存款情况,这种方法应用较为广泛(Berger,1993)。

(二)本研究的投入产出指标本研究选择可贷资金平均价格和营业投入平均价格作为投入指标。由于现有的公开资料中,多数中国商业银行并不提供职工工资和福利支出、固定资产折旧等具体数据,而将其归入财务报表的营业费用中,所以本研究选用营业费用替代人力成本和固定资产成本的支出总额。这样即可反映人力资本和固定资产的成本支出,又可避免使用估计值或均值引入误差之类问题的发生。同时,经统计发现职工人数和固定资产净值与银行总资产高度相关,因而使用总资产额替代营业投入总额。于是营业投入平均价格即可用营业费用除以平均总资产确定。

本研究基于资产法的思想,将贷款、投资与证券、非利息收入作为产出指标。这样在考虑银行传统业务———贷款、投资与证券的同时,兼顾代表商业银行新兴业务的非利息收入情况。这种对收入项的引入可体现现代商业银行日益重视非传统业务的特征。为公平比较中国的国有商业银行和股份制商业银行的成本效率提供了保证。

银行的实际总成本RC就是可贷资金和营业投入所形成的总费用之和。本研究确定的投入产出指标体系详见表1。表1

指　标投入(W)

11可贷资金平均价格21营业投入平均价格11贷款余额

投入与产出指标

指标内容及其计算方式

w1w2y1y2y3

((手续费+利息支出)Π平均可贷资金)(营业费用Π平均总资产)(测算年度的贷款平均余额)

(包括短期投资和长期投资及其它证券投资)

产出(Y)21非利息收入31投资与证券

实际总成本(RC)实际总成本(RC)=手续费+利息支出+营业费用

107

迟国泰等:中国商业银行成本效率实证研究

四、基于参数法的成本效率评价模型

(一)成本函数

　　在现有研究中,应用最为广泛的成本函数是柯布2道格拉斯成本函数(Cobu2dauglas,C2D)和超

越对数成本函数(Translog)。

本文认为C2D成本函数不适于估算商业银行成本效率。C2D成本函数的结构较为简单,自变量只为投入价格和产出,小样本下确定参数较为容易。钱蓁(2003)曾使用C2D成本函数,对1995—2000年8家商业银行的X效率进行了评价。但C2D成本函数假设银行的规模收益不变,这导致其无法反映受规模变化影响的真实成本效率情况。本研究决定选用超越对数成本函数模型计算中国商业银行成本效率。与C2D成本函数相比,超越对数成本函数中包含投入产出指标的交互影响项。这符合商业银行规模收益可变的实际情况,并且保证成本函数具备足够的弹性,有利于成本效率计算。

(二)超越对数成本函数模型在随机前沿方法中,基于上文表1中投入产出指标体系的超越对数成本函数模型为

lnRC=lnC+ε+u=A+

i=1

∑Blnw

j=1

∑Clny

i=1k=1

∑∑D

lnwilnwk

j=1

∑∑Elnylny

i=1

∑∑Flnwlny

j=1

+ε+u(7)

　　RC为实际成本;C为理论最小成本;wi为第i项投入价格,i=1,2;yj为第j项产出数量,j=1,2,3;A,Bi,Cj,Dik,Ejl,Fij均为待定参数;ε为随机误差项,服从N(0,σε)分布;u为非负的成本非

效率项,服从|N(0,σu)|分布。

由投入要素的线性同质性和交叉影响项的对称性,可得如下的模型参数约束条件(DietschAndLozano2Vivas,2000;Altunbasetal,2001;Rime,2003)

Dik=Dki,Ejl=Elj,

i=1

∑B

=1,

D∑

=0,

i=1

∑F

=0(8)

　　将约束条件代入公式(7),并化简得

ln(RCΠw2)=A+B1・ln(w1Πw2)+C1・lny1+C2・lny2+C3・lny3

2222

+D11・(lnw1Πw2))+E11・(lny1)+E22・(lny2)+E33・(lny2)

+E12・lny1・lny2+E13・lny1・lny3+E23lny2・lny3+F11ln(w1Πw2)・lny1+F12ln(w1Πw2)・lny2+F13ln(w1Πw2)・lny3+ε+u

SFA法计算成本效率的原理,确定各样本的lnC,于是成本效率为CEi=

CiCi=explnRCiRCi

(9)

　　根据已知的u和ε的分布形式,运用极大似然法,确定计算模型(9)中的待定参数。之后,按照

=exp(lnCi-lnRCi)(10)

　　CEi为第i家样本银行的成本效率值。由理论最小成本不大于实际成本的事实可知,CEi理论分布范围为(0,1]。CEi=1表示该银行成本效率有效,CEi<1说明该银行存在成本非效率情况。

五、中国商业银行成本效率实证研究

(一)样本数据

中国商业银行的研究样本共包含126组样本数据,其中有84组原始样本和42组改进样本。整个研究样本的统计学描述详见表2。108

2005年第6期

表2

指标均值标准差最小值最大值

126组样本的统计学描述

01018010090101001048

01011010030100301022

5559144074651453801626315231800

631868821435517974781430

2107161530321371341779117271610302172840812657178015081210

注:w1、w2、y1、y2、y3和RC为表1定义的投入产出指标,w1、w2为无量纲指标,其他指标单位为亿元人民币。　　

原始样本为1998—2003年中国的14家主要商业银行样本。数据来源于《中国金融年鉴》和网上公布的年报。其中中国农业银行和广东发展银行2003年度的财务数据尚未公开,该年样本数据采用2002年数据加上2000年至2002年的年平均增加额确定。改进样本与原始样本的区别是考虑了贷款质量对成本效率的影响。即通过从2001—2003年商业银行样本的贷款总额中剔除不良贷款,构建出新的42组改进样本。不良贷款率主要来源于各商业银行的年报。不良贷款率不明的银行,依据其所有制类型,采用同时期同类所有制商业银行的平均不良贷款率代替。

这种添加改进样本的处理方法具有好处一是可以验证贷款产出质量对成本效率存在影响。二是有依据地扩充了样本量,可解决参数法研究样本量不足的问题。

(二)国有银行与交通银行指标数据的趋同处理

11趋同处理的原因与好处

在样本中,国有银行和交通银行的资产规模较大,并且它们彼此间总成本的差距也远大于其它9家股份制银行。这种情况易导致国有银行和招商银行的成本效率评价偏高。为降低此类干扰,因此需对国有银行和交通银行的实际指标数据做趋同处理。

采用趋同处理的好处一是可降低规模和总成本差距较大对国有银行和交通银行成本效率估计的干扰。二是使样本数据较为集中,可提高小样本的多元统计分析精度。

21趋同处理的标准

趋同处理首先要确定总成本趋同的标准,然后确定趋同折算因子。在样本中,国有银行的总成本(RC)分布在619125—1508121亿元之间,远大于股份制银行。为保证不扩大国有银行与股份制银行间的总成本差距,这里选择700亿元为总成本趋同的标准。于

是趋同折算因子设为Kil=700ΠRCil,RCil,第i年第l家国有银行实际总成本的整数部分,单位亿元,Kil∈[01885,21155]。RCil取整数是为了保证折算后各国有银行实际总成本不相等。

交通银行的趋同处理应将它的实际指标数据等比例缩小,使总成本值靠近其它股份制银行,并且保留它总成本支出较大的特点。除交通银行外,其他股份制银行的总成本分布在717802—8911647亿元之间。其中总成本大于60亿元的样本仅11个,占20137%。所以60亿元可作为区分

股份制银行中总成本高低的一个标准。于是交通银行的趋同折算因子设为Lj=60ΠRCj,RCj为第j年交通银行实际成本的整数部分,单位亿元,折算因子Lj∈[01296,01357]。RCj取整数的原因同上。

31趋同处理的过程

用上文确定的趋同折算因子Kil、Lj分别乘以表1中的国有商业银行和交通银行的实际指标数据y1、y2、y3和RC,从而获得国有商业银行和交通银行的新指标数据y′y′y′。由于投1、2、3和RC′入指标w1、w2是相对数,故不需折算。

趋同处理的具体计算过程以原始样本中的2003年的中国工商银行为例。2003年中国工商银

109

迟国泰等:中国商业银行成本效率实证研究

行的实际数据指标为(y1,y2,y3,w1,w2,RC)=(3152318,108188,11727161,010138,010090,1110174)。除w1,w2是无量纲指标外,其他指标单位均为亿元人民币。趋同折算因子K=700Π1110=016306,于是趋同处理过程如下

(y′)=(K・y1,K・y2,K・y3,w1,w2,K・RC)1,y′2,y′3,w′1,w′2,RC′

=(016306×3152318,016306×108188,016306×11727161,

　010138,010090,016306×1110174)

=(19879187,68166,7395179,010138,010090,70014667)

)就是趋同处理后原始样本中2003年中国工商银行的新指标数据。　　(y′1,y′2,y′3,w′1,w′2,RC′类似可计算出其他国有银行和交通银行趋同处理后的新指标数据。其中交通银行使用自己的趋同

折算因子。

国有商业银行和交通银行经过趋同处理后的新样本数据加上未进行趋同处理的其他9家股份制商业银行的样本数据,共同构成了下文成本效率计算的样本数据,样本量仍然为126组。

(三)成本效率的计算在存在半正态分布的成本非效率项约束条件下,使用极大似然法,确定前沿成本函数模型(9)中的参数值,参数结果详见表3。表3

参数估计值

D11

前沿成本函数的参数估测

E11

E22

E33

E12

E13

E23

F11

F12

F13

变差率γ

0199492101E+06

似然比检验统计量LR

161953

21849010280142101033012540114801034-01010010201138

-013441483

01008-010490102401133-0121901010

t2检验121603012431133013221713411530115-213633015131853-316330155

—

　　注:3表示在0101水平显著,33表示在0105水平显著。

成本函数参数的确定结果为变差率γ=019949,其标准残差仅为0149497E206,由此计算得出的t值较大为2101E+06。这种由于标准残差过小而导致t值很大的情况是可以被SFA方法所接受

γ=019949的结果说明在对成本效率的影响中,随机误差ε是远低于成本非效率项u的。的。

在变差率γ=0的零假设条件下,约束条件为1,显著性概率为0101的mixedΧ临界值(KoddeandPalm,1986)是51412。模型(9)的单边似然比检验统计量LR=161944>51412,于是变差率γ的零假设被拒绝,即成本非效率项u是存在的,所以中国的商业银行存在成本非效率情况。

在表3中全部15个参数值的t检验中,有A、C1、C3、D11、E33、E13(E31)、F11(F21)和F12(F22)等7个参数在1%水平上显著,E13(E31)在5%水平上显著,剩余7个参数t检验不很显著。但由于变差率γ的零假设已被拒绝,因此可确定在本假设下的前沿成本函数仍然是有效的。

将已确定的参数估计值代入超越对数成本函数模型式(9),结合样本数据计算各银行的理论成本lnC值。最后,利用成本效率计算模型公式(10),计算中国各商业银行的成本效率值(CE),详见表4。在表4中,前6列数据为使用原始样本计算获得的成本效率值,第7—9列是应用改进样本计算确定的2001—2003年间成本效率值,第10列为按2003年改进样本的实际成本效率值进行排序情况。

(四)成本效率实证结果分析

11中国商业银行总体成本效率情况分析

由表4中14家中国商业银行成本效率情况,可发现在样本年度中,成本效率的分布区间为[01619,1]。效率最低者是2001年考虑贷款产出质量的中国农业银行(CE=01619),最高者是2001年不考虑贷款产出质量的招商银行(CE=1)。110

2005年第6期

表4

银　　行

招商银行中国建设银行上海浦东发展银行兴业银行深圳发展银行交通银行华夏银行中国民生银行中国银行中信实业银行中国光大银行中国工商银行广东发展银行中国农业银行

国有商业银行算术平均值股份制商业银行算术平均值

1998—2003年14家商业银行成本效率(CE)

1998

1999

2000

2001

2002

2003

2001

2002

2003

2003年排名

1234567891011121314

019520197401961110000190301995019310186901968019450194801883019520198001974018150187501910019110194801912019520188601889019030186501877019750185901740017240190001892017020188301876019300198401920019200198801914018320192201865018740198901995019050198601932017500185401847017140182801767017980187301859017610184001834019210196401839018510183401841018270182301826016940186701827018710197501910016950179901797018670198801780017810187501846017180180601796018160174301820018880196301841017720186501790017940179801965019130192901986016720174601784018410184001839018630195801967018110191101775019640197601969019300195901894016190168701700018490189701911019170196101941016930177701798018800191201857018680191701897018010186401846018710190801873018820192901910017700183901832

———

中国商业银行总体算术平均值

　　依据表4最后一行年平均效率值,绘制中国商业银行年度平均成本效率曲线,详见图1。

图1　中国主要商业银行年成本效率(CE)变化趋势

图1中实线部分是1998—2003年原始样本确定的成本效率曲线。虚线部分是2001—2003年

改进样本确定的实际成本效率曲线,它与2000年原始样本计算的平均成本效率点相连。

图1中两条曲线形状显示中国商业银行总体的年均成本效率在1998—2003年间呈波动增长趋势。而且图1还显示出在2000年后,改进样本代表的总体成本效率明显低于原始样本。这说明在考虑贷款质量的情况下,中国商业银行的实际成本效率要低于由表面数据计算得出的成本效率值。

此外,从图1中成本效率的取值情况看,中国商业银行的成本效率值较高,这与高效率商业银行样本缺乏和投入产出指标的选择有关。再者从表4的效率值分布规律看,参数法得出的成本效率值分布较为集中,这与DEA法研究的效率值过于分散的情况明显不同。

2.国有商业银行成本效率分析按表4中国有商业银行1998—2000年原始样本和2001—2003年改进样本的成本效率值,绘制中国国有商业银行的效率曲线,详见图2。

由于改进样本反映的银行成本效率较为真实,故而这里主要分析2001年后的成本效率,1998—2000年的成本效率曲线仅供对比参考。

111

迟国泰等:中国商业银行成本效率实证研究

由图2可知在样本年度中,中国建设银行的成本效率最好,其改进样本和原始样本的成本效率表现均很好,且6年间成本效率波动较小。中国银行相比要略逊色于

中国建设银行。中国农业银行的成本效率最差,在考虑贷款质量后,其成本效率明显落后于其它国图2　中国国有商业银行年成本效率(CE)比较有银行。此外,由表4中2001—

2003年原始样本与改进样本的成本效率值对比可发现,在考虑真实产出的情况下,中国四大国有商业银行的成本效率下降显著。观察图2也可发现,在2001—2003年国有商业银行的成本效率呈现明显的上升趋势。

值得说明的是,本研究得出的中国国有商业银行成本效率较高,这与钱蓁(2003)的研究结果相近。但这不说明它们的成本效率就高于样本外的同规模级别外资商业银行。由于与中国国有商业银行规模相近的银行样本不足,这迫使国有商业银行只能与规模较小的股份制商业银行和样本内的少数国有商业银行进行相对效率比较,从而产生效率值评价偏高的情况。

31股份制商业银行成本效率分析按表4中股份制商业银行的1998—2000年原始样本和2001—2003年改进样本的成本效率值,绘制1998—2003年股份制商业银行成本效率曲线(见图3)。

图3　中国股份制商业银行年均成本效率(CE)曲线

观察图3和表4中的股份制商业银行成本效率情况可知,招商银行的成本效率最好,其次为深圳发展银行和上海浦东发展银行,最差的是中信实业银行和华夏银行。

从图3中的效率曲线走势可以发现,各股份制商业银行的成本效率最低点大多出现在2001年。从总的趋势看,各股份制银行的成本效率在2001—2003年间处于波动攀升的状态。

在股份制商业银行中,交通银行的成本效率情况值得关注。由于缺乏同规模的样本,交通银行被迫与其它小规模的股份制银行比较,这导致其成本效率值计算偏高。此外,在考虑贷款质量的情况下,交通银行年成本效率下降幅度平均为13%,这值得谨慎对待。

41国有商业银行与股份制商业银行成本效率比较

根据表4中第15、16行的国有商业银行与股份制商业银行的年平均成本效率值,绘制此两类商业银行成本效率对比曲线,详见图4。实线为原始样本确定的成本效率曲线,虚线为改进样本确定的实际成本效率曲线。

观察图4可知,在不考虑贷款质量的原始样本中,国有商业银行和股份制商业银行成本效率均较高。而且2000—2003年间,国有商业银行成本效率略好于股份制商业银行。112

2005年第6期

在考虑贷款的真实产出后,两类所有制商业银行的成本效率均出现下滑。其中国有商业银行的成本效率下跌幅度较大,导致它们各年的成本效率情况均明显弱于股份制商业银行。

由此可知,贷款产出的质量对国有商业银行的影响较股份制商业银行更严重。

图4　国有商业银行与股份制商业银行成本效率比较从趋势上看,在考虑贷款质量情

况的2001—2003年间,国有商业银行成本效率保持上升势头,股份制商业银行则处于波动攀升的趋势。目前的这种成本趋势变化体现了中国近来对国有商业银行贷款质量的管理效果。

另外,有一点值得讨论的是股份制商业银行与国有商业银行的成本效率在1998—2001年间的情况。由改进样本与原始样本的成本效率评价结果对比可知,考虑产出质量后,商业银行的成本效率会下降。而且国有商业银行受高不良贷款率的影响,其成本效率下降幅度必然大于股份制商业银行。由此推断,在1998—2003年间,股份制商业银行的真实成本效率明显高于国有商业银行。

六、结　论

(一)主要分析结果

在以营业投入、借贷资金为投入,贷款、证券与投资、非利息收入为产出的指标体系下,本研究使用随机前沿方法研究了中国商业银行的成本效率情况,得出如下分析结果。

(1)1998—2003年间,中国商业银行成本效率值并不很差,其年均成本效率值在[01619,1]之间。全部商业银行中,招商银行成本效率最好,中国农业银行最差。(2)近年来,中国商业银行成本效率处于上升趋势。在2001—2003年间,国有商业银行成本效率处于上升趋势,股份制商业银行则保持波动攀升趋势。

(3)贷款产出质量对中国商业银行的成本效率具有负面影响,其中对国有商业银行的影响尤为显著。忽略贷款产出质量时,国有商业银行成本效率高于股份制商业银行。在考虑产出质量时,国有商业银行成本效率下降幅度较大,其整体成本效率落后于股份制商业银行。

(二)特色与创新

(1)在中国商业银行成本效率参数法研究缺乏的情况下,选用随机前沿法和超越对数成本函数评价中国商业银行的成本效率。超越对数成本函数包含投入产出指标的交叉影响项,符合商业银行规模收益可变的实际情况,解决了国内参数法研究中原理阐释不清和成本函数缺乏弹性等问题,并提供了统计检验依据,完善了中国商业银行效率研究的理论方法体系。

(2)选取贷款、证券与投资、非利息收入作为产出指标,突破了资产法选取指标的限制,考虑了资产和收入两方面情况,从新的角度分析了中国商业银行的成本效率状况。

(3)从贷款产出中剔除不良贷款,构造出改进样本数据,这既解决了样本量不足的问题,又验证了产出质量对银行成本效率存在的负面影响,避免了依据表面财务数据分析银行成本效率易导致成本效率评价失真的问题。

(4)将国有商业银行和交通银行的样本数据分别进行相应的趋同处理,解决了因银行成本数据离散度大而导致评价结果失真的问题。

113

迟国泰等:中国商业银行成本效率实证研究参考文献

李希义、任若恩,2004《国有商业银行效率变化及趋势分析》:《中国软科学》,第1期。

刘志新、刘琛,2004《基于:DFA的中国商业银行效率研究》《数量经济技术经济研究》,第4期。钱蓁,2003《中国商业银行的效率研究:———SFA方法分析》《经济学研究》,第1期。魏煜、王丽,2000《中国商业银行效率研究::一种非参数的分析》《金融研究》,第3期。

徐传谌、郑贵廷、齐树天,2002《我国商业银行规模经济问题与金融改革策略透析》:《经济研究》,第10期。张健华,2003《我国商业银行的:X效率分析》《金融研究》,第6期。

Allen,L.andRai,A.,1996“,OperationalEfficiencyinBanking:AnInternationalComparison”,JournalofBankingandFinance,20(6),655—672.

Altunbas,Y.,Gardener,E.P.M.,MolyneuxP.andMoore,B.,2001,“EfficiencyinEuropeanBanking”,EuropeanEconomicReview,45(10),1931—1955.

Battese,G.E.andCoelli,T.J.,1992,“FrontierProductionFunctions,TechnicalEfficiencyandPanelData:WithApplicationtoPaddyFarmerainIndia”,JournalofproductivityAnalysis,3,153—169.Berger,A.N.,Hunter,W.C.andTinume,S.G.,1993,“TheEfficiencyofFinancialInstitutions:aReviewandPreviewofResearchPast,Present,andFuture”,JournalofBankingandFinance,17(2-3),221—249.

Coelli,T.J.,1993,“FiniteSamplePropertiesofStochasticFrontierEstimatorsandAssociatedTestStatistics”,WorkingPapersin

EconometricsandAppliedStatistics,70,DepartmentofEconometrics,UniversityofNewEngland,Armidale.

Dietsch,M.AndLozano2Vivas,A.,2000,“HowtheEnvironmentDeterminesBankingEfficiency:AComparisonbetweenFrenchandSpanishIndustries”,JournalofBanking&Finance,24(6),985—1004.

Farell,M.J.,1957,“TheMeasurementofProductiveEfficiency”,JournalofRoyalStatistialSociety,SeriesA,General,120,253—281.Greene,W.H.,2000“,EconometricAnalysis”,4thedition,UpperSaddleRiver,N.J.:PrenticeHall.

Kodde,D.A.andPalm,F.C.,1986,“WaldCriteriaforJointlyTestingEqualityandInequalityRestrictions”,Econometrica,54(5),1243—1248.

Leibensein,H.,1966,“AllocativeEfficiencyVS‘X2efficiency’”,AmericanEconomicReview,56,392—415.

Mester,L.J.,1996,“AStudyofBankEfficiencyTakingintoAccountRisk2preferences”,JournalofBanking&Finance,20(6),1025—1045.

Rime,B.andStiroh,K.J.,2003,“ThePerformanceofUniversalBanks:EvidencefromSwitzerland”,JournalofBanking&Finance,27(11),2121—2150.

TheEmpiricalAnalysisontheCostEfficienciesof

ChineseCommercialBanks

ChiGuotai,SunXiufengandLuDan

(SchoolofManagement,DepartmentofAppliedMathematics,DalianUniversityofTechnology,China)

Abstract:ThispaperusesStochasticFrontierApproachintheframeworkofatranslogcostfunctionwithanindexsystemofinputsandoutputs.Inthepaperweestimatethecostefficienciesof14Chinesecommercialbanksfrom1998to2003andarrangethemintheircostefficiencieswithrealloanproductionin2003.Therearefourcharacteristicsandcontributionsinthispaper.ThefirstoneisthatweresearchthecostefficienciesofChinesecommercialbankswithstochasticfrontierapproachandtranslogcostfunctioninChina.Thesecondoneisthatwesetupaindexsystemcomposedofloan,securitiesandinvestsandnon2interestincomesthatcanconsiderthecharacteristicofproductionsandincomesandprovideanewpointofviewforestimatingthecostefficiency.Thethirdoneisweconstructimprovedsampleswithrealloanswhichdon’thavenon2performingloansandsolvetheprobleminsamplesandtestifiedthebadinfluenceofloansqualitytocostefficiencyandimprovetheveracityofbankscostefficienciesestimatinginsteadofappearedfinancedata.Thefourthoneisthatwechangethesampledataofstatecommercialbanksandthebankofcommunicationsinfixedscalesthatcansolvethedistortionofcostefficiencyestimationbroughtbybigdispersedegreeofbankscostdata.

KeyWords:CommercialBank;CostEfficiency;EfficiencyEstimate;StochasticFrontierApproach;TranslogCostFunction.JELClassification:G210,G380

(责任编辑:朱恒鹏)(校对:晓　鸥)

114

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文