大數據時代我國上市商業銀行效率的實證研究

周濤

摘 要：在大數據時代背景下，利用DEA-Malmquist模型對2012—2019年間16家上市商業銀行效率進行實證研究。結果表明，2012—2018年中國上市商業銀行的全要素生產率呈上升趨勢，年均增幅1.9%。上市商業銀行的純技術效率略有下降，規模效率處于停滯狀態，技術進步效率呈上升趨勢，而且是引起全要素生產率上升的主要因素。基于此，建議中國上市商業銀行順應時代發展趨勢，運用大數據思維實現戰略轉型，利用大數據技術創新業務發展，提升行業技術水平和全要素生產率。

關鍵詞：大數據時代;商業銀行效率;DEA-Malmquist指數

中圖分類號：F832 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2021）04-0044-03

2011年5月，麥肯錫環球研究院發布《大數據：創新、競爭和生產力的下一個前沿》報告，標志著人類社會進入大數據時代。多年以來，商業銀行借助其傳統業務活動已積累了海量的高價值的大數據。對大數據的充分應用可以推動商業銀行在經營理念、組織架構、業務流程、管理模式、IT 架構等領域進行全面調整和深度整合，也不斷改善商業銀行的組織效率、資本運營效率、服務效率、結構效率、決策效率[1]。商業銀行擁有的海量大數據為其在大數據時代下的成長與變革提供了良好的基礎，也為我們利用大數據對商業銀行效率進行深入的分析研究創造了條件。

對商業銀行效率的研究，前人已經積累了大量的研究方法和成果。榮耀華和程維虎（2017）基于DEA模型，以2015年16家商業銀行為樣本，發現上市銀行的純技術效率普遍較高，而國有銀行受規模因素的影響，規模效率和技術效率偏低[2]。陳一洪（2018）使用三階段數據包絡分析模型對城商行2012—2016年的發展效率進行實證分析，研究表明，規模效率是引起城商行效率改變的主要原因，而純技術效率和技術進步變化不大[3]。路妍和李剛（2018）運用DEA-Malmquist模型，分析了2006—2016年中國上市商業銀行全要素生產率。研究表明，中國上市商業銀行全要素生產率整體是下降的，而宏觀經濟背景是影響中國商業銀行全要素生產率的主要因素[4]。馬曉倩和周雪梅（2019）基于三階段DEA和Malmquist指數模型對64家城商行進行研究，結果表明，外部環境對效率有顯著影響，規模效率總體水平低，純技術效率總體水平高但有退步趨勢，規模效率偏低是綜合技術效率不高的主要原因[5]。

已有文獻證明了不同時代背景和外部環境對商業銀行效率的影響，但缺乏對大數據時代背景的思考。本文將在已有研究成果的基礎上，結合大數據時代背景對商業銀行的深遠影響，選擇 DEA-Malmquist 模型研究商業銀行的全要素生產率的發展變化。

一、模型構建

（一）DEA模型

數據包絡分析方法，即DEA方法，用于評價具有多維輸入、多維輸出決策單元（Decision Making Units，DMU）是否相對有效[2]。假設有n家商業銀行，每家商業銀行有m 個投入指標和s個產出指標，那么第k家商業銀行可以表示為決策單元DMNk（xk，yk）（0≤k≤n），第k家商業銀行的投入指標和產出指標可以表示為：

xk=（x1k，x2k，…，xmk）T k=1，2，3，…，n

yk=（y1k，y2k，…ysk）T k=1，2，3，…，n

其中，xik表示第k家商業銀行在第i項中的投入，且xik>0，yjk表示第k家銀行在第j項中的產出，且yjk>0。可以將DEA模型表示為：

式中，S-為投入松弛變量，S+為產出松弛變量，？茲為第k家上市銀行的有效值（指投入相對于產出的有效利用程度），即效率值。當？茲=1，S-=1，S+=0時，說明決策單元效率最優，處于DEA有效狀態;當？茲=1，S-≠0，S+≠0時，則決策單元處于DEA弱有效狀態;當？茲<1時，則決策單元處于DEA非有效狀態。

（二）DEA-Malmquist模型

Malmquist指數模型是Malmquist最早提出的，其基礎模型是DEA模型，Malmquist指數也是一種距離函數，可以對效率進行縱向分析并觀察其時間變化趨勢。在前文的基礎上Malmquist指數模型可以表示為：

式中，Dt，Dt+1分別是以t期和t+1期技術表示的效率函數，M（xt，yt，xt+1，yt+1）表示在t期和t+1期技術條件下，從t期到t+1期的全要素生產率變化。當TFP>1時，表明從t期到t+1期全要素生產率呈上升趨勢，效率提高;當TFP=1時，全要素生產率不變，處于停滯狀態。當TFP<1時，表明全要素生產率呈下降趨勢，效率下降。

進一步分解Malmquist指數（TFP）為技術進步指數（TC）和綜合技術效率變化指數（EF），其中綜合技術效率變化指數可分解為純技術效率變化指數（PE）和規模效率變化指數 （SE），表達式如下：

二、實證分析

（一）數據來源和指標選取

本文以上市商業銀行為研究對象，目前我國上市商業銀行共有36家，考慮大數據時代背景以及數據可獲得性和可靠性，選取2012年以前上市的具有代表性的16家銀行作為樣本，包括五大國有商業銀行、8家股份制商業銀行以及3家城商行。樣本區間為2012—2019年。數據來源于WIND數據庫和上市商業銀行年報。

目前評價銀行效率的方法主要有三種：生產法、中介法、資產法。商業銀行不僅具有生產性企業的特點（提供相應的金融產品和服務），也在資金的供應者和尋求者之間起到中介作用，并且通過放貸來獲取利潤。因此本文在選取指標時綜合考慮了三種方法和大數據時代背景，最終選取投入指標：存款總額、員工人數、營業支出，選取產出指標：貸款總額、利息收入、非利息收入。

（二）實證結果分析

本文應用DEAP2.1軟件，處理相關數據得出2012—2019年間16家上市商業銀行的Malmquist指數以及其分解指數值。由于Malmquist指數表示每一年度全要素生產率相對于上一年度的上升或下降，Malmquist指數大于1表示上升，小于1表示下降，而第一年（2012年）默認為1，故數據從2013年開始展示。

1.Malmquist指數總體情況分析。表1顯示，總體上講，2012—2019年間每家商業銀行的Malmquist指數平均值均大于1，16家銀行Malmquist指數總平均值為1.019，說明近8年來上市商業銀行全要素生產率是呈上升趨勢的，平均每年增幅為1.9%。由此可以看出，自2011年進入大數據時代以來，中國上市商業銀行整體的經營管理效率得到了逐步地改善，全要素生產效率得到有效提升。進一步分析可知，2014年、2015年、2018年這三年的Malmquist指數平均值是小于1的，說明這三年中國上市商業銀行的全要素生產率是呈下降趨勢的，而其余幾年則呈上升趨勢并在2019年到達峰值1.216。之所以出現這樣的現象，與互聯網金融企業對商業銀行的沖擊有關。互聯網金融幾乎與大數據同時興起，互聯網金融相對于商業銀行而言，對大數據的應用更加靈活、更加深入，因此也更具有市場競爭力，對商業銀行各項業務形成一定沖擊。商業銀行也因此加快對大數據應用，加強與互聯網金融的融合發展，不斷提升自身技術水平，以提高競爭力，這也使得商業銀行的全要素生產效率逐步提升，在2019年到達峰值。

2.Malmquist指數按效率分解比較分析。表2顯示，8年間上市商業銀行的綜合技術效率變化指數（EF）為0.998，綜合技術效率略有下降，對全要素生產率的影響很小。8年平均純技術效率值（PE）為0.998，純技術效率略有下降。規模技術效率值（SE）為1，說明上市商業銀行的規模效率處于停滯狀態。16家商業銀行的技術進步指數8年平均值為1.021，平均每年增幅到達2.1%，其對全要素生產率的增長貢獻最大，也是引起全要素生產率波動的主要因素。進入大數據時代以來，各大商業銀行紛紛成立大數據中心，利用大數據推動其經營管理模式轉型發展，不斷改善其決策方式和服務模式，積極地吸納和培養大數據人才改進其行業技術，這是導致商業銀行技術進步指數上升的主要原因。由此可見，本文的數據處理結果是符合大數據時代背景的。

三、結論與建議

（一）結論

本文利用DEA-Malmquist模型對16家上市商業銀行的全要素生產效率進行實證分析，得出以下結論。一是進入大數據時代以來，2012—2019年間中國上市商業銀行的全要素生產效率呈上升趨勢，年均增幅1.9%。二是中國上市商業銀行的規模效率處于停滯狀態，純技術效率略有下降，綜合技術效率對全要素生產效率影響很小。三是中國上市商業銀行的技術進步效率呈上升趨勢，年均增幅為2.1%，技術進步是推動全要素生產效率上升的主要因素。

（二）建議

基于本文實證研究結果和大數據時代背景，筆者提出以下建議。一是上市商業銀行應充分認識到大數據時代發展趨勢，運用大數據思維實現戰略轉型發展，提升行業整體競爭。二是上市商業銀行應該積極的吸收和培養大數據人才，深度挖掘大數據潛藏的巨大價值，充分利用大數據技術促進技術進步，實現行業技術水平有效提升，進而提高全要素生產效率。三是各個上市商業銀行應根據自身實際情況，利用大數據技術針對不同客戶群體提供個性化服務和產品，促進業務創新發展，提升效率水平和盈利能力。

參考文獻：

[1] ?胡高霞，呂東.大數據技術在銀行業務中的應用[J].武漢金融，2016，（1）：54-55.

[2] ?榮耀華，程維虎.基于數據包絡分析方法的上市銀行盈利效率研究[J].數理統計與管理，2017，（6）：1069-1079.

[3] ?陳一洪.基于三階段DEA-Malmquist模型的城商行發展效率研究[J].金融監管研究，2018，（1）：96-108.

[4] ?路妍，李剛.后危機時代中國商業銀行全要素生產率研究——基于DEA模型的Malmquist指數分析[J].山西大學學報：哲學社會科學版，2018，（5）：94-104.

[5] ?馬曉倩，周雪梅.我國城商行經營效率研究——基于三階段DEA和Malmquist指數的分析[J].金融與經濟，2019，（11）：30-38.