互联网金融背景下我国商业银行效率的研究

　　[摘 要]基于数据包络分析（DEA）中的VRS模型，文章选取了我国17家上市商业银行作为研究对象，对这17家商业银行在互联网金融发展背景下的综合技术效率、纯技术效率、规模效率进行了分析。得出我国商业银行的综合技术效率是不断提升的，但大部分银行并没有实现综合技术效率有效，其原因主要是规模效率无效，需要依托互联网金融提高商业银行的效率。据此文章也提出了在互联网金融背景下提高商业银行效率的对策建议。
　　[关键词]互联网金融；商业银行效率；DEA
　　[DOI]10.13939/j.cnki.zgsc.2018.12.189
　　1 引 言
　　随着互联网金融对金融领域的不断渗透，互联网金融不但改变了我国传统金融的格局，对商业银行的影响也日益增加。据《2017年互联网金融行业系列研究报告》的统计数据，截至2016年，中国互联网金融以超过12万亿元的总交易规模，将近占到GDP总量的20%，互联网金融用户人数也以超过5亿的人数位列世界第一。可以说，互联网金融和传统商业银行之间的竞争日益激烈，特别是对商业银行的传统业务方面带来了不小的冲击。因此，研究在互联网金融背景下，我国商业银行的效率问题，对商业银行未来的发展具有重要的现实意义。
　　2 文献综述
　　随着互联网金融的不断发展，互联网金融对商业银行的影响已经是理论界普遍认可的问题。国内外的研究学者也进行了大量的分析，如王静（2014）[1]、曹凤岐（2015）[2]、梁燕子（2017）[3]等认为互联网金融对银行业带来了冲击，商业银行要直面互联网金融采取相应的应对策略；冯娟娟（2013）[4]、邱峰（2013）[5]等认为互联网金融虽然对商业银行有冲击，但商业银行也有它自身的优势，二者应在合作中寻求共赢；Manuchehr Shahrokhil（2008）[6]认为互联网金融可以降低贷款利率和贷款成本，会冲击传统银行的信贷业务。但是以上研究大多是通过定性的方式围绕互联网金融和商业银行之间的关系来进行研究的，很少通过定量分析的方式来进行研究。作为衡量银行竞争力的银行效率，在互联网金融背景下的研究成果更是比较少。只有郭婕、周婧[7]、管仁荣、张文松、杨朋君[8]等就互联网金融对商业银行的运行效率进行了研究，但没有深入地分析不同种类银行之间效率的发展变化。
　　本文拟通过定量分析商业银行效率的变动情况，对不同种类型的商业银行在互联网背景下的发展情况进行比较分析。从而更清楚地了解在互联网金融背景下，不同类型商业银行效率的具体情况，为更好地在互联网金融背景下提高银行效率提供一定的参考依据。
　　3 商业银行经营效率研究
　　3.1 模型的选择
　　数据包络分析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对效率的多投入多产出的分析方法。它把单输入、单输出的工程效率概念推广到多输入、多输出同类决策单元的有效效率中去。[9]其中，DEA的VRS模型是在它的基本模型CCR模型基础上修正出来的模型，它的基本假设条件是规模报酬可变，弥补了CCR模型中不能评价规模有效性的缺憾。因此，VRS模型是适合分析规模报酬可变的商业银行效率的。VRS模型将综合技术效率分解为规模效率和纯技术效率，可以用公式：综合技术效率=纯技术效率规模效率来表示。从而可以更准确地分析无效率的原因是未达到最佳规模，还是经营管理水平低下所导致的。
　　DEA模型可以采用投入导向和产出导向，鉴于投入是基本决策变量更易控制，[10]本文采用以投入为导向的VRS模型。
　　3.2 样本选择及数据来源
　　DEA方法要求评价单元DMU的个数必须是选择的投入产出指标的三倍以上来避免产生效果不显著，因此本文选取了17家上市商业银行作为样本。主要包括5家大型商业银行、8家股份制银行和4家城市商业银行。分别为：中国农业银行、中国工商银行、中国建设银行、中国银行、中国交通银行、中信银行、民生银行、华夏银行、光大银行、招商银行、兴业银行、浦发银行、平安银行、北京银行、上海银行、南京银行、宁波银行。鉴于2005—2012年是互聯网金融发展的第二个阶段——第三方支付阶段，此阶段开始互联网和金融的结合更加深入[7]，因此本文将考察的样本期定为2006—2015年。样本数据取自历年的《中国金融年鉴》以及各商业银行的年报。
　　3.3 指标选取
　　用DEA方法对商业银行进行效率的测定，在投入和产出变量的选择上一直是金融学术界争论的问题。总体上，主要采取三种方法，分别为生产法、中介法和资产法。[11]这三种方法是站在银行不同的角度来确定投入和产出指标的。本文将银行作为中介机构来研究银行效率，采用中介法来确定投入和产出指标。最终选取的投入指标为：存款、固定资产、员工人数；产出指标为：净利润、贷款总额。
　　3.4 效率评价分析结果
　　3.4.1 我国商业银行综合技术效率测算结果及分析
　　综合技术效率是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价。
　　本文从投入导向出发，利用VRS模型和DEAP2.1软件，得出2006—2015年的17家上市银行的综合技术效率测算值如表1所示。
　　通过表1可以看出，从VRS模型当中测量的综合技术效率的测算值来看，我国商业银行在近10年来，综合技术效率整体上有所提升，只有农业银行、民生银行、南京银行和宁波银行的综合技术效率低于2006年。17家商业银行都在2008年出现下降趋势，特别是大型商业银行下降很明显，这主要是因为2008年的美国次贷危机所引起的国际经济环境的变化，导致国内在经济运行过程中也出现问题，银行效率普遍下降。而在互联网金融发展的背景下，大部分银行并没有达到综合技术效率有效。

相关热词搜索：商业银行 互联网 效率 我国 金融