后危機(jī)時(shí)代中國(guó)商業(yè)銀行全要素生產(chǎn)率研究
——基于DEA模型的Malmquist指數(shù)分析

路 妍,李 剛

(東北財(cái)經(jīng)大學(xué) 金融學(xué)院,遼寧 大連 116025)

一 引言

2008年美國(guó)金融危機(jī)以來(lái),歷經(jīng)歐債危機(jī)、全球量化寬松貨幣政策、原油價(jià)格暴跌、英國(guó)脫歐,全球經(jīng)濟(jì)發(fā)展陷入了低增長(zhǎng)、低利率、低通脹的新常態(tài)。與此同時(shí),中國(guó)GDP增長(zhǎng)率也降到2016年的6.7%,為近30年來(lái)最低,2017年上半年增長(zhǎng)率為6.9%,中國(guó)經(jīng)濟(jì)的低速增長(zhǎng)已經(jīng)成為中國(guó)經(jīng)濟(jì)發(fā)展的新常態(tài)。一方面是全球經(jīng)濟(jì)和金融市場(chǎng)的異常波動(dòng),另一方面是中國(guó)經(jīng)濟(jì)的增速放緩,因此中國(guó)金融業(yè)的內(nèi)外環(huán)境正經(jīng)受著嚴(yán)峻考驗(yàn)。

在此宏觀(guān)背景下,中國(guó)提出了供給側(cè)結(jié)構(gòu)改革的應(yīng)對(duì)措施,去產(chǎn)能、去庫(kù)存、去杠桿、降成本、補(bǔ)短板,希望從生產(chǎn)領(lǐng)域加強(qiáng)優(yōu)質(zhì)供給,擴(kuò)大有效供給,提高供給結(jié)構(gòu)的適應(yīng)性和靈活性,提高全要素生產(chǎn)率,使供給體系更好地適應(yīng)需求結(jié)構(gòu)的變化。在供給側(cè)結(jié)構(gòu)改革的背景下,既要提高各行業(yè)全要素生產(chǎn)率,又要保障供給秩序,這對(duì)中國(guó)各個(gè)行業(yè)都提出了更高的要求,而金融業(yè)又是保障供給側(cè)改革的關(guān)鍵行業(yè)。

銀行業(yè)是中國(guó)金融業(yè)的支柱,也是整個(gè)經(jīng)濟(jì)的支柱。供給側(cè)改革首先強(qiáng)調(diào)去庫(kù)存、去產(chǎn)能,這就會(huì)影響基礎(chǔ)設(shè)施建設(shè)相關(guān)領(lǐng)域的短期發(fā)展,甚至可能帶來(lái)個(gè)別行業(yè)的陣痛,比如鋼鐵、房地產(chǎn)等行業(yè)。由于這些傳統(tǒng)的粗放式經(jīng)營(yíng)行業(yè)通常有比較充分的抵押資產(chǎn),并且往往能夠得到地方政府的扶持,所以它們占據(jù)了較大比例的銀行業(yè)務(wù),得到了大量的銀行貸款。在經(jīng)濟(jì)增速放緩的背景下,銀行業(yè)也必將受到更大的沖擊。中國(guó)商業(yè)銀行不良貸款率從2014年第3季度開(kāi)始逐漸上升,到2016年末達(dá)到了1.81%。

中國(guó)商業(yè)銀行如何應(yīng)對(duì)經(jīng)濟(jì)的低速增長(zhǎng)新常態(tài)?如何應(yīng)對(duì)居高不下的不良貸款?如何不斷創(chuàng)新以提高全要素生產(chǎn)率?這是今后一段時(shí)期中國(guó)商業(yè)銀行面臨的主要問(wèn)題。因此,研究后危機(jī)時(shí)代中國(guó)商業(yè)銀行全要素生產(chǎn)率并分析其影響因素具有十分重要的理論意義和現(xiàn)實(shí)意義。

二 國(guó)內(nèi)外文獻(xiàn)綜述

針對(duì)銀行全要素生產(chǎn)率的研究,它與銀行效率研究、銀行競(jìng)爭(zhēng)力研究是一體的。銀行全要素生產(chǎn)率的研究源于對(duì)銀行效率的評(píng)價(jià),早期有很多學(xué)者對(duì)銀行效率進(jìn)行了各方面的研究,Berger等[1,2]對(duì)前期大約130多篇關(guān)于銀行效率的研究進(jìn)行了綜述,并對(duì)效率計(jì)算方法進(jìn)行了總結(jié),分為非前沿分析法和前沿分析法,并重點(diǎn)概括了應(yīng)用最多的前沿分析法,把前沿分析法又分為參數(shù)和非參數(shù)兩種測(cè)度方法。其中,參數(shù)法包括隨機(jī)前沿法(stochastic frontier approach,SFA)、自由分布法(distribution free approach,DFA)和厚前沿法(thick frontier approach,TFA);非參數(shù)法包括數(shù)據(jù)包絡(luò)分析法(data envelopment analysis,DEA)和無(wú)界分析法(free disposal hull,FDH),統(tǒng)計(jì)近些年商業(yè)銀行效率的文獻(xiàn),使用較多的是參數(shù)法中的SFA模型和非參數(shù)法中的DEA模型。

針對(duì)中國(guó)商業(yè)銀行效率或全要素生產(chǎn)率,Chen等[3]、Kumbhakar和Wang[4]、Yao等[5]、Matthew和Zhang[6]、Barros等[7]從不同角度進(jìn)行了分析。

袁曉玲、張寶山[8]、蔡躍洲和郭梅軍[9]分別研究了不同年份的中國(guó)商業(yè)銀行全要素生產(chǎn)率,并且也都是用Malmquist指數(shù)進(jìn)行分析,他們研究的區(qū)別在于樣本和研究時(shí)間跨度略有差異,袁曉玲和張寶山研究了15家商業(yè)銀行,時(shí)間跨度是1999-2006年;蔡躍洲和郭梅軍研究了11家商業(yè)銀行,時(shí)間跨度是2004-2008年,他們都得出了相似的結(jié)論,認(rèn)為在這一時(shí)期中國(guó)上市商業(yè)銀行全要素生產(chǎn)率總體略有下降。

針對(duì)中國(guó)商業(yè)銀行全要素生產(chǎn)率,張健華和王鵬[10,11]進(jìn)行了跟蹤,主要利用產(chǎn)出定位距離函數(shù)來(lái)進(jìn)行分析,重點(diǎn)研究了金融體制變革對(duì)中國(guó)銀行業(yè)全要素生產(chǎn)率的影響,并對(duì)全要素生產(chǎn)率進(jìn)行了拆分研究,和大多數(shù)學(xué)者的研究一致,他們認(rèn)為在中國(guó)商業(yè)銀行效率中,規(guī)模效率變化不大,技術(shù)進(jìn)步變化最大。

侯曉輝等[12]則用SFA面板數(shù)據(jù)模型分析中國(guó)商業(yè)銀行效率值,選取2001-2008年的相關(guān)數(shù)據(jù),研究個(gè)體效應(yīng)與非效率項(xiàng)分離模式,計(jì)算廣義Malmquist值,并用得出的全要素生產(chǎn)率值研究體制機(jī)制以及市場(chǎng)力量對(duì)中國(guó)商業(yè)銀行效率的影響。

柯孔林和馮宗憲[13]，姜永宏和蔣偉杰[14]各自使用了一種特殊的指標(biāo)計(jì)算研究中國(guó)商業(yè)銀行全要素生產(chǎn)率,其中柯孔林和馮宗憲的方法稱(chēng)為全域Malmquist全要素生產(chǎn)率指數(shù),姜永宏和蔣偉杰的方法為Hicks-Moorsteen全要素生產(chǎn)率指數(shù),全域Malmquist全要素生產(chǎn)率指數(shù)能夠分析不良貸款對(duì)銀行效率的影響,Hicks-Moorsteen全要素生產(chǎn)率指數(shù)側(cè)重研究體制機(jī)制對(duì)銀行全要素生產(chǎn)率指數(shù)的影響。

李小勝和張煥明[15]用了一個(gè)較新的方法研究不良貸款對(duì)銀行效率的影響,他們的研究方法核心在于兩階段網(wǎng)絡(luò)分析,他們利用2004-2012年的中國(guó)商業(yè)銀行數(shù)據(jù),分析中國(guó)商業(yè)銀行不良貸款約束下的全要素生產(chǎn)率問(wèn)題,認(rèn)為主要是技術(shù)進(jìn)步帶來(lái)了全要素生產(chǎn)率的提升。

與上述學(xué)者們的研究不同,胡海峰和武鵬[16]將研究視角擴(kuò)大到全球,他們分析了多達(dá)45個(gè)國(guó)家的相關(guān)數(shù)據(jù),主要研究宏觀(guān)背景對(duì)銀行全要素效率的影響,認(rèn)為每個(gè)國(guó)家的宏觀(guān)經(jīng)濟(jì)背景不同,導(dǎo)致該國(guó)的銀行效率不同。

本文在以往研究分析的基礎(chǔ)上,針對(duì)2008年以來(lái)金融危機(jī)對(duì)中國(guó)商業(yè)銀行的深遠(yuǎn)影響,側(cè)重研究后危機(jī)時(shí)代中國(guó)商業(yè)銀行的全要素生產(chǎn)率,尤其重點(diǎn)分析2015年以來(lái)中國(guó)宏觀(guān)背景變化對(duì)中國(guó)商業(yè)銀行效率的影響,并對(duì)影響中國(guó)商業(yè)銀行全要素生產(chǎn)率的宏觀(guān)微觀(guān)因素進(jìn)行分析,以補(bǔ)充完善以往研究的不足。

三 中國(guó)商業(yè)銀行全要素生產(chǎn)率模型

(一)銀行技術(shù)衡量

一般地,單一投入和單一產(chǎn)出的廠(chǎng)商,其技術(shù)水平可以定義為產(chǎn)出與投入的比值。如果能夠找到恰當(dāng)?shù)闹笜?biāo)來(lái)表示多種投入和多種產(chǎn)出,則多投入多產(chǎn)出廠(chǎng)商的技術(shù)水平就可以定義為產(chǎn)出指數(shù)與投入指數(shù)的比值,而投入總量函數(shù)和產(chǎn)出總量函數(shù)可作為衡量多種投入和多種產(chǎn)出的指數(shù)。

假定第i家銀行在時(shí)期t的投入和產(chǎn)出向量分別為xit=(x1it,…,xKit)′和yit=(y1it,…,yKit)′,令Xit≡X(xit)及Yit≡Y(yit)分別表示投入總量函數(shù)和產(chǎn)出總量函數(shù),則銀行的技術(shù)水平就可以被定義為公式(1):

(1)

(二)銀行效率衡量及分解

按照上述技術(shù)水平的定義,效率可被定義為不同條件下測(cè)量的技術(shù)水平比值,令Techt*為在t期技術(shù)水平約束下可達(dá)到的最大技術(shù)水平,則某一銀行效率可以表示為該銀行的實(shí)際技術(shù)水平與這一時(shí)期最大化的技術(shù)水平之比,見(jiàn)公式(2):

(2)

公式(2)中,Xt*和Yt*分別表示最佳技術(shù)水平條件下的投入總量和產(chǎn)出總量。在投入導(dǎo)向條件下,Eit可進(jìn)一步分解為技術(shù)效率(ITE)、規(guī)模效率(ISE),見(jiàn)公式(3):

(3)

(三)銀行全要素生產(chǎn)率(TFP)及其分解

全要素生產(chǎn)率(TotalFactorProductivity,TFP)是指產(chǎn)量與全部要素投入量之比,全要素生產(chǎn)率的來(lái)源包括技術(shù)進(jìn)步、組織創(chuàng)新、專(zhuān)業(yè)化和生產(chǎn)創(chuàng)新等。產(chǎn)出增長(zhǎng)率超出要素投入增長(zhǎng)率的部分為全要素生產(chǎn)率(也稱(chēng)總和要素生產(chǎn)率)。全要素生產(chǎn)率反映了投入要素以外的其他因素(如技術(shù)進(jìn)步、技術(shù)效率的提高等)對(duì)銀行增長(zhǎng)的貢獻(xiàn),是衡量銀行持續(xù)發(fā)展的重要指標(biāo)。

按照前文設(shè)定,x為投入,y為產(chǎn)出,T為生產(chǎn)可能集,則定向技術(shù)距離函數(shù)定義為公式(4):

D(x,y,gx,gy)=max{β:(x-βgx,y+gy)∈T}

(4)

其中,(gx,gy)≥0為給定的方向向量,β是常數(shù)。t期,投入產(chǎn)出導(dǎo)向型的Malmquist指數(shù)定義為公式(5):

(5)

公式(5)中,Malmquist指數(shù)又可以進(jìn)一步分解為技術(shù)進(jìn)步指數(shù)(Techch)、純技術(shù)效率指數(shù)(Pech)和規(guī)模效率指數(shù)(Sech),見(jiàn)公式(6):

TFP=Techch×Pech×Sech

(6)

若定向技術(shù)距離函數(shù)的上標(biāo)為t,在計(jì)算時(shí)采用t的生產(chǎn)可能集;若為t+1,用t+1期的生產(chǎn)可能集。下標(biāo)V表示生產(chǎn)可能集是規(guī)模收益可變,下標(biāo)C表示生產(chǎn)可能集是規(guī)模收益不變。

四 中國(guó)商業(yè)銀行全要素生產(chǎn)率實(shí)證分析

(一)變量選擇

根據(jù)中國(guó)銀行業(yè)的具體情況和研究?jī)?nèi)容的不同,學(xué)者們采取了不同的指標(biāo)描述投入和產(chǎn)出。本文借鑒姜永宏和蔣偉杰[14]，李小勝和張煥明[15]的研究方法,選取的變量如下:

1.投入指標(biāo)

投入指標(biāo)包括:利息支出、營(yíng)業(yè)支出、存款總額、員工人數(shù)。

2.產(chǎn)出指標(biāo)

產(chǎn)出指標(biāo)為利息凈收入、非利息收入、貸款總額。

(二)數(shù)據(jù)樣本

1.樣本

本文研究后危機(jī)時(shí)代中國(guó)商業(yè)銀行全要素生產(chǎn)率,重點(diǎn)分析2008年之后的銀行效率變化情況,所以以2008年為基礎(chǔ),再向前取兩年的數(shù)據(jù),確定為2006-2016年。

本文研究的樣本為16家上市的中國(guó)商業(yè)銀行,包括:中國(guó)銀行、中國(guó)工商銀行、中國(guó)建設(shè)銀行、中國(guó)農(nóng)業(yè)銀行、交通銀行、招商銀行、中信銀行、興業(yè)銀行、浦發(fā)銀行、民生銀行、光大銀行、平安銀行、華夏銀行、北京銀行、南京銀行、寧波銀行。本文選取這16家商業(yè)銀行2006-2016年的投入產(chǎn)出年度數(shù)據(jù)。

2.數(shù)據(jù)

本文的數(shù)據(jù)為16家樣本銀行的利息支出、營(yíng)業(yè)支出、存款總額、員工人數(shù)、利息凈收入、非利息收入、貸款總額,這些數(shù)據(jù)都來(lái)源于樣本上市銀行的2006-2016年公司年報(bào),由于大多數(shù)銀行上市公司年報(bào)都是合并報(bào)表,所以相關(guān)數(shù)據(jù)是選取的銀行集團(tuán)數(shù)據(jù)。數(shù)據(jù)來(lái)源于wind數(shù)據(jù)庫(kù)。

3.投入產(chǎn)出指標(biāo)數(shù)據(jù)統(tǒng)計(jì)描述

本文研究各種宏微觀(guān)因素對(duì)商業(yè)銀行全要素生產(chǎn)率的影響,還試圖分析所有權(quán)結(jié)構(gòu)、產(chǎn)權(quán)結(jié)構(gòu)、體制機(jī)制對(duì)銀行業(yè)效率的影響,因此本文也按照一般的分類(lèi)方法對(duì)銀行業(yè)劃分,分為國(guó)有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行。表1是2006-2016年中國(guó)商業(yè)銀行投入產(chǎn)出指標(biāo)的統(tǒng)計(jì)情況。

表1 2006-2016年16家上市銀行投入產(chǎn)出指標(biāo)數(shù)據(jù)統(tǒng)計(jì)描述 單位:億元

備注:5家國(guó)有商業(yè)銀行是指中國(guó)銀行、中國(guó)工商銀行、中國(guó)建設(shè)銀行、中國(guó)農(nóng)業(yè)銀行、交通銀行;8家股份制商業(yè)銀行是指招商銀行、中信銀行、興業(yè)銀行、浦發(fā)銀行、民生銀行、光大銀行、平安銀行、華夏銀行;3家城市商業(yè)銀行是指北京銀行、南京銀行、寧波銀行。

(三)實(shí)證分析

本文利用DEAP2.1軟件處理相關(guān)數(shù)據(jù),計(jì)算中國(guó)商業(yè)銀行Malmquist全要素生產(chǎn)率,表2是中國(guó)16家上市商業(yè)銀行后危機(jī)時(shí)代的Malmquist值計(jì)算結(jié)果。本文統(tǒng)計(jì)的原始數(shù)據(jù)時(shí)間段為2006-2016年,DEAP2.1軟件處理時(shí)消掉了第一個(gè)時(shí)間,即2006年的值,因?yàn)槊恳粋€(gè)Malmquist生產(chǎn)率值都是表示其相對(duì)于上一年度的增長(zhǎng)或下降,如果數(shù)值大于1,表示全要素生產(chǎn)率比上一年度增加,如果數(shù)值小于1,表示全要素生產(chǎn)率比上一年度減少,數(shù)值相對(duì)1的大小描述增長(zhǎng)或下降的幅度。2006年的Malmquist值默認(rèn)為1,所以省略不寫(xiě)。最后一列的平均值是每個(gè)銀行按年度進(jìn)行幾何平均計(jì)算得到的結(jié)果。

表2 2007-2016年16家上市銀行各年度Malmquist指數(shù)值

續(xù)表2 2007-2016年16家上市銀行各年度Malmquist指數(shù)值

1.中國(guó)商業(yè)銀行全要素生產(chǎn)率Malmquist值總體情況分析

從表2可以看出,總體來(lái)說(shuō),所有銀行10年平均全要素生產(chǎn)率Malmquist值為0.996 0,相當(dāng)于全要素生產(chǎn)率平均每年下降0.4%。后危機(jī)時(shí)代中國(guó)商業(yè)銀行的平均全要素生產(chǎn)率是下降的,這和大多數(shù)相關(guān)研究的結(jié)論是一致的。2008年發(fā)生的美國(guó)金融危機(jī)確實(shí)對(duì)中國(guó)銀行業(yè)的生產(chǎn)率和效率有著深遠(yuǎn)的影響,尤其是2015年開(kāi)始的經(jīng)濟(jì)相對(duì)低速增長(zhǎng)對(duì)中國(guó)銀行業(yè)的影響也是非常明顯的。

按產(chǎn)權(quán)屬性進(jìn)行比較分析,表2顯示,5大國(guó)有商業(yè)銀行的10年平均全要素生產(chǎn)率Malmquist值為0.966;8家股份制商業(yè)銀行平均值為1.001;而3家城市商業(yè)銀行平均值達(dá)到1.036,說(shuō)明后危機(jī)時(shí)代,國(guó)有商業(yè)銀行平均全要素生產(chǎn)率是下降的,5大國(guó)有銀行年均下降比率達(dá)到3.4%;3家樣本城市商業(yè)銀行的平均全要素生產(chǎn)率是上升的,年均上升比率為3.6%。

可以看出,從體制機(jī)制角度分析中國(guó)商業(yè)銀行全要素生產(chǎn)率的話(huà),體制機(jī)制更靈活的股份制商業(yè)銀行和3家城市商業(yè)銀行全要素生產(chǎn)率更高,尤其是城商行效率值最高。五大國(guó)有商業(yè)銀行資產(chǎn)規(guī)模大,海外業(yè)務(wù)也相當(dāng)較多,金融危機(jī)造成的沖擊也相對(duì)中小銀行更大。而中小規(guī)模的商業(yè)銀行,尤其是城市商業(yè)銀行,“船小好掉頭”,經(jīng)營(yíng)機(jī)制靈活,業(yè)務(wù)轉(zhuǎn)型快,所以應(yīng)對(duì)宏觀(guān)背景變化的能力相對(duì)更強(qiáng)。

需要解釋的是,從樣本的角度來(lái)看,中國(guó)有5大國(guó)有商業(yè)銀行,有傳統(tǒng)意義上的成立之初就按照股份制經(jīng)營(yíng)的9家全國(guó)性股份制商業(yè)銀行,還有幾乎每個(gè)城市都有的城市商業(yè)銀行。5大國(guó)有商業(yè)銀行早就進(jìn)行了股份制改革并已全部上市交易;9家全國(guó)性股份制商業(yè)銀行只有廣發(fā)銀行還沒(méi)有上市;而眾多的城市商業(yè)銀行本文只選取了2016年之前上市的3家銀行。三個(gè)樣本很難準(zhǔn)確描述中國(guó)城市商業(yè)銀行的全部情況,更為重要的是,從上市的角度看,一定是最優(yōu)秀的城商行才能通過(guò)“層層選拔”,完成上市。因此,本文對(duì)商業(yè)銀行全要素生產(chǎn)率的研究,就城市商業(yè)銀行而言,僅針對(duì)3家樣本銀行,不能說(shuō)中國(guó)的城市商業(yè)銀行比國(guó)有商業(yè)銀行和股份制商業(yè)銀行效率高,只是這3個(gè)樣本銀行全要素產(chǎn)生率較高。

2.中國(guó)商業(yè)銀行全要素生產(chǎn)率Malmquist值按年度比較分析

為了進(jìn)一步分析后危機(jī)時(shí)代中國(guó)商業(yè)銀行全要素生產(chǎn)率變化情況,對(duì)實(shí)證結(jié)果按年度進(jìn)行比較分析發(fā)現(xiàn),2009年所有銀行平均全要素生產(chǎn)率Malmquist值最高,為1.222;2016年最低,只有0.882。2009年的平均全要素生產(chǎn)率達(dá)到極值,主要是中國(guó)政府為了應(yīng)對(duì)2008年的全球金融危機(jī),在2008年末和2009年初采取了一系列振興經(jīng)濟(jì)的措施,包括寬松的貨幣政策、地方政府債券的放開(kāi)、巨額的財(cái)政投放,還有著名的4萬(wàn)億救市,這些經(jīng)濟(jì)刺激手段直接導(dǎo)致2009年中國(guó)經(jīng)濟(jì)快速的恢復(fù)了高增長(zhǎng),也導(dǎo)致了中國(guó)房地產(chǎn)市場(chǎng)的二次繁榮,這些最終也都帶來(lái)了當(dāng)年中國(guó)商業(yè)銀行生產(chǎn)率的顯著提高。事實(shí)上,2009年寬松的貨幣政策帶來(lái)的巨額資金投放,并沒(méi)有進(jìn)入實(shí)體經(jīng)濟(jì),大多數(shù)都通過(guò)金融業(yè)進(jìn)入了房地產(chǎn)市場(chǎng)和資本市場(chǎng),這帶來(lái)了銀行業(yè)短暫的產(chǎn)出增加,抬高了當(dāng)年的全要素生產(chǎn)率。但這是虛假繁榮,這些措施并沒(méi)有對(duì)實(shí)體經(jīng)濟(jì)做出太大貢獻(xiàn),也影響了金融業(yè)的持續(xù)發(fā)展,從表2中可以看出,2010年和2011年平均全要素生產(chǎn)率Malmquist值都是低于1的,這得到了很好的印證。

2016年Malmquist值最低,這與2014年下半年以來(lái)國(guó)際國(guó)內(nèi)經(jīng)濟(jì)的宏觀(guān)背景是一致的。2014年下半年以來(lái),隨著美國(guó)退出量化寬松貨幣政策,美國(guó)經(jīng)濟(jì)開(kāi)始復(fù)蘇,使國(guó)際資本大量外流,這使中國(guó)經(jīng)濟(jì)增速開(kāi)始下降,銀行業(yè)不良貸款比率開(kāi)始攀升,銀行業(yè)的經(jīng)營(yíng)效率下降,相對(duì)產(chǎn)出減少,全要素生產(chǎn)率下降。

綜上所述,宏觀(guān)背景對(duì)中國(guó)商業(yè)銀行全要素生產(chǎn)率影響巨大,中國(guó)商業(yè)銀行的發(fā)展離不開(kāi)中國(guó)經(jīng)濟(jì)的支持,在當(dāng)前中國(guó)經(jīng)濟(jì)增速下降的新常態(tài)下,中國(guó)商業(yè)銀行必須要積極求變、加快創(chuàng)新,盡快找到提高全要素生產(chǎn)率的新的措施和辦法。

3.中國(guó)商業(yè)銀行全要素生產(chǎn)率Malmquist值按效率分解情況比較分析

表3 2007-2016年16家上市銀行平均Malmquist指數(shù)值及分解情況

表3是中國(guó)16家上市銀行各年度平均Malmquist指數(shù)值的分解情況,其中,effch表示綜合技術(shù)效率變化,techch表示技術(shù)進(jìn)步變化,pech表示純技術(shù)效率變化,sech表示規(guī)模效率變化,并且有effch=pech×sech,即綜合技術(shù)效率進(jìn)一步分解為純技術(shù)效率和規(guī)模效率。tfpch表示全要素生產(chǎn)率Malmquist指數(shù),有tfpch=effch×techch=pech×sech×techch。另外,表2的所有數(shù)值也是DEAP軟件的tfpch值。

2007年相比于2006年,全要素生產(chǎn)率變化不大,而2008年Malmquist指數(shù)下降到0.947,相當(dāng)于全要素生產(chǎn)率下降了5.3%,從其分解情況看,純技術(shù)效率下降3%,規(guī)模效率下降了0.5%,技術(shù)進(jìn)步指數(shù)下降了1.8%,這是2008年全球金融危機(jī)帶來(lái)的后果,金融危機(jī)抑制了金融創(chuàng)新,金融創(chuàng)新的倒退反應(yīng)在了技術(shù)進(jìn)步指數(shù)變化上。2009年Malmquist指數(shù)值為1.222,比2008年上升了22.2%,原因上文已經(jīng)作了分析。

2013的技術(shù)進(jìn)步指數(shù)又顯著低于2012年,從宏觀(guān)背景來(lái)看,是歐債危機(jī)影響了銀行業(yè)的發(fā)展。2016年,相關(guān)指標(biāo)又出現(xiàn)了較大變化,Malmquist指數(shù)值只有0.882,分解來(lái)看,純技術(shù)效率和規(guī)模效率分別為0.999和1.003,與其他時(shí)間差別不大,而技術(shù)進(jìn)步指數(shù)下降最多,為0.881,表明其相對(duì)2015年下降了11.9%,宏觀(guān)環(huán)境的不利變化影響了中國(guó)商業(yè)銀行的持續(xù)發(fā)展。

總體來(lái)看,金融危機(jī)不只是影響了經(jīng)濟(jì)增長(zhǎng),更為重要的是,從某種意義上說(shuō)，2008年金融危機(jī)是金融創(chuàng)新過(guò)度,相應(yīng)的金融風(fēng)險(xiǎn)控制不足,金融監(jiān)管不到位的結(jié)果。所以金融危機(jī)發(fā)生之時(shí),次貸崩盤(pán),資產(chǎn)證券化遭到廣泛質(zhì)疑,大量的金融創(chuàng)新產(chǎn)品“下架”,這極大的抑制了銀行業(yè)技術(shù)進(jìn)步和提升,拖累了商業(yè)銀行全要素生產(chǎn)率。

總體來(lái)說(shuō),對(duì)于各個(gè)商業(yè)銀行,不同時(shí)期、不同規(guī)模、不同體制、不同經(jīng)營(yíng)管理制度都影響著其全要素生產(chǎn)率,實(shí)際上影響商業(yè)銀行全要素生產(chǎn)率和競(jìng)爭(zhēng)力的因素很多,既有宏觀(guān)背景方面的,也有微觀(guān)財(cái)務(wù)方面的,本文將進(jìn)一步對(duì)此進(jìn)行詳細(xì)分析。

五 后危機(jī)時(shí)代中國(guó)商業(yè)銀行全要素生產(chǎn)率影響因素分析

在上述分析中已經(jīng)得到了各商業(yè)銀行各年度Malmquist指數(shù)值,初步可以得出各銀行以及各年度的商業(yè)銀行全要素生產(chǎn)率,并做出簡(jiǎn)單的比較分析。但是,究竟是哪些因素影響了銀行效率,Malmquist值無(wú)法準(zhǔn)確給出,因此需要進(jìn)一步的分析,本文利用面板數(shù)據(jù)模型從宏觀(guān)和微觀(guān)兩個(gè)角度分析影響商業(yè)銀行全要素生產(chǎn)率的因素。

(一)宏觀(guān)影響因素選取

從宏觀(guān)角度看,影響商業(yè)銀行全要素生產(chǎn)率的因素很多,本文沿用Chen等[3]、袁曉玲和張寶山[8]的研究成果,用經(jīng)濟(jì)增長(zhǎng)率、貨幣供應(yīng)量增長(zhǎng)率、全社會(huì)固定資產(chǎn)投資增長(zhǎng)率、通貨膨脹率四個(gè)指標(biāo)分析中國(guó)商業(yè)銀行全要素生產(chǎn)率的宏觀(guān)影響因素。

1.經(jīng)濟(jì)增長(zhǎng)率

從根本上說(shuō),銀行業(yè)的全要素生產(chǎn)率是一個(gè)國(guó)家經(jīng)濟(jì)發(fā)展情況的反映,所以本文首先選取經(jīng)濟(jì)增長(zhǎng)率來(lái)分析其對(duì)中國(guó)商業(yè)銀行的全要素生產(chǎn)率的影響。

2.貨幣供應(yīng)量

銀行業(yè)是經(jīng)營(yíng)貨幣的金融部門(mén),貨幣供給是通過(guò)銀行系統(tǒng)實(shí)現(xiàn)的,所以貨幣供應(yīng)量是直接影響銀行競(jìng)爭(zhēng)力的因素。

3.全社會(huì)固定資產(chǎn)投資增長(zhǎng)率

全社會(huì)固定資產(chǎn)投資增長(zhǎng)率從宏觀(guān)上體現(xiàn)著商業(yè)銀行的經(jīng)營(yíng)方向和經(jīng)營(yíng)內(nèi)容,也是影響銀行全要素生產(chǎn)率的重要因素。

4.通貨膨脹率

通貨膨脹率是一個(gè)重要的經(jīng)濟(jì)指標(biāo),它既影響銀行系統(tǒng)的實(shí)際利率,也影響銀行業(yè)的經(jīng)營(yíng)利潤(rùn),也是商業(yè)銀行的全要素生產(chǎn)率的影響因素之一。

(二)微觀(guān)層面影響因素選取

本文從創(chuàng)新能力、公司治理水平、資產(chǎn)配置情況、經(jīng)營(yíng)穩(wěn)定能力、盈利能力等五個(gè)方面來(lái)分析影響中國(guó)商業(yè)銀行效率的微觀(guān)因素。

1.創(chuàng)新能力

前文已經(jīng)提到,銀行全要素生產(chǎn)率Malmquist值分解時(shí),技術(shù)進(jìn)步指數(shù)的變化差異最大,說(shuō)明技術(shù)進(jìn)步指數(shù)對(duì)銀行競(jìng)爭(zhēng)力的影響最大,而衡量銀行技術(shù)進(jìn)步指數(shù)的主要是銀行的創(chuàng)新能力,所以本文將創(chuàng)新能力作為最重要的影響指標(biāo)來(lái)進(jìn)行因素分析,從銀行實(shí)務(wù)來(lái)看,隨著創(chuàng)新能力的提升,最顯著的變化是銀行非利息收入將顯著增加,所以,本文用銀行非利息收入占比(NII)來(lái)具體描述創(chuàng)新能力。非利息收入占比=非利息收入/(利息凈收入+非利息收入)。

2.公司治理水平

任何一個(gè)現(xiàn)代化企業(yè),其公司治理水平都將顯著影響該企業(yè)的競(jìng)爭(zhēng)力,銀行也不例外,商業(yè)銀行的公司治理水平影響著銀行的競(jìng)爭(zhēng)力,影響著銀行的經(jīng)營(yíng)效率,所以本文將公司治理水平作為一個(gè)指標(biāo)來(lái)進(jìn)行銀行要素分析。另外一方面,如何衡量公司治理水平又成為一個(gè)難點(diǎn),按照現(xiàn)代公司管理理念,通常認(rèn)為一個(gè)企業(yè)的代理成本與公司治理水平有直接關(guān)聯(lián)。本文采用Singh和Davidson[17]的觀(guān)點(diǎn),選取銀行的營(yíng)業(yè)外支出比率(NBE)來(lái)衡量公司治理水平。營(yíng)業(yè)外支出比率=營(yíng)業(yè)外支出/營(yíng)業(yè)收入,且營(yíng)業(yè)收入=利息凈收入+非利息收入。

3.資產(chǎn)配置情況

銀行是一個(gè)典型的負(fù)債依賴(lài)型企業(yè),因此銀行資產(chǎn)的配置情況也將影響銀行的競(jìng)爭(zhēng)效率,銀行最主要的資產(chǎn)毫無(wú)疑問(wèn)是貸款,那么衡量銀行資產(chǎn)配置情況的主要指標(biāo)就是貸款比重,本文用存貸比(LDR)衡量銀行資產(chǎn)配置情況。存貸比=總貸款/總存款。

4.經(jīng)營(yíng)穩(wěn)定能力

銀行是一個(gè)依靠存款進(jìn)行資產(chǎn)管理的企業(yè),銀行的經(jīng)營(yíng)穩(wěn)定性既影響銀行客戶(hù)的潛在風(fēng)險(xiǎn),又決定了客戶(hù)的二次選擇,同時(shí)經(jīng)營(yíng)的穩(wěn)定能力也影響銀行資產(chǎn)負(fù)債管理的連貫性,因此銀行的經(jīng)營(yíng)穩(wěn)定性是影響銀行效率的又一個(gè)因素。本文用銀行的資本充足率(CAR)來(lái)衡量銀行的經(jīng)營(yíng)穩(wěn)定能力。

5.盈利能力

任何一個(gè)企業(yè)的經(jīng)營(yíng)目的都是盈利,唯有獲利才是企業(yè)生存發(fā)展的根本保障,銀行競(jìng)爭(zhēng)力的提高離不開(kāi)銀行盈利能力的提高,因此本文將盈利能力作為影響銀行效率的一個(gè)因素。具體用凈資本收益率(ROE)來(lái)衡量企業(yè)的盈利能力。

可以看出,本文所選取的所有指標(biāo)都是相對(duì)指標(biāo),這能很好地消除絕對(duì)數(shù)值對(duì)研究結(jié)果的影響。

(三)中國(guó)商業(yè)銀行全要素生產(chǎn)率宏觀(guān)影響因素的面板數(shù)據(jù)模型

本文用面板數(shù)據(jù)模型估計(jì)中國(guó)商業(yè)銀行效率的宏觀(guān)影響因素。選取第四部分得到的全要素生產(chǎn)率Malmquist指數(shù)值(TFP)作為被解釋變量,解釋變量為經(jīng)濟(jì)增長(zhǎng)率(GDP)、貨幣供應(yīng)量增長(zhǎng)率(M2)、全社會(huì)固定資產(chǎn)投資增長(zhǎng)率(FAI)、通貨膨脹率(INF)。

建立宏觀(guān)影響因素面板數(shù)據(jù)模型:

TFPit=β0+β1GDPt+β2M2t+β3FAIt+β4INFt+εit

(7)

公式(7)中,TFPit為第i個(gè)銀行第t年的全要素生產(chǎn)率,GDPt、M2t、FAIt、INFt分別表示第t年的國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率、M2貨幣供應(yīng)量增長(zhǎng)率和全社會(huì)固定資產(chǎn)投資增長(zhǎng)率和通貨膨脹率。i=1,2,…,16;t=2007,2008,…,2016。

對(duì)于時(shí)間的選取,本文第四部分全要素生產(chǎn)率Malmquist值的計(jì)算,因?yàn)槟J(rèn)第一個(gè)年度2006年的指數(shù)值為1,所以不列入因素分析模型中。最終模型所選取面板數(shù)據(jù)為2007-2016年16家中國(guó)商業(yè)銀行的相關(guān)數(shù)據(jù)。

由于選取的指標(biāo)有可能會(huì)出現(xiàn)多重共線(xiàn)性,所以文本采用王聰和譚政勛[18]的多變量綜合主成分旋轉(zhuǎn)法進(jìn)行分析。

(四)中國(guó)商業(yè)銀行全要素生產(chǎn)率微觀(guān)影響因素的面板數(shù)據(jù)模型

本文同樣用面板數(shù)據(jù)模型估計(jì)中國(guó)商業(yè)銀行效率的微觀(guān)層面影響因素。選取TFP作為被解釋變量,解釋變量為非利息收入占比(NII)、營(yíng)業(yè)外支出比率(NBE)、存貸比(LDR)、資本充足率(CAR)、凈資本收益率(ROE)。

建立面板數(shù)據(jù)模型:

TFPit=α0+α1NIIit+α2NBEit+α3LDRit+α4GRit+α5ROEit+εit

(8)

公式(8)中,TFPit為第i個(gè)銀行第t年的全要素生產(chǎn)率;NIIit、NBEit、LDRit、CARit、ROEit分別為第i個(gè)銀行第t年的非利息收入占比、營(yíng)業(yè)外支出比率、存貸比、資本充足率、凈資本收益率。

(五)中國(guó)商業(yè)銀行全要素生產(chǎn)率影響因素的實(shí)證分析

1.宏觀(guān)影響因素模型估計(jì)

表4 2007-2016年中國(guó)商業(yè)銀行全要素生產(chǎn)率宏觀(guān)影響因素模型估計(jì)

注: *表示顯著性通過(guò)1%的水平檢驗(yàn)

表4是中國(guó)商業(yè)銀行全要素生產(chǎn)率宏觀(guān)影響因素模型估計(jì)結(jié)果。結(jié)果顯示國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率(GDP)和貨幣供應(yīng)量增長(zhǎng)率(M2)統(tǒng)計(jì)結(jié)果顯著,而固定資產(chǎn)投資增長(zhǎng)率(FAI)和通貨膨脹率(INF)統(tǒng)計(jì)結(jié)果不顯著。

中國(guó)經(jīng)濟(jì)在過(guò)去30年基本以粗放式經(jīng)濟(jì)為主,中國(guó)的銀行業(yè)資產(chǎn)投放、銀行經(jīng)營(yíng)效率和中國(guó)宏觀(guān)經(jīng)濟(jì)發(fā)展息息相關(guān),表4中GDP系數(shù)為3.9813,顯著影響,這說(shuō)明在經(jīng)歷了2008年金融危機(jī)之后,中國(guó)商業(yè)銀行的整體經(jīng)營(yíng)情況依然過(guò)于依賴(lài)宏觀(guān)經(jīng)濟(jì)的增長(zhǎng)。

銀行業(yè)是一個(gè)主要經(jīng)營(yíng)貨幣的經(jīng)濟(jì)部門(mén),貨幣供給是銀行部門(mén)的主要經(jīng)營(yíng)內(nèi)容,表4中M2統(tǒng)計(jì)系數(shù)為4.266 3,t統(tǒng)計(jì)量為7.780 6,影響顯著,說(shuō)明在后危機(jī)時(shí)代貨幣投放仍然是商業(yè)銀行主要的競(jìng)爭(zhēng)來(lái)源。事實(shí)上本文在第四部分重點(diǎn)討論過(guò)2009年商業(yè)銀行全要素生產(chǎn)率情況,在經(jīng)濟(jì)沒(méi)有太大增長(zhǎng)的情況下,2009年商業(yè)銀行平均全要素生產(chǎn)率1.222,達(dá)到了近些年最高值。而另一方面,2009年貨幣供應(yīng)量M2增長(zhǎng)率為27.58%,也是近些年的最高值,這充分說(shuō)明了貨幣供應(yīng)量與商業(yè)銀行全要素生產(chǎn)率的正相關(guān)關(guān)系。

固定資產(chǎn)投資增長(zhǎng)率和通貨膨脹率的統(tǒng)計(jì)結(jié)果不顯著,這表明,中國(guó)固定資產(chǎn)投資帶來(lái)的資金投放及其效應(yīng)并沒(méi)有顯著的帶來(lái)中國(guó)商業(yè)銀行全要素生產(chǎn)率的變化。同樣,通貨膨脹的變化可能帶來(lái)實(shí)際利率的改變,但是它也沒(méi)有明顯的改變商業(yè)銀行全要素生產(chǎn)率。

總之,從宏觀(guān)層面看,經(jīng)濟(jì)增長(zhǎng)水平和貨幣供應(yīng)量是影響中國(guó)商業(yè)銀行全要素生產(chǎn)率的主要因素。

2.微觀(guān)影響因素模型檢驗(yàn)

表5 TFP 隨機(jī)效應(yīng)模型Hausman檢驗(yàn)的輸出結(jié)果

中國(guó)商業(yè)銀行全要素生產(chǎn)率微觀(guān)影響因素實(shí)證檢驗(yàn),首先通過(guò)面板數(shù)據(jù)隨機(jī)效應(yīng)模型的Hausman檢驗(yàn)來(lái)查看模型的適用性。

表5是以TFP為被解釋變量的面板數(shù)據(jù)隨機(jī)效應(yīng)模型Hausman檢驗(yàn)結(jié)果,可以看出,隨機(jī)效應(yīng)的Hausman統(tǒng)計(jì)量的值為16.859 5,伴隨概率為0.004 8,拒絕固定效應(yīng)模型與隨機(jī)效應(yīng)模型不存在系統(tǒng)差異的原假設(shè),建立固定效應(yīng)模型。

3.微觀(guān)影響因素模型估計(jì)

表6 TFP固定效應(yīng)模型估計(jì)結(jié)果

注: *、**分別表示顯著性通過(guò)1%、5%的水平檢驗(yàn)

表6是TFP固定效應(yīng)模型估計(jì)結(jié)果,結(jié)果顯示公司治理水平(NBE)和銀行經(jīng)營(yíng)穩(wěn)定性(CAR)對(duì)中國(guó)商業(yè)銀行全要素生產(chǎn)率的影響不是很明顯。統(tǒng)計(jì)上看,銀行創(chuàng)新能力(NII)、盈利能力(ROE)和資產(chǎn)配置情況(LDR)影響顯著。

(1)非利息收入占比。通常認(rèn)為銀行的非利息收入占比體現(xiàn)了銀行的創(chuàng)新能力,創(chuàng)新能力越強(qiáng),銀行的效率越高,在TFP面板數(shù)據(jù)固定效應(yīng)模型估計(jì)中,NII的系數(shù)為正,說(shuō)明銀行創(chuàng)新能力確實(shí)提高了銀行的效率。

(2)凈資本收益率。從模型結(jié)果來(lái)看,凈資本收益率ROE的系數(shù)為正,這說(shuō)明當(dāng)前中國(guó)銀行業(yè)的效率主要還是依賴(lài)于盈利能力,而盈利能力主要還是來(lái)源于銀行的利息收入,來(lái)源于銀行傳統(tǒng)業(yè)務(wù)的存貸款利息差。

(3)存貸比。存貸比(LDR)衡量了銀行的資產(chǎn)配置能力,對(duì)于銀行來(lái)說(shuō),一方面存貸比越高,說(shuō)明銀行的存款成本越低,盈利能力越強(qiáng),效率越高;但是另一方面,在一定范圍內(nèi),存貸比稍低一些,銀行的資產(chǎn)選擇越豐富,資產(chǎn)配置越多樣,獲得更多高質(zhì)量資產(chǎn)的能力也就越強(qiáng),銀行效率越高,尤其對(duì)于創(chuàng)新能力越強(qiáng)的銀行,資產(chǎn)選擇越應(yīng)該趨向于多樣化。表6中的LDR系數(shù)為正,說(shuō)明中國(guó)的商業(yè)銀行存貸比更多地體現(xiàn)在銀行的相對(duì)存款成本、存貸款利息差以及盈利能力上,這也符合當(dāng)前中國(guó)商業(yè)銀行的基本情況。

總之,從微觀(guān)層面看,后危機(jī)時(shí)代中國(guó)銀行業(yè)的全要素生產(chǎn)率主要來(lái)源于銀行業(yè)的盈利能力、創(chuàng)新能力以及資產(chǎn)配置能力。

六 結(jié)論及政策建議

(一)結(jié)論

本文利用2006-2016年16家中國(guó)商業(yè)銀行數(shù)據(jù),分析中國(guó)商業(yè)銀行的全要素生產(chǎn)率以及影響生產(chǎn)率的因素,運(yùn)用商業(yè)銀行全要素生產(chǎn)率Malmquist指數(shù)和面板數(shù)據(jù)模型測(cè)度商業(yè)銀行效率值和影響因素,最終通過(guò)Deap軟件和Eviews軟件處理相關(guān)數(shù)據(jù),得出并分析模型的估計(jì)結(jié)果。

1.宏觀(guān)背景是影響中國(guó)商業(yè)銀行全要素生產(chǎn)率的最主要因素

2006年之后,中國(guó)商業(yè)銀行全要素生產(chǎn)率整體呈下降趨勢(shì),尤其2008年和2015年下降幅度比較大;2009年所有銀行平均效率最高,Malmquist指數(shù)值為1.272 0;而2015年的效率值最低,Malmquist值只有0.870 0。進(jìn)一步分解看,各年度技術(shù)進(jìn)步變化差異較大,2008年技術(shù)進(jìn)步指數(shù)較低,而2009年的技術(shù)進(jìn)步指數(shù)又顯著高于2007年和2008年,這是2008年全球金融危機(jī)及應(yīng)對(duì)危機(jī)的救市政策帶來(lái)的結(jié)果,金融危機(jī)抑制了金融創(chuàng)新,金融創(chuàng)新的倒退反應(yīng)在了技術(shù)進(jìn)步指數(shù)變化上。2011-2013年的技術(shù)進(jìn)步指數(shù)都比較低,從宏觀(guān)背景來(lái)看,歐債危機(jī)影響了銀行業(yè)的發(fā)展?？梢院苊黠@地看出,宏觀(guān)背景對(duì)商業(yè)銀行全要素生產(chǎn)率有著最直接的顯著影響。

另一方面,統(tǒng)計(jì)結(jié)果顯示,經(jīng)濟(jì)增長(zhǎng)水平確實(shí)影響了中國(guó)商業(yè)銀行的全要素生產(chǎn)率。當(dāng)前中國(guó)銀行業(yè)的整體競(jìng)爭(zhēng)能力主要還是得益于中國(guó)經(jīng)濟(jì)的高速增長(zhǎng),經(jīng)濟(jì)發(fā)展保障了中國(guó)各行業(yè)的競(jìng)爭(zhēng)實(shí)力。

銀行業(yè)是一個(gè)資金密集型行業(yè),貨幣的投放既是銀行業(yè)的主要業(yè)務(wù)內(nèi)容,也體現(xiàn)著商業(yè)銀行最核心的競(jìng)爭(zhēng)力,從實(shí)證結(jié)果看,貨幣投放越多的年份各商業(yè)銀行整體的全要素生產(chǎn)率也越高。通常而言,貨幣投放越多,通貨膨脹壓力也越大,也更可能帶來(lái)貨幣膨脹率的提高,這可能會(huì)破壞銀行業(yè)的競(jìng)爭(zhēng)能力,不過(guò)從本文的統(tǒng)計(jì)結(jié)果來(lái)看,通貨膨脹對(duì)中國(guó)商業(yè)銀行全要素生產(chǎn)率的影響并不明顯,因此這可能會(huì)更進(jìn)一步刺激銀行系統(tǒng)的貨幣投入力度。

2.銀行自身環(huán)境是影響中國(guó)商業(yè)銀行全要素生產(chǎn)率的決定性因素

(1)經(jīng)營(yíng)穩(wěn)定性對(duì)中國(guó)商業(yè)銀行全要素生產(chǎn)率的影響不顯著。資本充足率是一個(gè)較為復(fù)雜的因素,一方面,銀行資本充足率越高,銀行的經(jīng)營(yíng)穩(wěn)定性就越好,銀行風(fēng)險(xiǎn)越小,銀行效率就越高;另一方面,銀行是一個(gè)依賴(lài)于負(fù)債經(jīng)營(yíng)的企業(yè),資本充足率越高,財(cái)務(wù)杠桿越小,銀行盈利能力可能越小,利潤(rùn)越少,影響銀行的效率。但在本文模型估計(jì)中,CAR統(tǒng)計(jì)不顯著,這也較好地反映了資本充足率對(duì)中國(guó)商業(yè)銀行效率影響的復(fù)雜性。

(2)公司治理結(jié)構(gòu)對(duì)中國(guó)商業(yè)銀行全要素生產(chǎn)率的影響不顯著。通常認(rèn)為銀行的營(yíng)業(yè)外支出占比反映銀行的公司治理水平,營(yíng)業(yè)外支出相對(duì)越少,銀行治理水平越高,銀行效率越高,也就是它們應(yīng)該是負(fù)相關(guān)的,但是本文TFP固定效應(yīng)模型估計(jì)中,統(tǒng)計(jì)不顯著,這可能是由于營(yíng)業(yè)外支出占銀行的收入比較非常小,平均僅有0.27%。

(3)盈利能力對(duì)中國(guó)商業(yè)銀行全要素生產(chǎn)率的影響最為顯著。模型估計(jì)結(jié)果顯示,凈資本收益率(ROE)的系數(shù)為正,且統(tǒng)計(jì)顯著。說(shuō)明當(dāng)前中國(guó)銀行業(yè)的競(jìng)爭(zhēng)力主要還是依賴(lài)于盈利能力,更進(jìn)一步是來(lái)源于銀行的利息收入帶來(lái)的盈利,來(lái)源于銀行傳統(tǒng)業(yè)務(wù)的存貸款利息差。而盈利能力對(duì)中國(guó)商業(yè)銀行效率的影響最為顯著,說(shuō)明中國(guó)商業(yè)銀行的競(jìng)爭(zhēng)力還處于比較初級(jí)的階段。

(4)創(chuàng)新能力和資產(chǎn)配置能力對(duì)中國(guó)商業(yè)銀行全要素生產(chǎn)率的影響比較顯著。非利息收入占比(NII)的系數(shù)為正,且統(tǒng)計(jì)顯著,說(shuō)明銀行創(chuàng)新能力確實(shí)提高了銀行的競(jìng)爭(zhēng)效率。存貸比(LDR)系數(shù)為正,且統(tǒng)計(jì)顯著,說(shuō)明存貸比也影響了中國(guó)商業(yè)銀行的效率,事實(shí)上,存貸比更多的還是影響著中國(guó)商業(yè)銀行的凈利息收入,影響著商業(yè)銀行的盈利能力,進(jìn)而影響銀行的效率。

綜合來(lái)看,影響中國(guó)商業(yè)銀行生產(chǎn)率的主要微觀(guān)因素還是盈利能力和創(chuàng)新能力,而其他因素統(tǒng)計(jì)上大都沒(méi)有顯著的帶來(lái)銀行效率的提升。

(二)政策建議

1.加快中國(guó)金融改革步伐,提高金融創(chuàng)新能力

為了全面提高中國(guó)商業(yè)銀行的效率,提升中國(guó)商業(yè)銀行的競(jìng)爭(zhēng)力,務(wù)必從宏觀(guān)金融政策上做出改變,加快金融改革步伐,提高銀行業(yè)創(chuàng)新意識(shí),拓展商業(yè)銀行中間業(yè)務(wù)、表外業(yè)務(wù)等非利息業(yè)務(wù),增加銀行業(yè)非利息收入。創(chuàng)新是銀行生存的靈魂,是銀行發(fā)展的根本,是提高銀行競(jìng)爭(zhēng)力的最有效手段,只有重視創(chuàng)新對(duì)銀行的重要性,才能改變銀行的盈利模式,才能有效提高銀行的競(jìng)爭(zhēng)力。

2.央行要繼續(xù)豐富貨幣政策工具手段,減小貨幣供給量變化對(duì)全要素生產(chǎn)率的影響程度

本文第五部分實(shí)證發(fā)現(xiàn)貨幣供給量對(duì)中國(guó)商業(yè)銀行全要素生產(chǎn)率有著非常明顯的影響,貨幣供給量增幅較大的年份,銀行全要素生產(chǎn)率也顯著的增加,而一旦貨幣供給量增幅減少,銀行全要素生產(chǎn)率便馬上下降。針對(duì)這種情況,從貨幣供應(yīng)量的角度,如果要提高中國(guó)商業(yè)銀行全要素生產(chǎn)率,就需要超發(fā)貨幣,但貨幣超發(fā)勢(shì)必會(huì)帶來(lái)通貨膨脹的壓力,以及一系列其他經(jīng)濟(jì)問(wèn)題。而且從央行來(lái)說(shuō),商業(yè)銀行全要素生產(chǎn)率也不會(huì)成為貨幣政策的調(diào)控目標(biāo),貨幣政策工具選擇有著自身的決策依據(jù)和實(shí)施步驟。

但是,毫無(wú)疑問(wèn),不管是怎樣的貨幣政策決策制度,簡(jiǎn)單的采取貨幣供應(yīng)量發(fā)行增減來(lái)應(yīng)對(duì)經(jīng)濟(jì)運(yùn)行變化都是缺乏效率的,央行應(yīng)該多方位多層次豐富貨幣政策工具,提高決策效率。近些年,為了更有效地對(duì)經(jīng)濟(jì)運(yùn)行變化和金融市場(chǎng)變化進(jìn)行定向精準(zhǔn)調(diào)控,中國(guó)央行創(chuàng)設(shè)了很多新的貨幣政策工具,諸如中期借貸便利、抵押補(bǔ)充貸款工具、常備借貸便利等,這些新的貨幣政策工具成了常規(guī)貨幣政策工具非常有力的補(bǔ)充,也在一定程度上影響著中國(guó)商業(yè)銀行全要素生產(chǎn)率。大量的使用這種更精準(zhǔn)的貨幣政策工具能夠抑制因貨幣供應(yīng)量劇烈波動(dòng)而引起的商業(yè)銀行全要素生產(chǎn)率的大幅波動(dòng),保證商業(yè)銀行全要素生產(chǎn)率的平穩(wěn)增長(zhǎng)。

3.深化商業(yè)銀行與互聯(lián)網(wǎng)金融的合作,提高銀行生產(chǎn)效率

互聯(lián)網(wǎng)金融是當(dāng)今全球互聯(lián)網(wǎng)時(shí)代的金融業(yè)常態(tài),也是銀行業(yè)發(fā)展的重要途徑和有效渠道,應(yīng)該深化商業(yè)銀行與互聯(lián)網(wǎng)金融的合作,將互聯(lián)網(wǎng)引入銀行業(yè)業(yè)務(wù)發(fā)展中,全面提升銀行業(yè)的競(jìng)爭(zhēng)格局,提高銀行效率。

身處互聯(lián)網(wǎng)時(shí)代,如果能有效發(fā)揮互聯(lián)網(wǎng)對(duì)銀行傳統(tǒng)業(yè)務(wù)的深化作用,發(fā)揮互聯(lián)網(wǎng)對(duì)銀行中間業(yè)務(wù)的發(fā)展促進(jìn)作用,發(fā)揮互聯(lián)網(wǎng)對(duì)銀行新型業(yè)務(wù)的拓展作用,可以有效提高銀行資源的配置效率,提高商業(yè)銀行的競(jìng)爭(zhēng)力。

4.提高商業(yè)銀行經(jīng)營(yíng)管理理念,提升商業(yè)銀行的盈利質(zhì)量

本文對(duì)影響商業(yè)銀行全要素生產(chǎn)率的因素分析中,盈利能力是最顯著、最有效的一個(gè)因素,企業(yè)經(jīng)營(yíng)的根本目的是盈利,銀行發(fā)展的根本前提也是盈利,只有盈利才能解決銀行發(fā)展過(guò)程中所遇到的所有問(wèn)題,因此盈利能力是銀行全要素生產(chǎn)率的核心。

但是在保持盈利能力的前提下,中國(guó)商業(yè)銀行還需要進(jìn)一步提高其盈利質(zhì)量。提高盈利質(zhì)量,可以提高銀行的競(jìng)爭(zhēng)潛力和競(jìng)爭(zhēng)效率。要想提高盈利質(zhì)量,需要提高銀行經(jīng)營(yíng)管理水平,深化銀行內(nèi)部管理制度改革,完善銀行公司治理結(jié)構(gòu),強(qiáng)化銀行服務(wù)意識(shí),增強(qiáng)銀行創(chuàng)新能力。