基于DEA和Malmquist模型的上市商業(yè)銀行效率實證研究

董奮義， 梁 曉

（河南農(nóng)業(yè)大學(xué)信息與管理科學(xué)學(xué)院，鄭州 450046）

當(dāng)前，中國經(jīng)濟由高速增長階段向高質(zhì)量發(fā)展階段轉(zhuǎn)變. 這一轉(zhuǎn)變，必然使得經(jīng)濟經(jīng)歷全方位改革和供給側(cè)結(jié)構(gòu)性改革. 在此背景下，為了保證經(jīng)濟轉(zhuǎn)型進程的穩(wěn)步推進，對各個行業(yè)提出了更高的要求，金融業(yè)作為經(jīng)濟發(fā)展的核心行業(yè)和保障改革的關(guān)鍵行業(yè)，提高金融業(yè)的資源配置勢在必行.

上市商業(yè)銀行作為金融業(yè)的支柱，為促進國民經(jīng)濟發(fā)展、支持經(jīng)濟體制改革發(fā)揮著重要的作用. 中國銀行業(yè)在面臨利率市場化、市場競爭日趨激烈、不良貸款維持高位等多重壓力的情況下，如何提高經(jīng)營效率，如何有效地占據(jù)市場份額，保持銀行效率持續(xù)增長的趨勢，如何創(chuàng)新發(fā)展以提高全要素生產(chǎn)率，這些都是中國上市銀行當(dāng)前及今后一段時期亟須解決的主要問題. 可見，當(dāng)前適逢上市商業(yè)銀行的窗口期，對上市商業(yè)銀行的經(jīng)營效率進行分析具有重要的理論意義和現(xiàn)實價值.

1 文獻綜述

國內(nèi)外學(xué)者對銀行效率進行了大量的研究. 本文從以下兩個方面對以往的研究進行總結(jié).

第一，國內(nèi)外學(xué)者應(yīng)用不同的研究方法對中國銀行效率做出了研究. Barros 等［1］運用創(chuàng)新的DEA 模型和逆B-凸模型，對中國銀行效率進行了研究，得出了中國加入WTO之后總體效率隨時間的推移而有所改善的結(jié)論；Zhu等［2］采用了定向距離函數(shù)和Metafrontier-Luenberger生產(chǎn)率指標(biāo)，對25家中國商業(yè)銀行的效率和全要素生產(chǎn)率進行了衡量；姜永宏、姜偉杰［3］通過運用Luenberger 指數(shù)法，得出了不考慮壞產(chǎn)出約束時全要素生產(chǎn)率會高估和上市銀行全要素生產(chǎn)率退步的結(jié)論；郭娜、薛超等［4］通過運用隨機前沿法對城商行的經(jīng)營效率進行了分析，發(fā)現(xiàn)近幾年城商行的經(jīng)營效率總體呈上升趨勢，忽視不良貸款會嚴(yán)重高估城商行的成本效率；鐘世和、何英華等［5］運用改進的SFA模型和方差法，從動態(tài)視角分別考察了商業(yè)銀行效率和風(fēng)險，得出了中國商業(yè)銀行存在“鮑曼悖論”和效率波動對風(fēng)險方差的貢獻更大的結(jié)論；董奮義、介宇揚等［6］運用灰色綜合聚類法構(gòu)建了績效評價模型，通過比較靜態(tài)分析法對銀行類上市公司的經(jīng)營績效進行了評價. 盡管研究銀行效率的方法比較多，但是Berger和Humphrey［7］指出，DEA能夠更加有效地對不同生產(chǎn)規(guī)模銀行效率進行評估.

第二，國內(nèi)學(xué)者應(yīng)用DEA方法對中國銀行效率進行了廣泛的研究. Sherman&Gold［8］首次將DEA方法推廣到銀行效率研究中，此后，DEA方法開始廣泛地應(yīng)用到銀行效率研究中；靳素君［9］運用DEA模型，對河南省17家城市商業(yè)銀行2011年的銀行相對效率進行了實證研究，并從加強內(nèi)部風(fēng)險控制、適度擴大銀行規(guī)模等角度提出了改善建議；王愛東，王鵬［10］基于超效率DEA-Malmquist方法，測算了13家上市銀行效率水平；韓松，蘇熊［11］從銀行運營結(jié)構(gòu)角度，通過構(gòu)建復(fù)雜網(wǎng)絡(luò)DEA模型對銀行整體結(jié)構(gòu)效率進行了評價. 此外，兩階段DEA和三階段DEA方法也被廣泛地應(yīng)用在銀行效率的研究中，如曾薇和陳收等［12］、周逢民和張會元等［13］、王鋼和石奇［14］、段永瑞和景一方等［15］眾多學(xué)者運用兩階段DEA模型或?qū)ζ溥M行改進、組合來研究銀行效率；王莉和李勇等［16］、丁曼和馬超群等［17］、周申蓓和張?。?8］、蔣書彬［19］、陳一洪［20］等人運用三階段DEA方法對我國商業(yè)銀行效率進行了測評.

綜上所述，對銀行效率方面的研究已經(jīng)很豐富了，但是隨著時間的推移，每個階段銀行所處的宏觀背景以及面臨的問題是不同的，為了實時掌握最新的情況，并對現(xiàn)在這一階段和未來一段時期做出科學(xué)的、合理的決策，就有必要對上市銀行近幾年的經(jīng)營管理情況進行研究和評價. 鑒于此，本研究選取16家中國上市商業(yè)銀行作為樣本，首先運用DEA-BCC 模型對2018年的樣本銀行效率進行靜態(tài)分析，然后結(jié)合Malmquist模型對2010—2018年的樣本銀行全要素生產(chǎn)率變動進行動態(tài)分析，以期找出影響上市商業(yè)銀行效率的主要因素. 本文主要貢獻有以下3點：①豐富了DEA模型和中國上市商業(yè)銀行效率兩方面的研究成果；②靜態(tài)分析和動態(tài)分析相結(jié)合，不僅能科學(xué)地掌握中國上市商業(yè)銀行過去一年的經(jīng)營效率，還可以掌握近幾年的發(fā)展趨勢，為上市商業(yè)銀行經(jīng)營及決策提供理論基礎(chǔ)；③在當(dāng)前宏觀經(jīng)濟背景下，對中國上市商業(yè)銀行效率進行研究，并提出相應(yīng)的建議，對上市商業(yè)銀行合理配置資源、提升全要素生產(chǎn)率、促進經(jīng)濟發(fā)展，具有重要的現(xiàn)實指導(dǎo)價值.

2 模型構(gòu)建

數(shù)據(jù)包絡(luò)分析法（DEA），也稱為Farrell型有效分析法或非參數(shù)分析法，由美國著名運籌學(xué)家W.Copper、A.Charnes 和E.Rhodes 在1978年首次提出的一種評價決策單元相對效率的方法［21］. DEA 方法多用于多投入、多產(chǎn)出的同類決策單元評價中，是最常用的一種非參數(shù)前沿效率分析方法.

CCR模型和BCC模型是DEA中最常用的模型. CCR模型的基本假設(shè)是規(guī)模報酬不變，但在實際中決策單元有可能出現(xiàn)規(guī)模遞增或者是規(guī)模遞減的情況，且大部分生產(chǎn)單位并未達到最優(yōu)生產(chǎn)，所以CCR模型適用于達到最優(yōu)生產(chǎn)的企業(yè). 而BCC模型則是在規(guī)模報酬可變的基本假設(shè)前提下，計算相對效率值，適用于未達到最優(yōu)生產(chǎn)的企業(yè). BCC模型中綜合效率（也稱技術(shù)效率）可以分解為規(guī)模效率和純技術(shù)效率，通過將規(guī)模效率分離出來可以清楚地區(qū)分影響最優(yōu)生產(chǎn)的是技術(shù)效率還是規(guī)模效率. 本文旨在研究上市商業(yè)銀行的效率水平，并找出影響上市商業(yè)銀行效率的因素，考慮到各個上市銀行的投入是不同規(guī)模報酬的情況，本研究選用BCC模型對中國上市銀行的效率進行分析，以期從技術(shù)和規(guī)模上提出有建設(shè)性的建議.

Malmquist生產(chǎn)率指數(shù)方法是基于DEA方法提出的，是建立在距離函數(shù)之上，用于測量全要素生產(chǎn)率的變化. 由于DEA-BCC模型是對上市銀行在同一時間段的效率進行測度，屬于靜態(tài)研究. 而Malmquist生產(chǎn)率指數(shù)法卻可以對同一家上市銀行的不同時間的效率進行測度，從而有效地彌補靜態(tài)分析中缺乏縱向比較的不足，且還可以通過分解指數(shù)進一步分析影響生產(chǎn)率的因素. 為了更好地分析中國上市銀行的發(fā)展態(tài)勢和影響其效率變化的因素，本研究結(jié)合Malmquist生產(chǎn)率指數(shù)法對上市商業(yè)銀行的效率進行動態(tài)分析.

2.1 DEA-BCC模型

假設(shè)共有n 家上市商業(yè)銀行（決策單元DMU），每家上市銀行都有m 種類型投入要素和s 種產(chǎn)出，對于第j 家銀行可以表示為DMUj(xj,yj)(0 ≤j ≤n)，第j 家上市銀行的投入和產(chǎn)出向量分別為：

其中：xij是第j 家上市商業(yè)銀行在第i 項投入值，且xij＞0；yrj是第j 家上市商業(yè)銀行在第r 項產(chǎn)出值，且yrj＞0.

經(jīng)過變換，基于投入的效率評價BCC優(yōu)化模型表示為：

其中：θ 為第j 家上市銀行的有效值（指投入相對于產(chǎn)出的有效利用程度），即效率值.

將樣本上市商業(yè)銀行的投入產(chǎn)出代入線性規(guī)劃中求解便可以得到上市銀行技術(shù)效率（TE），也稱綜合效率. 技術(shù)效率（TE）等于純技術(shù)效率（PTE）與規(guī)模效率（SE）的乘積，即TE=PTE×SE .

2.2 Malmquist生產(chǎn)率指數(shù)模型

Malmquist于1953年最初提出了Malmquist指數(shù)模型，該模型是目前應(yīng)用比較廣泛的動態(tài)評價效率的方法，主要測量各決策單元生產(chǎn)率的變化情況，即全要素生產(chǎn)率變化（TFP）.按照前文的設(shè)定，x為投入，y為產(chǎn)出，則Malmquist生產(chǎn)率指數(shù)模型為：

其中：(xt,yt)和(xt+1,yt+1)分別代表t期和t+1時期上市銀行的投入產(chǎn)出向量；Dt、Dt+1分別表示t期和t+1期技術(shù)水平時決策單元的相對效率. 當(dāng)M ＞1時，說明全要素生產(chǎn)率從t期到t+1期處于增長趨勢；當(dāng)M=1時，說明處于停滯狀態(tài)；當(dāng)M ＜1時，則說明處于下降趨勢.

Malmquist指數(shù)受技術(shù)效率和技術(shù)進步共同作用，可進一步分解為技術(shù)效率變化指數(shù)（EFFCH）和技術(shù)進步變化指數(shù)（TECH）. 故上式經(jīng)過變換，可得：

又由于技術(shù)效率（TE）等于純技術(shù)效率（PTE）與規(guī)模效率（SE）的乘積，故

3 中國上市商業(yè)銀行效率實證分析

3.1 指標(biāo)選取及樣本數(shù)據(jù)

目前，我國上市商業(yè)銀行共有45家，其中29家是2014年以后新上市的銀行，由于本研究運用Malmquist對上市商業(yè)銀行進行時間序列動態(tài)分析，根據(jù)數(shù)據(jù)的可得性原則，故選取剩余的16家上市時間比較久、樣本數(shù)據(jù)多的上市商業(yè)銀行作為研究樣本. 16 家上市商業(yè)銀行的代碼及名稱見表1，樣本數(shù)據(jù)選取時間段為2010—2018年，數(shù)據(jù)來源于各個上市銀行的年報.

一般地，對銀行業(yè)的投入產(chǎn)出指標(biāo)選取有三種方法：生產(chǎn)法、中介法和資產(chǎn)法. 商業(yè)銀行作為提供多種服務(wù)的金融機構(gòu)，不僅具有金融媒介和信用媒介的特點，其經(jīng)營也是以營利為目的. 因此，本研究結(jié)合生產(chǎn)法和中介法，參考國內(nèi)外學(xué)者文獻中指標(biāo)的選取，以存款總額（億元）、員工人數(shù)（人）、營業(yè)支出（億元）作為投入指標(biāo)，以貸款總額（億元）、利潤總額（億元）作為產(chǎn)出指標(biāo)，指標(biāo)說明詳見表2. 此外，由于不良貸款率是衡量銀行經(jīng)營質(zhì)量的一個重要指標(biāo)，故參考Thanassoulis等［22］將不良貸款率也列入衡量上市銀行效率的投入指標(biāo)中.

表2 投入指標(biāo)與產(chǎn)出指標(biāo)的選擇Tab.2 Selection of input and output indicators

由于使用DEA-BCC模型時，投入指標(biāo)與產(chǎn)出指標(biāo)必須符合“同向性”假設(shè)，常選用Pearson相關(guān)性分析檢驗方法進行檢測. 由表3可知，4項投入指標(biāo)與2項產(chǎn)出指標(biāo)均通過了0.01層的顯著性水平下的雙尾檢驗，說明所選上市商業(yè)銀行各投入產(chǎn)出指標(biāo)符合“同向性”原則，可以進行實證分析.

表3 Pearson相關(guān)分析結(jié)果Tab.3 Pearson correlation analysis results

3.2 中國上市商業(yè)銀行效率分析

3.2.1 基于BCC模型靜態(tài)分析 為保證時效性，本研究選擇2018年的統(tǒng)計數(shù)據(jù)，基于DEA-BCC模型，運用DEAP2.1軟件對16家上市銀行效率進行測算（見表4）.

表4 2018年16家上市商業(yè)銀行的效率值Tab.4 Efficiency values of 16 listed commercial banks in 2018

由表4 可知，2018 年中國上市銀行的綜合效率、純技術(shù)效率和規(guī)模效率平均值分別為0.965、0.980 和0.984，大于0.950但小于1，表明我國上市銀行的效率整體上雖未達到有效，但是發(fā)展良好.

從綜合效率看，16家上市商業(yè)銀行中有10家上市銀行（中國銀行、中國建設(shè)銀行、中國工商銀行、交通銀行、華夏銀行、浦發(fā)銀行、招商銀行、中信銀行、北京銀行和南京銀行）達到了DEA有效，占62.5%，剩余的6個上市銀行均為非DEA有效，其中寧波銀行的綜合效率最低. 10家上市商業(yè)銀行DEA有效，說明了它們投入產(chǎn)出資源達到了最優(yōu)配比，無資源浪費現(xiàn)象. 在6家無效的上市商業(yè)銀行中，中國農(nóng)業(yè)銀行、平安銀行和寧波銀行的綜合效率值均低于0.900，說明這三家銀行的綜合效率偏低. 寧波銀行的綜合效率最低，為0.828，其純技術(shù)效率為1，規(guī)模效率為0.828，表明規(guī)模效率是造成寧波銀行綜合效率偏低的主要原因. 中國農(nóng)業(yè)銀行和平安銀行的綜合效率偏低主要是由這兩家上市銀行的純技術(shù)效率偏低導(dǎo)致的. 光大銀行、中國民生銀行和興業(yè)銀行盡管綜合效率均高于0.900，但依舊未達到DEA有效狀態(tài)，純技術(shù)效率偏低是影響它們綜合效率低的主要原因. 由此可見，導(dǎo)致上市商業(yè)銀行2018年綜合效率偏低的主要原因在于純技術(shù)效率低下，未達到生產(chǎn)前沿面的上市銀行應(yīng)該加強銀行內(nèi)部管理，提升技術(shù)水平.

從純技術(shù)效率看，2018年除了中國農(nóng)業(yè)銀行、光大銀行、中國民生銀行、平安銀行和興業(yè)銀行5家上市商業(yè)銀行未達到純技術(shù)有效外，其余11家上市商業(yè)銀行均達到了技術(shù)有效，占68.75%. 在純技術(shù)效率有效的11家上市銀行中，成立久遠的國有控股銀行（中國銀行、中國建設(shè)銀行、交通銀行和中國工商銀行）、全國性股份制銀行（華夏銀行、招商銀行、浦發(fā)銀行和中信銀行）和規(guī)模較小的地方性股份銀行（北京銀行、南京銀行和寧波）數(shù)量相差不多，這不僅說明了這11家上市商業(yè)銀行的投入產(chǎn)出資源配置達到了最優(yōu)，而且也表明了銀行的規(guī)模大小對上市銀行的純技術(shù)效率影響不大. 對于5家未達到純技術(shù)效率有效的上市商業(yè)銀行、光大銀行和興業(yè)銀行純技術(shù)效率處于相對有效水平，說明這兩家上市銀行的技術(shù)水平和管理水平較高；中國農(nóng)業(yè)銀行、中國民生銀行和平安銀行雖然純技術(shù)水平超過了0.850，但還有很大進步空間. 總的來講，純技術(shù)效率無效的5家銀行應(yīng)該努力提升經(jīng)營管理水平和創(chuàng)新水平，將管理嚴(yán)格化、精細化，合理地引進人才，改進經(jīng)營模式，提高技術(shù)應(yīng)用等，進而提高純技術(shù)效率.

從規(guī)模效率看，2018年上市商業(yè)銀行的效率低下不明顯，除了寧波銀行的規(guī)模效率低于0.900，其余的上市銀行效率均達到或者超過0.950. 中國銀行、中國建設(shè)銀行、中國工商銀行、交通銀行、華夏銀行、浦發(fā)銀行、興業(yè)銀行、招商銀行、中信銀行、北京銀行和南京銀行10家上市商業(yè)銀行的規(guī)模效率均為1，達到了生產(chǎn)前沿面，說明已經(jīng)達到了最優(yōu)的生產(chǎn)規(guī)模，實現(xiàn)了效用最大化，只需繼續(xù)保持現(xiàn)有的資源配置. 中國農(nóng)業(yè)銀行、光大銀行、中國民生銀行、平安銀行、興業(yè)銀行和寧波銀行6家上市銀行均為規(guī)模效率遞增，表明了這些銀行投入的資源得到了充分的利用，但未達到最高的產(chǎn)出效率. 因此，這6家未達到生產(chǎn)前沿面的上市銀行應(yīng)該擴大生產(chǎn)規(guī)模，增加要素投入量，如增加員工人數(shù)、增加經(jīng)營費用的支出等，使得投入資源得到合理的配置，進一步地推動上市銀行效率的提升.

3.2.2 基于Malmquis指數(shù)動態(tài)分析 本研究運用DEAP2.1軟件，選擇基于投入導(dǎo)向的可變規(guī)模效率DEA模型，將整理的2010—2018 年面板數(shù)據(jù)代入模型中，測算出16 家上市商業(yè)銀行的Malmquist 值，見表5. 由于每一個Malmquist 指數(shù)均表示上一年度的增長或下降，因此2010 年的Malmsquist 值默認(rèn)為1，測算結(jié)果從2011年開始.

表5 2011—2018年16家上市商業(yè)銀行各年度Malmquist指數(shù)值Tab.5 Annual Malmquist index values of 16 listed commercial banks from 2011 to 2018

由表5可知，2011—2018年中國上市銀行的全要素生產(chǎn)率（TFP）平均值為1.022，表明2011年以來上市銀行全要素生產(chǎn)率整體上績效水平呈上升趨勢，年均增長率為2.2%.

從各銀行角度看，在2011—2018年間，13家上市銀行的全要素生產(chǎn)率平均值大于1，占81.25%. 其中，招商銀行的全要素生產(chǎn)率上升的最多，增幅高達5.7%. 中國銀行一直有條不紊地處于增長趨勢，這與中國銀行高效的管理經(jīng)營能力、技術(shù)創(chuàng)新以及積極應(yīng)對外部環(huán)境能力等有關(guān). 中國建設(shè)銀行、中國工商銀行、交通銀行、中國農(nóng)業(yè)銀行、光大銀行、中國民生銀行、招商銀行、中信銀行、浦發(fā)銀行和北京銀行10家上市商業(yè)銀行以2013—2015年為分界年，全要素生產(chǎn)率處于一個增長—下降—再增長的波浪式趨勢，其中招商銀行和中信銀行分別在2015 年和2012 年處于一個停滯的狀態(tài). 華夏銀行和平安銀行的全要素生產(chǎn)率分別在2011年和2011—2014年處于一個下降的趨勢，但在隨后一直保持增長趨勢，說明二者在不斷地探索中找到了適合各自銀行的最優(yōu)資源配置比例. 興業(yè)銀行、南京銀行和寧波銀行在樣本期內(nèi)，剛開始處于增長趨勢，在2013年以后差不多一直處于一個下降的趨勢，這可能與2012年央行的兩次降息有關(guān).

從各年度角度看，2011年16家上市銀行的平均全要素生產(chǎn)率最高，為1.079，這與2008年經(jīng)濟危機后我國實行的一系列振興經(jīng)濟政策有關(guān)，政府通過經(jīng)濟刺激使得商業(yè)銀行的全要素生產(chǎn)率也有所提升. 2014年和2015年這16家上市銀行的平均全要素生產(chǎn)率均小于1，且2015年不僅Malmquist平均值最低，而且共有10家上市銀行處于下降趨勢，具體何種因素使我國上市商業(yè)銀行在這兩年效率低下，需要對16家上市商業(yè)銀行的全要素生產(chǎn)率進一步分解分析. 表6是16家上市商業(yè)銀行各年份平均Malmquist 指數(shù)值及分解情況. 圖1是2011—2018年上市銀行全要素生產(chǎn)率及其構(gòu)成的變化趨勢.

表6 16家上市商業(yè)銀行各年份平均Malmquist指數(shù)值及分解Tab.6 Average Malmquist index values and decomposition of 16 listed commercial banks in each year

圖1 2011—2018年上市銀行全要素生產(chǎn)率及其構(gòu)成的變化趨勢Fig.1 The changing trends of total factor productivity and its composition of listed banks from 2011 to 2018

從2010—2018年上市商業(yè)銀行發(fā)展動態(tài)可以看出（圖1），綜合效率2013年前在1.0附近平穩(wěn)發(fā)展，隨后進入震蕩上升趨勢，技術(shù)進步的波動趨勢與全要素生產(chǎn)率（TFP）的趨勢大致相同. 由表6可知，綜合效率和技術(shù)進步的平均值分別為0.999和1.024，表明由于技術(shù)進步的增長大于綜合技術(shù)效率的下降，所以上市商業(yè)銀行效率樣本期內(nèi)處于上升趨勢的主要原因在于技術(shù)進步的上升. 此外，由圖1再次印證了2015年是樣本年限發(fā)展趨勢的轉(zhuǎn)折點，2010—2015年二者是下降的趨勢，2015—2018年二者效率開始提高呈現(xiàn)出上升的趨勢，以下將主要對2014年和2015年的下降趨勢進行分析.

由表6可知，2014年全要素生產(chǎn)率為0.981，年均下降了1.9%，從一級分解情況看，技術(shù)進步處于略微上升趨勢，而綜合技術(shù)效率是下降趨勢. 對綜合技術(shù)效率進行二次分解可知，純技術(shù)效率和規(guī)模效率的共同下降是造成上市銀行全要素生產(chǎn)率下降的主要原因. 此外，導(dǎo)致2014年效率下降的原因也有可能是央行將存款利率上限調(diào)至基準(zhǔn)利率的1.2倍這一政策，利率市場化的改革會影響到銀行效率. 2015年全要素生產(chǎn)率是樣本期內(nèi)最低的年份，為0.976，年均下降2.4%，且相比于2014年又下降了0.5%. 對2015年全要素生產(chǎn)率進行分解，純技術(shù)效率上升了1.3%，規(guī)模效率上升了3%，技術(shù)進步下降了4.8%，故而技術(shù)進步是導(dǎo)致2015年全要素生產(chǎn)率下降的主要原因. 因此，2015年全要素生產(chǎn)率下降可能有兩個原因：第一，2014年利率的改革對上市銀行的經(jīng)營管理和創(chuàng)新水平造成了影響，因此上市銀行2015年技術(shù)進步的下降導(dǎo)致了全要素生產(chǎn)率的下降；第二，2014年下半年美國退出量化寬松貨幣政策，上市銀行海內(nèi)外業(yè)務(wù)由于受美國貨幣政策的影響導(dǎo)致經(jīng)營效率下降，進一步使得全要素生產(chǎn)率下降.

整體上來講，大部分上市商業(yè)銀行在樣本期內(nèi)均處于增長趨勢（表5），說明實現(xiàn)了資源的合理配置，要素質(zhì)量和科學(xué)技術(shù)得到了提升，但是全要素生產(chǎn)率、綜合效率和技術(shù)進步并不是線性關(guān)系，而是波動發(fā)展的態(tài)勢（圖1），這說明了一定程度上上市商業(yè)銀行效率并沒有實現(xiàn)可持續(xù)性增長. 此外，政策改革和經(jīng)濟環(huán)境的雙重壓力使一些創(chuàng)新不足或不能及時進行內(nèi)部調(diào)整等原因的上市銀行造成全要素生產(chǎn)率降低，甚至生產(chǎn)前沿面倒退.

4 結(jié)論與建議

本研究運用DEA-BCC 模型和Malmquist 生產(chǎn)率指數(shù)模型分別對16家上市銀行效率進行了靜態(tài)和動態(tài)測算，得出以下結(jié)論.

1）2018年16家上市銀行整體上發(fā)展良好，綜合效率均值為0.965，雖未達到有效的生產(chǎn)前沿面，但大部分上市銀行均已達到最優(yōu)生產(chǎn)規(guī)模，純技術(shù)效率是導(dǎo)致上市銀行效率無效的主要原因，技術(shù)管理和創(chuàng)新發(fā)展是目前上市銀行亟須解決的問題；

2）2010—2018年上市商業(yè)銀行平均全要素生產(chǎn)率呈現(xiàn)的是增長的趨勢，除了中國銀行外其余上市商業(yè)銀行效率均沒有實現(xiàn)可持續(xù)性增長；

3）樣本期內(nèi)，大部分上市商業(yè)銀行在2014年和2015年全要素生產(chǎn)率處于一個下降的趨勢，除了由技術(shù)進步造成，也受到了宏觀政策和國際經(jīng)濟環(huán)境的影響.

基于以上研究結(jié)論，為了優(yōu)化上市銀行經(jīng)營效率，本研究提出如下三點建議.

1）上市商業(yè)銀行務(wù)必將創(chuàng)新作為目前首要發(fā)展目標(biāo)，創(chuàng)新發(fā)展是上市銀行提高效率、提升競爭力的關(guān)鍵因素，積極引進專業(yè)人才，創(chuàng)新營銷，提高技術(shù)水平，才能提高銀行效率；

2）上市商業(yè)銀行應(yīng)該努力提高銀行經(jīng)營管理能力，盈利是銀行業(yè)發(fā)展生存的根本，只有提升銀行自身的盈利能力，方能提高全要素生產(chǎn)率；

3）目前我國經(jīng)濟環(huán)境處于穩(wěn)中有變的形勢，上市商業(yè)銀行應(yīng)該對國內(nèi)金融市場做出積極、準(zhǔn)確的預(yù)判，此外也要加強國際經(jīng)濟環(huán)境的應(yīng)變能力，進而努力提高抗風(fēng)險能力，最終實現(xiàn)銀行效率處于穩(wěn)定增長的趨勢.