参考张健华中外银行业效率及其影响因素研究.docx
《参考张健华中外银行业效率及其影响因素研究.docx》由会员分享，可在线阅读，更多相关《参考张健华中外银行业效率及其影响因素研究.docx（62页珍藏版）》请在冰豆网上搜索。
参考张健华中外银行业效率及其影响因素研究
中、外银行业效率及其影响因素研究
-----基于产出定位的距离函数模型
中国金融40人论坛成员张健华[2010-08-23]
摘要：
本文根据2004－2008年中国银行业和国外主要银行数据，采用随机前沿方法和产出定位的距离函数，从银行盈利角度，对中、外银行业运行效率及其影响因素进行了系统比较。
研究发现：
（1）2006年以来，绝大多数样本国家主要银行的技术效率呈下降趋势，其中2007－2008年下降更为明显。
与此相反，2006年及以前，中国银行业盈利效率并不高，但2007年以来，中国银行业盈利效率逐年上升。
（2）从不同法系银行效率平均值来看，北欧法系的银行平均盈利效率最高，德国法系最低，英美法系和法国法系相差不大。
中国银行业平均盈利效率较高，尤其是在全部银行比较中仅次于北欧法系；在前几大银行比较中，仅次于北欧法系和俄罗斯法系。
（3）从法律体系的影响来看，给定其它影响因素，与其它法系相比，中国和俄罗斯法律体系带来的银行无效率较高。
（4）从国家层面影响因素来看，银行在本国的重要程度、对银行业务活动的监管程度、本国经济规模和经济发展速度与银行效率正相关；国有银行控股比重、金融发展深度与银行效率负相关。
（5）从银行特征影响因素来看，银行规模、公开上市、权益资本占比、贷存比与银行效率正相关，其中银行规模、公开上市对银行效率的促进作用对中国银行业更加明显，权益资本占比对银行效率的促进作用在中国银行业中受到弱化；银行的投资比例、银行间资金比例导致银行效率降低，其中投资比例与银行效率的负向关系在中国银行业中受到弱化。
对国外银行来讲，不良贷款率和拨备率与银行效率的关系并不显著，但对中国银行业来讲，不良贷款率与银行效率负相关，拨备率与银行效率正相关。
（6）从银行类型来看，给定其它因素，与银行控股公司相比，一般商业银行和投资银行的无效率偏高，政府信贷组织和其它类型银行无效率偏低，这一结论在国外银行样本中表现尤为明显。
一、前言
2007年以来由次货危机引发的全球性金融危机，给众多国家的金融体系带来重大影响，导致一大批银行经营困难甚至倒闭。
与此相比，中国银行业却表现出明显的发展优势，根据《TheBanker》全球银行盈利排名，2008年，中国工行、建行和中行分别位列第一、二和四位。
与此同时，国、内外对中国银行业的态度也发生了重大变化，从对中国银行业的怀疑（尤其是1997年亚洲金融危机爆发后，国际上很多观点认为中国银行体系也将难免爆发危机）转变为对中国银行业改革的认可和赞同。
中国银行业的不断进步源自于中国金融体系的持续改革，尤其是2003年以来对国有大银行的改革，力度非常之大。
2002年，中国召开第二次全国金融会议，决定启动国有商业银行改革，并于2003年9月选择选择中国银行、中国建设银行进行试点。
随后的4年中，我国四大国有银行中的三家—中国银行、中国建设银行、中国工商银行相继完成股份制改造和上市工作。
2007年1月，中国召开第三次全国金融工作会议，决定稳步有序地推进中国农业银行的改革，2009年1月，中国农业银行股份有限公司挂牌成立，并于2010年7月完成上市工作。
在监管方面，2003年4月，中国银监会成立，中国金融业监管的“一行三会”格局正式形成。
经过多年的改革，我们自然会提出如下问题：
中国银行业的运行效率是否真正得到提高？
与国外银行相比，中国银行业运行效率如何？
中、外银行业的运行效率差异有多大？
从银行运行效率度量指标来看，多数研究采用（前沿）技术效率度量银行的运行效率[1]。
从相应的研究方法看，可以分为参数方法和非参数方法，常用的参数方法是随机前沿分析，非参数方法是DEA[2]。
从已有关于中国银行业效率的研究来看（如：
张健华（2003）、Chen等（2005）、姚树洁等（2005）、王聪和谭政勋（2007）、Fu和Heffernan（2007）、Berger等（2009）、Hasan等（2009）、蔡跃洲和郭梅军（2009）、Jiang等（2009）、张健华和王鹏（2009，2010）），涉及中外银行业效率比较的研究还较少。
从国外的研究来看，银行效率的跨国比较也较少，而且主要集中在对发达国家（特别是欧盟国家）之间银行效率的比较研究上，在Berger和Humphrey（1997）对130项效率研究的综述中，只有5项涉及跨国比较。
此外，一些文献还对转型国家的银行效率进行了跨国比较，如Grigorian和Manole（2002）、Fries和Taci（2005）、Bonin等（2005）以及Yildirim和Philippatos（2007）等，但是，这些研究并未涉及中国银行业。
总体来看，次贷危机带来的影响还远未退去，危机暴露出各国银行业的问题值得反思，在此情况下，对中、外银行业运行效率进行跨国比较，分析影响银行业运行效率的各种因素，具有十分重要的意义。
因此，本文采用随机前沿方法对中、外银行业运行效率进行比较研究。
如上所述，我们在研究中不再涉及投入要素价格，同时考虑到银行有多种投入和多种产出，我们采用产出定位的距离函数进行分析。
与以往的研究相比，我们除了对中、外银行业运行效率及其影响因素进行系统比较以外，还在以下几个方面存在不同：
（1）从研究期限看，我们取为2004－2008年，此期限基本覆盖了中国银行业近几年的重大变革（尤其是大银行）以及次贷危机带来的影响。
（2）从样本数据来看，本文中国银行业数据涵盖四大国有商业银行、13家股份制银行以及136家城市商业银行，共计5年676个样本，基本涵盖了中国绝大多数商业银行资产，数据来源为中国人民银行，更加全面的数据为中、外银行业比较研究奠定了基础。
从国外银行来看，涉及中国大陆以外27个国家和地区的主要银行，共计5年926个样本数据，基本涵盖了世界上的主要银行。
此外，我们遵循Sturm和Williams（2004），从银行盈利的角度衡量其运行效率，注重强调银行的盈利能力[3]。
本文结构如下：
第二部分是模型和数据介绍，第三部分是回归结果和分析，第四部分是结论。
二、模型和数据介绍
（一）距离函数
在多投入、多产出或价格信息不可得的情况下，采用距离函数方法进行前沿分析比较有效。
距离函数经过变换，可用标准的随机前沿方法分析，具体可分为投入定位（Saal、Parker和Weyman-Jones，2007）和产出定位（Coelli和Perelman，1996，1999，2000；Orea，2002）。
产出定位的距离函数（给定投入要素，产出最大化）定义如下：
,根据Lovell等（1994）定义，对
来讲，
满足非减的、正齐次性以及凸性。
对
来讲，是非增的。
如果产出
落在生产可能性集合
内，
的取值小于或等于1。
如果
落在生产可能性集合的边界上，
的取值等于1。
具体来看，
其中，
是投入，
是产出（多投入、多产出），t代表时间,根据
关于
的一次齐次性，可以得到以下约束条件：
在上述约束条件下，对个体
来讲，可得到以下等价方程
（2）
其中，
；根据定义，
。
进一步定义，
，服从非负截断正态分布。
，服从标准正态分布，
和
相互独立，以上模型是标准的随机前沿模型[4]。
根据Battese和Coelli（1995）模型，我们可以进一步分析
的影响因素，在此情况下，
，
表示影响技术无效率项的外部因素，
表示这些影响因素的系数。
是随机变量，假设服从截断正态分布
（截断点为
，即：
）。
这意味着
服从非负断尾正态分布
，其中
，表示
的期望值
受到不同因素的影响，但方差不变。
（二）模型
在银行效率研究中，如何定义和度量银行的投入和产出也是一个重要问题，主要度量方法有生产法和中介法。
以往的研究也采用了不同的投入和产出指标，在此基础上，我们根据中介法和Sturm和Williams（2004）的研究，从银行盈利的角度对中、外银行业运行效率进行研究（见表1）。
表1 本文的投入、产出要素说明
要素
说明
投入要素
利息支出、非利息支出（营业费用）
产出要素
净利息收入、非利息收入
说明
利息支出：
表示存款等付息资产的投入。
非利息支出（营业费用）：
包括员工费用、业务费用、折旧和摊销、营业税和其他费用、保险索偿支出等。
净利息收入：
利息收入－利息支出。
非利息收入：
交易和衍生品净收入、手续费及佣金净收入、汇兑净收入、其他营业收入等。
（三）数据
1、数据选取
国外银行数据选取有以下标准：
（1）根据Bankscope数据库，数据年度选取为2004-2008年；
（2）样本期间进入全球《财富》500强；（3）英国《TheBanker》历年统计的全球银行1000强中的前200强；（4）美国、德国、日本等经济发达国家，增加样本个数（每年20个左右）；（5）巴西、印度、俄罗斯等发展中国家增加样本个数，为《TheBanker》历年统计的全球银行1000强中的前500强（见表2）。
一些国家不同年份之间样本数存在差异，主要是由于Bankscope数据库缺失数据所致（比如银行数据严重缺失、银行遭遇破产倒闭或与其它银行合并等）。
表2 中、外银行样本（个）
国家
2004
2005
2006
2007
2008
合计
Australia
0
1
6
6
6
19
Austria
3
3
3
3
3
15
Belgium
0
3
3
3
2
11
Brazil
7
7
8
8
7
37
Canada
7
7
7
7
7
35
China
合计
124
128
137
137
150
676
四大
4
4
4
4
4
20
股份制
12
12
13
13
13
63
城商行
108
112
120
120
133
593
Denmark
2
2
2
2
2
10
Finland
0
1
1
1
1
4
France
2
7
7
7
6
29
Germany
6
7
18
16
18
65
Greece
2
2
2
2
2
10
HongKongSAR
5
5
5
5
5
25
India
12
13
13
13
11
62
Ireland
3
5
5
5
5
23
Italy
0
4
5
5
5
19
Japan
19
19
19
20
17
94
Korea
6
7
7
7
7
34
Netherlands
3
4
4
4
4
19
Norway
0
1
1
1
1
4
Russia
16
16
16
16
15
79
Singapore
3
3
3
3
3
15
SouthAfrica
1
1
1
1
1
5
Spain
14
14
14
14
14
70
Sweden
0
4
4
4
4
16
Switzerland
5
5
5
5
5
25
Turkey
1
1
4
5
5
16
UnitedKingdom
4
9
9
9
8
39
UnitedStates
29
31
31
31
24
146
合计
150
182
203
203
188
926
2．数据处理
所有数据按照各国GDPdeflator折算到2000年价格水平，单位为百万元美元，GDPdeflator来自世界银行（WorldBank）的统计数据。
为了避免各国货币每年与美元之间的汇率波动造成的影响，我们在将各国数据（本国货币表示）折算为美元时使用的汇率是样本期间的平均汇率，如此处理，将不会改变用本国货币所表示的各类数据之间的关系[5]。
（四）技术无效率的影响因素
在跨国研究中，国家层面的因素差异将产生很大的影响，因此，我们除了考虑银行内部各项度量指标的影响外，还考虑了国家层面的影响因素（Grigorian和Manole，2002；Fries和Taci，2005；Lensink、Meesters和Naaborg，2008）。
表3 无效率影响因素变量定义
变量名称
变量定义
1．国家层面影响因素
（1）法律根源
根据LaPorta等（1997、1998、2002），将以上国家分为普通法系和大陆法系，其中大陆法系又分为法国法系、德国法系和北欧法系（斯堪的纳维亚法系）。
由于中国和俄罗斯的特殊性，我们将其单独列出，具体如下：
英美法系：
英国、美国、加拿大、澳大利亚、爱尔兰、南非、印度、新加坡、香港；
法国法系：
法国、比利时、巴西、希腊、意大利、荷兰、西班牙、土耳其；
德国法系：
德国、奥地利、日本、韩国、瑞士；
北欧法系：
瑞典、丹麦、挪威、芬兰；
中国、俄罗斯。
（2）银行业市场结构
各国前5大银行的资产（存款）占本国银行业资产（存款）的比例，该数值越大，银行业越集中。
数据来源：
Barth等（2008）：
BankRegulationandSupervisiondatabase（WorldBank）。
（3）银行相对于资本市场的重要程度
根据Beck和Levine（2002）、Levine（2002）、Beck和Demirgüç-Kunt（2009），我们采用两个指标衡量银行业和资本市场的相对重要程度。
一是各国（银行对私人部门贷款额/GDP）和（资本市场交易额/GDP）之间的比值，二是各国（银行对私人部门贷款额/GDP）和（资本市场市值/GDP）之间的比值。
我们采用主成分法对两个指标加总计算，所得数值越大，表明该国越依赖银行业。
数据来源：
Beck（2010）：
FinancialStructureDataset（WorldBank）。
由于中国的特殊情况，其银行信贷指标取为（银行全部贷款额/GDP）。
（4）银行业务活动的监管约束程度
对银行业务活动的监管约束主要包括四个方面：
证券投资（securities）、保险投资（insurance）、房地产投资（realestimate）和控股非金融企业。
约束程度分为四类：
无限制（unrestricted，取值0）、许可（permitted，取值1）、限制（restricted，取值2）和禁止（取值3）。
根据Levine等（2002）的研究，四项相加即为监管约束程度的度量，该值越大，表示一国对银行业务活动的监管约束程度越大。
数据来源：
Barth等（2008）：
BankRegulationandSupervisiondatabase（WorldBank）。
（5）国有控股银行比重
政府控股50%以上的银行资产占一国全部银行资产的比重，该数值衡量各国银行系统中国有银行的影响。
数据来源：
同上。
（6）外资控股银行比重
外资控股50%以上的银行资产占一国全部银行资产的比重，该数值衡量各国银行系统中外资银行的影响。
数据来源：
同上。
（7）资本约束（capital）
根据Barth等（2004，2008），该指标主要包含9个方面内容，衡量了对银行资本的监管约束程度（取值范围0－9），该值越大，表示一国对银行资本的监管约束越强。
数据来源：
同上。
（8）金融发展深度
LiquidLiabilities/GDP数值衡量金融发展深度。
数据来源：
Beck（2010）：
FinancialStructureDataset（WorldBank）。
（9）经济发展水平和速度
经济总量：
Ln（GDP），折算到2000年物价水平。
以往的研究表明，经济总量越大的国家，越有可能出现规模较大的银行，从而影响银行的运行效率。
经济增长率：
各国GDP增长率。
数据来源：
WorldDevelopmentIndicators（WDI）。
（10）各国利差水平
数据来源：
IMF（InternationalFinancialStatistsics，2008）
2．银行特征变量
（1）银行类型
根据Demirgüç-Kunt和Huizinga（2009），银行类型分为一般商业银行（commercialbanks）、银行控股公司（BankHolding&HoldingCompanies）、投资银行（investmentbank）、政府信贷机构以及其它类型（CooperativeBank、RealEstate/MortgageBank、SavingsBank）。
分别取虚拟变量，并以银行控股公司为参照。
数据来源:
Bankscope。
（2）银行在本国内的相对规模
银行总资产/本国资产规模最大银行的总资产，表示银行规模带来的影响。
（3）是否公开上市
上市年份及以后，取1，否则，取0。
（4）不良贷款率
不良贷款余额/总贷款，衡量银行的贷款质量。
（5）不良贷款拨备率
贷款准备金余额/不良贷款余额，衡量银行的信贷风险。
（6）所有者权益/总资产
衡量银行的资本风险。
（7）贷存比
总贷款/总存款，衡量银行的流动性风险和资金使用率。
（8）投资/收益资产
收益资产包含：
总贷款、现金及银行存款、存拆放同业、投资等。
投资包括可交易证券（tradingsecurities）、衍生品（derivatives）、持有的到期证券（heldtomaturitysecurities）、可供出售的证券（availableforsalesecurities）以及其它证券等。
（9）同业资金比例
同业资金/（同业资金+总存款），衡量银行的市场风险，同业资金包括：
同业存拆入、衍生品（derivatives）、可交易负债（tradingliabilities）等存款以外的其它付息资金。
3．年份变量
取非线性的年份变量，并以2004年为基准年。
三、结果分析
（一）技术无效率影响因素分析
表4-1对银行效率影响因素进行了总结，表4-2具体列出了银行效率影响因素的符号及其显著性，表4-3列出了无效率影响因素的具体回归结果。
从表4-2和表4-3可以看出，回归1只考虑国外银行。
回归2在回归1的基础上，进一步包含了中国银行业样本，由于样本中国外银行规模都较大，在此我们只考虑中国的四大国有商业银行和股份制银行，这些都是中国规模较大的银行。
回归3进一步增加了中国银行业样本，除了四大国有商业银行和股份制银行之外，还包含了所有城市商业银行样本，以比较中国银行业和国外主要银行之间的效率差异。
回归4在回归3的基础上，分析了中国银行业和国外主要银行效率影响因素方面的差异，在此我们重点分析了银行特征变量的影响差异。
从回归结果可以看出，回归1和回归2的在0.93以上，回归3和回归4的也在0.85以上，表明随机前沿模型的适用性，同时，绝大多数回归系数显著，说明模型的可信度较高。
1．国家层面影响因素
（1）法律根源
从国外银行样本回归结果来看，以英美法系为参照，北欧法系和技术无效率负相关，但差别并不显著；法国法系和德国法系与技术无效率正相关，差别也不明显。
俄罗斯法系与技术无效率显著正相关，明显劣于英美法系。
从回归2－回归4的结果来看，以中国法系为参照，北欧法系、英美法系、法国法系以及德国法系都和技术无效率显著负相关，即：
中国的法律体系带来的银行无效率较高。
与俄罗斯法系相比，中、俄两国差别并不明显。
以往关于中国的研究发现，中国的法律体系对投资者的总体保护水平偏低（Allen等，2005），从而影响整体经济的运行效率，我们的研究也发现，给定其它因素下，与世界其它大部分法律体系相比，中国的法律体系将会导致银行效率较低。
另一方面，回归2－回归4中各法系之间的相对关系和回归1的结果一致。
此外，与回归3和回归4相比，回归2只考虑了中国大银行样本，结果发现中国法律体系所体现的无效率也相对较小，尤其是与俄罗斯法律体系相比，回归3和回归4中俄罗斯法律体系与技术无效率负相关（虽然在3个回归中两者之间差别并不显著），回归2中俄罗斯法律体系与技术无效率正相关。
这从另外一个角度说明，中国大银行的效率要高于城市商业银行。
（2）银行业市场结构
在所有回归中，银行业集中度与银行效率关系不显著。
（3）银行相对于资本市场的重要程度
银行业重要程度与技术无效率负相关，并在所有回归中显著，即：
本国银行业相对资本市场越重要，银行效率越高。
（4）银行业务活动的监管约束程度
对银行业务活动监管程度越高，银行技术效率越高，并在回归1和回归2中显著。
回归3和回归4中这一关系并不显著，可能的原因是，银行监管程度对中国大银行的约束力更强，或者，相对城市商业银行来讲，中国大银行所从事的此类业务活动更多，因此受到的约束监管也更明显。
（5）国有控股银行比重
国有控股银行比重与技术无效率正相关，并在回归1和回归3中显著，这表明，国有控股银行的比重越高，银行业的整体效率越低，与以往的研究结论一致。
回归2中这一关系并不显著，可能的原因是，中国银行业国有银行控股比重较高，而同时大银行的效率也相对较高。
（6）外资控股银行比重
外资控股银行比重与技术无效率负相关，并在回归2中显著，这表明，外资控股银行的比重越高，银行业的整体效率越高，与Fries和Taci（2005）的结论一致。
此外，从结果的显著程度来看，外资银行比重的提高对中国大银行效率的促进作用更大。
（7）资本约束
资本约束与技术无效率负相关，但只在回归1中显著，即：
当考虑更多的中国银行业样本后，这一关系不再显著。
（8）金融发展深度
金融发展深度指标与银行无效率正相关，并在所有模型中显著。
可能的原因是，金融发展深度越广，银行业竞争越激烈，从而导致银行效率下降。
（9）经济发展水平和速度
经济总量和增长速度与银行无效率负相关，并在绝大多数模型中显著。
（10）各国利差水平
利差水平与银行无效率负相关，但并不显著。
2．银行特征变量
（1）银行类型
以银行控股公司为参照，回归1中，一般商业银行和投资银行的无效率显著偏高，投资银行无效率尤为明显。
政府信贷组织和其它类型银行的无效率显著偏低。
回归2－回归4中，一般商业银行的无效率不再显著，主要原因是，根据Bankscope，中国银行业类型全部取为一般商业银行，从而导致此项结论发生变化。
（2）银行相对规模
银行在本国的相对规模越大，技术无效率越低，并在所有模型中显著，体现出规模优势在提高银行盈利效率方面的作用。
模型4中，相对国外银行来讲，中国的银行相对规模与无效率的负向关系得到加强，并且显著，即：
银行相对规模对中国银行业盈利效率的促进作用更大。
（3）公开上市
在所有模型中，公开上市与技术无效率显著负相关，银行上市对银行盈利效率有明显的促进作用。
模型4中，这一关系在中国银行业样本中得到加强，并且显著，即：
公开上市对中国银行业效率的促进作用更大。
（4）不良贷款率和拨备率
模型1中，不良贷款率和拨备率与技术无效率的关系并不显著，可能的原因是，国外银行的不良贷款率普遍较低，而拨备率较高，它们与技术无效率的关系受到弱化
升级会员 