基于DEA方法的商业银行体系支持当地中小微企业发展的运行效率的实证分析--毕业论文.docx

基于DEA方法的商业银行体系支持当地中小微企业发展的运行效率的实证分析 以安徽省宁国市为例摘要：文章主要运用传统的DEA模型方法，并且引入了非期望产出变量对安徽省宁国市23家商业银行2013年在为当地的55家中小微企业提供贷款方面的运行效率进行实证分析。实证分析发现，安徽省宁国市大多数商业银行在支持当地中小微企业发展的运行效率方面存在投入冗余和产出不足的情况，纯技术效率偏低和大多数商业银行的经济效益受到银行规模的制约等问题。文章结合实证分析结果，从商业银行本身提出一系列能够提高商业银行在支持中小微企业发展方面运行效率的对策建议。关键词：商业银行；运行效率；中小微企业发展；DEA模型；非期望产出变量；Empirical analysis of development efficiency about local commercial bank support small and medium enterprisesbased on DEA method system of micro-take ningguo anhui for exampleAbstract : mainly uses the method of traditional DEA model and empirical analysis the operation efficiency of 23 commercial banks in ningguo anhui support 55 small micro enterprises during the year of 2013. And then based on the empirical analysis results, put forward a series of measures to improve the commercial bank efficiency of commercial bank support the local small micro enterprises development from the commercial bank itself , the small micro enterprises and the government.Key words: commercial banks; operation efficiency; micro, small and medium enterprises development; DEA model; unexpected output variables;一、引言按照2011年国家统计局出台的统计上大中小微企业划分办法确定的划型标准，企业可以划分为大型、中型、小型和微型企业，具体的划分标准还在于不同行业的企业资产总额、从业人员和营业收入的范围。随着市场经济的发展和国家的大力扶持，中小微企业逐渐成为国民经济发展中的重要的组成部分。2013年中国中小企业统计年鉴显示，截止2012年底，我国规模以上工业企业单位总数达到343769户，其中全国规模以上中小工业企业总数达到334321户，约占全国规模以上工业企业的97.21%；全国规模以上中小工业企业创造的资产值为388802.8亿元，约占全国规模以上工业企业的50.60%；全国规模以上中小工业企业营业收入为3544627.0亿元，约占全国规模以上工业企业的58.61%。而截止2013年年末，我国小微企业已经达到785万家，与2008年相比，增加300多万家，年均增长速度在10以上，占全部企业的95.6%。以上数据皆表明我国中小微企业得到了迅猛的发展，并且已经成为市场经济中最活跃的经济成分之一。而中小微企业的良好的发展态势在促进国民经济的快速发展，产业的优化升级，缓解就业压力，稳定社会秩序等方面发挥了重要的作用。但是中小微企业由于自身的特殊原因，包括企业抵押资产不足，部分企业财务管理不规范，部分企业投资不理性和中小微企业的市场优势不强等原因导致其融资难，从而阻碍了中小微企业转型升级和技术创新，出现了中小微企业普遍生命周期短，效益低的局面。为了响应国家和监管层的号召以及自身的发展，商业银行为中小微企业的提供的资金支持不仅促进了中小微企业的转型升级，而且在一定程度上也推动了我国国民经济的发展。因而，对商业银行在支持中小微企业发展方面的运行效率的研究对商业银行的自身和金融行业的稳定发展具有重要意义。目前，国内学者对于我国商业银行效率已经进行多方面的研究，他们大多数是将商业银行作为整体进行研究，或是研究某个省的商业银行，或是研究上市商业银行，城市商业银行，农村商业银行等等，也有基于商业银行的某个角度来研究，例如基于储蓄新视角下的等，主要研究方法有参数分析方法和非参数分析方法。鉴于此，在国内学者的研究方法和研究思路的基础上并综合考虑商业银行对于中小微企业发展所提供的资金支持，利用传统又有效的DEA模型来测算安徽省宁国市23家商业银行的运行效率，并对其进行分析讨论。二、数据包络分析模型数据包络分析（简称DEA）是数学、管理学、经济学和运筹学等多门学科的交叉领域，是使用数学规划模型对多个输入和输出量的若干决策单元(DMU)进行有效性的分析。该分析方法首先是由美国著名运筹学家A.Charnes和W.W.Cooper等人提出来的，并且在国内外学者共同研究和推广下使得DEA分析方法已经被广泛应用于经济、企业运营、交通、生态、环境和能源等领域的效率评价。DEA“经典”模型除了Charnes等学者所提出的最基本的CCR模型，还有BCC模型和基于前两种模型的Malmquist模型。这三种“经典”模型在应用上各有优缺点。本文所选用的是含有非期望产出变量的SBM模型，得到各个商业银行的效率值和各个指标的松弛变量。值得注意的是，该模型中引入了非期望产出量，所以要对经典的DEA模型进行一些处理，具体处理方法如下：假设有n个部门或单位(称为决策单元),这n个决策单元都是具有可比性的.每个决策单元都有m种类型的投入，s 种类型的期望产出和t种类型的非期望产出。假设表示第j个DMU的第i种投入量,表示第j个DMU的第r种期望产出量，表示第j个DMU的第t种非期望产出量；表示第i种投入的权值，表示第r种期望产出的权值，表示第t种非期望产出的权值。为了方便，记=（，,，),=(,，)，=（，）,v=(,，),u=(,，)，z=(,),其中i=1,2,3m; j=1,2,3n; r=1,2,3p;t=1,2,3k。考查第个决策单元DMU，建立双目标规划模型：max , min, i=1,2,3ms.t. , r=1,2,3p （1）, t=1,2,3k0, 0, 0, j=1,2,3n其中，为在投入一定的条件下期望产出的效率值；为在投入一定的条件下非期望产出的效率值；为投入组合的权重。再采用线性加权和法处理双目标模型，然后根据两个目标以及其中各个指标的重要性程度，对双目标函数进行赋权，进而成为单目标的最大化模型，即： max =- , i=1,2,3m s.t , r=1,2,3p （2）, t=1,2,3k0, 0, 0 , j=1,2,3n;其中，为第个决策单元在综合考虑期望产出和非期望产出后的效率值；为决策者对第r项期望产出的重视程度；为决策者对第t项非期望产出的优先控制程度。而（1）式和（2）式的经济含义为：在投入不超过的情况下，尽可能增加期望产出和减少非期望产出。若最优解和均为1，即该决策单元的期望产出不能进一步增加，非期望产出也不能进一步的减少，说明决策单元为DEA有效；否则，为非DEA有效。若决策单元为非DEA有效，可以通过调整投入和产出量使其成为DEA有效，经过调整后的投入产出量即可称为决策单元在生产前沿面上的“投影”。下面即为对非DEA有效的决策单元的处理后得到的模型：max =- + , i=1,2,3m s.t. - , r=1,2,3p + , t=1,2,3k0, 0, 0 , 0，0，0，j=1,2,3n;（其中，分别是投入、期望产出和非期望产出的松弛变量）对于非DEA有效的决策单元，其“投影”是DEA有效的，所以在实际生产过程中，人们可以寻求生产的“投影”量以达到DEA相对有效，“投影”表达式为：- = - = (- 1)+ - = -(1-)+ 该表达式得到的是决策单元对投入产出的可调整量，即对第i种投入，可缩减；对第r种期望产出，可增加的量为(- 1)+ ；对第t种非期望产出，可减少的量为(1-)+ 。三、调查的样本数据处理与指标选取运用DEA模型对商业银行运行效率方面进行评价的最核心的问题是投入变量和产出变量的选取。目前对于这方面的指标选取的方法主要有三种：生产法，中介法和资产法，不同的方法其银行在社会中所扮演的角色也是不一样的。生产法是指银行作为金融产品的生产者，中介法是指银行作为资金周转的媒介，而资产法是指银行以其资产作为其产出的指标。三种方法各有优缺点，而且利用何种方法来选取指标需要结合样本数据和研究对象。本文的研究对象是安徽省宁国市商业银行体系的运行效率，但是并不是对其整体的运行效率进行评价，而是对支持中小微企业发展方面的运行效率进行评价，所以指标的选取和样本数据的选择是要具有针对性的。（一）投入和产出指标的选取对于投入和产出指标，要根据商业银行支持中小微企业发展的运营过程来选取。其运营过程可分为以下两个阶段：（如下图1）存款及短期资金金同业存放图1 商业银行支持中小微企业发展的运营过程第一阶段：银行利用上年的人力、物力和财力吸引客户的存款和短期资金的存放；第二阶段：银行利用第一阶段获得的资金给中小微企业进行各项贷款以进行资金的投资，从而使商业银行获得盈利；依据样本数据真实、完整以及方便获取的原则，本文选取了信贷员所处银行的员工人数、有贷款功能的网点数量以及信息技术方面的资金投入作为其投入指标。而产出指标则分为期望产出和非期望产出，期望产出指标是当地中小微企业贷款总额以及产生的利息收入，而非期望产出是由于小微企业的经营不完善、注册资本少等原因所导致的不良贷款率和中小微企业的贷款余额。需要说明的是：1. 由于某些商业银行的信息披露的不完全（尤其是未上市的商业银行），所以无法获取其资产总额和净利润的数据；2. 由于商业机密和内部管理问题，无法获取专门办理中小微企业贷款的员工人数，网点数量和信息技术方面的投入的具体数据，而是选取整个商业银行的资金、劳动力和设备投入，使整个分析结果缺乏一定的针对性；3. 相同地，无法获取仅由于中小微企业无法偿还贷款而导致的不良贷款率和当地中小微企业贷款余额的具体数据，而是选取整个商业银行的不良贷款率和所有中小微企业的贷款余额；表1 商业银行运行效率评价指标体系指标类型准则指标名称投入指标资金投入各个商业银行的信息技术方面的资金总额劳动力投入信贷员所处银行的员工人数设备投入有贷款功能的网点数量产出指标期望产出当地中小微企业贷款总额为当地中小微企业提供贷款的利息收入非期望产出各个商业银行的不良贷款率各个中小微企业的贷款余额（二）样本数据的处理 对于样本数据的处理，则是依据真实、完整以及方便获取的原则，加之一些常用的数据处理方法。实证分析之前运用问卷调查的形式调查了2013年安徽省宁国市66家商业银行对中小微企业进行资金支持和66家当地企业进行融资的情况，但是由于数据太繁乱并且有些数据缺失，所以为了便于研究，对两组数据进行以下的处理。1.66家商业银行（决策单元）数据处理对于商业银行数据处理，主要存在以下三方面问题：一是样本数据太繁乱，而且存在着相似度极高的样本数据；二是样本数据存在缺失；三是样本数据数值不确定，只是确定在一个区间。由于大多数同一商业银行的支行所反映的数据是一样的，考虑到数据的差异性，从所调查的样本中除去某些重复的支行。对于某些严重缺失的样本数据则是直接删除，而对于缺失很少的样本则是通过取其它数据的众数作为其缺失值，虽然在一定程度上使数据失真，但是能够使对数据进行宏观研究，例如信息技术方面资金投入缺失数据的填写。样本数据的数值存在于一个区间，则是取其中间值，例如中小微企业贷款余额占总贷款余额的比例数值的选取。经过以上数据的处理，最后选取了5家中国工商银行宁国支行、2家徽商银行宣城宁国支行、中国建设银行宁国支行、中国农业银行宁国支行、4家宁国民生村镇银行、2家宁国民生村镇银行股份有限公司、安徽宁国农村合作银行河沥支行、2家安徽宁国农村商业银行银光支行、2家安徽宁国农村商业银行、中国邮政储蓄银行宁国市支行、中国银行宁国支行和吴江农村商业银行宁国支行23家商业银行作为DEA模型的决策单元。为了体现样本数据的差异性，所选取的决策单元的银行性质各有不同，下图即为安徽省宁国市各商业银行在银行性质所占比重的扇形图。图2 2013年安徽省宁国市银行性质扇形图从该图中，可以看出所调查的安徽省宁国市商业银行体系是由国有的商业银行、股份制商业银行、农村商业银行和村镇的商业银行组成，缺少城市商业银行。而国有的商业银行占很大的比重，为39%，其次是农村商业银行和村镇商业银行，各占26%，最后是股份制商业银行，仅占9%。除了所研究的商业银行的性质不同以外，它们所处的机构等级也是不一样的，下图即为安徽省宁国市各商业银行在机构等级所占比重的扇形图。图3 2013年安徽省宁国市银行机构等级扇形图 从该图中，可以看出所调查的安徽省宁国市商业银行体系的机构等级包括总行、市级分行、支行和分理处，而缺少省级分行。其中支行所占的比重最大，达到61%；其次是总行，所占比重为31%；最后是市级分行和分理处，比重仅为4%。2.66家当地企业的数据处理由于本文所研究的对象是中小微企业贷款的情况，所以首先要划分66家当地企业所处的行业，然后按照2011年国家统计局出台的统计上大中小微企业划分办法确定的不同行业中小微企业划型标准，对66家企业的2013年营业收入、资产总额和从业人员数进行比照，筛选出了包括宁国恒益炉料有限公司、宁国市三津耐磨材料有限公司、宁国荣辉生态农林科技有限公司和宁国市农佳食品有限公司等55家符合条件的当地的中小微企业。而对于企业向商业银行的贷款情况只选取了2013年度的数据，整理得出向所研究的23家商业银行贷款的金额和年利率。对于当地中小微企业具体数据的处理，存在以下两方面的问题：一是样本某数据的缺失问题。处理方法是严重缺失的数据删除，例如缺失企业贷款的机构名称；而缺失某个数据的样本则是补充，例如缺失贷款的年利率，可以填补类似贷款金额的年利率。二是如何与各研究的商业银行对应的问题。处理方法是假定当地中小微企业只是在当地的商业银行进行贷款并且贷款金额相同，则计算相同商业银行的贷款总额，然后除以相同决策单元，从而得到各决策单元的贷款总额和利息收入。值得说明的是，这些数据的处理是基于以下的假定得出来的：（1）假定当地的这55家中小微企业只到这23家商业银行进行贷款；（2）假定这些企业到同一银行的不同支行贷款的金额和利率相等；经过以上一系列的数据处理和指标的选取，得到了2013年安徽省宁国市23家商业银行支持当地55家中小微企业发展的运行效率的具体数值。四、实证结果与分析基于DEA模型下的SBM模型方法，运用MaxDEA软件对安徽省宁国市的23家商业银行的2013年数据进行计算，得出以投入为导向型安徽省宁国市23家不同性质的商业银行的效率值、投入冗余值及产出不足值，即松弛变量（见表2）。但是为了考察加入非期望产出对商业银行的运行效率的影响，采用传统的CCR模型对不含非期望产出变量的商业银行效率进行测算（见图4）。图4 考虑非期望产出和不考虑非期望产出的效率值得比较从图4中可以看出，考虑非期望产出变量的商业银行效率值明显高于不考虑非期望产出变量的商业银行效率值。这说明考虑了非期望产出变量对商业银行的运行效率产生了影响，因此只有考虑了这一变量才能对商业银行的运行效率的分析更加全面。从表2的测算结果可以得知，2013年安徽省宁国市的23家商业银行的运行效率的平均值仅为0.589，这充分表明该地区的商业银行体系在支持当地的中小微企业发展的方面未能达到帕累托最优状态。而具体来说，23家商业银行中8家银行的效率值达到了1，说明处于效率的最优状态，在这8家商业银行中国有制银行有3家，农村商业银行有4家，而股份制银行只有1家。 而其他15家商业银行均存在着投入冗余和产出不足的现象，尤其是4家宁国民生村镇银行，所以需要优化投入和产出，提高银行的管理水平和要素产出率使其达到效率的最优状态。从投入冗余角度来看，该研究中影响安徽省宁国市商业银行体系运行效率的主要影响因素依次为信息技术方面的资金投入、信贷员所处银行的员工人数和具有贷款功能的网点数量。其中4家宁国民生村镇银行和1家中国银行宁国支行的效率十分低下，这5家银行的信息技术方面的资金投入和员工人数的冗余值比较大，所以可以通过适度减少信息技术方面的资金投入和裁员，来提高其运行效率，从而使宁国市商业银行体系达到帕累托最优状态。从期望产出不足角度来看，只有4家宁国民生村镇银行、安徽宁国农村商业银行银光支行和中国邮政储蓄银行宁国市支行这6家银行在当地中小微企业贷款总额方面存在产出不足，说明这6家银行需要吸引更多的中小微企业进行贷款。而3家中国工商银行宁国支行、2家宁国民生村镇银行股份有限公司和中国银行宁国支行在利息收入方面存在着产出不足，说明这6家商业银行需要适度提高年利率来提高运行效率。从非期望产出冗余的角度来看，4家宁国民生村镇银行、2家宁国民生村镇银行股份有限公司、徽商银行宣城宁国支行和安徽宁国农村商业银行银光支行这8家银行的中小微企业的贷款余额存在冗余，说明这些商业银行需要加大对中小微企业贷款余额的有效控制，防止银行出现资金风险。而3家中国工商银行宁国支行、4家宁国民生村镇银行和2家宁国民生村镇银行股份有限公司的不良贷款率存在着冗余，所以这9家商业银行需要在一定的范围外尽可能控制其不良贷款率，防止银行出现呆账。将效率值按照以下等级=1.0、0.7-1.0、0.4-0.7、0-0.4划分为高效、相对高效、相对低效、低效这四种类型。图5 安徽省宁国市商业银行体系运行效率分布图图5显示，高效的和低效的商业银行在整个商业银行体系中所占的比重最大，均为35%，相对高效的商业银行次之，为17%，最后是相对低效的商业银行，为13%。可见要想提高整个宁国市商业银行体系的运行效率，必须着重提高低效的商业银行，而其中村镇银行和农商行占大多数，究其原因，可能是这些银行的可供贷款的资金比较少、知名度比较低、经营管理不是很完善等。表2 2013年安徽省宁国市的商业银行运行效率DEA模型测算结果投入冗余值产出不足值期望产出非期望产出序号DMU综合效率贷款功能的网点员工信息技术方面的资金当地中小微企业贷款额利息收入中小微企业贷款余额不良贷款率1中国工商银行宁国支行1.0000.0000.0000.0000.0000.0000.0000.0002中国工商银行宁国支行0.861-0.217-23.481-3.1610.0004.3580.000-0.0033中国工商银行宁国支行0.576-0.869-53.924-12.6440.00017.4300.000-0.0114中国工商银行宁国支行0.478-1.087-67.405-15.8050.00021.7880.000-0.0145中国工商银行宁国支行0.9760.000-7.0000.0000.0000.0000.0000.0006徽商银行宣城宁国支行0.8640.0000.0000.0000.0000.000-2.0000.0007徽商银行宣城宁国支行1.0000.0000.0000.0000.0000.0000.0000.0008中国建设银行宁国支行1.0000.0000.0000.0000.0000.0000.0000.0009中国农业银行宁国市支行1.0000.0000.0000.0000.0000.0000.0000.00010宁国民生村镇银行0.014-0.954-39.451-99.7714.6820.000-0.410-090811宁国民生村镇银行0.014-0.954-39.451-99.7714.6820.000-0.210-0.90812宁国民生村镇银行0.015-0.954-39.451-99.7714.6820.000-0.035-0.90813宁国民生村镇银行0.017-0.954-34.451-49.7714.6820.000-0.560-0.00814宁国民生村镇银行股份有限公司0.022-0.929-41.143-99.643 0.0000.343 -0.152 -0.85715宁国民生村镇银行股份有限公司0.023 -0.929-0.929-999.643 0.0000.343-0.027-0.85716安徽宁国农村商业银行河沥支行1.0000.0000.0000.0000.0000.0000.0000.00017安徽宁国农村商业银行银光支行1.0000.0000.0000.0000.0000.0000.0000.00018安徽宁国农村商业银行银光支行0.068-0.887-19.343-96.1994.0480.000-0.0590.00019安徽宁国农村商业银行1.0000.0000.0000.0000.0000.0000.0000.00020安徽宁国农村商业银行0.9890.000-10.0000.0000.0000.0000.0000.00021中国邮政储蓄银行宁国市支行0.459-1.160-25.052-57.45970.7610.0000.0000.00022中国银行宁国支行0.161-2.709-47.157-72.3690.0009.7960.0000.00023吴江农村商业银行宁国支行1.0000.0000.0000.0000.0000.0000.0000.000五、实证结论与建议通过上述分析可知，安徽省宁国市大多数商业银行在支持当地中小微企业发展的运行效率方面存在以下问题：一是内部管理不完善，出现投入冗余和产出不足的情况；二是投入和产出要素无法实现合理配置，使纯技术效率偏低；三是大多数商业银行的经济效益受到银行规模的制约。为了提高宁国市商业银行在支持中小微企业发展方面的运行效率并解决以上三个问题