【证券公司经营效率实证分析案例11000字】

证券公司经营效率实证分析案例目录TOC\o"1-3"\h\u15334证券公司经营效率实证分析案例 [40]的研究结论，证券公司的年度成本费用即为资本投入。由于税金及附加并不反映证券公司的成本投入，以及员工报酬已经算作劳动要素投入，为避免指标的重复性，故将这两部分扣除。本文选择利润表中的营业支出与营业外支出之和，再扣除税金及附加和员工报酬的营业费用作为投入指标2。风险要素的投入方面，受监管部门统一的风险管理要求，证券公司的部分风险偏好被约束于《证券公司风险控制指标管理办法》体系的框架之内，严格来说属于外部要求的风险。2006年证监会颁布《办法》，2020年再次修订《办法》中关于净资本和风险资本准备的计量方式，同时将净资本的计量分为核心净资本和附属净资本，使风险计量的完备性得以提升。净资本适用于证券公司不同的业务类型和规模，并且兼具适用性和可得性，因此本文选择将净资本作为投入指标3。金融科技的投入方面,信息技术可以有效提高证券公司在风险管理、证券结算和客户服务等环节的支持力度，因此在政策引导的大背景下，国内大多数证券公司开始为数字化转型布局，以科技手段赋能业务转型。因此为了经营效率测度的完整性，本文选取证券业协会公布的信息系统投入金额作为证券公司投入指标4。（2）产出指标的选取以往的研究中产出指标的选择主要分为两类，第一类是从公司整体来看选取营业收入、利润总额、净利润等公司经营过程中的总体指标，另一类是从证券公司的各个细分业务类别出发，将收入进行细分，选取经纪业务、自营证券、债券承销等各个具体的业务收入指标，且往往存在总体收入指标和细分收入指标并用的情况，选用其他如利润率等指标的研究极少。在分析了各证券公司的年度报表及考虑实际操作情况之后本文从经营规模和盈利能力两个方面考虑，本文选择证券公司年度报表中的“营业收入”和“净利润”作为产出指标。这么选取的原因，各家证券公司财报列举的业务分类并不相同，有的证券公司公布的较详细，有的证券公司公布的较为粗略，且公布的项目方面有所差异，故难以按细分的业务类型来获取数据，在权衡之后，作者还是决定选取各公司比较统一、明确的总体指标来作为产出指标。（3）环境变量的选取在三阶段DEA模型的第二阶段，运用随机前沿分析法(SFA)消除环境因素和统计噪声使所有决策单元处于公平统一的环境中，这样可以更加真实客观的测度证券公司的经营效率值。目前我国证券公司的经营情况较强依赖于金融发展水平、市场行情以及市场监管制度等外部因素，同时证券公司的综合实力、市场竞争力以及内部管理风格都会对其经营效率产生影响。因此综合考虑宏观外部环境和证券公司内部微观环境，本文选取能够代表证券市场行情、证券公司综合实力、市场竞争力的指标作为环境变量进行第二阶段的测算。证券市场行情方面，由于本文选取的证券公司均在A股上市，并且股市的成交量可以直接反映当年证券市场行情以及股市活跃度，因此选取当年各家证券公司在沪深两市的股票交易额来衡量证券市场行情。证券公司的综合实力方面选取各家证券公司当年的资产总额来衡量，证券公司服务客户的覆盖程度与其资产规模息息相关，适度扩大资产规模可以给证券公司带来一定的超额利润。市场竞争力方面通过证券公司占到的市场分额来衡量，市场分额可以反映出证券公司业务拓展以及客户资源等实力，因此本文选取各家证券公司受托管理资产规模与行业总体资产管理规模的比值作为证券公司的市场分额。表1.1证券公司经营效率评估量化指标投入指标产出指标环境变量指标员工薪酬营业收入沪深两市股票交易额营业费用净利润资产总额净资本市场份额信息系统投入金额1.1.3数据特征及描述性统计本文选取的样本证券公司的各项指标值均为正数，满足DEA模型测度的必要条件，所有数据均来源于wind数据库、各证券公司公布年报、中国证监会以及证券业协会网站发布的数据。数据处理和分析使用的软件包括SPSS25和DEAP2.1。（1）数据特征在使用DEA模型进行有效性分析之前，必须满足以下条件：第一，对变量数量有要求；第二，对变量相关性有要求。依据线性规划理论，变量的数量必须小于或等于线性方程的个数以保证最优解的存在性。在DEA模型中变量个数为S+1，方程的个数最多为m+n+1（其中S代表DMU个数，m代表投入指标数量，n代表产出指标数量）。为了避免求解过程中导致较多的DMU的效率为1，无法有效的区分效率值，因此m和n的数量不能过多。经过学者们长期研究的经验提出了判断指标个数和DMU个数之间关系的准则:S>3(m+n)且S>mxn(1.1)本文的投入变量个数m=4，产出指标个数n=2，决策单元的个数S=23，很明显满足第一条对变量数量的要求；相关性要求投入指标和产出指标之间的相关系数应当为正并接近于1。以2019年的样本数据为例，4个投入指标和2个产出指标之间对应的Pearson相关关系如表1.3所示，从结果可以看出，投入指标和产出指标之间的相关系数均大于0.7，说明选取的指标满足第二条变量相关性的要求。表1.2投入产出指标pearson相关系数指标营业收入净利润营业费用0.9210.766职工薪酬0.9470.925净资本0.9460.938信息系统投入金额0.8820.881（2）描述性统计以2019年投入产出指标的数据为例，描述性统计见表1.3。从下表可以看出，证券行业投入与产出指标的最值差距非常明显，基本都在10倍差距以上，可见样本公司之间规模和业绩表现的不均衡，证券行业发展展现出马太效应。表1.32019年投入与产出描述性统计万元营业收入净利润营业费用职工薪酬净资本信息系统投入金额最大值4313969.761264843.651613393.57975488.5210193699123916最小值220177.7342089.1766948.7557017.468751588710均值1377912.70392272.40540117.04333388.234103972.3951765.39标准差1136862.10365078.87484908.86250571.013051136.7337033.561.2基于三阶段DEA模型的横向静态效率测度1.2.1三阶段DEA模型的构建与推导（1）基于投入导向型的DEA-BCC模型推导假设有n个具有一致可比性的决策单元(DMU)，每个决策单元都有i型输入和r型输出，其向量如(1.2)所示:XYj=(将第j0个决策单元的效率值作为目标，以各决策单元的效率值为约束条件，我们可以得到模型如(1.maxs.t.u≥0,v≥0(1.3)其中，xij表示第j个决策单元第i种要素投入的总量，而yrj则表示第j个决策单元第r种要素产出的总量；vi表示第i种类型投入的权重系数，u令ω=1vTx0maxs.t.ωω≥0,μ≥0(1.4)在上述的对偶规划中，通过引入松弛变量s+来代表达到最优效率时需要减少的投入量，剩余变量s−来表示达到最优效率时产出需要的增加量。由此，不等式约束会变为等式约束，模型得以简化如(minθs.t.j=1j=1λs+≥0,s在构建BCC模型时，我们需要假设规模报酬可变，对CCR模型的约束条件进行简单的改进，将其转化为VRS模型，表达式如(1.6)所示:minθs.t.j=1λs+≥0,s当θ=1，同时s+=0,s（2）构建随机前沿SFA模型Fried于2002年提出传统DEA模型会受到环境因素、管理无效率以及随机噪声的影响，因此需要在第二阶段将上述三种影响因素分离。他认为第二阶段关注的重点应该是第一阶段测算出的投入或者产出的松弛变量，由于本文第一阶段采用的投入导向型的角度，因此第二阶段仅需要调整投入变量。以第一阶段的投入松弛变量为被解释变量，环境变量为解释变量构建SFA函数如(1.7)所示：Snk=f((1.7)其中Snk为第K个决策单元第n项投入指标的松弛量；Znk为第K个决策单元第n项投入指标的环境变量，βn为待估参数；Vnk+μnkE(1.8)其中σ∗=σ关于随机误差项的计算公式如(1.9)所示：EVnk(1.9)最后得到调整后的投入量如(1.10)所示：X(1.10)其中Xnk∗为调整后的投入指标，第三阶段重新计算技术效率经过第二阶段对投入指标的调整，剔除了环境因素以及随机误差的影响使得该阶段的效率测算更加真实客观。1.2.2第一阶段：传统DEA-BCC模型分析（1）DEA-BCC模型测算结果由DEA模型所得到的效率值为相对效率，也就是说，某公司的DEA无效并不代表绝对无效，而是在所有DMU中相对较差，效率值为1的公司不代表绝对有效，而是在所有DMU中相对有效。本文使用deap2.1软件，运用DEA-BCC模型根据投入导向角度对23家证券公司2017-2019年的经营效率进行测算，然后根据测算结果进行横向比较分析，表1.4展示的是2017-2019年样本证券公司的技术效率值。表1.42017-2019年证券公司的技术效率公司201720182019中信证券1.0001.0001.000中信建投1.0000.9541.000中金公司1.0001.0001.000浙商证券0.8600.8620.936招商证券1.0001.0001.000银河证券0.8430.8940.974西部证券0.7690.6580.760天风证券0.8330.8121.000申万宏源1.0000.9311.000南京证券0.7620.8040.920华西证券1.0000.9911.000华泰证券1.0000.9500.985华安证券0.9090.9931.000海通证券1.0000.9711.000国信证券0.9891.0001.000国泰君安1.0001.0000.896国金证券0.9450.8900.837光大证券0.8520.6640.677东吴证券0.7120.8500.822东方证券0.8420.7981.000财通证券0.8630.8540.963均值0.9130.8990.941从2017-2019年的证券公司技术效率均值结果来看，只有中信证券、中金公司和招商证券3家公司连续三年技术效率值为1；而其中两年技术效率值为1的有7家公司。西部证券的技术效率值分别0.769、0.658和0.760，均值为0.729，三年全部低于行业的平均水平。2017年行业的平均技术效率为0.911，其中达到技术有效的有9家，技术效率值低于西部证券的仅有南京证券和东吴证券两家公司。2018年行业的平均技术效率为0.905，其中达到技术有效的有6家，西部证券排名最后。2019年行业的平均技术效率为0.938，其中达到技术有效的有12家，西部证券排名倒数第二。（2）第一阶段具体效率指标分析由于2017-2019年仅有三家证券公司达到经营有效，为了找到证券行业经营效率低下的原因，将技术效率拆解成纯技术效率和规模效率进行分析。表1.5为各家证券公司三年具体效率指标的均值。表1.52017-2019年证券公司具体效率指标分析公司技术效率纯技术效率规模效率中信证券1.0001.0001.000中信建投0.9850.9860.998中金公司1.0001.0001.000浙商证券0.8860.9850.899招商证券1.0001.0001.000银河证券0.9040.9150.989西部证券0.7290.8100.901天风证券0.8811.0000.882申万宏源0.9770.9771.000南京证券0.8281.0000.828华西证券0.9971.0000.997华泰证券0.9780.9980.979华安证券0.9671.0000.967海通证券0.9900.9900.999国信证券0.9960.9980.998国泰君安0.9650.9760.988国金证券0.8900.9860.902光大证券0.7310.7410.987东吴证券0.7940.8740.911东方证券0.8800.8950.981财通证券0.8930.9200.971均值0.9180.9560.961从纯技术效率来看，仅有中信证券、中金公司、招商证券、天风证券等7家公司纯技术效率有效，其他14家证券公司纯技术效率均小于1，反映出证券公司内部管理存在薄弱环节、风险管理存在一定漏洞、以及资源配置能力较低等问题，因此公司应该完善内部管理制度、提升内部人员的执行能力，优化内部资源的配置结构来提升纯技术效率。从规模效率来看，仅有中信证券、中金公司、招商证券和申万宏源4家公司的规模效率有效。其中天风证券、南京证券、华西证券和华安证券为纯技术有效而规模无效，说明这四家证券公司的经营效率未达到有效是由于规模效率无效导致，并且天风证券和南京证券的规模效率低于行业均值，因此公司应该注意规模效率的提升来促进经营效率的提高。西部证券2017-2019年的技术效率值为0.729，连续三年的技术效率均小于1，并且低于证券公司技术效率均值0.918，在21家证券公司排名最后，说明西部证券的经营效率急需提升，来弥补与行业整体的显著差距。西部证券的纯技术效率值为0.810，明显低于行业均值0.956，说明西部证券的技术效率无效主要是受到纯技术效率的影响，西部证券的规模效率值为0.901，较低于证券公司规模效率均值0.961，说明公司的生产经营规模与其业务经营情况不匹配，并且公司这三年的规模报酬均为递增状态，因此西部证券应当适当拓展经营范围，增强核心业务的市场开拓能力来提升规模效率，从而优化公司的经营效率。1.2.3第二阶段：相似SFA模型排除环境因素干扰（1）第二阶段SFA模型结果分析第一阶段运用DEA-BCC模型进行经营效率测算时，得出了在一定产出条件下，员工薪酬、营业费用、净资本与信息系统投入金额的目标值，通过与四个投入指标原值的对比可以计算出各项投入指标的冗余值。投入指标的冗余值越高说明证券公司在实际经营过程中对投入要素的利用程度越低。将第一阶段投入指标的冗余值作为第二阶段SFA分析的被解释变量，选取沪深两市股票交易额、资产总额、市场份额三个环境变量作为解释变量，运用Frontier1.1软件进行极大似然估计，估计结果见表1.6。表1.6证券公司SFA回归结果员工薪酬松弛量营业费用松弛量净资本松弛量信息系统投入金额松弛量常数项-2208.66-1289.58-765.34-898.06沪深两市股票交易额34.03255.7869.53176.58资产总额694.161459.49675.26437.38市场份额﹣﹣35.97﹣16.28﹣20.06σ6171073.939436383.165756979.543563497.29gamma0.7520.7890.8430.879LR单边误差24.6935.6710.1211.43注：**表示结果在5%的水平下显著从模型的结果来看，每个LR单边误差均大于临界值，通过了5%的显著性检验，说明每个投入指标的松弛量与环境变量的关联性较强。Gamma值均在0.1至0.9之间，说明适合用于SFA模型进行分析。从股票交易额来看，回归系数对于各项投入指标的松弛量而言均为正数，说明股市的成交额对于投入指标的冗余量有着正向影响。证券公司作为证券市场重要的参与者，当市场行情上涨时证券市场的活跃度越高，为了快速把握时机，公司会投入更多的人力和资本来提升公司业绩，获取更多的佣金、管理费以及投资收益。从资产总额来看，其回归系数对于员工薪酬、营业费用、净资本和信息系统投入的松弛量均有正向影响，并且对于营业费用的影响最大，说明资产规模越大的证券公司凭借其积累的资源优势布局业务的范围更大，不可避免地造成一定的内部资源浪费。从市场份额来看，其回归系数对于各项投入指标的松弛量而言均为负数，说明市场份额越高的证券公司其资源利用效率越高。证券公司的市场份额反映出市场对该公司的认可程度，有利于证券公司现有业务以及创新业务的开展，从而节省一定的人力和资本成本。1.2.4第三阶段：调整后的DEA模型分析第三阶段需要对证券公司经营效率重新进行测度，第二阶段分析了环境因素和统计噪声的影响，因此将调整后的投入指标和原始产出指标重新代入DEA-BCC模型，运用deap2.1软件进行运算。首先对第一阶段与第三阶段的技术效率结果进行相关性分析，结果显示相关系数为0.78，在1%的水平下显著，说明经过调整后的技术效率值没有偏离初始投入产出数据，调整结果较为合理，调整后的结果见表1.7。表1.72017-2019年证券公司的技术效率公司2017调整幅度2018调整幅度2019调整幅度中信证券1.0000.00%1.0000.00%1.0000.00%中信建投0.966-3.40%0.890-6.71%0.989-1.10%中金公司1.0000.00%1.0000.00%1.0000.00%浙商证券0.790-8.14%0.812-5.80%0.878-1.20%招商证券1.0000.00%1.0000.00%1.0000.00%银河证券0.674-20.05%0.717-19.80%0.841-13.66%西部证券0.658-11.43%0.545-17.17%0.683-10.13%天风证券0.799-1.08%0.8120.00%0.967-3.30%申万宏源0.797-20.30%0.867-6.87%0.935-6.50%南京证券0.644-15.49%0.768-1.48%0.898-2.39%华西证券0.991-0.90%0.828-16.45%0.978-2.20%华泰证券1.0000.00%0.941-0.95%0.985-0.62%华安证券0.865-1.84%0.912-8.16%0.993-0.70%海通证券0.879-12.10%0.865-10.92%0.971-2.90%国信证券0.9890.00%1.0000.00%0.989-1.10%国泰君安1.0000.00%0.945-5.50%0.821-8.37%国金证券0.890-5.82%0.812-8.76%0.763-8.84%光大证券0.8520.00%0.6640.00%0.6770.00%东吴证券0.632-11.24%0.803-5.53%0.769-6.45%东方证券0.798-5.23%0.8567.27%0.898-10.20%财通证券0.832-3.59%0.813-1.80%0.863-10.38%均值0.860-5.86%0.850-5.17%0.899-1.46%从第三阶段的证券公司技术效率值以及对比第一阶段技术效率调整幅度来看，证券行业整体的经营效率下降幅度明显，其中2017和2018年技术效率的降幅均超过5%。这体现出外部环境有利于证券公司的实际经营，但也由于环境因素的影响掩盖了证券公司资源配置和利用效率不足、内部管理能力不足等问题。具体公司表现来看，除了中信证券、中金公司以及招商证券没有受到环境因素的影响以外，大部分证券公司的经营效率均受到了外部环境的积极影响，因为这些证券公司经调整后的技术效率呈现出不同幅度的下降，其中银河证券和西部证券受到环境因素的影响程度最大。其次外部环境对证券公司的影响程度不同，2017至2018年，证监会颁布了多项监管规定，从源头降低杠杆风险，但2019年利好证券市场发展的政策频出。面对这一变化，大型综合类证券公司借助外部环境提供的发展机会来真正提升自身的经营效率，例如申万宏源和华泰证券2018和2019年的技术调整幅度都有所减小。而一些中小型证券公司仍然较多依赖于外部环境的发展，实质经营效率没有明显提升，体现在2019年的技术调整幅度较2018年有所上升。因此环境的影响是一把双刃剑，中小型证券公司应该在在业务的覆盖面和专业性之间有所取舍，不宜盲目的扩大公司经营规模，应该找准自身的市场定位，在具有独特优势的业务领域里深耕细作，从而抵御外部环境发生变化时的不利影响。1.3基于DEA-Malmquist指数的纵向动态效率测度1.3.1DEA-Malmquist指数的构建与推导瑞典经济学家StenMalmquist于1953年利用位似变换原理提出消费数量函数，后来以Malmquist命名该指数并与效率研究关联起来。1994年，Fare将DEA与Malmquist指数联系起来，建立了t期到t+1期的Malmquist指数，使Malmquist指数的应用更加具有实践性。Malmquist指数测算两个相邻时期公司生产力的变化情况，Malmquist指数能够体现决策点与理想最少投入点之间的距离比例。Malmquist指数具体表现为t期与t+1期的距离函数的比值。Malmquist指数的表达式如(1.11)所示:M=MXt,ytDt(xt,yt)为以t时期数据表示的技术生产水平的技术效率(xt,yt)；Dt(xt+1,yt+1)为以t+1时期数据表示的t研究生产力变动时，Malmquist指数可以分割为技术效率(EFFCH)与技术进步效率(TECH)。假设规模报酬可变时，技术效率(EFFCH)可继续分解为为纯技术效率(PECH)与规模效率(SECH)。技术效率的变化反映了公司投入资源的冗余程度、对资源的利用程度。技术效率变化的表达式如(1.12)所示:EFFCH=Dt+1(技术效率的变化是指各决策单元t期至t+1期的技术效率与生产前沿面的距离，当技术效率>1时，表示决策单元远离生产前沿面，即技术效率有所改进；当技术效率=1时，表示决策单元与生产前沿面的距离恒定，技术效率不变；当技术效率<1时，t期与t+1期决策单元至生产前沿面的距离均增加，技术效率下降。技术进步效率体现的是相临时期t期与t+1期的技术变化。技术进步是通过衡量决策单元生产边界的变化来评价生产技术的变化情况。技术进步的表达式如(1.13)所示：TECH=Dt(当技术进步效率>1时，生产前沿面向前移动，生产技术水平提升；当技术进步效率=1时，生产前沿面未发生变化，生产技术水平不变；当技术进步效率<1时，生产前沿面后退，生产技术水平下降。1.3.2动态效率测算结果本节运用DEA-Malmquist指数对2014-2019年证券公司的全要素生产率变化进行动态分析，考察随着时间的连续变化，证券公司效率数值也变化的原因。由于投入指标4“信息系统投入金额”是在2017年以后金融科技概念渗透率逐渐提升才得以单独统计，历年数据不可得，因此在纵向动态效率测度时的投入指标中移除。表1.8展示的是2014年到2019年5个经营时期21家证券公司DEA-Malmquist指数模型下各类效率值的均值对比情况。表1.82014-2019年证券公司DEA-Malmquist指数测算结果公司技术效率技术进步效率纯技术效率规模效率全要素生产率中信证券1.0000.9321.0001.0000.932中信建投1.0000.9421.0001.0000.942中金公司1.0000.8871.0001.0000.887浙商证券0.9850.9170.9980.9880.904招商证券1.0080.9241.0071.0010.932银河证券1.0191.1141.0240.9941.135西部证券0.9720.9630.9621.0110.935天风证券1.0500.9381.0001.0500.985申万宏源0.9790.9010.9791.0000.882南京证券1.0050.9911.0001.0050.996华西证券1.0220.9631.0320.9900.984华泰证券1.0030.9371.0050.9980.940华安证券1.0040.9681.0001.0040.971海通证券1.0000.9461.0001.0000.946国信证券1.0000.9461.0001.0000.946国泰君安0.9780.9510.9850.9930.930国金证券1.0330.9321.0500.9840.963光大证券0.9550.9420.9560.9990.899东吴证券0.9950.9341.0170.9780.929东方证券1.0170.9591.0091.0080.975财通证券0.9930.9740.9930.9990.967均值1.0010.9511.0011.0000.951从全要素生产率来看，样本证券公司的均值为0.951，说明2014-2019年行业经营效率平均下降1.9%，只有银河证券的全要素生产率实现了提高，其余20家证券公司都出现了不同程度的下降。除全要素生产率以外的4个效率指标中，只有技术进步效率小于1，说明2014-2019年技术进步效率的降低在证券行业是普遍现象。西部证券的全要素生产率均值为0.935小于1，同时略低于证券公司的效率平均值0.951，因此西部证券的经营效率在这5年中整体呈下降趋势；只有规模效率为1.011，说明公司的规模效率在2014-2019年微弱的进步了1.1%。并且从表1.8的结果可以看出，经营效率下降主要是由于技术效率下降引起的。而技术效率和纯技术效率分别为0.972、0.962，均未达到有效，并且低于行业均值，说明公司技术效率的下降趋势主要是受到纯技术效率降低的影响。技术进步效率为0.963，说明这一时期西部证券表现出技术退步现象。DEA-Malmquist指数的平均结果与横向静态效率测度的研究结果相同，因此西部证券要想提高经营效率，必须要提高其纯技术效率和技术进步效率。1.3.3效率指标变化分析（1）2014-2015年全要素生产率的变化分析样本证券公司中仅有中金公司的全要素生产率小于1，其余20家证券公司整体经营效率均呈上升趋势。从技术效率来看，有13家证券公司技术效率大于1，占到61.90%；从技术进步效率来看，21家证券公司均实现了技术进步。这一时期货币政策宽松的环境为资本市场带来了牛市机会，成交量和融资融券业务都连续多天创下新高，有利于证券行业的持续盈利和发展。随着政策红利的释放以及信息技术的发展，行业技术进步效率普遍提升，促进证券公司整体经营效率提升。表1.92014-2015年证券公司DEA-Malmquist指数测算结果技术效率技术进步效率纯技术效率规模效率全要素生产率中信证券0.7951.3251.0000.7951.053中信建投1.0001.4051.0001.0001.405中金公司0.8011.0750.8430.9510.861浙商证券1.0001.2911.0001.0001.291招商证券0.9611.3180.9660.9941.267银河证券0.8911.2670.9430.9461.130西部证券0.9691.2860.8861.0941.247天风证券0.9231.2880.8821.0461.189申万宏源1.0001.3601.0001.0001.360南京证券1.0611.3591.0001.0611.442华西证券1.1791.3731.1711.0071.619华泰证券0.8911.2770.9110.9781.139华安证券1.0191.4111.0001.0191.438海通证券1.0001.2981.0001.0001.298国信证券1.0001.3511.0001.0001.351国泰君安0.9211.2621.0000.9211.163国金证券1.0041.2600.9511.0561.264光大证券1.1901.2691.1871.0031.511东吴证券1.0401.2401.0430.9981.290东方证券1.0871.3061.0451.0401.419财通证券1.0011.5171.0001.0011.519均值0.9871.3110.9920.9961.298西部证券2014-2015年的全要素生产率为1.247，公司的经营效率提高21.7%，但是这主要得益于技术进步效率的提高；但是技术效率为0.969，技术效率无效的原因主要是纯技术效率降低导致的。西部证券在这个过程中不断扩大经营规模，总资产量从2014年的289.15亿元快速上升至2015年的582.36亿元，增长率达到101.4%；营业收入由19.38亿元增长至56.41亿元，净利润由6.6亿元增长至19.68亿元，近乎翻了3倍。同时西部证券的经纪业务收入占比达到53.2%，带来的手续费及佣金收入帮助公司快速发展。（2）2015-2016年全要素生产率的变化分析这一时期只有银河证券的全要素生产率大于1，实现了经营效率的整体提升，其余20家证券公司的经营效率均大幅度下降，均值仅为0.687。从技术效率来看，有12家证券公司技术效率大于1，占比57.14%；从技术进步效率来看，均值仅有0.667，说明大部分证券公司在这一时期普遍技术退步。从外部环境来看，从2015年开始“股灾”的后续影响以及2016年不断出台监管政策的限制，大部分证券公司的自营业务都显示亏损，经纪业务收入也直线下滑，这一时期行业整体的技术进步效率和全要素生产率呈双降趋势，达到历史最低的水平。表1.102015-2016年证券公司DEA-Malmquist指数测算结果技术效率技术进步效率纯技术效率规模效率全要素生产率中信证券1.1810.5121.0001.1810.604中信建投1.0000.6301.0001.0000.630中金公司1.2480.6861.1871.0520.856浙商证券1.0000.5471.0001.0000.547招商证券0.9320.6930.9281.0050.647银河证券1.3661.5501.2881.0602.118西部证券0.9950.7041.1440.8700.700天风证券1.1440.6311.1341.0090.722申万宏源0.8370.6960.8930.9380.583南京证券0.8560.6831.0000.8560.585华西证券1.0000.6711.0001.0000.671华泰证券1.1580.5711.1271.0270.660华安证券0.8600.5481.0000.8600.472海通证券1.0000.5171.0001.0000.517国信证券0.8850.6290.8900.9940.557国泰君安1.0850.6281.0001.0850.681国金证券1.1020.7321.2350.8930.806光大证券0.7890.6150.8040.9810.485东吴证券1.0150.5641.0650.9530.572东方证券0.7530.6600.7720.9750.497财通证券0.9630.5381.0000.9630.518均值1.0080.6671.0220.9860.687西部证券2015-2016年的全要素生产率为0.700，公司的整体经营效率降低30%，下降幅度显著。技术效率为0.995，较上一时期有所提升，将技术效率分开来看，纯技术效率为1.144，规模效率为0.870，说明公司的技术效率降低的原因是规模效率的降低。技术进步效率为0.704，为显著下降趋势。西部证券的总资产减少40.52亿元，同比降低6.96%；营业收入减少22.35亿元，同比跌幅39.61%；净利润减少8.55亿元，同比降低43.43%。由此可以看出西部证券的经营效率受证券市场波动影响较大，再加上公司以传统经纪业务为主，创新能力不足，导致没有摆脱受外部环境牵制的境遇。（3）2016-2017年全要素生产率的变化分析这一时期有中信证券、招商证券、申万宏源等10家证券公司的全要素生产率大于1，占比47.62%，样本证券公司的经营效率表现出分化状态。从技术效率来看，有12家证券公司技术效率大于1，占比57.14%；从技术进步效率来看，仅有5家证券公司实现了技术进步。从外部环境来看，这一时期证监会颁布了多项监管规定，从源头降低杠杆风险，从而限制了证券公司创新业务的发展，导致大部分证券公司技术退步。表1.112016-2017年证券公司DEA-Malmquist指数测算结果技术效率技术进步效率纯技术效率规模效率全要素生产率中信证券1.0651.1551.0001.0651.231中信建投1.0000.8371.0001.0000.837中金公司1.0000.7661.0001.0000.766浙商证券0.8600.9151.0000.8600.787招商证券1.1510.9181.1540.9971.057银河证券0.8430.8660.8480.9940.730西部证券0.8710.8920.8141.0700.777天风证券1.0090.8531.0001.0090.861申万宏源1.1950.9231.1201.0671.103南京证券0.9370.9661.0000.9370.905华西证券0.9320.9051.0000.9320.844华泰证券1.0001.0721.0001.0001.072华安证券1.0560.9811.0001.0561.037海通证券0.9861.1130.9861.0001.097国信证券1.1170.9091.1151.0021.015国泰君安1.0001.0041.0001.0001.004国金证券1.1700.8421.1321.0340.985光大证券1.0860.9631.0900.9971.046东吴证券0.8001.0250.7961.0050.820东方证券1.1090.9841.0931.0141.092财通证券0.8930.9760.9080.9840.872均值0.9970.9501.0000.9970.947西部证券2016-2017年的全要素生产率为0.777，下降22.3%，公司整体经营效率仍然为下降状态，并且较上一时期提高不明显。技术效率为0.871，技术进步效率为0.892，说明公司的经营效率下降与二者均有关系。技术进步效率的下降主要延续了股市行情的影响，导致公司业绩持续低迷，公司的质押式股票回购业务“踩雷”乐视网，生产技术退步明显。技术效率分来看，规模效率为1.070，纯技术效率为0.814，此时纯技术效率为研究时期内的最低值，说明公司此时的内部治理能力与资源配置效率达到最为危机的水平。（4）2017-2018年全要素生产率的变化分析这一时期仅有中金公司全要素生产率大于1，其余20家证券公司整体经营效率呈明显的下降趋势，均值0.791。从技术效率来看，有11家证券公司达到技术效率有效，占比52.38%；从技术进步效率来看，仅有中金公司实现了生产技术进步。这一时期受限于经济增速下滑、中美贸易摩擦等外部冲击，我国股市出现了大幅回落，全年降幅超过20%；加之部分上市公司股票质押业务暴雷，经营业绩普遍下滑。证监会颁布一系列强监管政策整肃证券行业，大部分证券公司主动缩减业务范围，由于各证券公司对于监管要求适应能力存在差异，从而影响其技术进步效率的提升。表1.122017-2018年证券公司DEA-Malmquist指数测算结果技术效率技术进步效率纯技术效率规模效率全要素生产率中信证券1.0000.7411.0001.0000.741中信建投0.9540.8230.9590.9950.785中金公司1.0001.0381.0001.0001.038浙商证券1.0020.8610.9361.0700.862招商证券1.0100.8151.0001.0100.823银河证券1.0340.8461.0301.0040.875西部证券0.9070.8390.9280.9770.761天风证券0.9750.9181.0000.9750.895申万宏源0.9230.5310.9240.9990.490南京证券1.0540.8131.0001.0540.857华西证券1.0560.8001.0001.0560.845华泰证券0.950