评价网 > 科教论文 > 经济学毕业论文 > 金融论文 > 正文

我国商业银行风险与效率研究(3)

2017-09-24 01:34
　　最后，由于受到DEA模型中投入产出指标硬约束的限制，我们将采用因子分析法来分别对产出和投入指标进行提练，寻找出最本质的投入和产出变量。
　　
　　3 实证结果及其分析
　　
　　利用我国12家商业银行2006年的数据，计算过程借助于SPSS11.5软件操作完成。由附表1可知，根据特征值大于1的原则，投入变量我们选入了2个公共因子，产出变量选入了3个公共因子。从累计贡献率来看，投入变量的2个公共因子反映了原有信息的99.69%，产出变量的3个公共因子反映了原有信息的96.99%。
　　 　　接着，本文将根据各因子的方差贡献率占各因子总方差贡献率的比重为权重进行加权汇总，可以分别求得各银行投入和产出变量的综合得分(附表2)。计算公式分别为：
　　投入变量总得分F=(58.89*F₁ 40.26*F₂)/99.69
　　产出变量总得分F=(55.40*F₁ 27.43*F₂ 14.17*F₃)/99.69
　　然后，把投入变量得分F与产出变量得分F作为DEA模型中的投入与产出变量，利用DEAP软件 我们计算出各商业银行2006年的效率得分(见表1)。
　　
　　从表1中可知，四大国有商业银行的效率得分明显偏低，从技术效率来看，仅建设银行和中国银行的效率得分达到所有商业银行得分的平均值，农业银行的效率得分在样本银行中排名倒数第二。在股份制商业银行中，效率得分最高的是华夏银行，其次是招商银行、交通银行和中信银行。从规模报酬情况来看，我国大部分商业银行没有达到理想的规模状态，有一半左右的商业银行处于规模报酬递减的阶段，而一半左右则处于规模报酬递增阶段。从纯技术效率来看，我国各商业银行的差距不大，其中工商银行、建设银行、招商银行、深发展、华夏银行和交通银行均达到效率满分，全部样本银行的纯技术效率平均分也比较高，达到0.918，但这里值得我们关注的是农业银行，其纯技术效率分值仅为0.474，处于非常落后的一个水平。
　　
　　最后，为了判断我国商业银行中是否存在为了追求高效率而采取了高风险的行为，本文还计算了未考虑风险因素时各样本商业银行的技术效率得分(见表2)。另外，表5中还包含了考虑风险因素后各样本商业银行的技术效率得分，考虑风险因素前后技术效率得分之差以及反映各商业银行风险状况的度量指标(资本充足性和流动性)。从技术效率值的变化情况来看，考虑风险因素前后变化最大的是深发展，其效率差值为0.579，与此同时，我们可以观察到，深发展的两个风险度量指标也表明其风险程度是最高的。在样本商业银行中，深发展的资本充足性是最低的(2.5%)，其流动性也是最差的(1.092)。为了更准确地判断我国商业银行中存在的效率与风险之间的关系，我们计算了考虑风险因素前后效率差与风险度量指标资本充足性和流动性的相关系数，它们分别为-0.42和-0.72。这表明，在我国商业银行中，存在着为了追求高效率而采取高风险的行为这样一种现象，即一些商业银行的高效率是通过牺牲其风险水平(降低资本充足性和流动性)为代价而获得的。在图1中，我们可以清晰地观察效率与风险之间的关系。很明显，一些银行通过降低其流动性而获得效率水平的提升。
　　
　　4 结论
　　
　　本文通过采用因子分析法，从众多的投入和产出变量中抽取出最重要的投入因子和产出因子，通过提练的投入因子和产出因子来衡量我国商业银行的效率水平。同时，将风险问题纳入到商业银行的效率分析框架，将效率分为未经风险调整的效率和经过风险调整的效率，通过实证研究发现，一些商业银行通过承担过高的风险，而获得未经风险调整的效率水平的提高。为此，可以看出，将风险因素纳入效率的分析框架中对于效率评估的准确性和客观性都具有重要的现实意义。 内容来自www.nseac.com
　　另外，本文的不足之处在于对商业银行风险的衡量时采取了比较单一的指标，未来的研究方向应是引入综合的模型指标对于商业银行的风险进行更科学的计量，并将其纳入效率的评估模型中。当然，本文的目的在于探讨在对效率进行评价时纳入风险因素的重要性，而实证只是对此观点所进行的初步验证，深层次的问题还有待于进一步的研究。