基于DEA模型非利息收入变动对我国商业银行效率影响实证分析.docx

基于DEA模型非利息收入变动对我国商业银行效率影响实证分析目 录 摘要 1 ABSTRACT 2 一 前言 3 1.1 探讨背景及意义 3 1.2 文献综述 4 1.2.1 国外探讨文献综述 4 1.2.2 国内探讨文献综述 5 1.2.3 文献评述 6 1.3 探讨思路及方法 6 二 银行效率的DEA评价方法 7 2.1 银行效率评价方法 7 2.2 DEA分析法 7 三 探讨设计与样本描述 10 3.1 理论分析与探讨假设 10 3.1.1 我国商业银行非利息收入业务发呈现状 10 3.1.2 银行非利息业务、非利息收入与银行效率之间的关系 10 3.2 模型构建与变量选择 11 3.2.1 建立DEA模型、选择输入输出值 11 3.2.2 建立面板数据模型 11 3.3 描述统计 12 3.3.1 DEA模型描述统计 12 3.3.2 面板数据描述统计 14 四 实证结果与分析 17 4.1 面板数据实证结果 17 4.2 实证探讨结果分析 18 五 建议对策及探讨展望 20 5.1 建议与对策 20 5.2 探讨不足及后续探讨展望 21 参考文献 22 致谢 24 基于DEA模型的非利息收入变动对我国商业银行效率影响的实证分析 摘要 本文主要探讨我国商业银行非利息收变动与其效率之间的关系。分析我国商业银行非利息收入业务的生存环境、发呈现状及影响因素，选取2010年其次季度至2016年其次季度我国十六家上市银行财务报表披露的季度数据为样本，利用数据包络分析方法（DEA）对银行的效率进行估计，利用面板数据分析方法，对银行非利息收入变动及其他相关影响因素和银行效率的相关关系进行实证论证，结合我国商业银行非利息收入业务发呈现状，对其将来发展和银行效率的提高提出针对性对策和合理建议。本文得出如下结论：（1）我国上市商业银行的手续费及佣金收入与银行效率呈明显正相关关系，银行的手续费及佣金收入成为商业银行利润增长的支撑点，手续费及佣金收入占比的提升能带来商业银行效率的优化；（2）其他非利息收入（扣除佣金和手续费收入的非息收入）占比与商业银行的效率负相关，与其发展成熟程度较低、经营所消耗成本较高、占比较低未形成规模效应、存在较大风险等因素有关；（3）商业银行利润的增长和资产规模的扩大与商业银行效率的提升相关程度并不显著。 关键词：非利息收入，商业银行效率，DEA An Empirical Analysis of the Impact of Non-interest Income Changes on the Efficiency of Chinas Commercial Banks Based on DEA Model ABSTRACT This paper mainly studies the relationship between the non - interest income and the efficiency of China s commercial banks. This paper analyzes the living environment, the present situation and the influencing factors of the non-interest income business of Chinas commercial banks, and selects the quarterly data from the financial statements of the 16 listed banks in China from the second quarter of 2010 to the second quarter of 2016 as the sample, (DEA) is used to estimate the efficiency of banks, and the relationship between bank non-interest income and other relevant factors and bank efficiency is proved by using panel data analysis method. Combining with the development of non-interest income business of commercial banks in China, Its future development and the improvement of bank efficiency put forward targeted countermeasures and reasonable suggestions. This paper draws the following conclusions: (1) The fees and commission income of listed commercial banks in China are positively correlated with the bank efficiency. The banks fee and commission income are the supporting points of the profit growth of commercial banks. The fee and commission income (2) The proportion of other non-interest income (non-interest income excluding commission and fee income) is negatively correlated with the efficiency of commercial banks, and the degree of maturity is low, and the operation of the business (3) The increase of profit of commercial banks and the expansion of asset scale are not significant in relation to the improvement of commercial banks efficiency. Key Words: Non-interest Income of Commercial Bank, Bank Efficiency; DEA 一 前言 1.1 探讨背景及意义 银行非利息收入顾名思义是传统的存贷业务利息差以外的营业收入，主要由手续费及佣金收入、净投资收入等服务或活动产生的收入构成。 在我国目前的银行收入构成模式下，传统的利息收入仍是商业银行利润的主要来源，一般占据主营业务收入的80%以上。但近年来互联网金融飞速发展及金融体系多元化的态势对我国商业银行传统的存贷业务产生了不小的冲击，同时利率变动、国际经济周期、经济金融形势波动都是导致传统的利息收入增速放缓甚至呈下行趋势的因素。图1 20102015年我国五大国有银行利息收入改变状况 图2 20102015年我国五大国有银行非利息收入占比改变状况 从图1可以看出，我国五大国有银行的年利息收入近年来呈总体增速放缓趋势；非利息收入占比方面，图2显示自2010年以来交通银行、工商银行非利息收入占比有明显上升趋势，中国银行与建设银行稳中有增，农业银行略有波动但2014年以来仍呈现上升趋势。数据来源：五大国有商业银行2010-2015年度财务报告数据 传统的利息收入增长速度已经渐渐减慢，非利息收入已经渐渐为各家银行所重视并成为提升业绩实力的重要施力方向。不仅仅在中国，全球背景下，尤其是西方金融业较为发达的国家，非利息收入业务已经成为应对银行业和其他金融机构激烈的竞争、适应不断改变的经济金融形势普遍运用和追求的手段。银行综合化经营的持续推动、企业和个人多元化资产管理需求的不断提升等都将成为推动非利息收入增长的有利因素，但外贸持续低迷、理财监管趋于严格、资本市场波动等对其的影响同样不容忽视。赫国胜,徐洁. 我国上市商业银行非利息收入业务分析与对策J. 财经问题探讨,2010,(12):86-92. 当前对商业银行非利息收入的探讨较少，大多数也都集中在非利息收入业务变动可能存在的风险上，并未与商业银行的实际经营效率联系在一起；而对银行的效率探讨也较少将非利息收入业务的影响纳入特地考量。1.2 文献综述 本部分主要针对国内外探讨学者对商业银行非利息收入业务和银行效率的相关探讨理论进行概述。1.2.1 国外探讨文献综述 商业银行非利息收入业务在国外发展较早，关于其对银行效率影响的探讨也相对更为成熟。Joyeeta Deb(2013)在对印度的60家银行的面板数据进行分析后得出非利息收入占比的增加能够显著提升商业银行经营管理的效率。Vincenzo Chiorazzo(2008)分析整理了2003至2007年意大利银行的财务报告后认为非利息收入业务类别和规模的扩大导致了商业银行绩效的提高；但同时也有不少学者持相反的观点。Li Li(2014)利用DEA模型对多家商业银行的效率进行评分估计后提出增加非利息收入作为产出变量后并不会对银行的效率产生显著的影响。Moshirian(2015)和Jaffar(2014)对英国巴克莱银行和欧美其他国家的银行非利息收入变动和银行的效率表现进行分析后认为其相关关系不明显。除了非利息收入对银行效率和风险的探讨，国外学者对影响非利息收入变动的因素也做过相应探究。较早期的探讨中Sinkey（1998）利用美国银行二十世纪90年的财务数据分析探讨得出银行资产规模越大非利息收入相应占比越高、传统的利息收入和非利息收入呈负相关改变、核心存款利息和非利息收入占比成反比等结论。Lepetit(2009)分析了欧洲商业银行的风险和收入结构后认为银行的规模和非利息收入的种类都会对商业银行利息收入效益产生比较大的影响，进而影响到商业银行的效率。Stiroh K(2014)在对欧美地区的商业银行非利息收入业务进行分析后提出不同金融市场中的经营格局业务模式都会对非利息收入业务的发展和非利息收入与银行效率之间的关系产生不同程度的影响。1.2.2 国内探讨文献综述 我国商业银行的非利息收入业务起步相对较晚，随着商业银行多元化、综合化经营的发展趋势，越来越多的专业学者也起先将目光聚焦在非利息收入以及其对商业银行效率、绩效的影响上来。肖崎、苗俊杰(2016)对我国主要上市银行在2005至2014年的财报数据进行实证分析，剖析了我国商业银行非利息收入所占比重不高、业务的种类不多、前期增速缓慢但与利息收入波动近似的发呈现状，但国内关于非利息收入的探讨更多地集中在对银行风险的影响上。吴晓艳(2013)利用面板数据建立系统GMM GMM即广义矩估计,Generalized method of moments，是基于模型实际参数满意肯定矩条件而形成的一种参数估计的方法，是矩估计方法的一般化。模型分析后认为非利息收入增加对降低资本足够率风险、经营风险、获利风险有主动的作用。汪宏城(2012)提出非利息收入业务的变动对我国商业银行收益率的波动存在着显著的影响。商业银行效率受非利息收入变动影响的探讨方面，邰越越、杨虎锋(2014)基于我国44家银行2007-2012的面板数据建立变截距固定效应模型，他们认为非利息收入占比以及非利息收入业务的种类改变对商业银行的绩效并无显著影响。魏世杰(2010)等人在分析了2003-2007年间国内40家商业银行的相关数据后提出非利息收入占比的提高和商业银行效率之间呈负相关关系，但将其进一步拆分后佣金及手续费收入占比的提高有利于提高银行的经营效率。崔慕华(2014)利用理论分析与实证回来相结合的方法提出在我国目前的银行非利息收入发呈现状下，商业银行的非利息收入与银行的经营效率是呈正相关关系的结论并加以了验证。1.2.3 文献评述 随着我国银行业收入结构的不断调整和转型发展的趋势，非传统的非利息收入业务尤其是在近几年发展迅猛，关于最新的非利息收入发呈现状下与商业银行效率的相关性探讨还是较少，国内的相关探讨在引入DEA模型来测度商业银行的效率时也较少考虑到非利息收入因素的影响。因此本文选取2010至2016年度我国十六家上市银行非利息业务收入占比、营业净利润等季度数据，利用DEA效率评价方法对银行效率进行评估，利用面板数据分析方法，对银行非利息收入变动和银行效率的相关关系进行实证论证具有肯定创新性和价值。 1.3 探讨思路及方法 本文采纳理论分析与实证检验相结合的探讨方法，将商业银行的非利息收入变动状况与其实际经营效率联系起来，选取2010年至2016年我国16家上市银行所披露的季度数据指标作为探讨对象，采纳数据包络分析方法（DEA）对其经营效率进行估计，提出相关假设，利用面板数据分析方法检验我国上市商业银行的非利息收入变动状况对商业银行效率的影响，进而得出相关结论并提出相应建议与对策。 本文采纳的探讨方法详细有： 1. 文献综合探讨法。梳理国内外对于商业银行非利息收入业务的现有探讨成果，整理包括数据包络分析方法（DEA）在内的银行效率评价方法，对国内外关于商业银行效率、非利息收入业务的相关理论与探讨成果进行概述和评价，为后续的实证分析打下基础。2. 实证探讨分析方法。采纳数据包络分析法（DEA）对探讨样本进行估计，采纳面板数据分析方法，基于基本理论建立非利息收入对商业银行效率影响的模型，利用计量经济学方法验证银行非利息收入变动对于商业银行效率的实际影响。 二 银行效率的DEA评价方法 2.1 银行效率评价方法 依据效率的基本定义，商业银行的效率是指综合考量银行的投入和产出间的相对比例关系。银行的效率往往是商业银行的盈利实力、可持续发展实力的综合体现，银行的效率不管是在理论界还是实务界都是关注和探讨的焦点，因为银行的效率凹凸不仅影响其自身的获利实力和发展前景，也对整个社会的资金运转效率与金融、经济稳定有重要的意义。 关于银行效率的评价方法也多种多样，现行采纳比较广泛的是财务指标分析法、经济增加值方法、平衡记分卡法和前沿效率分析法。陈晞. 银行同业业务扩张对我国上市商业银行效率影响D.厦门高校,2014. 财务指标分析法和经济增加值分析方法都是利用银行的相关指标来进行效率的衡量。净资产收益率（ROE） 净资产收益率ROE，即Rate of Return on Common Stockholders Equity，是公司税后利润与净资产的比值，用于衡量股东权益的收益水平。就是财务指标分析法下经典的一项效率评价指标，至今也为众多的探讨者所选用，但明显其更侧重于银行盈利实力的强弱，对困难的金融环境下银行的可持续发展经营绩效的评估是不全面的；经济增加值方法从增量的角度衡量效率，用税后营业净利润和资本费用的差额得出经济的增加值，但实际资金运用成本和将来现金流的预料是较为困难的。平衡计分卡从财务、内部流程、客户、创新与学习四个维度进行效率考核，属于较抽象的方法。以上三种方法各有侧重，但是都存在着或评价方法单一、或定性测度有失精确的弊端。现广泛为人们所接受的银行效率测度方法是随机前沿分析（SFA）为代表的参数法和数据包络分析（DEA）为代表的非参数分析方法，它们就属于上述的第四种效率评价方法：前沿效率分析法。随机前沿分析法（SFA）须要提前预设效率的目标函数，利用最大似然估计对其进行参数估计，其优点为可以分解出影响效率的各个因素，但函数的预设难度较大；而数据包络分析法（DEA）则不须要预设目标函数或者分布，实际运用的是线性规划的方法，利用投入要素与产出要素进行效率估计，因其较强的可操作性得到广泛认可与运用。2.2 DEA分析法 数据包络分析方法（DEA）本质上是利用线性规划方法来评价多个投入和产出“对象”（称为“决策单元”，记为DMU）的有效性。依据对DMU视察数据值推断DMU是否有效，本质上是推断DMU是否位于可能集的“生产前沿面”上。2.2.1 DEA模型概述 DEA模型所测度的技术效率是规模酬劳不变的状况下生产前沿面上最优投入同实际投入的比率，可以理解为是反应在产出肯定时，实现投入最小化的实力。事实上DEA模型度量的是一种综合效率，它包含纯技术效率（PTE）和规模效率（SE）两部分，相关关系为： TE=PTESE 当规模酬劳可变时，位于生产前沿面上的最佳投入与实际投入的比例就是PTE，能够体现银行经营管理水平的凹凸；而SE则是在规模酬劳不变与规模酬劳可变的不怜悯况下两者最优投入的比例。2.2.2 模型的简要数学推导过程 在DEA模型中拟进行效率评估的对象就是决策单元（DMU）。有如下的几项假设： 有n个决策单元 (j=1,2,3,n) 每个DMU有相同（相像）的m项输入（投入）指标 (i=1,2,3,m) 每个DMU有相同（相像）的s项输出（产出）指标 r=1,2,3,s) 第i个决策单元的输入向量Xi=x1i, x2i,xai，输出向量量Yi=y1i, y2i,yai,衡量决策单元DMUj是否DEA有效即用线性规划方法求出效率前沿边界，此时xij表示DMUj的m*1投入向量，yij表示DMUj的s*1产出向量，定义落在前沿上的决策单位（DMU）效率为1，即DEA有效，未落在前沿面上的效率值介于0到1之间。则某一DMUj0的相对效率则可以由以下线性规划模型得出： min, s.t. j=1njXjiXi , s.t. j=1njYjiYi , j0, j=1,2,3,n 以上即规模酬劳不变前提下的CCR模型，是库伯等人由“两投入一产出”推广为“多投入多产出”而来。但在现实中规模酬劳不变的前提条件是较难满意的，VRS模型就进行了相应的修正来改进较为苛刻的假设带来的不便，测算除去规模效应的影响所得到的纯技术效率，即加入凸性假设： j=1nj=1 , 模型中的i则表示第i个决策单元的PTE，再利用比例关系求出规模效率SE。2.2.3 样本及指标选取 依据效率的基本定义，商业银行的效率应为其投入要素与产出要素之间的比例，本质反应的是商业银行的资源利用效率和运营水平。利用数据包络分析（DEA）方法进行商业银行效率的评价和度量已经渐渐为人们所广泛运用，但在输入和输出指标的选择上却各有侧重，有所区分。如何选用输入和输出指标，现行的主流方法有成本法和中介法等。王健,金浩,梁慧超. 我国商业银行效率分析基于超效率DEA和Malmquist指数J. 技术经济与管理探讨,2011,(04):124-127. 成本法将银行视为生产其产品（即对应服务）的厂家，输入指标（投入）为生产的成本:资本、劳动力等，输出指标（产出）为其供应产品的数量，一般详细化为运用用户和交易的数量。中介法则将银行视为金融活动的中介机构，付出利息从存款者处吸纳储蓄筹集资金，向贷款者放出贷款收取利息以获利。银行作为资金融通活动的媒介明显更符合现代银行的功能定位与实际状况，所以在DEA探讨中中介法也处于较高的运用频率。表1 基于中介法的DEA输入输出指标选取 作者 输入指标 输出指标 武伟、李丹、王涛 资本总额、劳动、借入资金 贷款、股权投资、其他投资、其他收益资产 周逢民、张会元等 存款总额、利息支出、员工人数、固定资产 投资总额、非利息收入、净贷款总额 王健、金浩、梁慧超 固定资产净值、员工人数、营业费用 贷款、其他盈利资产、税前利润总额 本文依据自身的探讨方向和重点，对比后综合两种方法的特长，取长补短综合选取相应的输入和输出指标。 三 探讨设计与样本描述 3.1 理论分析与探讨假设 3.1.1 我国商业银行非利息收入业务发呈现状 商业银行非利息收入是属于传统的存贷业务利息差以外的营业收入。利差收入虽仍是商业银行主要的利润来源，但由于影响利息变动的因素较多，且随着经济、金融形式的改变，我国的商业银行也起先纷纷将目光聚焦在非利息业务的发展上。 依据2016年我国上市商业银行披露的季度财务报告显示，多家银行的营业收入下滑，利息收入削减，但非利息收入占比却呈现一个增长的态势。截至2016年第三季度数据不完全统计，非利息收入占营业收入的比重超过30%的银行在A股上市行中数目已经大于10家。民生银行、中国银行和招商银行表现亮眼，非利息收入占比居前三位。数据来源：我国上市银行季度财务报告披露数据 我国的非利息收入发展较晚和国外普遍的接近50%的非息收入占比有着很大的差距，也因此在发展的潜力上是巨大的。崔慕华,衣兰. 商业银行非利息收入与经营绩效相关性探讨J. 绿色财会,2014,(04):14-16. 但是金融环境的差异、竞争状况的困难也意味着非利息收入业务的发展速度和发展方式都同时面临着机遇和挑战。银行业转型推动力巨大但政策规范也愈加严格，互联网金融、机构和产品市场化多元化都对商业银行的各类传统和创新业务产生了极大的冲击，因而非利息收入的变动和商业银行的经营效率之间的关系是一个值得探讨的问题。3.1.2 银行非利息业务、非利息收入与银行效率之间的关系 依据我国上市商业银行财务报告列示，商业银行的非利息收入主要有佣金及手续费收入、净投资收入、汇兑收入等几项，当下经济金融形势下资产规模扩张速度放缓，金融市场化程度渐渐加深，商业银行“躺着赚钱”的阶段早已经不复存在，传统的利息差收入利润空间渐渐缩减，向非利息收入业务转变发展已经成为商业银行经转型发展的必由之路。中国商业银行的非利息收入占比和利息差收入的确规模尚小，但非利息收入已呈现总体增长趋势，且占据份额也在逐步提升的过程中，随着银行业综合功能的日益健全和规范，非利息收入业务的发展对商业银行分散风险、提升经营效益和效率具有重要的影响。所以本文假设非利息收入与我国商业银行的经营效率呈相关关系，但详细正向还是负向的影响暂不明确，因而对其作如下拆分处理： 对非利息收入的构成进行进一步的分析，将非利息收入拆分为手续费及佣金收入和不包含手续费和佣金收入的其他非利息收入两部分。其中手续费及佣金收入属于非利息收入最重要的组成部分也是目前非利息收入的主要来源，较高的手续费及佣金业务收入往往意味着规模较大或数量较多的询问、担保、代管业务等，与之相匹配的一般都是较高的银行声誉和强大的运营实力，本文假设手续费佣金收入与商业银行的效率呈正相关关系。除去手续费及佣金收入后的其他非利息收入来源主要是其他的一些新兴的、风险较高的、不够成熟的非利息收入业务，在我国非利息收入业务快速成长但发展不够成熟和尚未完善的阶段，本文假设其与我国商业银行的效率呈负相关关系。3.2 模型构建与变量选择 在进行非利息收入变动与商业银行效率之间的相关关系实证论证时，实际要分为两个步骤，第一步先利用数据包络分析法（DEA）对商业银行的效率值进行估测，估测出的效率值作为面板数据分析中的被说明变量；选取我国16家上市银行的相应指标作为说明变量进行实证探讨，数据时间跨度为2010年其次季度至2016年其次季度的季度数据。3.2.1 建立DEA模型、选择输入输出值 选择在时间跨度期起先时已上市的16家银行作为DEA模型中的决策单元（DMU），数据来源为中国上市银行所披露的季报、半年报和年报。在DEA分析方法中，须要对比各项所选择的投入（输入）和产出（输出）指标来估测DMU的效率值。综合借鉴广泛运用的中介法和生产法等指标选取方法，依据阅读整理的相关文献，融合本文探讨的方向与重点，选择以下的指标作为输入和输出指标： 输入指标:存款总额、固定资产、利息支出 输出指标:贷款总额、主营业务收入、净利润 3.2.2 建立面板数据模型 选择与DEA模型中相同的十六家上市银行作为样本，以保持分析的持续性与整体性，依据以上分析及其他文献探讨，考察商业银行非利息收入波动是否和银行的效率改变有相关关系，考察商业商业银行其他非利息收入、净利润和资产规模等其他因素对其效率影响的相关关系，建立如下模型： TEit=0+1SXFRit+2ONIIRit+3TRit+4TAit+it 模型中i表示第i家银行，i=1,2,3,n，t表示第t期，t=1,2,3,s，TEit表示第i家银行在第t时期的效率值，SXFRit是第i家银行在第t期的手续费及佣金收入占比，ONIIRit则是第i家银行在第t时期的其他非利息收入占比，TRit是第i家银行在第t时期的营业净利润指标，而TAit指的是第i家银行在t期的资本总量。3.3 描述统计 3.3.1 DEA模型描述统计 本文选取的输入指标为“存款总额、固定资产、利息支出”，输出指标为“贷款总额、主营业务收入、净利润”，利用DEA-SOLVER Pro5.0软件进行DEA模型分析，下表即为选择CCR-I模型时十六家上市银行的效率值估测值： 表2-1 十六家商业银行2010年其次季度至2012年其次季度DEA模型效率值 时期/银行 201006 201009 201012 201103 201106 201109 201112 201203 201206 浦发银行 0.9979 0.9912 0.9525 0.9632 0.9764 0.9390 0.9470 0.9235 0.9967 华夏银行 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 民生银行 0.8214 0.8265 0.8126 0.8463 0.8152 0.8387 0.8563 0.8287 0.8354 招商银行 0.8341 0.8523 0.8069 0.8296 0.8221 0.7986 0.8425 0.8121 0.8412 南京银行 1.0000 0.8900 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 兴业银行 0.9170 0.8468 0.9878 1.0000 0.9258 1.0000 0.9952 1.0000 1.0000 北京银行 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 农业银行 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 交通银行 0.8883 0.8873 0.8646 0.9167 0.9456 0.9297 0.9204 0.9105 0.9363 工商银行 0.9618 0.9307 0.9355 0.9565 0.9483 0.9400 0.9627 0.9615 0.9683 光大银行 0.9525 0.9572 0.9604 0.9572 0.9701 0.9969 0.9768 0.8893 0.9127 建设银行 0.9088 1.0000 0.9061 0.9141 0.9270 0.8997 0.9394 0.9710 0.9431 中国银行 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 中信银行 0.9876 0.9370 0.9092 0.9423 0.9307 0.8631 0.8918 0.9146 0.9525 平安银行 0.9604 0.9679 0.9265 0.8947 0.9357 1.0000 1.0000 0.9564 1.0000 宁波银行 0.8888 0.8070 1.0000 1.0000 1.0000 1.0000 1.0000 0.8884 0.8979 2-2 十六家商业银行2012年第三季度至2014年第三季度DEA模型效率值 时期/银行 201209 201212 2013/03 201306 201309 201312 201403 201406 201409 浦发银行 0.9629 0.9879 1.0000 1.0000 0.9772 0.9203 0.9409 0.9510 0.9461 华夏银行 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 民生银行 0.8169 0.8496 0.8871 0.8731 0.8645 0.9251 0.9018 0.8967 0.8676 招商银行 0.8092 0.8622 0.8720 0.8610 0.8361 0.8050 0.7831 0.8485 0.8372 南京银行 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 兴业银行 1.0000 0.9989 0.9108 0.9276 0.9557 0.9667 1.0000 1.0000 0.9757 北京银行 1.0000 1.0000 0.9424 0.9939 1.0000 1.0000 1.0000 1.0000 1.0000 农业银行 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 交通银行 0.9315 0.9814 0.9291 0.9430 0.9696 1.0000 1.0000 1.0000 1.0000 工商银行 0.9707 0.9823 0.9658 0.9641 0.9680 0.9489 0.9703 0.9737 0.9734 光大银行 0.9107 0.9382 0.9495 0.9537 0.9807 0.9917 1.0000 0.9749 0.9451 建设银行 0.9291 0.9522 0.9552 0.9687 0.9446 0.9264 0.9238 0.9269 0.9402 中国银行 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 中信银行 0.9355 0.9681 0.9845 1.0000 0.9839 0.9573 0.9481 0.9953 0.9880 平安银行 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 宁波银行 0.9235 0.9527 1.0000 1.0000 0.9519 0.9862 1.0000 1.0000 1.0000 表2-3 十六家商业银行2014年第四季度至2016年其次季度DEA模型效率值 时期/银行 201412 201503 201506 201509 201512 201603 201606 浦发银行 0.9100 0.9854 0.9522 0.9137 0.8807 0.89