英语原文共 20 页

将信贷质量纳入银行效率度量：一种方向距离函数方法

摘要：本研究的目的是衡量1999-2013年24个新兴经济体银行的风险调整效率。采用了两阶段网络数据包络分析（DEA），分别采用存款动员和贷款融资阶段。利用DEA的方向距离函数，以不良贷款为不良产出来衡量效率。在考虑信用质量的情况下，效率得分的分布是不同的。效率分数的分布随地区间不良贷款的累积而有系统地变化。2007-2008年的金融危机对银行投资组合中不良贷款比例较高的地区的影响更为不利。后续非参数回归的结果显示，规模较小、资本状况较好的私人银行效率更高。有利于银行提高技术效率的条件是经济增长和低通胀。

关键词：新兴经济体；银行；方向距离函数；网络DEA；非参数回归

1导言

金融体系在经济发展中起着至关重要的作用。金融中介机构，尤其是银行，从不同的储户向投资者筹集资金（Drig_和Dura 2014年）。有效的中介有助于增长（Saini和Sindhu，2014年）和经济稳定。另一方面，银行业危机可能导致更广泛的宏观经济不稳定（Baily和Elliott 2009年），并对增长产生不利影响（Moyo等人2014年）。尽管银行对经济至关重要，但它们容易出现代理问题，这可能会导致一些管理者承担过度风险（Acharya和Naqvi，2012年），并可能危及银行的偿付能力。根据一项研究，在1979-1987年间美国171家破产银行中，73%从事积极的风险承担（1988年货币监理办公室）。

有大量关于银行效率的文献（Kumar和Gulati，2014年）。除了少数例外，本文献没有考虑过度的风险承担，通常表现为不良贷款。此外，几乎所有之前的研究都采用了一个单一阶段的黑匣子，即银行业务的概念化（Fauml;re和Grosskopf 2000）。^[1]从风险建模的角度来看，这是对实际银行业务的一种不充分的表示，实际银行业务有两个程式化的阶段：存款调动阶段和贷款融资阶段，其中超过SIV风险承担仅与后一阶段相关。用于将生产性投入转化为产出的技术可能在银行业务的不同阶段有所不同；因此，单阶段效率测量方法可能导致对有效技术前沿的严重误判，由此产生的效率测量可能会产生误导。据我们所知，只有两项研究将风险承担或信贷质量纳入效率测量，如下Chung等人（1997年），同时充分灵活地代表银行业务（Akther等人2013年；福山和韦伯，2010年）。然而，这些研究认为是单一国家的银行。随着时间的推移，在一个多国、新兴经济体环境中，有必要应用这些更为稳健的衡量方法来调查银行效率。这将使效率模式能够在各个国家和地区进行比较，并使调查宏观经济冲击（如2007-2008年金融危机）对银行效率的影响成为可能。

本研究试图填补这一空白。它采用了两阶段网络数据包络分析（DEA），利用定向距离函数对存款动员和贷款融资阶段的技术进行了单独的规范。根据银行业务的程式化，研究中的贷款融资阶段是以不良产出（不良贷款）和良好产出为模型的。研究发现，风险调整后的效率分数与未计入坏账的分数存在显著差异，这些差异在贷款融资阶段更为明显，从而突出了现有文献中广泛使用的银行业务通用技术假设的限制性。当然。研究的第二个贡献是，它使用不依赖于特殊假设的非参数回归来研究银行效率的决定因素。最后，各区域和国家在衡量效率得分方面的显著差异，凸显了在新兴经济体的跨国环境中研究银行效率的重要性。区域和跨国比较非常重要，因为它们有助于回答全球经济冲击（如1997年的亚洲金融危机和2007-2008年的全球金融危机）如何影响个别国家和地区的银行效率的问题。

2文献综述

Abraham Charnes等人（1978年）发明了术语“数据包络分析”，并提出了一种面向输入的DEA，该DEA根据达到有效边界所需的输入向量的径向收缩来测量效率，同时假设恒定的规模回报。Banker、Charnes和Cooper（1984年）将DEA分析扩展到了可变规模回报（Emrouznejad和Yang ，2017年；Liu等人，2013年）。

效率研究主要模拟一个单阶段的决策过程。然而，许多组织运作，包括银行，都有多个阶段，为每个阶段的效率提供了单独的衡量方法。A.Charnes等人的开创性论文（1988年）引入了网络DEA结构的概念，用于测量多级操作的效率。

DEA网络用于衡量美国银行在盈利和营销阶段（Seiford和Zhu ，1999年）、台湾银行在存款调动和贷款融资阶段（Yang和Liu， 2012年）以及巴西银行在成本效率和生产效率阶段（Wanke和Barros ，2014年）的效率。

另一组文献试图通过使用单阶段定向距离函数来衡量不良贷款背景下的银行效率（Chung等人1997年），寻求减少投入和不良产出，同时增加理想产出（Fukuyama 和 Weber，2008年）。

如前所述，信贷风险发生在银行业务的第二个（贷款融资）阶段。鉴于研究人员对在存在不良贷款的情况下调查效率测量的相当感兴趣，将融资阶段的不良贷款作为不良产出建模的网络DEA是扩展本文献的自然方向。然而，很少有研究使用网络DEA框架对存在不良贷款的银行效率进行建模。

Wang等人（2014年）通过Fauml;re等人提出的双曲线法雷尔型效率度量，测量了中国银行的效率（1989年）。本研究将整体效率分为存款产生和盈利两个子过程。Huang等人（2014年）通过扩展Tone和Tsutsui（2009年）的基于网络松弛度的度量模型（NSBM），检验了使用两阶段网络模型（输出不良）的中国银行的超效率。不良贷款被建模为第二阶段不良产出。

Fukuyama 和 Weber（2010年）提出了两阶段方向距离函数，用于衡量第二阶段不良贷款作为不良产出的日本银行的效率。Akther等人（2013年）通过两阶段的方向距离函数估计孟加拉国银行的效率，该函数在第二阶段将不良贷款建模为不良产出。尽管这些研究采用了两阶段DEA，并根据Chung等人的研究结果建立了不良输出模型。（1997年），它们都集中在单一国家。这是一个严重的限制，因为它不允许对银行效率测量进行跨国和区域比较，如上文所述，这可能揭示对全球金融危机等共同宏观经济冲击国家的不同影响。

调查选定的国家在不同的银行监管和监督下运作。这是为进行跨国比较而调查的一个重要考虑因素。Barth等人（2013年）在180个国家开展了一项调查，收集1999-2011年期间银行监管和监督政策的数据和措施。作者根据几个与银行有关的问题收集了数据。研究得出的结论是，在选定的国家，银行的监管在许多方面都存在差异。此外，研究发现，尽管大萧条以来最严重的全球金融危机，银行监管制度在过去十年中仍存在分歧。

现有文献中的大多数DEA效率研究采用Tobit模型（Tobin ，1958年）进行了后续分析，以研究效率的决定因素，该模型产生了不同变量贡献的点估计。这种方法依赖于特别的分配假设。另一种选择是基于核密度估计的非参数回归（Rosenblatt ，1956年），它不受特殊假设的影响。例如，Illueca等人（2009年）使用核密度估计和非参数回归检验了西班牙储蓄银行的生产力。然而，该研究并未考虑多阶段网络DEA中的不良贷款。

本研究的贡献如下：（1）将信用风险纳入银行的效率度量；（2）使用足够灵活的多阶段网络DEA框架，更好地捕捉在贷款融资阶段出现信用风险并以不良贷款形式表现的银行业务的程式化运作；（3）将效率测量扩展到多个国家，使各国之间的比较成为可能；应用非参数回归，避免在估计银行特征和其他相关变量对效率的影响时进行特别假设。

3方法论

3.1输出不理想的方向距离函数

考虑输入x_、理想输出y_和不良输出（如坏账）b_的技术t。Chung等人引入的方向距离函数。（1997年），旨在定向增加期望产出，同时减少投入和不期望产出，其定义如下：

⃑ (x, y, b; g) = Sup { ∶ ( minus; , , minus; ) isin; }, (1)

其中，非零矢量g=（minus;，minus;）决定了输入、期望输出和不期望输出的缩放方向。参考技术集T=（y，b）：x可以产生（y，b），并且假定满足规模回报不变、理想输出和输入的可处置性强、不期望输出的可处置性弱的假设。

假设有k=1，2，hellip;k决策单元（DMU）。然后，据Chung等人（1997年），方向距离函数可以通过求解下列DEA问题得到：

最大beta; = ⃑ (x, y, b; , , ),

从属于

sum; ge; beta; , m = 1, 2 ... M; (2) sum; = minus; beta; , j = 1, 2 hellip; J; (3)

sum; le; minus; beta; , n = 1, 2 hellip; N; (4)

sum; = 1, (5)

ge; 0, k = 1, 2 hellip;, K;

其中sum;是作为其他公司产出的线性组合而形成的有效边界。式（2）表明，企业实际产出（）加上可能的扩张（beta;），最多应与有效前沿所代表的产出相同。同样，方程式（3）要求输入使用（）减去可能的输入收缩（beta;），应至少等于sum;，其他公司使用的输入的线性组合。不良产出，即不良贷款，用表示，而beta;是不良产出的可能减少。权重是扩展或收缩DMU单个观测活动以构造观测输入和输出的凸组合的强度变量。

考虑到网络DEA，存款动员阶段和贷款融资阶段分别获得效率分数。该银行的整体效率得分是通过将两个SORE相乘得到的。

3.2非参数回归

大多数先前的研究也试图在第二阶段的后续回归中建立效率决定因素模型，通常采用托比特规范（McDonald，2009年），该规范依赖于特殊的参数假设。Ashraf等人（2017年）以三个替代指标作为因变量衡量银行的风险承担行为，同时将不良贷款作为衡量银行效率的风险指标。相反，本研究采用非参数回归（Hayfield和Racine 2008）对效率的决定因素进行了建模，该模型不依赖于任意假设。此外，它对连续变量和离散变量的处理也有所不同。

= m ( ) , i =1,2,hellip;hellip;N; (6)

其中是因变量，即银行的效率得分。由于回归量可以是连续的，也可以是离散的，所以研究定义了=（，），其中指的是连续回归量的向量，指的是离散回归量的向量，t是以年为单位的时间，i是新兴经济体的银行，n是总样本观察值（5685）。

这种非参数回归技术产生允许在所讨论变量的域内变化的偏导数，而在参数多元线性回归技术中，偏导数通常假定在其域内为常数（J.Racine ，1997年）。NP包被用于估计非参数回归，这些回归建议了更有力的解释（Hayfield和Racine，2008年）。核带宽通过最小二乘交叉验证选择，计算为3.45sigma;。（J.S.Racine，2008年）。对于非参数回归中的假设检验，研究采用了J.Racine（1997年）和Racine（2006年）等人提出的连续变量的自举过程。

4数据

本研究采用了银行业的年度数据。样本涵盖了1999-2013年的研究期间。该研究分析了来自世界六个地区的24个新兴经济体中918家银行的业绩。研究包括以下地区（银行数量）：东亚（213家）、东南亚（164家）、南亚（95家）、拉丁美洲（244家）、新兴欧洲（126家）和非洲和中东（76家）。表1列出了衡量银行效率的两个阶段的变量组合。

表1. DEA数据包络分析银行业务的阶段性投入和产出

此外，利用DEA模型的估计效率分数作为非参数回归的因变量，以下列银行特征、财务比率和宏观变量作为自变量，研究效率的决定因素：

规模=总资产日志

资本充足率=总股本与总资产的比率

流动性=贷款总额与存款总额的比率

GDP_GR =国内生产总值（GDP）增长率

通货膨胀率=年通货膨

资料编号：[5285]