影子銀行活動對銀行效率的影響
——來自中國商業(yè)銀行的證據(jù)

陳詩一 汪 莉 楊 立

一、 引 言

我國影子銀行業(yè)務(wù)的快速增長，一方面幫助小型和私營企業(yè)獲得了所需的貸款并且為投資者提供了比銀行存款回報率更高的產(chǎn)品；另一方面，他們也可能投向非常有風(fēng)險或非生產(chǎn)性的投資，如房地產(chǎn)和基礎(chǔ)設(shè)施，導(dǎo)致銀行體系整體風(fēng)險的增加。據(jù)《經(jīng)濟(jì)學(xué)人》2014年5月10日報道，“在距上海幾小時車程的靖江市，揚子江造船公司是盈利最高的公司之一，去年的收入為人民幣30億元(合4.81億美元)。但其中只有三分之二來自造船。其余的來自于通過一種叫做委托貸款的當(dāng)?shù)亟鹑诠ぞ呦蚱渌咎峁┵J款?！边@使揚子江處于另一個行業(yè)的前沿：影子銀行。

不同于西方國家，我國影子銀行業(yè)務(wù)嚴(yán)重依賴于傳統(tǒng)商業(yè)銀行來提供資金和流動性，以及幫助銷售投資產(chǎn)品。同時，銀行可以將其資產(chǎn)負(fù)債表中的信貸轉(zhuǎn)移到表外，以逃避監(jiān)管并獲得中介收入。委托貸款和理財產(chǎn)品(WMPs)是其中的兩種較為重要的影子銀行業(yè)務(wù)形式。委托貸款本質(zhì)上是企業(yè)間的貸款，在這種貸款中，貸款機構(gòu)與目標(biāo)借款人建立了所有的條款(包括規(guī)模、期限、收益和抵押品)。因此，銀行作為中介和受托人將這一過程合法化，并收取20-30bp的費用。盡管委托貸款幫助貸款人/借款人在有效管理流動性剩余或需求方面發(fā)揮著重要作用，但它們也可能顯著增加銀行的總體風(fēng)險。這是因為：(1)大部分委托貸款是流向房地產(chǎn)開發(fā)等高風(fēng)險項目；(2)委托貸款的利率可以達(dá)到20%甚至高于貸款基準(zhǔn)利率的3倍,這可能影響借款人的信用檔案(在違約的情況下甚至?xí)绊戀J款人的信用檔案),導(dǎo)致銀行總體資產(chǎn)質(zhì)量的惡化[1]。與委托貸款不同，理財產(chǎn)品是銀行出售的投資管理計劃。通常銀行通過發(fā)行理財產(chǎn)品來募集短期資金，并投資于長期資產(chǎn)，包括債券、股票、銀行貸款和投資組合。盡管WMPs的條款表明，當(dāng)投資失敗時投資者需要承擔(dān)損失，但人們普遍認(rèn)為，銀行至少會兌付本金以維護(hù)其聲譽[2]。理財產(chǎn)品也可能增加銀行的整體風(fēng)險，有以下兩個原因:(1)理財產(chǎn)品的平均期限越來越短，而大多數(shù)資產(chǎn)池的投資越來越多地投資于期限較長、流動性較差的產(chǎn)品。一旦現(xiàn)金流停止流入WMPs，這種期限錯配可能會使中國的銀行所面臨的緊張的流動性狀況變得更加困難[1]。(2)許多理財產(chǎn)品的標(biāo)的資產(chǎn)依賴于高風(fēng)險項目，如房地產(chǎn)或長期的基礎(chǔ)設(shè)施項目，這些項目可能沒有足夠的現(xiàn)金流進(jìn)行付還*本文對影子銀行的界定主要參考東方證券宏觀經(jīng)濟(jì)報告《影子銀行：國際圖景及中國形態(tài)》，且主要關(guān)心的是商業(yè)銀行所參與的影子銀行活動，而這部分活動主要體現(xiàn)為商業(yè)銀行的資產(chǎn)表外化特征。[2]。

我國商業(yè)銀行資產(chǎn)負(fù)債表風(fēng)險主要體現(xiàn)為與不良貸款相關(guān)的信貸風(fēng)險，并長期以來被視為銀行整體風(fēng)險中最重要的一部分。然而，隨著資產(chǎn)負(fù)債表項目的改善和影子銀行在我國的興起，這一問題受到了挑戰(zhàn)。與影子銀行業(yè)務(wù)的參與密切相關(guān)的表外風(fēng)險也具有重要意義，忽視表外風(fēng)險可能導(dǎo)致銀行杠桿的低估和流動性狀況的高估，此外，銀行表內(nèi)項目也可能受到表外風(fēng)險的影響，并進(jìn)一步增加銀行的整體風(fēng)險。例如，一旦現(xiàn)金流停止進(jìn)入WMPs，銀行將不得不利用表內(nèi)資源為表外業(yè)務(wù)提供資金支持。因此，在銀行的效率分析中，同時考慮表內(nèi)的信貸風(fēng)險和表外風(fēng)險是很重要的。

因此，在商業(yè)銀行對影子銀行業(yè)務(wù)參與日益頻繁的背景下，本文試圖回答以下幾個重要問題：(1)參與影子銀行活動后，我國商業(yè)銀行的總體風(fēng)險如何變化？這種風(fēng)險變化如何影響銀行的效率？(2)效率變化在不同類型所有權(quán)和區(qū)域的銀行之間是否有所不同？雖然越來越多的研究在關(guān)注風(fēng)險對銀行效率的影響，例如Chen[3]以及Saeed & Izzeldin[4]，但據(jù)筆者所知，這些研究中沒有一個完全將表外風(fēng)險納入銀行效率的衡量[5][6][7][8][9]，因此，總體風(fēng)險在這些研究中被低估了。此外，有關(guān)中國銀行問題的現(xiàn)有研究是基于較小的樣本數(shù)據(jù)，這可能會導(dǎo)致有偏差的風(fēng)險和效率估計。本文將基于更加全面的銀行樣本對表外風(fēng)險約束下銀行的效率進(jìn)行重新估算并基于估算后的銀行效率，分析商業(yè)銀行影子業(yè)務(wù)參與對銀行效率的影響。

二、 文獻(xiàn)綜述

(一) 銀行效率的決定因素

長期以來，銀行業(yè)特征、市場競爭、宏觀經(jīng)濟(jì)政策環(huán)境都是決定銀行效率的重要因素。關(guān)于銀行特征對效率的影響，Hsiao[10]表明，不良貸款較低和資本充足率較高的銀行經(jīng)營效率較高。Cyree & Spurlin[11]的研究表明銀行規(guī)模在決定銀行效率方面的重要性，并認(rèn)為當(dāng)農(nóng)村市場出現(xiàn)大銀行時，該市場的小銀行利潤率會比較低。Yang & Liu[12]指出，混合所有制銀行分支機構(gòu)的整體績效優(yōu)于臺灣“國有銀行”分支機構(gòu)。與此相反，Goddard[13]在分析了拉丁美洲的成本效率后發(fā)現(xiàn)，墨西哥私有銀行成本效率下降的速度快于國有銀行。Maudos & Guevara[14]支持市場競爭與銀行效率之間的負(fù)相關(guān)關(guān)系，而Duygun[15]發(fā)現(xiàn)，商業(yè)銀行通過提高其成本和利潤效率來應(yīng)對競爭強度的增加。

關(guān)于宏觀經(jīng)濟(jì)環(huán)境，GDP、通貨膨脹和政府支出被視為銀行效率的重要決定因素。Chen[3]指出，總收入增長等經(jīng)濟(jì)狀況指標(biāo)可以反映銀行業(yè)的總體風(fēng)險和業(yè)務(wù)量，從而對銀行效率產(chǎn)生正向影響。Lensink[16]也支持正向關(guān)系，并認(rèn)為位于更繁榮地區(qū)的銀行往往更容易獲得新技術(shù)。然而，Chortareas[17]表明，由于成本控制效率更低，GDP對銀行效率有負(fù)面影響。對于通貨膨脹，Saeed & Izzeldin[4]認(rèn)為，通貨膨脹的增加可能會提高銀行的利息成本，從而降低活動的效率。在Barth[18]的研究中，通貨膨脹與銀行效率之間的負(fù)相關(guān)關(guān)系也很明顯，而Johnes[19]認(rèn)為，通貨膨脹對銀行效率沒有顯著影響。Chortareas[20]認(rèn)為，通過官僚主義、浪費和更低的生產(chǎn)率這些渠道，過度的政府支出通常會導(dǎo)致銀行效率低下，至于政策環(huán)境，Chortareas[17]和Barth[18]認(rèn)為，監(jiān)管政策對商業(yè)銀行效率的影響取決于政策形式。Barth[18]表明，對銀行業(yè)務(wù)更嚴(yán)格的限制與銀行效率負(fù)相關(guān)，而資本監(jiān)管的嚴(yán)格程度與銀行效率有較小的正相關(guān)關(guān)系。除了監(jiān)管和監(jiān)管政策，Harris[21]發(fā)現(xiàn)TARP注資的銀行往往具有較低的經(jīng)營效率。Chortareas[20]通過調(diào)查在歐盟27個成員國中經(jīng)營的大量商業(yè)銀行樣本表明，一個經(jīng)濟(jì)體的金融自由程度越高，銀行在成本方面的優(yōu)勢越大。

(二) 銀行效率的估算

測量相對效率的方法可以分為兩大類：參數(shù)法和非參數(shù)法[4][13][15][22]。隨機邊界法(SFA)等參數(shù)化方法的結(jié)果很大程度上取決于所選擇的函數(shù)形式如何準(zhǔn)確地捕捉生產(chǎn)關(guān)系[8]。數(shù)據(jù)包絡(luò)分析(DEA)等非參數(shù)方法對函數(shù)形式?jīng)]有任何限制，對于評估通常不具有明確生產(chǎn)函數(shù)的銀行等金融機構(gòu)的效率非常有吸引力。此外，DEA非參數(shù)法可以處理在參數(shù)法中無法處理的多個產(chǎn)出問題。因此，DEA在評估提供服務(wù)的金融機構(gòu)等單位的相對效率時被廣泛應(yīng)用[17][18][20][21]。

最近，一些改進(jìn)的DEA技術(shù)得到了應(yīng)用，例如網(wǎng)絡(luò)DEA，它不僅對組織整體進(jìn)行建模，而且還測量了組織內(nèi)每個成分的績效。Yang & Liu[12]在進(jìn)行銀行分行評估時將網(wǎng)絡(luò)DEA與多目標(biāo)規(guī)劃方法相結(jié)合。

但是，在估計銀行效率時，上述研究都沒有考慮到不良貸款(不良貸款)等不良產(chǎn)出。正如Assaf等[23]指出，如果不良產(chǎn)出在績效評估中被忽視，那么高績效銀行不一定比其他銀行更好，因為它可能以高比例的非期望產(chǎn)出為代價。在估計有效前沿時不考慮NPLs可能會導(dǎo)致對努力減少不良產(chǎn)出的銀行的信用評級失效[24]以及有偏的估計結(jié)果[23][25]。

到目前為止，只有較少的研究將非期望產(chǎn)出直接納入銀行生產(chǎn)過程的一部分[26][27]。雖然在這幾項研究中強調(diào)了納入非期望產(chǎn)出對于評估銀行效率的意義，但在評估銀行效率方面仍有幾個重要的問題需要解決。首先，在銀行部門生產(chǎn)過程中納入了非期望產(chǎn)出的研究依賴于定向距離函數(shù)來衡量銀行效率，假設(shè)期望產(chǎn)出的增加和不良產(chǎn)出的下降遵循相似的比例，這對于現(xiàn)實情況來說太嚴(yán)格[28]。此外，這些研究中大部分效率的衡量是徑向的和角度的，在非零松弛變量的約束條件下這很大程度上高估了效率[29]。因此，本文通過應(yīng)用非徑向、非角度全局的基于松弛的測度方法(SBM)來克服網(wǎng)絡(luò)DEA框架下銀行效率估計的缺點。筆者將此方法命名為網(wǎng)絡(luò)SBM法。下一節(jié)將進(jìn)一步討論這種方法的細(xì)節(jié)。

此外，直到現(xiàn)在，只有銀行的貸款損失[30]和不良貸款[27]是被納入銀行生產(chǎn)過程中的非期望產(chǎn)出。隨著風(fēng)險對銀行效率的影響越來越受到重視[3][4]，將整體風(fēng)險納入銀行效率測算中十分重要。然而，無論是貸款損失還是不良貸款都主要是銀行資產(chǎn)負(fù)債表內(nèi)貸款活動產(chǎn)生的信用風(fēng)險，不能很好地捕捉到銀行的整體風(fēng)險，特別是表外風(fēng)險敞口。在中國，由于強勁的信貸需求和政策部門施加的融資約束，近年來銀行業(yè)表外活動大幅增長[1]。因此，為了更好地捕捉這種表外風(fēng)險對銀行效率的影響，本論文采用更廣泛的風(fēng)險度量方法，即風(fēng)險加權(quán)資產(chǎn)(用相應(yīng)的風(fēng)險進(jìn)行加權(quán)的表內(nèi)和表外資產(chǎn)的總和)，作為估計銀行效率的不良產(chǎn)出。

三、 商業(yè)銀行效率估算

(一) 銀行效率估算：網(wǎng)絡(luò)SBM方法

由于銀行效率不能直接觀察到，因此在進(jìn)行實證分析之前必須進(jìn)行估算。筆者沿著Fukuyama & Weber[29]以及Sueyoshi & Goto[31]的思路提出了一種網(wǎng)絡(luò)SBM方法，它是網(wǎng)絡(luò)DEA和SBM方法的結(jié)合。與傳統(tǒng)DEA相比，網(wǎng)絡(luò)SBM具有以下優(yōu)勢。首先，傳統(tǒng)的DEA最初是為了測量被視為一個黑匣子的生產(chǎn)單元整體的效率，沒有考慮其內(nèi)部結(jié)構(gòu)。然而，正如F?re & Grosskopf[32]所說，考慮到其內(nèi)部結(jié)構(gòu)的網(wǎng)絡(luò)DEA提供了比傳統(tǒng)DEA更有效的效率測量。其次，傳統(tǒng)的DEA只能將存款視為銀行的投入或產(chǎn)出，因為它忽略了銀行的內(nèi)部結(jié)構(gòu)。事實上，不管用什么方法來估算效率，確定銀行的投入和產(chǎn)出是至關(guān)重要的。雖然大多數(shù)研究者認(rèn)同員工和固定資產(chǎn)代表銀行投入，貸款和其他收益資產(chǎn)大多被視為銀行產(chǎn)出，但存款和其他類型負(fù)債的角色是有爭議的。一些研究人員認(rèn)為，存款應(yīng)被視為銀行產(chǎn)出，因為它們代表向客戶提供的服務(wù)(生產(chǎn)法)。另一些則強調(diào)銀行作為將存款和其他負(fù)債用于貸款和投資于其他收益資產(chǎn)的金融中介機構(gòu)的作用，所以存款應(yīng)被視為銀行的投入(中介法)。因此，研究中存在效率估算的非一致性：在中介法下，擁有更多存款和更少貸款的銀行將被視為是無效率的，但在生產(chǎn)法下可能被認(rèn)為是有效率的。因此，將存款作為投入或產(chǎn)出可能對效率估算產(chǎn)生重大影響[22]。正如Holod & Lewis所指出的，網(wǎng)絡(luò)DEA模型認(rèn)為存款是作為銀行生產(chǎn)過程第一階段的產(chǎn)出并投入到第二階段的中間產(chǎn)品，對于更多或是更少的存款哪一種更有利不作判斷。在網(wǎng)絡(luò)DEA方法下，存款對銀行效率的影響由生產(chǎn)過程兩個階段的綜合效率分?jǐn)?shù)決定。

此外，傳統(tǒng)的DEA主要與距離函數(shù)有關(guān)。如Kumar所指出，早期的Shepherd距離函數(shù)不允許減少非期望產(chǎn)出并同時增加期望產(chǎn)出的技術(shù)變化。也就是說，銀行不良貸款等非期望產(chǎn)出不能被Shephard的投入或產(chǎn)出距離函數(shù)正確地處理。為了克服這個問題，Chung等首先提出了一種方向性距離函數(shù)，可以通過假設(shè)它的弱可處置性來捕捉非期望產(chǎn)出的負(fù)外部性。它讓生產(chǎn)者能同時增加期望產(chǎn)出并減少非期望產(chǎn)出。然而，對于給定的投入水平，方向距離函數(shù)假設(shè)期望產(chǎn)出的增加和非期望產(chǎn)出的減少遵循相同的比例。就像Shephard距離函數(shù)一樣，這個函數(shù)采用了效率的徑向測量。而SBM的提出放寬了方向距離函數(shù)的假設(shè)，以考慮投入和產(chǎn)出變量的松弛情況。因此，SBM是一種非徑向方法，適用于當(dāng)投入和產(chǎn)出可能非按比例變化時的效率測量。

雖然網(wǎng)絡(luò)SBM法已經(jīng)被應(yīng)用于銀行效率的估算，但本文在很多方面與此前文獻(xiàn)有所不同。首先，大部分這類研究[33][34][35][36][37]都沒有考慮在效率評估中十分重要的非期望產(chǎn)出。如Assaf等所指出的，銀行可能會以產(chǎn)生大量非期望產(chǎn)出為代價來實現(xiàn)高效率。其次，與最近將不良貸款作為非期望產(chǎn)出納入效率估算的研究不同，本文首先將銀行整體風(fēng)險，特別是表外風(fēng)險納入效率估算。

(二) 估算模型

P={(x,y,b,z)|x(s)≥X(s)λ(s),y(s)≤Y(s)λ(s),b(s)≥B(s)λ(s),Z(p)λ(p)≥Z(p,s)λ(s)}

(1)

(2)

(3)

(4)

在本研究中，如圖1所示，DMU是我國的商業(yè)銀行。每個銀行的經(jīng)營結(jié)構(gòu)分為兩個階段(s=2)，分別對應(yīng)于第一階段的存款功能和第二階段的服務(wù)和銷售功能。在第一階段，k(t)=4，包括所有者權(quán)益、固定資產(chǎn)凈值、雇員數(shù)量和利息費用這四種基本投入。H(1,2)=1指總存款。在第二階段，K(2)=2，包含管理費用和運營費用兩種基本投入。L(2)=2，指代正常貸款和營業(yè)收入兩種最終期望產(chǎn)出。M(2)=2,指代風(fēng)險加權(quán)資產(chǎn)和不良貸款兩種最終非期望產(chǎn)出。為了通過計算兩個過程的平均效率來獲得系統(tǒng)效率，將權(quán)重w(1)和w(2)設(shè)置為0.4和0.6，以反映第2階段比第1階段更重要。

圖1 網(wǎng)絡(luò)DEA框架

(三) 估算結(jié)果與分析

1.不同類型銀行間的效率比較

基于上述網(wǎng)絡(luò)SBM方法，筆者估計了2004年至2012年間我國171家商業(yè)銀行的效率。為了進(jìn)行不同類型銀行和不同區(qū)域銀行間的對比，筆者將樣本中的銀行進(jìn)行了劃分*其中，在銀行類型上，按照銀監(jiān)會年報中的劃分標(biāo)準(zhǔn)，將銀行劃分為大型商業(yè)銀行、股份制商業(yè)銀行、城市商業(yè)銀行和農(nóng)村商業(yè)銀行。東中西部地區(qū)的劃分則參考現(xiàn)有文獻(xiàn)和中國衛(wèi)生統(tǒng)計年鑒等官方年鑒中對我國區(qū)域的劃分辦法，依據(jù)銀行總部所在地進(jìn)行劃分，其中東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區(qū)包括黑龍江、吉林、山西、河南、湖北、湖南、江西、安徽；西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆。。

本文所涉及的銀行特征數(shù)據(jù)主要來自各銀行年度報告，部分銀行數(shù)據(jù)根據(jù)Wind數(shù)據(jù)庫、Bankscope數(shù)據(jù)庫、《中國金融年鑒》等整理得到?？紤]到部分城市商業(yè)銀行和農(nóng)村商業(yè)銀行由原來的城市信用社和農(nóng)村信用社改制而來，為了避免統(tǒng)計口徑不一致性帶來的問題，筆者將改制前后的銀行作為不同銀行納入樣本。對于銀行在觀測年度內(nèi)可能存在的重組問題，筆者還進(jìn)行了如下的穩(wěn)健性分析：剔除了包括江蘇銀行、徽商銀行和吉林銀行在內(nèi)的通過重組成為省內(nèi)統(tǒng)一銀行的銀行，筆者發(fā)現(xiàn)結(jié)論依然成立。此外，對于缺失的風(fēng)險加權(quán)資產(chǎn)數(shù)據(jù)，筆者依據(jù)江曙霞和陳玉嬋[38]的方法進(jìn)行估算，極少部分無法估算的數(shù)據(jù)，筆者采用了線性插值法補齊。為了強調(diào)將表外貸款的風(fēng)險納入效率估算的重要性，筆者采用兩個模型來估算效率：模型1將風(fēng)險加權(quán)資產(chǎn)作為非期望產(chǎn)出納入每個銀行的第二個生產(chǎn)階段，而模型2僅將NPLs作為非期望產(chǎn)出。因此，與只衡量了表內(nèi)信貸風(fēng)險對銀行效率影響的模型2相比，模型1可以很好地捕捉銀行整體風(fēng)險特別是表外風(fēng)險敞口對銀行效率的不利影響*用于效率估計的所有變量的統(tǒng)計性描述考慮篇幅原因不再給出。如有需要可向作者索要。。

表1按類型報告了兩種模型所估計出的效率的描述性統(tǒng)計特征。首先，從效率的整體表現(xiàn)上看，兩種模型都表明，大型商業(yè)銀行和股份制商業(yè)銀行是中國效率最高的銀行。近年來，SOCBs的所有制改革和外資吸引戰(zhàn)略等諸多改革已成為提高效率的重要推動力。比較模型1和模型2之間的效率，如下表所示，對股份制商業(yè)銀行和城市商業(yè)銀行而言，模型1估算效率的平均值低于模型2；而對于大型商業(yè)銀行和農(nóng)村商業(yè)銀行，模型1估計效率的平均值較高。從估計效率的標(biāo)準(zhǔn)差上看，在模型1下，大型商業(yè)銀行和股份制商業(yè)銀行有較大的標(biāo)準(zhǔn)差，而城市和農(nóng)村商業(yè)銀行有較小的標(biāo)準(zhǔn)差。雖然不同類型的商業(yè)銀行效率的平均值和標(biāo)準(zhǔn)偏差不同，但是可以發(fā)現(xiàn)一致的規(guī)律：作為中國金融創(chuàng)新和影子銀行活動參與度最高的股份制商業(yè)銀行，當(dāng)在估算效率中考慮其表外風(fēng)險敞口時，其效率具有更低的平均值和更高的波動水平。相比之下，農(nóng)村商業(yè)銀行由于是以表內(nèi)貸款為主并且影子銀行活動的參與率最低，當(dāng)非期望產(chǎn)出只包含不良貸款時，其效率才有較低的平均值和較高的波動水平。這說明，忽略銀行表外風(fēng)險敞口，可能會導(dǎo)致經(jīng)常參與影子銀行活動的銀行的效率估算有偏。

表1 按類型分銀行效率的統(tǒng)計性描述

圖2 2004-2012年按類型分銀行效率變化趨勢

圖2(a)～(d)描述了模型1和模型2中2004-2012年間每類商業(yè)銀行效率的演變。如圖2所示，對于股份制商業(yè)銀行和城市商業(yè)銀行而言，幾乎每一年，模型1估計的平均效率都低于模型2。而對于農(nóng)村商業(yè)銀行，在每一年，模型1的效率估計平均值基本上都高于模型2。這種差異可能是因為我國農(nóng)村商業(yè)銀行分行有限，人力資本和創(chuàng)新能力差，其不良貸款率最高，而對表外活動的參與度較低，仍然依賴傳統(tǒng)借貸活動。以WMP為例，截至2012年底，其他三類銀行發(fā)放的WMPs(從2004年開始)累計數(shù)量占比分別為36.16%、37.73%和23.05%，農(nóng)村商業(yè)銀行發(fā)行的WMPs累計數(shù)量只占3.06%。此外，模型1和模型2中的大型商業(yè)銀行的平均效率在不同時期有不同特征。2008年金融危機前模型1估計的效率低于模型2，而金融危機之后則高于模型2。這種變化可能與2008年后實施的一系列監(jiān)管和禁止銀行業(yè)表外業(yè)務(wù)活動的規(guī)定密切相關(guān)，這在一定程度上緩解了整體風(fēng)險對銀行效率的影響。例如，銀行不得使用WMPs的收益來購買自己的信貸資產(chǎn)，同時被要求將通過單一投資者信托產(chǎn)品出售給信托公司的信貸資產(chǎn)重新放回表內(nèi)[1]。

根據(jù)表1和圖2(a)～(d)，筆者可以得出結(jié)論，雖然上述兩個模型在估計銀行效率時各有其特征，但總體而言，大型商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行由于越來越多的參與影子銀行活動，表外風(fēng)險敞口越來越突出，只考慮表內(nèi)信貸風(fēng)險的模型可能會高估它們的平均效率水平。而將表外風(fēng)險納入其中的模型可以更好地捕捉這些銀行由于承擔(dān)的風(fēng)險較高而導(dǎo)致低效率。這表明，影子銀行業(yè)務(wù)和隨之而來的風(fēng)險監(jiān)控成本，可能會導(dǎo)致銀行管理者的注意力從經(jīng)營效率中分散開來，而這種影響在非農(nóng)商業(yè)銀行尤為突出。

2.不同地區(qū)銀行間的效率比較

表2展示了由模型1和模式2估算的位于我國不同地區(qū)銀行效率的描述性統(tǒng)計特征。從整體表現(xiàn)看，兩種模型都表明，東部銀行的平均效率比中西部銀行高。這主要是由于我國銀行業(yè)長期存在的區(qū)域發(fā)展不平衡。東部地區(qū)有上海、北京、廣州這些快速發(fā)展的城市，為商業(yè)銀行提供了豐富的金融資源(如存貸款，金融網(wǎng)絡(luò))、良好的經(jīng)濟(jì)環(huán)境和優(yōu)秀的員工隊伍，使得這些地區(qū)的銀行業(yè)擁有了更好的管理水平和更高的效率。目前所有大型商業(yè)銀行和股份制商業(yè)銀行的總部都在東部地區(qū)。此外，不論在何地區(qū)，模型1估計的平均效率都低于模型2，這表明忽視表外風(fēng)險敞口可能會高估各地區(qū)銀行的平均效率。

表2 按區(qū)域分銀行效率的統(tǒng)計性描述

圖3 2004-2012年按地區(qū)分銀行效率變化趨勢

圖3(a)～(c)描述了2004-2012年間兩種模型估計的不同地區(qū)銀行效率的演變。如圖3所示，在幾乎每一年，模型1估計的平均效率都低于模型2。研究結(jié)果進(jìn)一步表明，只考慮表內(nèi)風(fēng)險不僅可能導(dǎo)致對各地區(qū)銀行整體平均效率的過高估計，而且會導(dǎo)致樣本期間大部分年份的效率的過高估計。除了更低的平均值外，對中西部地區(qū)的銀行，模型1估計的效率在2008年金融危機之后經(jīng)歷了更為顯著的下降趨勢，這表明對這些銀行而言，如果將表外風(fēng)險敞口納入效率估算模型中，2008年金融危機對銀行效率的不利影響要大得多。要注意的是，對東部的銀行來說，模型1中這一趨勢不如模型2明顯[如圖2(a)所示]。雖然效率的演變依賴于非期望產(chǎn)出的選擇，但總體上各地區(qū)銀行整體效率表現(xiàn)出不斷提高的趨勢。另外，還要密切關(guān)注我國東部和非東部地區(qū)銀行間的區(qū)域不平衡發(fā)展，特別是高度參與影子銀行業(yè)務(wù)的東部地區(qū)銀行效率的高波動性。

3.各投入產(chǎn)出變量的效率比較

表3按類型給出了基于模型1和模型2所估計的每個投入和產(chǎn)出變量的加權(quán)平均效率。如表3所示，無論選擇哪種非期望產(chǎn)出和銀行類型，員工作為投入變量之一在所有投入中效率最低，這表明我國銀行業(yè)員工的低效率已成為提高銀行效率的主要障礙之一。然而，不同類型銀行的員工效率低下的原因可能會有所不同：大型商業(yè)銀行和股份制商業(yè)銀行等大型銀行面臨著勞動力的過度擴(kuò)張問題。而對小型銀行如城市商業(yè)銀行和農(nóng)村商業(yè)銀行來說，人才短缺是一個更嚴(yán)峻的問題。

表3 按類型分各投入/產(chǎn)出加權(quán)平均效率

接下來，筆者進(jìn)一步比較模型1和模型2的效率分解結(jié)果?？傮w而言，模型1估計的大部分投入/產(chǎn)出變量的效率都低于模型2，如權(quán)益，利息支出，大型商業(yè)銀行的營業(yè)收入，股份制商業(yè)銀行的固定資產(chǎn)、員工和營業(yè)費用效率，城市和農(nóng)村商業(yè)銀行的行政費用、正常貸款和營業(yè)收入效率。這表明，忽視資產(chǎn)負(fù)債表外風(fēng)險敞口也可能會導(dǎo)致大多數(shù)投入和產(chǎn)出變量的效率的過高估計。另外，如果筆者關(guān)注影子銀行主要參與者(即大型商業(yè)銀行，股份制商業(yè)銀行和城市商業(yè)銀行)和影子銀行活動相對較少的銀行(即農(nóng)村商業(yè)銀行)之間的區(qū)別，可以發(fā)現(xiàn)，對于非農(nóng)村商業(yè)銀行來說，模型1估計的營業(yè)費用效率低于模型2，這一差距在大型商業(yè)銀行和股份制商業(yè)銀行中更為顯著。而對農(nóng)村商業(yè)銀行而言，模型1估計的營業(yè)費用效率高于模型2。這些差異表明，影子銀行活動的較高參與和較高的表外風(fēng)險敞口可能會分散銀行管理者對日常經(jīng)營問題的關(guān)注，從而導(dǎo)致營業(yè)費用效率降低。

為進(jìn)一步比較模型1和模型2中每種類型銀行的營業(yè)費用效率(OEE)的變化，筆者還考察了不同類型銀行在2004-2012年間OEE的變化趨勢(如圖4)。結(jié)果顯示，幾乎對于每一組銀行，2008年后模型1估算的營業(yè)費用效率都低于模型2，表明金融危機之后表外風(fēng)險敞口可能是阻礙營業(yè)費用效率改善的重要因素。在考慮到非期望產(chǎn)出對銀行整體效率的不良影響后，即使是影子銀行業(yè)務(wù)參與度較低的農(nóng)村商業(yè)銀行也在2008年之后經(jīng)歷了營業(yè)費用效率的下降。此外，筆者還可以從數(shù)據(jù)中發(fā)現(xiàn)對大型商業(yè)銀行和股份制商業(yè)銀行來說，模型1估算的營業(yè)費用效率在2008年危機前后出現(xiàn)更大幅度的下降和波動，表明對經(jīng)常參與影子銀行活動的銀行來說，2008年金融危機對銀行營業(yè)費用效率的不利影響更為嚴(yán)重。

圖4 2004-2012年按類型分營業(yè)支出效率變化趨勢

表4按地區(qū)給出了模型1和模型2中各投入和產(chǎn)出變量的加權(quán)平均效率。如表4中所示，在所有投入產(chǎn)出變量中效率最低的員工已經(jīng)成為銀行效率的主要障礙之一，這一結(jié)果對非期望產(chǎn)出和地區(qū)的選擇都是穩(wěn)健的。此外，擁有很多目前面臨著勞動力過度擴(kuò)張等嚴(yán)重問題的大型銀行(如大型商業(yè)銀行和股份制商業(yè)銀行)的東部地區(qū)，員工效率相對非東部地區(qū)更高。相比之下，我國中西部地區(qū)的銀行通常是較小的本地銀行，主要面臨人才短缺(而不是勞動力過度擴(kuò)張的問題)等問題，這使得對它們而言，員工效率低下問題更為嚴(yán)峻。

表4 按區(qū)域分各投入/產(chǎn)出加權(quán)平均效率

四、 影子銀行對商業(yè)銀行效率的影響

(一) 實證模型

筆者假設(shè)影子銀行活動的擴(kuò)張將通過“轉(zhuǎn)移效應(yīng)”降低銀行的效率。這個假設(shè)與Berger & De Young[39]提出的“壞運氣”假說密切相關(guān)。在“壞運氣”假說下，表現(xiàn)為違約概率增加的銀行風(fēng)險的增加被認(rèn)為是銀行的壞運氣。為了應(yīng)對壞運氣，銀行必須增加監(jiān)測高風(fēng)險活動的費用、保持投資組合的質(zhì)量、商討可能的方案安排等，這將把管理層的注意力從解決其他經(jīng)營問題上轉(zhuǎn)移開來。換句話說，壞運氣轉(zhuǎn)移了銀行經(jīng)理對日常經(jīng)營問題的關(guān)注[4]。在中國，影子銀行的快速發(fā)展促使傳統(tǒng)銀行的表外活動擴(kuò)大，并加大了銀行體系的整體風(fēng)險。為了應(yīng)對風(fēng)險，銀行可能需要進(jìn)行額外的管理工作和并付出費用，這將使得管理層的注意力從日常經(jīng)營問題上轉(zhuǎn)移。因此，隨著我國影子銀行業(yè)務(wù)的擴(kuò)張，筆者預(yù)計銀行效率會降低。

由于銀行效率估計在0和1之間，筆者將使用Tobit回歸來檢驗筆者的假設(shè)。如上一節(jié)所述，銀行業(yè)特征、市場競爭和宏觀經(jīng)濟(jì)狀況也影響銀行效率。筆者將它們納入回歸模型，具體模型如下：

(5)

(2)BAN_Ci,t是一組描述銀行特征的變量。包括銀行規(guī)模SIZEi,t，所有權(quán)結(jié)構(gòu)OWNi,t，資產(chǎn)回報率ROAi,t和資本充足率CARi,t。在筆者的回歸中，如果政府是銀行的最大股東，那么OWNi,t-1=1，否則賦值為零。資產(chǎn)回報率ROAi,t用以衡量盈利能力對銀行效率的影響。

(3)IND_Ct是用Herfindahl-Hirschman指數(shù)代表的銀行業(yè)競爭水平。這一代理變量的選取主要基于已有研究，如楊天宇和鐘宇平[40]、汪莉和王先爽[41]等。具體公式如下：

(4)MAC_Ct是一組宏觀經(jīng)濟(jì)變量。包括實際GDP增長率GDPt，年通貨膨脹率INF和財政盈余與GDP的比值FISt。

(5)εi,t是誤差項，假設(shè)遵循標(biāo)準(zhǔn)正態(tài)分布。

影子銀行對銀行效率的影響也可能因銀行類型的不同而呈現(xiàn)差異。因此，筆者進(jìn)一步加入如下銀行類型和影子銀行變量之間的交互項：

(6)

其中如果銀行i是國有銀行，即大型商業(yè)銀行或股份制商業(yè)銀行，則NAT_Bi,t=1，否則為零。如果銀行i是城市商業(yè)銀行，則CIT_Bi,t=1，否則為零。當(dāng)NAT_Bi,t=0并且CIT_Bi,t=0，意味著銀行i屬于農(nóng)村商業(yè)銀行。請注意，筆者沒有區(qū)分大型商業(yè)銀行和股份制商業(yè)銀行，因為這兩種銀行都是目前參與影子銀行業(yè)務(wù)程度最高的銀行。

(二) 影子銀行對我國銀行效率的影響

1.總體回歸結(jié)果分析

表5和表6報告了使用模型1和模型2估算的效率進(jìn)行Tobit回歸的結(jié)果?；貧w(5)報告了基本回歸模型[即方程(5)]的估計結(jié)果?；貧w(1)～(4)主要用于通過控制不同變量進(jìn)行附加的穩(wěn)健性檢驗。如表5、6所示，當(dāng)筆者將不同的非期望產(chǎn)出納入估計過程時，影子銀行對銀行效率的影響是不同的。具體而言，當(dāng)風(fēng)險加權(quán)資產(chǎn)被納入非期望產(chǎn)出時，影子銀行業(yè)務(wù)的擴(kuò)張對銀行效率存在負(fù)面影響，且這一結(jié)果對控制變量的選取是穩(wěn)健的。更高的銀行整體風(fēng)險可能會導(dǎo)致銀行管理者的注意力從日常經(jīng)營問題上轉(zhuǎn)移，因為他們可能會花費更多的監(jiān)控成本來維護(hù)其資產(chǎn)質(zhì)量或采取預(yù)防措施[1]。

對控制變量，發(fā)現(xiàn)資產(chǎn)回報率的提高有助于提高銀行效率，這與Chortareas的研究結(jié)果一致。銀行規(guī)模與效率正相關(guān)。在我國，由于規(guī)模經(jīng)濟(jì)效應(yīng)，較大的銀行更有利于銀行的有效運作[18]。國有銀行有更高的效率，這可能歸功于為這些銀行所享有的有利政策。通貨膨脹與銀行效率負(fù)相關(guān)。原因可能是通貨膨脹率上升導(dǎo)致的利率上升可能會增加銀行的利率成本，并且更大的不確定性和風(fēng)險會降低風(fēng)險管理水平和信貸信息評估等活動的效率[1]。

除上述變量之外，筆者還發(fā)現(xiàn)資本比率更高的銀行有更高的效率，因為它可能有助于減輕管理者與股東之間的代理問題，從而給予后者更大的動力來監(jiān)督經(jīng)理的業(yè)績，并確保銀行的有效運行[17]。市場集中度較高的銀行有較低的效率，這與Barth關(guān)于低競爭會導(dǎo)致權(quán)力集中，從而降低了銀行管理者追求更好業(yè)績動機的觀點一致。GDP增長率與銀行效率正相關(guān)。位于更繁榮地區(qū)的銀行往往更容易獲得新技術(shù)[16][42]。

表5 影子銀行對銀行效率的影響：風(fēng)險加權(quán)資產(chǎn)

注：括號內(nèi)為標(biāo)準(zhǔn)誤。*表示在0.01的水平上顯著，**表示在0.05的水平上顯著，***表示在0.1的水平上顯著。

表6 影子銀行對銀行效率的影響：不良貸款

注：括號內(nèi)為標(biāo)準(zhǔn)誤。*表示在0.01的水平上顯著，**表示在0.05的水平上顯著，***表示在0.1的水平上顯著。

基于研究結(jié)果，筆者得出結(jié)論，盡管不良貸款率有下降趨勢并且市場競爭日益加劇使得近年來銀行業(yè)效率提高，但是影子銀行活動的參與度越來越高，對我國商業(yè)銀行業(yè)績的提高構(gòu)成了新的威脅。對銀行表外風(fēng)險敞口給予更多的關(guān)注并將其納入銀行效率評估是很重要的。實證結(jié)果表明，將風(fēng)險加權(quán)資產(chǎn)作為非期望產(chǎn)出的模型可以更好地反映影子銀行活動以及其他宏觀層面和行業(yè)層面的變量的影響。

2.不同類型銀行間的比較

由于影子銀行對銀行效率的影響可能因銀行的類型不同而存在差異，筆者進(jìn)一步報告了方程(6)的回歸結(jié)果(見表7)。由于控制變量顯著性和系數(shù)同前一致，這里僅報告關(guān)鍵變量回歸結(jié)果*控制變量的回歸結(jié)果已在表中省略，需者可向作者索要。。如表7所示，兩個交互項的系數(shù)是十分穩(wěn)健且顯著的，表明影子銀行對大型商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行的效率的影響與對農(nóng)村商業(yè)銀行的影響顯著不同。更具體地說，對于農(nóng)村商業(yè)銀行，影子銀行的發(fā)展幾乎對銀行效率沒有顯著影響。而對其他類型的銀行來說，影子銀行業(yè)務(wù)參與度越高，銀行效率

表7 影子銀行對銀行效率的影響：組間差異

注：括號內(nèi)為標(biāo)準(zhǔn)誤。*表示在0.01的水平上顯著，**表示在0.05的水平上顯著，***表示在0.1的水平上顯著。農(nóng)村商業(yè)銀行是基本銀行組。

較低。這種差異可能是由于我國農(nóng)村商業(yè)銀行仍然以傳統(tǒng)借貸活動為主，而大型商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行則越來越多地參與到表外活動中，成為影子銀行業(yè)務(wù)活動的主要參與者。此外，當(dāng)筆者比較影子銀行對國有商業(yè)銀行(即大型商業(yè)銀行和股份制商業(yè)銀行)與城市商業(yè)銀行的效率影響時，筆者發(fā)現(xiàn)對影子銀行業(yè)務(wù)參與度最高的國有商業(yè)銀行，影子銀行業(yè)務(wù)對其效率的負(fù)面影響更大。因此，筆者再次得出結(jié)論：影子銀行業(yè)務(wù)可能會將銀行管理者的注意力從有效運營中轉(zhuǎn)移，這在非農(nóng)商業(yè)銀行尤其是大型商業(yè)銀行和股份制商業(yè)銀行中尤為突出。

3.不同影子銀行業(yè)務(wù)間的比較

(1)委托貸款對銀行效率的影響。上述回歸結(jié)果主要集中在影子銀行總量(相對于銀行貸款總額)對銀行效率的影響。然而，人們可能會認(rèn)為不同的影子銀行工具可能會對銀行效率產(chǎn)生不同的影響。因此，在剩下的部分，筆者研究了兩種重要的影子銀行形式，即委托貸款和WMPs的不同影響。

表8給出了考慮委托貸款影響的回歸結(jié)果，筆者同樣在表中省略了控制變量。請注意這里的SHA_Bt是委托貸款額與銀行貸款總額的比例。如表8所示，兩個交互項的系數(shù)的顯著性意味著委托貸款對不同類型銀行效率的影響不同。具體而言，對于農(nóng)村商業(yè)銀行來說，盡管委托貸款的系數(shù)是負(fù)數(shù)，但結(jié)果對控制變量并不穩(wěn)健。相反，對于國有銀行(即大型商業(yè)銀行和股份制商業(yè)銀行)和城市商業(yè)銀行來說，委托貸款越多顯著導(dǎo)致銀行效率下降，并且這一負(fù)面效應(yīng)對國有銀行來說相對更大。這種差異可能是合理的。在我國，因為擁有全國范圍內(nèi)的分行和豐富的金融資源，大型商業(yè)銀行和股份制商業(yè)銀行在全國各地有提供委托貸款中介服務(wù)的優(yōu)勢，而城市商業(yè)銀行和農(nóng)村商業(yè)銀行等地方商業(yè)銀行則經(jīng)常把活動局限他們所在的城市甚至小的農(nóng)村區(qū)域。更高的委托貸款參與度會導(dǎo)致更多的對房地產(chǎn)部門的風(fēng)險敞口，并且削弱這些借款人在國有銀行的信貸狀況，因為大部分貸款涉及高利率的房地產(chǎn)相關(guān)業(yè)務(wù)[2]。因此，為了保持資產(chǎn)組合質(zhì)量而采取的更多的監(jiān)管工作可能會阻礙國有銀行提高效率。

表8 委托貸款對銀行效率的影響

注：括號內(nèi)為標(biāo)準(zhǔn)誤。*表示在0.01的水平上顯著，**表示在0.05的水平上顯著，***表示在0.1的水平上顯著。農(nóng)村商業(yè)銀行是基本銀行組。

(2)理財產(chǎn)品對銀行效率的影響。表9給出了考慮理財產(chǎn)品的回歸結(jié)果(控制變量已省略)，其中SHA_Bt是銀行在t時期發(fā)行的WMPs份額。如表所示，WMPs對農(nóng)村商業(yè)銀行效率的影響與對國有銀行和城市商業(yè)銀行的影響完全不同。具體來說，對于農(nóng)村商業(yè)銀行，WMPs對銀行效率的正面影響十分顯著；而對于國有銀行和城市商業(yè)銀行，WMPs對銀行效率的影響顯著為負(fù)。結(jié)果表明，對農(nóng)村商業(yè)銀行來說，更高的WMPs發(fā)行比例可能有助于提高效率。這可以通過以下原因來解釋：首先，雖然近年來不良貸款率的下降有助于國有銀行和城市商業(yè)銀行效率的提高，但不良貸款問題仍然是提高農(nóng)村商業(yè)銀行績效的最重要威脅。WMPs的發(fā)展可能有助于這些銀行的業(yè)務(wù)從表內(nèi)活動中轉(zhuǎn)移，從而導(dǎo)致更少的不良貸款和更高的效率。第二，農(nóng)村商業(yè)銀行發(fā)行的WMPs比例越高，可能意味著它們的金融創(chuàng)新能力有所提高，這有利于提升業(yè)績。然而，對于國有銀行和城市商業(yè)銀行來說，WMPs對銀行效率的影響是負(fù)面的，對于目前在WMPs業(yè)務(wù)參與度最高的國有銀行而言，這種影響甚至更大。大型商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行是我國WMPs的主要發(fā)行人。對于這些銀行，特別是國有銀行，資產(chǎn)質(zhì)量惡化和期限不匹配的風(fēng)險更為突出。

表9 WMPs 對銀行效率的影響

注：括號內(nèi)為標(biāo)準(zhǔn)誤。*表示在0.01的水平上顯著，**表示在0.05的水平上顯著，***表示在0.1的水平上顯著。農(nóng)村商業(yè)銀行是基本銀行組。

五、 結(jié)論與政策建議

隨著我國影子銀行業(yè)務(wù)的快速增長，一方面，這些活動幫助小型企業(yè)和私營企業(yè)獲得在傳統(tǒng)貸款渠道中無法獲得的信貸。另一方面，它們也可以為房地產(chǎn)和基礎(chǔ)設(shè)施等高風(fēng)險的非生產(chǎn)性投資提供資金，增加了銀行體系的整體風(fēng)險，影響金融穩(wěn)定。

筆者研究了影子銀行業(yè)務(wù)的擴(kuò)張對我國商業(yè)銀行效率的影響。鑒于銀行效率不能直接觀察到，筆者首次采用網(wǎng)絡(luò)SMB方法來估計。這種方法在將變量納入估計時更加靈活，從而可以全面考量表內(nèi)和表外貸款的風(fēng)險。效率估算結(jié)果表明，銀行效率隨著非期望產(chǎn)出和銀行特征選擇的不同而不同。從銀行規(guī)模和所有權(quán)的角度來看，僅考慮表內(nèi)信用風(fēng)險的效率估計高估了大型商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行的平均效率水平，因為這些銀行表外風(fēng)險敞口由于越來越多的影子銀行活動的參與變得越來越突出。從區(qū)域差異的角度來看，忽視表外風(fēng)險敞口不僅導(dǎo)致了各地區(qū)銀行整體平均效率的過高估計，而且導(dǎo)致了樣本期間的大部分年份效率的過高估計。從分解的視角，筆者還分別估算了每項投入和產(chǎn)出的效率。估計結(jié)果表明，無論銀行類型和位置如何，表外風(fēng)險敞口的存在也可能導(dǎo)致大多數(shù)投入和產(chǎn)出變量效率的過高估計。此外，大型商業(yè)銀行和股份制商業(yè)銀行的營業(yè)費用效率在2008年金融危機前后出現(xiàn)大幅下降和波動，這表明2008年的危機對銀行營業(yè)費用效率的不利影響對于經(jīng)常參與影子銀行業(yè)務(wù)的銀行而言更為嚴(yán)重。由于這兩類銀行通常將總部設(shè)在東部地區(qū)，這一地區(qū)的營業(yè)費用效率的下降和波動也更為明顯。

回歸結(jié)果表明，影子銀行對銀行效率的影響隨著被納入估算的非期望產(chǎn)出的不同而不同。更具體地說，在將風(fēng)險加權(quán)資產(chǎn)納入非期望產(chǎn)出時，影子銀行對銀行效率具有顯著的負(fù)面影響，這一結(jié)果對所選擇的控制變量具有穩(wěn)健性。相比之下，當(dāng)效率估算的非期望產(chǎn)出只有不良貸款時，影子銀行對銀行效率的影響不顯著。這種差異表明，考慮表外風(fēng)險敞口的效率估計可以很好地反映影子銀行對銀行效率的影響?？傮w而言，對于在影子銀行業(yè)務(wù)參與度最高的國有商業(yè)銀行來說，影子銀行對銀行效率的負(fù)面影響更大。

本文研究結(jié)果有以下幾點政策含義：首先，影子銀行業(yè)務(wù)對我國商業(yè)銀行的業(yè)績有重大影響。政策制定者和銀行管理者需要密切關(guān)注日益增加的銀行風(fēng)險，特別是表外風(fēng)險敞口的影響。其次，為地方銀行和中西部銀行提供必要的政策支持可能有助于緩解我國商業(yè)銀行發(fā)展不平衡造成的效率差距，例如鼓勵管理人才在這些銀行工作一段時間，或為業(yè)績表現(xiàn)較差的銀行的管理者提供培訓(xùn)和適當(dāng)?shù)募顧C制。此外，雖然表外風(fēng)險敞口對股份制商業(yè)銀行而言更為顯著，但農(nóng)村商業(yè)銀行仍然面臨傳統(tǒng)的不良貸款問題，監(jiān)管政策應(yīng)反映出這種異質(zhì)性。最后，減少過度組織化和資源錯配可能有助于提高銀行的勞動力和營業(yè)費用等生產(chǎn)投入的效率。

[1] Y.Hu,D.Mahendran.China Banks:Shadow Banking Conundrum.HSBC Global Research Report,October，2011.

[2] Y.Hu.China’s Shadow Banking System:Watch the Yield.HSBC Global Research Report,January,2013.

[3] K.Chen.Incorporating Risk Input into the Analysis of Bank Productivity:Application to Taiwanese Banking Industry.Journal of Banking and Finance,2012,36.

[4] M.Saeed，M.Izzeldin.Examining the Relationship between Default Risk and Efficiency in Islamic and Conventional Banks.Journal of Economic Behavior and Organization,2014,(2).

[5] C.Sealey，J.Lindley.Inputs,Outputs,and A Theory of Production and Cost at Depository Financial Institutions.Journal of Finance,1977,32.

[6] H.Y.Aly.Technical,Scale,and Allocative Efficiencies in U.S.Banking:An Empirical Investigation.Review of Economics and Statistics,1990,30.

[7] G.D.Ferrier,C.A.K.Lovell .Measuring Cost Efficiency in Banking:Econometric and Linear Programming Evidence.Journal of Econometrics,1990,46.

[8] L.Sun，T.Chang.A Comprehensive Analysis of the Effects of Risk Measures on Bank Efficiency:Evidence from Emerging Asian Countries.Journal of Banking and Finance,2011,35.

[9] X.Hou.Market Structure,Risk Taking and the Efficiency of Chinese Commercial Banks. Emerging Markets Review,2014,20.

[10] H.Hsiao.First Financial Restructuring and Operating Efficiency:Evidence from Taiwanese Commercial Banks. Journal of Banking and Finance,2010,34.

[11] K.B.Cyree,W.P.Spurlin.The Effects of Big-bank Presence on the Profit Efficiency of Small Banks in Rural Markets.Journal of Banking and Finance,2012,36.

[12] C.Yang，H.Liu.Managerial Efficiency in Taiwan Bank Branches:A Network DEA.Economic Modelling,2012,29.

[13] J.Goddard.Dealing with Cross-firm Heterogeneity in Bank Efficiency Estimates:Some Evidence from Latin America. Journal of Banking and Finance,2014,40.

[14] J.Maudos，J.F.Guevara.The Cost of Market Power in Banking:Social Welfare Loss VS.Cost Inefficiency. Journal of Banking and Finance,2007,31.

[15] M.Duygun.Schumpeterian Competition and Efficiency among Commercial Banks.Journal of Banking and Finance,2013,37.

[16] R.Lensink.Bank Efficiency and Foreign Ownership:Do Good Institutions Matter? Journal of Banking and Finance,2008,32.

[17] G.Chortareas.Bank Supervision,Regulation,and Efficiency:Evidence from the European Union.Journal of Financial Stability,2012,8.

[18] J.R.Barth.Do Bank Regulation,Supervision and Monitoring Enhance or Impede Bank Efficiency.Journal of Banking and Finance,2013,37.

[19] J.Johnes.A Comparison of Performance Islamic and Conventional Banks 2004-2009.Journal of Economic Behavior and Organization,2014,103.

[20] G.Chortareas.Financial Freedom and Bank Efficiency:Evidence from the European Union.Journal of Banking and Finance,2013,37.

[21] O.Harris.The Impact of TARP on Bank Efficiency. Journal of International Financial Markets,Institutions and Money,2013,24.

[22] D.Holod,H.F.Lewis.Resolving the Deposit Dilemma:A New DEA Bank Efficiency Model. Journal of Banking and Finance,2011,35.

[23] A.G.Assaf,R.Matousek,E.G.Tsionas.Turkish Bank Efficiency:Bayesian Estimation with Undesirable Outputs.Journal of Banking and Finance,2013,37.

[24] C.Fernandez.Multiple-output Production with Undesirable Outputs:An Application to Nitrogen Surplus in Agriculture.Journal of Banking and Finance,2002,34.

[25] E.Atkinson,J.H.Dorfman.Bayesian Measurement of Productivity and Efficiency in the Presence of Undesirable Outputs:Crediting Electric Utilities for Reducing Air Pollution.Journal of Econometrics,2005,126.

[26] K.Park，W.Weber.A Note on Efficiency and Productivity Growth in the Korean Banking Industry,1992-2002.Journal of Banking and Finance,2006,30.

[27] H.Fujii.Indian Bank Efficiency and Productivity Changes with Undesirable Outputs:A Disadvantage Approach.Journal of Banking and Finance,2014,38.

[28] S.Y.Chen,S.J.Zhang.Large-scale Land Use for Construction and Energy Consumption after the New Millennium with Their Impact on Total-Factor Efficiency Change in China’s Regional Economy.Energies,2014,(7).

[29] H.Fukuyama,W.L.Weber.A Slacks-based Inefficiency Measure for A Two Stage System with Bad Outputs.Omega,2010,38.

[30] S.A.Berg.Malmquist Indices of Productivity Growth during the Deregulation of Norwegian Banking,1980-1989.Scandinavian Journal of Economics,1992,94.

[31] T.Sueyoshi，M.Goto.DEA Approach for Unified Efficiency Measurement:Assessment of Japanese Fossil Fuel Power Generation.Energy Economics,2011,33.

[32] R.F?re,S.Grosskopf.Network DEA.Socio-economic Planning Sciences,2000,34.

[33] W.W.Cooper.RAM:A Range Adjusted Measure of Inefficiency for Use with Additive Models,and Relations to Other Models and Measures in DEA.Journal of Productivity Analysis,1999,(11).

[34] K.Tone.A Slacks-based Measure of Efficiency in Data Development Analysis.European Journal of Operational Research,2001,130.

[35] H.Fukuyama,W.L.Weber.A Directional Slacks-based Measure of Technical Inefficiency.Socio-economic Planning Sciences,2009,43.

[36] R.F?re,S.Grosskopf.Directional Distance Functions and Slacked-based Measures Efficiency.European Journal of Operational Research,2010,200.

[37] K.Matthews.Risk Management and Managerial Efficiency in Chinese Banks:A Network DEA Framework.Omega,2013,41.

[38] 江曙霞，陳玉嬋.貨幣政策、銀行資本與風(fēng)險承擔(dān).金融研究，2012,(4).

[39] A.N.Berger，R.De Young.Problem Loans and Cost Efficiency in Commercial Banks. Journal of Banking and Finance,1997,21(6).

[40] 楊天宇，鐘宇平.中國銀行業(yè)的集中度、競爭度與銀行風(fēng)險.金融研究，2013,(1).

[41] 汪莉，王先爽.央行預(yù)期管理、通脹波動與銀行風(fēng)險承擔(dān).經(jīng)濟(jì)研究，2015,(10).

[42] C.Gaganis,F.Pasiouras.Financial Supervision Regimes and Bank Efficiency:International Evidence. Journal of Banking and Finance,2013,37.