剖析我國信托業務效率測度實證研究論文

導語：剖析我國信托業務效率測度實證研究論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

【摘要】:為了檢驗銀監會實施信托“新政”和金融危機對中國信托業效率的影響,運用數據包絡分析方法(DEA)重點分析了我國37家信托公司2008年經營的相對效率,結果顯示我國信托公司技術效率普遍較低,均值僅為0.507,主要受累于純技術效率和規模效率的低下。同時,構建了投入產出導向型的Malmuiqst生產率指數對我國信托業2004-2008年全要素生產率的動態變化進行分析,結果表明我國信托業全要素生產率有了較為可觀的改善,全要素生產率的增長主要來自于技術變化(1.477),技術效率變化的貢獻較小(1.02)。

【關鍵詞】:信托公司;效率;數據包絡分析;Malmuiqst生產率指數

從1979年10月我國第一家信托機構的誕生,到1989年大約有1000家信托投資公司存在于全國各地;從1982年開始的國務院對信托業的五次整頓,到2007年以“一法兩規”為基礎的信托法律法規體系形成,我國信托業在不斷摸索中前行。在“銀行、證券、保險、信托”四大金融支柱中,盡管從市場影響力來說,信托業目前仍然是最薄弱的一塊,但是,信托機構既可以涉足資本市場、貨幣市場,受托進行證券投資,又可以涉足實體經濟,進行股權投資,在中國經濟建設中起著重要的金融中介和橋梁作用。2008年席卷全球的金融危機深深影響了我國實體經濟和資本市場,中國信托業雖受到影響,但是仍取得了不俗的成績。根據披露年報的50家信托公司數據統計,2008年我國信托公司管理的信托資產規模越過萬億元大關,達到12284億元,50家信托公司共實現凈利潤106.5億元,信托項目利潤總額達442億元。信托曾被視為金融業的“壞孩子”,但面對金融危機卻能夠取得如此業績,這說明我國信托業自身的盈利能力在不斷增強,運營效率在不斷提高,在此背景下對我國信托公司效率進行客觀評價,以及對我國信托業全要素生產效率動態變化進行分析,就顯得尤為重要。

國內學者已經對金融業中銀行、保險和證券公司的效率作了較為全面和深入的分析,張健華(2003)、柯孔林和馮宗憲(2008)利用DEA分析方法對我國商業銀行效率和全要素生產率進行了實證分析,描述了我國銀行業生產有效性狀況[1,2]。李克成(2005)、呂秀萍(2007)分別運用DEA方法分析了我國保險公司效率狀況,并運用Malmuiqst生產效率指數刻畫了保險業生產效率的動態變化[3,4]。樊宏(2002)、王曉芳和程可勝(2009)分別利用DEA和基于DEA的Malmquist生產率指數,對我國證券公司效率進行了分析和評價,結果顯示我國證券業的整體效率水平還比較低[5,6]。對金融業四大支柱之一的信托行業生產效率的研究,國內相關研究還很少見。本文將利用DEA和基于DEA的Malmquist生產率指數方法,運用我國37家信托公司的相關數據,對我國信托業2008年經營效率進行測度,并對我國信托業2004～2008年的全要素生產率的動態變化進行實證分析。

2研究方法和數據選擇

2.1研究方法

信托公司效率是指信托公司在業務活動中投入與產出或成本與收益之間的對比關系,反映了信托公司對其資源的有效配置。在效率的測評中,前沿分析法被大量的使用。根據生產前沿確定方法的不同,前沿分析法又可以分為參數法和非參數法,前者以隨機前沿分析(StochasticFrontierApproach,SFA)為代表,后者以數據包絡分析(DataEnvelopmentAnalysis,DEA)為代表。DEA方法用數學規劃模型來評價具有多個輸入和輸出的“決策單元”(DecisionMakingUnits,DMU)之間的相對效率。該方法最初由Charnes,Cooper和Rhodese(1978)提出,創立規模報酬不變的CCR模型[7]。之后Banker,Charnes和Cooper(1984)用規模報酬變動假設取代了CCR模型的固定規模報酬假設,發展成BCC模型[8]。BCC模型能將純技術效率和規模效率區分開來,可以衡量決策單元在既定的生產技術情況下,是否處于最優生產規模。DEA方法作為評價具有較復雜投入產出關系組織經營效率的一種方法,廣泛地應用到金融業當中,因此,本文將用DEA方法來評價2008年信托公司經營的相對效率。

在考察了中國信托公司2008年經營的相對效率情況下,本文的研究將由靜態的時點分析轉向動態的跨期分析,因此,將運用基于DEA的Malmquist生產率指數來研究我國信托業全要素生產率的動態變化。Malmquist生產率指數最初由Malmquist(1953)提出,Cavesetal.(1982)首先將該指數應用于生產率變化的測算,此后與DEA理論相結合,這在生產率測算中的應用日益廣泛[9]。在實證分析中,研究者普遍采用Fareetal.(1994)構建的基于DEA的Malmquist指數[10]。Malmquist生產率指數是在距離函數的基礎上定義出來的,是目前廣泛采用的全要素生產率評價方法,從t時期到t+1時期,Malmquist生產率指數可以表示為:

(1)式(1)中,和分別表示t+1時期和t時期的投入和產出向量;和分別表示以t時期技術為參照,時期t和時期t+1的距離函數。那么,以t時期技術和t+1時期技術分別為參照,基于產出角度的Malmquist生產率指數可以表示為:

為避免時期選擇的隨意性可能導致的差異,本文參照Fareetal.(1994)用式(2)和式(3)的幾何平均值即(1)式,作為衡量從t時期到t+1時期生產率變化的Malmquist生產率指數。該指數大于1時,表明從t時期到t+1時期全要素生產率是增長的。在不變規模報酬假定下它可以分解為技術效率變化指數(EC)和技術進步指數(TP),其分解過程如下:

為了計算Malmquist生產率指數,本文利用Fareetal.(1994)提出的利用DEA方法,借助線性規劃來計算有關投入和產出的距離函數。如果將規模報酬不變的假設改為規模報酬可變的情況,則可以把技術效率變化分解成規模效率變化(SC)和純技術效率變化(PC)。

Malmquist生產率指數不需要相關的價格信息,且適用于多個決策單元跨時期的樣本分析,還可以進一步分解為技術效率變化指數和技術進步指數。因此,考慮到關于投入產出方面的數據比較容易收集,而要獲取要素價格等信息相對而言比較困難,在本文分析中,我們把我國37家信托公司分別作為一個決策單元,運用Malmquist指數方法估計我國37家信托公司2004-2008年全要素生產率變動情況。

2.2指標確定與數據選擇

如果把各信托公司作為決策單元(DMU),通過選擇適當的投入與產出指標(因為DEA模型對投入和產出指標比較敏感),就可借助DEA方法對信托業效率進行評價,模型運用的關鍵是投入與產出指標的選擇?？紤]到我國信托公司業務的特點,本文選取資本金、勞動力和費用作為三個投入指標。資本金是信托公司開辦各種業務,防范風險的前提保障,是投入指標中不可或缺的一個,本文選用信托公司資產負債表中實收資本來表示;就勞動投入指標而言,由于中國收入分配體制不盡合理和市場調節機制不盡完善,缺乏必要的統計資料,不可能像發達的市場經濟國家那樣用工作時間來衡量勞動投入量,因此,本文直接選取信托公司年報中披露的員工人數;信托公司作為金融中介而言,費用在其投入中占了主要部分,因此,本文費用指標選擇信托公司的營業費來表示。

根據西方學者的研究,與全要素生產率的指標功能高度吻合的產出指標既要包含中間型指標還要包含最終型指標,這樣才能全面的衡量信托公司的“總產出”。根據我國的實際情況和信托公司運作的特點,本文選取信托資產規模作為“中間指標”上來度量信托公司的產出量;選取信托公司凈利潤作為衡量信托公司產出的綜合性指標。根據所需數據的可得性,本文共選取2004-2008年我國37家信托公司作為樣本,37家公司各個信托公司的數據主要來源于《2009年中國信托公司經營藍皮書》及各信托公司的年報。

3中國信托公司2008年的效率測度

DEA方法在評價決策單元相對效率時有兩種模型,即投入導向(input-oriented)效率度量模型和產出導向(output-oriented)效率度量模型,這兩種模型在評價決策單元時,得出的效率一般是不同的,但在弱有效和有效的情形下是相同的。投入導向的模型與產出導向的模型各有其自身的經濟涵義,投入導向的模型,是在保持產出不變的情況下,分析各決策單元投入資源的使用情況;產出導向的模型則表明在保持投入不變的情況下,產出能否可以按某一比例擴大。由于所選擇的信托業投入指標具有一定的剛性,本文選擇產出導向的DEA模型。同時,由于信托公司的規模在一定期限內是可以變動的,所以我們選擇變動規模的產出導向的DEA模型(BCC模型)。考慮到2007年銀監會頒布的信托“新政”對信托公司的功能定位和業務方向進行了深層次的改革;同時,2008年的全球金融危機也使得我國資本市場動蕩不安。因此,本文選取2008年作為重點分析,考察信托公司在“新政”后的第一個年度里,面對資本市場的動蕩能夠實現怎樣的經營效率。本文用Deap2.1軟件可以測算出2008年信托公司的相對經營效率。實證結果見表1,由此表可以看出:

1)我國信托業的整體技術效率比較低,均值僅為0.507。其中,中信信托、華潤信托(深國投)、中海信托、重慶信托、華寶信托和中融信托六家信托公司的效率值為1,處于DEA有效狀態,其他的公司均處于DEA無效狀態(有20家信公司效率值低于均值0.507)。上述六家信托公司都是在信托業內具有良好的公司治理和大股東強有力的支持,即使遇到金融危機也能實現不俗的業績。而信托業整體技術效率的低水平主要有以下三個方面的原因:第一,2007年信托新政的出臺,對大多數信托公司來說是一個新的挑戰,因為70%以上的信托公司均依靠固有資產開展自營業務生存,而新政的核心則是固有業務壓縮、信托業務規范、關聯交易清理,以及原則上要取消實業投資,充分保證資產的流動性。這使得信托公司必須轉型,這導致了信托公司2008年整體技術效率較低,沒能實現投入產出的最大化;第二,2008年受國際金融危機的影響,世界經濟和中國經濟在不同領域出現不同的程度的下滑,受這種下滑趨勢的影響,中國信托業也出現了一定的衰退;第三,雖然信托業經過多次整頓,信托“新政”也給信托業的發展指明了方向,但相比于銀行、證券、保險以及國外同業都只能算是剛開始起步,其發展的過程中還存在著行業戰略目標不明確、監管和法律環境不完善、公司治理不完善、風險內控機制不健全、管理水平不高以及人才匱乏等問題和困境。

2)上述技術效率可以進一步分解為純技術效率和規模效率,影響我國信托公司技術效率低的原因主要是純技術效率和規模效率指標值較低,從表1可以看出這兩個因素的均值分別為0.727和0.718。純技術效率測度的是當規模報酬可變時,被考察企業與生產前沿面之間的距離。37家信托公司中有16家信托公司的純技術效率等于1,處于生產前沿面上,實現了資源的最優配置。究其原因,主要是這些信托公司貫徹了優化信托資產、強化風險控制、加強公司管理、發揮自身優勢(比如依靠大股東和地方政府支持等)的經營方針,加大了資本運營和資源整合的力度,提升了公司的綜合競爭力,進而使其純技術經營效率得以提高。

3)規模效率衡量的則是規模報酬不變的生產前沿與規模報酬變化的生產前沿之間的距離。從表1可以看出規模收益均值為0.718,37家信托公司中僅有七家信托公司處于生產前沿上。這七家信托公司都是信托資產規模和自營資產規模比較大,資本金雄厚,經營管理機制和人力資本結構方面都處于信托業的領先位置,是我國信托業的第一梯隊?？v觀規模狀態,我國37家信托公司中六成多(26家)的信托公司規模狀態是規模報酬遞增的。其中,中信信托、華潤信托(深國投)、中海信托、重慶信托、華寶信托、中融信托和中誠信托這七家信托公司的規模報酬不變,而外貿信托、平安信托、上海信托和天津信托則是規模報酬遞減,導致規模報酬遞減主要原因是公司擴張過快,資本金和營業費用急劇上升,但產出并沒有同比例上升。

4中國信托業全要素生產率動態變化實證研究

本文在可變規模報酬假設下,利用Deap2.1軟件計算基于Malmquist全要素生產率指數,得到我國信托公司在2004-2008的全要素生產率變化,并分解出技術變化、純技術效率變化和規模效率變化。表2是我國37家信托公司在2004-2008年的全要素生產率變化及其分解因素結果,從此表中可以得出如下分析結果:

1)37個信托公司的技術變化值均值為1.477,可見整個信托業在這五年間都有了顯著的技術改善。37個信托公司中Malmquist指數均值1.506,其中有一半的信托公司Malmquist指數大于1.5,僅有東莞信托的Malmquist指數小于1。Malmquist指數大于1,是生產率的進步;小于1,則是生產率的退步;若指數等于1,是生產率未發生變化。2004～2008年,我國信托公司全要素生產率增加了50.6%,全要素生產率的增長主要來自于技術變化(1.477),技術效率變化的貢獻較小(1.02)。這五年間技術效率僅上升了2%(其中純效率變化上升了6.4%,規模效率變化下降了4.2%),而技術變化上升了47.7%。

2)從圖1我們可以清楚的看出,Malmquist全要素生產率指數在2004-2007年間快速攀升,帶動Malmquist全要素生產率指數上升的是信托業技術變化指數,而技術效率變化指數增長較為緩慢。37家信托公司的五年間技術效率變化均值為1.02,技術效率變化均值要比技術變化均值(1.477)低很多,主要原因是信托公司的純技術效率變化和規模效率變化過小,分別為1.064和0.958。這反映了我國信托業在銀監會的審慎監管下技術水平有了迅速提高,整個信托業全要素生產率的增長也主要源于技術變化,而不是生產效率的提高,表明信托業囿于資金、人才和管理水平的低下,整體的要素利用效率還不高。

3)純技術效率是用來反映每一個生產決策單位利用現有投入生產相應產出的能力,可以說明生產及決策是否正確,數據顯示37家信托公司的純效率變化均值為1.064,其中有24信托公司純效率變化值大于等于1。從本文所選擇的投入指標來看,純技術效率均值大于1,說明我國信托業在銀監會審慎監管的要求下,各信托投資公司都在大規模增加自有資本、擴張營業費用以增強抵御風險的能力和促進營業收入的增長,產出指標凈利潤和信托資產規模也隨著投入能力的增加而相應增長,使得純技術效率不斷上升。但從絕對值上來看,純效率變化均值也僅是剛剛超過1,在這在一定程度上拖累了信托業的技術效率變化。公務員之家

4)37家信托公司規模效率變化均值僅為0.958,只有12家信托公司規模效率變化值大于1,這正是信托業規模無效率的體現。各個信托公司都盲目擴大市場份額和增加投入,使得在既定的市場需求下,大規模的需求被分散。平均下來,每家信托公司的投入水平相對于已分散的市場需求而言存在過剩,或者說存在著投入擁擠。因此,要想從整體上提高信托業的純技術效率和規模效率,就必須調整行業布局,從整體上整合信托資源,優化信托資源的配置。

5結論

通過對我國37家信托公司2008年的效率值進行了測量,發現我國信托業的技術效率普遍偏低,均值僅為0.507,這主要受累于純技術效率和規模效率的低下。造成2008年信托公司效率值偏低的原因可以分為內外兩個方面,一方面是受到國際金融危機和信托“新政”實施的外部因素沖擊的影響,另一方面則是信托公司自身的經營管理能力和抗風險能力較弱。為考察我國信托業2004-2008年的全要素生產率的動態變化,運用Malmuiqst生產效率指數進行了實證分析,結果表明我國信托業全要素生產率有了較為可觀的改善,這表明在我國信托業高速發展的同時,信托公司的技術創新、營銷創新和管理創新等創新行為(即前沿面移動效應)大大提高了信托業的生產效率。盡管如此,全要素生產率的增長主要來自于技術變化(1.477),純技術效率變化和規模效率變化的貢獻較小(1.02),這主要是由于我國信托業面臨著銀行、證券和保險三大行業的競爭,自身生存空間較小,各信托公司未達到規模經濟狀態,人員素質和技術水平還有待提高。從長遠來看,信托“新政”和銀監會審慎監管措施的出臺將促進信托業做強做大,實現信托公司資源有效整合,提升信托公司的規模效率和純技術效率,進而促進信托業全要素生產率不斷提高。

參考文獻

[1]張健華.我國商業銀行效率研究的DEA方法及1997～2001年效率的實證分析[J].金融研究.2003(3):11-25

ZHANGJH.DEAMethodonEfficiencyStudyofChineseCommercialBanksandthePositivistAnalysisfrom1997to2001[J].JournaalofFinance,2003,(3):11-25.(InChinese)

[2]柯孔林,馮宗憲.中國銀行業全要素生產率測度:基于Malmquist-Luenberger指數研究[J].數量經濟技術經濟研究.2008(4):110-120

KEKL,FENGZX.TotalFactorProductivityMeasurementofChina''''sBankIndustryBasedonMalmquist-LuenbergerIndex[J].TheJournalofQuantitative&TechnicalEconomics,2008,(4):110-120.(InChinese)

[3]李克成.國內壽險公司經營效率實證分析[J].保險研究.2005(2):37-40

LIKC.EmpiricalAnalysisofLifeInsuranceCompany''''sOperationalEfficiency[J].InsuranceStudies,2005,(2):37-40.(InChinese)

[4]呂秀萍.1999～2004年中國保險業宏觀效率實證研究:基于DEA方法[J]統計研究.2007(1):35-39

LUXP.TheExperimentalAnalysisofMacroEfficiencyofInsuranceIndustryofChinafrom1999to2004:BasedonDEAMethod[J].StatisticalResearch,2007,(1):35-39.(InChinese)

[5]樊宏.基于DEA模型的我國證券公司評價方法及應用[J].數量經濟技術經濟研究.2002(4):118-121

FANH.TheMethodofEvaluatingChina''''sSecurityCompaniesBasedonDataEnvelopmentAnalysisModelandItsApplication[J].TheJournalofQuantitative&TechnicalEconomics,2002,(4):118-121.(InChinese)

[6]王曉芳,程可勝.中國證券業效率的動態分析[J].產業經濟研究.2009(2):49-54

WANGXF,CHENGKS.AnAnalysisonDynamicEfficiencyofChinaSecuritiesIndustry[J].IndustrialEconomicsResearch,2009,(2):49-54.(InChinese)

[7]Charnes,A.eta1.MeasuringtheEfficiencyofDecisionMakingUnits[J].EuropeanJournalofOperationalResearch,1978,(2):429-444

[8]Banker,R.D.,Charnes,A.andCooper.SomeModelsforEstimatingTechnicalandScaleInefficienciesinDataEnvelopmentAnalysis[J].ManagementScience,1984,30(9):1078-1092.

[9]Caves,D.W.,L.R.Christensen,andW.E.Diewert.TheEconomicTheoryofIndexNumbersandtheMeasurementofInput,Output,andProductivity[J].Econometrica,1982,50(6):1393-1414.

[10]Fare,R.,Grosskopf,S.,andNorris,M.,andZhang.Productivitygrowth,technicalprogress,andefficiencychangeinindustrializedcountries[J].AmericanEconomicReview,1994,(84):66-83.