剖析我国信托业务效率测度实证研究论文

导语：剖析我国信托业务效率测度实证研究论文一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

【摘要】:为了检验银监会实施信托“新政”和金融危机对中国信托业效率的影响,运用数据包络分析方法(DEA)重点分析了我国37家信托公司2008年经营的相对效率,结果显示我国信托公司技术效率普遍较低,均值仅为0.507,主要受累于纯技术效率和规模效率的低下。同时,构建了投入产出导向型的Malmuiqst生产率指数对我国信托业2004-2008年全要素生产率的动态变化进行分析,结果表明我国信托业全要素生产率有了较为可观的改善,全要素生产率的增长主要来自于技术变化(1.477),技术效率变化的贡献较小(1.02)。

【关键词】:信托公司;效率;数据包络分析;Malmuiqst生产率指数

从1979年10月我国第一家信托机构的诞生,到1989年大约有1000家信托投资公司存在于全国各地;从1982年开始的国务院对信托业的五次整顿,到2007年以“一法两规”为基础的信托法律法规体系形成,我国信托业在不断摸索中前行。在“银行、证券、保险、信托”四大金融支柱中,尽管从市场影响力来说,信托业目前仍然是最薄弱的一块,但是,信托机构既可以涉足资本市场、货币市场,受托进行证券投资,又可以涉足实体经济,进行股权投资,在中国经济建设中起着重要的金融中介和桥梁作用。2008年席卷全球的金融危机深深影响了我国实体经济和资本市场,中国信托业虽受到影响,但是仍取得了不俗的成绩。根据披露年报的50家信托公司数据统计,2008年我国信托公司管理的信托资产规模越过万亿元大关,达到12284亿元,50家信托公司共实现净利润106.5亿元,信托项目利润总额达442亿元。信托曾被视为金融业的“坏孩子”,但面对金融危机却能够取得如此业绩,这说明我国信托业自身的盈利能力在不断增强,运营效率在不断提高,在此背景下对我国信托公司效率进行客观评价,以及对我国信托业全要素生产效率动态变化进行分析,就显得尤为重要。

国内学者已经对金融业中银行、保险和证券公司的效率作了较为全面和深入的分析,张健华(2003)、柯孔林和冯宗宪(2008)利用DEA分析方法对我国商业银行效率和全要素生产率进行了实证分析,描述了我国银行业生产有效性状况[1,2]。李克成(2005)、吕秀萍(2007)分别运用DEA方法分析了我国保险公司效率状况,并运用Malmuiqst生产效率指数刻画了保险业生产效率的动态变化[3,4]。樊宏(2002)、王晓芳和程可胜(2009)分别利用DEA和基于DEA的Malmquist生产率指数,对我国证券公司效率进行了分析和评价,结果显示我国证券业的整体效率水平还比较低[5,6]。对金融业四大支柱之一的信托行业生产效率的研究,国内相关研究还很少见。本文将利用DEA和基于DEA的Malmquist生产率指数方法,运用我国37家信托公司的相关数据,对我国信托业2008年经营效率进行测度,并对我国信托业2004～2008年的全要素生产率的动态变化进行实证分析。

2研究方法和数据选择

2.1研究方法

信托公司效率是指信托公司在业务活动中投入与产出或成本与收益之间的对比关系,反映了信托公司对其资源的有效配置。在效率的测评中,前沿分析法被大量的使用。根据生产前沿确定方法的不同,前沿分析法又可以分为参数法和非参数法,前者以随机前沿分析(StochasticFrontierApproach,SFA)为代表,后者以数据包络分析(DataEnvelopmentAnalysis,DEA)为代表。DEA方法用数学规划模型来评价具有多个输入和输出的“决策单元”(DecisionMakingUnits,DMU)之间的相对效率。该方法最初由Charnes,Cooper和Rhodese(1978)提出,创立规模报酬不变的CCR模型[7]。之后Banker,Charnes和Cooper(1984)用规模报酬变动假设取代了CCR模型的固定规模报酬假设,发展成BCC模型[8]。BCC模型能将纯技术效率和规模效率区分开来,可以衡量决策单元在既定的生产技术情况下,是否处于最优生产规模。DEA方法作为评价具有较复杂投入产出关系组织经营效率的一种方法,广泛地应用到金融业当中,因此,本文将用DEA方法来评价2008年信托公司经营的相对效率。

在考察了中国信托公司2008年经营的相对效率情况下,本文的研究将由静态的时点分析转向动态的跨期分析,因此,将运用基于DEA的Malmquist生产率指数来研究我国信托业全要素生产率的动态变化。Malmquist生产率指数最初由Malmquist(1953)提出,Cavesetal.(1982)首先将该指数应用于生产率变化的测算,此后与DEA理论相结合,这在生产率测算中的应用日益广泛[9]。在实证分析中,研究者普遍采用Fareetal.(1994)构建的基于DEA的Malmquist指数[10]。Malmquist生产率指数是在距离函数的基础上定义出来的,是目前广泛采用的全要素生产率评价方法,从t时期到t+1时期,Malmquist生产率指数可以表示为:

(1)式(1)中,和分别表示t+1时期和t时期的投入和产出向量;和分别表示以t时期技术为参照,时期t和时期t+1的距离函数。那么,以t时期技术和t+1时期技术分别为参照,基于产出角度的Malmquist生产率指数可以表示为:

为避免时期选择的随意性可能导致的差异,本文参照Fareetal.(1994)用式(2)和式(3)的几何平均值即(1)式,作为衡量从t时期到t+1时期生产率变化的Malmquist生产率指数。该指数大于1时,表明从t时期到t+1时期全要素生产率是增长的。在不变规模报酬假定下它可以分解为技术效率变化指数(EC)和技术进步指数(TP),其分解过程如下:

为了计算Malmquist生产率指数,本文利用Fareetal.(1994)提出的利用DEA方法,借助线性规划来计算有关投入和产出的距离函数。如果将规模报酬不变的假设改为规模报酬可变的情况,则可以把技术效率变化分解成规模效率变化(SC)和纯技术效率变化(PC)。

Malmquist生产率指数不需要相关的价格信息,且适用于多个决策单元跨时期的样本分析,还可以进一步分解为技术效率变化指数和技术进步指数。因此,考虑到关于投入产出方面的数据比较容易收集,而要获取要素价格等信息相对而言比较困难,在本文分析中,我们把我国37家信托公司分别作为一个决策单元,运用Malmquist指数方法估计我国37家信托公司2004-2008年全要素生产率变动情况。

2.2指标确定与数据选择

如果把各信托公司作为决策单元(DMU),通过选择适当的投入与产出指标(因为DEA模型对投入和产出指标比较敏感),就可借助DEA方法对信托业效率进行评价,模型运用的关键是投入与产出指标的选择。考虑到我国信托公司业务的特点,本文选取资本金、劳动力和费用作为三个投入指标。资本金是信托公司开办各种业务,防范风险的前提保障,是投入指标中不可或缺的一个,本文选用信托公司资产负债表中实收资本来表示;就劳动投入指标而言,由于中国收入分配体制不尽合理和市场调节机制不尽完善,缺乏必要的统计资料,不可能像发达的市场经济国家那样用工作时间来衡量劳动投入量,因此,本文直接选取信托公司年报中披露的员工人数;信托公司作为金融中介而言,费用在其投入中占了主要部分,因此,本文费用指标选择信托公司的营业费来表示。

根据西方学者的研究,与全要素生产率的指标功能高度吻合的产出指标既要包含中间型指标还要包含最终型指标,这样才能全面的衡量信托公司的“总产出”。根据我国的实际情况和信托公司运作的特点,本文选取信托资产规模作为“中间指标”上来度量信托公司的产出量;选取信托公司净利润作为衡量信托公司产出的综合性指标。根据所需数据的可得性,本文共选取2004-2008年我国37家信托公司作为样本,37家公司各个信托公司的数据主要来源于《2009年中国信托公司经营蓝皮书》及各信托公司的年报。

3中国信托公司2008年的效率测度

DEA方法在评价决策单元相对效率时有两种模型,即投入导向(input-oriented)效率度量模型和产出导向(output-oriented)效率度量模型,这两种模型在评价决策单元时,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。投入导向的模型与产出导向的模型各有其自身的经济涵义,投入导向的模型,是在保持产出不变的情况下,分析各决策单元投入资源的使用情况;产出导向的模型则表明在保持投入不变的情况下,产出能否可以按某一比例扩大。由于所选择的信托业投入指标具有一定的刚性,本文选择产出导向的DEA模型。同时,由于信托公司的规模在一定期限内是可以变动的,所以我们选择变动规模的产出导向的DEA模型(BCC模型)。考虑到2007年银监会颁布的信托“新政”对信托公司的功能定位和业务方向进行了深层次的改革;同时,2008年的全球金融危机也使得我国资本市场动荡不安。因此,本文选取2008年作为重点分析,考察信托公司在“新政”后的第一个年度里,面对资本市场的动荡能够实现怎样的经营效率。本文用Deap2.1软件可以测算出2008年信托公司的相对经营效率。实证结果见表1,由此表可以看出:

1)我国信托业的整体技术效率比较低,均值仅为0.507。其中,中信信托、华润信托(深国投)、中海信托、重庆信托、华宝信托和中融信托六家信托公司的效率值为1,处于DEA有效状态,其他的公司均处于DEA无效状态(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业内具有良好的公司治理和大股东强有力的支持,即使遇到金融危机也能实现不俗的业绩。而信托业整体技术效率的低水平主要有以下三个方面的原因:第一,2007年信托新政的出台,对大多数信托公司来说是一个新的挑战,因为70%以上的信托公司均依靠固有资产开展自营业务生存,而新政的核心则是固有业务压缩、信托业务规范、关联交易清理,以及原则上要取消实业投资,充分保证资产的流动性。这使得信托公司必须转型,这导致了信托公司2008年整体技术效率较低,没能实现投入产出的最大化;第二,2008年受国际金融危机的影响,世界经济和中国经济在不同领域出现不同的程度的下滑,受这种下滑趋势的影响,中国信托业也出现了一定的衰退;第三,虽然信托业经过多次整顿,信托“新政”也给信托业的发展指明了方向,但相比于银行、证券、保险以及国外同业都只能算是刚开始起步,其发展的过程中还存在着行业战略目标不明确、监管和法律环境不完善、公司治理不完善、风险内控机制不健全、管理水平不高以及人才匮乏等问题和困境。

2)上述技术效率可以进一步分解为纯技术效率和规模效率,影响我国信托公司技术效率低的原因主要是纯技术效率和规模效率指标值较低,从表1可以看出这两个因素的均值分别为0.727和0.718。纯技术效率测度的是当规模报酬可变时,被考察企业与生产前沿面之间的距离。37家信托公司中有16家信托公司的纯技术效率等于1,处于生产前沿面上,实现了资源的最优配置。究其原因,主要是这些信托公司贯彻了优化信托资产、强化风险控制、加强公司管理、发挥自身优势(比如依靠大股东和地方政府支持等)的经营方针,加大了资本运营和资源整合的力度,提升了公司的综合竞争力,进而使其纯技术经营效率得以提高。

3)规模效率衡量的则是规模报酬不变的生产前沿与规模报酬变化的生产前沿之间的距离。从表1可以看出规模收益均值为0.718,37家信托公司中仅有七家信托公司处于生产前沿上。这七家信托公司都是信托资产规模和自营资产规模比较大,资本金雄厚,经营管理机制和人力资本结构方面都处于信托业的领先位置,是我国信托业的第一梯队。纵观规模状态,我国37家信托公司中六成多(26家)的信托公司规模状态是规模报酬递增的。其中,中信信托、华润信托(深国投)、中海信托、重庆信托、华宝信托、中融信托和中诚信托这七家信托公司的规模报酬不变,而外贸信托、平安信托、上海信托和天津信托则是规模报酬递减,导致规模报酬递减主要原因是公司扩张过快,资本金和营业费用急剧上升,但产出并没有同比例上升。

4中国信托业全要素生产率动态变化实证研究

本文在可变规模报酬假设下,利用Deap2.1软件计算基于Malmquist全要素生产率指数,得到我国信托公司在2004-2008的全要素生产率变化,并分解出技术变化、纯技术效率变化和规模效率变化。表2是我国37家信托公司在2004-2008年的全要素生产率变化及其分解因素结果,从此表中可以得出如下分析结果:

1)37个信托公司的技术变化值均值为1.477,可见整个信托业在这五年间都有了显著的技术改善。37个信托公司中Malmquist指数均值1.506,其中有一半的信托公司Malmquist指数大于1.5,仅有东莞信托的Malmquist指数小于1。Malmquist指数大于1,是生产率的进步;小于1,则是生产率的退步;若指数等于1,是生产率未发生变化。2004～2008年,我国信托公司全要素生产率增加了50.6%,全要素生产率的增长主要来自于技术变化(1.477),技术效率变化的贡献较小(1.02)。这五年间技术效率仅上升了2%(其中纯效率变化上升了6.4%,规模效率变化下降了4.2%),而技术变化上升了47.7%。

2)从图1我们可以清楚的看出,Malmquist全要素生产率指数在2004-2007年间快速攀升,带动Malmquist全要素生产率指数上升的是信托业技术变化指数,而技术效率变化指数增长较为缓慢。37家信托公司的五年间技术效率变化均值为1.02,技术效率变化均值要比技术变化均值(1.477)低很多,主要原因是信托公司的纯技术效率变化和规模效率变化过小,分别为1.064和0.958。这反映了我国信托业在银监会的审慎监管下技术水平有了迅速提高,整个信托业全要素生产率的增长也主要源于技术变化,而不是生产效率的提高,表明信托业囿于资金、人才和管理水平的低下,整体的要素利用效率还不高。

3)纯技术效率是用来反映每一个生产决策单位利用现有投入生产相应产出的能力,可以说明生产及决策是否正确,数据显示37家信托公司的纯效率变化均值为1.064,其中有24信托公司纯效率变化值大于等于1。从本文所选择的投入指标来看,纯技术效率均值大于1,说明我国信托业在银监会审慎监管的要求下,各信托投资公司都在大规模增加自有资本、扩张营业费用以增强抵御风险的能力和促进营业收入的增长,产出指标净利润和信托资产规模也随着投入能力的增加而相应增长,使得纯技术效率不断上升。但从绝对值上来看,纯效率变化均值也仅是刚刚超过1,在这在一定程度上拖累了信托业的技术效率变化。公务员之家

4)37家信托公司规模效率变化均值仅为0.958,只有12家信托公司规模效率变化值大于1,这正是信托业规模无效率的体现。各个信托公司都盲目扩大市场份额和增加投入,使得在既定的市场需求下,大规模的需求被分散。平均下来,每家信托公司的投入水平相对于已分散的市场需求而言存在过剩,或者说存在着投入拥挤。因此,要想从整体上提高信托业的纯技术效率和规模效率,就必须调整行业布局,从整体上整合信托资源,优化信托资源的配置。

5结论

通过对我国37家信托公司2008年的效率值进行了测量,发现我国信托业的技术效率普遍偏低,均值仅为0.507,这主要受累于纯技术效率和规模效率的低下。造成2008年信托公司效率值偏低的原因可以分为内外两个方面,一方面是受到国际金融危机和信托“新政”实施的外部因素冲击的影响,另一方面则是信托公司自身的经营管理能力和抗风险能力较弱。为考察我国信托业2004-2008年的全要素生产率的动态变化,运用Malmuiqst生产效率指数进行了实证分析,结果表明我国信托业全要素生产率有了较为可观的改善,这表明在我国信托业高速发展的同时,信托公司的技术创新、营销创新和管理创新等创新行为(即前沿面移动效应)大大提高了信托业的生产效率。尽管如此,全要素生产率的增长主要来自于技术变化(1.477),纯技术效率变化和规模效率变化的贡献较小(1.02),这主要是由于我国信托业面临着银行、证券和保险三大行业的竞争,自身生存空间较小,各信托公司未达到规模经济状态,人员素质和技术水平还有待提高。从长远来看,信托“新政”和银监会审慎监管措施的出台将促进信托业做强做大,实现信托公司资源有效整合,提升信托公司的规模效率和纯技术效率,进而促进信托业全要素生产率不断提高。

参考文献

[1]张健华.我国商业银行效率研究的DEA方法及1997～2001年效率的实证分析[J].金融研究.2003(3):11-25

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

[2]柯孔林,冯宗宪.中国银行业全要素生产率测度:基于Malmquist-Luenberger指数研究[J].数量经济技术经济研究.2008(4):110-120

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

[3]李克成.国内寿险公司经营效率实证分析[J].保险研究.2005(2):37-40

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

[4]吕秀萍.1999～2004年中国保险业宏观效率实证研究:基于DEA方法[J]统计研究.2007(1):35-39

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

[5]樊宏.基于DEA模型的我国证券公司评价方法及应用[J].数量经济技术经济研究.2002(4):118-121

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

[6]王晓芳,程可胜.中国证券业效率的动态分析[J].产业经济研究.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.