基于DEA模型的我国商业银行小微企业信贷管理效率研究
一、 引言
一直以来，小微企业作为中国经济的中坚力量，创造了巨大的经济效益和广泛的就业机会，但商业银行作为小微企业的重要融资机构出于成本和利益的考虑，将大量的信贷资金投向大中型企业，使得小微企业贷款难的问题普遍存在。随着利率市场化、金融脱媒化以及互联网金融的蓬勃发展，商业银行的传统业务受到巨大的冲击。迫于市场竞争的压力，商业银行将目标客户定位下移，来获取更多的市场份额。此外，政府部门对小微企业的高度重视也极大推动了小微金融的快速发展。近年来，经过引入国外的先进技术以及同业间的相互借鉴，商业银行对小微企业的业务特点、经营特征有了更多的了解，推动了小微企业信贷管理的持续创新。中国建设银行、中国银行、中国民生银行等商业银行先后引入了新加坡淡马锡控股公司的“信贷工厂”模式，在一定程度上提高了小微企业的管理效率。本文通过相关性分析法及数据包络分析法（DEA）给出了近五年来我国上市商业银行信贷管理效率情况，分析了“信贷工厂”模式的有效性并给出了促进我国商业银行小微企业信贷业务的发展建议。
二、 文献综述
最早采用DEA模型对银行效率的研究可以追溯到20世纪50年代，Alhadeff开启了对银行效率问题的研究（Alhadeff，2000）。各个国家纷纷对本国银行和不同国家间的银行效率进行了一系列比较研究，如Favero等人对意大利不同地区的银行效率进行了研究，发现意大利中北部银行的效率要高于南部（Favero，1995）。Lozano-Vivas等人对西班牙银行效率进行了相关研究（Lozano-Vivas，1998）。Berg等人对北欧各国银行的效率进行了对比研究，发现瑞典银行的效率最高（Berg，1993）。
国内学者采用DEA模型对银行的效率问题同样进行了相关的探索，少有学者运用DEA模型对商业银行小微企业贷款业务进行分析。为数不多的相关研究包括牛蓝英分析了我国主要商业银行开展的小微信贷业务情况，基于DEA效率模型和博弈论分析结果，对我国商业银行开展小微信贷业务提出了相关建议（牛蓝英，2014）。郑伟选取我国16家上市商业银行进行DEA效率分析，筛选出同处于规模效率前沿面的6家银行，并通过对比其技术效率差异提出短期改进措施（郑伟，2016）。但?@些研究在选择投入产出指标时主要运用经验法，对分析结果产生了很大的主观影响。本文在经验选取指标的基础上，采用相关性分析对指标进行处理后，再利用DEA进行分析，所得结果将更符合实际。
三、 我国商业银行小微企业信贷管理效率DEA模型建立
1. 指标选取及相关性分析。采用DEA方法评价商业银行小微企业信贷管理效率的关键是选择合理的投入和产出指标。通常情况下，选取的多个指标之间存在较高的相关性，而忽略这些指标的相关性直接利用DEA进行分析会使理论分析结果同实际情况不符（智冬晓，2009）。本文首先根据以往文献研究的结果，结合我国小微企业信贷管理效率的现实特点，选取商业银行的总资产（TA）、员工总数（TE）、机构数量（NI）、营业支出（OE）、资本充足率（CAR）、流动性比率（LR）、拨备覆盖率（CCR）以及存贷比（LDR）作为输入指标;选取商业银行的小微企业贷款余额（LB）、公司类贷款不良率（NLR）、营业利润（OP）以及加权平均净资产收益率（ROE）作为输出指标。由于商业银行对小微企业贷款的不良率还没有完整的统计数据可以用，本文假设小微企业的贷款比例和形成不良贷款的比例短期内不会变，用公司类贷款不良率代替小微企业贷款不良率不影响整体趋势。本文根据输出指标之间的相关性尽可量的小，输入指标与输出指标的相关性尽可能大的原则，运用相关性分析法最终选取总资产、员工总数、机构数量和营业支出作为输入指标，选取小微企业贷款余额、公司类贷款不良率和营业利润作为输出指标。在进行相关性分析时，本文选取在上交所和深交所上市的中国工商银行、中国建设银行、中国农业银行、中国银行、招商银行、兴业银行、中信银行、民生银行、光大银行、平安银行、华夏银行、北京银行和南京银行的2011年～2015年的年报数据进行分析。中国交通银行、上海浦东发展银行及宁波银行年报中未单独列示小微企业贷款余额，故未将这三个商业银行选为分析对象。以2015年为例，表1给出了输入指标和输出指标的皮尔逊相关系数。
2. DEA模型概述。本文将采用DEA模型中最为经典的CCR模型（魏权龄，2012）建立我国商业银行小微企业信贷管理效率模型。一般情况下，该模型的分析过程可以描述为：
假设有n个样本银行（称为决策单元，简记为DMU），每个DMU都有m种类型的输入，以及s种类型的输出。xij为DMU-j对第i种投入的数量且xij>0，yij为DMU-j对第r种产出的数量且yrj>0，vi为对第i种投入的一种度量，ur为对第r种产出的一种度量，其中，i=1，…，m;r=1，…，s;j=1，…，n。为方便，记
现在建立评价决策单元DMU-j0的CCR模型（1？燮j0？燮n），记x0=xj0，若对DMU-j0进行有效性评价可以求解下面的优化问题：
求解（5）式，可得到第j0个决策单元的最优解（？兹，s+，s_，？姿j0），此时，若？兹=1，则可以认为该决策单元是有效的，否则说明该决策单元是缺乏效率的。
3. 实证结果。本文选取指标选取及相关性分析中13家商业银行2011年～2015年年报中总资产、员工总数、机构数量和营业支出作为DEA模型的?入指标，小微企业贷款余额、公司类贷款不良率和营业利润作为输出指标。通过Deap2.1软件求解最优化问题（5），得到的2011年～2015年各大银行小微企业信贷管理效率的情况。以2014年和2015年为例，表2给出了相应的结果。图1对比了13家银行在2011年～2015年小微企业信贷管理技术效率情况。
4. 结果分析。本文以小微企业的技术效率作为小微企业信贷管理效率的主要参考指标，从表2和图1可以看出，考察的13家商业银行近五年小微企业信贷管理效率中只有中国工商银行、中国建设银行、招商银行、民生银行、北京银行和南京银行的技术效率等于1，在生产前沿面上处于有效状态。在这些银行中中国建设银行最早引入了新加坡淡马锡公司的“信贷工厂”模式，在近十年的探索中，不断提高小微企业的信贷管理效率;民生银行更是小微金融服务的领军者，在采用“信贷工厂”模式的基础上，借助互联网等技术为小微企业提供更加便捷高效的金融服务;招商银行和北京银行也积极探索小微企业“信贷工厂”模式，进一步提高小微企业信贷管理的效率。
技术效率未达到1的商业银行中，中国银行和中信银行虽然比较早的引入了“信贷工厂”模式，但技术效率仍无效，究其原因是由于纯技术效率和规模效率均没有达到有效状态，而且规模报酬递减，即投入的资源利用无效且组织结构不够优化。平安银行放弃了原有的IPC模式，并在2013年引入了“信贷工厂”模式，从近两年的数据可以看出，技术效率在不断提升。中国农业银行的技术效率相对较低，在借鉴同业的经验后，从2015年起在多家一级分行开展小微企业“信贷工厂”运作模式的试点，但由于时间较短，是否能提高技术效率未能在实证结果中显现。兴业银行，由于其组织结构不够优化，光大银行和华夏银行由于投入的资源没有充分利用使得技术效率无效。
通过上述的分析可知，虽然“信贷工厂”模式的引入提高了部分商业银行小微企业信贷管理的效率，但是有些商业银行的信贷管理效率仍然较低，主要原因有：一是“信贷工厂”的模式存在一定的缺陷和地区差异，不能完全照搬，需要本土化和创新化;二是一些商业银行的改革不够彻底，不能完全实现“信贷工厂”的运作模式。
四、 对策建议
基于上述分析结果，为了提升我国商业银行小微企业信贷管理效率，提出以下几点对策建议：
1. 进一步实现“信贷工厂”本土化和创新发展。目前，大多数商业银行的“信贷工厂”模式多是采用淡马锡模式，该模式是根据新加坡中小企业的信贷管理的经验教训总结出来的，并不能全盘拿来用在我国的小微企业信贷管理中。虽然很多商业银行进行了很多本土化处理，但是还未能达到“信贷工厂”的最终模式，需要根据我国的小微企业的具体情况总结出属于我国小微企业“信贷工厂”的新模式。在实施过程中，要对我国小微企业的发展情况加以分析，并结合我国的经济特点确定相应的发展目标，根据各家商业银行的具体情况及客户的需求匹配相应的创新性产品。
2. 注重效率与风险并重。在采用“信贷工厂”模式提高小微企业信贷管理效率的同时，要加强该模式下小微企业的固有风险和“信贷工厂”的特有风险的防控。小微企业的固有风险包括小微企业本身存在银行与企业信息不对称引起的风险、小微企业主信用意识淡薄引起的信用风险以及小微企业易受宏观经济影响的系统风险。“信贷工厂”模式下的固有风险主要包括员工在进行流程化处理时将风险模式化的操作风险以及现有的模式很难对“信贷工厂”模式进行有效的跟踪和监测引发的风险。随着大数据时代的到来，小微企业“信贷工厂”模式下的风险可以在很大程度上得到缓解。大数据的信息含量丰富，既包括小微企业的实时流水信息、水电信息、海关信息、税务信息又包括小微企业主的个人信用信息，能够有效缓解小微企业的固有风险和“信贷工厂”模式下的特有风险。
3. 加强人才培养。“信贷工厂”模式下的岗位设置更加精细化，不仅需要每位从业人员具备金融、法律和会计的相关知识，而且还应对各个行业有着丰富的风险意识和市场经验。在此基础上，才能逐步实现小微企业“信贷工厂”模式，但现有的业务人员普遍缺乏从业经验和相关的风险意识。因此，首先要加强对小微企业信贷业务人员的技术培养。通过反复培训，熟练掌握小微企业信贷业务的理念和特点;其次要加强从业人员对国家经济政策的学习。国家经济政策对小微企业的发展有着重要的影响，对行业的发展充当风向标的作用，因此，对国家经济政策的渗透理解是十分必要的。
