基于DEA－BCC模型的城商行技术效率实证分析（2008—2012）

陈一洪，刘惠川

（福建泉州银行，福建泉州362000）

一、研究背景与意义

1995年6月，中国第一家城市合作银行（城市商业银行前身①）——深圳城市合作银行挂牌，开启地方中小股份制银行发展的新纪元，也为我国多层次银行业体系注入了新鲜的血液。经过近十年的发展，在财务重组、地方政府注资②、不良资产剥离③、股份制改造及战略投资者引进④等一系列改革举措的推动下，城商行逐渐成长为中国银行业体系的重要组成部分⑤。2004年11月，银监会成立一年后制定并颁布了首份城商行规划蓝图——《城市商业银行监管与发展纲要》，确立了此后一个时期国内城商行监管工作和改革发展的思路、重点和目标，自此，国内城商行驶上改革发展的快车道：2005年，上海银行宁波分行正式开业，城商行突破单一城市经营的限制，得以跨区域开展业务⑥；同年，由合肥、芜肥等6家城商行以及六安、淮南等7家城信社合并组建的徽商银行于年底正式挂牌成立，开启了国内城商行合并重组先例⑦；2007年7月，南京银行与宁波银行先后登陆上海证券交易所与深圳证券交易所，打通城商行资本市场融资之路⑧，国内城商行进入一个新的发展时期。

图1 2008—2012年城商行规模增长趋势及同业对比

2008—2012年，城商行规模增长迅速，由2008年末的4.13万亿元，迅速增长至2012年末的12.35万亿元，年复合增长率高达31.48%，年度规模增速都高于银行业平均增速，其市场份额也由2008年末的6.6%增加至2012年末的9.24%，市场地位持续巩固与提升。

城商行的快速成长及发展壮大使之成为各方关注的焦点。然而伴随过去十余年城商行快速增长的宏观经济及监管政策环境的深刻改变，以及金融市场改革及技术手段的创新，国内城商行的发展步入关键性的转折点。面对来势汹汹的利率市场化、金融脱媒深化、互联网金融以及民营银行，国内城商行是否具备应对未来严峻挑战的基本能力决定其可持续发展的前景。尽管城商行的整体未来发展前景引发各方担忧⑨，但是，以北京银行、杭州银行、台州银行为代表的大中型城商行在综合化、专业化经营领域逐步建立了比较优势，成为国内城商行中的佼佼者。以北京银行为例，2012年末资产规模突破1万亿元，净利润突破110亿元，成本收入比25.78%，资本利润率达到19.14%，而同时，不良贷款率仅为0.59%，拨备覆盖率达到419.96%，资本充足率达到12.90%，并逐步在“科技金融”、“文化金融”、“消费金融”等领域树立了特色品牌。那么，以先进城商行为标杆，国内其它城商行的发展究竟处于一个怎样的位置值得我们关注。本文通过对国内经济相对发达的东部沿海地区36家城商行的技术效率及其变化趋势进行实证分析，展示区域城商行发展现状，为国内城商行未来发展路径、政策调整提供有价值的决策依据。

二、国内城商行技术效率研究综述

对银行业技术效率及竞争力评价研究最早运用于国内大型银行，一方面，大型商业银行成立时间早，持续经营时间长，积累了大量有效的软硬信息；另一方面，大型商业银行在银行业体系中的重要地位，以及较早推进相关体制机制改革，使其成为国内外理论及实务界研究的焦点。由于参数分析法依赖于生产函数形式及参数的设定，因此，不依赖于具体函数形式的非参数分析法在银行业效率评价中得到广泛应用。而数据包络分析（DEA）以相对效率为基础，以其处理多投入－多产出的相对有效评价优势而在国内银行效率评价领域得到广泛应用。赵昕等人（2002）［1］基于中国入世后银行业面临严峻挑战的发展背景，使用数据包络分析对国内四大国有银行、交通银行、中信银行以及光大银行的竞争力进行一个时间截面的比较分析，结果表明，四大国有银行的效率远低于股份制银行，与国际商业银行的差距更大。刘汉涛（2004）［2］则基于2000—2002年期间四家国有银行及11家股份制银行发布的年报数据，同样使用数据包络分析做了样本银行的效率测度和排名，研究结果同样表明股份制银行的平均效率要高于国有银行，并且，规模无效成为导致样本银行技术无效的主要因素。此后，越来越多的国内学者使用数据包络分析这一主流非参数分析法对国内主要商业银行的技术效率进行评价（李冠等，2005［3］；郭妍，2005［4］；王付彪等，2006［5］；陈建南等，2008［6］；宋增基等，2009［7］；王健等，2011［8］），并近乎一致地得出国有商业银行技术效率低于股份制银行的结论。

伴随着国内城商行的迅速崛起，相关理论研究及实证文献也得到进一步丰富，尤其在竞争力及效率评价方面，近几年，国内学者从不同角度为我们展示了城商行发展的差异性，也为审视城商行发展模式、寻找城商行发展差距及改进路径、提升城商行发展水平提供了参考依据。部分学者（吴军海（2010）［9］、程惠芳等（2013）［10］等）采用早期较为传统的财务指标分析来评价城商行的竞争力。这种评价范式多基于城商行的流动性、盈利性及安全性，通过构建综合指标体系进行分析。例如，程惠芳等（2013）［10］采用净资产收益率及每股收益衡量城商行的盈利能力，采用存贷比及流动性比率两个指标来衡量城商行的流动性，采用资本充足率、不良贷比率及拨备覆盖率三个核心指标来衡量城商行的经营安全性，通过上述相关指标数据对江苏、浙江、上海地区8家具有代表性的城商行竞争力进行了比较分析。然而，单一的财务指标数据无法全面地、客观地评价城商行的经营业绩，通过不同类型指标数据构建的财务评价体系又因为权重的人为设定而难免使评价结果带有一定的主观性。因此，这一评价方法难以得到有效推广。而以随机前沿分析为代表的参数分析方法近几年在国内银行业竞争力评价中得到广泛应用，但是在城商行领域的应用却比较少。甘小丰（2007）［11］运用随机前沿分析法分析了入世后5年国内样本城商行的效率及其变化趋势，并着重分析了通过引进境内银行战略投资者对样本城商行效率的影响。陈一洪（2013）［12］则根据2009—2011年国内53家城商行的平衡面板数据构建了城商行效率分析的随机前沿面，前沿分析结果表明，随着国内城商行跨区域经营的大力推进、战略投资者的引进以及公司治理机制的深入完善，城商行的技术效率出现明显的改进。但是，随机前沿分析依赖于具体函数的设定，无论是将生产函数形式设定为道格拉斯生产函数还是超越对数生产函数，都值得商榷。为减少因为小银行样本数据偏差导致估计结果误差，同时，避免因银行投入产出函数不明造成的模型设定偏误，董竹等（2011）［13］基于投入主导的规模收益变化模型对国内大中型银行与小型银行效率对比进行数据包络分析，结果表明，大中型银行比小型商业银行的技术效率要高，并且更加稳定，但是，大中型银行普遍处于规模报酬递减阶段，而小型银行则全部处于规模报酬递增阶段。潘秀等（2012）［14］则结合Malmquist指数对西北地区3家具有代表性的城商行2008～2009年的技术效率进行分析，是区域城商行效率分析的一个典型。类似的分析还有靳素君（2013）［15］基于数据包络分析，从技术效率、纯技术效率及规模效率三个层面对河南17家城商行2011年的效率进行实证分析。然而，由于样本区间较小（仅为一个年度或两个年度），偶然时点因素影响大，因此，估计出来的效率值可能存在较大偏差，这一特点很大程度上受到国内城商行信息透明度的影响，导致数据来源⑩、统计口径⑪无法得到有效保障。

在上述相关研究基础上，本文将使用东部沿海36家城商行2008—2012年五个年度的平衡面板数据，基于投入主导型的DEA－BCC（规模报酬可变）模型，对样本城商行的技术效率及其变化趋势进行分析，不仅克服了样本城商行缺乏代表性的问题，且时间跨度长达五年，可以较好地避免因偶然时点因素而造成的效率估计偏差。此外，经历了上世纪九十年代末至本世纪初的历史包袱化解、股份制改造，国内城商行发展逐渐步入正轨，2008—2012五年间国内城商行快速发展，无论是内部管理体制变革、业务及服务创新，还是在外部监管政策环境方面都发生了深刻变化，因此，研究这一时期城商行技术效率及其变化具有重要的理论及实践意义。

三、研究设计

（一）样本选择

本文的样本来自东部沿海北京、上海、广东、江苏、浙江等十省市36家城商行（如表1所示），36家城商行2012年资产规模合计66139亿元，占当年国内城商行资产总额的53.58%。时间跨度为2008—2012年，刚好处在国内城商行各项信息披露规范、城商行快速发展时期。数据来源于样本城商行在官方网站或《金融时报》上披露的2008—2012年的年报，个别数据的缺失通过官方新闻披露、全国或省级报刊披露的信息弥补，保证样本城商行相关财务数据完整、准确。

表1 样本城商行区域及规模分布

（二）指标选择与描述性统计

1.投入产出指标的选取

长期以来，投入产出指标的选取一直是银行业数据包络分析的重要争论点。关于商业银行投入产出指标的选取，通常按照银行这一货币供给中介及金融产品的生产者两个重要属性来确定。货币供给中介将银行视为从储户（包括个人和企业）到资金需求方进行资金转换的中介机构，因此，银行一方面吸收存款资金、另一方面将资金放贷形成贷款资金，存贷款资金是银行这一中介机构的重要产出，而劳动力及资本则是其重要投入；金融产品生产者则视银行提供的存款账户、贷款笔数等为产出，随着银行金融服务的不断延伸，越来越多金融产品进入银行服务范围。按照统计数据的可获得性，以及目前银行金融服务不断增多的现实，参考Berger＆ Humphrey［16］对这两种方法的评价⑫，本文按照银行货币中介的属性来确定投入产出指标。此外，张健华（2003）［17］认为银行作为商业性机构，以利润最大化为重要经营目标，因此，将利润作为衡量商业银行最终经营结果是合理的。综上，本文最终确定以全体在职员工及资本净额为投入指标，城商行的存款余额、贷款余额以及利润为产出指标，构建“两投入三产出”的投入产出体系。

2.描述性统计

本文主要变量的描述性统计见表2，36家城商行规模差异明显。以员工人数为例，江苏银行2012年的员工人数达到12864人，是同期泰安商业银行的20倍，而资本净额方面，北京银行2012年资本净额达到838.57亿元，是同期泰安商业银行的59倍，差异更加明显，表明在我国银行业激烈的竞争环境下不同城市地方商业银行发展规模、速度迥异，发达地区城商行依托当地更加庞大的市场空间、自身丰富的资源禀赋，在国内城商行竞争中处于领先地位。这同样表现在存贷款规模差异上，北京、上海、江苏三家城商行的存款余额均超过5000亿元，北京银行更是达到7138亿元，而同期泰安商业银行仅为189亿元，相差了37倍。在这种规模效应下，不同城商行的盈利能力同样表现出巨大的差异，仍以2012年为例，北京银行的税前利润达到147.7亿元，而泰安市商业银行仅为3.41亿元，相差43倍。

表2 样本城商行相关变量描述性统计（2008—2012）

（三）模型选择

本文拟采用基于投入导向型的数据包络分析法对36家东部沿海样本城商行的技术效率进行实证分析，以探究经历前十年（1998—2007）的变革，并步入快速发展期的国内城商行2008—2012年总体运行效率，并分析其技术效率变化的分解因素，为城商行经营、监管决策提供有价值的参考依据。

数据包络分析法是根据已知样本数据，使用DEA模型得到相应的生产前沿面，以评价具有多投入和多产出的决策单元（DMU）之间相对有效性的一种方法，因此，不同决策单元组成的样本所得到的生产前沿面通常也是不同的。通过比较其他DMU偏离DEA生产前沿面来评价它们的相对有效性，所以，一个样本当中通常有一个或几个DMU的技术效率值为1，其他的DMU的技术效率值小于1，表明距离生产前沿面还有一定差距，可以通过减少投入（基于投入主导型，存在投入冗余）来向生产前沿面靠近。与财务指标体系评价及参数分析法相比，数据包络分析可用于评价多投入、多产出的决策单元之间的经营绩效，并且无需事先指定投入产出函数形态；此外，模型中的权重是基于已知数据通过数学规划产生，不需事先设定投入产出权重，不受人为主观因素的影响。

DEA 最初由 Charnes，Cooper and Rhodes（1978）提出，是为第一个 DEA—CCR模型。后经 Banker，Charnes and Cooper（1984）改变 CCR 模型中规模收益不变的假定，而改为规模报酬可变的假定，是为BCC模型。固定规模报酬模型假定所有决策单元都以最佳规模运行，但由于国内银行业不平等竞争、资源约束等，都可能导致部分决策单元无法实现最佳规模状态下运行，当不是所有的决策单元都以最佳规模运行时，技术效率的测度就会受到规模效率的影响。BCC模型考虑到这种状况，对固定规模收益模型下的线性规划问题进行改进，增加了凸面条件⑬。由BCC模型可以得到技术效率值（TE）、纯技术效率值（PTE）以及规模效率值（SE）三个值，在规模收益可变的条件下，上述三者之间存在如下关系，即TE＝PTE＊SE。其中，TE为综合技术效率值；PTE为规模收益可变时DMU与DEA前沿面之间的距离，也称作可变规模报酬技术效率；SE则衡量规模收益不变条件下的生产前沿面与可变收益条件下生产前沿面之间的距离，测度DMU是否处在最优生产规模，当处在规模报酬递减阶段应减少要素投入，反之则应增加要素投入，扩大生产规模。

四、城商行技术效率实证分析

本文运用DEAP2.1数据处理软件进行BCC模型的样本数据处理，得到2008—2012年36家城商行各年度的技术效率值。个体方面，我们取各家城商行五年来的几何平均值来反映其总体技术效率值，在此基础上，我们关注样本城商行总体技术效率、纯技术效率及规模效率年度变化趋势，并分析其中所呈现的特征。

（一）36家城商行2008—2012年技术效率几何平均值及特征分析

表3 样本城商行技术效率几何平均值（2008—2012）

从表3可以看到三家城商行的技术效率值达到1，表明这三家城商行五年来均处于生产前沿面。除这三家城商行之外，其余城商行均存在效率改进余地。总体来看，样本城商行平均技术效率值仅为0.8436，因此，仍有15%左右的提升空间。具体来看，位于技术效率前十位的城商行分别为北京、广州、台州（并列第一）、盛京、上海、日照、宁波、杭州、南京、大连，除台州、日照外，大多属于国内一线城市的城商行，一定程度上表明城市规模（经济金融基础）影响城商行发展空间。陈一洪（2012）［18］指出，城商行所在城市在很大程度上影响其发展平台及机遇，而且渗透至业务、人力资源等方方面面，因此，位于一线城市的城商行在国内城商行群体中处于相对领先地位。这同样可以从排名后十位的城商行中得到验证，除青岛银行外，其余九家城商行均位于国内二三线城市。

除城商行区位这一比较明显的特征外，规模优势同样在技术效率中得到较为明显的体现：前十位城商行中除日照银行与台州银行2012年资产规模不足千亿元外，其他八家资产规模均超过2500亿，其中，北京银行、上海银行分别达到11199.70亿元、8169.04亿元，杭州、南京、宁波及盛京均超过3000亿元；而排名后十位城商行除三家在1000～1400亿之间外，其余七家均不足千亿元。

对排名靠前的几家城商行进行深入分析，可以发现它们在金融产品和服务创新、组织及制度创新方面均领先于其他样本城商行。例如，北京银行在不同阶段针对发展重点相继推出“小巨人”中小企业金融服务方案、社区金融管家个人金融服务方案、“绿色金融、科技金融、文化金融”三大金融品牌、“国际金融通”综合金融服务方案、投资银行金融服务品牌以及直销银行金融服务模式，紧跟市场需求、立足自身定位、源源不断的金融服务及产品创新为北京银行领跑国内城商行提供了强大动力；台州银行则是中小城商行发展的典型代表，作为国内为数不多的非政府控股银行（政府持股仅有5%，社会法人及自然人持股占比95%），坚持小微金融服务的战略定位，通过深耕细作形成一套经实践检验行之有效的小微金融服务技术，特别是“自编报表、交叉检验”的信贷调查技术成为行业标杆，为此，台州银行连续五年获评中国银监会“小微企业金融服务先进单位”、中国最佳中小企业服务、品牌竞争力银行，此外，台州银行重视人才培养，设立了具有社会办学资格的 “台州银行银座金融培训学院”，通过引进国际先进的培训理念，分条线开发培训课程，建立了高密度、高效率、标准化的培训体系，以及科学合理的上岗资格认证机制。

（二）样本城商行2008—2012年技术效率趋势分析

图2 样本城商行TE／PTE／SE趋势

1.2008—2012年样本城商行效率呈现小幅波动趋势

从趋势图来看（图2），样本城商行技术效率在2008—2012年间呈V字型波动趋势；从技术效率分解项来看，规模效率发展趋势与技术效率一致。因此，规模效率变动成为这一时期样本城商行技术效率变化的主要因素，而纯技术效率在这一时期并没有发生显著变化。技术效率及其分解项五年来的变化趋势表明，多数样本城商行在规模扩张的同时，内部管理、技术进步、人员素质并没有实现同步提升，从而导致纯技术效率并没有发生明显变化。2008—2012年，国内城商行正处在规模快速扩张时期，通过增设异地分行、同城支行，城商行的体量迅速做大。以锦州银行为例，五年内先后在天津、沈阳、大连、哈尔滨、丹东、北京、抚顺开设了七家分行，全行资产规模迅速从278亿元增长至2012年末的1232亿元，年复合增长率高达34.68%。然而，在宏观经济发展红利及银行业存贷利差管制的大环境下，多数城商行只需通过做大规模便可实现盈利的增长，因此，业务营销与拓展成为多数城商行经营与管理的重点，而内部管理流程的优化、金融服务及产品的创新等一系列精细化、集约化管理手段与技术方法并没有得到有效的开发与应用。这就表现为纯技术效率要远远低于规模效率，成为制约城商行综合技术效率提升的主导因素。同样以锦州银行为例，尽管实现较快外延式扩张，但五年来纯技术效率平均值仅有0.609，直接导致其技术效率平均值位居样本城商行末位。

2.样本城商行规模与效率关系分析

对样本城商行的资产规模与技术效率进行序列相关分析可知，样本城商行的资产规模与技术效率值及纯技术效率值呈现显著的正相关 （相关系数分别为0.2819和0.2564，并且通过1%水平的显著性检验），而与规模效率存在并不显著的弱正相关（相关系数为0.0979，相伴概率为0.1911，未能通过至少10%的显著性检验）。

图3 城商行技术效率散点图

为了进一步研究样本城商行规模与效率之间的关系，我们把横截面与时间序列数据进行混合，得到一个混合数据样本。同时，以500亿及1000亿作为分界点，将混合样本城商行划分为大、中、小三类城商行，即资产规模不足500亿的为小型城商行、大于500亿小于1000亿的为中型城商行、大于1000亿的则为大型城商行，从而得到85个小型城商行子样本、39个中型城商行子样本和56个大型城商行子样本，如表4。

表4 样本城商行规模与效率关系（2008—2012）

从纯技术效率（PTE）来看，大型城商行拥有最高的纯技术效率，效率值达到0.9075，一定程度上表明大型城商行的先发优势。无论在内部管理、流程优化、金融产品与服务创新以及制度创新方面，大型城商行基本领先于国内中小城商行，因此，其纯技术效率最高。但是，中型城商行的纯技术效率值却远低于样本城商行平均水平，相反，小型城商行不仅高于平均值，而且也远高于中型城商行。其原因可能是，相比于小型城商行，中型城商行正处在向大型城商行跨越的阶段，国内许多中型城商行以资产规模跨越千亿元为目标，一方面，大力拓展资产负债业务，另一方面，在监管政策允许条件下大力推进异地分行设立，外延规模扩张模式明显，集约化经营却显不足；而许多小型城商行则为跨区域经营而努力，首先要做到的便是保证各项监管指标达标、甚至优于国内城商行平均水平，因此，持续优化内部经营及管理，在产品、服务、制度及公司治理方面均有所建树。

其次是规模效率（SE）。与纯技术效率的特点相反，中型城商行显示出很高的规模效率（SE＝0.9813），而小型城商行的规模效率明显较低（SE＝0.9461），大型城商行次之（SE＝0.9686），样本城商行表现出较为明显的“倒V”型成本曲线。为了进一步考察这种“倒V”型规模效率关系，我们将样本城商行按照规模报酬状态分为三个样本，即总样本、显示规模报酬递增子样本以及显示规模报酬递减子样本，并运用非参数序列相关分析考察三个样本组内城商行规模效率与资产规模之间的关系，结果如表5所示。可以看出，显示规模报酬递增子样本城商行的规模效率与资产规模之间存在着显著的正相关关系（通过1%水平的显著性检验），而显示规模报酬递减城商行子样本的规模效率与资产规模之间则存在着显著的负相关关系。综合图4、图5反映的情况来看，大致存在一个最优规模区间500—2000亿，在这一区间样本城商行规模效率处于最优。除此之外，两家超大型城商行北京银行与上海银行的规模效率值也处于最优区间。

表5 三个样本城商行资产规模与规模效率序列相关分析（2008—2012）

图4 规模效率与分样本城商行资产规模关系图

图5 规模效率与全样本城商行资产规模关系图

最后，就总体技术效率（TE）而言，受纯技术效率制约，中型城商行的综合技术效率值在样本城商行中处于最低水平（TE＝0.7987），而大型城商行凭借纯技术效率及规模效率的均衡发展而获得最高的综合技术效率值（TE＝0.8794），小型城商行同样相对中型城商行而言较为均衡，虽然规模效率值不及中型城商行，但纯技术效率优于样本平均水平，使得综合技术效率同样优于样本平均水平。因此，未来中型城商行需更加关注规模扩张过程中的集约化、精细化经营，提升内部管理水平，从而成功跨越“中等规模陷阱”。

五、结论及政策建议

本文以东部十省市36家城商行2008—2012年相关数据为样本，利用基于投入主导型的BCC数据包络模型，测算并分析了样本城商行的技术效率及其构成项目的变动情况，研究发现：

第一，样本城商行的几何平均综合技术效率五年来呈“浅V型”变化趋势，并且没有得到有效提升，除三家城商行（北京、广州、台州）保持五年DEA有效之外，其他城商行还存在较大的改进空间。

第二，纯技术效率无效是样本城商行整体DEA非有效的主导因素，样本城商行纯技术效率得分明显低于规模效率值及综合技术效率值。

第三，样本城商行技术效率及纯技术效率与资产规模之间存在显著的正相关关系，大型城商行拥有明显的资源优势去改进自身技术水平，促进技术进步。

第四，样本城商行存在明显的“倒V型”成本曲线，随着规模扩张，部分大型城商行存在规模不经济状况，亟需通过适度的规模控制及技术水平改进来促进综合技术效率的提升。

经过艰难起步、转轨过渡，国内城商行逐步进入快速发展时期，特别是在国内宏观经济红利及监管套利下，城商行基于规模和机构扩张的粗放式增长带来了短期资产膨胀及市场份额的稳步提升。然而，长期的技术效率并没有得到有效提升，纯技术效率成为城商行未来可持续发展的重要制肘，特别是对中小型城商行而言，如何跨越“中等规模陷阱”是目前亟需解决的关键问题。基于上述分析结论，本文提出如下政策建议供参考：

第一，银行业是典型的规模经济行业，因此，要遵循国内外银行业发展的历史规律，正确处理好做大与做强、短期利益与长远发展之间的关系，既要保持合理的增长速度，确保一定的规模实力，为实现规模经济提供规模基础⑭，又要抓住机遇加快转型，增强可持续发展的后劲。

第二，面对日趋复杂的宏观经济与金融环境，应该改变传统的发展方式，加强创新与精细化管理。加快建立与创新发展要求相适应的管理体制与机制，探索符合中小微企业特色的风险管理机制和方法，加快产品创新，以管理创新优化经营水平，以产品创新实现价值持续增长，使创新真正成为城商行发展的不竭源泉和强大动力；深化客户关系管理、财务会计管理的信息化及系统性建设，完善信贷管理机制及定价方法，强化客户、业务及产品的定量分析，夯实精细化管理的技术方法和手段。

第三，坚持人才立行，实施人才战略。面向市场，不拘一格择优选才，侧重引进国内先进银行专业技术人才、营销管理人才、高端业务人才，着力打造集“创新型管理人才、行业领先型技术专家、成长型业务骨干及标准化技术操作人才”于一体的多层次、多序列人才队伍，为优化内部管理、提升技术效率奠定扎实的人才基础。

第四，强化科技支撑，平衡好业务发展速度、复杂程度、管控难度与系统支撑能力之间的关系，实施科技支撑引领发展战略。紧紧把握网络金融发展浪潮，将信息技术融入到客户挖掘、产品开发、业务拓展、决策支持和运营管理等银行各项经营管理活动，用IT技术引领、支撑业务发展，促进效率提升。

注释：

① 1998年3月，人民银行发布《关于城市合作银行变更名称有关问题的通知》，经国务院同意，将“城市合作银行”变更为“城市商业银行”。

② 截至2008年末，全国共有35家城商行获得地方政府直接或间接注资，累计注资金额近170亿元。

③ 自2002年起，全国共有60多家城商行通过多种方式进行了不良资产置换与剥离，累计处置不良资产达800多亿元。数据引自时任银监会监管二部主任楼文龙“改革开放半甲子，城商行发展一轮回”一文，载自《国际金融报 》（2008年12月29日 第 02版）。

④ 1998年8月，上海银行引进IFC（国际金融公司）作为战略投资者，成为首家引进战略投资者的城商行，此后南京银行、西安银行分别于2001年和2004年引进境外战略投资者，开启了国内城商行引进战略投资者的序幕。截至2012年末，全国共有16家城商行引进了22家境外战略投资者。

⑤ 在支持小微企业方面，城商行发挥了重要作用。截至2012年末，城商行小微企业贷款1.88万亿元，较上年同期增长21.57%，占城商行各项贷款的36.35%，占全国银行业金融机构小微企业贷款总额的12.74%，连续四年实现“两个不低于”政策目标。

⑥ 据不完全统计，截至2012年末，全国共有超过90家城商行实现了省内或省外跨区域经营，占全部城商行的比例超过60%，共计开设异地分行近400家，城商行跨区域发展势头明显，且大部分运营状况良好。

⑦ 此后，江苏银行、吉林银行、湖北银行、龙江银行等省级城商行先后成立。

⑧ 9月份，北京银行在上海证券交易所成功上市。2013年11月，时隔六年，重庆银行与徽商银行先后赴港上市。

⑨ 近两年城商行股权转让夭折、高管减持套现等负面新闻频频出现，即使2013年11月，重庆银行、徽商银行先后赴港上市，停摆6年的城商行上市融资重启，但是理性的香港股市用股价为国内城商行未来发展敲响警钟，国内城商行在金融生态环境深刻改变下发展空间被严重挤压、前景遭市场看淡，业内人士认为，国内城商行发展拐点显现。

⑩ 2006年初，银监会发出通知要求，国内城商行从2006年起必须全部建立信息披露制度，以年度报告形式对其经营管理状况进行全面披露，并在银行网站和省级以上专业媒体择要刊登年度报告主要内容。至此，国内城商行信息披露逐步规范，根据笔者对国内城商行信息搜寻（官方网站、《金融时报》、省级金融及经济专业报刊等），自2008年起，国内多数城商行均能够在相关媒体上披露年报或其摘要。

⑪ 2008年，根据银监会通知要求，国内大多数城商行按照新会计准则编制财务报告，因此，2008年及其以后的城商行财务数据口径才基本统一，在此之前，不少城商行仍按照1993年版的《金融企业会计制度》来编制财务报表，因此，2008年前后统计口径不一致会影响到实证分析结果。

⑫ Berger＆Humphrey认为，采用中介法对评价整个银行的效率可能是更恰当的，且在评价银行获利能力的效率上更加优越。

⑬ 具体模型参见：Banker R D，Charnes A，Cooper W W.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis ［J］.Management Science，1984，（30）：1078－1092。

⑭ 1972年，Benston等人对银行规模进行实证研究，研究发现，对于所有银行，不论其初始规模多大，只要在其他条件不变的前提下，规模增长一倍，其平均成本就下降5%到8%，详见：George J.Benston.Economics of Scale of Financial Institutions［J］.Journal of Money，Credit and Banking，1972.

［1］赵昕，薛俊波，殷克东.基于DEA的商业银行竞争力分析［J］.数量经济技术经济研究.2002，（9）：84－87.

［2］刘汉涛.对我国商业银行效率的测度：DEA 方法的应用［J］.经济科学，2004，（6）：48－58.

［3］李冠，何明祥.基于 DEA 的商业银行效率评价研究［J］.数学的实践与认识，2005，（5）：50－58.

［4］郭妍.我国商业银行效率决定因素的理论探讨与实证检验［J］.金融研究，2005，（2）：115－123.

［5］王付彪，阚超，沈谦 等.我国商业银行技术效率与技术进步实证研究（1998－2004）［J］.金融研究，2006，（8）：122－133.

［6］陈建南，廖琪.基于DEA模型的金融效率评价——以江西各地区金融机构为例［J］.金融与经济，2008，（11）：56－59.

［7］宋增基，张宗益，袁茂.中国银行业 DEA 效率实证分析［J］.系统工程理论与实践，2009，（12）：105－110.

［8］王健，金浩，梁慧超.我国商业银行效率分析［J］.技术经济，2011，（4）：124－127.

［9］吴军海.城市商业银行竞争力财务评价指标比较分析——以11家城市商业银行为例［J］.中央财经大学学报，2010，（12）：24－28.

［10］程惠芳，姚遥.江浙沪城市商业银行竞争力及其影响因素分析［J］.经济地理，2013，（7）：121－126

［11］甘小丰.城市商业银行效率研究［J］.金融理论与实践，2007，（3）：12－15.

［12］陈一洪.基于超越对数函数的城商行效率实证研究［J］.北京金融评论，2013，（4）：75－86.

［13］董竹，张春鸽.中国大中型银行与小型商业银行效率的比较——基于投入主导型的DEA测度［J］.经济管理，2011，（7）：131－138.

［14］潘秀，王雷.西北地区城市商业银行效率分析——基于DEA和Malmquist指数法的实证研究［J］.宁夏社会科学，2012，（5）：44－49.

［15］靳素君.基于数据包络分析（DEA）模型的河南省城市商业银行效率研究［J］.金融理论与实践，2013，（10）：61－64.

［16］Berger A N，Humphrey D B.Efficiency of Financial Institutions： International Survey and Directions For Future Research［J］.European Journal of Operational Research，1997，（98）：175－212.

［17］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.

［18］陈一洪.从要素角度解释国内城商行发展差异——基于资源视角的理论与案例分析［J］.金融理论与教学，2012，（6）：29－32.