环境约束下我国上市证券公司经营效率评价

吴宇溦

（江西财经大学会计学院，江西南昌330013）

早在2008年发布的《中国资本市场发展报告》就很明确地提出我国资本市场在未来发展所要进行的战略规划与长期目标，为发展我国资本市场指明了方向。其中，对于我国波动较大的证券市场以及证券市场的主体（证券公司）提出了重要的目标，即证券市场不断地趋于稳定，逐步进入较为成熟的发展阶段，同时证券公司发展不断趋于稳定，经营能力不断提高，市场竞争力显著增强。然而，类似于光大证券公司“乌龙指一事”的事件层出不穷，这些给证券公司对自身经营敲了个深刻的警钟，同时也给我国证券公司乃至资本市场长远发展提出艰巨的挑战。随着证券行业的逐步放开，我国证券公司的经营不仅面临着国内越来越多同业的竞争对手，还且还面临着来自国外的竞争对手。相比于国外的一些证券公司，我国证券公司在员工结构、资本结构、经营模式等都存在着一定的差距和不足。如若我国证券公司不能提高自身在经营方面的效率，那么将在日益激烈的证券市场上难以生存，同样也难以实现《中国资本市场发展报告》中的目标。因此，为实现我国关于证券市场和证券公司的长期目标，提高我国证券公司的经营效率迫在眉睫。在此背景下，本文通过三阶段DEA方法来测度在剥离环境因素影响下我国18家上市证券公司的经营效率，并根据结果提出相应对策。相比于前人的研究，本文主要贡献在于：在分析投入指标的内生变量对证券公司经营效率影响的同时，还考虑了公司性质、上市年限、公司规模、控股结构和经济发展水平等环境变量对证券公司经营效率的影响，可以较为准确地测算出上市证券公司经营效率。

一、文献综述

在分析方法上，一些学者分别从静态和动态两方面进行效率分析。静态分析上，Sathye等（2003）认为经过测算表明低投资银行资产和合理的人力配置是提高投资银行产业效率的关键因素；Subhash Ray等（2006）以2005年印度国家证券公司的数据为样本，以DEA方法对其盈利效率与运营效率进行评价，结果表明较低的技术效率是运营效率偏低的主要原因；边晓磊等（2009）对我国2007年16家证券公司进行分类，结果表明我国证券公司的经营效率与公司的创新水平、管理能力以及知识累积程度呈正比，并指出上市型证券公司具有较高的经营效率。动态分析上，Berger A.N等（2009）选取1993~1998年美国700家银行和证券公司为样本，对其经营效率进行动态分析，结果表明在较长的时间范围内，证券公司规模的扩张对其经营效率的提高并没有显著的影响；许绍双（2013）对我国上市证券公司在2010~2011年的经纪业务的效率进行动态分析，结果表明技术改进的弱化与生产效率的降低的是经纪业务的效率出现削弱态势的主要原因；施生旭等（2014）以我国A级以上的35家证券公司为样本，考察其在2008~2010年运营效率动态连续性，结果表明A级以上证券公司的运营效率不存在显著的规模经济，并且指出次贷危机对证券公司的运营效率具有负面影响。

在测度方法上，大多学者都采用传统的DEA模型对证券公司经营效率进行测算（陈芳平等，2011；张学涛等，2011），另外一些学者考虑到一些外生变量对模型的影响，将其引入到传统的DEA模型中，将其改进后再测度。例如，樊宏（2002）将排序函数的数学模型加入到传统的DEA模型中，对证券公司效率进行评价取得较好的结果；杨光兵等（2013）将风险因素加入到DEA模型中，证实了风险对于证券公司效率评价具有显著的影响；蒋绵绵等（2014）采用超效率DEA模型与Tobit模型相结合的方法分析确认影响证券公司经营效率的因素、影响的方式和影响程度大小。此外，还有些学者为了考察证券公司效率的动态持续性，采用DEA模型与Malmquist生产指数相结合的方法来考察全要素生产率的波动（朱南等，2008；王晓芳等2009）。

上述文献从不同分析方法与测度方法来分析证券公司效率都具有一定的合理性，但他们都只是考察投入与产出的内生变量对其效率的影响，忽视了如股权结构（王聪等，2012）、市场结构（翟永会，2014）等环境变量对证券公司效率的影响。为此，本文在现有研究的基础上，以2014年我国18家上市证券公司为样本，考虑到如公司性质、上市年限、控股结构等行业特征因素，以及如经济发展水平、政策变动等宏观变量对上市证券公司经营效率的影响，采用三阶段DEA模型对在剥离环境因素影响下的我国上市证券公司的经营效率进行测度与评价。

二、研究方法

三阶段DEA模型是Fried等（2002）提出的一种非参数评价模型。本文之所以选择这个研究方法主要是因为它在估计过程中剔除环境因素与随机因素等对决策单元效率的影响，这使得评价结果更具有真实性。该模型的构建过程如下：

第一阶段：BCC模型。本文所选的第一阶段的测算模型是BCC模型。它是传统DEA模型的一种，BCC模型则不要求规模报酬不变，说明其可以评价规模报酬变化情况下的效率。此外，在BCC模型中，通过函数分解得规模效率和纯技术效率之积就是综合效率，这点有助于判别中东部地区高新技术产业的创新效率是受规模因素影响，还是受纯技术因素影响。为此，本文选BCC模型作为三阶段DEA测度效率的基本模型。

第二阶段：随机前沿分析（SFA）模型。本文选择SFA模型主要是基于该模型考虑了随机因素对投入产出效率的影响。Fried等（2002）认为除内部因素外的环境因素、随机干扰和决策单元（DMU）管理无效率是造成传统的DEA模型存在的投入松弛变量的主要原因。因此，为考虑仅因管理无效率对松弛变量的影响，构建如下的SFA分析模型。

在SFA模型中被解释变量为传统DEA测算出来的投入变量的松弛变量，解释变量为所要考虑的环境变量：

其中，snk为投入松弛变量；fn（zk，βn）为随机前沿生产函数，表示环境因素变量对投入松弛变量的影响，一般是采用线性形式的函数，zk为环境影响因素变量，βn为环境影响相应因素的系数；unk+vnk表示混合误差项，unk表示随机扰动项，vnk为管理无效率项。

此外，为了消除随机干扰对被解释变量的影响，而仅仅考虑管理无效率对被解释变量的影响，需将随机扰动的影响从管理无效率中分离出来，具体方法为：

其中，xnk为原始的投入量，为调整后的投入量，为随机扰动项的参数估计值。式子（3）中的右边两个方括号分别表示将所有决策单元调整到相同的环境和原始状态下。

第三阶段：剔除环境因素与随机因素影响后的DEA模型。再次利用BCC模型对决策单元的效率进行测度，此时的投入指标的数据为通过剔除环境因素和随机因素影响后的投入数据，产出指标的数据保持不变。

三、样本与指标选取

（一）样本选取

截止至2014年年末，我国大陆上市的证券公司有19家，鉴于数据的可得性，本文只选取除了国信证券之外的18家上市证券公司作为样本，各家证券公司的上市时间、上市地点等基本情况如表1所示。

表1 上市证券公司基本情况

（二）指标选取

根据C-D生产函数，将上市证券公司经营效率的投入指标分为人力投入和资本投入。一方面，证券公司的运营与发展，必然离不开人力资本的投入，为此本文选取2014年末上市证券公司的员工数量作为人力投入指标；另一方面，资本投入是证券公司扩张快速发展的必要条件，本文选取的资本投入指标用2014年末各上市证券公司的固定资产和营业部数量表示。将上市证券公司效率的产出指标分为公司业绩和企业效益，分别用营业收入和净利润表示。

要改变当前语文名著导读的现状，最为重要的是改变广大语文教师的教学观念，让其从思想上重视名著导读教学，同时要明白名著导读教学是一项长期能力的培养，并不能得到立竿见影的效果，所以教师对学生要有耐心，遵循教育培养的规律。笔者根据自己的教学经验，提出了一些自己的对策。

本文列举了以下五个影响上市证券公司效率的环境变量：（1）公司性质。该变量反映了公司的社会地位，不同性质的企业对生产追求目也不尽相同。本文将上市证券公司性质分为国企与非国企，其中，1表示国企，0表示非国企。（2）上市年限。该变量反映了公司在市场的竞争力，由于是历史累计的结果，券商无法短时间改变，而上市年限与人力和资本投入存在一定的相关性。（3）公司规模。该变量也是历史累计的结果，且公司规模大的券商往往具有较多的员工与营业部，为此将其作为影响公司效率的环境变量。（4）股权结构。股权结构与公司效率之间存在一定的非线性关系（王聪等，2012），但股权结构相比于投入产出指标来说，无法短期改变，是影响上市证券公司效率的环境变量。（5）经济发展水平。从券商网点分布的情况看，券商往往更倾向于对经济越发达的地区进行网点投资，而经济发展水平却是券商无法控制的环境变量。表2给出了上述指标的选取与说明。

表2 指标说明

四、实证分析

（一）第一阶段DEA的测算结果分析

运用基于投入导向的BCC模型对2014年我国大陆18家上市证券公司经营效率进行测度，得出各上市证券公司效率值和规模报酬情况，测算的实现软件为DEAP2.1，结果见表3。

表 3 2014年各上市证券公司经营效率

表3结果显示，2014年我国18家上市证券公司经营的综合技术效率、纯技术效率和规模效率的均值分别为0.682、0.790、0.865，且只有海通证券、国金证券和中信证券的综合效率值为1，而长江证券、光大证券、山西证券和西部证券的综合效率不到0.5，这表明我国上市证券公司产出效率总体上不大乐观。此外，综合技术效率的最大差值为0.580，综合技术效率、纯技术效率和规模效率标准差分别为0.194、0.183、0.135，表明我国上市证券公司的产出综合效率存在较大的差异，并且这种差异主要是由纯技术效率差异引起的。从上市券商注册所在地进行分地区看，东部、中部和西部地区的上市券商的综合技术效率分别为0.771、0.537、0.664，从而说明经济发展水平对上市券商的经营效率存在着一定正相关关系，而至于中部地区效率低于西部地区，主要是因为本文选取的4家位于西部的券商注册地为成都、重庆、西安和昆明，这些地区经济发展水平并不亚于中部地区。从非有效层面上看，除国海证券和太平洋外，各上市券商的纯技术效率明显低于规模效率，它在很大程度上决定了这些非有效券商的综合效率呈现偏低的现象，表明这些券商可以通过引进技术提高自身的产出效率。从规模报酬情况看，除了长江证券和招商证券出现规模报酬递减以及海通证券、国金证券和中信证券出现规模报酬不变，其余的上市券商都呈现规模报酬递增形势，表明这些券商可以通过增加投入规模来提高产出水平。表3中结果是在未剔除环境因素和随机干扰因素对上市证券公司经营效率影响的情况下得出的，其结果可能不会准确地测算出上市证券公司技术效率。因此，在下节将剔除环境因素，再对上市证券公司经营效率进行测算。

（二）第二阶段DEA的实证结果分析

在完成以投入导向的第一阶段BCC模型的上市证券公司经营效率运算后，将投入指标的松弛变量作为被解释变量，以公司性质、上市年限、公司规模、股权结构和经济发展水平作为解释变量，对它们进行SFA回归分析，结果如表4。

表4 SFA模型的回归结果

从表4中可得，SFA回归结果大部分都通过t检验，表明原始投入数据是可以通过调整后转到第三阶段进行重新评价。此外，员工数松弛变量、营业部数松弛变量及固定资产总值松弛变量三种投入松弛变量的σ2都不显著为0，这点证实了投入松弛变量与管理无效率存在显著的相关关系；它们的值均小于1%，表明它们有99%概率的可以拒绝“环境因素对上市证券公司经营效率无影响”的原假设，说明环境因素对上市证券公司经营效率存在着显著的影响。因此，剔除环境变量的影响，可以更好地测度上市证券公司经营效率。

此外，本文也将环境变量与投入松弛变量关系进行研究，考察其通过对投入的影响进而影响产出效率，下面将逐一对其分析。（1）公司性质。该环境变量对三个投入松弛变量的系数都为正，并且都通过了10%的显著检验，这表明国企性质的上市证券公司并不会使得员工数、营业部数及固定资产总值松弛变量将会得到显著的改善，从而减少员工数、营业部数及固定资产总值的投入冗余，提高上市证券公司经营效率。（2）上市年限。该环境变量对员工数和固定资产总值的投入松弛变量的系数为负，且通过10%的显著检验，表明上市证券公司的年限越久，将会通过资源合理优化配置，减少员工数和固定资产总值的投入松弛变量，使得员工数与固定资产得到充分利用，提高经营效率。上市年限对营业部投入松弛变量的系数为正，且通过了5%的显著检验，表明随着时间推移与市场竞争，之前的一些营业部有可能已经被淘汰，从而造成营业部的投入冗余，降低产出效率。（3）公司规模。该变量对营业部和固定资产的投入松弛变量的系数都为正，并且对营业部的投入松弛变量通过了10%的显著检验，表明上市证券公司的规模过大时，将会增加营业部投入的松弛变量，造成研发机构过剩浪费。公司规模对员工数投入松弛变量的系数为负，表明大规模的上市证券公司生产时，往往需要更多的研发人员，从而减少人员投入的松弛量，进而提高产出效率。（4）股权结构。该环境变量对固定资产松弛变量系数为负，并且通过了1%的显著检验，表明控股股东持股比例较高的上市证券公司可以充分利用固定资产，减少固定资产投入冗余，提高上市证券公司经营效率。（5）经济发展水平。该环境变量对各投入变量的松弛变量的系数均为负，说明经济发展水平越高的地区，员工数、营业部和固定资产的投入松弛变量越低，有利于减少员工数、营业部和固定资产的投入冗余，这对于提高上市证券公司经营效率具有推动作用。这点也说明了第一阶段DEA实证中关于经济发展水平对上市券商的经营效率的结果。

（三）第三阶段DEA的测算结果分析

借助DEAP2.1软件执行BCC模型对上市证券公司经营效率进行测度，此时的投入指标的数据为通过剔除环境因素和随机因素影响后的投入数据，产出指标的数据保持不变，测度的结果如表5所示。

表 5 2014年各上市证券公司效率（调整后）

表5结果显示，经过剔除环境因素的影响，2014年我国18家上市证券公司的平均综合技术效率、纯技术效率和规模效率分别为0.768、0.844、0.886，相比于第一阶段平均综合技术效率、纯技术效率和规模效率都出现了上升趋势，这点也证实了上文关于纯技术效率较低导致综合效率偏低的事实。此外，共有6个上市券商的综合效率值为1，处在技术效率的前沿面上，较第一阶段增加了3个券商，分别为广发证券、华泰证券和兴业证券。从规模报酬情况看，除海通证券、广发证券、国金证券、中信证券、华泰证券和兴业证券6个上市券商表现为规模报酬不变，其他券商都表现为递增情况，表明增加投入规模有利于提升综合技术效率。图1给出了调整前后，2014年我国18家上市证券公司的综合技术效率比较情况。图中可以看出调整后上市证券公司综合技术效率显著上升，这点说明公司性质、上市年限、公司规模、股权结构和经济发展水平等环境因素与随机因素低估了上市证券公司的综合技术效率。

图1 2014年我国18家上市证券公司的综合技术效率调整前后比较情况

（四）上市证券公司经营效率区域差异分析

通过上述实证分析，根据注册地所在省份分地区①将调整前后的上市券商各平均效率情况整理如表6，分析各上市证券公司经营效率的区域差异性。

表6 各地区上市证券公司调整前后的效率比较

表6给出了注册地在东、中、西地区的上市证券公司经营效率情况。从综合技术效率看，调整前后东部地区的券商效率均高于中西部地区，表明经济发展水平对上市券商的经营效率存在着一定正相关关系，而至于中部地区效率低于西部地区，主要是因为本文选取位于西部的券商注册所在地的经济发展水平并不亚于中部地区。此外，东、中、西地区上市证券公司的调整后综合效率都不同程度地提高，这说明上市证券公司综合技术效率受到环境因素的影响较大，表现为环境因素低估了综合技术效率。从调整前后来看，东部地区上市券商的纯技术效率仍然居首，为0.854，0.911，中部地区为0.642，0.718，西部地区为0.832，0.852，可以看出西部地区的上市券商调整前后幅度不大，表明西部地区的上市证券公司的纯技术效率受环境因素的影响不大，环境因素对上市证券公司经营效率的影响主要表现在规模效率方面；中部地区上市证券公司的纯技术效率调整前后幅度最大，说明该地区的环境因素对证券公司的纯技术效率影响较大。从调整前后的规模效率看，呈现出东部和西部地区的上市证券公司规模效率递增状态，中部地区则表现为下降的态势，这可能的原因在于中部地区上市证券公司经营过程中出现规模收益不高，研发投入产出效率不高，上市证券公司效率偏低。

五、结论与启示

通过以上研究得出以下结论：（1）调整前后上市证券公司的综合技术效率和纯技术效率都不同程度地上升；环境因素与随机因素高估了中部地区规模效率，低估了东、西部地区规模效率；广发证券、华泰证券和兴业证券由非有效技术效率前沿面上转变为处在技术效率的前沿面上。（2）从调整前后规模报酬的比较看，长江证券和招商证券由规模报酬递减状态转向调整后的规模报酬递增状态，说明长江证券和招商证券经营过程中受到当前的环境因素所限制，导致规模效率偏低，抑制经营效率的提高。（3）区域差异性比较的结果显示，东部地区调整前后的综合技术效率、纯技术效率和规模效率都显著高于中西部地区，因样本选取的问题使得中部地区效率低于西部地区；中部地区的上市证券公司的纯技术效率调整前后幅度最大，表明中部地区的上市证券公司的纯技术效率受环境因素的影响较大；东部和西部地区的上市证券公司规模效率递增状态，中部地区则表现为下降的态势。

实证分析结果表明我国上市证券公司经营效率并不乐观，而且不同地区存在着显著的差异性。为此，为提高上市证券公司的经营效率以及缩小各地区的效率差异，提出几点建议：首先，加大对金融产品创新和金融管理创新的固定资产投资，从而提高上市证券公司的创新能力。在竞争日益激烈的资本市场上，具有较强创新能力的上市证券公司往往具有更强的市场竞争力。在“互联网+”时代，上市证券公司必须把握互联网金融机遇，加大对互联网技术、电子技术与金融服务相结合的固定设备投资，提高自身的金融创新能力和服务能力。其次，上市证券公司应该根据自身的实际情况对生产规模进行调整，不能随市场跟风盲目地扩大生产规模、增加分支机构以及营业部数量。上市证券公司应当根据市场情况适当地引进战略投资者：一方面，可以减轻上市证券公司发展融资难的问题；另一方面，还可以扩大上市证券公司的规模，提高抵御风险的能力。最后，上市证券公司应当探索自身经营的差异化，凭借自身经营特色以及资源优势就某一特定的证券市场与业务领域进行深入挖掘，提高经纪业务的产业集中度和规模经济水平，进而在证券市场中形成独具特色的经营模式。

注释：

① 东部地区包括北京、天津、辽宁、河北、山东、江苏、浙江、上海、福建、广东、海南11个省市地区；中部地区包括黑龙江、吉林、山西、河南、湖北、湖南、安徽、江西8个省级地区；西部地区包括重庆、四川、陕西、贵州、甘肃、宁夏、内蒙、云南、广西、青海、西藏和新疆12个省市地区。

［1］Sathye，Milind.Efficiency of banks in a developing economy：The case of India［J］.European Journal of Operational Research，2003（8）：134-148.

［2］Subhash Ray，Abhiman Das.Distribution of cost and profit efficient evidence from Indian banking［J］.European Journal of Operational Research，2006（5）：849-870.

［3］边晓磊，陈学彬.基于 DEA 方法的我国证券公司经营效率分析［J］.新金融，2009（4）：50-55.

［4］Berger A.N，De Young.Problem loans and cost efficiency in commercial banks ［J］.Journal of Banking and Finance，2009（21）：849-870.

［5］许绍双.上市证券公司经纪业务效率的实证分析［J］.当代经济管理，2013（3）：93-97.

［6］施生旭，谭婧园.我国 A 级以上证券公司经营效率研究［J］.经济与管理评论，2014（1）：92-99.

［7］陈芳平，习斌.我国证券公司效率的实证分析［J］.兰州大学学报（社会科学版），2011（4）：104-108.

［8］张学涛，刘喜华，李敏.我国证券公司生产效率及效率持续性评价研究［J］.华东经济管理，2011（12）：66-71.

［9］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.

［10］杨光兵，张爱武，刘亚.证券公司效率评价：一种经过风险调整的方法［J］.财经理论与实践，2013（5）：51-54.

［11］蒋绵绵，杜朝运，王滨江.证券公司经营效率影响因素分析——基于超效率DEA模型与Tobit模型［J］.财会通讯，2014（11）：21-24.

［12］朱南，刘一.中国证券公司生产效率的数据包络分析［J］.金融研究，2008（11）：120-137.

［13］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.

［14］王聪，宋慧英.中国证券公司股权结构、市场结构与成本效率的实证研究［J］.金融研究，2012（5）：80-92.

［15］翟永会.市场结构、获利能力与证券公司效率［J］.财经理论与实践，2014（4）：43-47.

［16］马占新，马生昀，包斯琴高娃.数据包络分析及其应用案例［M］.北京：科学出版社，2013.

［17］Fried H O，Lovell C A K，Schmidt S S，et.al.Accounting for environmental effects and statistical noise in data envelopment analysis［J］.Journal of Productivity Analysis，2002，17（2）：157-174.