基于数据包络的上市公司运营效率分析

作者简介：

李颜（1995-），女，汉族，山东潍坊人，上海师范大学商学院研究生在读，研究方向：企业管理、创新与创业投资、科技金融。

摘 要：推动国民经济发展的证券业的运营效率一直是重点关注问题，本文根据2017年中国证券业上市公司的数据，选取了5个投入指标与4个产出指标，通过数据包络分析DEA方法进行营运效率分析，结果发现我国的证券业运营效率偏低，只有6家公司达到了最佳效率，本文对非最适规模的公司运营效率分析提出相应的对策和建议。

关键词：证券业;财务指标;数据包络分析;运营效率

中图分类号：F23 文献标识码：A doi：10.19311/j.cnki.1672-3198.2021.15.045

0 引言

我国证券市场的发展历程已过二十载，上市公司已然成为市场经济发展的重点关注目标。随着股权分置改革的完成，我国资本市场将开始进入到全流通时代。证券市场的进一步发展，证券公司数量的日趋增多，使得社会对证券公司的财务状况关注程度日益增加。但由于证券的起步时间较晚，存在运营与管理不清晰、制度模式混乱等一系列问题，如何解决这些问题、实现证券行业的快速发展是当今学者关注的焦点。

证券业公司作为金融市场的重要组成部分，其营运效率对经济市场的良序发展具有重要作用。效率是衡量绩效的重要标准，作为绩效水平的一种评价方法，效率测度分析可以反映出金融机构背景和整体运营状况的有效性。目前，数据包络分析（DEA）法是较普遍的效率测度方法。作为一种数量分析方法，DEA针对多投入和多产出的问题，利用线性规划的方法，对同类型“单元”或“部门”进行相对有效性评价。综合比较参数法的随机前沿方法（SFA）和DEA方法后，本文采用数据包络分析方法进行证券业公司的效率分析。

1 理论模型

Charnes、Coopor和Rhodes于1978年提出了数据包络分析方法（DEA，Data Envelopment Analysis）。该方法的原理主要是：以相对效率概念作为基础、数学规划模型作为工具，比较“单元”或“部门”（DMU，Decision Making Units）偏离DEA前沿面的程度，计算比较DMU之间的相对效率，评价其相对有效性。Charnes等提出的数据包络分析法中的CCR模型，是通过构建模型来评价决策单元的规模和技术总体有效性。因此本文最终采用CCR模型进行分析。

樊宏（2002）采用数据包络分析方法中的C2R模型，分析了中国2000年14家证券公司的营运效率，认为我国证券行业的运营效率处于偏低态势。程可胜（2009）通过将DEA中的BCC模型与Tobit回归模型结合，分析了2007年的中国101家证券公司的效率，发现我国证券业于2007年整体效率水平偏低。张学涛等（2011）运用了SEDEA与Malmquist生产率指数，研究中国2005-2010年22家证券公司生产效率，发现其生产效率过分依赖市场行情，且整体效率水平不高，持续性较弱。Hu和Fang（2007）通过四阶段DEA方法的研究中国2002-2005年的数据，发现FHC的成立对综合类证券公司的效率有负面的影响。从对各类公司进行运营效率评价的文献中我们可以发现，大部分学者都采用数据包络分析法进行实证研究，这表明数据包络分析法在证券行业中上市企业的运营效率的评价中具有广泛的适用性和权威性。

2 样本及变量的选择

本次以证券业上市公司为研究对象，选取了15家上市公司2017年末的数据，利用DEA模型分析公司营运效率。本次研究的样本数据来源为锐思（RESSET）数据库。

用于评估企业运营效率的系统中包含两个组件：投入和产出。在当前研究企业运营效率的相关文献中，投入指标通常包括人力、资本投入，而产出指标通常基于企业的各项收入。银行业变量的选择方法包括生产法、中介法和资产法，目前学者研究证券行业运营效率时一般参考其进行变量测度，本文主要参考这三种方法中的生产法进行研究，并结合证券业的特点（王俊霞和詹昌春，2009），最终确定投入和产出指标。本文选取的具体指标如表1所示。

（1）投入变量的选择。本文选取的投入指标为：营业外支出（x1）、应付职工薪酬（x2）、业务及管理费（x3）、其他营业成本（x4）、营业税金及附加（x5）。

（2）产出变量的选择。本文选取的产出指标为：基本每股收益（y1）、净资产收益率（y2）、营业收入（y3）、每股净资产（y4）。

对于企业的经营和运作进行营运效率分析，描述性统计见表1。其中，投入和产出指标中x1、x4变量均以百万元为单位，x2、x3、x5、y3变量均以亿元为单位，y1、y4变量以元为单位，y2变量以%为单位。

3 实证检验结果及分析

对于企业而言，我们采用CCR模型来判定其运营的相对有效性，包括技术有效和规模有效。根据数学规划模型工具，我们将企业的经济活动技术效率和规模的相对有效性分为三种。

（1）DEA有效。指企业的经济活动同时为技术、规模有效，数学规划模型中体现为θ*=1，且s-0=0，s+0=0。

（2）弱DEA有效。指企业的经济活动不同时表现为技术、规模最佳，数学规划模型中体现为θ*=1，但至少存在某项投入或产出指标大于0。

（3）非DEA有效。指企业的经济活动技术效率和规模都不是最佳，数学规划模型中体现为θ*<1。

其中，若∑nj=1λj<1，则规模收益递增;∑nj=1λj的值越小，增加一定的投入量，产出量的增加比例越高;若∑nj=1λj=1，則规模收益不变;若∑nj=1λj>1，则规模收益递减。结合经济学的基本原理可知，生产规模有效时，其规模收益不变。规模效率值为1者，表明规模效率状态不变;若规模收益不为1，则再观察Irs和Drs的大小，如果Irs>Drs，则规模效率状态递增，如果Irs

由证券公司个体来看，满足θ*=1，且s-0=0，s+0=0的DEA有效的公司有6个（占总观测值的40%）：财通证券、华泰证券、华西证券、南京证券、山西证券、东吴证券，其规模收益不变，表明在最适规模状态下生产，而非DEA有效的公司有9个（占总观测值的60%），其中属于规模收益递增的公司有5个：国海证券、西南证券、东方证券、国信证券、方正证券，这些公司的DEA值Irs>Drs，表明其在小于最適规模下生产，可通过扩大生产规模等方式达到最适规模;而属于规模收益递减的公司有4个：广发证券、长江证券、海通证券、中原证券，这些公司的DEA值Irs

4 结论

本研究运用数据包络分析的方法对证券业公司进行了营运效率分析，通过计算15家上市公司的财务指标，发现只有40%的公司实现了DEA有效，即达到了最适规模状态生产，而仍有60%的公司仍没有达到最适规模状态生产。该结果表明，我国证券业企业仍需加强监管、提升效率。面对证券业整体运营效率不突出的问题，金融市场应加强监督和管控，控制减少营收和坏账的损失，并大规模推动创新人才建设，做到行业自律，以保证证券业能够高效、长期、健康的运营，这对中国证券行业以及整个金融体系的长期有效的战略发展具有重大意义。

参考文献

[1]王俊霞，詹昌春.基于DEA方法的上市银行财务指标综合评价[J].中国集体经济，2009，（8）：105-107.

[2]佚名.中国证券业的运营效率研究——基于SBM-Undesirable的六阶段DEA和Malmquist-DEA模型[J].武汉金融，2018.

[3]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.

[4]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，2002，19（4）.

[5]程可胜.中国证券公司效率的实证分析[J].华东经济管理.

[6]张学涛，刘喜华，李敏，等.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，2011，25（12）.

[7]Jin-Li，Hu，Chin-Yi，et al.Managerial efficiency of securities firms under the law-induced financial holding companies in Taiwan[J].Journal of Information & Optimization Sciences，2010，31（1）：37-62.

[8]魏权龄.数据包络分析（DEA）[M].北京：科学出版社，2006.

[9]熊婵，买忆媛，何晓斌，等.基于DEA方法的中国高科技创业企业运营效率研究[J].管理科学，2014，27（2）：26-37.

[10]Hsiao H C，Chang H，Cianci A M，et al.First Financial Restructuring and operating efficiency： Evidence from Taiwanese commercial banks[J].Journal of Banking & Finance，2010，34（7）：1461-1471.