基于超效率dea的我国证券公司效率分析

《基于超效率dea的我国证券公司效率分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

万方数据指导小组人员名单刘红忠教授谢为安副教授陆前进副教授何光辉副教授 万方数据基于超效率DEA的我国证券公司效率分析论文独创性声明lIIIIIIIIIIIIIIUIllIY2705218本论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。作者签名：论文使用授权声明日期：本人完全了解复旦大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其它复制手段保存论文。保密的论文在解密后遵守此规定。作者签名：导师签名：——日期： 万方数据基于超效率DEA的我国证券公司效率分析口二工日冰目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．2摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．．3ABSTRACT⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．。4第一章引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．61。1研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯61．2文章结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．71．3预期目标和创新之处⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯7第二章文献综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯92．1效率测量方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．92．2数据包络方法(DEA)的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯102．3基于DEA的金融机构效率的研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．112．4基于DEA的国外证券公司效率研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．122．5国内证券公司效率研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一．．⋯⋯13第三章我国证券公司历史与现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．173．1我国证券市场发展历史与现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．173．1．i我国证券市场的发展历程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．173．1．2我国证券市场的现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．193．2我国证券公司发展历史与现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．203．2．i我国证券公司的发展历程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．203．2．2我国证券公司的现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．21第四章我国证券公司效率分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．244．1DEA方法及模型简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯244．2模型及指标选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．274．3样本选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一294．4实证分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯30第五章我国证券公司效率的影响因素分析⋯⋯⋯⋯：⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。365．1我国证券公司效率的影响因素理论分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。365．2我国证券公司效率的影响因素实证分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．371 万方数据基于超效率DEA的我国证券公司效率分析5．2．1解释变量和样本选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．375．2．2回归分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯38第六章研究结论和政策建议⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．416．1实证结果总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯-⋯⋯⋯⋯4l6．2政策建议⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．42参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。4s后记⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．—，7致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．47附勇毛⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．482 万方数据基于超效率DEA的我国证券公司效率分析摘要我国的证券市场和证券公司从上世纪80年代末发展至今，经过20多年，目前我国的证券化程度已经有较大提高。作为市场最活跃的中介主体之一，证券公司的有序发展对整个市场至关重要。目前我国证券公司的内外部管理制度已经较为完善，但仍面临着业务单一化等问题。如何提升证券公司的效率是我国证券公司乃至证券市场发展的重要问题。本文的实证分析主要分为两部分：首先分别通过经典DEA模型和超效率DEA模型计算了2011年71家证券公司的技术效率、纯技术效率和规模效率以及规模报酬递增或递减的情况。进而通过对2007．2011年47家证券公司的面板数据进行多元回归分析，研究了资产规模、资本结构、业务结构、上市与否这四种内部因素以及股市涨跌幅这一外部因素对于上述效率值的影响。实证分析结果说明：我国证券公司的总体效率值还不高，仅有2家证券公司达到技术有效和规模有效，仅有l1家证券公司达到纯技术有效。对技术效率的进一步分解说明了大部分公司的技术无效来源于纯技术无效。规模报酬递增和规模报酬递减的证券公司约各占半数，其中大型证券公司大部分处于规模报酬递减，小型证券公司则多处于规模报酬递增阶段。通过对影响因素的回归分析，可以发现：资产规模对技术效率和纯技术效率都具有负面影响，并在0．1％的显著性水平下显著；资产负债率对任何一种效率的影响均不显著；经纪业务占比对三种效率的影响都具有显著的负面影响；上市对于技术效率和纯技术效率都有负面的影响；在O．1％的显著性水平上，上证综指的涨跌幅对证券公司的技术效率和纯技术效率的影响显著为正。最后，基于上述研究，本文建议我国证券公司应注意控制规模，加强业务多元化以提高效率，不宣盲目追求上市以及加大杠杆，通过发展周期性较小的业务降低市场波动对公司经营的影响，并呼吁监管机构进一步放松新产品和新业务的行政审批制度。关键词：数据包络方法、证券公司、效率、超效率中图分类号：F830．39 万方数据基于超效率DEA的我国证券公司效率分析AbstractChina'ssecuritiesmarketsandsecuritiesfirmshavedevelopedmorethan20yearssincethelate1980s．Atpresent，securitizationhasbeengreatlyimproved。Asthemostactiveintermediaryagencies，thesecuritiescompaniesarecriticaltothedevelopmentofthewholemarket．IntemalandexternalmanagementsystemofChina’Ssecuritiesfirmshaveimprovedalot，butthefirmsstillfacemanyproblemssuchasthebusinessisnotdiversifiedenough．Howtoimprovetheefficiencyofsecuritiesfirmsiscrucialnotonlytothesecuritiescompaniesthemselvesbutalsotothewholesecuritiesmarket．Theempiricalanalysisisdividedintotwoparts．First，thispapercalculatedtechnicalefficiency,puretechnicalefficiencyandscaleefficiencyof71securitiesfirmsbasedODtheclassicalDEAmodelandsuper-efficiencyDEAmodel．Thenthispaperexaminedtheeffectoffourintemalfactors(assetsize，capitalstructure，businessstructure，listedornot)andoneexternalfactor(thepricechangeofthestockmarket)ontheefficiencyvaluesthroughthemultipleregressionanalysisofthe2007—2011paneldataof47securitiesfirms．TheempiricalresultsshowthatoverallefficiencyvalueofChina'ssecuritiesfirmsisnothigh．Onlytwosecuritiesfirmsachievearetechnicalefficientandscaleefficient．Only1securitiesfirmshaveachievedpuretechnicalefficiency．Mostfirms’technicalinefficiencyiscausedbythepuretechnicalinefficiency．AbouthalfofsecuritiesfirmsareinthestageofincreasingreturnstOscalewhiletheothersarenot．Mostoflargesecuritiesfinnsareinthestageofdecreasingreturnstoscale，whilemanysmallsecuritiesfirmsareinthestageofincreasingreturnstoscale．Bytheregressionanalysis，itCanbefoundthatassetsizehasanegativeimpactontechnicalefficiencyandpuretechnicalefficiencyatO．1％significantlevel；asset-liabilityratiodoesnothavesignificantinfluenceonanyonekindofefficiencyvalues；brokerageratiohavesignificantnegativeimpactonallthethreeefficiencyvalues；beinglistedhasanegativeimpactontechnicalefficiencyandpuretechnicalefficiency；thepricechangeofShanghaiCompositeIndexhaspositiveimpactonthetechnicalefficiencyandpuretechnicalefficiencyat0．1％significantlevel．Finally,basedontheresearchabove，thepapersuggestedthatChina’SsecuritiesfirmsshouldpayattentiontOcontrollingthescale，improvebusinessdiversificationtopromoteefficiency,remainconsciousofgoinglistedandtheincreaseofleverage，andreducetheimpactofmarketvolatilityonthefirmsthoughthedevelopmentoflesscyclicalbusinesses．4 万方数据基于超效率DEA的我国证券公司效率分析Thepaperalsosuggestedthattheregulatoryagenciesshouldreduceadministrativeexaminationandapprovalofnewbusinessesandproducts．Keywords：dataenvelopmentanalysis，securitiesfirms，efficiency,superefficiencyChineseLibraryClassification：F830．39 万方数据基于超效率DEA的我国证券公司效率分析1．1研究背景和意义第一章引言自从80年代末，新中国出现股票交易和国债交易，1987年深圳特区证券公司正式成立，1990年沪、深交易所成立至今，20多年以来，我国的证券市场在支持实体经济发展、加强资源配置效率等方面发挥了巨大的作用。证券公司作为证券市场上最重要的参与主体和中介机构，在证券市场乃至金融市场中都占据了至关重要的角色。我国证券公司经历了早期的不规范发展后，在21世纪最初几年遭遇了全行业的亏损。并且由于内部风险管理机制的缺失和外部监管的不足等因素，暴露了挪用客户资金、违规开展代客理财等一系列重大风险事件。2004年开始的证券公司综合治理通过消除旧风险、建立新制度的双管齐下的方针，建立健全了证券市场监管、证券公司业务管理和风险管理等一系列的法律法规，对一大批违规经营的证券公司进行了整改甚至托管、关停。3年后，综合治理成功结束，我国证券公司也经受住了国内股市大幅下跌和国外金融危机的双重考验，并未再次出现重大风险事件。2007年以来，我国证券公司上市数量明显增多，目前一共有19家上市证券公司，其中中信证券、海通证券已经发行H股，另有银河证券、国泰君安证券等老牌大型证券公司也在筹划上市。2012年以来，证券行业又掀起了创新浪潮，从融资融券、直接投资等新业务的开展，到资产管理业务范围的扩大，到资产证券化等新产品的推出，都在促使证券公司改变现有的经营模式，加速业务的多元化。与此同时，我国的证券市场也在不断走向开放，一方面引入合格境外投资者参与国内市场，另一方面鼓励国内机构走出去主动参与全球竞争。在逐渐与国际接轨的过程中，我国证券公司只有积极调整经营战略，提高经营效率才能在国际竞争中立于不败之地。同时，证券公司的经营效率也直接关系到我国证券市场的健康发展和价格发现、资源配置等基础功能的发挥。所以，本文试图通过对证券公司效率现状的分析，来探究经过20多年发展之后，我国的证券公司总体经营的有效程度，并指出效率改进的方向。同时分析影响证券公司效率的因素，找出当前证券公司发展的几个方向如扩大规模、改进业务结构、加大杠杆、争取上市等行为对证券公司的效率是否有着正面或负面的影响。 万方数据基于超效率DEA的我国证券公司效率分析1．2文章结构本文共分为六章，具体结构如下。第一章为引言，主要介绍了本文的研究背景，在此基础之上所要解决的问题及意义，以及本文框架和研究目标以及创新之处。第二章文献综述，简要介绍了效率测量方法的发展，数据包络方法(DEA)的应用，以及基于DEA方法的国内外其他金融机构效率研究、国外证券公司效率研究和国内证券公司效率研究。第三章概述了我国证券市场和证券公司的发展历程和现状。第四章简要介绍了DEA方法的理论基础，以及本文所选取的指标和样本，分别使用经典DEA模型和超效率DEA模型计算了我国样本证券公司2011年的技术效率、纯技术效率和规模效率，并做出相应分析。第五章是因素分析。首先从理论方面对我国证券公司效率的影响因素做出了分析，继而选取资产规模、资本结构、业务结构、是否上市这四个内部影响因素和上证综指涨跌幅作为外部影响因素，使用2007．2011年47家证券公司的数据进行实证分析。第六章总结了前文效率计算分析以及影响因素分析的结论，并结合我国证券公司现状，提出相应政策建议。1．3预期目标和创新之处本文在国内外相关论文的研究基础之上，旨在实现以下两个预期目标：以2011年的数据为例，计算并分析我国证券公司的效率情况；通过对2007．2011面板数据的回归分析，找出我国证券公司效率的影响因素。本文的创新之处在于：一、模型使用方面。目前对我国的证券公司进行效率分析的文献基本使用的都是传统DEA模型。传统DEA模型的主要缺点在于：不能对已经在效率前沿面上的决策单元，即效率值为1的决策单元进行进一步区分。从而降低了所研究证券公司的区分度。而通过超效率DEA模型所计算出的超效率值不再是以1为上限，从而可以对有效决策单元进行比较，获取的信息量更大。二、数据采集方面。目前对证券公司个体效率研究文献的数据采集时间跨度都较短，一般为1．3年。本文在研究证券公司效率的影响因素时，选取了2007—2011年5年47家证券公司的数据，在空间上覆盖面比较广，从时间上也包括了2007年国内股市大幅下跌、2008年全球金融危机等对证券公司经营有着重大影响的事件。三、回归分析方面。在对证券公司效率的影响因素进行回归分析时，引入了股市涨跌幅作为外部因 万方数据基于超效率DEA的我国证券公司效率分析素，从定量的角度分析了市场因素对于证券公司经营的影响程度。 万方数据基于超效率DEA的我国证券公司效率分析第二章文献综述2．1效率测量方法在物理学上，机械的输出功率与输入功率之比被称之为效率。后来，这一术语被引入到日常生活以及经济学中，一般指的是资源得到有效配置，实现了给定投入下的最大产出或者给定产出之下的最大投入。Farrell(1957)提出决策单元的经济效率(economicefficiency)可以分解为技术效率(technicalefficiency)和配置效率(alloeativeefficiency)。前者指在给定投入的情况下获得尽可能大的产出的能力。后者考虑了价格信息，指的是在价格和技术给定的前提下，采用最优化的比例选取各种投入要素的能力。Farrell的研究主要考察的是规模报酬不变的情况(CRSconstantreturnofscale)，如果规模报酬可变(VRSvariablereturnofscale)。那么除了提高技术和改进配置之外，决策单元还可以选择以何种运作规模进行生产。由此，Fare等(1998)进一步提出了规模效率(scaleefficiency)的定义。即寻找最优生产规模的能力。因为在规模报酬可变的条件下，决策单元可能已经达到了技术有效和规模有效，但是却没能选择最优生产规模。如果处在规模报酬递增(IRSincreasingreturnofscale)区域，就可以通过扩大生产规模来提高效率。反之，在规模报酬递减(DRSdecreasingreturnofscale)区域，则可以缩小生产规模。如果生产技术本身是规模报酬不变的，则默认决策单元是规模有效的。Farrell所做的贡献还在于开拓了效率测量的前沿理论。在此之前，效率的计算主要采用一些非前沿的方法比如线性规划、非参数统计分析等。自从Farrell引入成本最小化和生产前沿的概念之后，前沿理论逐渐成为效率测量方法的主流，其中按照是否需要对前沿生产函数中的参数进行估计，又可以继续细分为参数法和非参数法两大类。参数法的最初形式是Aigner和Chu(1968)提出的确定性前沿方法(DFAdeterministicfrontieranalysis)，这种方法是对投入和产出之间的关系，估计一个生产函数的具体形式。它在计算时所使用的效率前沿是固定的，假定从长期来看，随机误差的均值为零。Aigner等(1977)在此基础上，加入了随机误差的影响，提出了随机前沿方法(SFAstochasticfrontieranalysis)，这种方法成为参数法的主流，并且根据对随机误差提出不同的分布假设发展出不同的模型。厚前沿方法(n认stochasticfrontieranalysis)是随机前沿方法的一个变种，它不再假定随机分布的具体形式，而是给出随机误差的分布区间，从而得出一个平均生产函数。总体来看，随机前沿方q 万方数据基于超效率DEA的我国证券公司效率分析法的主要优势是考虑了随机因素的影响，从而在测定各个决策单元的效率时所依据的前沿面是随机的。主要不足之处在于需要对生产函数的具体形式进行估计，从而受到研究者主观因素的影响较大，并且需要较大的样本才能得出较为准确的统计结果。非参数法的主要代表是Chames等(1978)提出的数据包络方法(DEA)，这是一种计算相对效率的方法。首先在一系列的观测数据的基础上，使用线性规划技术勾画出效率前沿面。然后根据各个决策单元的位置计算其效率，在效率前沿面上的决策单元被认为是有效的，效率值为1，反之，在边界之内的是无效的，通过该决策单元与其在前沿面上的投影点相比较，来计算其效率值(O．1之间)。根据对规模报酬的假设，数据包络方法可分为规模报酬不变和规模报酬可变两大类。规模报酬不变(CRS)模型就是Chames等(1978)提出的最初的DEA模型，又被称为CCR或C2R模型。Banker等(1984)又提出了规模报酬不变(VRS)模型即BCC或BC2模型。按照导向的不同，也可以分为投入导向模型和产出导向模型。投入导向模型是在给定产出水平的情况下，计算需要减少多少投入变量才能达到技术有效状态来计算效率值；产出导向模型是在给定投入水平的情况下，计算需要增加多少产出变量才能达到技术有效状态来计算效率值。DEA方法的主要优势是：不需要估计生产函数；可以较为方便地处理多投入多输出的问题；并且在计算效率值的基础上，还可以指出企业提升效率值的途径，即应该如何减少投入或增加产出才能达到技术有效。主要不足是没有考虑随机因素的影响。2．2数据包络方法(DEA)的应用自Farrell(1957)首次开创性地提出前沿生产函数的概念，并由Charnes等(1978)在此基础上创立了数据包络分析方法(DEA)以来。很多学者使用DEA方法对各种机构的效率进行测量。Liu等(2012)曾统计：截至2009年，在ISI(WebofKnowledge)数据库中共有4500多篇基于DEA方法的论文。在最初的原始模型基础之上，已经发展出了包括规模收益不变、规模收益可变、可加性、松弛变量模型、可自由处置壳模型在内的诸多模型。并且在此基础上采用了更为复杂的研究方法：如考虑环境变量的多阶段DEA方法，把生产过程进一步细分的两阶段关联DEA、网络DEA、链式DEA等方法。．从研究领域来看，DEA方法广泛运用于包括银行在内的各种盈利性组织以及教育机构、医院等非盈利性组织的效率评价中。其中研究银行效率的文献最多，占到了总文献数的10．31％。而2005年以来，研究能源、环保和其他金融机构的文献数也迅速增长，这将可能是今后新的研究热点领域。 万方数据基于超效率DEA的我国证券公司效率分析2-3基于DEA的金融机构效率的研究相对于证券业而言，银行业的数据披露最为全面，所以国内外基于DEA的金融机构效率研究大部分集中在商业银行。国外方面，Sherman和Gold(1985)率先将DEA方法引入到对金融机构的绩效衡量中，使用C2R模型对一家储蓄银行的14个分支机构的经营效率进行了计算，认为使用DEA比其他绩效指标更加有效。Yue(1992)分别使用C2R模型和可加DEA模型计算了1984．1990年间密苏里州60家商业银行的效率。类似的，Vassiloglou和Giokas(1990)使用该方法研究了希腊商业银行分支机构的效率。Golany和Storbeck(1999)计算了某美国大银行分支机构的连续6个季度的经营效率。Lo和Lu(2009)选择了14家台湾金融控股公司，使用了基于松弛变量的DEA模型和超效率松弛变量DEA模型来计算它们的效率，发现不管是从收益法还是从市场表现来看，大型金控公司都ted,型公司更有效，由此认为应当加快行业内合并的步伐，以提升整体效率。国内方面对银行效率的主要研究有：赵旭(2000)研究了1993．1999年间国有商业银行效率并对效率下降的原因进行分析，认为主要是由于内部管理费用的增长导致了经营的无效率。郑录军和曹廷求(2005)选择了25家银行作为样本，采用产出导向的DEA模型计算了这些银行的效率，并且通过多元回归，发现：四大国有银行、全国股份制商业银行和城商行这三类银行在效率上并无明显区别，对银行效率影响较为显著的因素是股权结构和公司治理机制。并且银行效率和股权集中度之间的关系呈现倒U型变化。周小燕(2007)选择了22家银行1994．2005年的数据，分别采用DEA和SFA方法对商业银行的效率进行测算，并通过spearman一致性检验来比较了这两种方法的结果，发现排序结果具有一致性。样本期内，各类银行的总体效率都在提升，股份制商业银行的效率显著高于国有商业银行，但差距在逐渐缩小。张颖(2011)以16家国内大型银行(同样包括国有商业银行、股份制银行和地方性商业银行)为研究对象，使用DEA方法测定了它们2004．2010年的技术效率。并通过广义最d,-乘回归，分析得出：规模和中间业务占比对银行效率的影响不显著，清晰的产权结构、所有者权益占比、贷存比对效率的影响显著为正，不良贷款率的影响显著为负。除去使用经典DEA模型之外，近年来，越来越多的学者也开始使用超效率DEA、多阶段DEA以及网络DEA的方法来研究银行的经营效率。梁素荣(2011)使用了超效率DEA以及两阶段关联DEA方法来衡量2006．2010年间上市商业银行的效率，两阶段DEA方法是将商业银行的生产阶段分为资金组织阶段和资金运营阶段两个子系统，分别计算其效率。刘砚平和刘庆庆(2012)使用超效率DEA模型和 万方数据基于超效率DEA的我国证券公司效率分析Malmquist指数，研究了2006．2011年14家商业银行的面板数据，发现国有商业银行的效率明显低于股份制商业银行，而整体的全要素生产率除了在金融危机的2008年以外，都保持了增长。芦锋等(2012)采用以储蓄作为中间变量的网络DEA方法，计算了2000．2010年14家商业银行的效率，发现尽管四大行的技术效率较低，但纯技术效率与股份制银行类似。对其他金融机构的效率进行研究的文献还包括：黄薇(2009)建立了资源型两阶段DEA模型，评估了保险机构1999．2006年的经营数据，发现资金运用过程中两个子阶段的效率和整体效率都较低。熊蕾(2009)使用DEA方法和Malmquist指数分别对2005．2009年我国寿险公司的经营效率进行横向和纵向的比较，发现我国寿险公司的经营效率呈现明显的周期性特征，与经济的整体运行节奏保持一致，并且总体效率水平不高，资源投入有一定的盲目性。并且技术效率分化较为明显，小型寿险公司的效率较低。相对于传统寿险公司，新兴寿险公司的技术效率更高，但是波动性较大。金景丽(2010)使用经典DEA模型和超效率DEA模型，研究了53只开放式基金在2006．2009年的效率，发现达到相对有效率的基金数较少，基金管理人对基金效率有着明显的影响，基金规模则无显著影响，整体业绩不具有可持续性，其中债券型基金的效率更高，这可能与研究时段的选择有关。2．4基于DEA的国外证券公司效率研究相对于诸多对商业银行的效率研究，国外使用DEA方法对证券公司进行研究的文献并不多。较早的有Fukuyama和Weber(1999)对1988．1993年日本证券公司的研究，他们选择职工人数和固定资产价值作为投入指标，经纪业务收入和其他业务收入为产出指标，测算了各个证券公司的总成本效率、配置效率、纯技术效率和规模效率。发现相对于小型证券公司而言，四家最大的证券公司最有效率。并且银行系的证券公司比大券商下属的证券公司的成本效率更高。纵向来看，证券公司整体的成本效率保持稳定，但在泡沫经济破灭后，总体的技术有效性上升，而配置有效性下降，这可能是因为危机后证券公司在风险管理和监控上投入了更多成本以预防下一次股市剧烈下跌带来的损失。Wang、Tseng和Weng(2003)以1991．1993年台湾综合型证券公司(相对于之前只从事经纪业务的证券公司)为研究对象，选择员工人数、租用办公场所面积为投入指标，经纪业务、交易业务、投行业务三类收入为产出指标的效率，计算了它们的纯技术效率、规模效率、成本效率和配置效率，认为大部分规模无效率来自公司规模过小，所以应当扩大规模或加强兼并。成本无效率程度较高，应加强对投入价格的控制。在此基础上，使用Tobit回归分析得出：公司规模对纯技术效率、配置效率的影响显著为正；服务集中度的影响不显著；相对没有分支机构的证券公司而】2 万方数据基于超效率DEA的我国证券公司效率分析言，有分支机构的证券公司的各种效率都更低，这主要因为在股市下滑情况下，一般分支机构来自兼并经营不善的证券公司；同时操作风险也对效率有着正面的影响。总体来看，行业竞争加剧使得证券公司的纯技术效率的差距不断缩小。。Zhang、Zhang和Luo(2006)选择薪酬、非劳动力非利息的营业支出、股本作为投入指标；佣金收入、做市交易收入、投行收入、资产管理收入、总收入为产出指标，计算了美国证券业全行业1980—2000年的纯技术效率、规模效率以及全要素生产率的变化。剔除了一些业务单一的券商之后，按规模大小和是否跨区经营将所有证券公司细分为三类：大型证券公司、大型区域证券公司、小型区域证券公司。分别检验其效率的变化情况。发现尽管美国证券业在全球处于领先地位，但总体呈现无效率，并且总体的生产率在下降，这可能是因为大部分小证券公司的效率都远远低于处于效率前沿的几家大型证券公司。2．S国内证券公司效率研究在国内现有对证券公司的业绩衡量以及影响因素分析的文献中，有的是衡量各个公司，有的是衡量整个行业，但很多都直接采用净资产收益率来衡量绩效。国外有些文献采用托宾Q值，有些文献采用EVA值。但前者要求有有效的资本市场对公司价值进行正确定价，而我国证券市场的有效性还有待验证；后者需要较为复杂的计算，并且在资本成本的确定上有较强的主观性和随意性，缺乏客观统一的标准。所以国内相当一部分文献选择采用净资产利润率来衡量证券公司的绩效。例如方芳，付长文(2004)以产业组织理论中的SCP框架为基础，通过研究1996—2001年对证券行业的整体数据，分析了证券业市场集中度(以经纪业务和投行业务的CRl0衡量)和证券业规模(以总资产衡量)对证券业绩效(以净资产利润率衡量)的影响。他们的研究结果表明，我国证券业在2001年．2007年间，行业集中度在50％．80％之间，绩效与总规模呈负相关，即还未达到规模经济；与集中度正相关，即提高集中度可以提高绩效。李祥(2006)采用96家证券公司2007年财务报表，分析了资产结构和负债结构对证券公司经营绩效(净资产利润率)的影响。发现客户存款占比、结算备付金占比、交易性金融资产占比、质押借款占比、应付债券占比和总负债规模与经营绩效显著正相关，总资产规模、买入返售金融资产占比和其他金融资产占比与经营绩效显著负相关。吴佳丽(2010)采用90家证券公司2009年的财务报表，分析了净资产利润率和股权结构之间的(包括第一大股东持股比例、第一大股东性质、前三大股东持股比例等指标)的关系。发现股权结构过于分散或集中都不利于证券公司绩效提升，应当适当降低第一大股东持股比例、提升第二、第三大股东持股比例，并引入民间资本投资。使用净资产利润率的主要优点是简便易行，直接在公司财务报表中就可以得13 万方数据基于超效率DEA的我国证券公司效率分析到。主要缺点是过于单一，相当于只考虑了公司的净资产和净利润这两个变量。相对而言，数据包络方法即DEA方法是一种综合考虑多投入多产出的绩效评价模型。较早使用数据包络方法来评价证券公司效率的是樊宏(2002)，他使用DEA模型中最基础的C2R模型，也即规模收益不变模型。以注册资本金作为投入指标，股票主承销家数、股票主承销金额、股基交易额、净资产、利润总额作为产出指标，分析了14家证券公司2000年的经营情况，认为我国证券公司整体效率较低、并且两极分化情况较为严重。此后使用DEA方法来衡量证券公司绩效的文献日益增多。如刘莹(2006)选择了14家创新类证券公司，以注册资本、营业部数量、营业费用作为投入指标，股基交易额、净利润、净资本为产出指标，计算了2004年的效率，认为整体效率水平比较高，但不存在明显的规模经济。并考察了公司规模、资产质量、资本结构、股权结构、业务结构等因素对证券公司效率的影响。朱南，刘一(2009)对2005、2006年42家证券公司的生产效率，在使用员工人数、平均总资产作为投入指标、各项分业务收入作为产出指标分析了各证券公司的技术效率、规模效率和全要素生产率，分别进行了横向和纵向的比较。李慧(2009)使用净资本、员工人数、经营费用为投入指标，各项业务收入为产出指标，研究了50家券商2008年的经营效率，发现大型综合券商均存在规模效率递减，规模效率无效的中小型券商大多数存在规模收益递增。哈青梅(2009)使用固定资产、员工薪酬、净资本作为投入指标，手续费及佣金收入、净利润、投资收益为产出指标，计算了对2005．2007年间排名持续保持在前20名的12家绩优证券公司的效率，发现各证券公司的效率有所提高，差距也在降低。在此基础上，进一步对证券公司效率的影响因素做出研究的包括：边晓磊，陈学彬(2009)使用工资福利、实收资本、费用支出为投入指标，分别使用净利润和营业收入以及分类别业务收入作为两种产出指标体系，计算了四类共16家证券公司在2007年的经营效率，并通过Tobit回归发现员工知识结构与经营效率显著正相关，资产优良率和股权集中度显著负相关，营业部数量和保荐人数量无显著相关性。刘彦(2010)使用职工薪酬作为劳动投入、经过调整的营业支出作为资本支出，营业收入作为产出指标，计算了106家证券公司2008年的效率。认为证券公司的效率两级分化明显，大券商、上市券商、本土券商的效率水平较高。并通过Tobit回归，发现资产负债率和流动比率对效率的影响显著为正，传统业务占比、股权集中度和资产质量对效率的影响均不显著。包清华(2010)选择了上市证券公司和非上市证券公司各13家，根据它们2007—2009年的财务数据，以注册资本、职工薪酬、营业部数量为投入指标，股基交易额、手续费佣金收入、净利润为产出指标，同时使用投入导向模型和产出导向模型计算了上述公司的效率。发现相对于非上市 万方数据基于超效率DEA的我国证券公司效率分析证券公司来说，上市证券公司并不具有明显的效率优势。王楠(2011)使用注册资本、营业支出、营业部数量为投入指标，各项分业务收入为产出指标，选取了2006．2009年间95家证券公司(剔除了牌照不全、业务单一的几家合资及新成立的证券公司)，计算它们的效率及全要素生产率变化情况，并发现效率变化率与GDP增长率、股票总市值增长率显著正相关。然后使用面板数据的Tobit回归，研究了总资产、净资本、业务结构、股权集中度等因素对于效率的影响，认为这些变量对效率变化的解释能力不高。还有一些研究使用了更为复杂的DEA模型：刘一(2009)迸一步采用了职工工资／员工人数作为劳动力投入价格，采用修正后的营业支出／平均总资产作为资本投入价格，研究了利润效率和收入效率，有一定创新意义。但成本效率和收入效率的计算所需要的价格指标难以获得。该文这两个价格指标都是在投入指标的价格上计算出来的，其显著的相关性会极大影响最终结果的准确性。田晔(2009)基于2006、2007年100家证券公司的年报，以人力资本(职工薪酬)、固定资产投入(固定资产折旧额)和其他要素投入(业务及管理费．职工薪酬．固定资产折旧额)作为投入变量，分业务的各项收入作为产出变量，分别使用DEA方法和SFA方法计算了证券公司的效率，并分别使用OLS模型和Tobit模型分析各项治理结构变量对证券公司效率的影响，发现是否上市、股权集中度和资产规模都对证券公司效率有着显著影响。黄璐(2011)采用三阶段DEA模型，选取员工人数、资本投入(扣除工资费用、利息支出、营业税金及附加后的营业支出)为投入指标；手续费收入、承销收入、自营收入和创新业务收入为产出指标。计算了43家综合类证券公司在2008．2009年的效率，发现我国证券业总体来看处于技术无效的状态，并且不同证券公司的差距较大，并且大多数证券公司都处于规模报酬递增状态。并且通过分析环境变量，发现增加固定资产投资、引进战略投资者、上市、设立年限长都与效率值正相关。从上述文献可以总结得出，目前基于DEA方法对我国证券公司的研究有以下特点：一、在模型选择上，基本以基础的DEA模型为主。有的会使用Malmquist指数来分析全要素生产率的变化情况，有的使用SFA方法计算作为对比，有的引入了三阶段DEA模型，加入对环境变量的控制。同时在投入导向和产出导向的选择上，出于对证券公司可以自由选择投入资源的观点，基本都选择了投入导向模型。二、在投入产出指标的选择上，缺乏统一的标准。在早期研究中，指标选择较为混乱，例如有的把净资产作为资本投入指标，有的却将其作为产出指标。随着时间的推移，指标选取逐渐统一。在投入指标上，基本参照柯布道格拉斯生产函数的思想，选取人力和资本作为投入指标，但在具体操作上仍有较大区别。在人力投入的衡量上，有的选择职工人数，有的选择职工薪酬，还有的使用营业部数量作为参 万方数据基于超效率DEA的我国证券公司效率分析考。在资本投入的衡量上，有的采用注册资本，有的采用经过调整的营业支出，有的采用固定资产年折旧额或固定资产总额。产出指标的选择则较为一致，大部分都采用了营业收入或者分业务的营业收入(手续费收入、承销业务收入、投资收入、资产管理收入、创新收入等)，有的还采用了股票基金交易额、股票承销金额、净利润等指标。三、在影响因素的分析上，较为多样化。涉及较多的影响因素有：公司规模、资产负债结构、股权结构、是否上市。此外还有员工文化程度、业务结构、股东性质、是否引进战略投资者等。 万方数据基于超效率DEA的我国证券公司效率分析第三章我国证券公司历史与现状3．1我国证券市场发展历史与现状证券市场作为证券公司发展的背景，对证券公司的经营状况有着至关重要的影响，我国的证券市场经过二十多年的发展，现在已经步入了稳步前进的新时期，为证券公司的蓬勃成长提供了良好的环境。3．1．1我国证券市场的发展历程根据我国证券市场发展各个时期的不同特点，可划分为以下几个阶段：(一)萌芽阶段1978年改革开放后，部分地区的农民采用集资的形式，创办了一批股份制的乡镇企业，这也是新中国最早的股份制经济。1984年，十二届三中全会决定股份制正式开始试点。我国改革开放后的第一家股份有限公司——北京天桥百货股份有限公司于1984年7月成立并发行300万股股票。随后，飞乐音响、延中实业、广州绢麻厂等少数公司也相继成立了股份有限公司。1992年邓小平南巡讲话后，《股份制企业试点办法》正式出台，在全国上下掀起了新一轮股份制改革的热潮。各个城市都设立了一大批股份制企业并发行股票，为后来证券市场的蓬勃发展奠定了广泛的基础。1990年3月，经国务院批准，上海、深圳两地开始试点公开发行股票。1981年，财政部重启国债发行。1982年，少数企业开始自行发债，但缺少政府和法规的约束，直至1987年，《企业债券管理暂行条例》出台，从法律的角度认可企业债，并通过中国人民银行审批、每年发放额度等方式来规范企业的发债行为。股票和债券的日益成长引发了对证券二级流通市场的迫切需求，最初的证券流通场所主要是全国各地的柜台交易。1988年，国债转让市场也在短短一年时间内从开始试点迅速蔓延至全国，形成了债券二级市场的雏形。(二)初步发展阶段1990年12月，上海证券交易所和深圳期货交易所先后开始营业，标志着我国统一的证券市场的诞生。1992年，邓小平在南巡讲话中指出，我们对于证券市场应积极尝试。受此鼓舞，上海、深圳交易所的上市公司数量迅速增长，交易额和市值也急剧上升。范围从本地公司扩展到面向全国。此外，还向境外投资者发行了人民币特种股票，即B股。同时，国债、金融债、企业债、可转债、权证、封闭式基金也相继在交易所挂牌交易。上海和深圳的证券市场从试点转为常规，从区域型证券市17 万方数据基于超效率DEA的我国证券公司效率分析场转变为全国性市场。随着证券交易的迅速增长，沪深两市逐步实行了电子化交易，并于1996年底实行了涨跌停板制度。全国性证券市场的形成和发展为整个证券行业的发展打造了良好的环境，证券公司数量迅速增长至1998年底的90家，证券营业部超过2000家，同时还有一大批从事证券业务的会计师事务所、律师事务所、资产评估机构等中介机构。证券投资基金也从最初的“老基金”增长至1996年底的78只封闭式基金。这一时期可谓是中国证券市场“野蛮生长”的阶段。伴随着我国市场化经济体制的确立，证券市场经历了从无到有，从区域性到全国统一性的发展阶段，为我国实体经济的发展提供了融通资金、配置资源的关键功能，同时也满足了广大投资者的需要。但在迅速发展的过程中也暴露了很多问题，证券、基金、期货业都出现了不少乱象。如很多“老基金”从事房地产投资，造成资产质量恶化，在交易市场上挂牌交易后又频繁遭到炒作，价格剧烈波动。许多证券公司和期货公司由于内部监管措施缺失，出现了挪用客户保证金进行投机的严重违规事件。(三)规范发展阶段为了进一步规范证券市场的发展，防范金融风险。1999年，我国出台了《证券法》，这也是全国人大颁布的第一部经济法。2005年，《证券法》加以修订，建立健全了我国证券市场的基础性制度，有利于证券市场进一步平稳规范地发展。市场层次建设方面，构筑了多层次证券市场体系。在原有的沪深主板市场的基础上，为了满足不同层次企业的上市需求和不同类型投资者的风险偏好。2004年5月成立了中小板，2009年10月成立了创业板，部分解决了中小企业融资难的问题，使得一批经营良好、拥有技术优势的中小企业获取了资金支持，得到更好发展。除了交易所市场持续向好发展以外，场外市场体系也不断完善。2006年1月，“新三板”即北京中关村园区股份转让系统开始运行，2012年，“新三板”又扩容至上海张江高新产业开发区，东湖新技术产业开发区和天津滨海高新区，并向符合一定标准的个人投资者开放。同时，各地政府还创办了一批地方性的股权转让市场，如：前海股权交易中心、浙江股权交易中心。这些地方性OTC柜台交易市场主要为未上市企业的股权转让提供服务，与“新三板”共同构筑了新的场外市场体系。基础制度方面，成功推行了股权分置改革。我国证券市场建立初期，受特定历史环境影响，进行了“股权分置”，即在公开流通的股本之外，还有暂不上市流通的国家股、国有法人股和一般法人股。随着我国股票市场的不断发展，这一制度逐渐成为阻碍市场充分发挥定价功能的障碍。2005年，股权分置改革正式启动试点，通过对价支付的方式，逐步实现了我国股市的全流通格局。使得证券市场可以充分发挥资产定价的功能，为此后的其他市场创新奠定了坚实的结构基础。此外，新股发行制度不断市场化。1998年的《证券法》一度规定，新股发行价 万方数据基于超效率DEA的我国证券公司效率分析格必须经过监管部门的批准。2005年，推出了新股发行的询价制度，通过对机构投资者的累计投标询价来确定发行价格，这种方式主要依靠市场的力量，大大提高了股票的价格发现功能，但仍有进一步市场化的需求。发售机制方面，则从早期的认购证、抽签表、挂钩储蓄存单等方式发展为市值配售，又改革成资金申购，网下按比例、网上摇号抽签的方式。2009年和2012年，证监会又进行了两轮新股发行体制改革，总体目标是形成更加市场化的定价机制，避免出现“打新不败”和新股频频破发这样扭曲的市场现象。3．1．2我国证券市场的现状经过了20多年的发展，我国证券市场在市场机构和监管机构的共同努力之下，现在已经发展成为一个多层次、多产品，流动性高，覆盖面广的较为成熟的市场。尤其在2006年之后，一批大型国有企业如工商银行、中石油等相继上市，证券市场真正成为国家经济运行的晴雨表。受益于前期的证券公司综合治理、完善市场法制法规等举措。在2008年全球金融危机中，尽管我国股市出现了较大的下跌，但是并未发生影响市场稳定运行的重大风险及违规事件，经受住了考验。我国证券市场的规模成长迅速。从股票市场来看，1990年，全国只有8家上市公司(上海证券交易所著名的老八股)，总股本还不到1亿股，流通比例也仅有一半不到，总市值为23．8亿元，流通市值为9．82亿元。22年之后，2012年底，全国共有2494家上市公司，总股本高达3．85万亿股，流通股本为3．13万亿股，流通比例达81．4％。总市值为26．8万亿元，流通市值为18．2万亿元，分别约为1990年的1．1万倍和1．8万倍，增长速度惊人。债券市场的发展同样迅猛。1990年底，债券市场上只有14只国债，票面总额为906亿元。而截至2012年底，整个债券市场的票面总额高达26．27万亿元，约为1990年的290倍。其中占比较高的是国债、政策银行债和中期票据。2012年底，我国GDP为51．93万亿元，股市市值和债市市值占GDP的比重均约为50％左右，与发达国家相比(2010年美国股市市值和债市市值占GDP的比重分别约为110％和170％)仍有较大差距，证券市场进一步发展的空间还很广阔。市场规模的扩大也极大地支持了我国实体经济的发展。2012年全年，我国股票市场募集资金4487．5亿元，其中首发上市150家，募集资金926．95亿元，同时证券中介机构也从中赚取了68．1亿元的发行费用。发行债券751只，募集资金2．35万亿元。投资者的主体也从散户转变为以基金为代表的机构投资者。截至2012年底，市场上共有1274只证券投资基金，资产净额合计近3万亿元。其中股票型基金占比35％，债券型基金占比11％，货币市场型基金占比为27％。从封闭开放式的角度来19 万方数据基于超效率DEA的我国证券公司效率分析看，开放式基金占比为95％，占绝大多数。在体量不断增长的同时，为了加快自身发展，我国证券市场的对外开放程度也越来越高，从一个国内市场逐步蜕变为国际化的证券市场。对外开放既有“引进来”也有“走出去”，在“引进来”方面，证券市场发展之初，就通过发行人民币特种股票(B股)吸引境外投资者，以满足当时不断增长的用汇需求。2002年，由于我国资本项目尚未完全开放，为了在这种背景下引进外资，我国创立了特有的QFII(QualifiedForeignInstitutionalInvestor合格境外机构投资者)制度以部分开放资本市场。QFII制度开展10年以来，目前已批准106家QFII，一方面为我国股市的发展引入了长期资金，丰富了我国资本市场的投资者结构，另一方面也引入外来竞争，促进国内证券服务机构提高自身业务水平，增强国际竞争力。在“走出去”方面，主要是2006年开始试点的QDII(QualifiedDomesticInstitutionalInvestor)制度，目前，QDII业务提升了我国证券公司的国际化水平，并成功经受住了2008年国际金融危机的考验。3．2我国证券公司发展历史与现状3．2．1我国证券公司的发展历程与我国证券市场的发展历程相适应，我国的证券公司发展大致也经历了从萌芽到初步发展乃至规范发展的三部曲。改革开放后不久，在对国外证券市场进行考查后，人民银行的下属单位和公司组建了新中国的第一家证券公司——深圳特区证券公司，这家公司于1985年1月开始试运营，1987年9月正式成立。成立早期，它的主要功能是承担国债的发行和流通转让，1988年才开始为深发展银行代理股票转让业务，成为了一家真正意义上的证券公司。1990年之后，随着股票市场的发展，特区证券也迅速成长起来。但也与当时的很多证券公司一起，陷入了挪用客户保证金和委托理财的泥潭。2001年，特区证券增资扩股并更名为巨田证券，但最终因未能按期完成整改，于2006年被招商证券托管。特区证券的发展历程是我国证券公司历程的写照之一，但我国的券商业并没有和特区证券一起倒下。在特区证券成立之后，人民银行和财政部系统分别成立了一批证券公司从事国债转让业务。1992年，工、农、中、建、交五大行及中国人民保险公司联合发起组建了三家全国性的证券公司——华夏证券、国泰证券和南方证券成立。1994年，第一家合资券商，中国国际金融有限公司成立。1998年，证券业与银行、保险、信托剥离，正式实行分业监管。2000年，由宏源信托更名改组而来的宏源证券在深圳股 万方数据基于超效率DEA的我国证券公司效率分析票交易所上市，成为第一家上市的证券公司。2003年，中信证券成为第一家通过IPO上市的证券公司。在这段飞速发展的过程中，证券公司也积累了很多问题。2003．2004年期间，伴随着股市长期低迷，前期积累的许多风险也逐渐暴露，如挪用客户保证金、挪用客户证券、违规开展委托理财、超比例持股等。行业内80多家公司面临着现金流短缺甚至资金链断裂的危险。在这样的背景下，证监会于2004年8月决定开展对证券公司的综合治理。一方面通过摸清情况、督促整改来化解已有风险。并对高风险公司进行及时处置，建立市场退出机制和投资者保护制度。同时依法查办当事责任人，以儆效尤，并建立从业人员和高管的准入制度。另一方面，对证券公司的各项制度尤其是风险监管体系进行改革，对客户资金存管、国债回购等业务流程也作出修改完善以防范风险，建立了新的分类监管制度，并建立健全一系列新的法律法规。从基础性体制和制度上改善了证券公司的经营状况、提高了风险管理能力。3年后，证券公司综合治理基本结束。证券公司也于2006年实现了全行业扭亏，也成功经历了2008年金融危机引起的股市下跌的严峻考验，没有再次发生全行业亏损或公司倒闭等风险事件。证券公司综合治理取得了圆满的结果，打造了我国证券行业的新面貌。3．2．2我国证券公司的现状根据中国证券业协会的资料，截至2012年底，全行业共有114家证券公司，总资产1．72万亿元，净资产6943．46亿元，净资本4970．99亿元。当年净利润329．30亿元，其中99家公司盈利，占比为86．84％。但从历年经营数据的变动可以看出，证券行业仍然存在着严重的“靠天吃饭”的特性，收入波动较大，尤其是三大传统业务，即经纪、承销投行、自营投资业务受影响最大。但近年来，证券公司的业务已经开始呈现多元化发展态势，传统业务的占比不断下降，以融资融券业务为首的创新业务逐步崭露头角。表格3一l：2007—2012年证券业总体经营状况单位：亿元200720082009201020112012收入2835．851251．002050．411926．531359．51294．71年变动率一55．89％63．90％一6．04％一29．43％一4．77％净利润1306．62482．00932．7l784．06393．77263．42年变动率一63．1l％93．51％一15．94％一49．78％一33．10％总资产17336．961200020300197001570017200年变动率一30．78％69．17％-2．96％一20．30％9．55％净资产3444．2635854838．775674．366302．556943．46年变动率4．09％34．97％17．27％11．07％10．17％净资本2966．0428873831．824319．224634．024970．9 万方数据基于超效率DEA的我国证券公司效率分析年变动率一2．66％32．73％12。72％7．29％7．27％受托管理资金本金9191483．321878．942818-6818900总额年变动率61．41％26．67％50．01％570．53％292．00247．6l363．57379．48323．0323．34％12．08％18．87％27．9l％24．95％经纪业务收入8821419．451076．26688．87504．07年变动率60．94％-24．18％-35．99％一26．83％占比70．50％69．23％55．87％50．67％38．93％年变动率一1．81％一19．30％-9．30％一23．16％承销业务收入77151．62272．99241．38177．44年变动率96．91％80．05％一11．58％-26．49％占比6．16％7．39％14．17％17．76％13．70％年变动率20．14％91．63％25．30％一22．81％投资业务收入231．73213．7149．77290．17年变动率一7．78％一76．71％483．02％占比0．00％11．30％11．09％3．66％22．41％年变动率一1．85％-67．00％512．20％资产管理业务收入1515．9622．0321．1326．76年变动率6．40％38．03％-4．09％26．64％占比1．20％0．78％1．14％1．55％2．07％年变动率一35．08％46．91％‘35．92％32．98％融资融券业务收入52．6财务顾问业务收入16．84投资咨询业务收入6．08资料来源：中国证券业协会经纪业务作为证券公司的主营业务之一，占营业收入比重一度高达70％。早期的佣金率受到行政保护，统一为3．5％o，这一时期的券商也尽享政策红利，凭借经纪业务获取了高额利润。然而，2002年5月起，开始佣金市场化改革之后，改为最高不超过3‰。各个券商纷纷展开佣金大战，佣金率随之不断下滑，迅速降至现场交易2．5％o，非现场交易1％o。在此过程中，尽管各家证券公司和证券业协会曾联手或出台自律规定，试图阻止佣金率下跌的趋势，但仍然难以止住佣金率的颓势。2011年，行业平均佣金率已经为0．81％o，降至历史新低。与此同时，经纪业务集中度从2008年到2010年逐年降低，2011年与去年基本持平，表明市场竞争已逐渐进入平衡状态。表格3-2：2008-2011年经纪业务情况2008200920102011全年股权基交易量(亿元)676851．951192045．61131348．0855，690．00同比-37．84％76．12％一5．09％一24．37％行业平均佣金率(‰)1．301．19O．95O．81 万方数据基于超效率DEA的我国证券公司效率分析资料来源：中国证券业协会、wind表格3—3：2007—2011年经纪业务市场集中度C5C10C20200725．27％41．73％58．47％200826．17％44．12％63．79％200923．68％41．33％62．03％201022．64％40．64％61．61％201l22．73％40．74％61．35％资料来源：wind承销业务也是证券公司的重要收入来源之一。2011年，由于股票市场低迷，股权融资大幅降低，融资额为4960．23亿元，同比下降51．28％；债权融资活跃，融资额为8669．71亿元，同比上升31．04％。在债券承销商具有优势的券商如宏源证券、长江证券异军突起，而老派投行中金公司则由于未能及时转型而在竞争中落后。与传统业务的低迷相反，融资融券业务自2010年试点推出后，已于2012年转为常规业务，并开始转融通的试点。融资融券日均余额一路攀升，转融通退出后更是一举超越1000亿元。2012年，行业融资融券业务收入为52．6亿元，已经成为证券公司新的利润增长点。表格3—4：融资融券日均余额融资融券余额日期(元)2010／3／310．0659062011／3／31209．08062012／3／30467．50232010／4／303．8481972011／4／29241．14612012／4／27485．26782010／5／3110．423232011／5／31257．62772012／5／31570．462010／6／3014．979742011／6／30273．99022012／6／29610．33532010／7／3025．305592011／7／29321．56492012／7／31641．39892010／8／3137．813152011／8／31343．5662012／8／3l674．94972010／9／3047．020052011／9／30335．91162012／9／28700．58922010／10／2969．742152011／10／31335．66972012／10／31769．96412010／11／3094．104042011／11／30376．53962012／I1／30771．38392010／12／31127．71592011／12／30382．06862012／12／31895．156l2011／1／31144．14242012／1／31357．95922013／1／311183．9192011／2／28165．90562012／2／29407．94742013／2／281394．988资料来源：谢nd 万方数据基于超效率DEA的我国证券公司效率分析第四章我国证券公司效率分析4．1DEA方法及模型简介前文已经介绍过DEA方法是一种使用线性规划技术来衡量决策单元效率的工具。具体的应用模型可分为规模报酬不变和规模报酬可变，投入导向型和产出导向型，经典DEA模型和超效率DEA模型。(1)CCR模型(规模报酬不变)和BCC模型(规模报酬可变)规模报酬不变(可变)意味着当所有投入以同一比例增加或减少时，产出以相同(不同)的比例增加或减少。当产出变动的比例大于投入变动的比例时，成为规模报酬递增，当产出变动的比例小于投入变动的比例时，称为规模报酬递减。以单产出为例，假设生产函数为f(K，L)时，规模报酬递增(不变、递减)依次为下列三种形式：f(九K，九L)>九f(K，L)规模报酬递增(式4．1)f(zK，地)=蛾K，L)规模报酬不变(式4．2)f(九K，地)<入f(K，L)规模报酬递减(式4．3)CCR模型和BCC模型分别适用于规模报酬不变和规模报酬可变的情况。CCR模型假定生产技术是规模报酬不变的，所以无需选择最优的生产规模，只需要关注技术效率本身。假定有1个决策单元(DMUdecisionmakingunit)，每个都有n个投入变量和m个产出变量。向量xi是一个n×1的向量，表示第i个决策单元的投入；向量们是一个mX1的向量，表示第i个决策单元的产出。N×I的矩阵X表示1个决策单元的所有投入，MXI的矩阵Q表示1个决策单元的所有产出。某个决策单元所有产出比所有投入(效率值)为u'qi／v％，其中H是一个m×1的向量，表示产出的权数，，是一个nX1的向量，表示投入的权数。通过下列线性规划问题就可以求出最优权数：maxll，v(1ltqi／vrXi)s．tu'qi／v'xiSl，嵋’，芝0也就是使得所有的效率值小于等于1的情况下，大化，从而求出权数。由于这个公式具有无穷多个解，上述问题变为：max地vu'qis．tv'xi=174式(4．4)使得每个决策单元的效率值最所以加入约束条件v'xi=1。 万方数据基于超效率DEA的我国证券公司效率分析HFqi-vk匹0，i=1，2，⋯⋯，I屿v>O式(4．5)通过线性规划的对偶性，上述问题等价于如下的包络模型：mino。x0s．t-qi+鳓芝0OXi—X2芝0五兰0式(4．6)所求解出来的臼就是第i个决策单元的效率值，工则是一个IX1的常数向量。当0=1时，意味着该决策单元处在这个参考集的效率前沿面之上，即相对于其他的决策单元是有效的。当0<1时，则意味着相对于其他的决策单元而言，该决策单元的投入要素过多，产出要素过少，该决策单元被称为是无效的。从投入导向的角度来看，该决策单元应当减少(1．臼)比例的投入，才能成为有效的。即假设0=-0．8，则意味着该决策单元的投入应减少20％，产出保持不变，才能达到技术有效的状态。这也是DEA方法的优点之一，通过计算效率值，不仅能够判断决策单元是否有效，还能指出决策单元进行改进的目标值(即投入和产出应达到多少才能达到有效)。在CCR模型中，无效的决策单元可能与规模相差很大的决策单元进行比较。为了度量规模报酬可变条件下的规模效率，Banker等(1972)提出在CCR模型的基础上，添加了一个约束条件：1'2=1(其中J是一个元素均为1的IX1向量)，使得无效率的决策单元只和规模类似的决策单元相比较。模型为：mino．灼s．t—qi+Q五兰0缸i—X2≥01'2=1五兰0式(4．7)上述BCC模型计算得出的技术效率是纯技术效率(VRSTE或PTEpuretechnicalefficiency)，如果纯技术效率与CCR模型计算出来的技术效率(CRSTE)不同，说明该决策单元是规模无效的。技术效率(TE)=纯技术效率(PTE)×规模效率(SE)。所以可以通过CCR模型和BCC模型计算出来的效率值相除得到规模效率。为了进一步分析决策单元是处在规模报酬递增阶段还是处在规模报酬递减阶段，可以把式(4．7)中的约束条件改为：1'251，从而得出非递增规模收益的技术效率。mino．x0s．t—qi+Q,z芝0Oxi—X2之0 万方数据基于超效率DEA的我国证券公司效率分析J翟5l2兰O式(4．8)J囊冬l使得第i个决策单元的比较基准不是相对规模太大的决策单元。如果式(4．7)的结果与式(4．8)的结果相等，说明该决策单元处于规模报酬递减阶段；如果不相等，则处于规模报酬递增阶段。(2)投入导向型模型和产出导向型模型投入导向模型是在给定产出水平的情况下，计算需要减少多少投入变量才能达到技术有效状态来计算效率值；产出导向模型是在给定投入水平的情况下，计算需要增加多少产出变量才能达到技术有效状态来计算效率值。这其实是从两个不同的角度来分析问题。所以这两种模型计算出来的前沿面是一样的，也即可以识别出来的有效决策单元是一致的，但是对无效决策单元所计算出的效率值有所区别。其中，在规模报酬不变的情况下，投入导向型和产出导向型所计算的效率值是一样的。但在规模报酬可变时，所计算出的效率值不同。这可以用一个单投入、单产出的例子来简单说明。qAoCX图4-1：规模报酬不变的效率测量如图4。1所示，假定一个决策单元的投入为X，产出为q，fI(x)表示规模报酬不变的生产技术，点Z表示无效决策单元的运营状态：投入量xz=AZ，产出量q：=CZ。如果从投入导向的角度，点Z应收缩到点B，投入量从AZ减少为AB，产出量不变，此时达到有效状态。所以点Z的效率值=AB／AZ。如果从投入导向的角度，点z应扩张到点D，投入量不变，产出量从CZ增加为CD，此时达到有效状态。所以点Z的效率值=CZ／CD。从几何的角度易知：AB／AZ=CZ／CD。即从投入导向和产出导向测量的点Z的效率值相等。 万方数据基于超效率DEA的我国证券公司效率分析aA0CX图4-2：规模报酬可变的效率测量如图4—2所示，其余条件相同，g(x)表示规模报酬不变的生产技术，此时，从几何的角度易知：AB／AZCCZ／CD。即从投入导向和产出导向测量的点z的效率值不相等。(3)超效率模型在传统的DEA模型中，有效的决策单元的效率值均为1，不能做出进一步的区分，为了解决这个问题。Andersen和Petersen(1993)提出了超效率DEA方法，以对处在效率前沿上的决策单元进行排序。超效率DEA方法是在求解的时候，每个决策单元不再与自身相比较，因此得到的效率值可能大于1。其实是将式(4．5)变形为：maxuvH钚s．tl，ki=1u'qi-v'x匹O，i=1，2，⋯⋯，I且i≠io玛脚式(4．9)对于有效决策单元，其超效率值越高就越好。并且，由于超效率值不再局限在小于等于l的区间内，所以还可以用来进行敏感性测试，以及使用更多的回归方法来分析超效率值的影响因素。4．2模型及指标选择此前对证券公司进行效率分析的文献中(见本文第二章“文献综述”部分)，基本采用传统DEA模型，因此存在对有效的证券公司无法区分的现象。所以本文在传统DEA模型的基础上，还使用超效率DEA模型，进一步对处在效率前沿的证券公司做出区分。 万方数据基于超效率DEA的我国证券公司效率分析在CCR模型和BCC模型的选择上，由于没有理由表明我国证券公司的运营是规模报酬不变的，并且BCC模型能够计算规模效率，从而可以判断证券公司应该扩大还是缩减规模，所以本文采用BCC模型。在投入导向型和产出导向型的选择上，之前的文献基本上都选择了投入导向型模型。这是因为Coelli(2005)曾提到：当决策单元能够较为自由地控制投入生产要素数量时，适宜选择投入导向模型；而当决策单元难以调整投入生产要素的数量时，应该选择产出导向模型。鉴于证券公司对投入要素的控制能力较强，所以本文也采用投入导向的模型。在效率值的计算上，使用投入量和产出量可以计算出决策单元的技术效率、纯技术效率和规模效率。如果再加上价格指标，还可以计算配置效率。对于生产型企业而言，价格指标可以直接采用所投入原材料的平均价格，但是由于证券公司投入的要素主要是人力和资本，难以计算合理价格。所以本文没有进一步计算配置效率。指标的选取直接决定了效率的计算结果，对文章的结论非常重要。在投入指标的选择上，此前的文献主要采取人力和资本两种投入要素。这也符合证券公司的特征，作为人力密集型企业，证券公司的固定资产占比较少，主要投入是人员，人员投入的多少以及素质的高低直接影响到公司的经营状况。有的文献采取“员工数量”来衡量人力的投入，可能有欠妥当。因为这一指标仅体现了数量的概念，没有体现质量的差异。作为对专业服务能力要求很高的行业，证券公司不仅是人力密集型，更是知识密集型，所以投入人才的质量远胜于投入人才的数量。由于对不同层次的员工所支付的薪酬有明显的差异，所以本文采用“员工薪酬”这一指标来衡量人力投入，可以兼顾数量和质量两方面，综合体现公司的人力成本。从数据的实际采集来看，有的文献采用的是财务报表附注中“职工费用”一项，考虑到财务报表附注的披露内容缺乏统一的标准，有的未披露“职工费用”、有的包括了“职工福利费”而有的未包括。所以本文采用的是现金流量表中“支付给职工及为职工支付的现金”一项，这一项代表公司每年为人力成本所直接付出的现金。而且是财务报表中的标准栏目，各公司的计算口径较为一致，更具有可比性。尽管从会计的角度，现金流出不一定代表当期成本，但是从经济分析的角度看，用现金流出代表公司的投入是合理的。在投入资本的指标选择上，有的文献采用“注册资本”，这一指标有待商榷，因为“注册资本”的多少一般反映了公司的初始规模，与公司的后续经营关系不大；有的文献采用的是经过调整的“营业费用”，同样不够合理，因为所投入的资本应该是一个每年用于运营的资本存量，而非发生的费用。所以，本文采用了“净资本”来衡量证券公司的资本投入。净资本是在考虑了证券公司的风险特征后，对净资产 万方数据基于超效率DEA的我国证券公司效率分析扣减了金融产品投资、应收项目、其他流动资产、长期资产、或有负债的相应风险调整之后计算得出的。净资本是我国证券公司非常重要的一项指标，综合治理后，监管机构针对证券公司建立的风险管理体系是以净资本为核心的。根据《证券公司风险控制指标管理办法》，证券公司从事经纪、投行、自营、资产管理等业务的，净资本都必须达到规定的规模以上。同时从事自营业务时所持各类证券的额度上限，以及开展融资融券业务规模都直接与净资本相挂钩。由此可见，净资本的投入多少直接关系到证券公司各项业务的开展情况，所以使用净资本作为证券公司的资本投入是非常合理的，并且此项指标有统一的计算标准，能直接在年报中取得，也具有较好的客观性和可比性。同时，之前的文献在采用注册资本、净资产等存量指标作为投入变量时，往往没有加以处理。因为本文是针对证券公司每年的经营情况来计算其效率，所以简单采用报表中年末净资本是欠妥的。应该采用年初和年末数进行平均得到平均净资本，才能更好地反映全年的资本投入情况。在产出指标的选择上，有的文献采用“净利润”，这是不妥当的。因为净利润的计算中已经扣除了费用，所以不是单纯的产出指标，应该采用收入来代表产出。有的文献采用的是各项子业务的收入，如手续费和佣金收入、投资净收益等。但是效率考查的是证券公司的整体经营状况，这些收入合并起来就是整体的营业收入，已经足以代表证券公司的产出状况。并且不同的证券公司有不同的经营战略重心，不能认为理想的情况是所有证券公司都有类似比例的各项业务收入。所以本文选择采用“营业收入”来代表产出。4-3样本选择Chames曾经指出：根据一般经验，为了得出合理的结果，所选取的决策单元的数量应大于等于投入指标数和产出指标数之和的两倍。如果数量过少会使得大部分决策单元都处于效率前沿面之上，得出不准确的结果。在后续的实践中，学者们也相继提出了其他更为严格的判断标准。综合看来，一般如果决策单元的数量满足以下等式，就能符合模型自由度的要求。i>一max{nXm，3(n+m))其中i为决策单元个数，11是投入指标个数，此处为2，rll为产出指标个数，此处为l。max{2X1，3(2+1)}=9，所以应该至少有9个决策单元才能满足自由度的要求。本文拟选取证券公司2011年的数据进行分析。截至2011年底，中国证券业协会共有109家会员单位(证券公司)。这109家证券公司中，2011年报中具有本文所需所有数据的共有73家，除去中信证券(浙江)和中信万通这两家中信证券的子公司，日 万方数据基于超效率DEA的我国证券公司效率分析之后还有71家，足以满足DEA方法的要求。因为数据原因剔除的33家证券公司基本上是财富里昂证券、一创摩根证券、海际大和证券、高盛高华证券这类合资券商或航天证券、万和证券、众成证券这类规模较小的券商。这两类券商受政策或规模约束，往往牌照不全，经营流程和全业务的券商差别较大，同时由于体量较小，对行业的影响也微乎其微，所以不包括在数据中对本文结论并无影响。在样本数据的调整上，由于数据均来自统计报表，所以绝大部分未做调整。仅有中信证券在2011年因转让华夏基金公司股权，有大额的非正常收入，所以在2011年的营业收入中，已扣除了当年股权转让的所得。4．4实证分析本文采用EMS软件(efficiencymeasurementsystem)来计算效率值和超效率值。选取投入导向型模型。先采用CCR模型计算得出技术效率，再由BCC模型计算得出纯技术效率，两者相除即可得出规模效率。同时将BCC模型计算得出的效率值与规模报酬非递减模型得出的效率值相比较就可以判断决策单元所处规模报酬的区间。首先，由于DEA方法要求投入变量和产出变量之间不能具有负的相关关系，所以对本文选取的投入变量和产出变量进行相关性分析，发现营业收入与净资本的相关系数为O．95、与职工薪酬的相关系数为O．94，可以认为产出变量和投入变量之间呈现高度正相关关系，说明变量选取较为合理。表格4—1：投入产出变量相关性检验营业收入净资本职工薪酬营业收入10．9462940．941947净资本0．946294l0．905982职工薪酬O．9419470．9059821资料来源：Eviews计算结果然后使用EMS软件按照经典DEA模型计算出证券公司的效率值。表格4—2：我国证券公司201i年效率值技术效率纯技术效率规模效率规模报酬(TE)(PTE)(SE)光大证券1．00递增首创证券1．001-001．00递增海通证券1．OO1．001．OO递减新时代证券0．981．00O．98递减华西证券0．890．920．97递减招商证券O．86O．950．90递减国联证券O．860．890．97递增 万方数据基于超效率DEA的我国证券公司效率分析西藏同信证券0．861．OOO．86递增平安证券O．851．OO0．85递减南京证券0。82O．870．94递增华泰证券O．8lO．870．94递减国元证券0．81O．840．96递增浙商证券O．80O．82O．98递减华安证券0．80O．900．89递增国泰君安O．791．00O．79递减申银万国0．74O．90O．83递减华林证券O．74O．77O．97递增宏源证券0．740．850．87递减东兴证券0．73O．75O．97递增东方证券0．720．74O．97递减国信证券O．701．000．70递减华福证券0．70O．82O．85递增西部证券O．680．691．OO递减国都证券O．680．76O．89递增太平洋证券0．68O．72O．94递增中航证券0．67O．73O．92递增长城证券0．670．68O．99递减齐鲁证券0．670．77O．87递减东吴证券0．67O．671．00递增中银国际证券0．66O．69O．96递减银河证券0．651．00O．65递减中信建投证券0．650．880．74递减民生证券O．65O．690．94递减国盛证券0．64O．84O．77递增兴业证券0．640．72O．89递减红塔证券0．640．770．84递增上海证券O．620．630．99递减瑞银证券0．620．630．99递减德邦证券0．620．82O．76递增安信证券0．61O．720．85递减世纪证券O．610．67O．90递增中投证券O．600．700．86递减东莞证券O．590．610．97递增信达证券0．590．610．95递减华鑫证券0．59O．680．86递增银泰证券O．581．000．58递增长江证券O．580．99递减财通证券0．58O．63O．92递减方正证券0．57O．571．00递减广发证券O．56O．740．77递减31 万方数据基于超效率DEA的我国证券公司效率分析山西证券0．56O．57O。98递增东海证券O．55O．570．97递减大通证券0．55O．72O．77递增第一创业证券O．540．550．98递减恒泰证券0．54O．59O．91递增湘财证券O．53O．57O．92递增中山证券O．530．65O．81递增中信证券O．501．00O．50递减渤海证券O．50O．52O．96递增国金证券O．490．52O．95递减高华证券0．45O．450．99递减东北证券O．440．460．97递增日信证券O．440．93O．47递增万联证券O．440．570．77递增金元证券0．43O．530．8l递增西南证券0．43O．47O．92递增中原证券0．42O．45O．95递增财富证券0．390．47O．85递增英大证券0．380．650．58递增广州证券0．360．450．80递增华宝证券0．190．870．21递增资料来源：根据年报数据整理，EMS计算结果表格4—3：效率值统计结果TEPTESEMean0．64O．74O．87Median0．64O．720．92Maximum1．00MinimumO．19O．450．21Skewness0．140．05—2．17KurtosiS3．181．958．89Jarque—BeraO．323．29158．69Probability0．85O．190．00资料来源：Eviews统计结果表格4—4：效率值分段统计结果TEMeanStd．Dev．0bS．[0，0．2)0．1858NA1[O．2。0．4)O．377267O．0189093[0．4。0．6)O．5191720．05946625[0．6，0．8)O．6712710．0468828[0．8，1)O．8614420．06562112[1，1．2)102A1l0．6398560．1623797132 万方数据基于超效率DEA的我国证券公司效率分析PTEMeanStd．Dev．Obs．[0．4，0．6)0．5221880．055i217[0．6，0．8)0．695270．04944427[0．8，1)0．8723120．04111816[1，1．2)10llA1l0．7409370．1699467lSEMeanStd．Dev．Obs．[0．2，0．4)0．213NA1[0．4，0．6)0．5356750．05664[0．6，0．8)0．7455780．042269[0．8，1)0．92710．05809955[1，1．2)l02A110．874034O．14323971资料来源：Eviews统计结果从统计结果来看，我国71家证券公司的技术效率的均值和中位数均为0．64，最大为1，最小为O．19，经过Jarque-Bera检验结果，较为近似正态分布(p=0．85)。而纯技术效率和规模效率均不服从正态分布。纯技术效率的均值为0．74，中位数为O．72，最大值为1，最小值为O．45；规模效率的均值为O．87，中位数为O．92，最大值为l，最小值为0．21。技术有效的证券公司有两家，分别为光大证券和首创证券，大部分证券公司(53家)的效率值在0．4．0．8之间。纯技术有效的证券公司一共有11家，包括光大、首创、海通、新时代等。纯规模有效的也是光大证券和首创证券，大部分证券公司(55家)的规模效率在O．8到1之间。71家证券公司中，有37家(超过半数)处于规模报酬递增的区间。上述结果可以说明目前我国证券公司的技术效率分化较为明显，最差的华宝证券技术效率值仅为0．19，通过进一步分解可知，由于大部分的证券公司规模效率值在O．8．1之间，所以可以认为大部分公司的技术无效主要来自纯技术无效。例外的情况是华宝证券，华宝证券的纯技术效率为0．87，而规模效率仅为0．19，主要是规模效率的低下造成了较低的技术效率。如上文所述，DEA方法的优势之一就是除了能计算效率值的多少，还能根据投影和松弛1来指出决策单元改进效率的方向。以华宝证券为例，从下表信息中可以看出在计算技术效率时，比较基准是光大证券，华宝证券需要在将净资本和职工薪酬减少为原来的19％的基础上，再削减6153．26万元的净资本才能达到技术有效；在计算纯技术效率时，华宝证券的比较基准是规模较为相近的银泰证券，华宝证券需要在将净资本和职工薪酬减少为原来的87％的基础上，再削减14906．52万元的净资本，并增加10502．35万元的营业收入，才能达到纯技术有效。 万方数据基于超效率DEA的我国证券公司效率分析表格4-5：华宝证券案例分析SC0rebenchmarksslack(净资本)slack(职工薪酬)slack(营业收入)技术效率O．19光大证券6153．26O0纯技术效率0．87银泰证券14906．5lO10502．35资料来源：EMS计算结果整理处于规模报酬递增和处于规模报酬递减区间的券商基本上各占半数，通过对71家证券公司的进一步细化分析，我们发现按总资产进行排名后，规模在前31名的证券中，26家规模报酬递减，5家规模报酬递增：而规模在后40名证券公司中，有ll家规模报酬递减，29家规模报酬递增。说明目前大证券公司的规模已经过大，不适宜继续扩张，而小型证券公司依然有不少处于规模报酬递增阶段，可以通过整合等方式来扩大经营规模，提高效率。与刘彦(2010)对于2008年102家证券公司的分析相对比，当时仅有13家大型证券公司处于规模报酬递减，说明在2008．2011年的3年间，我国证券公司继续进行规模扩张，具有一定的盲目性，反而导致更多公司陷入规模报酬递减。从上述结果可以看出，按照经典DEA模型来计算，有2家证券公司处于技术有效和规模有效，有11家证券公司处于纯技术有效，为了继续对这些处在效率前沿面上的证券公司做进一步区分，我们使用EMS软件重新计算了证券公司的超效率值。由于无效证券公司的超效率值与效率值相等，所以此处仅列出有效证券公司的超效率值。其中，中信证券的纯技术效率的超效率值为big，这是由于超效率的计算方法所带来的不可行问题，big意味着中信证券的纯技术效率非常高，可以任意增加投入或缩减产出但仍处于纯技术有效的状态。从中可以看出中信证券的技术效率并不高，但是纯技术效率非常高，这说明它主要是由于规模过大，从而导致规模效率不高。在纯技术效率超过l的证券公司中，中信证券、海通证券、平安证券、国泰君安证券、国信证券、银河证券这6家大型券商都由于规模效率不高，并且是规模报酬递减，拖累了技术效率；银泰证券、西藏同信证券是由于规模不够(规模报酬递增)导致的低规模效率拖累了技术效率。只有首创证券、新时代证券、光大证券这3家选择了较为合适的经营规模，从而使得总技术效率较高。表格4—6：有效证券公司的超效率值超效率技术效率纯技术效率规模效率规模报酬中信证券O．50bign．a递减海通证券1．001．810．55递减银泰证券O．581．440．41递增西藏同信证券O．861．40O．62递增首创证券1．2l1．290．94递增平安证券O．851．2lO．70递减国泰君安O．791．16O．68递减 万方数据基于超效率[3EA的我国证券公司效率分析新时代证券O．981．050．94递减光大证券1．011．030．99递增国信证券O．701．020．68递减银河证券0．651．010．64递减资料来源：EMS计算结果整理对全体70家券商(剔除中信证券的异常值)的超效率值的统计结果显示，技术效率的超效率均值为O．65，中位数为0．64，最大值为1．2l，最小值为O．19，不再类似正态分布。纯技术效率的超效率均值为O．77，中位数为O．72，最大值为1．8l，最小值为0．45；规模效率的超效率均值为0．87，中位数为O．92，最大值为1，最小值为0．21。表格4—7：超效率值统计结果TEPTESEMeanO．65O．770．86Median0．64O．720．92Maximum1．2l1．811．00Minimum0．190．450．21SkewnessO．461．60一1．94KurtoSiS4．066．637．24Jarque—Bera5．7468．4496．26Probability0．060．00O．00资料来源：Eviews统计结果表格4-8：超效率值分段统计结果TEMeanStd．Dev．ObS．[0，0．5)0．4050．07597812[0．5，1)0．674O．10963955[1，1．5)1．073333O．1184623All0．645O．17146270PTEMeanStd．Dev．ObS．[0。0．5)0．4150．0339126[0．5，1)0．6301850．12931654[1，1．5)0．8477780．1972179[1．5，2)lNA1A110．6450．17146270SEMeanStd．Dev．ObS．[0．2，0．4)O．213NA1[0．4，0．6)0．5024750．0795664[0．6，0．8)．0．7175180．0556091l[0．8，1)0．9290850．05611154A1lO．861231O．15358670资料来源：Eviews统计结果 万方数据基于超效率DEA的我国证券公司效率分析第五章我国证券公司效率的影响因素分析5．1我国证券公司效率的影响因素理论分析如上文所述，之前的文献对于我国证券公司的效率影响因素从多个方面进行了分析，如资产规模、股权结构、业务结构、治理结构等。从理论上来看，影响证券公司效率的因素主要可以分为外部和内部两大类。从外部因素来看，一方面证券公司的经营受到宏观经济的影响。对证券公司经营影响较大的宏观经济因素有：(1)GDP增长率：GDP的增长率反映了国家整体经济的增长幅度，由于我国目前的证券化率(股市市值／GDP)已达到50％左右，所以国民经济的繁荣和衰退在很大程度上可以在上市公司的表现中体现出来。(2)通货膨胀率：按照费雪假说，资产价格将会随着通货膨胀而提高，从而保持实际收益率的不变，所以通胀会带来股市上涨。而按照Fama(1981)提出的代理假说，由于通胀时公司的实际增长降低，所以股票收益反而会下降。目前关于这两种假说所做的实证研究很多，但尚未得出统一的结论。但宏观经济的各种因素最终还是通过影响证券市场从而影响证券公司的效率。即传导途径是：宏观经济变动——证券市场变动——证券公司效率变动。所以我们可以使用证券市场的情况来代替各种外部因素的影响。这是由于目前传统业务收入(经纪、投行、自营)仍在证券公司营业收入中占据较大比重，而这些业务又与我国宏观经济的运行尤其是证券市场的情况密切相关。投行业务直接与一级市场融资量相关，经纪业务直接与二级市场交易量相关，自营业务的盈亏也基本取决于二级市场的波动。总体而言，我国大部分证券公司仍然处于“靠天吃饭”的阶段。另一方面，我国证券公司受行业政策影响较大，监管机构的各种市场管制或放开政策直接影响证券公司的各项业务。如2002年佣金率的放开使得全行业结束了垄断暴利时代，陷入佣金大战；IPO的暂停和重启直接关系到股权承销业务的开展；2012年对资产管理业务和创新业务的放开为整个行业找到了新的利润增长点。内部因素主要有以下几方面：(1)规模：由于存在规模报酬递增和递减的影响，并且不同规模的证券公司所开展的业务范围以及经营地域的覆盖面也都不同，所以规模的大小应该对证券公司的效率有所影响。(2)资本结构：按照最初的MM理论，在无税情况下，公司的资本结构不影响市场价值。有税情况下，由于债务利息可以税前扣除，所以增加负债可以带来节税收益。公司应该尽可能加大杠杆，通过债务融资来增加企业价值。后来，米勒考虑36 万方数据基于超效率DEA的我国证券公司效率分析了个人所得税的影响，认为个人所得税的影响会减少负债的好处。而权衡模型理论认为增加杠杆会带来财务困境成本和代理成本，从而最优资本结构取决于对于节税收益和财务困境成本、代理成本之间的权衡。同时，按照杜邦分析，净资产收益率是资产净利率和杠杆(总资产／总股东权益)的乘积，资本结构也会对公司的资本收益率产生影响。(3)业务结构：我国证券公司的业务目前主要分为经纪、投行、自营、资产管理、创新业务五大类，传统上证券公司的收入大部分依赖于经纪收入，2008年的经纪收入占比约70％，近年来经纪收入的占比尽管一直在下降，但2011年经纪收入占比仍然有40％左右。从理论上说，多样化的业务结构会有利于公司业绩的提升。首先，业务范围的拓展会带来范围经济，即通过多业务联合经营，充分利用已投入的各种资源，可以获取更大收益。其次，从交易费用理论的角度来看，扩大经营范围可以使得一部分交易活动内化，从而达到降低交易费用的效果。最后，从现代资产组合理论的角度来看，从事相关性较低的多种业务可以显著降低整体的风险，减少收益的波动性。(4)是否上市：公司上市之后，一方面可以扩充净资本，扩大现有业务规模；另一方面也可以提高知名度，并在公众监管之下进一步提高管理水平。但上市后对信息披露、治理结构等多方面要求的提高也会加大公司成本，并且上市后由于融资较为方便，可能会造成企业生产的盲目扩张，反而使得规模报酬递减，效率下降。(5)股权结构：股权结构是公司治理结构中的重要指标，公司大股东的性质，持股比例的集中程度都会通过影响代理成本，从而影响公司业绩。5．2我国证券公司效率的影响因素实证分析5．2．1解释变量和样本选择在上一节对影响证券公司效率的因素的理论分析的基础上，本文选取的内部解释变量为：规模(使用总资产来代表，TA)、资本结构(使用经调整的资产负债率来代表，按照财政部2009年公布的《金融类国有及国有控股企业绩效评价暂行办法》，在计算资产负债率时，要扣除代理买卖证券款，DA)、业务结构(使用代理买卖证券业务净收入即佣金收入／营业收入来代表，BR)、是否上市(虚拟变量，上市公司取值为1，非上市公司取值为0，LI)。由于数据难以获得，所以没有选取股权结构作为解释变量。在外部解释变量的选取上，考虑到宏观经济因素最终都是通过证券市场的变化来影响证券公司。证券市场的指标主要有：指数涨跌幅、一级市场融资额、交易 万方数据基于超效率DEA的我国证券公司效率分析额，而后两者都会明显受到指数涨跌幅的影响。所以本文选取上证综指的年涨跌幅(sH)来代表市场的影响。行业监管政策方面，从2007．2011年期间，我国证券公司处于综合治理结束完成的平稳阶段，证券公司数量基本保持稳定，也没有出台大的行业政策。尽管从监管的层面放开了一些新业务如资产管理业务、融资融券业务、直接投资业务，但这种政策的影响是循序渐进的，并非会引起某一时期或某些公司的突然转变。所以本文没有引入政策变化作为解释变量。在被解释变量方面，本文选取了第四章中所述的EMS软件计算出的证券公司的技术效率(TE)、纯技术效率(PTE)和规模效率(SE)的超效率值。同时，由于本文使用面板数据来进行回归分析，需要比较不同年份的证券公司的效率值。而数据包络方法所计算的是一种相对效率，即每个效率值只是针对计算该效率值所用的参考集而言的，所以在本章中所采用的超效率值在第四章的基础上做了调整，并不是单独计算每一年份的效率值，而是将所有年份的数据放在一起来计算出整体的效率前沿，再得到每个公司每个年份的超效率值。这种方法使得我们可以将不同年份的超效率值放在一起进行比较。在样本的选取上，由于2006年之前，大部分证券公司都没有正规的年报披露，所以目前可用的数据在2006年．2011年，又因为本文所选取的“平均净资本”这一指标的计算需要有前一年末的数据，所以最终本文所用的时间段选择在2007年．2011年这5年时间。在样本公司的选择上，在2006．2011年间具有本文所需所有数据的共有50家，除去中信证券(浙江)和中信万通两家中信证券的子公司之后还有48家。其中，由于2008年东方证券和太平洋证券出现亏损，营业收入为负，而DEA模型要求投入和产出变量均为正数。根据DEA模型的变换不变性，将所有营业收入加50000万元使得产出变量为正。通过使用EMS软件的计算，发现中信证券2007年的纯技术效率为big，所以在样本中剔除掉中信证券，最终所采用的样本是2007．2011年的47家证券公司。(数据见附录)5．2．2回归分析在回归模型的选择上，如果使用经典DEA模型计算的效率值，由于线性规划方程的特性，使得效率值的上限为l，所以应该使用受限因变量模型中的截断模型(tobit模型)来进行回归。在使用超效率DEA模型计算的超效率DEA时超效率值的取值已经不再是一个上限为1的截断数据。Coelli(2005)认为，对于超效率值的回归分析，可以选择使用普通最d'--乘回归(OLS)，不需要使用tobit模型。本文使用stata软件对面板数据进行回归分析，并建立对数回归模型如下：3R 万方数据基于超效率DEA的我国证券公司效率分析LNPTEit=cco+alLNTAit+ot2LNDAit+a3LNBRit+ot4LIit+asSHt+112it(式5．1)LNPTEit=130+131LNTAit+132LNDAit+133LNBRit+134LIit+13sSHt+U2it(式5．2)LNPTEit=1／o+y1LNTAit+y2LNDAit+y3LNBRit+74LIit+135SHt+U3it(式5．3)其中i=l，2，⋯⋯，47t=2007，2008，2009，2010，201l、其中LNTEit、LNPTEit、LNSF4t等分别代表了第i家证券公司在第t年的技术效率、纯技术效率、规模效率的对数，LNTAi。代表第i家证券公司在第t年的总资产(单位：万亿元)的对数，LNDAi。代表第i家证券公司在第t年的经调整的资产负债率的对数，LNBRi。代表第i家证券公司在第t年的经调整的经纪业务收入占比的对数，LIi。代表第i家证券公司在第t年是否上市，SHt表示当年上证综指涨跌幅。由于LI部分取值为0，SH部分取值为负，所以并未进行对数化处理。ui。为残差项。由于本文选取的面板数据时问跨度较短，只有5年，属于短面板数据，所以不需要进行单位根和协整检验。根据白仲林(2008)，面板数据模型主要可分为混合模型、固定效应模型和随机效应模型。混合模型是指0【和B都不随个体和时期而变化：Yit=口+Xit锣+Uit(式5．4)固定效应模型分为个体固定效应、时点固定效应和个体时点固定效应，一般用的是个体固定效应，此时0ci随个体而变化，与解释变量相关：Yit=ai+Xit锣+Hit(式5．5)随机效应模型分为个体随机效应、时点随机效应和个体时点随机效应，一般用的是个体随机效应，此时0【i是个随机变量，与解释变量不相关：Yit=吐i+Xt锣+Uit(式5．6)分别通过F检验和Hausman检验，发现对技术效率和纯技术效率的回归分析应选择使用固定效应模型，对规模效率的回归分析应选择使用随机效应模型。回归结果如下：表格5—1：面板数据回归结果Intelnptelnset统t统计系数P值系数P值系数P值计量里量Inta一0．50623—4．800．000-0．54139—4．730．000-0．02955-1．540．125lnda—O．01576一O．440．662-0．00548—0．140．889-0．00962—0．900．366lnbr-0．32684—4．150．000-0．26455—3．090．002-0．07445—3．29‘0．0011i-0．40215—3．130．002-0．34704—2．48O．014-0．02565—0．780．436sh0．64852116．180．0000．66663515．320．000-0．00694—0．610．545常数项一3．62066—7．670．000—3．5613—6．940．000-0．34551—3．790．000资料来源：St,am计算结果整理 万方数据基于超效率DEA的我国证券公司效率分析从上述结果可以看出，本文选取的几个解释变量能较好地解释技术效率和纯技术效率：资产规模、经纪业务占比和上市对技术效率和纯技术效率的影响显著为负，上证综指涨跌幅对技术效率和纯技术效率的影响显著为正，资产负债率对技术效率和纯技术效率的影响均不显著。而在对规模效率的回归上，仅有经纪业务占比的影响显著为负，其余解释变量均不显著。这可能是因为本文选取的解释变量不够全面，根据其他文献对于金融机构规模效率的因素分析，股权结构、员工素质均可能对企业选择适当生产规模的能力——即规模效率产生影响。而本文由于相关数据的缺乏，未将这些指标纳入回归方程之中。从具体各个指标的情况来看，资产规模对技术效率和纯技术效率都具有负面影响，并在O．1％的显著性水平下显著，说明各个证券公司应注意控制经营规模，盲目的扩张可能反而带来效率的降低。资产规模对规模效率的影响不显著，大型证券公司和小型证券公司可能都没能选择最优规模进行生产。资产负债率对任何一种效率的影响均不显著，可以认为资产负债率的改变并不影响我国证券公司的效率。这证明了上一节中提到的关于资本结构的权衡模型，即最优资本结构决定于对负债带来的收益和成本的权衡，并无明确的方向性倾向。经纪业务占比对三种效率的影响都具有显著的负面影响，证明了上一节理论分析中，业务多样化有利于公司效率的推断。所以我国的证券公司应该积极开展创新业务，进一步降低对传统业务尤其是经纪业务的依赖程度。令人惊讶的是，上市对于技术效率和纯技术效率都有负面的影响，这可能是由于一方面上市后的规范化要求增加了证券公司的运行成本，另一方面上市带来净资本(投入变量)的增加，但是上市公司没能对此进行充分利用，并未获取足够的产出变量的增加值，所以反而使效率下降。在0．1％的显著性水平上，上证综指的涨跌幅对证券公司的技术效率和纯技术效率的影响显著为正，说明目前我国证券公司的经营受外部环境影响很大，仍处于“靠天吃饭”的阶段，需要进一步通过平衡业务结构等方式来增加经营的平稳性。但市场的变化对规模效率没有显著影响。 万方数据基于超效率DEA的我国证券公司效率分析第六章研究结论和政策建议6．1实证结果总结本文首先使用经典DEA模型和超效率DEA模型，从柯布道格拉斯生产函数的思想出发，选择平均净资本代表资本投入，现金薪酬代表人力投入，选择营业收入为产出指标，计算了我国样本证券公司2011年的技术效率、纯技术效率和规模效率。通过统计性分析，我国证券公司的效率均值为技术效率0．64、纯技术效率O．74、规模效率0．87，超效率均值为技术效率0．65、纯技术效率O．77、规模效率O．86。整体看来，效率值偏低。仅有光大证券和首创证券2家公司达到技术有效和规模有效，11家公司达到纯技术有效。大部分公司的技术无效主要来自纯技术无效。所以未来我国证券公司的改进方向应该是以提高纯技术效率为主。技术效率分化较为明显，华宝证券技术效率值仅为0．19，通过进一步分解可知，华宝证券的纯技术效率为0．87，而规模效率仅为0．21，可见是规模效率的低下造成了华宝较低的技术效率。而华宝证券处于规模报酬递增的区间，所以可以通过规模的增大来提高规模效率进而提高总技术效率。’从规模报酬情况来看，规模报酬递增和规模报酬递减的证券公司约各占半数，但如果按总资产规模进行排序，规模较大的证券公司中大部分是规模效率递减的(前31家中有26家规模报酬递减，5家规模报酬递增)，说明目前大证券公司的规模已经过大，而小型证券公司仍然可以通过整合扩张来提高效率。通过超效率模型对11家已经处于效率前沿的证券公司做进一步分析可以看出，中信证券的纯技术效率非常高，但它的技术效率并不高，这主要是由于它规模过大，从而导致规模效率不高。在纯技术效率超过1的证券公司中，中信证券、海通证券、平安证券、国泰君安证券、国信证券、银河证券这6家大型券商都由于规模效率不高，并且是规模报酬递减，拖累了技术效率；银泰证券、西藏同信证券是由于规模不够(规模报酬递增)导致的低规模效率拖累了技术效率。只有首创证券、新时代证券、光大证券这3家选择了较为合适的经营规模，从而使得总技术效率较高。在效率影响因素上，本文选取了资产规模、资产负债率、经纪业务收入占比、是否上市、当年上证综指涨跌幅这五项解释变量。从对47家证券公司2007．2011年的数据进行面板回归的结果来看。资产规模对技术效率和纯技术效率都具有负面影响，并在O．1％的显著性水平下显著；对规模效率的影响不显著，大型证券公司和小型证券公司可能都没能选择最优规模进行生产。资产负债率对任何一种效率的影响41 万方数据基于超效率DEA的我国证券公司效率分析均不显著，可以认为资产负债率的改变并不影响我国证券公司的效率，所以目前热议的提升证券公司杠杆水平不一定能提高证券公司的效率。经纪业务占比对三种效率的影响都具有显著的负面影响，说明我国的证券公司应该积极开展创新业务。上市对于技术效率和纯技术效率都有负面的影响，所以证券公司不应盲目追求上市。在0．1％的显著性水平上，上证综指的涨跌幅对证券公司的技术效率和纯技术效率的影响显著为正，说明目前我国证券公司的经营仍受到外部因素的较大影响。6．2政策建议通过上述实证分析，并结合我国证券公司的经营现状。本文为我国证券公司如何提升效率，以充分发挥融通资金、配置资源的基础性作用，迎接未来的国际化挑战提出以下建议。1、我国证券公司，尤其大型证券公司应当注意控制规模，选择合适的水平进行经营，走集约发展的道路。根据证券业协会的统计，2012年底，我国证券业的资产规模约为1．72万亿元，远低于其他金融子行业(银行业总资产为131万亿元，信托业总资产为7．47万亿元，保险业总资产为7．35万亿元，基金业总资产为3．62万亿元)。增加我国证券公司规模的呼声不绝于耳，但我们通过对证券公司经营效率的回归分析发现：总资产规模对于技术效率和纯技术效率的影响均显著为负，所以盲目扩大规模并不能带来效率的提高。尤其是大型证券公司，其中大部分已经处于规模报酬递减的阶段。以中信证券为例，2011年，该公司总资产规模排名第一，但实际上已经处于规模报酬递减的阶段，其纯技术效率很高，但是由于规模效率的拖累，使得总技术效率仅为0．5。其余纯技术有效的大型证券公司如海通证券、国泰君安证券等也大多由于规模效率偏低影响了总的技术效率的提升。所以我国大型证券公司未来的战略重点应当从粗放式的扩大经营规模转变为集约式经营，从而带来效率的提高。而小型证券公司则有一大半处于规模报酬递增的阶段，所以可以适度通过扩大经营规模来提高效率，但同时也必须注意规模扩张可能带来的对效率的负面影响。2、我国证券公司应加快发展创新业务，减轻对以经纪业务为主的传统业务的依赖程度，进一步提高业务多样化水平。2011年，我国证券公司整体经纪收入占比约为39％左右，投行业务占比为14％，自营业务占比为22％，三大传统业务合计占比达75％。创新业务中，融资融券业务占比为4％，资产管理业务占比为2％。由此可见，我国证券公司收入的主要来源依然是传统业务，创新业务已经开始蓬勃发展，但是贡献度还有待提升。由于经纪业务收入占比对技术效率、纯技术效率和规模效率的影响均显著为负，说明经纪业务占比过大会使得效率低下。自从2002年放开经纪业务佣金率以来，各个证券42 万方数据基于超效率DEA的我国证券公司效率分析公司的激烈竞争使得佣金率一路下跌，经纪业务的利润率非常低。2013年3月15日，证券业协会发布了《证券公司开立客户账户规范》，放开非现场开户，并且可以跨区域开户。受此影响，原来位于营业部非饱和地区的区域型证券公司如东北证券、西部证券的佣金率将会逐步下滑至行业平均水平，减轻对经纪业务的依赖程度势在必行。2012年，证券业创新的步伐进一步加快，监管层为资产管理业务松绑，将集合资产管理产品由审批制改为备案制；融资融券业务也转为常规，并己开始转融通的试点；直投业务纳入自律管理，直投基金改为事后备案；同时引入了中小企业私募债、债券质押式回购、约定购回式证券交易等多种创新产品。在监管层积极开闸的背景下，证券公司可以深入挖掘的新业务增长点很多。由于提升业务多样化程度可以显著改善我国证券公司的效率，当前证券公司应该把握住机会，积极发展创新业务，减少对以经纪业务为主的传统业务的依赖性。3、上市证券公司应充分挖掘新增资本的使用率，未上市证券公司应充分评估上市带来的正负作用，避免盲目追求上市。2007年至今，我国上市证券公司的数量不断增加，目前已经有19家证券公司在A股上市。中信证券和海通证券还分别于2011年和2012年通过发行H股，进一步扩大资产规模。银河证券、国泰君安、申银万国等老牌证券公司也一直在谋求上市以扩大规模。但本文的实证分析发现，上市对于证券公司的技术效率和纯技术效率反而有显著的负面影响，这可能是因为虽然上市可以提升证券公司知名度、增加其资产规模以及后续的融资能力。但一方面上市所带来的规范性要求提高使得公司的运营成本增加，另一方面，上市以及后续的再融资虽然能显著增加净资本，有利于证券公司扩大业务范围，提升经营实力。但这一过程是长期的，并不能在当期就带来营业收入的相应增长。并且，能成功上市的证券公司大多为大型证券公司，本身规模已经较大，甚至可能已经处于规模报酬递减的阶段，业务范围全面，知名度也较高，所以上市带来的益处有限，反而由于增加投入而未增加产出使得效率降低。所以己上市的证券公司应充分发挥新增资本的作用，力求带来产出的增加。而希望通过上市来提高效率的证券公司则应充分评估上市可能带来的影响，三思而后行。4、证券公司应大力发展资产管理业务、直接投资业务等周期性较小的业务，并大力开展债券相关业务，以减轻股市波动对公司经营的影响。多年来，我国证券公司的业务集中于股票市场，经营状况一直受到股票市场行情的较大影响。上证综指的涨跌幅对技术效率和纯技术效率的影响显著为负，说明我国证券公司仍未走出“靠天吃饭”的阶段，．经营效率的高低很大程度上依赖于外部环境的好坏。从附录表格也可以看出，在2007．2011的面板数据中，各公司在股市上涨的2007年和2009年，尤其是2007年大牛市中的效率明显较高。与前文分析相结合，证券公司应该通过加大业务多样化程度，尤其是大力开展资产管理业务、直43 万方数据基于超效率DEA的我国证券公司效率分析接投资业务等周期性较小的业务来减轻股市波动对经营成果的影响。同时，由于我国证券公司目前的业务多集中于股票相关业务，而股票市场的波动性又显著大于债券市场。所以，证券公司如果能加大债券相关业务的开展，也能减少对股市的依赖。并且，由于股票市场和债券市场的涨跌经常存在“翘翘板”的关系，这种负的相关关系也能为降低业务波动风险做出贡献。在2012年，由于股市下跌，IPO规模缩水，证券公司的股权融资业务急剧下滑，而债权融资额显著提高，占到了2012年总融资额的80％。抓住债券市场机会的证券公司如中信证券、宏源证券由此避免了投行业务收入的大幅减少。未来，随着债券市场的进一步扩容，证券公司应当顺应这一趋势，逐渐平衡股票业务和债券业务，使得发展更加均衡。5、资产负债率的提高不一定能改善效率，证券公司加大杠杆应慎重。虽然我国证券公司目前总体的资产负债率并不高，仅为30％左右，低于发达国家的水平。从杜邦分析的角度，提高杠杆可以增加公司的净资产收益率。但是从本文的实证结果来看，增加财务杠杆对于效率的影响并不明显，资产负债率对技术效率、纯技术效率和规模效率都没有显著的影响。这可能因为现实中的情况符合资本结构理论中的权衡理论，最优资本结构并不是杠杆越大越好。所以我国证券公司目前主要应当注重提升现有资产的运行效率，而不是盲目追求加大杠杆。6、监管层应当进一步鼓励创新业务发展，减少不必要的行政审批，充分发挥证券公司的自主创新性。我国证券公司自从接受综合治理以来，一直处在较为严格的监管之下，新业务和新产品的推出都要经过层层审批。严格的监管制度在有效防范风险的同时，却不利于证券公司自主创新性的发挥。相对于美国的证券公司而言，我国证券公司的业务范围还比较窄，在收购兼并、资产管理、资产证券化等方面的业务都有待拓宽和加深。2012年，证监会已经在很多方面下放了审批权限，如将集合理财产品、直投基金都由审批制改为备案制，也鼓励证券公司推出了现金管理、资产证券化等新的产品。但行政审批的流程和覆盖面仍然比较大，未来仍有进一步放松的空间，以充分发挥证券公司参与创新的自主性和积极性。从而从根源上解决证券公司业务多元化程度不足以及过度依赖股票市场的问题。 万方数据基于超效率DEA的我国证券公司效率分析参考文献A．F．HerbsLD．D．Kate，S．C．Caples．Hedgingeffectivenessandminimumriskhedgeratiosinthepresenceof灿口erDJ，ChuSF．Onestimatingtheindustryproductionfunction[J]．TheAmericanEconomicReview,1968，58(4)：826-839．AignerD，LovellC气SchmidtpFormulationandestimationofstochasticfrontierproductionfunctionmodels[J]．Journalofeconometrics，1977，6(1)：21-37．Albert．S．Kyle．ContinuousAuctionsandinsidertrading[J]．10tLmalofeconometricSociety,1985，53(6)：1315-1335．AndersenEPetersenNC．AprocedureforrankingefficientunitsindataenvelopmentanaRysis[J]．Managementscience，1993，39(10)：1261-1264．BankerRD，Chames凡CooperWW：Somemodelsforestimatingtechnicalandscareinefficienciesindataenvelopmentanalysis[J]．Managementscience，1984，30(9)：1078·1092．CharnesACooperWRhodesE．Measuringtheefficiencyofdecisionmakingunits91．Europeanjournalofoperationalresearch，1978，2(6)：429-444．CoelliTJ，RanDSP，O’DonnellCJ，eta1．Anintroductiontoefficiencyandproductivityanalysis[M]．Spfinger'2005．Dataenvelopmentanalysis1978-2010：Acitation-basedliteraturesurveyFamaEFStockretttrns，realactivity,inflation，andmoney叨．TheAmericanEconomicReview,1981，71(4)：545—565．FareRGrosskopfS，NorrisM，eta1．Productivitygrowth,technicalprogress，andefficiencychangeinindustrializedcountries网．TheAmericanEconomicReview,1994：66—83．FarrellMJ．Themeasurementofproductiveefficiency[J]．JournaloftheRoyalStatisticaRSociety．SeriesA(General)，1957，120(3)：253-290．FukuyamaH，WeberWL．TheefficiencyandproductivityofJapanesesecuritiesfn'ms，1988-93[J]．JapanandtheWorldEconomy,l999,1l(1)：115·133．GolanyB，StorbeckJE．Adataenvelopmentanalysisoftheoperationalefficiencyofbankbranches[J]．Interfaces．1999，29(3)：14-26．LiuJS，LuLY1ELuWM，etaR．Dataenvelopmentanalysis1978-2010：Acitation-basedliteraturesurvey[f1．Omega,2012．LoSF，LuWM．AnintegratedperformanceevaluationoffinancialholdingcompaniesinTaRwan[J]．EuropeanJournalofOperationalResearch。2009,198(1)：341—350．ShermanHD．GoldF．Bankbranchoperatingefficiency：evaluationwithdataenvelopmentanalysis[J]．JournalofBanking&Finance，1985，9(2)：297—315．Vassiloglou陋GiokasD．AstudyofthereIativeefficiencyofbankbranches：anapplicationofdataenvelopmentanalysis【刀．JournaRoftheOperationalResearchSociety,1990：591-597．WangKL，TsengYT’WengCC．AstudyofproductionefficienciesofintegratedsecuritiesfirmsinTaRwan[J]．AppliedFinancialEconomics2002，13(3)：159—167．YueP-Dataenvelopmentanalysisandcommercialbankperformance：AprimerwithapplicationstoMissouribanks[J]．FederalReserveBankofSt．Louis，1992，74(1)：31-45．ZhangWD，ZhangS，LuoX．Technologicalprogress，inefficiency,andproductivitygrowthintheUSsecuritiesindustry,1980--2000[J]．JournalofBusinessResearch，2006，59(5)：589-594．白仲林．面板数据的计量经济分析[M]．南开大学出版社，2008．4SⅢ嘲嘲问网嘲忉网嘲呈lm眦m∽∞”邴眇垦I阻∞ 万方数据基于超效率DEA的我国证券公司效壅分析包清华．中国上市与非上市证券公司效率比较研究p]．成都：西南财经大学．2010．边晓磊，陈学彬．基于DEA方法的我国证券公司经营效率分析田．新金融，2009(4)：50-55．樊宏．基于DEA模型的我国证券公司评价方法及应用明．数量经济技术经济研究，2002(4)：118-121．方芳。付长文．中国证券业集中度、规模对绩效的影响四．金融研究，2004(1)；70-77哈青梅．基于DEA对我国绩优证券公司x效率的实证研究[D】．西安：西安电子科技大学，2009．黄璐．基于三阶段DEA模型的我国证券公司效率分析【D]重庆：重庆大学，2011黄薇．中国保险机构资金运用效率研究：基于资源型两阶段DEA模型田．经济研究，2009’8：37-49．李慧．我国证券公司效率研究p】．成都：西南财经大学，2009．李祥．我国证券公司资产负债结构对经营绩效影响的经验研究p】．西安：西北大学，2009．梁素荣．基于超效率与两阶段关联DEA的中国商业银行效率研究【D】．东北财经大学，2011．刘砚平，刘庆庆．我国商业银行效率实证研究——基于超效率DEA模型和Malmquist指数模型叨．山东财政学院学报，2012(6)：28．33．刘彦．我国证券公司经营效率研究[D】．杭州：浙江大学，2010．刘彦．我国证券公司效率研究p】．杭州：浙江大学，2010．刘一．中国证券公司经营效率研究——基于数据包络分析方法【D】威都：西南财经大学，2009．刘莹．基于数据包络分析的我国证券公司效率研究[D】．广州：暨南大学，2006．芦锋，刘维奇，史金风．我国商业银行效率研究——基于储蓄新视角下的网络DEA方法【J]．中国软科学，2012(2)：174-184．田晔．我国证券公司治理结构与x一效率研究[D】．广州：暨南大学，2009．王楠．我国证券公司效率研究：数据包络方法(DEA)的分析[D]．济南：山东大学，2011．吴佳丽．我国证券公司股权结构与公司业绩的实证研究D胡．广州：暨南大学，2010．谢为安．微观经济理论与计量方法口田．同济大学出版社，1996熊营．基于DEA-Malmquist指数方法我国寿险公司的效率研究【D】．广州：广东商学院，2006．金景丽．基于DEA和超效率模型的我国开放式基金业绩评价p1．广州：暨南大学，2010．张颖．中国商业银行效率影响因素的实证分析[01．大连：东北财经大学，2011．赵旭．国有商业银行效率的实证分析【J】．经济科学，2000，(06)：45．50郑录军，曹廷求．我国商业银行效率及其影响因素的实证分析叨．金融研究，2005(001)：91．101．周小燕．经济转型中我国商业银行效率与相关因素研究[D】．上海：复旦大学，2007．朱南，刘一．中国证券公司生产效率的数据包络分析阴．金融研究，2009(11)：120．137．四川鄙田乃硪町∞u刁习q习q刀刚钉叫U刁习q习印刀踟口口口口口口泣p瞄p口pHH阿降降pHH叫 万方数据基于超效率DEA的我国证券公司效率分析后记致谢在复旦的三年时光一晃即将过去，三年前的这个时候，我充满憧憬地第一次踏入复旦的校门来参加研究生复试。燕园曦园的初春美景、老校门的古色古香、光华双子楼的高大巍峨、光华草坪的芳草萋萋都让人留恋往返。在泛海楼中瞻仰了各位老师的大家风范，并结识了一群日后的同学，是我在复旦生活的美好起点。如今研究生生涯即将结束，希望本文的完成能为我的复旦生活画上圆满的句号。在此，我想向这三年中遇到的老师、同学以及我的家人朋友致以衷心的感谢。首先，要感谢我的导师谢为安老师。谢老师学识渊博、治学严谨，对待学生和蔼耐心，在人生道理和学术研究上都给了我们很多教诲。在三年的学习期间，谢老师指导我们学习了多本专业著作。在论文的写作期间，谢老师给了我很多宝贵意见和建议。本文从选题、开题、撰写直到最终修改定稿，都得到了谢老师的悉心指导。谢老师的言传身教将在以后的学习、工作中继续指引着我前行。同时，感谢在复旦的学习生涯中遇到的各位老师给我的教诲。感谢王听辅导员在这三年中给我们的指导和帮助。在研究生生活中，除了来自老师们的教导，最大的收获是认识了一群来自五湖四海的同学们，他们的优秀让我不断认识到自身的局限和不足，他们的热心帮助也使我得以不断成长。在专业的学习讨论中，我的同门董宇博、王宇帆、李擎给予了我诸多帮助。在平时的学习生活中，尤其是在此次论文写作过程中，董宇博、朱丽娜、张英梅、徐琼怡、邵冰晶、刘建义等同学都给了我很多帮助和支持。能和他们一起度过研究生生活，我感到非常幸运。最后，要感谢我的父母家人，有了他们无微不至的关怀和永不动摇的支持，我才能专心投入研究生阶段的学习，并迎接未来的无数挑战。 万方数据基于超效率DEA的我国证券公司效率分析附录技术纯技规模总资产资产经纪业上证综术效(万亿负债务收入是否指涨跌效率奔效率上市元)蛊占比幅2007国都证券3．6703．7590．976O．0160．3470．32900．9672007华泰证券1．7233．024O．5700．078O．1370．6280—0．6542007中山证券1．2421．4610．850O．0040．0811．032O0．8002007国联证券1．0191．1370．897O．0120．2480．4940—0．2432007国盛证券O．8190．8400．9750．0050．3520．762O一0．2672007恒泰证券0．7920．8360．9480．007O．1590．442OO．9672007华安证券0．7880．8140．9680．0090．3470．775O一0．6542007东吴证券O．7810．884O．0140．2360．70600．8002007东海证券0．7770．8770．886O．0150．3250．3630—0．2432007东北证券0．7700．8570．8980．0130，3000．639l一0．2672007浙商证券0．7490．7790．9620．01l0．1120．76500。9672007广州证券0．7400．770O．9610．0070．5620．645O一0．6542007民生证券0．73lO．8160．8960．0070．1990．791O0．8002007新时代证券0．7000．7520．9320．0050．1660．4690-0．2432007华福证券0．6890．7660．8990．0100．4130．768O-0．2672009Et信证券0．6580．9050．7270．0020．2750．418O0．9672007东方证券0．6461．1060．5840．0350．337O．2910—0．6542007首创证券0．6460．6530．9890．005O．1970．33500．8002007兴业证券0．6400．7680．833O．021O．13l0．4450-o．2432007太平洋证券0。6060。6590。9200．0050。1040。428l一0。2672007大通证券0．60l0．6830．8790．006O．1150．79900．9672007国金证券0．5930．5960．9960．0090．3030．4350—0．6542007上海证券o．589o．6810．8660．0180．2090．494O0．8002007中投证券0．5850．7750．7550．0380．2600．684O一0．2432007日信证券0．5811．5190．382O．001O．2130．3390-0．2672007华西证券O．5810．630O．92lO．0130．2080．848O0．9672007中原证券0．5730．6620．866O．0110．0430．7360—0．6542007国元证券0．5650．7020．805O．0190．2470．36010．8002007华林证券0．5620．5770．9740．0050．1810．7440—0．2432007宏源证券0．5620．7650．7350．0230．5470．4991—0．2672007光大证券0．5590．8650．6460．0540．2250．43500．9672007招商证券0．5580．8630．6470．0810．1890．5380—0．6542007齐鲁证券0．5530．7150．7730．0330．249O．73000．8002007申银万国0．5500．8680．6340．0810．2820．608O一0．2432007第一创业0．5450．5800．9390．0060．3340．2870—0．2672007长城证券0．5440．6470．840O．016O．318O．31000．967 万方数据基于超效率DEA的我国证券公司效率分析2007南京证券0．5360．6040．887O．0130．2490。559O一0。6542007德邦证券0．5330．5400．9880．0050．4000．32400．8002007国信证券0．5280．8250．6400．0660．2530．4450—0．2432010日信证券0．5021．0610．4730．0030．0550．3960—0．2672007山西证券0．4890．5220．937O．0110．2250．580O0．9672009新时代证券0．4890．5040．9700．014O．08l0．450O一0．6542007西部证券0．4880．5590．873O．013O．1750．57400．8002009国盛证券0．473O．5170．9140．0070．2260．8690—0．2432009大通证券0．4710．5090．9250．009O．178O．71l0-0．2672007红塔证券0．4690．4700．9970．0080．336O．21600．9672007国泰君安0．4490．7900．568O．“20．3540．625O一0．6542007长江证券0．4460．5710．7800．0250．2410．41910．8002009首创证券0．4230．4660．9070．0070．251O．3180-0．2432007中银国际0．4220．5070．8330．0220．0970．490O一0．2672007金元证券0．4170．4750．8770。0070．2530。475OO．967200{3国盛证券0．4050．4550．8900．003O．147O．7790—0．6542009国联证券O．40l0．4030．996O．0140．3820．704O0．8002009华安证券0．3970．4020．987O。0130．3430。8250—0。2432010首创证券0．3960．4040．9810．0070．2090．2580—0．2672009德邦证券0．3950．4290．9210．0070．3520．49600．9672010新时代证券0．3910．4590．834O．OlOO．1ll0．452O一0．6542011目信证券0．3840．7870．4870．0030．0270．48000．8002009太平洋证券0．3750．3860．9720．0060．2490．703l一0．2432009华林证券0．3620．3730．9710．0070．5730．611O一0．2672009中原证券0．3580．3770．9500．0140．5050．796O0．9672010太平洋证券0．3480．3880．8970．0060．3160．6871—0．6542009山西证券0．3460．3910．884O．0150．2220．777O0．8002009民生证券0．3460．3900．8860．0100．0840．7370—0．2432009华西证券0．3450．4030．8570．020O．1360．8580—0．2672007平安证券0．3420．4110．8320．0240．5990．43500．9672009浙商证券0．3420．3660．934O．0150．0380．7810—0．6542009东北证券0．3330．3840．8670．0190．2190．70310．8002009西部证券0．3320．3690．9020．0150．253O．831O-0．2432008日信证券O．33l0．7800．4240．00l0．4337．016O一0．2672010国盛证券0．3250．3340．9710。0060。1830。75900。9672009中山证券0．3230．4140．7800．0070．3890．753O一0．6542010华安证券0．3220．3430．9390．0110．1960．81600．8002008华泰证券0．3220．3580．8980．052O．0310．837O-0．2432010国联证券O．3190．3430．932O．0150．2960．6240—0．2672009华福证券O．3170．3350．946O．0120．2820．864O0．9672010平安证券O．3llO．359O．866O．030O．4200．252O一0．6542009中投证券0．3060．374O．8170．0430．187O．818O0．8002009恒泰证券0．3040．9980．0130．0880．7870—0．24349 万方数据基于超效率DEA的我国证券公司效率分析2009第一创业0．301O．3230．9290．0080．4400．3600-0．2672009东吴证券0．2980．3330．8950．0190．1440．779O0．9672008华林证券0．2950．3560．8280．0030．4260．7860-0．6542009东海证券0．2940．3370．8730．017O．2160．634O0．8002010华福证券0．2940．3010．9750．0120．2150．76l0-0．2432009兴业证券0．2920．3540．8240．0250．14l0．545O一0．2672007海通证券0．29l0．7670．3800．0950．4480．498l0．9672009金元证券0．2910．294O．9910．007O．1160．6200—0．6542009南京证券O．29l0．3170．9190．0140．0750．744O0．8002008华西证券0．290O．3170．9160．0llO．1150．9060—0．2432009国金证券0．2880．3170．9090．0110．2650．6911—0．2672009齐鲁证券0．2880．3900．7380．0450．0790．75500．9672009宏源证券0．2870．3320．8660．0290．1670．7321-0．6542010东海证券0．2860．3110．9210．0170．2630．52600．8002011首创证券0．2840．2950．9640．0060．274O．2120-0．2432009广州证券0．2830．3090．9160．0080．149O．8010—0．2672010德邦证券0．2820．3310．8530．0050．3150．549O0．9672009华泰证券0．2820．4130．6830．0990．0730．778O-0．6542010红塔证券0．28l0．2920．9630．0080．5210．33500．8002009申银万国0．2790．4200．6630．0860．1230．749O-0．2432009平安证券0．2770．3270．8470．0240．3840．445O一0．2672009东方证券0．2750．3200．8590．0350．3590．456O0．9672008民生证券0．2730．276O．9910．0060．0670．958O-0．6542008国金证券0．2730．300O．9120．0070．1250．25610．8002008东北证券O．2710．2870．9440．0090．4010．7511-0．2432010中银国际0．270O．3190．845O．0170．1900．4350-0．2672008国泰君安0．2700．4650．5800．0740．3480．36200．9672010华西证券0．2690．3020．8920．0200．1480．797O-0．6542008首创证券0．2690．2700．9970．0040．0220．349O0．8002009长江证券0．2690．2970．9040．0350．1710．6411—0．2432008中山证券0．2670．4210．6340．0040．0710．9290-0．2672010华林证券0．2660．3800．7000．0080．3040．55300．9672010西部证券0．2640．2930．902O．012O．217O．7130-0．6542009国信证券0．2630．3690．7130．0770．033O．70lO0．8002010浙商证券0．2620．2910．899O．0170．1020．5460-0．2432010宏源证券0．2620．3090．8470．0270．1710．5221-0．2672008华福证券0．2610．2670．9770．0050．1860．83500．9672008招商证券0．2610．3310．7880．0480．0600．6250-0．6542011德邦证券0．2580．3270．7870．0040．4390．468O0．8002010东吴证券0．2560．2800．9170．0200．0620．6460-0．2432009国泰君安0．2560．4220．6060．1100．2570．5780-0．2672010金元证券0．2520．2900．8700．0070．1320．583O0．9672009中银国际0．2510．274O．914O．0170．2220．684O一0．654 万方数据基于超效率DEA的我国证券公司效率分析2009上海证券0．2490．2880．8630．0200．2870．659O0．8002008南京证券0．2480．9990．0090．1480．6300—0．2432009招商证券0．2460．3770．6540．0970．0770．5521—0．2672011国盛证券0．2450．3200．7680．0040．3020．827O0．9672008华安证券0．245O．2700．9060．0060．4331．170O一0．6542008大通证券0．2430．3880．6260．0040．0561I220O0．8002010南京证券0．2420．2600．93l0．0ll0．0940．7500—0．2432010上海证券0．2400．2590．927O．0140．4140．5930—0．2672009红塔证券0．2400．2510．9570．0090．4150．686O0．9672008山西证券0．2350．2390。9840。0080．2780，7890—0．6542008广州证券0．2330．2400．9740．0040．1180．70800．8002008新时代证券0．2320．3950．5880．0040．0761．518O一0．2432010东方证券0．2320．2750．8420．0410．3410．4930—0．2672010中投证券0．2300．2680．8590．0410．2410．67900．9672010东北证券0。2280．2610。8740。020O．3150．6531—0。6542010第一创业0．2270，2490．9130．0090．25l0．26200．8002008中银国际0．2270．2590．8760．0140．102O．4180—0．2432010申银万国0．2260。3210．7030．0660．114O．661O如．2672010国金证券0．2240．2470．9080．011O．1230．487l0．9672010齐鲁证券0．2230．2660．8400．042O．06l0．729O一0．6542010广州证券0．2230．226O．985O．0100．099O．510O0．8002010长江证券0．2200．2570．8550．0360．2870．548l一0．2432009光大证券0．2190．3390．6470．0620．5320．651l-0．2672010中原证券O．2170．2340．9250．0140．6400．76900．9672010民生证券O．215O．2190．9830．0100．0990．544O一0．6542009长城证券O．2150．2530．850O．0180．0900．49600．8002008西部证券0．2130．2240．9520．0080．1330．8180—0．2432011华林证券0．2120．2890．7340．0050．4660．4090-0．2672008浙商证券O．2120．2200．9620．0090．0081．09800．9672011中山证券O．2110．2530．8330．0060．1740．6350—0．6542011国联证券0．2100．2200．957O．010O．32l0．526O0．8002011新时代证券0．2090．2200．9520．0100。0980．375O一0．2432010恒泰证券0．2080．227O．916O．Oll0．0850．6970—0．2672011平安证券0．2080．2320．8960．0280．4030．231O0．9672010招商证券0。2040。287O。7110．0950。4970。552l-0。6542010大通证券0．2040．2340．8740．0090．1180．81900．8002008德邦证券0．2040．2830．7190．0030．4410．509O一0．2432010国信证券0．2030．2620．7750．0650．0480．642O一0．2672011太平洋证券0．2030．2070．9770．0050．3460．420l0．9672008国联证券0．2010．2940．6830．0070．1691．6580—0．6542010山西证券0．200O．2210．9080．0180．1820．580l0．8002008中投证券0．1990．2310．8620．0230．1480．7350—0．2432011华安证券0．1970．2050．9610．OllO．1730．9920—0．26751 万方数据基于超效率DEA的我国证券公司效率分析2010兴业证券O．1970．2360．834O．0310．509O．45l10．9672011金元证券O．1960．2460．7980．0060．1970．523O一0．6542008金元证券O．1960．2600．7520．0050．2580．93000．8002008国信证券0．1960．26l0．7490．046O．1270．650O一0．2432010中山证券O．1950．2530．7720．0070．1901．1080—0．2672010华泰证券O．1930．2930．6590．1130．0450．62010．9672010光大证券0．1910．2580．7410．0600．5830．544l一0．6542011华福证券0．1910．2170．8840．0070．2720．79400．8002008长江证券O．190O．2120．8940．0180．0910，5321—0．2432008东吴证券0．1890，1980．9530．009O．1110．9670—0．2672011民生证券0．1880．1960．9560．0070．05l0．36600．9672008第一创业0．188O．1900．9890．0060．3320．3260-0．6542010长城证券0．1860．2150．8640．0180．0790．509O0．8002011大通证券0．186O．2370．7830．007O．2340．658O-0．243201l南京证券0．185O．1880．983O．0100。0870．683O-0。2672008宏源证券O．1820．1910．9500．0150．1240．73710．9672008齐鲁证券0．1800．2010．8980．0250．0590．8760—0．6542008申银万国0．1800．2320。7740．0490。0490．82400．8002011第一创业O．1790．18l0．9900．0100．3230．198O一0．2432011浙商证券O．178O．1970．900O．0130．3780．468O-0．267201l红塔证券0．1770．194O．9130．0060．3140．459O0．9672009国都证券O．176O．1780．9890．017O．3120．662O一0．6542008恒泰证券O．1740．2590．6720．0060．2041．408O0．8002009海通证券O．1730．281O．618O．121O．1680．6311—0．2432010国泰君安O．1710．2580．6640．1070．2570．6060—0．2672011宏源证券O．169O．1940．8740．021O．1230．46310．9672011华西证券0．1680．1860．9060．0160．0790．6970—0．6542011西部证券O．1670．183O．9130．0100．4300．64100．8002011广州证券0．1650．2110．785O．0120．3040．7600—0．2432010国都证券0．1640．998O．0160，4520．471O一0．2672009国元证券0．1640．9990．0290．3030．70410．9672008中原证券0．1640．1910．8580．0070。0021．856O一0．6542011光大证券0．16l0．2030．7910．0430．6220．41410．8002008光大证券0．1590．1850．8590．0330．3860．6970-0．2432010国元证券0。159O。1670．9540．025O．2680。547l一0。2672010海通证券O．1560．2440．637O．115O．1780．49810．9672008国元证券O．1550．1590．976O．0120．3190．7271—0．6542011国金证券O．1520．1521．0000．0090．0430．53610．8002011海通证券O．1510．2370．6400．099O．3180．3271—0．2432011长城证券0．1490．1670．893O．0140．0400．4210—0．2672011上海证券0．1480．1630．910O．0110．4250．504O0．967201l恒泰证券0．1480．1490．993O．0100．2440．702O一0．6542008平安证券0．1470．1650．8910．0140．3500．479O0．80052 万方数据基于超效率DEA的我国证券公司效率分析2008兴业证券0．146O．1650．888O．0130．2990．8470—0。2432011国都证券O．145O．1460．994O．01l0．4790．2800-0．2672011兴业证券O．1440．1670．8660．0220．520O．35l10．967201l中银国际0．1430．1600．890O．0140．4420．446O一0．6542011国信证券0．1420．1780．8000．0560．0250．55600．8002011招商证券0．1410．1870．7580．0690．7380．4341-0．2432008红塔证券0．1390．1950．7130．0050．227O．60lO-0．2672008上海证券0．1370．1460．9420．0100．1340．996O0．967201l山西证券0．1370．1500．91lO．0130．4020．506l一0．6542011东海证券0．1360．1490．9100．0130．0960．59600．8002008长城证券O．1350．1440．9360．0130．0790．392O一0．2432011东吴证券O．135O．1440．932O．0160．038O．6141—0．2672011国泰君安O．1350．1940．6940．0920．2640．439O0．9672011申银万国0．1330．1690．7860．0550．3610．617O一0．6542011华泰证券0．1320．1840．7140．0860．0310．57610．8002011东方证券O．1300．1490．8700．0400．3280．449O一0．2432011中投证券O．130O．1510．8570．027O．1180．6890—0．2672011国元证券O。129O．1350．9560．0230．2330．44610．9672011齐鲁证券O．1290．1560．8240．0340．2830．703O-0．6542008东海证券0。1270．139O．9140．0090．2071．57900．8002011东北证券O，1260．13l0．9570．013O．3730．8501-0．2432011中原证券0．1250．1280．9700．01l0．6980．8420-0．2672011长江证券O．H30．1270．8890．0290．4090．67510．9672008海通证券0．0950．2020．4700．0750．4840．5741—0．6542008国都证券0．088O．1t40．775O．0160．3700．98100．8002008太平洋证券0．0260．2640．0980．0030．238n．a1—0．2432008东方证券0．0020．0630．0280．022O．52ln．aO一0．2671松弛指的是，当效率前沿与数轴平行时，会发生有的决策单元的投影点在前沿上但非有效前沿上(处在与数轴平行段的时候，可以通过平行移动缩减投入或增加产出并仍处于有效状态，此时缩减投入或者增加产出的量被称为松弛(slack) 万方数据论文独创性声明本论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。作者签名：鱼丝论文使用授权声明本人完全了解复旦大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其它复制手段保存论文。保密的论文在解密后遵守此规定。作者签名：鸯鼓导师签名：