互联网金融背景下我国上市商业银行的效率实证研究

doi:10.12005/orms.2016.0210

运筹与管理 ›› 2016, Vol. 25 ›› Issue (6): 120-127.DOI: 10.12005/orms.2016.0210

互联网金融背景下我国上市商业银行的效率实证研究

郭捷^1,2,3, 周婧²

1.中央财经大学商学院北京 100081;
2.中央民族大学管理学院,北京 100081;
3.清华大学经济管理学院,北京 100084

出版日期:2016-12-20
作者简介:郭捷(1976-),女,湖南常德人,博士,副教授,中央财经大学博士后,清华大学经济管理学院访问学者。研究方向:运营管理,风险管理;周婧(1989-),女,籍贯:河北,硕士,研究方向:技术经济与管理,风险管理。

An Empirical Study on Commercial Banks’ Efficiency in Chinaunder the Background of Internet Finance

GUO Jie^1,2,3, ZHOU Jing²

1.Business School, Central University of Finance and Economics, Beijing 100081, China;
2.Management School, Min Zu University of China, Beijing 100081, China;
3.School of Economics and Management ,Tsinghua University, Beijing 100084, China

Online:2016-12-20

摘要/Abstract

摘要： 本文通过数据包络分析(DEA)中的CRS模型和VRS模型,对我国16家上市商业银行于2007至2014年在互联网金融背景下的效率进行了测度。根据16家商业银行的综合效率、纯技术效率、规模效率的变动情况,来分析互联网金融对商业银行造成影响和冲击。结果表明,商业银行的整体效率波动与互联网金融环境的变化基本一致,并且,商业银行的规模效率变化与综合技术效率变化保持一致,股份制商业银行的规模效率一直高于国有商业银行。

关键词: 互联网金融, 商业银行效率, DEA

Abstract: The efficiency of 16 listed commercial banks during 8 years(2007~2014)is measured based on CRS and VRS model of data envelopment analysis(DEA)under the background of internet finance. According to the 16 commercial banks comprehensive efficiency, pure technical efficiency and scale efficiency changes, internet finance impact on commercial banks is analyzed. The results show that the change of commercial banks overall efficiency fluctuation and the Internet financial environment is basically consistent, commercial banks scale efficiency change and technical efficiency change are the same, and the scale efficiency of joint-stock commercial banks is higher than the state-owned commercial banks.

Key words: internet finance, commercial bank efficiency, DEA

中图分类号:

F830.3

郭捷, 周婧. 互联网金融背景下我国上市商业银行的效率实证研究[J]. 运筹与管理, 2016, 25(6): 120-127.

GUO Jie, ZHOU Jing. An Empirical Study on Commercial Banks’ Efficiency in Chinaunder the Background of Internet Finance[J]. Operations Research and Management Science, 2016, 25(6): 120-127.

[1]	李勇军, 蔡华权. 基于Shephard距离函数的DEA TOPSIS方法研究[J]. 运筹与管理, 2021, 30(5): 116-121.
[2]	曹洁, 雷良海. 基于广义CoES方法的金融业与房地产业风险溢出研究[J]. 运筹与管理, 2021, 30(4): 200-205.
[3]	姚佼, 唐庆云, 陈学敏, 郭晓峰, 熊杨辉. 基于DEA-博弈论模型的铁路电子车票实名制查验评价分析[J]. 运筹与管理, 2021, 30(3): 165-170.
[4]	吴辉, 昂胜, 杨锋. 基于前景理论的两阶段DEA交叉效率评价模型[J]. 运筹与管理, 2021, 30(11): 53-59.
[5]	李勇军, 江莹. 基于平行DEA模型的我国小学教育资源配置效率分析[J]. 运筹与管理, 2021, 30(11): 60-64.
[6]	孟韬, 徐广林. 基于三阶段DEA的独角兽上市企业创新效率评价[J]. 运筹与管理, 2021, 30(10): 206-212.
[7]	李刚, 马羽洁, 牛冲槐. 煤炭资源型地区技术锁定效应测度研究[J]. 运筹与管理, 2020, 29(12): 147-153.
[8]	冯宝军, 沈佳坤, 孙秀峰. 研究型大学财务资源两阶段配置的相对效率评价[J]. 运筹与管理, 2020, 29(10): 140-146.
[9]	俞锦涛, 王金山. 基于Archimedean三角模的犹豫直觉模糊语言信息群决策方法[J]. 运筹与管理, 2019, 28(9): 27-32.
[10]	王昱, 成力为, 王晓娜. 金融功能升级与区域金融发展的动态内生俱乐部收敛[J]. 运筹与管理, 2019, 28(9): 142-156.
[11]	郑军, 胡蓉. 基于贝叶斯学习的最优互联网化房地产金融合约[J]. 运筹与管理, 2019, 28(8): 116-125.
[12]	刘超, 傅若瑜, 李佳慧, 周文文. 基于DEA-Tobit方法的人工智能行业上市公司融资效率研究[J]. 运筹与管理, 2019, 28(6): 144-152.
[13]	范德成,李盛楠. 区域高技术产业技术创新效率测度与提升路径研究——基于共享投入关联型两阶段DEA模型[J]. 运筹与管理, 2019, 28(5): 156-165.
[14]	杨德权, 杜冰竹. 基于关联网络DEA的供应链协调程度评价[J]. 运筹与管理, 2018, 27(9): 51-66.
[15]	陈恒, 何平, 林超然, 冯志军. 基于SBM-NDEA模型的我国高专利密集度产业技术创新效率研究[J]. 运筹与管理, 2018, 27(3): 191-199.

互联网金融背景下我国上市商业银行的效率实证研究

An Empirical Study on Commercial Banks’ Efficiency in Chinaunder the Background of Internet Finance

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics