摘要：鉴于现有的有关证券公司效率评价的研究没有考虑风险的状况，利用数据包络方法，以风险作为证券公司效率评价中的一种投入，以净资产与净资本之差作为风险的代理指标，基于2010年证券公司财务报告和净资本数据，对我国证券公司效率进行实证研究，并与不考虑风险条件下的效率评价结果进行比较。结果发现，上述方法具有可行性，是否考虑风险对于证券公司效率评价具有显著的影响。
　　关键词： 证券公司；效率；风险调整
　　中图分类号：f830.9文献标识码：a文章编号：1003-7217（2013）05-0051-04
　　一、引言
　　证券公司分别以承销商和经纪商的身份，在一级市场和二级市场上都发挥着不可替代的作用，其效率的高低对于资本市场的运行效率和整个社会的资源配置效率而言，显然具有不可低估的影响。根据证券行业的特有属性，对证券公司进行科学的效率评价，不仅有助于证券公司合理界定自身经营管理状况、有效提高经营管理效率，而且有助于监管部门加强证券公司分类监管、提高监管效率。
　　目前，已经有部分文献对证券公司效率及其影响因素进行了实证分析。例如，樊宏（2002）、朱南、刘一（2008）分别利用数据包络方法（data envelopment analysis，以下简称为“dea方法”）分析了我国部分证券公司的经营效率[1]。宋健、刘艳（2006）在利用dea方法测度技术效率和规模效率的基础上，通过回归分析了我国证券业市场绩效（roa）的影响因素[2]。李兰冰等（2011）将dea方法与meta frontier模型、malmquist指数和tobit模型结合起来，对海峡两岸证券业经营效率进行了比较研究[3]。WWW.11665.COm黄璐等（2011）、高士亮、程可胜（2011）分别利用三阶段dea方法，对我国证券行业的经营效率进行了实证分析[4-5]。
　　然而，上述文献在对证券公司效率进行评价过程中，都是在一般的财务指标和其它规模指标的基础上构造投入和产出指标，没有考虑证券行业直接面对急剧波动的证券市场、风险极高的特有属性，没有将风险暴露作为一种投入而纳入到证券公司效率评价过程之中。
　　本文以风险作为证券公司效率评价中的一种投入，基于2010年证券公司财务报告和净资本数据，以净资产与净资本之差作为风险暴露水平的代理指标，利用dea方法，对我国证券公司效率进行实证分析，并将这一结果与不考虑风险差异条件下的效率评价结果进行比较分析。
　　二、研究设计
　　迄今为止，对任一类组织的效率进行具有理论基础的评价，一般遵循由farrel（1957）提出、在charnes、cooper & rhodes（1978）的开创性研究中得到推广的思路，即假设一类组织利用某些投入生产某些产出，并根据实际数据拟合出一个“最佳实践”（best practice）技术，作为衡量实际效率的参照系，然后针对某个经济变量（例如投入、产出、成本、利润等），计算该变量在参照技术和实际技术下的值，二值之比（或者其倒数）即为所估计的效率值[6-7]。
　　根据上述思路，效率评价主要包括以下内容：参照技术的估计方法、作为效率衡量对象的经济变量以及投入产出变量的选择。
　　本文旨在探讨风险在证券公司效率评价中的作用，并在充分考虑数据可得性的基础上提出一种经过风险调整的证券公司效率评价方法。因此，尽管前沿分析法及其dea、sfa等分支不断得到发展，如charnes等人（1985）提出了纯技术效率概念，andersen & petersen（1993）和lovell & rouse（2003）等人提出了超效率dea模型，本文将仅仅基于基本的效率评价模型进行分析。实际上，本文提出的以风险作为投入、并按照净资产与净资本之差来计量证券公司的风险的思路，可以很方便地拓展到生产效率评价模型的其它形式中[8-10]。
　　（一）参照技术的估计方法
　　本文旨在提出通过将风险作为一种投入引入证券公司效率评价过程及其实现方法，不涉及对参照技术的估计方法的具体设定。实际上，本文提出的方法适用于参照技术的所有估计方法，包括非参数估计方法（如dea、fdh）和参数估计方法（如sfa、dfa、tfa）。
　　为了便于理解，本文将以证券公司效率评价文献中使用最为广泛的dea方法作为参照技术的估计方法。在具体应用中，dea方法包括不变规模报酬（crs）和可变规模报酬（vrs）等两种形式。由于我国目前对证券行业实行业务资格审批与资本实力挂钩的监管方式，从事较高风险的证券业务需要具备较高的净资

，而本文将风险视为一种投入，因此本文将只考虑crs形式。
　　（二）效率衡量对象
　　效率一般可以按照衡量对象分为投入导向（input oriented）的效率和产出导向（output oriented）的效率，在涉及价格因素的情况下，也可以分为技术效率、配置效率以及作为二者之比的纯技术效率。由于证券公司的部分投入和产出的价格很难合理地估计，本文将不考虑配置效率和纯技术效率，而只考虑投入导向的技术效率（以下简称为“投入技术效率”）和产出导向的技术效率（以下简称为“产出技术效率”）。
　　若记生产集为t，定义投入集为l（η）={χ|（χ，η）∈t}，产出集为p（χ）={η|（χ，η）∈t}。则投入技术效率为ei（χ，η）=min{λ|λχ∈l（η）}，产出技术效率为eo（χ，η）=max{λ|λμ∈l（χ）}。将其中生产集t替换为由（1）式表示的参照生产集，即可得到dea方法的crs形式下投入技术效率与产出技术效率之值。
　　（三）投入与产出的选择
　　投入与产出的选择对于决策单元的效率评价结果具有相当重要的影响，研究者往往基于其研究目的和侧重点来选择投入和产出指标。 　在投入选择方面，对于一般生产企业来说，投入包括固定资产、劳动力、能源、原料和外购服务等多种类型，而对于证券公司来说，后三者从其归属于当期的成本在营业支出中所占比例来看微不足道，因此，程可胜（2009）、王晓芳与程可胜（2009）、高士亮与程可胜（2011）等将固定资产和劳动力作为证券公司仅有的两种投入[11-12]。
　　但是，很多证券公司不仅从事经纪业务和投行业务，而且从事证券投资业务，并因此取得投资收益或者损失，其产出的生成除了依赖于劳动力投入之外，在更大程度上依赖于资金，而不是固定资产，因此以固定资产而不是资金作为资本投入，并不符合证券行业的典型特征。以资金作为资本投入，首先需要合理地界定资金的范围，不同的界定方法会导致不同的资本投入选择。其中一种界定方法强调资金的存量，另一种界定方法则强调资金的流量或者说资本提供的“服务”，此外，李兰冰等（2011）将上述两种方法结合起来，同时以一种存量（注册资本或者净资产）和一种流量（管理费用或者营业费用）作为资本投入。但是，由于资本的存量是其提供的服务的基础，而且现有的证券行业监管体制是基于资本的存量建立的，所以存量方法更加合理，本文将采用这一界定方法。由于注册资本具有名义性和调整滞后性，并不能真实、及时地反映证券公司资本投入规模，在以职工薪酬作为劳动力投入的代理指标的同时，以净资产作为唯一的资本投入。
　　此外，在证券公司效率评价过程中不考虑风险暴露水平的差异并进行相应的风险调整，将导致效率评价结果失真。在证券公司效率评价过程中进行风险调整，并保持评价方法和分析结果解读方面的一致性，就只能从投入产出指标方面入手。这可以通过对投入产出指标进行风险调整实现，也可以通过将风险直接作为一种投入纳入效率评价模型中来实现。本文将采用后一种方法。
　　将风险作为一种投入进行证券公司效率评价，其前提是存在一种适用于不同业务类型和规模的风险衡量指标。目前，各个证券公司具有不同的分类评级和业务资格组合，其经营策略和业务重心不尽一致，而且其股票、债券等资产的持仓数据并不会公开。考虑到这一点，基于净资本与净资产提出一种具有普遍的适用性、数据可得性和可行性的风险衡量指标。根据有关法规，证券公司的净资本是在净资产的基础上通过对特定项目进行一定比例的扣减计算得到的，其中扣减比例根据监管部门对上述项目的风险特征的判断决定。这一做法实际上相当于对净资产进行风险调整，净资产与净资本之间的差额反映了证券公司承担的风险的大小，本文以此差额作为风险投入。
　　在产出选择方面，现有研究有的关注证券公司整体业绩，而将营业收入[11]-2011利润总额[2]以及营业收入和净利润作为产出，其他研究则更为关注各项主营业务经营情况，而以多项主营业务收入作为产出[13]。本文以净利润作为唯一的产出。
　　（四）样本的选取
　　以2010年末存在的106家证券公司作为样本，为了保证设定的风险投入指标为正值以及有关数据存在，从中剔除了1家未报告职工薪酬信息的证券公司（中金公司）、7家净资产小于净资本的证券公司（北京高华、东北证券、东兴证券、高盛高华、瑞银证券、英大证券、

中航证券）和1家年初净资产小于年初净资本的证券公司（华融证券），因此，样本实际上仅包括97家公司。所有样本数据均来自中国证券业协会网站排名和证券公司年报。
　　表1列出了样本观测值的描述性统计。其中，劳动力投入（职工薪酬）、资本投入（净资产）、风险投入（净资产与净资本之差）和产出（净利润）均以万元为单位，并通过四舍五入取整数值。
　　为了与净利润和职工薪酬等流量在时间上保持一致，年初（年末）风险投入按照年初（年末）净资产与年初（年末）净资本之差计算，净资产和风险投入均按照其年初和年末之平均值计算。
　　三、效率评价结果与分析
　　按照上述方法，将风险作为证券公司的一种投入，并以净资产与净资本之差作为风险投入的代理变量，基于97家样本公司2010年的数据，进行证券公司技术效率的数据包络分析，其结果如表2。其中部分结果由于经过四舍五入保留两位小数而完全相等。根据这一结果，2010年末净资产规模最大的5家证券公司均未达到生产前沿面。截止2010年末已上市的13家证券公司中仅有2家位于生产前沿面上。
　　为了与不考虑风险投入的情况下的证券公司效率评价结果进行比较，利用同样的样本、数据和方法，以职工薪酬和净资产分别作为劳动力和资本投入，以净利润作为产出进行dea分析，其结果与上述包含风险投入的效率评价结果之间的相关系数只有0.25，仅存在极其微弱的正相关关系。这说明，在考虑和不考虑风险的条件下对证券公司效率进行dea分析，所得到的结果会出现较大差异。
　　为了揭示上述关系对于子样本的稳健性，分别以净资产和风险投入作为排序依据，将整个样本划分为规模较大（或者风险较高）、规模（或者风险）适中、规模较小（或者风险较低）的三组，分别对上述各组在考虑和不考虑风险条件下的效率值进行相关分析，结果发现，其相关系数全部为正，但均不大于0.37。这表明，考虑和不考虑风险条件下的证券公司效率评价结果之间的重要差别，并不依赖于规模和风险投入等属性。
　　四、结论
　　不同证券公司因从事的证券业务的性质和风险偏好等方面的差异，具有不同的风险属性。证券公司直接面对复杂多变的金融市场使得风险属性对其效率评价很可能具有重要意义。而现有的证券公司效率评价研究均没有考虑证券公司的风险属性，这很可能导致证券公司效率评价结果的失真。本文提出了一种基于dea的经过风险调整的证券公司效率评价方法，将风险作为证券公司的一种投入，并利用证券公司净资本监管及相关数据提出按照净资产与净资本之差来计量风险，从而保障这一方法应用上的数据可得性和实践可行性。 本文研究发现，在考虑和不考虑风险的前提下分别利用完全相同的样本、数据和方法得到的证券公司效率评价值之间的相关关系极其微弱。上述研究结果表明，是否考虑风险投入上的差异对于证券公司效率评价结果具有显著影响。实际上，本文对样本证券公司的效率评价结果与现有研究结果之间大相径庭，这种差异除了可能源于样本和方法的不同之外，也很可能是由于本文在效率评价中考虑了风险的影响，而现有研究都没有。
　　如果监管部门有关净资本指标的计算方法的设定能够充分考虑了证券公司的经过风险调整的资本充足性，从而使得净资产与净资本之差能够充分反映证券公司之间的风险差异，那么，根据上述研究结果，可以推断，证券公司效率不仅与管理和技术等传统影响因素有关，而且很可能受到风险偏好和风险承担等因素的影响。
　　参考文献：
　　[1]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.
　　[2]宋健，刘艳. 影响证券业市场绩效的因素研究[j]. 金融与经济， 2006， （5）： 31-33.
　　[3]李兰冰，胡均立，黄国彰. 海峡两岸证券业经营效率比较研究： 基于metafrontier方法[j]. 当代经济科学， 2011， （1）： 40-47.
　　[4]黄璐，李春红，张超. 基于三阶段dea模型的我国证券公司效率分析[j]. 特区经济， 2011， （9）： 118-120.
　　[5]高士亮，程可胜. 对我国证券行业的管理效率研究——基于三阶段dea的实证分析[j]. 金融理论与实践， 2011， （2）： 86-90.
　　[6]farrel， m. j. the measurement of productive efficiency[j]. joural of royal statistical society， 1957， 120（3）： 253-

281.
　　[7]charnes， a.， w. cooper， & e. rhodes. measuring the efficiency of decision making units[j]. european journal of operational research， 1978， （2）： 429-444.
　　[8]charnes， a.， w. cooper， b.golany， l. seiford， & j. stutz. foundations of data envelopment analysis for paretokoopmans efficient empirical production functions[j]. journal of econometrics， 1985， 30（2）： 91-107.
　　[9]andersen， p.， & n. petersen. a procedure for ranking efficient units in data envelopment analysis[j]. management science， 1993， 39（10）： 1261-1264.
　　[10]lovell， c.， & a. rouse. equivalent standard dea models to provide superefficiency scores[j]. journal of the operational research society， 2003， 54（1）： 101-108.
　　[11]程可胜. 中国证券公司效率的实证分析[j]. 华东经济管理， 2009， 23（8）： 82-87.
　　[12]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.
　　[13]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）： 120-134.