参数与非参数运筹学模型评估：银行效率新视角

本文主要探讨了在银行效率评估中，参数方法和非参数方法的运用，提出了两种新的结合参数和非参数的运筹学模型，即ESTO（Efficiency Stability Test with Optimal models）和CVS（Cross-Validated Stochastic Frontier Analysis）。作者通过对比分析VRS-CRS-SFA（CRDS）和CRS-VRS-SFA（CVS）两种模型，利用随机前沿分析（SFA）和数据包络分析（DEA）的数据，对2020年2月至7月65家银行的业绩进行了评估。 在银行效率评估领域，传统的参数方法如CCR（Charnes-Cooper-Rhodes）模型和非参数方法如DEA（Data Envelopment Analysis）各有优缺点。参数方法假设技术效率是固定的，而DEA则允许输入和输出的比例变化，适应不同规模效应。然而，这些方法在处理效率恒定性时可能存在局限性。为了解决这个问题，作者引入了新的ESTO和CVS模型，它们结合了参数和非参数的优势，可以更好地处理数据的异质性和不确定性。 文章中提到，通过线性回归和无重复线性函数关系（ULFR）分析了参数和非参数方法的性能。结果表明，新提出的模型在金融机构的生产、中介和利润/收入三个评估维度上，与利润风险的正相关性更高，且决定系数（R²）更大，显示出更好的预测能力。 引言部分回顾了银行效率识别方法的历史，包括Aigner等的参数方法、Charnes等的非参数DEA方法和Banker等的NCR方法。同时，文中还提到了SFA和DEA在金融企业效率比较中的应用，以及过去研究中关于这两种方法的相关性分析。尽管有研究发现SFA和DEA的相关性较低，但ESTO和CVS模型的提出为这一领域的研究提供了新的视角和工具。 这篇论文贡献了一种改进的银行效率评估方法，结合了参数和非参数模型的优点，旨在提高效率估计的稳定性和准确性。这对于理解和提升银行业的运营效率，特别是在可持续运营的背景下，具有重要的理论和实践意义。