中国证券业效率的动态分析

宄（双月　２００９年第２期（总第３９期）　中国证券业效率的动态分析　口王晓芳口程可胜　（西安交通大学经济与金融学院，陕西西安７１００６１）　摘要：本文利用ＤＥＡ和基于ＤＥＡ的Ｍａｌｍｑｕｉｓｔ生产率指数，运用３２家主要　证券公司的相关数据，对中国证券业２００４至２００６年间的技术效率进行了分析　和评价。结果显示，中国证券业的整体效率水平尽管还比较低，但已经显示出了　不断提高的趋势；证券公司效率的两极分化趋势已初露端倪；越来越多的证券公　司开始出现规模报酬递减；技术变化对生产率变化的影响超过了效率变化，成为　生产率变化的主要原因。　关键词：证券业；技术效率；ＤＥＡ；Ｍａｌｍｑｕｉｓｔ指数　中图分类号：Ｆ８３０．９１　文献标识码：Ａ　文章编号：１６７１—９３０１（２００９）０２—００４９—０６　２００８年１月发布的《中国资本市场发展报告》，提出了到２０２０年中国资本　市场发展要实现的战略目标。该目标要求，届时中国证券公司　的发展需要进　入比较成熟的阶段，竞争力显著增强，出现具有国际竞争力的证券公司。效率的　提升是竞争力提高的基础。因此，在新的历史形势下，中国证券公司的效率关乎　到２０２０年中国资本市场发展的战略目标能否实现的大局。这使得对中国证券　业效率的研究具有特殊的现实意义。随着证券市场的结构性调整和持续低迷，　２００３年底至２００４年上半年，中国证券公司面临行业建立以来的第一次行业性　危机②。为基本化解现有风险，初步建立新的机制，有效防范新的风险，为证券　公司规范、持续、稳定发展奠定基础，中国证监会于２００４年８月，启动了证券公　司综合治理工作。该项工作历时３年于２００７年８月３１日完成。为研究中国证　券业效率的动态变化，同时也是为了检验综合治理对证券公司效率的影响，本文　选取２００４至２００６年度３２家证券公司为样本，利用ＤＥＡ和基于ＤＥＡ的　收稿日期：２００８—０５—２９　作者简介：王晓芳（１９５８一），女，陕西西安人，西安交通大学经济与金融学院教授，博士生导师；程　可胜（１９７８一），男，河南平顶山人，西安交通大学经济与金融学院博士研究生。　・－－－——４９・－－－——　王晓芳程可胜　中国证券业效率的动态分析　Ｍａｌｍｑｕｉｓｔ指数作为研究工具，分析了其效率的变化动态。　一、相关概念及文献综述　尽管可从多个角度给“效率”一词定义，如帕累托效率、技术效率、配置效率、利润效率、成本效　率、ｘ效率等，但其本质是不变的，即最充分的利用资源。具体就生产经营单位而言，效率表现为有效　利用投入实现产出的能力。本文重点关注技术效率。　本文对证券公司效率的测算，要涉及到３种效率指数：技术效率、规模效率和纯技术效率。技术　效率可以通过两种不同的角度来测度，即投人导向（Ｉｎｐｕｔ　Ｏｒｉｅｎｔａｔｅｄ）和产出导向（Ｏｕｔｐｕｔ　Ｏｒｉｅｎｔａｔｅｄ）。　在固定规模报酬设定下的技术效率就是人们常说的技术效率，也被称为综合技术效率。在变动规模　报酬设定下的技术效率，被称为纯技术效率。规模效率是技术效率与纯技术效率的比值，反映决策单　元是否在最优规模上生产。规模效率等于１，意味着现有规模即最优规模。规模效率小于１，意味着　现有规模偏离了最优规模，并且规模效率分值越小，偏离的程度越严重。　Ｃｏｅｌｌｉ指出，尽管效率和生产率经常被互换使用，但这是不合适的，准确的　说，两者并不是同一回事　Ｊ。生产率一般是指全要素生产率，被定义为产出和　实现它所需的投入的比值。在前沿分析法中，效率则指距离生产前沿的远近，　决策单元位于前沿上时其效率最高，离前沿越远效率越低。可以借助图１中的　例子，来说明两者的区别。其中的决策单元，用一种投入　来生产一种产出Ｙ。　射线ＯＡ和ＯＢ分别表示ｔ时期和ｔ＋１时期的固定规模报酬设定的生产前沿，　并且ｔ＋１时期相对于ｔ时期发生了技术进步。假如Ａ点和　点对应的是同一　个决策单元，那么它在两个时期的技术效率值均等于１。该决策单元在ｆ时期图　生产率和．技术效率　和ｔ＋１时期的生产率分别为射线　和ＯＢ的斜率，显然两者并不相等。这样，同一决策单元从ｔ时期　到ｔ＋１时期，效率不变，生产率却发生了变化。造成效率变化和生产率变化不一致的原因在于技术变　化。这正是将生产率变化分解为技术变化和效率变化的依据。　尽管研究金融机构效率的文献很多，但专门研究证券公司的很少。Ｆｕｋｕｙａｍａ和Ｗｅｂｅｒ采用ＤＥＡ　方法考察了日本证券公司１９８８～１９９３年间的总成本效率和生产率变化　Ｊ。Ｗａｎｇ　ｅｔ　ａ１．利用ＤＥＡ方　法和Ｔｏｂｉｔ回归评估了台湾综合类证券公司１９９１—１９９３年的纯技术效率、规模效率和成本效率，并分　析了可能的影响因素　。Ｈｕ和Ｆａｎｇ利用２００２至２００５年的数据，采取四阶段ＤＥＡ方法的研究发　现，台湾金融持股公司（Ｆｉｎａｎｃｉａｌ　Ｈｏｌｄｉｎｇ　Ｃｏｍｐａｎｉｅｓ，ＦＨＣ）的成立对综合类证券公司的效率有负面的　影响　Ｊ。近年来，樊宏和刘莹等在中国证券公司的效率研究方面也进行了一些尝试，但由于数据来　源的限制，样本容量过少，投入和产出指标的选择也受到限制，影响了结论的可信度　’　。　二、研究工具　在效率的测评中，前沿分析法被大量的使用。根据生产前沿的确定方法的不同，前沿分析法又可　以分为参数法和非参数法，前者以随机前沿分析（Ｓｔｏｃｈａｓｔｉｃ　Ｆｒｏｎｔｉｅｒ　Ａｐｐｒｏａｃｈ，ＳＦＡ）为代表，后者以　ＤＥＡ为代表。由于ＤＥＡ方法回避了在参数法中必须的生产前沿函数的具体形式设定以及对误差项　分布形式的必要假定，运算相对简单，因而得到了相对更为广泛的使用。　Ｍａｌｍｑｕｉｓｔ指数最初由Ｍａｌｍｑｕｉｓｔ于１９５３年提出，最初用来分析不同时期的消费变化。Ｃａｖｅｓ等　在１９８２年首先将该指数应用于生产率变化的测算，此后与ＤＥＡ理论相结合，在生产率测算中应用日　益广泛。在实证分析中，研究者普遍采用Ｆａｒｅ等在１９９４年构建的基于ＤＥＡ的Ｍａｌｍｑｕｉｓｔ指数。　距离函数（ｄｉｓｔａｎｃｅ　ｆｕｎｃｔｉｏｎｓ）是计算Ｍａｌｍｑｕｉｓｔ指数和对其进行进一步分解的基础。距离函数由　Ｍａｌｍｑｕｉｓｔ和Ｓｈｅｐｈａｒｄ于１９５３年分别独立进行定义，用来描述不需要说明具体行为标准（例如成本最　小化或利润最大化）的多种投入和产出的生产技术。距离函数同样可以被分为产出导向和投入导　向。投入和产出导向的距离函数可以分别被定义为（１）和（２）：　５０—　ＮＤＵＳＴＲＩＡＬ　ＥＣｏＮｏＭＩＣＳ　ＲＥＳＥＡＲＣＨ　ｄ　＝ｍａｘ（ｐ：（ｘ／ｐ，Ｙ）∈Ｌ（Ｙ））　（１）　ｄ。＝ｍｉｎ（ｐ：（Ｙ／ｐ）∈Ｐ（　））　（２）　其中　和Ｙ分别表示投入和产出向量，Ｐ（ｘ）定义为可能生产集。Ｌ（ｙ）表示所有能生产产出Ｙ的投　入　的集合。投入导向的距离函数ｄ　是保持产出不变时，用投入向量能够被缩减到的最小比例的倒数　来刻画生产技术。而产出导向的距离函数ｄ。则是保持投入不变时，用产出向量能够扩张到的最大倍数　的倒数来刻画生产技术　］。接下来，我们将以投入导向为例，来说明Ｍａｌｍｑｕｉｓｔ指数的计算及分解。　从ｔ时期到ｔ＋１时期，基于投入导向的度量全要素生产率增长的Ｍａｌｍｑｕｉｓｔ指数可以表示为：　（　＋。，ｙ　＋　，　，ｙ　）＝［　×　】　（３）　（３）式中，（　＋　，　＋　）和（　，Ｙ　）分别表示ｔ＋１时期和ｔ时期的投人和产出向量；ｄ：（・）和　ｔ十１（・）　分别表示以ｔ时期、ｔ＋１时期技术为参照的投人导向的距离函数。　以ｔ时期技术为参照，投人导向的Ｍａｌｍｑｕｉｓｔ指数可以表示为：　Ｊ７ｌ　ｔ（　＋　，Ｙ　＋　，　，Ｙ　）＝ｄ：（　＋　，Ｙ　＋。）／ｄ：（　，Ｙ　）　（４）　类似地，以ｔ＋１时期技术为参照，投入导向的Ｍａｌｍｑｕｉｓｔ指数可以表示为：　ｔ　（　＋１，Ｙ　＋１，　，Ｙ　）＝ｄ　ｔ　（　＋１，Ｙ　＋１）／ｄ；　（　，Ｙ　）　（５）　为避免时期选择的随意性，用　和　：“的几何平均值即（３）式，作为衡量从ｔ时期到ｔ＋１时期　生产率变化的Ｍａｌｍｑｕｉｓｔ指数。该指数大于１时，表明从ｔ时期到ｔ＋１时期全要素生产率提高；小于　１则表明生产率下降。　Ｍａｌｍｑｕｉｓｔ指数可以被分解为效率变化指数和技术变化指数两个部分，其分解过程如下：　Ｍｉ（Ｙｔ＋ｌ，ｘｔ＋ｌ，Ｙｔ，ｘｔ　＝　×［　×　】１／２：Ｅｃ×ＴＣ　叫　×　】　㈤　ＥＣ＞１表示ｔ到ｔ＋１时期效率提高，ＥＣ＝１表示效率不变，ＥＣ＜１则表示效率下降。ＴＣ＞１，直观地　讲意味着生产前沿向上移动，即有技术进步发生，ＴＣ＝１表示技术不变，ＴＣ＜１则出现技术退步。　利用ＤＥＡ方法，计算某一个决策单元从ｔ时期到ｔ＋１时期、基于投人导向的全要素生产率的变　化，需借助线性规划方法，求解如下四个距离函数：　［ｄ：（　，Ｙ　）］～＝ｍｉｎ　．　咖　ｓ．ｔ．　ｎ—　Ａ＞１０　一Ｙｎ＋ＹｔＡ＞１０　Ａ＞１０　（７）　［ｄ。ｔ“（　…，Ｙ…）］～＝ｒａｉｎ¨　ｓ．ｔ．咖　。．１＋１一　￡＋１ＡＩ＞０　一Ｙｆ．ｔ＋１＋Ｙｌ＋１Ａｉ＞０　Ａ　Ｉ＞０　（８）　［ｄｉ（ｘ…，Ｙ…）］～＝ｍｉｎ　．＾咖　ｓ．ｔ．　＋ｌ—　ｆＡ　ｔ＞０　．　一Ｙ　．１＋１＋Ｙ￡ＡＩ＞０　Ａ　Ｉ＞０　（９）　—５１一　王晓芳程可胜　中国证券业效率的动态分析　［　ｔ“（　，Ｙ　）］～＝ｍｉｎ¨咖　Ｓ．ｔ．一咖　一　ｌ＋１Ａ　＞０　ＩＹｎ＋Ｙｌ＋１ＡＩ＞０　Ａ　＞Ｉ０　（１０）　并且，在上述４个线性规划中，Ａ和　值是各不相同的。因此对于每个决策单元都需要求解上述　４个线性规划。每增加一个时期，对于每个决策单元都必须多求解３个线性规划。如果有Ｔ个时期、　１个决策单元的平衡面板数据，则总共需要求解Ｉ　Ｘ（３Ｔ一２）个线性规划　。　三、实证分析　（一）投入和产出的选择、数据来源及数据处理　投人和产出指标的选取是利用前沿分析法评价效率的关键。投入通常被分为５种类型：固定资　产、劳动、能源、原料和外购服务。对于证券公司而言，主要是固定资产和劳动。　由于不像其它投入在一年内被消耗掉，固定资产投入的确定比较困难，需要考虑如何测度固定资　产存量、用资产存量还是资产服务流量来表示固定资产投入。永续盘存法是常用来测度资产存量的　方法，在缺乏企业投资的历史数据和相关价格指数时可以用扣除折旧后的固定资产总值的名义值来　表示固定资产存量。因此，在本文中，我们用年末固定资产总值来表示资产存量。准确的表示固定资　产投入的是固定资产提供的服务流量。由于资产服务流量往往被假定为资产存量的一个比例，因此　资产存量可以反映出资产服务流量。如果这一比例不随时间变化，可以用资产存量来替代资产服务　流量。然而由于经济周期的影响，一般而言，该比例会随周期变动而波动。考虑到中国证券业的特　点，我们认为对于证券公司而言，这一比例会随股票市场行情的变化而变化。因此，我们用上证指数　每日收盘点数的年度算术平均值，以２００４年为基期，对固定资产存量进行如下调整：　调整后固定资产总值＝年末固定资产总值×　蛊　因为这种调整已经反映了可能的变化，我们选择调整后的固定资产总值表示资产服务流量。　由于不同公司员工素质可能存在差异，劳动不能单纯以员工数量来衡量，而且也不能获得证券公　司员工数量的确切信息。因此，我们选取每个年度证券公司发放的工资总额替代劳动。　由于缺乏证券公司的经纪、承销、自营和受托资产管理等业务的业务量信息，我们用营业收入来　表示证券公司的产出。营业收入是证券公司主营业务项目收人的合计，比较综合的反映了其经纪、承　销、自营和受托资产管理等业务的经营状况。　固定资产总值、工资总额和营业收入数据分别来自证券公司财务报告中的资产负债表、财务报表　附注中关于营业费用的说明和利润分配表。　由于本文要考察跨年度的效率变化动态，而我们选取的指标都是来自券商年报的名义值，这导致　效率的评价可能受到物价变动的干扰。为剔除价格因素的影响，我们把所有投入和产出指标均除以　同期的定基ＣＰＩ，转换为以１９７８年的不变价格表示的实际值。　（二）样本选择　由于数据缺失或产出指标为负，我们剔除了部分公司，选取３２家中国证券公司作为样本。样本　公司２００６年总资产和营业收人总和占全行业总量的比例分别为３９．７％和４１．５％，因此基本能代表　证券业的整体状况。　（三）ＤＥＡ模型的设定　根据对待评价机构规模报酬的不同假定，ＤＥＡ模型可以分为ＣＲＳ和ＶＲＳ模型。因为ＣＲＳ的假　定意味着所有证券公司均在最优规模上经营，这显然与现实不符。因此，我们选择ＶＲＳ模型来评价　证券公司的效率。　５２—　ＮＤＵＳＴＲＩＡＬ　ＥＣｏＮｏＭＩＣＳ　ＲＥＳＥＡＲＣＨ　在ＣＲＳ设定下，投入导向和产出导向的技术效率值相等，但在ＶＲＳ的设定下，两者的技术效率值　并不相等。因此，还必须明确所选择的导向。因为证券公司需要满足市场需求，因而产出的调整余地　不大，可以自由调整的是投入。投人导向的模型更合适。　（四）实证结果及其分析　输出投入和产出数据，根据上述设定，运行ＤＥＡＰ２．１软件完成计算技术效率和Ｍａｌｍｑｕｉｓｔ指数所　需要的相关运算④。通过对上述运算结果的分析和总结，我们得到以下几点结论。　１．中国证券公司整体效率水平比较低，并且纯技术无　效率是中国证券公司效率低下的主要原因。为便于比较，　我们计算总结了３个年度证券公司的相应效率均值（见表　１）。以技术效率均值最高的２００６年为例，３２家公司仍平　均大约存在３６．８％的资源浪费。各个年度的规模效率均　值均大于纯技术效率均值，这说明中国证券公司无效率的　主要原因在于纯技术方面。即在不能改变现有规模的　表１　３２家证券公司的效率均值　表２　３２家证券公司的效率和生产率变动均值　短期内，仍有很大的效率提升空间。　２．证券行业的变化显示出了效率不断提高的趋　势。表２给出了３２家公司效率变动指数和技术变动　指数的均值。无论是从表１中的效率均值看，还是从　表２中的效率变动指数看，证券行业平均效率的发展　趋势都是不断提高的。以效率变动指数为标准，３２家公司的技术效率，２００５年与上年相比提高了大　约５４．７％；２００６年比上年提高了大约３３．９％；年均增长率大概为４３．９％。　３．证券公司效率上的两极分化趋势开始显现。尽管全部样本的效率均值是增加的，但也有不少　公司的效率出现了下降。我们统计了效率、　技术以及生产率变动的三种不同情况所占　的比例（见表３）。通过表３可以看出，效率　下降公司占全部样本的比例由２００５年的　表３　３２家证券公司效率和生产率的不同类型变动所占比例　２１．９％上升到了２００６年的３７．５％，效率提　升公司所占的比例由７５％下降到了　５６．３％。效率提升的好处，逐步为越来越少　数的公司所享受。中国证券业效率的两极　分化趋势已经初露端倪。这可能预示着，在将来为数不少的公司随着相对效率的下降，在竞争中被淘　汰出局将难以避免。　４．越来越多的公司步入规模报酬递减阶段。ＤＥＡ的运　１ＯＯ％　算结果不仅给出了规模效率值，而且说明了证券公司的规模　报酬状况，我们对规模报酬的分布状况进行了统计（见图２）。　通过图２可以看出，处于规模报酬递增阶段的公司所占比例　８０％　６０％　４０％　２０％　０％　越来越小，而处于规模报酬递减阶段的公司的比例呈现出明　显的增加趋势。到２００６年，样本公司中，处于递减阶段的公　司所占比例已经超过了处于递增阶段的公司。经过多年的积　～圜　２００４年２００５年２００６年　图２　３２家证券公司规模报酬分布　累和增资扩股，已经有越来越多的公司的规模超过了理论的最优规模，步人规模报酬递减阶段。　５．技术变化是先退步而后进步。从表３可看出，在技术变化上，３２家公司的表现高度一致，因为　每个年度彼此面临相同的生产前沿。与前一年对比，２００５年全部是技术“退步”，２００６年则全部是技　一５３—　王晓芳程可胜　中国证券业效率的动态分析　术“进步”。技术出现退步似乎难以理解。对于这一点的解释，必须考虑中国证券行业本身的特点和　ＤＥＡ效率评价方法的局限性。前沿的平移，反映出可能存在对全部公司都不可避免发生作用的因　素，并且这种因素是证券公司无法左右的外生因素。以ＤＥＡ为代表的非参数方法的分析框架，没有　办法直接考虑诸如外部环境以及运气和统计噪声等随机因素对效率造成的影响，因而将这些因素全　部归人“技术”。联系到中国证券公司靠天吃饭的现实格局，最容易联想到的因素就是股市大盘。我　们假定２００４年的技术水平为１，利用技术变动指数，可计算得到２００５和２００６年的技术水平，并将它　们和上证Ａ股指数每日收盘点数的年度算术平均值一起，绘制成图３。图中大盘走势与证券公司技　术水平走势的关联性十分明显。　６．全要素生产率先减少而后增加，生产率变动受外生　２０００　因素的影响大。样本公司的生产率平均水平，２００５年只有　２００４年的５９．２％，但２００６年是２００５年的１９．６９５倍。平　１５Ｏ０　１０００　５０Ｏ　０　均来看，生产率的年增长率大概为２４１．１％。并且从ＥＣ和　ＴＣ的均值可看出，外生的技术变动是全要素生产率提高的　主因（见表２）。这是中国证券公司在生产率提高上的“靠　２００４年　２００５年　２００６年　天吃饭”现象。这种局面的改观，有待于优化业务结构，加　强创新。　四、研究结论　Ｉ二！二　塑鏊！垦望堕＝！二垫　图３证券公司的技术水平与股市大盘　本文利用２００４～２００６年度３２家证券公司的数据，研　究了中国证券公司效率的动态变化。结果表明，尽管中国证券业的整体效率水平还比较低，但发展的　整体趋势是不断上升的；越来越多的公司进入规模报酬递减阶段和证券公司间效率变动的两极分化　趋势的显现，意味着中国证券业优胜劣汰的基础在逐渐形成；技术变化的反常形态的出现、技术水平　和股市大盘的关联性以及生产率变化对外生因素的过度依赖，意味着中国证券公司要改变靠天吃饭　的局面仍需要比较长的时问。　参考文献：　［１］Ｃｏｅｌｌｉ　ｅｔ　ａ１．，２００５，Ａｎ　Ｉｎｔｒｏｄｕｃｔｉｏｎ　ｔｏ　Ｅｆｉｆｃｉｅｎｃｙ　ａｎｄ　Ｐｒｏｄｕｃｔｉｖｉｔｙ　Ａｎａｌｙｓｉｓ，Ｓｐｒｉｎｇｅｒ　Ｓｃｉｅｎｃｅ＋Ｂｕｓｉｎｅｓｓ　Ｍｅｄｉａ，Ｉｎｃ．，　ＰＰ３—＿５．　［２］Ｆｕｋｕｙａｍａ，Ｗｅｂｅｒ．，１９９９，“Ｔｈｅ　Ｅｆｆｉｃｉｅｎｃｙ　ａｎｄ　Ｐｒｏｄｕｃｔｉｖｉｔｙ　ｏｆ　Ｊａｐａｎｅｓｅ　Ｓｅｃｕｒｉｔｉｅｓ　Ｆｉｎｎｓ，１９８８—９３”，Ｊａｐａｎ　ａｎｄ　ｔｈｅ　Ｗｏｒｌｄ　Ｅｃｏｎｏｍｙ．１１，ＰＰ１１５—１３３．　［３］Ｗａｎｇ　ｅｔ　ａ１．，２００３，“Ａ　Ｓｔｕｄｙ　ｏｆ　Ｐｒｏｄｕｃｔｉｏｎ　Ｅｆｆｉｃｉｅｎｃｉｅｓ　ｏｆ　Ｉｎｔｅｇｒａｔｅｄ　Ｓｅｃｕｒｉｔｉｅｓ　Ｆｉｎｓ　ｉｎ　Ｔａｉｗａｎ”，Ａｐｐｌｉｅｄ　Ｆｉｎａｎｃｉａｌ　Ｅｃｏ—　ｎｏｍ／ｃｓ，１３，ＰＰ１５９－－１６７．　［４］Ｈｕ，Ｆａｎｇ，２００７，“Ｍａｎａｇｅｒｉｌａ　Ｅｆｉｃｅｎｃｙｆ　ｏｆ　Ｓｅｃｕｒｉｔｉｅｓ　Ｆｉｒｍｓ　ｕｎｄｅｒ　Ｆｉｎａｎｃｉａｌ　Ｈｏｌｄｉｎｇ　Ｃｏｍｐａｎｉｅｓ　ｉｎ　Ｔａｉｗａｎ”，ｗｏｒｋｉｎｇｐａ—　ｐｅｒ・　［５］樊宏．基于ＤＥＡ模型的中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）：１１８一ｌ２１．　［６］刘莹．基于数据包络分析的中国证券公司效率研究［Ｄ］．暨南大学，２００６，３４—３９．　［７］Ｃｏｅｌｌｉ　ｅｔ　１．，２００５，Ａｎ　Ｉａｎｔｒｏｄｕｃｔｉｏｎ　ｔｏ　Ｅｆｉｃｉｆｅｎｃｙ　ａｎｄ　Ｐｒｏｄｕｃｔｉｖｉｔｙ　Ａｎａｌｙｓｉｓ，Ｓｐｒｉｎｇｅｒ　Ｓｃｉｅｎｃｅ＋Ｂｕｓｉｎｅｓｓ　Ｍｅｄｉａ，Ｉｎｃ．，　ＰＰ４７—＿５１．　［８］Ｆａｒｅ　ｅｔ　ａ１．，１９９４，“Ｐｒｏｄｕｃｔｉｖｉｔｙ　Ｇｒｏｗｔｈ，Ｔｅｃｈｎｉｃａｌ　Ｐｒｏｇｒｅｓｓ　ａｎｄ　Ｅｆｉｆｃｉｅｎｃｙ　Ｃｈａｎｇｅｓ　ｉｎ　Ｉｎｄｕｓｔｉｒａｌｉｚｅｄ　Ｃｏｕｎｔｉｒｅｓ”，Ａｍｅｒ／一　ｃａｒｔ　Ｅｃｏｎｏｍｉｃ　Ｒｅｖｉｅｗ，８４（１）：ＰＰ６６－－８３．　（下转第７８页）　．．．——５４．．．．——　第三，个人收入越低愿意提前支付房贷的愿望越强。但列联表分析中的Ｐｅａｒｓｏｎ卡方检验和似然比检验并不支　持这一结论。由于个人收入低于当地社会平均收入，就会对未来收入预期不乐观，故宁愿选择在即期支付房贷。但　是目前的收入远远不能达到提前支付的要求，故造成了个人收入与提前支付房贷之间的关系不存在显著性。　第四，房价与收入比的增长持平时，提前支付房贷的愿望越强。房价与收入的增长相比越快反而提前支付的愿　望不强。因为当房价与收入比的增长持平时，也是人们认为正是进入买入的最好时机，故愿意提前支付房贷。但当　房价高于个人收入时，人们就认为正是高位不可以进入，故不愿意提前支付房贷。列联表分析中的Ｐｅａｒｓｏｎ卡方检验　和似然比检验并也支持这一结论，即认为房价与个人收入比的增长与提前支付房贷之间存在显著的联系。此外，线　性关联分析也表明房价与个人收入比的增长与提前支付房贷之间存在显著线性关系。　参考文献：　［１］Ｍｉｓｃｈｅｌ，Ｗ．，１９８４，“Ｃｏｎｖｅｒｇｅｎｃｅｓ　ａｎｄ　Ｃｈａｌｌｅｎｇｅｓ　ｉｎ　ｔｈｅ　Ｓｅａｒｃｈ　ｆｏｒ　Ｃｏｎｓｉｓｔｅｎｃｙ”，Ａｍｅｒｉｃａｎ　Ｐｓｙｃｈｏｌｏｇｉｓｔ，３９，　３５１－－６４．　［２］Ｈｏｃｈ，Ｓ．Ｊ．ａｎｄ　Ｇ．Ｆ．Ｌｏｅｗｅｎｓｔｅｉｎ，１９９１，“Ｔｉｍｅ－Ｉｎｃｏｎｓｉｓｔｅｎｔ　Ｐｒｅｆｅｒｅｎｃｅｓ　ａｎｄ　Ｃｏｎｓｕｍｅｒ　Ｓｅｌｆ－Ｃｏｎｔｒｏｌ”，Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｎｓｕｍｅｒ　Ｒｅｓｅａｒｃｈ．１７，４９２—＿５０７．　［３］施方．住房抵押贷款的提前偿付行为分析［Ｊ］．东北财经大学学报，２００１（０５）：４２－－－４３．　［４］樊相如，窦晓飞．浅析我国住房抵押贷款中的提前还款风险［Ｊ］．黑龙江社会科学，２００２（０１）：３３—３４．　［５］陈为涛，程英春．对我国住房抵押贷款期前清偿的研究［Ｊ］．哈尔滨商业大学学报（社会科学版），２００５（Ｏ２）：　５４—－５５．　［６］时恒艳，等．我国住房抵押贷款提前还款影响因素分析［Ｊ］．数学的实践与认识，２００８（１２）：２６—２８．　（作者宁薛平系西安交通大学经济与金融学院博士研究生；陈小勇系西北政法大学经济管理学院讲师；杨蓬勃系　西安交通大学博士研究生。）　・＋一—　－—－　一—－＋＿　（上接第５４页）　注释：　①本文所称中国证券公司，是指在中国大陆登记注册的证券公司，不包括在港澳台地区注册的证券公司。　②据事后摸底核查，当时全行业客户交易结算资金缺口６４０亿元，违规资产管理１８５３亿元，挪用经纪客户债券１３４亿　元，股东占款１９５亿元；超比例持股９９只，账外经营１０５０亿元；８４家公司存在１６４８亿元流动性缺口，其中３４家公　司的资金链随时可能断裂证券公司的风险已经严重危及证券市场安全，波及社会稳定，成为制约证券市场健康发　展的突出问题，情况十分严重。　③因篇幅所限，运算结果不直接在文中给出，需要者可向作者索要。　（责任编辑：雨珊）　Ａｎ　Ａｎａｌｙｓｉｓ　ｏｎ　Ｄｙｎａｍｉｃ　Ｅｆｉｃｉｅｎｃｙ　ｏｆ　Ｃｈｉｆｎａ　Ｓｅｃｕｒｉｔｉｅｓ　Ｉｎｄｕｓｔｒｙ　Ｗａｎｇ　Ｘｉａｏｆａｎｇ，Ｃｈｅｎｇ　Ｋｅｓｈｅｎｇ　（Ｓｃｈｏｏｌ　ｏｆ　Ｅｃｏｎｏｍｉｃｓ＆Ｆｉｎａｎｃｅ，Ｘｉ’ａｎ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１００６１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ　ｏｎ　ＤＥＡ　ａｎｄ　Ｍａｌｍｑｕｉｓｔ　Ｐｒｏｄｕｃｔｉｖｉｔｙ　Ｉｎｄｅｘ　ｍｅａｓｕｒｅｄ　ｂｙ　ＤＥＡ，ｕｓｉｎｇ　ａ　ｄａｔａ　ｓｅｔ　ｏｆ　３２　ｓｅｃｕｒｉｔｉｅｓ　ｃｏｍｐａ－　ｎｉｅｓ，ｔｈｉｓ　ｐａｐｅｒ　ｈａｓ　ａｎａｌｙｚｅｄ　ａｎｄ　ｅｖａｌｕａｔｅｄ　ｔｈｅ　ｔｅｃｈｎｉｃａｌ　ｅｆｉｃｉｆｅｎｃｙ　ｏｆ　ｓｅｃｕｒｉｔｉｅｓ　ｉｎｄｕｓｔｒｙ　ｉｎ　Ｃｈｉｎａ　ｆｒｏｍ　２００４　ｔｏ　２００６．Ｔｈｅ　ｉｆｎｄｉｎｇｓ　ｄｅｍｏｎｓ￣ａｔｅ　ｔｈａｔ　ａ　ｒｉｓｉｎｇ　ｔｒｅｎｄ　ｈａｓ　ｂｅｅｎ　ｆｏｕｎｄ，ｔｈｏｕｇｈ　ｅｆｉｃｉｆｅｎｃｙ　ｏｆ　ｓｅｃｕｒｉｔｅｓ　ｉｎｄｕｓｔｒｙ　ｉｓ　ｌｏｗ　ｎｏｗ．Ｔｈｅｒｅ　ｈａｓ　ｂｅｅｎ　ｐｏ－　ｌａｒｉｚａｔｉｏｎ　ｉｎ　ｅｆｉｃｉｅｎｃｙ　ｏｆ　ｆｄｉｆｅｒｅｎｔ　ｃｏｍｐａｎｉｅｓ．Ｍｏｒｅ　ａｎｄ　ｍｏｒｅ　ｓｅｃｕｒｉｔｉｅｓ　ｃｏｍｐａｎｉｅｓ　ｈａｖｅ　ｂｅｅｎ　ｉｎ　ｓｔａｇｅ　ｏｆ　ｄｅｃｒｅａｓｉｎｇ　ｒｅｔｕｒｎｓ　ｔｏ　ｓｃａｌｅ．Ｔｅｃｈｎｉｃａｌ　ｃｈａｎｇｅ　ｈａｓ　ｂｉｇｇｅｒ　ｅｆｆｅｃｔ　ｏｎ　ｐｒｏｄｕｃｔｉｖｉｔｙ　ｃｈａｎｇｅ　ｔｈａｎ　ｅｆｉｃｉｆｅｎｃｙ　ｃｈａｎｇｅ，ａｎｄ　ｈａｓ　ｂｅｃｏｍｅ　ｔｈｅ　ｍａｉｎ　ｒｅａｓｏｎ　ｏｆ　ｆ　ｔ　ｐｒｏｄｕｃｔｉｖｉｔｙ　ｃｈａｎｇｅ．　Ｋｅｙ　ｗｏｒｄｓ：ｓｅｃｕｒｉｔｉｅｓ　ｉｎｄｕｓｔｒｙ；ｔｅｃｈｎｉｃａｌ　ｅｆｉｃｉｆｅｎｃｙ；ＤＥＡ；Ｍａｌｍｑｕｉｓｔ　Ｉｎｄｅｘ　一７８～