1、研究综述

经过20多年的进步，国内证券公司在各方面获得了进步，对国民经济的进步起到了巨大的推进用途，但现在还是存在不少问题。比如，还存在着有些公司规模偏小，有些过大的规模和复杂的业务加强了经营协调上的困难，带来高本钱，封控薄弱，资金借助率不高的问题。数据包络剖析有非常大的优点，应用DEA（data envelopment analysis）办法研究其技术效率的文献并不多见。纯技术效率反映的是DMU在肯定（最佳规模时）投入要点的生产效率。规模效率反映的是实质规模与最佳生产规模的差距。一般觉得：综合技术效率=纯技术效率×规模效率。综合技术效率是对决策单元的资源配置能力、资源用效率等多方面能力的综合衡量与评价，纯技术效率是企业因为管理和技术等原因影响的生产效率，规模效率是因为企业规模原因影响的生产效率。综合技术效率=1，表示该决策单元的投入产出是综合有效的，即同时技术有效和规模有效。纯技术效率=1，表示在现在的技术水平上，其投入资源的用法是有效率的，未能达到综合有效的根本缘由在于其规模无效。因此，其改革的重点在于怎么样更好地发挥其规模效益。纯技术效率是规范和管理水平带来的效率，而规模效率是指在规范和管理水平肯定的首要条件下，现有规模与最佳规模之间的差异。

技术效率是考察一个企业生产管理方法和资本投入产出效率的主要依据。技术效率水平的高低是衡量企业生产和管理效率水平的要紧标准，对其科学测算和剖析是提升生产经营效率和改进生产管理方法的首要条件。本文旨在运用DEA办法对证券公司技术效率进行剖析，探寻相对低效的企业的一同特点及其内在缘由。以期帮助营运管理低效的证券公司进行改革，使中国证券业得到更好的进步。

2、模型选择及数据选取

（1）模型的选择。DEA办法处置多输入，尤其是多输出的问题的能力是具备绝对优势的。并且，DEA办法不仅能够用线性规划来判断决策单元对应的点是不是坐落于有效生产前沿面上，同时又可获得很多有用的管理信息。因此，它比其他的一些办法（包含使用统计的办法）优越，用处也更广泛。DEA也称数据包络剖析法，是由运筹学家A.Charnes和W.Cooper等学者在“相对效率评价”定义基础上进步起来的一种新的系统剖析办法。DEA是一种非参数剖析办法，与随机前沿剖析法即SFA（stochastic frontier analysis approach）不同。随机前沿剖析法是通过构建随机前沿生产函数，打造在很多条件假设与设定模型的基础上的一种办法，而非参数DEA法摒弃了参数办法中函数形式需要事先假定、参数估计的有效性和合理性需要检验等多方面问题，在效率计算上的运用更为常见。

在DEA办法中有“投入导向”和“产出导向”两种效率剖析模型。“投入导向”反映的是在至少已给定的产出水平的状况下，决策单位使用最小投入的能 力。“产出导向”反映的是在无需更多已给定的投入水平的状况下，决策单位获 取最大产出的能力。证券公司是投入导向型，故本文用的均是：“投入导向”型的DEA模型进行剖析。

（2）样本的选择。因为资料来源的限制，未能选取全部的证券类上市公司进行比较，而是选取了具备代表性的规模与营业额比较靠前的16家上市的证券公司作为决策单元，分别是方正证券、宏源证券、中信证券等16家进行横向比较。

（3）变量的选取。大家选取的输入指标为2个，输出指标为3个，选择16家重点上市公司作为决策单元。样本容量（16）大于投入与产出指标之积的2倍，可以觉得该DEA评价结果具备适当的区别度，同时决策单元均为沪深两市上市的证券公司，满足DEA剖析的同质性需要。选取了净资产、营业总本钱为输入指标，它涉及证券企业的经营规模和基础实力，具备代表性。选取手续费及佣金净收入、净收益、利息收入为输出指标。手续费及佣金收入是证券公司获得的一项尤为重要的收益，是证券企业的主要收入来源，进行横向比较有非常大的意义。样本数据源自上市公司2013年财务报告和万潮网的2013年报统计数据。

3、实证研究