가중평균 러셀(Russell) 방향거리함수모형을 이용한 은행산업의 비효율성 분석 Analysis of influencing on Inefficiencies of Korean Banking Industry using Weighted Russell Directional Distance Model원문보기
본 연구는 부실채권을 산출요소에 포함시켜 2004년부터 2013년까지 금융위기 전후 10년간 자료를 이용하여 가중평균 러셀 방향거리함수 모형(Weighted Rusell Directional Distance Model: WRDDM)에 의해 은행산업의 비효율성을 측정하였다. 그리고 이를 기초로 투입산출요소의 비효율성 기여효과를 산출하였으며 이 중 비정상적 유해산출물인 부실채권의 영향이 가장 큼을 실증하였다. 분석결과, 은행산업의 비효율성은 연평균 0.3912이며 이 중 무수익여신이 0.1883, 산출요소 0.098, 투입요소는 0.098 순으로 무수익여신의 비중이 가장 컸으며 금융위기 전 비효율성은 0.2995에서 금융위기 후 0.4829로 크게 증가하였는데 이는 부실책권의 비효율성이 금융위기 전 0.1088에서 금융위기 후 0.2678로 크게 증가한데 기인하였다. 결론적으로 투입산출 요소 중에서 인력, 총수신액, 투자증권 보다 부실채권인 무수익여신이 은행산업의 비효율성에 가장 중요한 영향을 미치고 있었으며 이에 은행산업의 기술적 효율성 측정시 정상 산출물 뿐만 아니라 비정상적인 유해산출물을 함께 고려하여야 함을 실증적으로 제시하였다. 그러나 본 연구는 은행의 효율성에 영향을 미치는 금융환경요인을 가중평균 러셀 방향거리함수모형에 통제하지 못한 한계점이 있다.
본 연구는 부실채권을 산출요소에 포함시켜 2004년부터 2013년까지 금융위기 전후 10년간 자료를 이용하여 가중평균 러셀 방향거리함수 모형(Weighted Rusell Directional Distance Model: WRDDM)에 의해 은행산업의 비효율성을 측정하였다. 그리고 이를 기초로 투입산출요소의 비효율성 기여효과를 산출하였으며 이 중 비정상적 유해산출물인 부실채권의 영향이 가장 큼을 실증하였다. 분석결과, 은행산업의 비효율성은 연평균 0.3912이며 이 중 무수익여신이 0.1883, 산출요소 0.098, 투입요소는 0.098 순으로 무수익여신의 비중이 가장 컸으며 금융위기 전 비효율성은 0.2995에서 금융위기 후 0.4829로 크게 증가하였는데 이는 부실책권의 비효율성이 금융위기 전 0.1088에서 금융위기 후 0.2678로 크게 증가한데 기인하였다. 결론적으로 투입산출 요소 중에서 인력, 총수신액, 투자증권 보다 부실채권인 무수익여신이 은행산업의 비효율성에 가장 중요한 영향을 미치고 있었으며 이에 은행산업의 기술적 효율성 측정시 정상 산출물 뿐만 아니라 비정상적인 유해산출물을 함께 고려하여야 함을 실증적으로 제시하였다. 그러나 본 연구는 은행의 효율성에 영향을 미치는 금융환경요인을 가중평균 러셀 방향거리함수모형에 통제하지 못한 한계점이 있다.
This study measured inefficiencies of Korean banks with weighted Russell directional distance function, WRDDM, for the years of 2004-2013. Checking contributions of inputs and outputs to these inefficiencies, we found that non-performing loan as undesirable output was the most influential factor. Th...
This study measured inefficiencies of Korean banks with weighted Russell directional distance function, WRDDM, for the years of 2004-2013. Checking contributions of inputs and outputs to these inefficiencies, we found that non-performing loan as undesirable output was the most influential factor. The annual average of inefficiencies of Korean banks was 0.3912, and it consisted of non-performing loan 0.1883, output factors 0.098 except non-performing loan, input factors 0.098. The annual average inefficiency went sharply up from 0.2995 to 0.4829 mainly due to the sharp increase of inefficiency of non-performing loan from 0.1088 to 0.2678 before and after 2007-2008 Global financial crisis. We empirically showed the non-performing loan needed to be considered since it was the most important factor among the influential factors of technical inefficiency such as manpower, total deposit, securities, and non-performing loan. This study had some limitation since we did not control financial environment factor in WRDDM.
This study measured inefficiencies of Korean banks with weighted Russell directional distance function, WRDDM, for the years of 2004-2013. Checking contributions of inputs and outputs to these inefficiencies, we found that non-performing loan as undesirable output was the most influential factor. The annual average of inefficiencies of Korean banks was 0.3912, and it consisted of non-performing loan 0.1883, output factors 0.098 except non-performing loan, input factors 0.098. The annual average inefficiency went sharply up from 0.2995 to 0.4829 mainly due to the sharp increase of inefficiency of non-performing loan from 0.1088 to 0.2678 before and after 2007-2008 Global financial crisis. We empirically showed the non-performing loan needed to be considered since it was the most important factor among the influential factors of technical inefficiency such as manpower, total deposit, securities, and non-performing loan. This study had some limitation since we did not control financial environment factor in WRDDM.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
(2014), Barros et al.(2012)이 제시한 가중평균 러셀(Russell)의 방향거리함수모형에 적용하여, 글로벌 금융위기 전후 5년 동안 경영의 비효율성을 분석하고자 한다[5, 6]. 먼저 글로벌 금융위기가 발생된 2008년을 기준으로 전후 5년간 자료를 비교한 근거는 다음과 같다.
본 연구는 정상산출물 이외에 유해산출물로 부실채권을 방향거리함수모형에 포함시켜 은행의 비효율성을 분석하였다. 2008년 글로벌 금융위기 전후 비효율성을 측정하고 이 비효율성에 기여하는 부실채권인 무수익여신, 투입요소, 산출요소의 효과를 분석하여 무수익여신이 은행산업의 비효율성에 영향을 미치는 정도를 파악함으로써 효율성 측정 시 정상산출요소 외에 추가적으로 고려해야 할 중요한 유해산출요소임을 확인하고자 한다.
본 연구는 국내 선행연구와 비교하여 볼 때, 분석모형과 분석기간에서 차별화되며 가중평균러셀 방향성 거리 함수를 이용하여 우리나라 은행산업의 비효율성에 대한 투입산출요소의 기여도를 분석함으로써 정상산출물 이외 비정상적 유해산출물인 부실채권이 비효율성에 기여하는 기여도가 크다는 것을 확인하였으며, 기존 효율성 분석에서 정상산출물 뿐만 아니라 유해산출물인 부실채권을 산출요소로 추가적으로 고려하여야 한다는 점을 규명하였다는 점에서 본 연구의 의미를 두고자 한다.
본 연구는 글로벌 금융위기를 전후하여 10년 동안 16개 은행의 패널자료를 이용, 순차적 WRDDM에 의해 은행산업의 기술비효율성을 측정한다. 비방사형 순차적 방향거리함수를 도출하기 위해 투입 및 산출변수가 선정이 되어야 하는데, 투입변수와 산출변수가 어떻게 선정되느냐에 따라 효율성 값이 달라지므로 변수선정이 중요하다.
본 연구는 정상산출물 이외에 유해산출물로 부실채권을 방향거리함수모형에 포함시켜 은행의 비효율성을 분석하였다. 2008년 글로벌 금융위기 전후 비효율성을 측정하고 이 비효율성에 기여하는 부실채권인 무수익여신, 투입요소, 산출요소의 효과를 분석하여 무수익여신이 은행산업의 비효율성에 영향을 미치는 정도를 파악함으로써 효율성 측정 시 정상산출요소 외에 추가적으로 고려해야 할 중요한 유해산출요소임을 확인하고자 한다.
가설 설정
즉 k은행에 대해서 투입요소벡터 x = (#)에 의해 각각의 투입요소에 대한 정상산출물벡터 y = (#)와 유해산출물 벡터 b = (#)들 생산한다면 순차적 방향거리함수를 도출하기 위한 s기 생산함수 SPSS 즉 #는 다음과 같은 선형계획프로그램을 이용하여 측정한다. 이때 생산기술함수는 규모수익불변모형으로 가정한다.
제안 방법
왜냐하면 정상적인 대출이 일어나더라도 상대적으로 위험관리를 잘하여 부실채권을 적게 발생시키는 은행이 효율적이라고 볼 수 있기 때문이다. 따라서 본 연구에서는 정상산출요소 이외에 정상산출요소와 동반하여 필연적으로 발생하는 유해산출물인 무수익여신을 추가적으로 산출요소로 고려하였다[11].
본 연구는 앞서 기술한 비방사형 순차적 방향거리함수를 이용하여 비효율성을 측정한다.
세 접근방법은 공통적으로 노동, 자본, 기타(금융) 요소를 투입요소로 사용하고 있는 반면 산출요소는 은행의 기능에 따라 다르게 정의하고 있다. 본 연구에서도 투입요소는 세 가지 접근법에 따른 선행연구와 동일하게 투입요소는 노동, 자본, 금융요소로 정하고 노동의 대리변수로 평균 인력수, 자본의 대리변수로 유형고정자산, 금융의 대리변수로 총수신액을 선정하였다[18-20]. 산출요소는 중개기능접근법에 의한 선행연구에 따라 대출액과 투자자산으로 정하고 대출금의 대리변수로 기업대출액과 가계대출액을, 투자자산의 대리변수로 증권투자액을 각각 정상산출요소로 선정하였고 비정상적 유해산출물의 대리변수로 부실채권인 무수익여신을 선택하였다[7, 9, 11, 12, 18-20].
본 연구에서도 투입요소는 세 가지 접근법에 따른 선행연구와 동일하게 투입요소는 노동, 자본, 금융요소로 정하고 노동의 대리변수로 평균 인력수, 자본의 대리변수로 유형고정자산, 금융의 대리변수로 총수신액을 선정하였다[18-20]. 산출요소는 중개기능접근법에 의한 선행연구에 따라 대출액과 투자자산으로 정하고 대출금의 대리변수로 기업대출액과 가계대출액을, 투자자산의 대리변수로 증권투자액을 각각 정상산출요소로 선정하였고 비정상적 유해산출물의 대리변수로 부실채권인 무수익여신을 선택하였다[7, 9, 11, 12, 18-20].
추가 변수의 선택은 선행연구[9]를 참고하여 본 연구의 모형1에 수수료 수입을 추가시킨 모형2, 모형1에서 요구불예금을 산출요소로 추가시킨 모형3을 분석하였다. 이때 평균인력을 제외한 투입요소와 산출요소를 각 연도의 GDP 디플레이터로 조정하였다. 변수선택에 따른 강건성을 분석하기 위해서 본 연구는 선택한 변수를 적용시킨 모형1과 산출변수로 수수료 수입을 포함시킨 모형2, 그리고 요구불 예금을 포함시킨 모형3을 활용하여 효율성을 측정한 값에 각각에 대해 윌콕슨 순위합 검정을 실시하였다.
한편 투입 및 산출변수의 선택에 따른 강건성을 확인하기 위하여 산출변수에 수수료 수입과 요구불 예금을 포함시켜 효율성을 측정, 변수선택에 따른 효율성 차이 여부를 검정하였다. 추가 변수의 선택은 선행연구[9]를 참고하여 본 연구의 모형1에 수수료 수입을 추가시킨 모형2, 모형1에서 요구불예금을 산출요소로 추가시킨 모형3을 분석하였다. 이때 평균인력을 제외한 투입요소와 산출요소를 각 연도의 GDP 디플레이터로 조정하였다.
한편 투입 및 산출변수의 선택에 따른 강건성을 확인하기 위하여 산출변수에 수수료 수입과 요구불 예금을 포함시켜 효율성을 측정, 변수선택에 따른 효율성 차이 여부를 검정하였다. 추가 변수의 선택은 선행연구[9]를 참고하여 본 연구의 모형1에 수수료 수입을 추가시킨 모형2, 모형1에서 요구불예금을 산출요소로 추가시킨 모형3을 분석하였다.
대상 데이터
본 연구는 글로벌 금융위기 전후 2004년부터 2013년까지 10년간 지방은행과 시중은행, 그리고 업무성격이 시중은행과 유사한 특수은행인 수협과 농협을 포함하여 16개 은행(한국산업은행 제외)을 분석대상으로 하였다. 즉 분석대상은행은 7개 시중은행(신한은행, 국민은행, 우리은행, 한국시티은행, 외환은행, 하나은행, 한국SC제일은행).
본 연구는 글로벌 금융위기 전후 2004년부터 2013년까지 10년간 지방은행과 시중은행, 그리고 업무성격이 시중은행과 유사한 특수은행인 수협과 농협을 포함하여 16개 은행(한국산업은행 제외)을 분석대상으로 하였다. 즉 분석대상은행은 7개 시중은행(신한은행, 국민은행, 우리은행, 한국시티은행, 외환은행, 하나은행, 한국SC제일은행). 3개 특수은행(IBK 기업은행, 수협, 농협), 6개 지방은행(대구, 부산, 광주, 제주, 전북, 경남)이다.
데이터처리
이때 평균인력을 제외한 투입요소와 산출요소를 각 연도의 GDP 디플레이터로 조정하였다. 변수선택에 따른 강건성을 분석하기 위해서 본 연구는 선택한 변수를 적용시킨 모형1과 산출변수로 수수료 수입을 포함시킨 모형2, 그리고 요구불 예금을 포함시킨 모형3을 활용하여 효율성을 측정한 값에 각각에 대해 윌콕슨 순위합 검정을 실시하였다. 검정한 결과, 모형1과 모형2에서 효율성 순위는 검정통계량 X2값이 0.
이론/모형
Fukuyama & Weber(2008)는 Färe et al.(2005)의 방향성 산출거리함수[8]를 이용하여 일본 상업은행들을 대상으로 2002년부터 2004년까지 은행의 기술비효율성을 측정하였다. 분석결과, 부실채권이 비효율성에 기여하는 중요한 요인임을 입증하였다[11].
(2014)와 Barros et al.(2012)의 WRDDM에 의한 순차적 방향거리함수(sequential directional distance function)를 적용한다[6,7]. 이때 순차적 방향거리함수는 순차적 생산가능집합2)을 구축한 후, WRDDM에 의해 비효율성을 측정한다[5].
성능/효과
변수선택에 따른 강건성을 분석하기 위해서 본 연구는 선택한 변수를 적용시킨 모형1과 산출변수로 수수료 수입을 포함시킨 모형2, 그리고 요구불 예금을 포함시킨 모형3을 활용하여 효율성을 측정한 값에 각각에 대해 윌콕슨 순위합 검정을 실시하였다. 검정한 결과, 모형1과 모형2에서 효율성 순위는 검정통계량 X2값이 0.0622(p = 0.725), 모형1과 모형3에서 효율성 순위 검정통계량 X2 값이 0.1238(p = 0.803)로 서로 순위의 차이가 없는 것으로 나타나 변수선택에 따른 효율성 측정 결과가 다르지 않음을 확인하였다.
둘째, 은행산업은 규제산업으로 환경적 요인, 예컨대, 기준금리 변경, 대출규제 등이 은행의 효율성에 영향을 미치는 데 이 환경요인을 가중평균 러셀 방향거리 함수모형에서 통제하지 못하였다. 이는 DEA 모형이 갖는 구조적인 문제점으로 환경요인 비효율성과 경영비효율성이 혼재되어 모형에서 구분하기 어렵다는 점이다.
이는 기존 정상산출물만으로 효율성을 측정하는 경우 은행별 효율성의 편의(bias)가 발생할 가능성이 높으며 은행별 왜곡된 성과평가 결과를 초래할 수 있다는 점을 시사한다. 이에 본 연구는 금융위기 전후 부실채권의 증가에 따라 비효율성에 미치는 기여효과가 크게 나타나는 시점을 선택하여 은행산업의 비효율성을 분석한 결과, 은행의 효율성 측정 시 비정상적 유해산출 물로서 부실채권이 고려되어야 할 중요한 요소임을 실증 분석을 통해 확인할 수 있었다.
질의응답
핵심어
질문
논문에서 추출한 답변
2008년 글로벌 금융위기의 원인은?
2008년 9월 리먼브러더스의 파산으로 전 세계의 금융시장과 실물경제에 타격을 주면서 글로벌 금융위기가 발생하였다. 최근까지 지역별로 다소 편차는 있으나 위기 발생 이전인 2005∼2006년에 0.
금융위기 이후 우리나라 은행 산업은 무수익여신이 증가하면서 은행의 대손상각에 따른 비용증가로 이어졌는데 이는 어디에 영향을 미쳤는가?
1%로 하락하였다[2]. 특히 금융위기 이후 우리나라 은행산업은 여신 중에서 부실채 권인 무수익여신 1) 이 증가하면서 은행의 대손상각에 따른 비용증가로 이어지고 있는데, 이는 은행의 경영성과에 부정적인 영향을 미쳐 효율성 감소에 중요한 요인으로 작용한 것으로 보인다[3]
은행의 효율성 평가 때, 무수익여신을 기존 정상산출물로 취급하여 효율성을 측정할 경우, 은행별 성과 평과에 끼치는 영향은?
17, 21] 그리고 은행의 비효율성에 영향을 크게 미치는 요소는 무수익여신이었다. 이는 기존 정상산출물만으로 효율성을 측정하는 경우 은행별 효율성의 편의(bias)가 발생할 가능성이 높으며 은행별 왜곡된 성과평가 결과를 초래할수 있다는 점을 시사한다. 이에 본 연구는 금융위기 전후 부실채권의 증가에 따라 비효율성에 미치는 기여효과가 크게 나타나는 시점을 선택하여 은행산업의 비효율성을 분석한 결과, 은행의 효율성 측정 시 비정상적 유해산출 물로서 부실채권이 고려되어야 할 중요한 요소임을 실증 분석을 통해 확인할 수 있었다.
참고문헌 (25)
IMF(2015), Global Financial Stability Report. https://www.inf.org/publications/gfst
The Financial Supervisory Service(2008-2018). Financial Statistics Information System. http://fisis.fss.or.kr/fss/fsiview/indexw.html
T. Y. Sung, K. Y. Park & D. Y. Kim. (2011). A Comparative Perspective of Financial Crisis and Bailout: the U.S. in 2008 versus Korea in 1997, Journal of Korean Economic Analysis, 17(1), 1-45.
Y. J. Chang & D. H. Yang. (2015). Efficiency and Productivity Change in the Korean Banking Industry during 2004-2013 - A sequential Malmquist-Luenberger Productivity Index, Korea Business Review, 44(1), 55-80.
H. Tulken & P. Vanden Eeckaut. (1995). Nonpara metric Efficiency, Progress and Regress measures for Pannel Data: Methodological Aspect European. Journal of Operational Research, 80, 474-400.
P. C. Chen, M. Yu, S. Managi & C. Chang. (2014). Non-radial Directional Performance Meaurement with undesirable Outputs, http://mpra.ub.uni-muenchen.de/57189/MPRApaper57189.
C. P. Barros, S. Managi & R. Matousek.(2012). The technical Efficiency of the Japanese Banks: Non-radial directional performance measurement with undesirable output, Omega, 40, 1-8. DOI:10.1016/J.OMEGA.2011.02.005
R. W. Shephard. (1970). Theory of cost and production, Prinston: Princeton University Press.
K. H. Park & W. L. Weber. (2006). A Note on Efficiency and Productivity Growth in the Korean Banking Industry, 1992-2002, Journal of Banking & Finance, 30, 2371-2386. DOI:10.1016/J.JBANKFIN.2005.09.013
R. Fare, S. Grosskopf & D. W. Noh. (2005). Characteristics of Polluting Technology: Theory and Practice. Journal of Econometrics, 126(2), 469-492. DOI:10.2139/SSRN.394342
H. Fukuyama & W. L. Weber. (2008). Japanese Banking Inefficiency and Shadow Pricing, Mathematical and Computer Modelling, 71. 1854-1867. DOI:10.1016/J. MOM.2008.03.003
H. Fujii, S. Managi & R. Matousek. (2014). Indian Bank Efficiency and Productivity Changes with Undesirable Outputs: A Disaggregate Approach, Journal of Banking & Finance, 38, 41-50. DOI:10.1016/J.JHANBANKFIN.2013.09.02.
Korea Federation Bank. Bank Public Data. http;//kfb.or.kr.
G. Ferrier & C. A. K, Lovell. (1990), Measuring Cost Efficiency in Banking: Econometric and inear Programming Evidence. Journal of Econometrics, 46, 229-245, DOI:10.1016/0304-40,76(90
Drake. (2001), Efficiency and Productivity Change in UK Banking, Applied Econometrics, 11, 557-571. DOI:10.1080/096031001752236825
J. E Strum & B. Williums. (2004), Foreign Bank Entry, Deregulation and Bank Efficiency: Lesson from the Australian experience, Journal of Banking & Finance, 28, 1775-1799. DOI:10.1016/J.JBANKFIN.2003.06.005
I. C. Kim, H. C. Lee & K. H Ahn. (2006), A Study on the Efficiency of Banking Industry with the use of the Directional Technology Distance Function, Journal of Korean Economics Studies, 17, 199-299.
S. K. Lee & Y. J. Kown. (1999). The Sources of Productivity Change in the Korean Commercial Banking Industry: A Nonparametric Malmquist Approach. Korean Journal of Money &Finance, 4(2), 85-122.
S. R. Park & I. S. Yi. (2002). The technical Efficiency and Merger Effects in Korean Commercial Banks. Korean Journal of Money & Finance, 4(2), 85-122.
B. Y. Hong. (2002). Productivity Change in Korean Banks after the Financial Crisis - 1997-2000. The Korea Journal of Financial Management, 19(1), 133-151.
Y. G Lee. K. J Park & S. M Kang. (2009). The Efficiency & Productivity of Nation-wide and Local Banks in Korea: Based on Directional Distance Function Analysis. Journal of Korean National Economy, 27. 25-31.
J. H. Hahm. (2012). Risk and Cost Efficiency of Banks in Korea, Journal of Money & Finance, 26(2), 147-184.
J. P. Hughes, L. J, Mester & C. J. Moon. (2001). Are Scale Economies in Banking Elusive or Illusive? Evidence obtained by Incorporating Capital Structure and risk-taking into Models of Bank Production. Journal of Banking Financ, 25, 2169-2208.
M. J. Lee & K. I. Ko. (2015). Development Method of Digital Content Finance-Focused on by Technical Value Evaluation, Journal of the Korea Convergence Society, 6(6), 111-117, DOI: 10.15207/JKCS.2015.6.6111.
K. H. Lee & S. I. Kim. (2018). A Study on the Factors Affecting the reliability of User 's Confidence in Korean Internet professional Bank - Focused on Kakao Bank and K Bank -, Journal of the Korea Convergence Society, 9(1), 277-282, DOI: 10.15207/JKCS.2018.9. 277.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.