Luận Án Tiến Sĩ: Khám Phá Hiệu Suất Ngành Ngân Hàng Đài Loan Qua SFA và DEA

Chuyên đề nghiên cứu Khám Phá Hiệu Suất Ngành Ngân Hàng Đài Loan: Ứng Dụng ..., cập nhật xu hướng mới, giá trị tham khảo cao cho chuyên gia chuyên

• Tác giả: Bao-Ngoc Tong
• Người hướng dẫn: Cheng-Ping Cheng
• Trường học: National Yunlin University of Science & Technology
• Chuyên ngành: Finance
• Đề tài: Khám Phá Hiệu Suất Ngành Ngân Hàng Đài Loan: Ứng Dụng SFA và DEA
• Loại tài liệu: Doctoral Thesis
• Năm xuất bản: 2024
• Địa điểm: Yunlin

Mục lục chi tiết

• Abstract
• Acknowledgements
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Performance measurement
• 1.2. DEA and SFA in banking industry
• 1.2.1. Data envelopment analysis (DEA)
• 1.2.2. Network DEA (NDEA)
• 1.2.3. Stochastic frontier analysis (SFA)
• 2. CHAPTER 2: USING NETWORK DEA TO EXPLORE THE EFFECT OF MOBILE PAYMENT ON TAIWANESE BANK EFFICIENCY
• 2.1. Mobile Payment and Data Envelopment Analysis (DEA). Empirical Results
• 2.2. ESG and NDEA
• 2.3. Stochastic Frontier Analysis (SFA)
• 2.4. Data and Empirics
• 2.5. Conclusion and Future research
• 5. CHAPTER 5: DISCUSSION AND CONCLUSION
• 5.1. Summary and Conclusion
• 5.2. Limitations and Future Research
• List of Tables
• List of Figures

Tóm tắt

I. Giới thiệu về hiệu suất ngân hàng Đài Loan

Nghiên cứu này tập trung vào việc đánh giá hiệu suất ngân hàng tại Đài Loan, một lĩnh vực quan trọng trong ngành tài chính. Ngành ngân hàng Đài Loan đã trải qua nhiều thay đổi lớn, đặc biệt là sự phát triển của công nghệ tài chính và các dịch vụ thanh toán di động. Việc áp dụng các phương pháp như SFA (Phân tích biên ngẫu nhiên) và DEA (Phân tích dữ liệu bao phủ) giúp cung cấp cái nhìn sâu sắc về hiệu quả hoạt động của các ngân hàng. Các nghiên cứu trước đây đã chỉ ra rằng việc đo lường hiệu suất ngân hàng không chỉ giúp cải thiện hoạt động của ngân hàng mà còn góp phần vào sự phát triển kinh tế của quốc gia.

1.1. Tầm quan trọng của việc đo lường hiệu suất

Việc đo lường hiệu suất ngân hàng là cần thiết để xác định các yếu tố ảnh hưởng đến hoạt động của ngân hàng. Các phương pháp như DEA và SFA cho phép phân tích hiệu quả sử dụng tài nguyên và kết quả đầu ra của ngân hàng. Theo Zhu (2014), việc đánh giá hiệu suất không chỉ giúp ngân hàng nhận diện điểm mạnh và điểm yếu mà còn tạo ra cơ sở để cải thiện quy trình hoạt động. Điều này đặc biệt quan trọng trong bối cảnh cạnh tranh ngày càng gia tăng trong ngành ngân hàng.

II. Ứng dụng SFA và DEA trong ngành ngân hàng

Nghiên cứu này sử dụng SFA và DEA để phân tích hiệu suất của các ngân hàng Đài Loan. DEA là phương pháp không tham số, cho phép đánh giá hiệu quả mà không cần giả định về hình thức của biên. Ngược lại, SFA là phương pháp tham số, giúp phân tách giữa nhiễu ngẫu nhiên và sự không hiệu quả. Việc áp dụng hai phương pháp này cung cấp cái nhìn toàn diện về hiệu suất ngân hàng. Các nghiên cứu trước đã chỉ ra rằng DEA có thể xác định các ngân hàng hoạt động kém hiệu quả và đề xuất các biện pháp cải thiện, trong khi SFA giúp hiểu rõ hơn về các yếu tố bên ngoài ảnh hưởng đến hiệu suất.

2.1. Phân tích dữ liệu bao phủ DEA

DEA cho phép đánh giá hiệu suất của nhiều ngân hàng cùng một lúc, sử dụng các biến đầu vào và đầu ra khác nhau. Phương pháp này đã được áp dụng rộng rãi trong ngành ngân hàng để xác định các ngân hàng hoạt động hiệu quả nhất. Theo Banker và Tripathi (2021), DEA giúp ngân hàng nhận diện các thực tiễn tốt nhất và cải thiện quy trình hoạt động. Việc sử dụng DEA trong nghiên cứu này giúp cung cấp cái nhìn sâu sắc về hiệu suất của các ngân hàng Đài Loan trong bối cảnh cạnh tranh toàn cầu.

2.2. Phân tích biên ngẫu nhiên SFA

SFA cung cấp một khung phân tích để ước lượng mối quan hệ sản xuất, phân tách sự sai lệch tổng thể thành hai thành phần: nhiễu ngẫu nhiên và sự không hiệu quả. Phương pháp này đã được sử dụng để nghiên cứu hiệu suất của ngành ngân hàng trong nhiều năm. Theo Kumbhakar và cộng sự (2014), SFA không chỉ giúp xác định các yếu tố gây ra sự không hiệu quả mà còn cung cấp thông tin quan trọng để cải thiện năng suất. Việc áp dụng SFA trong nghiên cứu này giúp làm rõ hơn các yếu tố ảnh hưởng đến hiệu suất của ngân hàng Đài Loan.

III. Kết quả nghiên cứu và ứng dụng thực tiễn

Nghiên cứu cho thấy rằng việc áp dụng SFA và DEA đã mang lại những hiểu biết quan trọng về hiệu suất ngân hàng tại Đài Loan. Kết quả cho thấy rằng các ngân hàng áp dụng công nghệ thanh toán di động có hiệu suất cao hơn so với các ngân hàng truyền thống. Ngoài ra, việc tích hợp các thực hành ESG (Môi trường, Xã hội và Quản trị) cũng có tác động tích cực đến hiệu suất của ngân hàng. Các ngân hàng nhỏ hơn có thể hưởng lợi nhiều hơn từ các hoạt động ESG tập trung, đặc biệt là trong khía cạnh quản trị.

3.1. Tác động của công nghệ thanh toán di động

Nghiên cứu cho thấy rằng công nghệ thanh toán di động đã tạo ra một tiềm năng lợi nhuận lớn cho các ngân hàng Đài Loan. Việc áp dụng NDEA cho thấy rằng các ngân hàng có khả năng tối ưu hóa hoạt động của mình thông qua việc cung cấp dịch vụ thanh toán di động. Kết quả này nhấn mạnh tầm quan trọng của việc đầu tư vào công nghệ mới để nâng cao hiệu suất ngân hàng và đáp ứng nhu cầu của khách hàng.

3.2. Tích hợp ESG trong hoạt động ngân hàng

Nghiên cứu cũng chỉ ra rằng việc áp dụng các thực hành ESG có mối tương quan tích cực với hiệu suất của ngân hàng. Các ngân hàng nhỏ hơn, khi tập trung vào các hoạt động ESG, có thể cải thiện đáng kể lợi nhuận của mình. Điều này cho thấy rằng việc tích hợp các nguyên tắc ESG không chỉ là một yêu cầu xã hội mà còn là một chiến lược kinh doanh thông minh để nâng cao hiệu suất ngân hàng.

Nội dung chính

Tổng quan luận án

Luận án tiến sĩ chuyên ngành Tài chính với tiêu đề "Exploring Performance in the Taiwanese Banking Industry — Applications of SFA and NDEA" (tạm dịch: Khám phá hiệu suất trong ngành ngân hàng Đài Loan — Ứng dụng mô hình SFA và NDEA) do nghiên cứu sinh Bao-Ngoc Tong thực hiện dưới sự hướng dẫn của GS. TS. Cheng-Ping Cheng và GS. TS. Lien-Wen Liang tại Khoa Tài chính, Đại học Khoa học và Công nghệ Quốc gia Vân Lâm (National Yunlin University of Science & Technology, Đài Loan), hoàn thành vào tháng 6 năm 2024.

Tính cấp thiết và khoảng trống nghiên cứu

Ngành ngân hàng giữ vai trò trung gian tài chính và vận hành hệ thống thanh toán cốt lõi của nền kinh tế. Sự ổn định và hiệu quả của hệ thống ngân hàng tác động trực tiếp đến an toàn tài chính quốc gia. Trong những năm gần đây, ngành ngân hàng Đài Loan chứng kiến hai xu hướng chuyển đổi lớn: sự bùng nổ của công nghệ tài chính (Fintech), đặc biệt là thanh toán di động (Mobile Payment), và việc thực thi các chuẩn mực Môi trường, Xã hội và Quản trị (ESG) nhằm hướng tới mục tiêu phát thải ròng bằng 0 vào năm 2050 (Taiwan's Pathway to Net-Zero Emissions in 2050).

Tuy nhiên, phần lớn các nghiên cứu trước đây về thanh toán di động chỉ tập trung vào góc độ người tiêu dùng hoặc khía cạnh công nghệ (như mô hình chấp nhận công nghệ SEM), trong khi tác động của các dịch vụ này đến hiệu quả nội bộ của các tổ chức tài chính vẫn chưa được khai thác đầy đủ. Đối với ESG, các tài liệu chủ yếu tập trung vào các công ty sản xuất phi tài chính, hoặc chỉ kiểm tra mối liên hệ giữa ESG với giá trị thị trường mà chưa làm rõ liệu doanh thu từ các chương trình ESG có bù đắp được chi phí phát sinh trong cấu trúc vận hành của ngân hàng hay không. Về mặt phương pháp luận, các nghiên cứu truyền thống thường dựa vào chỉ số tài chính mang tính chủ quan hoặc mô hình phân tích bao dữ liệu (DEA) dạng "hộp đen" truyền thống, vốn bỏ qua các quy trình trung gian bên trong đơn vị ra quyết định (DMU).

Mục tiêu và câu hỏi nghiên cứu

Luận án được thiết kế nhằm đánh giá toàn diện hiệu quả hoạt động và hiệu quả chi phí của các ngân hàng thương mại Đài Loan dưới tác động của thanh toán di động và thực hành ESG, kết hợp hai công cụ phân tích biên: Phân tích bao dữ liệu mạng (Network Data Envelopment Analysis - NDEA) và Phân tích biên ngẫu nhiên (Stochastic Frontier Analysis - SFA).

Các câu hỏi nghiên cứu chính được xác định cụ thể trong từng phần của luận án:

• Đối với nghiên cứu về thanh toán di động (Chương 2):
  • Q1: Thanh toán di động có tác động đến hiệu suất của các ngân hàng Đài Loan không?
  • Q2: NDEA có năng lực phân loại (discriminating power) mạnh hơn các phương pháp DEA truyền thống trong trường hợp thanh toán di động không?
  • Q3: Thanh toán di động có ảnh hưởng đồng thời đến hiệu quả quản lý và hiệu quả sinh lời không?
  • Q4: Các DMU không hiệu quả có thể cải thiện hiệu quả của từng giai đoạn và hiệu quả tổng thể như thế nào?
• Đối với nghiên cứu về ESG (Chương 3):
  • ESG có tác động rõ rệt đến hiệu quả của các ngân hàng Đài Loan không?
  • ESG ảnh hưởng như thế nào đến hiệu quả của quá trình quản lý và quá trình sinh lời?
  • Các chiến lược nào có thể được áp dụng để nâng cao hiệu suất cho các ngân hàng hoạt động chưa hiệu quả?

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Hiệu quả kỹ thuật, hiệu quả quản lý, hiệu quả sinh lời và hiệu quả chi phí của các ngân hàng thương mại tại Đài Loan.
• Phạm vi không gian: Thị trường ngân hàng Đài Loan, bao gồm cả nhóm ngân hàng thương mại tư nhân và ngân hàng thương mại quốc doanh.
• Phạm vi thời gian: Dữ liệu nghiên cứu thực nghiệm được thu thập trong giai đoạn 2018–2021 đối với phân tích thanh toán di động (mẫu gồm 19 ngân hàng thương mại có dữ liệu công bố đầy đủ trên Ủy ban Giám sát Tài chính Đài Loan - FSC và cơ sở dữ liệu Taiwan Economic Journal - TEJ) và giai đoạn 2018–2020 đối với phân tích ESG (mẫu gồm 14 ngân hàng có dữ liệu ESG).

---

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước đây

1. Đo lường hiệu suất bằng tỷ số tài chính truyền thống: Nghiên cứu tài chính truyền thống thường sử dụng các tỷ số tài chính (như khả năng thanh khoản, khả năng sinh lời, quản trị rủi ro) để đánh giá hoạt động ngân hàng (Paradi và cộng sự; Yeh, 1996). Tuy nhiên, Berger và Humphrey (1997), Seiford và Zhu (1999) chỉ ra rằng phương pháp tỷ số tài chính có hạn chế do phụ thuộc vào điểm chuẩn mang tính chủ quan, tạo ra các tỷ số mâu thuẫn nhau và không thể bao quát đồng thời nhiều đầu vào - đầu ra trong dài hạn.
2. Phương pháp phân tích biên phi tham số (DEA) và DEA mạng (NDEA): Mô hình DEA truyền thống do Charnes, Cooper và Rhodes (1978) khởi xướng (mô hình CCR) và Banker, Charnes, Cooper (1984) phát triển (mô hình BCC) đã được Sherman và Gold (1985), Cook và cộng sự (2004), Pastor và cộng sự (2006), Abbott và cộng sự (2013) ứng dụng rộng rãi trong ngành ngân hàng. Tuy nhiên, DEA truyền thống xem ngân hàng là một "hộp đen" một giai đoạn. Để khắc phục điều này, Fare và Grosskopf (1996, 2000), Chen và cộng sự (2009), Kao và Hwang (2008, 2014), Tone và Tsutsui (2014), Wanke và Barros (2014), Fukuyama và Matousek (2017) đã phát triển mô hình NDEA hai giai đoạn hoặc đa giai đoạn, cho phép phân tách quy trình vận hành thành các giai đoạn phụ có liên kết trung gian.
3. Phương pháp phân tích biên tham số (SFA): Mô hình SFA do Aigner, Lovell và Schmidt (1977) cùng Meeusen và van Den Broeck (1977) đề xuất, được Kumbhakar và cộng sự phát triển, có ưu thế phân tách sai số ngẫu nhiên khỏi sự kém hiệu quả kỹ thuật. Các công trình của Kaparakis và cộng sự (1994), Beccalli và cộng sự (2006), Semih Yildirim và Philippatos (2007), Tecles và Tabak (2010), Vu và Turnell (2010), Cheng và cộng sự (2016), Liang và cộng sự (2018), Huang và cộng sự (2014, 2019) đã áp dụng SFA và mô hình metafrontier SFA vào ngành ngân hàng ở nhiều quốc gia.
4. Nghiên cứu về Fintech, Thanh toán di động và ESG: Các nghiên cứu về thanh toán di động của Oliveira và cộng sự (2016), Humbani và Wiese (2018), Kuo (2020), Liu và cộng sự (2020) chủ yếu tập trung vào hành vi người dùng. Đối với ESG, cuộc tranh luận lý thuyết diễn ra giữa Thuyết cổ đông của Friedman (1970) (cho rằng ESG gây lãng phí nguồn lực) và Thuyết các bên liên quan của Freeman (1984) (cho rằng ESG giúp giảm thiểu rủi ro và tăng cường lòng tin). Các kết quả thực nghiệm của Buallay (2019), Xie và cộng sự (2019), Aupperle và cộng sự, Azmi và cộng sự, Di Tommaso và Thornton (2020) đưa ra những kết luận trái chiều về tác động của ESG đến hiệu quả tài chính.

Khoảng trống luận án giải quyết

Luận án định vị nghiên cứu tại điểm giao thoa giữa đổi mới công nghệ và phát triển bền vững trong ngành ngân hàng:

• Mở "hộp đen" quy trình sản xuất ngân hàng bằng mô hình NDEA hai giai đoạn cộng tính (additive two-stage NDEA) có chia sẻ nguồn lực đầu vào, phân định rõ tác động của thanh toán di động và ESG lên từng giai đoạn: giai đoạn quản lý (tạo lập dịch vụ) và giai đoạn sinh lời (chuyển hóa dịch vụ thành thu nhập).
• Kết hợp cả hai phương pháp NDEA (phi tham số) và SFA metafrontier (tham số) để kiểm chứng chéo tính vững của các kết luận thực nghiệm tại thị trường ngân hàng Đài Loan.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và khung phân tích

• Lý thuyết trung gian tài chính và hàm sản xuất ngân hàng: Xem ngân hàng là đơn vị chuyển đổi các nguồn lực vật chất (nhân sự, tài sản cố định) và nguồn vốn huy động (tiền gửi) thành các dịch vụ thanh toán, cho vay và đầu tư sinh lợi.
• Thuyết đổi mới của Schumpeter (1912): Ứng dụng công nghệ mới (Fintech/thanh toán di động) là động lực tái cấu trúc quy trình vận hành và nâng cao hiệu quả kinh tế.
• Thuyết các bên liên quan (Stakeholder Theory) và Thuyết đại diện (Agency Theory): Giải thích động cơ và hệ quả của việc thực hiện các chuẩn mực ESG đối với hiệu quả hoạt động và quản trị rủi ro ngân hàng.

Phương pháp nghiên cứu định lượng

1. Mô hình Phân tích bao dữ liệu mạng hai giai đoạn (Additive Two-Stage NDEA)

Luận án áp dụng khung phân tích NDEA hai giai đoạn cộng tính theo Chen và cộng sự (2009) kết hợp phép biến đổi tuyến tính của Charnes và Cooper (1962). Cấu trúc quy trình sản xuất của ngân hàng được chia thành:

• Giai đoạn 1 (Quản lý - Management Stage): Sử dụng các đầu vào ban đầu gồm Số lượng nhân viên ($X_1$) và Tài sản cố định ($X_2$) để tạo ra các sản phẩm trung gian gồm Doanh số thanh toán điện tử ($Z_1$), Số lượng người dùng thanh toán điện tử ($Z_2$) và Tiền gửi ($Z_3$).
• Giai đoạn 2 (Sinh lời - Profitability Stage): Sử dụng các biến trung gian ($Z_1, Z_2, Z_3$) cùng các nguồn lực chia sẻ ($X_1, X_2$) để tạo ra các đầu ra tài chính cuối cùng gồm Thu nhập ngoài lãi ($Y_1$), Đầu tư chứng khoán và bất động sản ($Y_2$), và Dư nợ cho vay ($Y_3$).

Hiệu quả tổng thể ($e_0$) là trung bình có trọng số của hiệu quả giai đoạn 1 ($e_0^A$) và hiệu quả giai đoạn 2 ($e_0^B$): $$e_0 = w^A e_0^A + w^B e_0^B$$ Trong đó $w^A$ và $w^B$ là các trọng số đại diện cho mức độ đóng góp của từng giai đoạn vào hệ thống.

Loại biến	Ký hiệu	Tên biến	Mô tả chi tiết	Nguồn dữ liệu
Đầu vào (Inputs)	$X_1$	Nhân viên (Employees)	Tổng số lượng nhân viên của ngân hàng trong năm	TEJ
	$X_2$	Tài sản cố định (Fixed assets)	Tổng giá trị tài sản cố định trong năm kiểm tra	TEJ
Trung gian (Intermediates)	$Z_1$	Doanh số thanh toán (Payment volume)	Doanh số giao dịch thanh toán điện tử thực tế thu/chi qua đại lý	FSC
	$Z_2$	Số lượng người dùng (Number of users)	Số tài khoản người dùng đăng ký dịch vụ e-payment đang hoạt động	FSC
	$Z_3$	Tiền gửi (Deposits)	Gồm tiền gửi không kỳ hạn, có kỳ hạn, tiền gửi ngoại tệ, quỹ công	TEJ
Đầu ra (Outputs)	$Y_1$	Thu nhập ngoài lãi (Non-interest income)	Thu nhập hoạt động ngoài lãi, thu nhập hoạt động khác, lãi/lỗ vốn chủ sở hữu	TEJ
	$Y_2$	Đầu tư (Investments)	Toàn bộ chứng khoán, đầu tư bất động sản và tài sản bảo hiểm	TEJ
	$Y_3$	Cho vay (Loans)	Tổng dư nợ cho vay ngắn hạn và dài hạn	TEJ

2. Mô hình hồi quy Tobit và Kiểm định phi tham số Mann-Whitney U

• Hồi quy Tobit: Được sử dụng để đánh giá tác động của các biến ngoại sinh (điểm số ESG và các trụ cột cấu thành E, S, G) lên điểm số hiệu quả thu được từ NDEA (vốn bị chặn trong khoảng 0 đến 1).
• Kiểm định Mann-Whitney U: Dùng để kiểm định giả thuyết $H_0$ về sự khác biệt có ý nghĩa thống kê giữa phân phối hiệu quả của mô hình NDEA hai giai đoạn và mô hình CCR truyền thống.

3. Mô hình Phân tích biên ngẫu nhiên (Stochastic Frontier Cost Function & Metafrontier)

Áp dụng hàm chi phí biên ngẫu nhiên và mô hình metafrontier (Huang và cộng sự, 2014) để so sánh hiệu quả chi phí và Tỷ số khoảng cách công nghệ (Technical Gap Ratio - TGR) giữa hai nhóm ngân hàng thương mại quốc doanh (Public banks) và tư nhân (Private banks), phân tích tác động của việc mở tài khoản ngân hàng số đến tính phi hiệu quả chi phí.

---

Nội dung chính theo từng chương

Chương 1: Giới thiệu (Introduction)

Chương 1 thiết lập nền tảng nghiên cứu bằng cách tổng quan về các phương pháp đo lường hiệu suất doanh nghiệp và ngân hàng, so sánh giữa phân tích tỷ số truyền thống và phân tích biên (SFA, DEA). Tác giả phân tích bối cảnh phát triển của hệ thống ngân hàng Đài Loan qua các giai đoạn cải cách lớn: Luật Ngân hàng năm 1989 (cho phép thành lập ngân hàng tư nhân), Đạo luật Sáp nhập Tổ chức Tài chính năm 2000, Sáu đạo luật tài chính năm 2001, Kế hoạch Cải cách Tài chính "258" năm 2002 (giảm nợ xấu xuống dưới 5%, nâng CAR trên 8%), và đợt cải cách tài chính thứ hai năm 2004. Đồng thời, chương này điểm lại các khung pháp lý Fintech gần đây như Đạo luật Tổ chức Thanh toán Điện tử 2015 (sửa đổi 2020, hiệu lực 2021), Sách trắng Chiến lược Phát triển Fintech 2016, Quy định Robo-Advisor 2017 và cấp phép ngân hàng thuần số 2018, cùng lộ trình Net-Zero 2050 và quy định công bố rủi ro khí hậu TCFD từ năm 2023.

Chương 2: Sử dụng Network DEA để khám phá tác động của thanh toán di động đến hiệu quả ngân hàng Đài Loan (Using Network DEA to Explore the Effect of Mobile Payment on Taiwanese Bank Efficiency)

Chương này triển khai mô hình NDEA hai giai đoạn cộng tính trên tập dữ liệu 19 ngân hàng thương mại Đài Loan giai đoạn 2018–2021.

• Kết quả hiệu quả quản lý (Giai đoạn 1): Điểm hiệu quả trung bình đạt 0,88 vào năm 2020 và giảm xuống 0,83 vào năm 2021. Năm 2020 có 6 ngân hàng đạt hiệu quả tối đa (1,0000). Năm 2021, 6 ngân hàng dẫn đầu gồm Bank of Taiwan, Cathay United Bank, E. Sun Commercial Bank, Mega International Commercial Bank, Land Bank of Taiwan và Taipei Fubon Bank (thay thế vị trí của Far Eastern). Taishin International Bank có hiệu quả quản lý thấp nhất (0,52 năm 2020; 0,49 năm 2021).
• Kết quả hiệu quả sinh lời (Giai đoạn 2): Hiệu quả sinh lời bình quân duy trì ở mức cao (khoảng 0,94–0,95). Các ngân hàng đạt hiệu quả tối đa gồm Chinatrust, Land Bank of Taiwan, Taishin và The Shanghai Commercial & Savings Bank. Ngược lại, E. Sun Bank có hiệu quả sinh lời thấp nhất (0,89 năm 2020; 0,90 năm 2021) do không chuyển hóa tối ưu lượng người dùng và doanh số giao dịch lớn thành lợi nhuận tài chính tương ứng.
• Kết quả hiệu quả tổng thể: Duy nhất Land Bank of Taiwan đạt điểm hiệu quả tổng thể tuyệt đối (1,0000) trong cả hai năm 2020 và 2021. Ngân hàng Mega xếp thứ hai năm 2021 với mức 0,95, trong khi Sunny Bank ghi nhận điểm hiệu quả tổng thể thấp nhất.
• So sánh NDEA với mô hình CCR truyền thống: Mô hình CCR xác định có 13 ngân hàng hiệu quả năm 2020 và 10 ngân hàng hiệu quả năm 2021 với điểm trung bình là 0,96 (năm 2021), giá trị nhỏ nhất là 0,81. Trong khi đó, NDEA chỉ xác định 1 ngân hàng đạt hiệu quả tuyệt đối với điểm trung bình là 0,83, giá trị nhỏ nhất là 0,65. Kiểm định Mann-Whitney U cho kết quả giá trị $U = 36$ với $p\text{-value} < 0,05$, bác bỏ giả thuyết $H_0$, chứng minh mô hình NDEA có năng lực phân loại vượt trội so với mô hình hộp đen.

Chỉ số thống kê	Mô hình NDEA (2020)	Mô hình CCR (2020)	Mô hình NDEA (2021)	Mô hình CCR (2021)
Số DMU đạt hiệu quả tuyệt đối (= 1.0)	1	13	1	10
Điểm hiệu quả trung bình (Mean)	0,8500	0,9700	0,8300	0,9600
Điểm hiệu quả thấp nhất (Minimum)	0,6500	0,8100	0,6500	0,8100
Kết quả kiểm định Mann-Whitney U	—	—	$U = 36$	$p < 0,05$

Chương 3: Tác động của ESG đến hiệu suất ngân hàng: Phương pháp Network DEA (The Impact of ESG on Bank Performance: A Network DEA)

Chương 3 xem xét các yếu tố ESG dưới vai trò là biến trung gian trong quy trình sản xuất ngân hàng hai giai đoạn trên mẫu 14 ngân hàng Đài Loan giai đoạn 2018–2020.

• Các phát hiện từ mô hình NDEA và hồi quy Tobit cho thấy hoạt động thực hành ESG có mối tương quan dương đối với hiệu quả sinh lời của ngân hàng.
• Các ngân hàng quy mô nhỏ nhận được nhiều lợi ích hơn từ việc tập trung vào các hoạt động ESG cụ thể, đặc biệt là trụ cột quản trị doanh nghiệp (Governance - G).
• Tuy nhiên, việc phân bổ nguồn lực quá mức vào ESG mà không cân đối với năng lực tạo lập dịch vụ cốt lõi có thể gây ra hiện tượng giảm hiệu quả biên trong ngắn hạn.

Chương 4: Phân tích biên ngẫu nhiên (Stochastic Frontier Analysis)

Chương 4 tiếp cận vấn đề dưới góc độ kinh tế lượng thông qua hàm chi phí biên ngẫu nhiên (Stochastic Cost Frontier) và mô hình metafrontier:

• Đánh giá sự khác biệt về hàm chi phí và các yếu tố phi hiệu quả chi phí giữa hệ thống ngân hàng quốc doanh (Public banks) và ngân hàng tư nhân (Private banks).
• Phân tích mối quan hệ giữa việc mở tài khoản ngân hàng số (digital account openings) và hiệu quả chi phí. Kết quả ước lượng chỉ ra mối quan hệ thuận chiều: gia tăng độ phủ của tài khoản số giúp cải thiện hiệu quả chi phí hoạt động.
• Bảng xếp hạng Tỷ số khoảng cách công nghệ (TGR) và Hiệu quả chi phí Metafrontier (Metafrontier Cost Efficiency - MCE) cho thấy các ngân hàng tư nhân có tính chủ động và tốc độ chuyển đổi số nhanh hơn so với các ngân hàng quốc doanh.

Chương 5: Thảo luận và kết luận (Discussion and Conclusion)

Chương 5 so sánh đối chiếu kết quả giữa các mô hình NDEA và SFA, tổng hợp các hàm ý quản trị, đồng thời chỉ ra các hạn chế và hướng nghiên cứu mở rộng trong tương lai.

---

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận và phương pháp

1. Luận án mở rộng khung lý thuyết đo lường hiệu suất ngân hàng bằng cách ứng dụng mô hình NDEA hai giai đoạn cộng tính có chia sẻ nguồn lực, khắc phục triệt để hạn chế "hộp đen" của mô hình DEA truyền thống trong bối cảnh tích hợp các dịch vụ công nghệ tài chính và dữ liệu phi tài chính ESG.
2. Chứng minh bằng thực nghiệm và kiểm định thống kê (Mann-Whitney U test, $p < 0,05$) rằng mô hình NDEA có năng lực phân loại chi tiết và chính xác hơn mô hình CCR truyền thống, tránh được hiện tượng đánh giá quá cao số lượng đơn vị hoạt động hiệu quả.
3. Cung cấp góc nhìn đối chiếu đa chiều khi kết hợp đồng thời phương pháp phi tham số (NDEA) và phương pháp tham số (SFA Metafrontier) để phân tích hoạt động ngân hàng.

Đóng góp thực tiễn và hàm ý chính sách

1. Đối với quản trị ngân hàng: Kết quả chỉ ra sự mất cân đối giữa hai giai đoạn hoạt động tại đa số ngân hàng: nhiều ngân hàng đạt hiệu quả quản lý rất cao (tạo ra lượng người dùng và doanh số giao dịch lớn như E. Sun) nhưng lại yếu ở khâu chuyển hóa thành lợi nhuận ngoài lãi (hiệu quả sinh lời thấp), hoặc ngược lại (như Taishin). Do đó, ban lãnh đạo ngân hàng cần tối ưu hóa phân bổ nguồn lực, không chỉ tập trung mở rộng quy mô dịch vụ ban đầu mà phải xây dựng chiến lược khai thác giá trị thương mại từ dữ liệu người dùng số.
2. Điển hình quản trị: Land Bank of Taiwan là trường hợp duy nhất duy trì hiệu quả tuyệt đối ở cả hai giai đoạn nhờ chiến lược chuyển đổi số đồng bộ theo chính sách chính phủ, tích hợp thanh toán thông minh (Taiwan Pay, liên kết ví điện tử) kết hợp đào tạo nhân sự và kiểm soát chi phí đầu vào ở mức cân bằng.
3. Đối với nhà hoạch định chính sách: Cung cấp cơ sở định lượng để các cơ quan quản lý (như Ủy ban Giám sát Tài chính Đài Loan - FSC) tiếp tục hoàn thiện khung pháp lý về ngân hàng số, đẩy mạnh liên thông hạ tầng thanh toán điện tử và khuyến khích công bố thông tin ESG minh bạch phục vụ mục tiêu Net-Zero 2050.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

• Quy mô mẫu nghiên cứu: Do yêu cầu về tính sẵn có và minh bạch của dữ liệu thanh toán điện tử và ESG, mẫu nghiên cứu chỉ bao gồm 19 ngân hàng thương mại (cho phân tích thanh toán di động) và 14 ngân hàng (cho phân tích ESG) trên tổng số 36 ngân hàng thương mại tại Đài Loan.
• Phạm vi địa lý: Nghiên cứu chỉ tập trung vào thị trường nội địa Đài Loan, chưa mở rộng so sánh với các thị trường tài chính khác.
• Cấu trúc mô hình: Cấu trúc NDEA hai giai đoạn nối tiếp tuy mở được "hộp đen" nhưng vẫn chưa phản ánh được toàn bộ sự phức tạp trong chuỗi vận hành đa kênh của các tập đoàn tài chính lớn.

Hướng nghiên cứu tiếp theo

• Mở rộng mẫu nghiên cứu sang các thị trường ngân hàng quốc tế có đặc điểm tương đồng trong khu vực châu Á như Trung Quốc hoặc các quốc gia Đông Nam Á.
• Tích hợp Chỉ số Năng suất Malmquist vào mô hình NDEA (Dynamic Network Malmquist Index) để theo dõi sự dịch chuyển của biên công nghệ và thay đổi hiệu quả qua chuỗi thời gian dài hạn.
• Phát triển mô hình NDEA ba giai đoạn hoặc mô hình cấu trúc mạng song song (parallel network structure) nhằm chi tiết hóa sâu hơn các dịch vụ Fintech chuyên biệt.

---

Giá trị tham khảo

• Đối với nghiên cứu sinh và học giả chuyên ngành Tài chính - Ngân hàng: Luận án là tài liệu tham khảo chuyên sâu về kỹ thuật mô hình hóa quy trình sản xuất ngân hàng đa giai đoạn bằng NDEA cộng tính và kỹ thuật ước lượng hàm chi phí biên ngẫu nhiên SFA metafrontier.
• Đối với nhà quản trị ngân hàng thương mại: Cung cấp phương pháp tự chẩn đoán điểm nghẽn phi hiệu quả trong nội bộ (do khâu quản lý tài sản/nhân sự hay do khâu thương mại hóa dịch vụ số) để điều chỉnh tỷ trọng phân bổ vốn và tài sản.
• Đối với cơ quan quản lý tài chính: Cung cấp bằng chứng thực nghiệm về tác động tích cực của các chính sách chuyển đổi số ngành ngân hàng và lộ trình thực thi ESG.

---

Câu hỏi thường gặp

1. Sự khác biệt căn bản giữa mô hình NDEA hai giai đoạn trong luận án và mô hình DEA CCR truyền thống là gì?

Mô hình CCR truyền thống coi toàn bộ ngân hàng là một "hộp đen", chỉ so sánh đầu vào ban đầu (nhân sự, tài sản) với đầu ra cuối cùng (doanh thu, cho vay), dẫn đến việc đánh giá quá cao hiệu quả (xác định 10–13 ngân hàng đạt hiệu quả tuyệt đối). Mô hình NDEA của luận án phân tách quy trình thành hai giai đoạn: giai đoạn quản lý (tạo biến trung gian gồm tiền gửi, người dùng số, doanh số thanh toán) và giai đoạn sinh lời (tạo đầu ra tài chính), giúp xác định chính xác nguồn gốc gây ra sự kém hiệu quả nằm ở khâu nào.

2. Ngân hàng nào tại Đài Loan đạt hiệu quả hoạt động tối ưu nhất trong nghiên cứu về thanh toán di động?

Ngân hàng Land Bank of Taiwan là đơn vị duy nhất trong số 19 ngân hàng đạt điểm hiệu quả tổng thể tuyệt đối ($e_0 = 1,0000$) trong cả hai năm 2020 và 2021 ở mô hình NDEA. Ngân hàng này duy trì được sự cân bằng tối ưu giữa việc tạo lập các sản phẩm dịch vụ số và khả năng chuyển hóa chúng thành lợi nhuận tài chính mà không tích lũy đầu vào dư thừa.

3. Thực hành ESG tác động như thế nào đến hiệu quả của các ngân hàng thương mại Đài Loan?

Phân tích thực nghiệm từ mô hình NDEA và Tobit trong Chương 3 cho thấy thực hành ESG có mối tương quan thuận chiều với hiệu quả sinh lời. Đáng chú ý, các ngân hàng có quy mô nhỏ ghi nhận mức cải thiện hiệu quả rõ rệt hơn từ các hoạt động ESG tập trung, đặc biệt là ở khía cạnh quản trị doanh nghiệp (trụ cột G).

4. Kết quả phân tích SFA trong Chương 4 chỉ ra điều gì về sự khác biệt giữa ngân hàng quốc doanh và ngân hàng tư nhân?

Phân tích hàm chi phí biên ngẫu nhiên và mô hình metafrontier cho thấy việc mở rộng tài khoản ngân hàng số có mối liên hệ tích cực với việc gia tăng hiệu quả chi phí. Xét về tỷ số khoảng cách công nghệ (TGR) và hiệu quả chi phí metafrontier, nhóm ngân hàng thương mại tư nhân thể hiện sự chủ động và mức độ thích ứng công nghệ số nhanh hơn so với nhóm ngân hàng quốc doanh.

---

Kết luận

Luận án tiến sĩ của tác giả Bao-Ngoc Tong đã phân tích hiệu quả hoạt động của hệ thống ngân hàng thương mại Đài Loan dưới tác động đồng thời của thanh toán di động và thực hành ESG bằng cách kết hợp hai phương pháp NDEA và SFA. Kết quả thực nghiệm khẳng định thanh toán số và chuẩn mực ESG có đóng góp tích cực vào việc cải thiện hiệu quả hoạt động và hiệu quả chi phí của các ngân hàng, đồng thời làm rõ sự mất cân đối giữa khâu quản lý dịch vụ và khâu sinh lời tại phần lớn các tổ chức tín dụng. Nghiên cứu cung cấp cơ sở khoa học cho các nhà quản trị ngân hàng trong việc tối ưu hóa phân bổ nguồn lực công nghệ và hỗ trợ các cơ quan điều hành xây dựng chính sách tài chính bền vững hướng tới mục tiêu Net-Zero 2050.

Trích đoạn nội dung tài liệu

J SWRILL:SX#RBIZ2ñlX Department of Finance National Yunlin University of Science & Technology +ầx Doctoral Thesis Exploring Performance in the Taiwanese Banking Industry — Applications of SFA and NDEA 7S GRIT SAY AL — SFA 88 NDEA Z/§H xa Bao-Ngoc Tong BE W5 St : AR REM Set Advisor: Cheng-Ping Cheng, PhD. Lien-Wen Liang, PhD. rh# EBl 113 # 6ö B June 2024 il Abstract This dissertation makes significant contributions to the literature on measuring performance in the banking industry, both theoretically and empirically. The thesis explores the efficiency of Taiwanese banks, with a focus on the impact of mobile payments, and Environmental, Social, and Governance (ESG) practices.

Utilizing network data envelopment analysis (NDEA) and stochastic frontier analysis (SFA) models, the research consists of three key studies that provide insights into modern banking operations optimization. The first study investigates the influence of new mobile payment services on Taiwanese banks' performance using a two-stage NDEA model. Results reveal the profitability potential of mobile payments and the superior explanatory power of the NDEA model. The second study explores the impact of ESG practices on Taiwanese banks' performance employing a two-stage NDEA method.

Findings suggest a positive correlation between ESG and profitability, with smaller banks benefiting more from focused ESG activities, especially in governance aspect. The third study assesses the impact of digital banking on Taiwanese banks' cost efficiency using a stochastic cost frontier model. The analysis indicates a positive relationship between digital account openings and cost efficiency, with private banks showing proactive digital transformation. The thesis underscores the significance of assessing bank performance in light of emerging fintech and ESG trends.

It employs DEA and SFA methodologies to comprehensively evaluate Taiwanese banks' efficiency, highlighting the potential of mobile payments and ESG integration. The findings suggest that banks should expedite the adoption of electronic banking and ESG principles to enhance efficiency, reduce costs, and align with regulatory and customer demands. This strategic integration can not only drive operational improvements but also contribute to broader sustainability objectives, such as achieving Taiwan Net-Zero Emissions by 2050. Acknowledgements I would like to express my deepest gratitude to my supervisors, Professor Cheng-Ping Cheng and Professor Lien-Wen Liang, for their unwavering guidance and support throughout my PhD journey.

Iam immensely grateful to Professor Cheng for accepting me as his student, assisting me during my initial days, and introducing me to Professor Liang. Your continuous support made my transition into this new academic environment much smoother. Professor Lien-Wen Liang, thank you for your invaluable help with my paper writing and for your insightful feedback. Your patience and encouragement, especially during times of slow progress, were crucial to my development as a researcher.

I would also like to extend my sincere thanks to the people in the department office. Your help and support throughout my studies have been invaluable. To my parents, thank you for your financial and emotional support during this time. Your unwavering belief in me has been a constant source of strength and motivation.

My time at the National Yunlin University of Science and Technology has been incredibly memorable. The experiences and opportunities here have enriched my knowledge and skills, contributing significantly to my academic and professional growth. il Table of Contents NINN ssc cra sina i ISS ain SR Si Sa aS SNE 1 Peer Wy LEC MEG sóc ssx6ts055564655661563506601368103890864601/8568i-)3X88534GSXHS4S2S2338SM/0,531G350380386.38008383586 1 14BIE Of Combet os sacsssssesacsnssnasassesnses vans nanan 616ã053052683g802S151453854GRGE4ES835/.4G8555846438186555218 11 Listet Tables s::sxsz;s152170150138960123500101590GEB1SSERGEIEEEIIIGNSEREEEIS-ELSEEBSATEHGKIEAIBHIXĐTEERSSE4ãSĐ381388ĐĐ3E V Listot Figures ;issossssrtsistnieiiatE0EG513 S041 0VS015EDASYGENIAESIEESAIBSHIIQSITDDRIEMSHEASIB381iáfAsstussHi Vil CHAPTER 1: INTRODUCTION sisecssscssssecssessvee semen emercmieneaeanennreeen 1 1:1: Pettotmante measuteniont oc0ssccseccvmnmers mcr 1 1. and SEA in bankang industry ::-::.

ESG and Niobile:payTniEfiE:.ssssssssssgsssssetieetiiatiisvogtl05564553419309E5ES4GCZNE24090088 6 1. Taiwanese banking: HIđUSỈTV:s;ssssssszsxecss22061100002216615615616981195513058150091380050898653H868883 8 CHAPTER 2: USING NETWORK DEA TO EXPLORE THE EFFECT OF MOBILE PAYMENT ON TAIWANESE BANK EFFICIENCY.---¿--¿55-++<++<<+<<<++ 12 Poly TBO GUCHONE oo sccsscrscrrmenrmerneseennencomaumnnsencincmmemnen ene EN 12 2. Mobile Payment and Data Envelopment Analysis (2EA). Empirical Results oo.

ESG and NDEA oo. 49 Si: CO HE HT ON. concrsa renee cecees eee eae mins 59 4. Stochastic Frontier Analysis (SEA)) 0.

Data and EimimliricgÌ es ssccsssiiacasnscncisas ssecnsisoniecvsussnnnsktesaneanalbeneacniasssasnewntindnessaiiene 69 4. Conclusion and Future research.-- --- 5 5 +2 +22 *+*£+s+eE£eveEserseeerreerrereree 83 CHAPTER 5: DISCUSSION AND CONCLUSIƠN. Comparing results occ eee eeeceeseeeeesseeseeeeeseeseceeceeeseceneeaeeaeeaesaeeaeearereeneseess 87 D2. MEMO GO BY.cenccne-noesnoseravencannennanzeutinnannseteensiuennnensanssneansnunsnatentenaensennen tea 88 5.

Summary and ConeÏuSIOH:. Limitations and Future Research. ốc ca CC. 93 1V List of Tables Table.

Variable de tintti On :ssccccsnessescecnaneonsesesanssneornawemanannmmernenasansenremesonaxca 22 Table 2. Descriptive statistics for 19 Taiwanese banks (from 2018 to 2021). Management efficiency of 19 Taiwanese banks with weights (2020-2021) a re ra ry ot apr 581080588 25 Table 2. Profitability efficiency of 19 Taiwanese banks with weights (2020-2021)28 Table 2.

Overall efficiency of 19 Taiwanese banks with weights and CCR GIIIGIGHGIGSš (2021) sscnsscsasnseumassmeaeunesmeneesmamamene enema nnaeReeR OEE ARREST 30 Table 2. Average efficiency scores and weights of Taiwanese banks (2018-2021) 34 Table 2. Efficiency scores—comparing two models (2020-2021). Descriptive Statistics of Efficiency Score—comparing 2 models (2020— “10.

Descriptive statistics for the 14 Tarwanese banks. Management efficiency of 14 Taiwanese banks with weights (2019-2020) ee ee 49 Table 3. Profitability efficiency of 14 Taiwanese banks with weights (2019-2020) 52 Table 3. Overall efficiency of 14 Taiwanese banks with weights (2020).

Average efficiency scores and weights of Taiwanese banks (2018-2020) 55 Table 3. Efficiency scores — Comparing two models (2019-2020). Descriptive statistics of the efficiency score—Comparing 2 models (2019— 2020) sesosaxccensnsnvananscessaiesee ness suncsesunexetauns ssrawan sss sane euceseesassa nis ian Ran NARI me cEADSSCNSNRINOEREA TO a7 Table 3. Results of Tobit regression for efÍICIenncy.- ----c + sssxs+svssssseersers 58 Table 4.

Descriptive Statistic (SEA) sssiccseessscsunancnssnesscrstmsmcreamcannunobentinsterecinsecniaceeons 70 Table 4. Inefficiency variable definition and Descriptive statistic. Correlation Coefficients for Inefficiency Factors of Public and Private HHHKẾ: wsssscussasssres sen avrasiesras <seasins ange38045803868156. Stochastic Frontier Cost Function Estimations for Public and Private bank eres eee 73 Table 4.

Results of the cost inefficiency model for public and private banks. Cost Efficiency Rankings for Public Banks. Cost Efficiency Rankings for Private Banks. Ranking of average Technical Gap Ratios for Public and Private Banks.

Ranking of average Metafrontier Cost Efficiency for Public and Private VI List of Figures Figure 2. Bank's production process ‹.c‹ccccc-cc c6 0 S100 110021014601 01 HH H2 He ke g1 Cà 4 20 Figure 3. Bank’s production process (ESG) ssers. Cost efficiencies for both public and private banks.

Average Technical Gap Ratios for Public and Private Banks. Average Metafrontier Cost Efficiency for Public and Private Banks. 83 Vii CHAPTER 1: INTRODUCTION 1. Performance measurement Business operations and processes involve transformation, adding value to materials and converting them into goods and services desired by customers.

Organizations seek to assess their performance in terms of resource utilization—such as labor, materials, energy, and machinery—and outcomes, including the quality of finished products, services, and customer satisfaction. Managers aim to evaluate the efficiency of these processes using various performance measures (Zhu, 2014). There is a growing demand for organizational functions and processes to showcase their role in contributing to performance (Micheli & Mari, 2014). Performance measurement is essential for not only operational transparency, but also fostering organizational improvement.

Effective performance measurement enables companies to identify their strengths and weaknesses, recognize top performers, pinpoint areas needing improvement, and establish benchmarks using historical data. However, the term "performance" encompasses a wide range of aspects, including productivity, profitability, efficiency, maximizing shareholders’ equity, among others (Corvellec, 2003). Consequently, there exist diverse methodologies to gauge performance. This study concentrates on two prominent methodologies: data envelopment analysis (DEA) and stochastic frontier analysis (SFA).

These approaches evaluate technical efficiency (TE) by considering firms as production processes. It's important to highlight that SFA and DEA are developed based on distinct perspectives regarding TE. Hence, their results can offer varied perspectives on inefficiency and propose different solutions to enhance a firm's performance. The productivity ratio typically signifies the total productivity of the entire system, evaluating the conversion of total inputs into total outputs.

The Malmquist productivity index, utilized to monitor productivity alterations over time, constitutes the sum of technical efficiency change, technical change, scale efficiency change, and output mix effect (Battese & Coelli, 1995). Conversely, efficiencies derived from SFA and DEA models focus on the optimal level of outputs derived from inputs. These terms, while occasionally interchangeable, do not precisely refer to the same concept. Additionally, TE can be perceived as a component of total productivity.

In essence, while productivity pertains to quantity, efficiency concerns quality. Banks are pivotal in structuring economic development and growth by efficiently channelling funds from borrowers to savers, thereby strengthening a nation's financial and economic system. As the primary sources of financial intermediation and facilitators of payments, banks play a vital role in a country's economic advancement (Sharma et al. By providing financial support to entrepreneurs and businesses, banks facilitate cost reductions through advancements in financial innovations, thereby enhancing production efficiency and freeing up capital for other sectors.

The improved efficiency of the banking system enables higher output to be achieved with the same input level in the market. Therefore, measuring bank efficiency is crucial as bank failures or insufficient liquidity resulting from loan collection issues can endanger the economic well-being of millions of individuals (Burgstaller, 2020). Besides, the heightened productivity within the banking industry yields widespread benefits for people (Košišová, 2020). Consequently, there has been a notable increase in the focus on efficiency analysis of financial institutions, particularly commercial banks, in recent years.

Traditionally, ratio analysis has been the preferred technique for assessing banking performance. It involves examining the relationship between two variables to gain insights into various aspects of a bank's operations, such as liquidity, profitability, and risk management (Paradi, Yang, et al. However, this approach is subject to criticism due to its reliance on benchmarking ratios and inherent subjectivity (Yeh, 1996). While accounting and financial ratios offer valuable information for evaluating a bank's financial efficiency, they often fail to capture the full range of factors influencing bank performance, including assets, revenue, profit, market value, and customer satisfaction (Seiford & Zhu, 1999).

Moreover, the multitude of ratios generated can be contradictory and confusing, lacking an objective means of identifying inefficient units and distinguishing between poor and superior performers (Berger & Humphrey, 1997). On the other hand, frontier analysis, with SFA and DEA as two prominent representatives, offers a more comprehensive and objective assessment of bank efficiency by considering multiple inputs and outputs and evaluating long-term performance. The frontier analysis provides an objective quantification of efficiency, offering numerical scores that incorporate economic optimization mechanisms, thereby facilitating the benchmarking of institutions and the identification of best practices 2 within the banking sector (Berger & Humphrey, 1997). This method can be divided into parametric and non-parametric approaches.

While econometric model like SFA necessitates specific assumptions regarding its functional form and account for random errors, non-parametric like DEA offers a flexible means of specifying the best-practice frontier but do not incorporate considerations of random errors (Bauer, 1990). In summary, traditional ratio analysis, despite its long use in evaluating banking performance, is increasingly recognized for its limitations, particularly its reliance on benchmarking ratios and inherent subjectivity. Conversely, frontier analysis, including SFA and DEA, offers a more comprehensive and objective assessment. By incorporating multiple inputs and outputs, frontier analysis provides an objective efficiency quantification, enhancing the ability to benchmark institutions and identify best practices.

This makes frontier analysis a superior methodology for assessing bank performance, offering greater comprehensiveness, objectivity, and versatility. The next section will delve deeper into two frontier analysis techniques, and their application in investigating banking performance. DEA and SFA in banking industry DEA and SFA are distinguished as one is non-parametric and the other is parametric method. While DEA is an application of linear mathematic programming, SFA utilizes econometric functions.

Hence, DEA is capable of calculating relative efficiency without requiring any predetermined assumptions about the form of the frontier or distributing inefficiency assumptions. Nonetheless, SFA has the ability to differentiate random noise from inefficiency, offering deeper insights into the impact of external factors on performance. Data envelopment analysis (DEA) DEA employs mathematical programming techniques capable of managing numerous variables and constraints.