酷应用

小微企业融资风险的“失败”基因与征信效能的“破题”之策

百家作者：信贷风险管理 2019-06-22 02:36:29

默认标题_公众号封面小图_2018.04.08.png

信贷风险管理

信贷人专属交流、学习的平台

精品课程链接：

7月03日（合肥）丨把信贷法律风险浓缩为111个法律问题专题研修班

7月11日（大连）丨逾期清收实战技巧专题研修班

点击菜单中“最新课程”，查看更多近期公开课

出品：信贷风险管理

作者：寇乃天

吴晓波的专著《大败局》，在盘点和透视曾经叱诧风云的知名企业失败心路历程的同时，闪耀着“失败哲学”的智慧光芒，为商业银行的信贷经营打开了一扇思维之“窗”，提供了一个很好的研究思路。商业银行的信贷经营需要“向死而生”，树立危机意识和培养“逆向”思维模式，——银行业必须关注企业的失败规律，探寻企业的“失败”基因，从中形成信贷预警启示和信贷应对策略。王华峰和赵飞红在其专著《我国小微企业失败研究》一书中，剖析了“融资问题”属于小微企业失败的重要原因之一。小微企业的融资风险背后的“失败”基因，及其“破题”之策，值得商业银行认真思考、研究与积极应对。面对小微企业的融资“瓶颈”和大数据时代“金融科技”的迅猛发展，商业银行深度挖潜和积极发挥征信“效能”，有利于商业银行完善与丰富小微企业的信用“画像”，积极开展“普惠金融”的信贷实践，更好地脱虚向实，服务实体经济。

小微企业失败于“融资风险”的“大败局”解读

小微企业信贷经营视角下的“融资风险”及其“失败”基因剖析

商业银行开展小微企业信贷业务，必须高度警惕小微企业面临的“融资风险”，——此类风险，在信贷实践中更多地体现为小微企业的融资“困境”问题，例如小微企业融资难、融资贵等问题。商业银行在信贷经营的过程中，必须正确处理和应对小微企业的融资性风险，明确其内涵及其外延，加强对此类风险的识别和管控。根据COSO风险管理整合框架，“风险”是一个事项将会发生并为目标实现带来负面影响的可能性。以此为风险的定义标准，我们认为，从内涵上讲，小微企业的融资风险主要是指小微企业融资活动中，为了达成既定的融资目标而带来负面影响的可能性。具体来说，由于小微企业融资活动受不确定性因素的影响，导致企业融资规模、融资结构等未达到预计目标，或者融资过程中融资成本高于收益甚至融资成本过高超出负荷导致融资中断、融资失败的可能性。如图所示，小微企业失败于“融资风险”的主要几类因素可以梳理为债务融资、融资活动、融资结构和融资环境四种情形。

案例1：企业A因为债务融资引发的融资风险案例

贷款企业A在当地属于经营较为稳健的企业，纳税在全县排名前二十强，现金流一直很充裕，名下一直没有任何贷款，并且没有实际的流动资金贷款需求，属于“零”负债的明星企业。该企业成为各家银行争先营销的重点客户。根据企业的短期规划，该企业并不需要银行贷款的支持，但是该企业老板在某银行高管的多次营销下，答应申请和提取贷款，帮助该银行完成考核指标。该企业从银行取得贷款以后，由于本身并没有融资需求，由于银行渠道的贷款利息较低，该企业随后把贷款资金以较高的贷款利率拆借给资金紧张但不符合贷款条件的民营企业W，以此赚取贷款利差。随着经济下行的压力，民营企业普遍资金链紧张，甚至出现倒闭破产的现象。在这个大背景下，实际使用贷款资金的企业W出现了经营困难，并且老板跑路。名义贷款企业A在借入银行贷款资金后，由于该笔资金涉及民间借贷并且实际用款企业倒闭，该企业偿还部分贷款资金以后，该笔贷款出现逾期，并最终形成不良损失。贷款企业A因为债务融资，自身也陷入了债务融资引发的融资风险，企业经营陷入困境。从学理上讲，债务融资，属于典型的融资风险类型和素因，在此种情形下，贷款企业因盲目借入资金会产生丧失偿债能力的可能性，同时会导致企业利润损失的可变性。对此，商业银行需要实事求是地分析贷款企业的融资动机，科学测算企业的实际贷款资金需求，切不可为不符合贷款资金需求的企业提供贷款资金投放。信贷实践中，商业银行如果超出企业贷款资金需求发放贷款会受到监管机构的处罚。例如，根据沪银保监银罚决字【2019】9号处罚决定，2019年5月6日天津银行股份有限公司上海分行因超过某借款人实际资金需求发放流动资金贷款，并且该笔贷款分类不准确，依据《中华人民共和国银行业监督管理法》第四十六条第（五）项和《流动资金贷款管理办法》第三十九条第（一）项监管法规的文件要求，被贷资金的支持下，该企业老板对房地产行业显得非常热心，并且拿出主要精力和资金投资房地产，流动资金贷款被挪用来搞上海银保监局责令改正，罚款共计100万元。

案例2：企业B因融资活动引发的融资风险案例

贷款企业B在某县属于海关出口大户，在多家银行拥有贷款，属于金融行业重点扶持的标杆性企业，对当地的财政税收贡献很大。该企业的主营业务属于金属制品业，该企业是典型的高负债的生产型企业。在经过一段时期上升期发展以后，企业B的实际控制人开始有些膨胀，在银行信贷资金的不断支持下，企业陆续把流动资金挪用从事房地产开发活动。由于房地产开发周期较长，资金需求量大，已经超出该企业的资金实力，同时，该企业老板对于房地产行业不太熟悉，属于多元化跨业经营，最终该企业开发的楼盘由于资金链断裂而停工。贷款企业B长期脱离主业，经营状况持续下滑，迫于无奈之下企业老板选择跑路，多家银行的贷款出现逾期不良。法院对企业B的抵押物土地和房产进行了拍卖，该企业进入破产清算程序，企业B难逃“倒闭”的厄运。该风险案例给我们的启示是，任何企业的融资需求需要量力而行，融资活动不当，挪用贷款资金搞非相关多元化经营，会导致企业无法融集到足够的资金而产生无法维持正常经营风险。商业银行需要关注企业的资产负债率水平，关注融资活动背后企业的贷款资金的实际流向，是否涉足短贷长用和跨业经营的信贷风险。信贷实践中，商业银行由于对企业流动贷款资金挪用风险监管不力，会受到相应的经济处罚。例如，根据驻银保监银罚决字【2019】4号处罚决定，依据《流动资金管理暂行办法》第九条和《中华人民共和国银行业监督管理法》第四十六条第（五）项监管法规的文件要求，2019年4月26日中国工商银行股份有限公司驻马店分行因发放借名贷款、信贷资金被挪用，被河南驻马店银保监局罚款30万元。

案例3：企业C因融资结构引发的融资风险案例

贷款企业C所处行业的下游客户主要是国企等强单位，回款结算主要依据工程进度，由于工期较长，企业应收账款较多。为了缓解资金压力，该企业在多家银行申请贷款，属于典型的资金饥渴型企业。在经济上行周期，该企业的经营还算正常。随着近几年，国家经济进入新常态的下行周期，该企业的资金链条异常紧张，银行开始收紧信贷规模，贷款投放趋严。为了进一步缓解融资困境，企业开始涉足民间借贷，从最初的通过“过桥”资金倒贷，到后期的向典当行、小额信贷公司进行资金拆借，最终在高利贷“滚雪球”式的层层压力之下，企业老板跑路，企业最终倒闭破产。该企业的“败局”，主要在于融资结构不合理，涉足民间借贷，最终在高利贷的侵蚀之下，企业走向灭亡。融资结构不当或者说融资决策科学，都会导致企业带来毁灭性的融资风险。对此，商业银行需要坚持审慎经营原则，坚持贷款“三查”，从贷前、贷中和贷后都要严格审查贷款企业的民间借贷类信息，规避由于民间借贷引发的小微企业融资结构风险。信贷实践中，商业银行需要严格执行贷款“三查”制度，否则会受到相应的处罚。例如，根据呼银保监银罚决字【2019】2号处罚决定，依据《中华人民共和国银行业监督管理法》第四十六条第（五）项监管文件的要求，2019年2月19日中国农业银行鄂温克族自治旗支行存在贷款“三查”制度执行不到位，被呼伦贝尔银保监分局罚款35万元。

案例4：企业D因融资环境引发的融资风险案例

贷款企业D所处的县域属于某特定产业集群的集群地，在该产业处于上升期的繁荣阶段，各家银行争相对该产业集群内的客户进行信贷投放，后来该产业受国际市场行情波动的影响，大批企业出现亏损和破产倒闭，银行的贷款出现大面积收不上来的风险事件，银行不良贷款率激增，当地信用环境极度恶化。在当地政府的协调下，企业陆续停止抽贷，银行面对区域性信用风险，也开始抱团取暖，共商对策。贷款企业D受产业和区域信用环境的影响，遭到银行抽贷，出现资金链断裂，最终该企业发生破产倒闭事件。企业在融资活动中由于资金供需市场、宏观经济环境的变化或融资来源结构、币种结构、期限结构等因素会给企业带来生产经营上的不确定性，并最终体现为融资环境风险引发的企业“大败局”现象。对此，商业银行需要强化信贷风险的区域信贷限额管控，分析企业所处的信用环境，规避由于融资环境风险引发的信贷经营的“大败局”。

小微企业“融资”风险背后的深层次原因剖析

小微企业融资风险的表层原因主要体现为债务融资、融资活动、融资结构和融资环境等因素。透过这些表层原因，我们剖析小微企业的融资风险的深层次的“失败”基因，主要体现为信息不对称诱发的小微企业融资难、融资贵等问题。关于小微企业融资风险的深度剖析，我们需要理解信息不对称、产权与交易成本、融资优序和“麦克米伦”缺口等小微企业融资方面的热点理论问题。

信息不对称导致的信贷配给问题

“信息不对称”问题，是商业银行小微企业信贷经营绕不过去的“门槛”。客观地讲，信息不对称导致的信贷配给问题，是造成小微企业融资风险的根源性问题。信息不对称理论（Asymmetric Information Theory）是商业银行研究小微企业融资问题的理论基石，该理论是由乔治·阿克尔洛夫（G. Akerlof，1970）、迈克尔·斯宾塞（A.M. Spence，1974）和约瑟夫·斯蒂格利茨（J. Stigjiz，1976）提出的。依据该理论，商业银行在借贷市场上开展小微企业信贷业务的时候，由于作为资金的提供方商业银行和作为资金的需求者小微企业之间存在着严重的信息不对称问题，商业银行会选择把贷款资金投向收益相对稳定、风险相对较低的大中型企业，而对于资金需求较为旺盛的小微企业客户群体，则会产生明显的“惜贷”现象。StigHtz和Weiss(1981)进一步研究发现，由于信息不对称下的“逆向选择”和“道德风险”问题，信贷市场会出现信贷配给现象。这也就进一步阐释了小微企业出现融资“困境”及其风险的深层次原因。信贷配给现象的背后，是小微企业自身的信息“不透明”问题，商业银行如果能够实现信息不对称下小微企业的有效信息采集，丰富小微企业的信用“画像”，将有助于破解小微企业融资风险的难题。当前大数据时代下，征信效能的最优化发挥，将助力商业银行积极开拓和深度挖潜小微企业信贷业务这片“蓝海”市场。

“产权”因素考量下小微企业信贷业务的交易成本问题

黄志凌在其专著《风险经营：商业银行的精髓》中指出，“风险经营始终是商业银行经营管理的精髓。”具体到小微企业信贷业务，依据罗纳德·科斯（R. Coase，1937）的产权理论（Property Theory）和交易成本理论（Transaction Cost Theory），商业银行信贷经营，需要充分考虑企业客户的产权风险因素和贷款交易成本的效益因素。在风险因素的考量下，作为贷款客户群体的企业及其产权问题，需要商业银行重点调查分析和风险权衡。大中型企业，尤其是国有企业，其产权较为清晰，信息透明度高，商业银行的信贷投放更加倾向于产权制度清晰的大中型企业客户。小微企业客户群体虽然庞大，由于产权制度不清晰，信息透明度差，小微企业和银行之间的信息不对称问题非常严重，商业银行投放一笔小微企业贷款，需要耗费大量的人力和物力进行贷款调查和贷后管理，单笔小微企业贷款的金额较小，小微企业贷款的平均成本和边际成本都比大型企业高出很多，贷款交易的成本显著增加，具有明显的不经济性。在这种情况下，商业银行小微企业信贷业务具有明显的产权制度“歧视”倾向和“惜贷”情结。对此，2019年2月28日，银保监会发布《关于进一步加强金融服务民营企业有关工作的通知》，要求商业银行针对民营小微企业的融资需求，抓紧建立“敢贷、愿贷、能贷”的长效机制。

“融资优序”路径下小微企业的民间借贷风险隐患

在信息不对称和交易成本的现实障碍下，小微企业的融资路径，或者说融资顺位，存在一个“孰先孰后”的问题。这就涉及到小微企业的“融资优序”理论。依据梅耶斯和梅吉拉夫（S. Myers and N. Majluf，1984）提出的“融资优序”理论，企业融资的最优顺序是内源融资、债务融资和权益融资。小微企业由于自身的禀赋缺陷，在债务融资和权益融资方面存在融资障碍问题，——融资难、融资贵问题，导致小微企业把融资的目光投向了贷款可得性较为容易的“民间借贷”市场。这就为小微企业的融资结构埋下了融资风险的隐患。例如，温州“疯狂”的民间借贷引发的“多米诺骨牌”式的企业老板跑路潮，就是民营小微企业融资结构风险的典型案例。从内涵上讲，民间借贷指公民之间、公民与法人之间、公民与其它组织之间借贷，是民间资本的一种投资渠道，是民间金融的一种形式。民间借贷的危害性是不言而喻的，它犹如小微企业身上的“恶性肿瘤”和“洪水猛兽”，随时会吞噬小微企业的生命。对此，国家出台多政策法规文件，加大对民间借贷的规范和整治力度。例如，最高人民法院2015年8月6日发布的《最高人民法院关于审理民间借贷案件使用法律若干问题的规定》，对民间借贷问题及其规范做了系统性规定和框架性阐述。银保监会颁发的银保监发【2018】10号文件《关于规范民间借贷行为，维护经济金融秩序有关事项的通知》，明确了未经有权机关依法批准，任何单位和个人不得设立从事或者主要从事发放贷款业务的机构或以发放贷款为日常业务活动。最高人民法院颁发的法【2018】215号文件《关于依法妥善审理民间借贷案件的通知》，明确要求各级人民法院妥善处理民间借贷纠纷案件，防范化解各类风险。信贷实践中，小微企业的民间借贷具有一定程度的“隐蔽性”，需要商业银行加大对此类风险的有效识别和信贷预警控制。

小微企业融资存在“麦克米伦”缺口

小微企业融资难、融资贵，是一个世界性的难题，其背后存在一个普遍性规律，——全世界范围内的小微企业都存在融资上的缺口问题，即“麦克米伦”缺口。第二次世界经济危机爆发后，在经济大萧条的背景下小微企业的融资问题逐步走入了人们的视野。1929年英国政府指派以麦克米伦爵士（Lord Macmillan）为首的英国金融产业委员会调查了英国工商业和金融业，希冀探究小微企业融资现象背后的客观规律。1931年麦克米伦爵士向英国政府提交了《麦克米伦报告》。根据该研究成果显示，由于资金方不愿以小微企业所要求的条件提供资金，导致小微企业的融资特别是长期融资由于金融资源供给不足，形成的巨大资金缺口。小微企业发展过程中存在着资金缺口现象，被人们称为“麦克米伦”缺口。客观地讲，“麦克米伦”缺口的存在严重影响着小微企业的正常发展。“麦克米伦”缺口一经提出，举世哗然，立即引起西方各国政府与理论界人士的关注。自英国之后，世界银行组织了大量关于中小企业发展的调查报告，如Bolton报告（1971）、Wilson报告（1979）和Aston报告（1991）等，进一步证实了“麦克米伦”缺口是一个普遍存在的全球性难题。“麦克米伦”缺口，进一步解释了小微企业融资风险的客观性及其必然性。在“麦克米伦”缺口效应下，小微企业融资难问题已经成为“梦魇”般的恶魔存在，挥之不去，盘旋在小微企业信贷经营的上空。

“破题”之策：“大数据”信贷技术下征信效能助力普惠金融的信贷实践

面对小微企业的融资风险及其困境，商业银行可以立足与提升“征信”效能，积极拥抱金融科技化浪潮，通过“大数据”信贷技术，积极开展普惠金融的信贷实践，助力小微企业实体经济的发展。小微企业融资风险的源头，在于银企之间的“信息不对称”。商业银行通过专注于“征信效能”提升这一关键点，可以有效打破“信息不对称”的尴尬状态，突破小微企业的融资瓶颈，丰富和完善小微企业的真实“信用”画像，提高小微企业客户群体的贷款可得性。

征信及其效能的信贷思考

“征信”的发展脉络及其内涵剖析

征信，英文词汇为credit reference，是产生、依赖和服务于信用活动，随着实际的需要而产生和发展，其内涵也在不断更新和丰富。从词源上考究，“征信”一词最早见于我国的《左传》：“君子之言，信而有征，故怨远于其身。”此处的“征”，指的是征集、求证和验证。“信”，指的是诚信、信用。“信而有征”，侧重于朴素的道德层面的“征信”探讨，其含义可以理解为“诚实可靠，可以验证”。需要指出的是，春秋时期的“征信”不具有现代意义，申言之，古典意义上的“征信”，主要是个人道德品质的考量。近现代意义的“征信”，则起源于18世纪末19世纪初英国裁缝行业的黑名单制度，属于金融业以外的商业领域。1801年英国建立布鲁克林的征信所，用来建立裁缝店违约欠款的客户清单，以避免损失。1803年伦敦的一批裁缝相聚在咖啡馆里成立伦敦互助交流协会。第一家现代意义上的征信机构于1830年出现在英国伦敦。1849年美国邓白氏公司成立，主要从事企业及其他组织的资信调查工作，服务于贸易领域的信用交易。1860年在美国布鲁克林成立一家个人征信征信机构，目前此类征信机构以艾克飞、环联、易博瑞和科瑞福为代表。1892年日本第一家征信机构建立。1934年德国公共征信系统成立。随着征信需求的日益增长，征信机构如雨后春笋般蓬勃发展。如图表所示，显示的是目前世界主要发达国家的征信机构情况。

具体到中国语境下，我国只有到了20世纪早期，在产生现代银行业以后才产生了具有现代意义的“征信”行为，并采用“征信”作为单独的词语专门描述这类行为。随着资本主义列强的侵华，19世纪末20世纪初，上海已有外资征信机构入驻，不过，有的翻译为“兴信”所，有的翻译为“征信”所。1932年6月6日，中国兴信社正式创办了一个专职征信机构中国征信所，这是由中国人兴办的第一家征信机构。1945年3月,由多家官办金融机构合作开办的“联合征信所”在重庆正式成立。从20世纪90年代开始，中国人民银行开始推动金融领域的征信业务。1997年我国开始建设“全国-省-市三级”的银行信贷登记咨询系统。2006年我国建成全国集中统一的金融信用信息基础数据库。2013年3月15日，我国的首部征信法规《征信业管理条例》颁布实施，标志着我国征信业结束了无法可依的尴尬局面。2014年6月14日，国务院下发《社会信用体系建设规划纲要(2014-2020年)》，再次重申了征信系统建设的重要性。2015年3月5日，李克强总理在《政府工作报告》中指出，要推进社会信用体系建设。

根据《征信业管理条例》的相关规定，从内涵上讲，征信是指依法收集、整理、保存、加工自然人、法人及其他组织的信用信息，并对外提供信用报告、信用评估、信用信息咨询等服务，帮助客户判断、控制信用风险，进行信用管理的活动。如图所示，商业银行对于“征信”的内涵解读，还需要从以下几方面加以全面理解：第一、征信的内容是信用信息。第二、征信的活动主体是第三方机构。第三、征信的信息来源是信用信息提供者，包括银行、企业、政府部门以及在互联网领域搜索的相关信息。第四、征信的信息主体是个人、企业和其他组织。第五、征信的服务对象是信用交易的参与者及政府部门。第六、征信的核心是信用信息共享。第七、征信的目的是建立“守信激励，失信惩戒”的长效机制。

征信的逻辑起点：信贷领域的“信息不对称”问题

小微企业信贷业务的主要障碍，就是银企之间的信息不对称状况。申言之，征信的产生源于信息不对称问题。在信息不对称的情况下，商业银行很难通过风险程度的衡量来确定贷款的利率水平，被逼无奈下，商业银行智能采取折中的方法，即依据小微企业贷款客户的平均风险水平来确定一个看似相对公平的贷款利率水平，但实际情况是高风险者获益而低风险者受损，于是产生了“逆向选择”的问题。在信息不对称的影响下，小微企业信贷客户的“道德风险”问题，也尤为突出，主要表现为小微企业信贷客户的信贷违约情况。如何解决信贷领域的信息不对称问题呢？征信，无疑是信贷信息不对称的最优解决方案，——它好比是“照妖镜”，帮助银行识别小微企业客户的真实风险状况。据此可知，征信的逻辑起点就在于信贷信息不对称亟待解决，而征信就是解决这个难题的“良药”。小微企业信贷业务面临的融资风险，暗示着征信的必要性及其信贷意义。征信，通过信息共享机制的运作，可以帮助银行了解小微企业客户的真实经营状况，丰富小微企业客户的信用信息，提升银行的信贷决策水平。为了更好地解决“信息不对称”，商业银行需要充分发挥与运用征信的“信息共享机制”。如图所示，征信的信息共享机制对于降低小微企业的信息不对称程度，节约信贷交易成本具有显著效果。在事前筛选环节，征信有利于降低信息收集成本。在事后惩戒环节，征信可以降低违约成本，提升小微企业客户的诚信水平。

征信效能与小微企业信贷之间的关系思考

小微企业信贷业务是一片大有可为的“蓝海市场”，——在普惠金融政策的指引下，小微企业信贷业务发展很快，但又充满风险和挑战。在风险和受益的权衡中，商业银行只有不断借助与发挥征信效能，在征信制度框架之下积极探索、完善和发挥“信用信息共享机制”的筛选效应、激励效应和扩展效应，才能在小微企业信贷业务中“掘金”受益。筛选效应缓解了逆向选择问题，激励效应缓解了道德风险问题，而扩展效应又增加了违约风险：一些有着“清白”信用记录的人以更为优惠的贷款条件从银行获得更多的贷款，这相应增加了违约概率，但和激励效应带来的违约风险的下降程度相比还是会小一些。因此，从总体上看，信用征信效能的“信用信息共享机制”可以大大缓解小微企业的信贷违约问题。

从某种意义上讲，征信是商业银行预防小微企业信贷业务道德风险和逆向选择的重要制度设计。根据信息经济学模型，小微企业信贷业务涉及的非对称信息分为以下几类：根据发生的时间划分，发生在商业银行和小微企业信贷客户签约之前的信息不对称称为“事先不对称”，发生在商业银行和小微企业信贷客户签约之后的信息不对称称为“事后不对称”。研究事先不对称信息博弈的模型称为“逆向选择模型”，研究事后不对称信息博弈的模型称为“道德风险模型”。根据信息不对称理论，“信号”的传递可以帮助商业银行解决小微企业信贷经营的“逆向选择”问题。征信效能对于小微企业信贷业务的正向效用，主要体现为征信效能的信号传递机制有助于实现信用信息共享，从而解决小微企业信贷业务中面临的信息不对称问题，帮助商业银行开发针对小微企业信贷客户的金融产品和服务，并且能够使得贷款收益可以覆盖贷款成本。征信效能的提升，可以帮助商业银行深度挖潜小微企业“长尾客户”，实现对“二八定律”的彻底叛逆，全面提升商业银行普惠金融的发展水平。征信的效能对于小微企业贷款的促进作用，可以体现为小微企业信用信息的集中效应。小微企业客户的信用信息通过各种渠道搜集、反馈与汇总到征信系统，在被采集和整理以后会产生“集中”效应，有效反映贷款企业的信用信息和风险状况，帮助商业银行防范信用风险，降低贷款的交易成本。具体来讲，商业银行反思征信效能与小微企业信贷之间的关系，需要理解以下几方面内容：

征信如何影响小微企业信贷市场的？一般来说，征信效能的信息共享机制对于小微企业信贷市场具有显著的促进作用。从贷前客户甄选角度讲，征信通过打破信息不对称状态，可以帮助商业银行有效识别小微企业的信用风险，化解逆向选择。从小微企业信贷市场的理性繁荣角度讲，征信可以减少信息“租金”，促进银行间的小微企业信贷业务公平、有序、高效的竞争。从贷后信贷违约惩罚的角度讲，征信记录上共享负面信息，可以促使借款者按时偿债，提高小微企业贷款企业的违约成本。

征信如何影响商业银行小微企业信贷经营？征信效能的提升，对于商业银行小微企业的信贷经营具有深刻的影响。征信的信用信息共享机制，可以帮助商业银行提升信用风险的控制水平。征信效能的提升，可以帮助商业银行提高小微企业的信贷决策水平，降低审批环节的信贷腐败行为。征信作用的发挥，客观上也有利于培育商业银行良好的营商环境，形成银行间良好的小微企业信贷业务竞争生态。

征信如何影响小微企业融资行为？普惠金融政策下，小微企业客户群体属于商业银行重点拓展的客户群体和服务对象，小微企业的融资行为深受信用信息共享的影响。根据“全球征信”数据库和世界银行征信调查的数据，在有征信体系的国家，企业项目融资对外部资金的依赖性较强，换句话讲，征信的“信用信息共享机制”大大降低了小微企业的贷款难度。小微企业由于缺乏良好的信息披露机制，信息透明度较低，征信效能的企业信用信息共享机制可以改善企业的信息信息状况，提高小微企业的融资机会，降低贷款成本，提高贷款的可得性。在征信效能的积极作用下，小微企业更加注重企业信用信息的培育，关注企业的信用度建设水平，在融资的过程中更加注重尊重契约精神和诚信意识。

金融科技浪潮下的大数据征信技术

征信，对于小微企业融资具有“正向”的效用作用，是小微企业有效融资的“杀手锏”。征信效能的提升，有利于丰富小微企业客户群体的信用画像，提高贷款可得性。在金融科技化浪潮的澎湃激流下，征信和大数据产生了水乳交融的“化学”反应，正所谓“金风玉露一相逢，便胜却人间无数”，——大数据征信的应运而生，助力小微企业信贷蓝海市场的深度耕耘与大力开拓。金融科技（Fintech）是时代发展的浪潮，该词汇来源于金融（Financial）与科技（Technology）的有机结合，属于两者合并后的缩写，主要是指为了提升效率降低运营成本而利用多种科技手段创新传统金融行业所提供的产品和服务。目前，金融科技并没有统一的科学定义。2016年3月，全球金融治理的牵头机构“金融稳定理事会”发布了《金融科技的描述与分析框架报告》，第一次在国际组织层面对金融科技做出了初步定义，即金融科技是指通过技术手段推动金融创新，形成对金融市场、机构及金融服务产生重大影响的业务模式、技术应用以及流程和产品（FSB，2016）。

如图所示，代表了金融科技的三个发展阶段。金融科技的最大贡献，在于可以量化信用积累。金融科技借助互联网、大数据、云计算等信息技术可有效推动金融基础架构和基础逻辑的变化，提供有效的新制度架构，让数据信息准确、可追溯，对科学决策、风险管理提供量化标准，提高信息的真实度、准确度，推动信用的资本化、价值化、收益化，让每一个人的信用都成为自己的财富。在大数据风控的应用细分领域，借助金融科技化浪潮的“翅膀”，大数据征信便成为征信积极拥抱金融科技化潮流的集中体现和典型代表。大数据被称为“未来的新石油”。早在1980年，阿尔文·托夫勒（Alvin Toffler，1980）在《第三次浪潮》一书中就预言大数据将成“第三次浪潮”。大数据征信是大数据技术在征信领域的技术精髓和具体应用，也是大数据在“第三次浪潮”中掀起的澎湃巨浪。

从内涵上讲，大数据征信是指大数据技术与征信活动的完美结合和具体运用，通过采集、分析、挖掘多维度的海量数据信息，并借助机器学习等模型算法来描述信息主体的信用状况，为多样化的应用场景提供征信层面的技术支撑。大数据征信，为小微企业客户群体赢得“大未来”，是小微企业融资切实可行的解决途径和优化方案。大数据征信技术的核心理念在于“一切数据，皆为信用”。大数据信贷技术，是大数据征信技术在小微企业信贷领域应用的进一步深化和发展。在破解小微企业融资难方面，大数据信贷技术主要采取数据采集和数据分析等手段来测量小微企业的信用风险。关于小微企业信贷市场领域的大数据征信技术，有几点需要重点理解一下：

小微企业信贷业务的大数据征信技术数据来源突出“大数据”的丰富多元性。一般认为大数据具有“4V”特征，即容量（Volume）特征、种类（Variety）特征、速度（Velocity）特征和价值（Value）特征。大数据征信技术下，可以被采集的大数据，包括结构化、半结构化和非结构化等多元化的海量数据。传统征信以结构化数据为主。大数据征信的数据来源广泛，种类丰富，包含视频、音频、地理位置信息等多种非结构化数据，这些数据能够全方位多角度地反映小微企业客户群体的信用状况。金融大数据的产生主要基于“人”（人类活动产生的大数据，例如交易记录等）、“机”（信息系统产生的大数据，例如审计信息等）、“物”（物理世界产生的大数据，例如监控数据等）三个维度。小微企业信贷实践中，具有信贷意义的金融大数据主要包括银行系统大数据、三方机构大数据和网络采集大数据等。

小微企业信贷业务的大数据征信技术的评估模型突出大数据技术的算法优势和人工智能技术的嵌入应用。基于大数据的信用评估模型可以采用支持向量机、决策树、随机森林等新算法，其模型采集和分析信息主体的实时数据，变量多维且数量庞大，有助于提高信用评估效率，同时降低违约概率。大数据征信技术积极构建大数据的生态链，致力于打破小微企业信贷业务的“数据孤岛”现象。大数据征信技术是基于信息的挖掘，爬虫技术属于其中较为有代表性的信息挖掘技术。大数据征信技术的实现，必须依靠先进的计算方法。机器学习算法代表了人工智能信贷风控的未来趋势。数据信贷实践中，经常用得到的机器学习算法包括孤立森林（Isolation Forest，IF）、决策树算法(Decision Tree，DT)、人工神经网络（Artificial Neural Network，ANN）、种子k均值聚类算法（Seeded k-means Clustering Algorithm，SKM）、支持向量机(Support Vector Machine，SVM)、朴素贝叶斯(Naive Bayes，NB)、k-近邻(KNN)算法。在深度学习方面，大数据征信技术常用的算法有深度神经网络（DNN）、卷积神经网络（Convolutional Neural Network，CNN）、受限波尔兹曼机(RBM)、自编码网络（Auto Encoder，AE）等算法。在大数据征信运用方面，人工智能(Artificial Intelligence，AI)技术等大数据风控技术正在嵌入智能风控的应用领域，展现其信息技术优势。

小微企业信贷业务的大数据征信技术的征信理念突出“一切数据，皆为信用”的变革理念。传统征信倾向于收集能够反映借款人还款能力的“强相关”数据，并认为只有这些数据才能判断借款人的信用状况。由于小微企业缺乏足够充分的“强相关”数据，在信息不对称的作用机制下，小微企业融资出现瓶颈。大数据征信技术，则立足“大数据”的丰富内涵，揭示了信用经济的新内涵，通俗地讲，即“一切数据，皆为信用”。在数据采集环节，不仅关注“强相关”数据，而且注重对“弱相关”数据的采集。在特征选择环节，尽可能保留所有变量信息，降低人为操作风险。在指标构建环节，尽可能覆盖反映还款能力与意愿的各类指标。在评分模型构建环节，不拘泥于传统的逻辑回归方法，鼓励采用新方法提升评分效果。申言之，大数据征信技术的每个环节都闪耀着征信理念创新的“智慧”光芒！

普惠金融视角：大数据征信技术的信贷实践案例

关于“普惠金融”的政策解读

2005年，联合国（United Nations，UN)在“国际小额信贷年”的宣传上首次推出普惠金融(inclusive finance)的概念，并组织众多专家撰写了关于普惠金融体系方面的蓝皮书。2008年全球金融危机后，20国集团（G20)将普惠金融发展作为重要任务大力推行。专门的普惠金融国际组织普惠金融联盟(AFI)于2008年9月成立，敦促全球各个国家尽快做出发展普惠金融的承诺，并组织相关专家学者研究构建国际通用的评价指标体系，用以衡量各国普惠金融发展水平。2009年，G20又成立了普惠金融专家组(Financial Inclusion Experts Group，FIEG)，并推动成立了全球普惠金融合作伙伴(Global Partnership of Financial Inclusion，GPFI)，积极推动构建全球层面的普惠金融指标体系。2014年在全球普惠金融联盟(AFI)年会上，中国承诺发展普惠金融并公布了行动计划。2015年11月3日，在《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》中，又提出发展普惠金融，这是中国第一次将普惠金激发展明确列入五年规划之中。2015年12月31日，国务院印发《推进普惠金融发展规划(2016-2020年)》，规划中首次明确提出了中国发展普惠金飄的总体思路、指导思想、基本原则、总体目标等，这是中国第一个专口推进普惠金融发展的规划，这标志着中国已将普惠金融发展提升至国家战略层面。

普惠金融，作为我国的蓝海市场战略，历来受到国家层面的重视和大力支持。2017年9月30日，人行下发《中国人民银行关于对普惠金融实施定向降准的通知》（银发[2017]222号），对满足普惠金融贷款投放相关要求的机构进行定向降准，以支持金融机构发展普惠金融业务。2018年3月28日、3月30日、4月25日，国务院多次召开常务专题会议，要求提高普惠金融服务能力，解决小微企业融资难、融资贵。2018年2月11日《中国银监会办公厅关于2018年推动银行业小微企业金融服务高质量发展的通知》(银监办发[2018]29号 )，在继续监测“三个不低于”、确保小微企业信贷总量稳步扩大的基础上，重点针对单户授信1000万元以下（含）的小微企业贷款，提出“两增两控”的新目标。2018年5月15日《关于进一步提高大型银行普惠金融事业部服务能力的通知》（银保监办发[2018]33号），从完善普惠金融服务体系、显著降低小微企业融资成本、缓解信息不对称问题、健全普惠金融服务激励约束机制、创新普惠金融产品和服务等方面对提高普惠金融服务能力提出了要求。为贯彻落实党中央决策部署和2018年6月20日国务院常务会议精神，经国务院同意，人民银行、银保监会、证监会、发展改革委、财政部联合印发《关于进一步深化小微企业金融服务的意见》（银发〔2018〕162号）。6月29日，人民银行会同银保监会、证监会、发展改革委、财政部等五部门联合召开全国深化小微企业金融服务电视电话会议。宣传部署《意见》贯彻落实工作。根据银保监会48号文规定，2019年银保监会“两增两控”考核口径调整为“普惠型小微企业贷款”。2019年2月14日，中共中央办公厅、国务院办公厅印发的《关于加强金融服务民营企业的若干意见》，再次明确金融服务小微企业实体经济的发展要求。

“傻子银行”网商银行：“310”大数据征信信贷模式

网商银行通过引入大数征信技术，形成了独具特色的“310”大数据征信信贷模式，并且取得了良好的经营业绩。网商银行“310”贷款模式的核心内涵，即3分钟申贷，1秒钟放款，全程零人工介入。在技术层面，网商银行依靠大数据、云计算等创新技术来驱动业务运营。通过大数据征信技术的大力支撑，网商银行依托于蚂蚁金服的大数据风控体系，包括了10万项的指标体系，100多个预测模型以及3000多种风控策略，该银行在小微企业信贷业务上可以做到不用担保和抵押，凭借信用就能进行贷款，并有效地将网商银行不良率控制在1%以内。据公开资料显示，在大数据征信技术的支持下，网商银行深度耕耘“普惠金融”市场，仅2018年支付宝服务的中国小微企业贷款笔数超过8000万笔，同比2017年增幅达到60%。截至2018年12月份，网商银行及其前身阿里小贷已经累计为超过1300万小微企业提供了超过2万亿元的贷款支持，其中有超过600万码商通过“多收多贷”获得贷款用于扩大经营，此外，网商银行还服务了591万家农村小微经营者和种养殖户。根据2018年年报显示，网商银行2018年净利润6.71亿元，因为利润几乎垫底，被戏称为“最不赚钱的银行”。但是网商银行却借助大数据征信技术普惠了中国约1/6的小微企业。数据显示，网商银行在2018年为小微企业提供了超过1万亿元的贷款支持，其中96%发放给了贷款金额100万元以下的小微经营者，大部分贷款金额集中在3万至5万元。在贷款利率上，网商银行连续两年为小微企业下降贷款利息：2017年，利率下降1个百分点；2018年，在上一年的基础上，贷款利率再下降1.2个百分点。普惠利率下，2018年网商银行累计服务小微企业数量达到1227万户，约为建行的5.5倍。全国每6家小微企业，就有1家在网商银行贷过款。网商银行新任行长金晓龙给网商银行定位，2019年，网商银行有且只有一件事，就是继续服务更多的小微商家，并且尽量降低给小微商家的贷款利率。借助大数据征信技术，网商银行成为全国服务小微企业客户群体贷款户数最多的“傻子银行”。

“最赚钱的民营银行”微众银行：“社交”风控模型的大数据征信技术

在大数据征信技术的运用方面，微众银行的信贷风控属于典型的“社交型”信贷风控模式，既使用传统的金融数据，比如银行征信、公安数据、教育数据等，更大量使用基于腾讯平台获取的庞大的社交数据和支付数据。目前，微众银行创新开发了六大风控模型，包括公安数据模型、央行征信数据模型、微信社交模型、手机QQ社交模型、财付通支付数据模型和资金饥渴度模型。其中的社交模型和财付通支付数据模型完全基于其所拥有的腾讯集团数据独特优势而建立。微众银行的社交评级法具有典型的“社交”信贷属性。微众银行通过大数据中的社交数据对借款人进行综合评估，采取贷款邀约申请制，来管控信用风险。例如，通过微信加好友的方式，每个人的微信朋友圈都有星状图和树状图，树状表示朋友相互之间认识，星状则表示相互之间不认识，相互认识的朋友比例占微信好友总量的比例越高，说明该客户的朋友圈可信度越高，对应的社交评级越高，客户的贷款可得性和授信额度越高。根据2018年年报显示，2018年微众银行实现营业收入100.3亿元，首次突破100亿大关，同比增幅48.63%；净利润同比增长7成，达到24.74亿元；存款余额增长27.95倍，达到1545亿元，成为民营银行中“最为赚钱”的银行。2018年末，微众银行贷款余额1198亿元，不良率仅为0.51%，同比下降0.13个百分点。微众银行在小微企业信贷业务上，积极发挥大数据征信的技术优势，深入服务实体经济，大力发展全线上、纯信用、随借随还的“微业贷”普惠金融信贷产品，其客户66%为首次获得银行贷款，77%客户营业收入低于1千万元。截至2018年末，微众银行大数据信贷产品“微业贷”服务小微企业34万户，户均授信余额为传统银行小微贷款的10%，服务小微企业平均雇员仅10人，当年新发小微企业贷款平均利率下降超过过2个百分点，真正实现了以大数据征信技术来助力小微企业实体经济发展的普惠金融目的。

END

以下为福利！！！