对互联网金融缓解小微企业融资难问题的思考

开篇：润墨网以专业的文秘视角，为您筛选了一篇对互联网金融缓解小微企业融资难问题的思考范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：近年来，互联网金融正在凭借“大数据”优势逐渐打破传统企业金融服务模式，成为促进小微企业发展的新生力量。本文以“互联网金融”这一概念作为切入点，研究探讨其对小微企业的融资效应，以期为解决“小微企业融资难”问题提供借鉴和参考。

关键词：互联网金融；小微企业；融资难

中图分类号：F830.31 文献标识码：B 文章编号：1674-0017-2016（1）-0073-04

一、国内互联网金融服务小微企业发展现状及主要模式

（一）互联网金融服务小微企业融资快速发展

随着经济的快速发展，民间借贷规模不断扩大。以安徽地区为例，民间借贷成为中小企业及三农经济取得流动资金和建设资金的重要渠道。互联网金融作为新的投资渠道，是民间借贷较好的出入口。近年来，互联网金融的发展迅速，2014年末中国的互联网金融规模已经突破10万亿。其中电商小贷、人人贷等新兴网络信贷模式受到了广泛的关注，影响力逐渐增强，成为促进小微企业发展的重要力量。

（二）互联网金融服务小微企业的主要模式

1、电商小贷模式。凭借运营互联网的产业经验，以及多年积累的海量企业数据库，电子商务企业拥有开展互联网金融的先天优势，小额贷款业务也成为吸引中小微企业进入电商平台并创造利润的重要手段。以阿里巴巴公司为例：阿里巴巴通过设立浙江、重庆市两家阿里巴巴小额贷款公司，利用国内首张电子商务领域的小贷营业执照，为B2B业务、淘宝和天猫三个平台的商家分别提供订单贷款、信用贷款两项服务。阿里金融的《2013年一季度电商微企融资报告》显示，一季度电子商务平台上新增获贷的小微企业超过2.5万家；单季完成贷款笔数超过110万笔，同比增幅超过50%；新增的120亿元贷款，平均每笔贷款约11000元，已累计服务小微企业超过25万家。

2、P2P模式。投资者通过P2P平台，将手中的闲置资金直接借给资金短缺的人，并获取一定的利息收益。截至2014年末，全国P2P网贷平台数量达到1500家，全年累计成交额超过3000亿元，P2P网贷行业的从业人员数量约为39万人，服务的企业超过200万家，带动的相关行业就业人数有6000万人。地域分布以广东省、浙江省、上海市和北京市较为聚集。P2P这种依托于网络而形成的新型金融服务模式，相对于传统的银行借贷，具有门槛低、审批快、手续简便等优势，主力的借贷群体是小微企业、中低收入者以及创业人群，是现有银行体系的有益补充。

二、互联网金融对小微企业融资效应实证分析

（一）互联网金融对小微企业融资数学模型

本文将运用模糊数学的分析方法研究互联网金融对小微企业融资的效用分析，首先界定几个相关概念：

1、因素集：就是将影响小微企业借款渠道的各个因素建立一个集合，用P 表示：p■，p■，p■，……，p■，式子中，p■表示第i 个影响因素，n 表示影响因素的个数；

2、权重集： 由于各影响因素对小微企业借款渠道影响程度不同，要根据各影响因素的影响程度分配一个权重系数k■，i =1，2，3……，n。令K=（k■ k■ …… k■）为权重集。在实证分析中，通常采用专家评价法，例如权重集可为K = （ 0. 10，0. 10，0. 40，0. 40）

3、评价集： 是指评价者对评价对象可能做出的各种总的评价结果的集合。通常用M 来表示，M=（m■ m■ …… m■），在这个式子中m■表示第I 个评价结果，n 为评价结果的个数。

4、单因素模糊评价：是指从某个单独因素角度进行评价，确定评价对象对整个集合M 的隶属程度。假设按因素集P 中的第i个因素p■进行评价，对评价集合M 中第j 个元素m■的隶属度为r■，我们对所有因素都按照相同方法进行评价后，便得到矩阵：

R=R■R■┆R■=r■ r■ …… r■r■ r■ …… r■┆ ┆ …… ┆r■ r■ …… r■

R 为单因素评价矩阵，可以看成是因素集P 和评价集M 的一种模糊关系，也就是影响因素与评价对象之间的“合理关系”。

5、模糊综合评价用T 表示：

T=KOR=（k■ k■ …… k■） 0r■ r■ …… r■r■ r■ …… r■┆ ┆ …… ┆r■ r■ …… r■

模糊综合评价T 表示综合考虑所有影响因素时，评价对象对评价集的隶属度。在这个式子中，0表示K 与R 的一种合成方法，即模糊算子的组合。模糊算子有多种组合，不同的组合构成不同的评价模型。在模型评价的发展史上，模糊算子经过了不断改善，模糊评价模型也随之不断改善，这是一种实用的研究方法，在接下来的实证分析中将运用这种方法。隶属度是用来评价影响某种投资渠道投资效率的因素有几成的把握认为其投资效率高或低。具体来说，考虑一种影响因素，如果一种投资渠道很有可能导致投资效率低，则其隶属度通常为0～0.3，若可能导致投资效率高低的可能差不多则通常认为其隶属度为0.4～0.7，若这种投资渠道很有可能导致投资效率比较高则其隶属度通常为0.8～1。

（二）小微企业借款效率比较分析

从表1可以看出：互联网金融发展迅速，且影响力逐渐增强。为拓宽货币政策的关注面和提高货币政策有效性，本文选择借款的效率作为评价小微企业借款渠道的依据，主要有成本、难易、时效以及风险四个影响因素，将各种影响因素对大型商业银行、农信社、互联网金融企业以及民间借贷的隶属度集中在表2 中所示：

在实际投资过程中，各个影响因素对中小企业借款渠道影响的权重系数，结合实际情况，得出各种借款渠道的模糊综合评价指标： T互=KOR互=[58，42]

同理可得： T农=[46，54] T大=[44，56] T民=[52，48]

参考文献

[1]Goldman Sachs： "Mobile Monetization： Does the Shift in Traffic Pay？"， Goldman Sachs working paper， 2012.

[2]Gorton， G： "Regulating the Shadow Banking System'， Yale and NBER Working Paper， 2010.

[3]巴曙松等.小微企业融资发展报告：中国现状及亚洲实践[J.小康：财智，2013，（4）：54-57.

[4]李博，董亮.互联网金融的模式与发展[J].中国金融，2013，（10）：19-21.

[5]王雪玉.互联网金融：银行变革的驱动者[J].金融科技时代，2013，（3）：13-13.

[6]吴晓光.论P2P网络借贷平台的客户权益保护[J].金融理论与实践，2012，（2）：54-57.

[7]谢平，皱传伟.互联网金融模式研究[J].金融研究，2012，（12）：11-22.

[8]由曦，宋玮，刘琦琳，袁满.交战互联网金融[J].企业界，2012，（9）：58-60.

[9]中国人民银行杭州中心支行金融研究处.P2P在线借贷的中外比较分析[J].金融发展评论，2010，（3）：97-105.

The Reflection on the Internet Finance’s Easing the Difficulty of Micro and Small-sized Enterprises in Financing

WANG Zongpeng SHI Feng

（Hefei Provincial Sub-branch PBC， Hefei Anhui 230091）

Abstract：In recent years， the Internet finance has been taking advantages of “big data” to gradually break the financial service mode of traditional enterprises and has become a new force to boost the development of micro and small-sized enterprises. Taking the concept of “Internet finance” as the breakthrough point， the paper studies the effect of Internet finance on the financing of micro and small-sized enterprises in order to provide reference to solving the difficulties in financing of micro and small-sized enterprises.

Keywords：Internet finance； micro and small-sized enterprise； difficulty in financing