浅析农村信贷征信技术的要素

开篇：润墨网以专业的文秘视角，为您筛选了一篇浅析农村信贷征信技术的要素范文，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！

一、引言

改革开放三十多年来中国经济以较快速度发展为世界所瞩目。然而，有着广阔农村和众多农村人口的中国，如果不尽快消除城乡间严重的二元结构，不仅无法保证经济持续高速发展，而且会随着城乡间开放和贫富差距的不断加大而带来政治层面的风险并造成社会不稳定。近年来，农村问题越来越受到社会各界的重视，在这一背景下，农村金融如何进一步创新以支持农村经济的发展，就成为理论界和实践界需要认真解决的重大课题。金融市场的发展是经济增长的结果，金融市场的发展反过来又推动经济增长，应当建立金融市场与经济发展互相刺激和互相影响的良性循环，这已是世界各国研究者的共识(Beck.LevineandLoay-za，2002;KingandLevine，1993;谭民俊，2007)。尽管自1978年实行改革开放以来中国就逐步建立起了农村金融体系，但长期以来却发展缓慢，甚至较改革开放初期有萎缩的迹象。在农村地区的生产函数中一直存在劳动力投入和资金投入不对称的情况，致使产出由于资金约束而未能达到潜在水平，由此形成了经济增长中的金融瓶颈(王景富，2002)。近年来，随着国家金融政策调整，四大国有商业银行退出了农村市场，农业银行商业化和合作基金会整顿后，农村信用社成为农村金融市场上唯一正规金融机构(朱守银，2003)。政府本希望通过农村金融机构的整合，规范市场，提高服务水平，促进农村金融快速发展。然而一份调查问卷则显示，在农户借贷中，民间金融占65%，正规金融仅占6%(王志宇、周其伟，2008)，透露出正规金融机构在农村信贷方面作用的缺失。

在中国广大的农村地区，由于信息不对称和抵押品不足等原因，正规金融机构对农户普遍存在“惜贷”行为;同时对于面临收入不确定性且没有大量储蓄又想借支未来的农户而言，通过正规金融部门借贷以预支未来的愿望难以实现，只能借助于亲属关系及非正规金融组织的借贷(朱信凯、刘刚，2009)。尽管中国农村信用社为社员的服务性特点已经异化为追求利润最大化，基本上已经抛弃合作制原则(张杰，2003)。但是否说追求利润最大化的目标下就需要放弃收入较低的广大农户?是否一定需要提高贷款利率水平去维持盈利水平?是否是由于农村可能存在的信用危机和经营成本造成正规金融机构的“惜贷”?笔者认为答案是否定的。否则无法解释非正规金融机构的存在和蓬勃发展(朱信凯、刘刚，2009)。而真正造成正规农村金融机构尴尬局面的原因实际上来自于四个方面:一是制度安排和考核体系决定的经营理念;二是商业界视为铁律的“二八定律”思维定势;三是投资风险意识不完整;四是信息披露和利用制度不健全。而长尾效应的出现(ErikBrynjolfsson，YuHu，andMichaelD.Smith，2003)以及“垒大户”等短期逐利行为造成的金融风险不断加大的现状让我们意识到，要保持农村金融机构长期稳定发展，必须尽快转变信贷观念。

实际上，中国已对农村信贷和小额信贷的发展做出了诸多的安排并取得了一些进展。但要想使商业银行能够真正自觉自愿地融入到支持农村金融发展的队伍中，则需要剖析商业银行选择客户的方案，指出应采取的盈利策略(即真正切实可行的征信技术)，才能确保农村信贷的长期稳定发展。然而，目前国内外鲜见专门针对农村征信技术和农村信用评估的研究，如何通过对农村征信技术的研究和信用数据库的建设，解决金融机构和农户之间的信息不对称，逐步提高金融机构服务农村的水平和能力，提高农村金融服务的到达率，是当前理论界和农村金融机构急需破解的难题。从各国理论和实践层面来看，农村信贷较为成功的案例是孟加拉人•尤努斯创立并推行的“格莱珉”模式，通过联保等小额信贷技术，致力于从社会底层解决孟加拉乡村的贫困问题，获得了社会效益和经济效益的双丰收(霍兵，2007)，说明农户信贷完全可以实现盈利。本研究拟建立不完全信息的动态重复博弈模型，分析“格莱珉”银行模式的成功之处，并研究实现中国农村金融“长尾效应”的条件。阐述通过转变经营理念、改善管理模式、优化征信技术等手段实现面向中国农村金融贷款业务中银行和农户的双赢，并据此给出进一步提出农村金融信贷市场的探索性建议。

二、改进的“格莱珉”银行机制分析

(一)基本假设

1.假设农户每年都需要借贷一定的资金开展生产*，这使农户与金融机构间存在重复博弈的可能。

2.第i个农户生产函数为:Yi=AAiLαiKβi其中，A表示当地总的生产环境(包括经济发展、交通运输、气候变化等)，银行可以根据经验测度该值，其在短期内难以改变;Ai表示该农户的生产能力，这一信息农户充分掌握，而银行不完全或不掌握;Li为该农户自身可投入的劳动力供给;Ki为该农户可投入生产的资本供给;0＜α，β＜1。

3.第i个农户资产为K''''i，其中用于生产的比率为pb;当前可以得到的贷款数量为Di，其贷款用于生产的比率为pc。其贷款成本包括:一是利率支出Dr，设贷款利率为r，则农户需支付的利息Dr=Dir。二是利息之外的其他成本，如填报资料、寻找担保人的成本Dcr，其相对于利息而言是一种隐性成本，包括与所贷款金额无关的费用以及与贷款金额有关的担保费用支出。此时，Dcr=Dcr0+Dir''''，其中r''''表示担保费用比例，相当于隐性利率。

4.周边环境对不还款行为的不认可程度为pe，农户预计存活时间为yi，则农户由于不还贷款产生的代价为u(pe，y)，其与不认可程度pe和预期存活年龄yi均成正比。

5.银行贷款的基本策略:对于新贷款的农户，按地区和农户的基本情况设定最高贷款额Zi;对未还款农户依然可以贷款，但额度递减率为c1;还款后额度递增率为d1。

6.银行对农户还贷判断准确率取决于银行掌握的信息，即pei=f(Ii)，其中，pei表示银行对第i个农户判断的准确率，Ii表示银行掌握农户的信息量，可以证明该函数是一个下鞅过程，即随着银行对某农户信息量掌握的增加，其对农户是否还款判断的准确性也在增强。

(二)农户收益分析

农户还款与否的收益(或损失)如下*:1.还款，其收益包括两部分，一是贷款得到的直接受益:R1=(AAiLαiKβ)K(K''''i×pb+Di×pc)K''''i×pb－Dr－Dcr(2)二是由于还款后贷款额增加带来的收益期望E(R2)=qiβAAiLαi(Did1pc)β－1－Did1(r+r''''[])(3)其中，qi表示农户一生中希望贷款的次数。2.不还款，其收益为不还款的金额即Di;而其损失包括两部分，一是因不还款而以后贷款递减额带来的收益损失期望:E(C1)=qiβAAiLαi(Dic1pc)β－1－Dic1(r+r''''[])(4)二是由于周边环境对失信不认可所带来的损失，包括相应的违约、罚金等法律责任等u(pe，yi)。3.农户还款的条件为还款收益大于不还款收益:βAAiLiαDiβ－1pcβ－1(1+qic1β－1+qid1β－1)+u(pe，yi)＞Di+Di(1+qic1+qid1)(r+r'''')+Dcr(5)式中包括五项内容，分别为农户的生产获利水平、当地对信用的认可程度、贷款的数量、贷款的利息支出和贷款的其他费用。要使之成立，就要提高农户的单位资产的生产获利能力、加大违约的不认同、减小贷款金额、降低贷款的利息支出和其他费用支出。再来考察“格莱珉”银行模式，其正是从这五个方面加以考虑:通过小组农户的协作和对其生产的辅导来提高农户的生产能力，通过小组农户对违约户的道德谴责来提高农户对违约的不认同;通过小额减少贷款金额来通过低息降低农户利息支出，通过简化程序来减少农户的其他贷款成本。若农户的可劳动年数较长，即qi较大，则(5)式可以简化为:βAAiLiαDiβ－1pcβ－1(c1β－1+d1β－1)+u(pe，yi)/qi＞Di(c1+d1)(r+r'''')(6)即若农户与银行存在长期博弈行为，农户还款的条件只与农户的单位资本预期收益、当地对不还款的认可度*、利息的高低以及还款与否的利差设计有关。这在相当程度上符合中国农村金融市场的现状，应当是农村金融机构长期发展所应重点关注的。

(三)农村银行收益分析

1.单个贷款户创造的收益。对银行而言，某贷款户带来的预期收益为:E(Ri)=peiDir－(1－pei)Di(1+r)－C(Ii)(7)显然，银行收益很大程度上取决于其基于一定信息的对贷款户还款的判断程度。而单位信息带来的收益为:dE(Ri)dIi=f''''(Ii)Dir+Di(1+r[])－C''''(Ii)(8)由于f(Ii)单调递增，f''''(Ii)＞0，即信息本身会创造价值，但收集和处理信息也会花费成本，其是否产生收益取决于信息采集成本和信息利用程度间的比例。

2.整体贷款户创造的收益:E(R)=∑peiDir－(1－pei)Di(1+r)－C(Ii[])(9)此时，一般人认为，由于中国农村地域广泛、居住分散，对农户的贷款资格进行甄别的信息成本较大，应将贷款集中于企业客户。然而，由于企业生产经营的复杂性，要准确判断其偿债概率，其难度却远大于环境相对稳定、生产经营简单的农户。即农户和企业违约判定函数要求的信息集存在着较大的差异，若以I1和I2分别表示农户和企业判别函数所需的信息集，则I2＞I1，dpe(2)/dI2＜dpe(1)/dI1。另外，由于一个地区统一特征的企业样本相对较少，无法或较难使用统计方法精确描述企业行为，而对于农户则可以使用较为简单的统计方法得出较为准确的特征函数。由此可知，若以式(9)来统一考量农户和企业的信息成本和收益，显然忽略了判定函数所需信息集大小和构造判别函数的成本差异，而正是此思路造成了对农户和企业采用了相似征信技术，扩大了农户信息采集成本。

3.银行贷款的风险收益。对于银行而言，其贷款行为可看作一种投资行为，必须综合权衡风险和回报。其效用函数可表示为:U=E(r)－0．005Aσ2(10)其中，E和σ2分别表示预期收益和风险，A为投资者对风险厌恶的指数(ZviBodie，AlexKane，J．Al-anMarcus，1996)，显然，风险将对效用产生负效应。若把企业贷款看作一种投资(A)，而把农户贷款看作另一种投资(B)，则有:E(rP)=ωAE(rA)+ωBE(rB)σ2P=ω2Aσ2A+ω2Bσ2B+2ωAωBCOV(rA，rB)(12)此时由于两种投资的组合，银行的收益变化包括两个部分，一是预期收益的变化:ΔU(E)=ωBE(rB)－E(rA[)]，二是风险带来的收益变化*:ΔU(σ)=－0．005Aσ2P+0．005Aσ2A=0.005AωB(1－ωB)σ2A－ωBσ2B－2(1－ωB)σAσBρ[]AB。尽管农户的贷款收益小于企业，但企业与农户间相关程度较低，可由风险减少带来的收益得以一定的补偿。

三、信用评估模型的实证分析

(一)数据和指标选择

本研究所使用的数据来自某省农村信用社下属一县级联社的个人信贷资料，包括农户(贷款户)的基础信息、贷款的信息和还款信息三部分组成，提取1571户的2325笔贷款记录，但由于部分贷款尚未到还期，部分客户个人信息缺失过多，予以剔除。处理后共有1266户贷款者信息，其中违约客户187个，非违约客户1079个。这里，把客户类型作为模型的因变量，即:A类为优质客户，能及时还款;B类为违约客户，发生了不还款行为;根据前面的理论推导以及数据的可得性，自变量包括教育水平、年龄、所在地域、有无担保、贷款金额与家庭净收入比、是否支农、利息支付方式、已为他人贷款提供担保的额度、贷款担保方式等，并分为以下五类:

1.生产获利能力。(1)教育水平:假设受教育程度越高、生产获利能力越强，则还贷的可能性越高。在样本中，高中以下学历的贷款者占90%以上。根据贷款者受教育水平把客户分为两类，以高中以下学历的为基组。(2)年龄:假设青壮年的生产获利能力较高，之后生产获利能力趋弱。样本中贷款者的年龄集中在20～77岁，且分布较为分散，但可以看出50岁以上贷款者的还款概率明显降低，故将其作为青壮年与中老年划分标准，50岁以下的客户为基组。

2.违约代价。(1)所在地域:假设一个区域内对违约的不认可程度是较为一致的，并且这种观念会影响到当地贷款者的违约程度。本文选择客户所在地的邮政编码作为区域划分的标准，为了考察区域对还款概率的影响，假设农村信用社贷款投向大于5%的地区为观念上较为接受贷款的一组，对违约不太认可，其贷款量占总贷款量的60%左右，其他归为另一组。(2)有无担保:假设担保会增加违约的代价。样本中无担保贷款731笔，占62.27%，1笔贷款信息缺失予以删除，其他为有担保，以无担保组为基组。

3.贷款金额。贷款金额与家庭净收入比(AP)=贷款额/贷款期限内的净收入，其反映了可比的贷款金额数量，假设可比的贷款数量越少，还款的概率越高。这里以AP的大小为标准把样本分为两组(以a＜1为基组)，如果a大于1，则还款的可能性应该更小。

4.贷款利息。(1)支农与否:按照国家政策，支农贷款享受浮动的贷款利息，相对于普通贷款，利息较低，因此假设支农贷款还款率较高。样本中属于支农项目的贷款共计1062笔，占90.46%，以非支农项目的贷款为基组。(2)利息支付方式:分为按月付息、按季付息、一次性还款等，假设按月支付在感觉上降低了付息的金额、降低了贷款者的还款压力，会提高还款概率，样本中按月支付的占73.43%，将其作为基组，其余支付方式分为另一组。

5.其他因素。(1)是否为他人贷款提供担保。假设能够提供贷款担保的客户，一是自身有较强的还款能力，二是与银行建立了信任关系(多次博弈的情况)，因而还款的概率较高，以为其他客户提供担保的为基组。(2)贷款担保方式。样本中贷款的担保方式分为质押、抵押、保证和信用贷款，其中保证贷款883笔，占75.23%，作为基组，其余担保方式作为另一组，假设由于保证贷款相对其他担保方式手续简单、费用较小，还款概率较高。首先使用logistic回归方法对自变量做出检验，只有通过检验的变量方能纳入之后的多元判别模型之中，这里以0.25作为筛选变量的显著性水平，主要是考虑Bendel和Afifi(1977)以及Greenland(1989)所指出的，使用较为常规的水平(如α=0.10时)为标准常常可能导致遗漏重要的解释变量①。为防止这种遗漏，选择了这样一个足够大的α水平。

结果显示(见表1)，上述9个自变量中除支农与否特征外，都与基本假设相符，且影响显著，应纳入模型。而支农与否这一自变量与假设不符，可能是由于支农贷款的发放过于形式化，存在把关不严、宣传不到位等情况，使部分得到此项贷款的并不一定是真正需要贷款的农户，或把贷款当成补助的情况，当然这也可能与农业项目本身的风险程度较大有关。但由于此项指标影响显著，这里依然予以选用，以便银行用此模型掌握支农贷款的风险状况。

(二)模型确定和实证结果

下面将全部变量一并放入模型测算参数。为测试模型的稳健性，把总样本随机分为两个子样本，每组633条信息，一组用于预测模型，另一组用于测试模型。预测结果显示(见表2)，除教育水平不十分显著外，其他变量均较为显著，分析原因，笔者认为可能是由于单位净收入的贷款额与教育水平存在相关性而造成的，但为充分利用数据，依然将此项纳入模型。经测算，信用评价模型为:Log［P/(1－P)］=10.17－2.20X1－0.15X2－0.34X3－2.11X4+0.44X5－1.34X6+3.88X7+1.04X8－3.26X9，其中，X1为利息支付方式，X2为单位净收入的贷款额，X3为教育水平，X4为年龄，X5为有无担保人，X6为地域因素，X7为他人贷款提供担保，X8为贷款担保类型X9为是否支农。以另一组样本测试模型的准确性和稳定性*，结果见表3。可以看出，在633个样本中，违约的信息有95条，占样本的15.01%，不违约的信息有538条，占样本的84.99%;而模型将违约的信息判为不违约的有11户，将正常客户判为违约的150户，总体的准确率为74.56%，特别是对违约者的准确率达到了88.41%，效果较好。

四、结论和政策建议

根据以上分析可以得到以下几点结论:(1)征信技术的改进可以提高农村金融机构的收益，但这一征信技术必须是基于不同类型贷款户的信息集的。(2)农村金融机构贷款的风险控制可以带来收益，通过调整不同类型贷款户的比例，可以使风险分散化进而取得一定的收益。(3)即便没有抵押物的存在，依然可以通过控制贷款额度、设立必要的正向机制等手段，增大农户偿还贷款的几率。(4)增强农户的生产和盈利能力是提高农户偿还贷款概率的重要方面。(5)降低利率提供贷款和减少贷款成本，也是扩大农村贷款规模和增大农户偿还贷款的概率关键项，应当引起关注。因而，符合农村信贷的征信技术应重点从以下两个方面展开:首先，以地缘为单位批量采集农户信息，建立信用特征数据库和信用识别函数，从而大幅降低信息采集和加工成本，并使个人信用与地缘信用一致化，加大地域内对失信的不认可程度。其次，通过简化贷款程序和担保，降低农户的贷款成本;控制农户贷款额度与其生产能力、获利能力的比例;建立贷款额度与信用的正向激励，提高农户还款的可能。根据以上分析，笔者提出以下政策建议:

第一，完善农村金融机构的制度安排，特别要强化农村金融机构的风险防控意识。对于正规金融机构，其“惜贷”行为不完全是由于农户信用不够，而与其经营理念和制度设计有关。由于金融监管部门尚未完全建立起有效的金融风险监控体系，而风险往往又不一定在短期暴露，许多银行并未将其纳入考核机制中，这显然忽视了风险的价值。此时，农村金融机构必然服从于短期利益，从而忽视风险降低带来的收益，丧失贷款的风险防控意识。因此，金融监管部门应尽快按照新巴塞尔协议的规定，建立起严密的信息监控体系，根据地域风险度适当上收审核权，严格风险控制的执行力度，使农村金融机构有一个基于长远目标考核的经营环境。在这一监控体系下，农村商业银行才能真正考虑贷款群体的多元化，逐步把视角转向广大的农村市场。同时，大量的资料表明，在发展中国家和地区，非正规金融对于中小企业融资具有异常重要的作用，甚至在一些已经实现了金融自由化的国家和地区，非正规金融仍然不同程度地存在着(林毅夫、孙希芳，2005)。因此，政府不必严格限制或扼杀其正常的发展，而要引导其走向正规化，并纳入金融监管体系，在严密的监控机制下，逐步将农村金融机构市场化才是解决农村信贷萎缩的根本出路。

第二，不断提高农村金融机构的管理水平，逐步改变其经营理念。当前，大多数农村商业银行的资信评价依然停留在单户的微观层面，深层次的市场和潜在客户群挖掘工作严重不足，更谈不到结合国家宏观经济走势以及地域、行业特点的风险预测，这就使新市场的开发面临巨大风险，阻碍了农村金融机构对潜在客户群的吸收。而这又反过来使农户信息必须单点采集，无形中增加了农户信息的成本。因此，必须彻底改变当前农村金融机构的经营理念，通过引入高级人才或与研究机构合作的方式提高其管理水平特别是市场分析能力，并在以潜在市场开发为基本经营理念的指引下，批量收集和分析农户基础信息，摊薄农户信息成本

第三，重视农村公共信息系统的建设，发挥社会资本作用。相对于大企业，中小企业信息更不透明，并缺乏可抵押的资产，因而中小企业的融资也更为困难(林毅夫、孙希芳，2005)，农户的融资问题也是如此。对小额信贷而言，社会资本所建立起来的社会性担保与实体性抵押担保品相比，其在贷款的审查机制、使用的监管机制、降低贷款风险的激励机制方面更有效率，使信贷组织保持了较高的还款比率和储蓄率(Madajewicz，1997;Michel，2003;Karlan，2001)。同时，这种公共资本的建立也有助于如社会保障、产业扶持、公共安全等诸多事业的发展。因此，政府应重视对农村公共信息系统的建设，这可能比农户贴息贷款更有效率。而在组织机构上，则既可以依托现有的公安信息系统或统计信息系统，也可以重新设立专门的信息中心，建立完整的农户个人档案和公共服务信息系统。当建立了较为完善的公共信息系统时，社会资本的作用也将得到极大发挥。

在当前公共信息系统建设尚不理想的情况下，农村金融机构应首先建立和健全内部信息的共享机制。并考虑从以下几个途径获取必要的信息资源:一是设法获取第三方公共信息，如农户水电费、电话费的欠缴纪录等;二是通过设置灵活的贷款利率，对能够较准确提供本村整体或某些个人信息的贷款户给予一定的利率优惠;三是进一步规范和发展中介公司，如担保公司在信息收集方面的作用。第四，进一步加大对农村信贷的宣传力度，拓展农村信贷市场空间。农村金融机构的长尾效应产生的基础来自于广大的消费群体，农村金融机构一方面要设计覆盖各层次农民特点的金融产品，另一方面也要针对不同层面的农户开展不同的宣传。如在产品开发阶段，在收集、甄别信息和了解农户需求时就有针对性地推介适合的信贷产品;通过城乡联动机制等手段，建立起长久而有效的城镇“示范性”效应机制(周建、杨秀祯，2009);通过借贷双方之间的正常信贷交往的案例为非借款农户提供示范效应(李兰兰、赵岩青，2008);介绍违约记录可能带来的诸多不便等。增强农户对信贷违约的不认同感，并使借贷双方之间的信任程度随着双方交易次数的增加而日渐加深。

另外，本研究表明，农民归还贷款的意愿很大程度上取决于其生产和盈利能力，这需要政府进一步加大对农村科技和教育投入，探索建立适合中国现状的农村生产经营方式，逐步提高农户的生产经营能力和抗风险能力，降低其被动违约的概率。而农村金融机构也应当积极主动了解和掌握与当地生产相关的经济信息和资讯，有目标地提供给已贷款或潜在贷款农户。在一定程度上帮助农户解决生产信息不对称的问题，也进一步提高金融机构的预测水平，促进农村金融健康发展。