董俊杰

（南京師范大學(xué)商學(xué)院，江蘇 南京 210023）

一、引言

隨著國內(nèi)商業(yè)銀行信貸結(jié)構(gòu)的調(diào)整，小微貸款受到了商業(yè)銀行越來越多的關(guān)注，政府也一直在致力于推動小微企業(yè)的發(fā)展以及小微企業(yè)融資難問題的解決。雖然在政府的大力扶持下，商業(yè)銀行逐步加大了對小微企業(yè)貸款的投放、提高了對小微企業(yè)不良貸款的容忍度，但是由于小微企業(yè)財務(wù)制度不健全、規(guī)模小、資產(chǎn)少、信用低等現(xiàn)狀在短時間內(nèi)無法改變，小微貸款給商業(yè)銀行帶來了較大的風(fēng)險。隨著“劉易斯拐點”的到來，“勞動無限供給”的特征將逐漸消失，企業(yè)的生產(chǎn)成本將不斷增加，小微企業(yè)融資難的困境將不斷加劇。如何控制商業(yè)銀行小微企業(yè)貸款風(fēng)險也是一大關(guān)鍵。這一問題的解決，有利于商業(yè)銀行合理發(fā)展小微貸款業(yè)務(wù)，并為小微企業(yè)提供持續(xù)穩(wěn)定的貸款支持。

二、文獻綜述

從國外研究來看，馬格里（Silvia Magri，2009）利用家庭財富和收入數(shù)據(jù)，分析了意大利微型的融資問題，發(fā)現(xiàn)在1989—2006年這18年間，只有略多于四分之一的微型企業(yè)因為商業(yè)目的使用了銀行貸款。錢皮和戈爾迪尼（Francesco Ciampi和Niccolò Gordini，2013）利用7000多個意大利小企業(yè)的數(shù)據(jù)，通過人工神經(jīng)網(wǎng)絡(luò)的方法建立了一個精確的公司違約預(yù)測模型。他們發(fā)現(xiàn)相對于傳統(tǒng)的方法而言，人工神經(jīng)網(wǎng)絡(luò)方法能更好地貢獻于小企業(yè)信用風(fēng)險的評估。特別是在預(yù)測最小規(guī)模的公司和意大利中心的公司時，根據(jù)人工神經(jīng)網(wǎng)絡(luò)方法建立的模型在預(yù)測公司違約率時精確度更高?？ㄋ_諾、喬維爾和斯威納 （Francesca Cassano、Karin J?eveer和Jan Svejnar，2013）利用通過特殊調(diào)查獲得的保加利亞、格魯吉亞、俄羅斯和烏克蘭中小微企業(yè)的數(shù)據(jù)，以新型現(xiàn)金流貸款和傳統(tǒng)的抵押貸款為例，研究了影響中小微企業(yè)貸款獲得率和貸款對中小微企業(yè)發(fā)展的影響。研究發(fā)現(xiàn)：新型現(xiàn)金流貸款是一個比較受小微企業(yè)歡迎的貸款類型，而且同一企業(yè)對貸款類型的選擇較為固定。同時，他們也發(fā)現(xiàn)最小規(guī)模的貸款常常會帶來負(fù)面的影響。因此，他們建議推行相關(guān)政策，確定貸款規(guī)模的下限。

從國內(nèi)研究來看，韓征（2012）闡述了包商銀行鄂爾多斯分行在小微信貸發(fā)展中做出的努力，并介紹了其在貸款流程設(shè)計理念、利率定價以及擔(dān)保方式上的創(chuàng)新。該分行95%以上的貸款不需要注冊登記式抵押，充分貫徹了以“現(xiàn)金流”為核心的業(yè)務(wù)理念，也在當(dāng)?shù)貭I造了相應(yīng)的品牌形象。李志強（2012）在分析小微企業(yè)融資難問題的現(xiàn)狀、危害以及原因的基礎(chǔ)上，介紹了阿里金融基于小微和創(chuàng)業(yè)型企業(yè)融資服務(wù)的創(chuàng)新和探索。阿里金融克服了普通商業(yè)銀行與小微企業(yè)貸款客戶之間的信息不對稱問題，利用其在原有的平臺中積累的客戶以及交易數(shù)據(jù)，借助互聯(lián)網(wǎng)及云計算的能力發(fā)展了微貸技術(shù)，降低了成本，同時也減少了不良貸款率。黃孝武、王紅貴（2012）闡述了在推進小微企業(yè)貸款的過程中，湖北各商業(yè)銀行結(jié)合自身的特點形成的小微企業(yè)貸款模式：民生銀行以圈鏈會為媒介、以大數(shù)法則和收益覆蓋風(fēng)險為原則；漢口銀行以科技型企業(yè)為服務(wù)對象，以貸投聯(lián)動和股債聯(lián)動為主要服務(wù)方式；國開行以與地方政府合作為基礎(chǔ)，以“四臺一會”為載體；郵儲銀行則以農(nóng)村社區(qū)小微企業(yè)為服務(wù)對象。孫清華、張瞳、劉瑞林（2012）比較了RAROC的績效衡量方法相對于傳統(tǒng)的ROE衡量方法的優(yōu)勢，提出了基于RAROC的貸款定價方法，進而得出了金融企業(yè)防范小微企業(yè)信貸風(fēng)險的具體措施。邵一珊、何廣文（2013）利用MS-VAR模型，分析了宏觀經(jīng)濟在不同區(qū)制下對小微貸款違約率的動態(tài)影響，得出如下結(jié)論：宏觀經(jīng)濟變量對小微貸款違約率的影響不明顯，但是經(jīng)濟上升階段銀行信貸行為的順周期性會導(dǎo)致小微貸款違約率的增加。

從以上研究可以發(fā)現(xiàn)，基于小微貸款問題的研究主要集中在四個方面：一是從小微企業(yè)的角度出發(fā)，分析小微企業(yè)融資難的成因、現(xiàn)狀，并在此基礎(chǔ)上提出相關(guān)解決措施。二是從銀行機構(gòu)角度出發(fā)，介紹小微貸款的發(fā)展情況以及各家銀行在此基礎(chǔ)上所做的創(chuàng)新和努力。三是從非銀行金融機構(gòu)的角度出發(fā)，闡述小貸公司、第三方支付平臺等有別于銀行機構(gòu)的方式，幫助小微企業(yè)解決融資難問題。四是從實證分析的角度出發(fā)，研究貸款的定價以及違約率等問題。但是，鮮有文章從宏觀和微觀兩個方面，研究小微企業(yè)不良貸款規(guī)模的影響因素，并在此基礎(chǔ)上建立模型進行研究。

為此，本文將針對小微企業(yè)不良貸款規(guī)模的影響因素進行分析，以期能幫助商業(yè)銀行更好地控制小微貸款的風(fēng)險，促進小微企業(yè)的發(fā)展。

三、理論分析

由于小微企業(yè)自身信用度低、財務(wù)制度不健全，資產(chǎn)較少等原因，商業(yè)銀行對其發(fā)放貸款的風(fēng)險要比一般企業(yè)高。較高的貸款風(fēng)險，容易形成較大的不良貸款額，從而影響商業(yè)銀行的利潤水平以及資金的周轉(zhuǎn)。一般來說，企業(yè)貸款逾期3個月未還，就會被歸為不良貸款。對商業(yè)銀行不良貸款的分析可以從兩個方面展開：一個是企業(yè)層面，另一個是銀行層面。從企業(yè)層面來說，就是通過計算相同風(fēng)險級別企業(yè)的違約概率來分析該風(fēng)險級別的企業(yè)產(chǎn)生不良貸款的可能。傳統(tǒng)的違約模型主要有Z計分系列、RPA分類以及神經(jīng)網(wǎng)絡(luò)分類等；現(xiàn)代的違約概率模型主要有摩根（J.P Morgan）建立的Credit Metrics、KMV的EDF以及瑞士信貸銀行的Credit Risk+等。從銀行層面來說，就是通過計算同種類型的或者同一貸款行業(yè)投向的銀行貸款的不良貸款率或者不良貸款額來判斷銀行投放貸款的風(fēng)險情況。相關(guān)的計量模型有灰度測量模型、logit模型等。

導(dǎo)致小微企業(yè)不良貸款產(chǎn)生的原因分為宏觀和微觀兩個方面。從宏觀經(jīng)濟因素來看，當(dāng)經(jīng)濟過熱時，小微企業(yè)生產(chǎn)運營的原材料成本以及人工成本都將面臨上升，小微企業(yè)可能陷入資金周轉(zhuǎn)的困境。當(dāng)經(jīng)濟衰退時，需求方的購買力不足將導(dǎo)致小微企業(yè)的存貨積壓，同樣會使得小微企業(yè)陷入資金周轉(zhuǎn)困難，從而使得商業(yè)銀行面臨較大的違約風(fēng)險。從微觀因素來看，商業(yè)銀行對小微企業(yè)貸款審批流程的不嚴(yán)格、放貸規(guī)模的不合理都可能增大小微貸款的違約風(fēng)險。

四、變量、數(shù)據(jù)和模型

（一）變量的選擇

商業(yè)銀行的小微貸款可以細(xì)分為消費貸款、經(jīng)營貸款、汽車貸款、購房貸款等?？紤]到在長期內(nèi)商業(yè)銀行小微貸款的不良額中經(jīng)營類貸款的變化較大，且在總體小微貸款的不良貸款中占據(jù)較大的比重，本文將以小微貸款中經(jīng)營貸款為研究對象，以期更好地分析影響小微不良貸款額的因素。此外，在分析不同因素對商業(yè)銀行小微貸款不良額的影響時，同時考慮宏觀和微觀兩方面的影響。在宏觀因素方面，選取居民消費價格指數(shù)（CPI）和國民生產(chǎn)總值的增長率（GDP）兩個常用的宏觀經(jīng)濟指標(biāo)。在微觀方面，考慮到不良貸款的額度可能會受到貸款的投放規(guī)模以及貸款結(jié)構(gòu)的影響，選取小微貸款中的經(jīng)營貸款的規(guī)模（DK）和其中大額貸款的規(guī)模（DE）兩個變量。每月新增的經(jīng)營類小微貸款不良額將作為本文的被解釋變量，并用BL表示。

（二）數(shù)據(jù)的選擇

本文以2011年1月至2013年4月為研究期間。微觀數(shù)據(jù)主要來自股份制商業(yè)銀行X在Y市的小微貸款數(shù)據(jù)。宏觀數(shù)據(jù)是從中經(jīng)網(wǎng)數(shù)據(jù)庫中獲取的，其中居民消費價格指數(shù)（CPI）以2010年1月為基期進行了調(diào)整。由于公布的國民生產(chǎn)總值的增長率（GDP）是季度數(shù)據(jù)，本文將每個季度中三個月的GDP都調(diào)整成該數(shù)值?？紤]到經(jīng)營貸款的規(guī)模（DK）和其中大額貸款的規(guī)模（DE）兩個變量數(shù)目較大且變化較大，本文對其進行了對數(shù)處理以減少變量的離散程度，并分別用LDK和LDE表示。其中，大額貸款是指3000萬元以上的貸款。

（三）模型的建立

為了分析不同因素對小微企業(yè)不良貸款規(guī)模的影響，并且明確不同因素的影響程度，本文將利用EVIEWS7.0軟件，并選取常規(guī)的多元線性回歸模型進行分析。根據(jù)貸款的五級分類標(biāo)準(zhǔn)，貸款只有在延期3個月未歸還時才將其計入不良貸款。因此，在構(gòu)建模型時，本文對變量經(jīng)營類小微貸款的規(guī)模（LDK）及其大額貸款的規(guī)模（LDE）進行滯后三階的處理。本文的模型構(gòu)建如下：

五、實證分析

（一）描述性統(tǒng)計分析

由于部分月份新增的不良貸款額為0，所以無法對不良貸款新增額（BL）進行對數(shù)化處理。因此，在表1中，相較于其他變量，BL的波動較大，最小值為0，最大值為37140.100。經(jīng)營類貸款和大額貸款規(guī)模經(jīng)過對數(shù)化處理后，波動相對較小，特別是經(jīng)營類貸款規(guī)模的標(biāo)準(zhǔn)差只有0.613。從表1中也可以看到，CPI在104.800與115.122之間波動，GDP在7.400與10.300之間波動，說明在2011年1月至2013年4月，總體的宏觀經(jīng)濟形勢還是存在一定的波動，因此可以進一步考慮宏觀經(jīng)濟形勢對不良貸款新增額的影響。

表1：描述性統(tǒng)計分析

表2：單位根檢驗結(jié)果

表3：回歸結(jié)果分析

（二）平穩(wěn)性檢驗

為了防止由于序列的不平穩(wěn)造成偽回歸現(xiàn)象的出現(xiàn)，在對模型進行回歸前，首先對模型進行平穩(wěn)性檢驗。本文利用ADF檢驗的方法對變量序列進行平穩(wěn)性檢驗，結(jié)果如表2。從表中可以看出，所有變量的原序列都是不平穩(wěn)的。經(jīng)過一階差分處理后，變量序列在1%的顯著性水平下都是平穩(wěn)的。因此，這些變量是一階單整的。

（三）協(xié)整檢驗

由于變量序列是一階單整的，滿足了協(xié)整檢驗的前提條件，可以進一步進行協(xié)整檢驗。首先對變量序列BL、LDK、LDE、CPI、GDP進行回歸。其次，對回歸產(chǎn)生的殘差序列進行單位根檢驗，得到ADF值為-4.252580，P值為0.0028，在1%的顯著性水平下拒絕了原假設(shè)。因此，變量之間存在協(xié)整關(guān)系。

（四）回歸分析

考慮到序列的不平穩(wěn)以及變量的實際情況，為了更好地描述各個因素對不良貸款的影響，本文將對模型進行一定的調(diào)整。首先，由于宏觀經(jīng)濟因素影響的持續(xù)性，本期的新增不良貸款額可能受到上期宏觀經(jīng)濟因素的影響，因此引入滯后一階的宏觀經(jīng)濟變量CPI（-1）和GDP（-1）。其次，由于我國商業(yè)銀行貸款投向較為集中，不同貸款之間可能存在一定的關(guān)聯(lián)性，本期的不良貸款新增額也可能受到上一期不良貸款額的影響，因此引入不良貸款新增額的滯后一階BL（-1）?；貧w模型因此調(diào)整為：

表3顯示了對模型（2）的回歸結(jié)果。從P值來看，即使在10%的顯著性水平下，變量BL（-1）、LDK（-3）和LDE（-3）都沒有通過顯著性檢驗?？紤]到變量BL（-1）、LDK（-3）和LDE（-3）之間可能存在相互影響，本文調(diào)整了大額貸款規(guī)模的滯后階數(shù)，變?yōu)長DE（-2）。這樣模型既消除BL（-1）、LDK（-3）和LDE（-3）之間潛在的相關(guān)性，又能反映前3期內(nèi)各個時期的因素對當(dāng)期不良貸款新增額的影響，使得模型更加完整。因此，本文將模型進一步調(diào)整為：

表4顯示了針對模型（3）的回歸結(jié)果。在5%的顯著性水平下，只有LDK（-3）沒有通過顯著性檢驗；而在10%的顯著性水平下，所有的變量都通過了顯著性檢驗，說明所有的解釋變量都對每月新增不良貸款額（BL）存在顯著的影響，并且該模型調(diào)整后的擬合優(yōu)度為0.684470，擬合情況較好。模型顯著性檢驗的P值為0.000170，證明模型也通過了顯著性檢驗。此外，懷特檢驗的P值為0.1662，小于0.05，接受了原假設(shè)，說明不存在異方差，并且DW值為1.85較接近2，說明不存在序列自相關(guān)。因此，可以認(rèn)為該模型是穩(wěn)定可行的。此外，還可以看到，當(dāng)期的CPI、GDP以及滯后三期的LDK和滯后兩期的LDE都對當(dāng)期的新增不良貸款產(chǎn)生了正向的影響，而上一期的BL、CPI和GDP都對當(dāng)期的新增不良貸款產(chǎn)生了負(fù)向的影響。最終得到模型的具體形式如下：

表4：回歸結(jié)果分析

（五）實證結(jié)果分析

以上實證分析雖然是針對一家股份制商業(yè)銀行X在Y市的經(jīng)營類小微貸款的數(shù)據(jù)得出的結(jié)果，但是也在一定程度上反映了商業(yè)銀行小微貸款的總體狀況。可以為商業(yè)銀行未來發(fā)展小微企業(yè)貸款業(yè)務(wù)提供一定的借鑒意義。具體來說，主要有以下幾點：

1.從實證結(jié)果來看，宏觀經(jīng)濟形勢確實對小微貸款的不良額產(chǎn)生了持續(xù)顯著的影響。這說明大部分貸款投向企業(yè)受到經(jīng)濟波動的影響。而且當(dāng)期不良貸款的產(chǎn)生不僅受到當(dāng)期經(jīng)濟環(huán)境的影響，同時也受到上期宏觀經(jīng)濟狀況的影響。相較于大企業(yè)，小微企業(yè)由于規(guī)模小、利潤來源單一、資本規(guī)模小，經(jīng)濟的小幅波動可能對小微企業(yè)的資金流產(chǎn)生劇烈的影響，造成小微企業(yè)還款困難甚至直接倒閉，從而導(dǎo)致銀行產(chǎn)生了不良貸款。

2.實證結(jié)果也顯示，上一期的新增不良貸款、當(dāng)期小微貸款的規(guī)模以及大額小微貸款的規(guī)模都對不良貸款產(chǎn)生具有顯著的影響。首先，這一結(jié)果反映了商業(yè)銀行投放的小微貸款規(guī)模越大，商業(yè)銀行面臨的風(fēng)險也越大。其次，這一結(jié)果也反映了商業(yè)銀行投放的各筆貸款之間存在一定的相關(guān)性。從當(dāng)期新增不良貸款與上期新增不良貸款和大額小微貸款的規(guī)模之間顯著的相關(guān)關(guān)系可以看出，商業(yè)銀行存在貸款投向較為集中的現(xiàn)象。商業(yè)銀行的貸款向部分企業(yè)或部分行業(yè)的集中，增加了商業(yè)銀行各筆貸款之間的相關(guān)性。貸款的過度集中將增加小微貸款之間的違約相關(guān)性。當(dāng)宏觀經(jīng)濟形勢發(fā)生了不利于小微企業(yè)發(fā)展的變化時，相關(guān)的各筆貸款將相繼發(fā)生違約事件，從而增加了商業(yè)銀行的風(fēng)險，不利于商業(yè)銀行的穩(wěn)定。

五、政策建議

（一）建立完善的小微貸款投向監(jiān)測機制

從以上研究來看，商業(yè)銀行投放的大額小微貸款對小微貸款的不良貸款規(guī)模存在顯著的影響。相較于大企業(yè)，小微企業(yè)還是存在多方面的不足，商業(yè)銀行與小微企業(yè)之間的信息不對稱現(xiàn)象也更加嚴(yán)重。針對一般貸款的單一借款人貸款規(guī)模的限制，不一定能很好地限制小微貸款的風(fēng)險。從貸款投向的整體情況來看，貸款投向不僅存在向單一企業(yè)集中的現(xiàn)象，同時也存在向單一行業(yè)或單一地區(qū)集中的現(xiàn)象。因此，針對小微企業(yè)的特殊性，商業(yè)銀行應(yīng)制定針對小微貸款投向的相關(guān)指標(biāo)，限制小微貸款的過度集中，從而降低小微貸款的風(fēng)險及違約率。

（二）建立完善的不良小微貸款的追蹤機制

從現(xiàn)狀來看，由于商業(yè)銀行貸款投放存在向部分行業(yè)集中的現(xiàn)象，因此，當(dāng)宏觀經(jīng)濟形勢或行業(yè)內(nèi)部結(jié)構(gòu)發(fā)生變化時，該行業(yè)貸款企業(yè)的資金流也會相應(yīng)發(fā)生變化。由于宏觀經(jīng)濟因素對小微貸款的不良規(guī)模存在顯著的影響，一旦發(fā)生不利于該行業(yè)發(fā)展的風(fēng)險事件時，該行業(yè)內(nèi)小微企業(yè)貸款的違約風(fēng)險就會增加。由于貸款投向較為集中，貸款的違約相關(guān)性將較高，一旦該行業(yè)中一家企業(yè)發(fā)生違約，該行業(yè)中的其他企業(yè)也可能相繼發(fā)生違約事件。因此，當(dāng)某一家企業(yè)發(fā)生違約事件時，商業(yè)銀行要充分調(diào)查該企業(yè)發(fā)生該風(fēng)險事件的原因。如果該原因也可能影響同行業(yè)中的其他企業(yè)，商業(yè)銀行就應(yīng)該提前加強對該行業(yè)中其他企業(yè)還款能力的監(jiān)督，從而降低該行業(yè)中小微企業(yè)貸款的違約可能性。這就要求商業(yè)銀行在針對小微貸款制定嚴(yán)格的審批流程的同時，制定完善的貸后追蹤流程，隨時了解借款企業(yè)的資金流向以及貸款違約的深層原因。

（三）建立完善的小微貸款補償機制

伴隨著我國經(jīng)濟結(jié)構(gòu)的升級調(diào)整，商業(yè)銀行也在進一步調(diào)整自身的信貸結(jié)構(gòu)。為了進一步改善小微企業(yè)的融資困境，政府也提出了相應(yīng)的風(fēng)險補償辦法來減少商業(yè)銀行貸款給小微企業(yè)的顧慮。我國應(yīng)該進一步完善小微貸款補償機制，從而能夠真正促進我國小微企業(yè)的發(fā)展。

[1]Silvia Magri.2009.The Financing of Small Entrepreneurs in Italy[J].Ann Finance，（5）.

[2]Francesco Ciampi，Niccolò Gordini.2013.Small Enterprise Default Prediction Modeling through Artificial Neural Networks：An Empirical Analysis of Italian Small Enterprises[J].Journal of Small Business Management，51（1）.

[3]Francesca Cassano，Karin J?eveer and Jan Svejnar.2013.Cash flow vs collateral-based credit[J].Economics of Transition，21（2）.

[4]韓征.創(chuàng)造可持續(xù)信貸品牌[J].中國金融，2012，（2）.

[5]李志強.小微企業(yè)融資難題與信息化對策[J].當(dāng)代財經(jīng)，2012，（10）.

[6]黃孝武，王紅貴.小微信貸的內(nèi)在機制與對策因應(yīng)：鄂省例證[J].改革，2012，（9）.

[7]孫清華，張瞳，劉瑞林.金融企業(yè)防范小微企業(yè)信貸風(fēng)險問題研究—基于RAROC的視角[J].管理現(xiàn)代化，2012，（5）.

[8]馬若微.我國商業(yè)銀行違約風(fēng)險測度模型研究[M].北京：知識產(chǎn)權(quán)出版社，2010.