支農再貸款利率政策研究

李晶彥

摘 要：人民銀行對金融機構借用支農再貸款發放的貸款利率進行限定，以更好地發揮支農再貸款引導“三農”融資成本下降的作用。本研究以貴州省農村信用社為分析對象，通過計量分析等方法估計全省農村信用社總體貸款非資金成本率，通過比較分析方法對各信用社貸款非資金成本差異存在的原因進行分析，驗證了現行支農再貸款利率政策總體上的合理性，同時對進一步完善現行支農再貸款利率政策提出了建議。

關鍵詞：支農再貸款；利率定價；貸款成本；營業費用

中圖分類號：F830.58 文獻標識碼：B 文章編號：1674-2265（2015）12-0065-05

一、引言

2014年以來，人民銀行為進一步發揮支農再貸款引導降低“三農”融資利率的作用，相繼下發多個文件，對農村法人金融機構借用支農再貸款后發放涉農貸款的利率做出規定。貴州省作為西部欠發達省份，支農再貸款工具的充分運用，在改善農村金融服務、降低“三農”融資成本方面取得了一定成效。 2015年1—6月，全轄區農村法人金融機構借用支農再貸款資金發放的涉農貸款加權平均利率為6.9%，較運用其他資金發放的涉農貸款利率低2.8個百分點；通過開展“人民銀行支農再貸款+金融機構自有信貸資金+地方政府配套政策+優惠利率”的支農再貸款杠桿化運作模式，引導金融機構發放的優惠利率貸款累計為貸款戶節約利息支出近1億元。

2015年，人民銀行下發《關于下調信貸政策支持再貸款利率的通知》（銀發[2015]166號），要求農村金融機構借用支農再貸款發放的涉農貸款利率在實際支付的各期限各檔次支農再貸款利率上加點最高不得超過4個百分點（即從2015年6月開始，借用支農再貸款發放的一年期涉農貸款利率不能超過6.85%，其中貧困地區不能超過5.85%）。這意味著除了籌資成本外，農村金融機構發放每筆貸款的非資金成本率（包括營業費用、稅收、撥備提取等）不能超過4%。由于貴州省農村法人金融機構具有涉農貸款占比高、貸款不良率高、貸款單筆金額小、貸款管理成本高等特征，貸款的非資金成本要高于發達省份，涉農貸款的加權平均利率也明顯高于發達省份。加點幅度最高不得超過4個百分點的政策要求出臺后，部分機構使用支農再貸款的意愿有所降低。

基于以上問題，本文以貴州省農村信用社為分析對象，針對當前農村信用社貸款利率定價情況，根據成本導向型的利率定價方法，對農村信用社貸款成本進行合理測算，同時分析在利率受限的情況下，金融機構被動接受較低貸款利率，出于保證收益和風險控制的考慮，是否會對支農再貸款支持的貸款對象進行篩選，導致支農再貸款對農村生產經營相關環節的支持力度減弱。希望通過這些研究為進一步發揮支農再貸款的利率引導作用提出切實可行的政策建議。

二、對貴州省農村信用社貸款成本率總體測算

成本加成定價是不成熟的信貸市場較為通行的定價方法，也比較符合當前貴州省農村信用社的實際情況。在現行支農再貸款利率加點模式下，支農再貸款資金發放的涉農貸款利率加點幅度在實際支付的各期限檔次支農、支小再貸款利率基礎上加點最高不得超過4個百分點。采取成本導向的方式設定加點幅度能夠控制金融機構使用再貸款的獲利空間，有助于發揮支農再貸款利率優惠效果。但這同時要求使用再貸款的金融機構除資金成本外的貸款成本不高于貸款金額的4%（即貸款非資金成本率不高于4%），貸款非資金成本率高于4%的金融機構使用再貸款將產生虧損，若貸款非資金成本高于4%的農村信用社較多，可能影響支農再貸款的使用范圍，進而影響支農效果。

根據貸款利率成本加成法，貸款非資金成本構成如下：貸款非資金成本率=貸款的營業費用率+貸款損失準備計提比例+貸款的營業稅費支付比例。由于營業費用在貸款非資金成本中占比較大，且不同機構營業費用差距甚大，因此本文利用計量模型首先分析了貴州省農村信用社貸款營業費用成本的總體情況，并測算了全省總體貸款非資金成本率，判斷現行加點幅度是否合理。

（一）貸款營業費用率的估計

本文通過Panel Data 模型對涉農貸款發放與營業費用產生之間的關系進行回歸分析，目的是剝離已經發生的固定成本，測算出隨貸款業務增加而增加的可變營業費用成本。因支農再貸款最長為一年期，借用支農再貸款發放的涉農貸款也以一年期為主，因此本文使用的是一年期以內（含1年）涉農貸款發放數據。

1. 樣本及數據來源。選取貴州省80家農村信用社2012年1季度—2015年1季度營業費用、1年期以內（含1年）涉農貸款季度發生額數據（每組數據由80個截面成員、13個時間點、1040個觀測值組成）。

2. 模型設定。分別用FY、SNDK表示營業費用、1年期以內（含1年）涉農貸款。建立1年期以內涉農貸款同營業費用的變截距Panel Data模型如下：

[FYi=αi+SNDkiβ+μi]， [i=1，2，3，...，80] （1）

該模型假設在截面成員上存在個體影響而無結構變化，并且個體影響可由截距項的差別來說明。式中：[α]代表固定成本，[β]代表因每發放1單位涉農貸款而產生的可變費用成本。

3. 回歸結果。由于面板數據的截面成員較多但時序較短，更側重截面分析，故選擇EViews中Panel Workfile對模型（1）進行回歸分析。已估計上述模型的隨機效應模型，通過Hausman檢驗，確定采用固定影響變截距模型。使用廣義最小二乘法（GLS）對模型進行估計，回歸結果如下：

[FYit=1620.86+α*i+0.0146SNDkit+μit]

[i=1，2，3，...，80] [t=1，2，3，...，13]

其中[α*i]反映各信用社固定成本對平均固定成本的偏離（此處省略列示[α*i]的估計結果）程度。根據方程估計結果可以看出，涉農貸款同營業費用存在顯著的正向關系，每發放1元1年期以內（含1年）涉農貸款新產生營業費用0.0146元，即1.46%的貸款營業費用率。

（二）貸款損失準備計提比例以及營業稅費支付比例的測算

作為貸款非資金成本另外兩項構成內容，貸款損失準備以貸款余額為計提基數，計提比例主要根據監管要求；貸款產生的營業稅費是對貸款利息收入征收的營業稅費，稅率由稅法規定。因此，這兩部分費用同貸款發生額的關系較為直觀。并且，貸款損失準備的計提和營業稅費的發生難以獲得有效的季度或月度數據，因此本文對這兩部分貸款成本并未采取計量分析的方法進行回歸，僅依據2013、2014年度80家使用支農再貸款的農村信用社的相關數據進行了簡單測算（見表1）。

表1：農信社貸款非資金成本構成情況表

[ ＼&涉農貸款發放額＼&當年新計提貸款損失準備＼&當年發生的營業稅金及附加＼&當年新計提貸款損失準備/貸款發放額＼&當年發生的營業稅金及附加/貸款發放額＼&2013＼&15971568.79＼&271120.43＼&45084.18＼&1.70%＼&0.28%＼&2014＼&20532028.99＼&253795.97＼&60159.36＼&1.24%＼&0.29%＼&平均＼&18251798.89＼&262458.20＼&52621.77＼&1.44%＼&0.29%＼&]

根據表1所示的測算結果，貴州省80家農村信用社總體貸款非資金成本率構成如表2。

表2：農村信用社總體貸款非資金成本構成率情況表

[貸款營業費用率＼&當年新計提貸款損失準備/貸款發放額＼&營業稅金及附加/貸款發放額＼&貸款非資金成本率＼&1.46%＼&1.44%＼&0.29%＼&1.46%+1.44%+0.29%=3.19%＼&]

總體來看，現行4個點的加點幅度下，農村信用社使用支農再貸款仍有一定的利潤空間，現行支農再貸款利率政策總體上能夠控制農村信用社使用再貸款的獲利空間，并有助于發揮支農再貸款利率優惠效果。但仍無法排除部分農村信用社對總體平均貸款成本水平偏離較大，貸款成本率高于4%的現狀。

三、貸款費用率的差異化分析

本文通過比較分析法對各信用社貸款的營業費用成本差異進行分析，研究重點仍為估計各信用社貸款營業費用率，并根據貸款營業費用率的估計結果對樣本進行分組，研究貸款營業費用率產生差異的原因。

（一）各樣本貸款營業費用率估計

1. 模型設定。分別用FY、SNDK表示營業費用、1年期以內（含1年）涉農貸款季度發生額。建立涉農貸款同營業費用的變系數Panel Data模型，見模型（2）：

[FYit=αi+SNDkitβi+μit]，[i=1，2，3，...，80]

[t=1，2，3，...，13] （2）

該變系數模型中，常數項[αi]和系數項[βi]都隨著橫截面個體的改變而變化。

2. 回歸結果。通過Eviews Pool對象對該模型進行估計。并估計隨機效應模型，通過Hausman檢驗后，確定采用固定影響變系數模型。使用廣義最小二乘法（GLS）對模型進行估計，并根據系數項的大小和顯著性水平將回歸結果分為三組，其中第一組樣本滿足系數項大于2.27%（滿足各系數項即貸款成本費用率加上全省平均水平1.44%的貸款損失準備計提比例以及0.29%的營業稅費比例后大于4%），且在10%的顯著水平下通過t檢驗，共20個樣本。第二組樣本滿足Prob值在10%—40%之間，或Prob值雖小于10%但系數項小于2.27%，共25個樣本。第三組樣本滿足Prob值大于40%，共35個樣本。回歸結果及分組情況見表3。

第1組樣本機構按現行加點幅度使用支農再貸款會出現虧損。

（二）分組比較分析①

1. 涉農貸款結構差異分析。由表4可見，第1組樣本100萬元以上涉農貸款、擔保類涉農貸款、農村企業及組織涉農貸款發放額占比均高于其他兩組；涉農貸款占比、農戶貸款占比明顯低于其他兩組；各項涉農貸款加權平均利率普遍較低，其中其他企事業單位涉農貸款加權平均利率為各類涉農貸款利率中最低。以上結果說明第一組樣本貸款營業費用率較高的原因，不在于其發放小額貸款筆數多、農戶貸款占比高以及貸款發放缺乏有效的擔保方式等，相反其涉農貸款占比、農戶貸款占比、小額涉農貸款占比等數據低于其他組，而其支農效果并不好。

2. 存貸比差異分析。

表5中存貸比各項統計指標反映，第一組存貸比水平低于其他兩組，說明第一組樣本貸款營業費用率較高的原因，并非因為其存貸比較高，資金來源較為緊張。

3. 人工成本差異分析。

由表6可見，第一組樣本信貸相關人員人數占員工總人數的比例明顯高于其他兩組，人工成本（包括工資、福利、五險一金）占營業費用的比例也要高于其他兩組。說明第一組樣本貸款營業費用率較高的原因很可能是人員支出較大。

4. 所在地區經濟狀況差異分析。

由表7可見，第一組樣本平均GDP、人均GDP、競爭程度明顯高于其他兩組，第一產業占比低于其他兩組。可見第一組樣本多處于經濟相對發達的縣市，其貸款營業費用率較高的另一原因是其所處縣市貸款業務競爭相對較大，業務拓展費用占比相對較高，但由于占比僅為1.7%，其對營業費用的整體影響比較有限。

四、貸款風險成本的差異化分析

《商業銀行資本管理辦法》（中國銀行業監督管理委員會 2012年第1號）中規定“貸款損失準備最低要求指100%撥備覆蓋率對應的貸款損失準備和應計提的貸款專項準備兩者中的較大者。” 根據該規定，應計提的貸款損失準備=MAX[不良貸款余額，正常類貸款余額*1.5%+關注類貸款余額*3%+次級類貸款余額*30%+可疑類貸款余額*60%+損失類貸款余額*100%]。

因此，不良貸款比例的高低直接影響了貸款損失準備提取的多少。現根據貴州省80家農村信用社2014年度實際計提貸款損失準備比例（當年新提取貸款損失準備/貸款平均余額）進行分組分析（見表8）。

結果顯示，涉農貸款占比、農戶貸款占比高的信用社，不良貸款率相對較高，對應的貸款損失計提比例較大，即貸款風險成本較高。因此，農村信用社的支農服務狀況與其貸款風險成本之間也存在著正相關關系。

五、主要結論及政策建議

（一）主要結論

1. 根據對貴州省農村信用社貸款成本的測算，在現行支農再貸款利率政策下，農村信用社使用支農再貸款整體上仍有一定的利潤空間，現行支農再貸款利率政策總體上能夠控制農村信用社使用再貸款的獲利空間，有助于發揮支農再貸款利率優惠效果。

2. 營業費用率能夠顯著影響貸款利率，經分析，導致貸款成本中營業費用率較高的一個主要原因是其人工成本占比較高。并且營業費用率較高的信用社，多處在經濟相對發達的縣市，其存貸比、涉農貸款占比、農戶貸款占比、小額涉農貸款占比等指標相對較低，可排除其營業費用率較高是源于資金來源緊張或支農成本較高這一情況。因此，在確定支農再貸款利率加點幅度時，無須過多考慮營業費用率過高的影響，對于營業費用率過高的農村信用社，應引導其加強成本控制。

3. 支農力度大的農村信用社貸款風險成本相對較高，支農再貸款利率加點一刀切的政策可能會導致農村信用社將支農再貸款優先用于支持風險較小的涉農客戶，導致一些風險相對較高的農村貸款主體得不到支農再貸款資金支持。

（二）政策建議

1. 考慮貸款風險成本差異建立更為靈活的支農再貸款利率定價模型。根據本文研究結果，貸款風險成本高的地區往往支農需求較大，因此，建議在確定支農再貸款利率加點幅度時應考慮不同機構貸款風險成本存在的差異性。相比現行一刀切的支農再貸款利率加點政策，建立更為靈活的支農再貸款利率定價模型，根據機構的支農服務情況合理確定借用支農再貸款發放貸款的利率加點幅度。

2. 進一步明確支農再貸款投向范圍。根據本文分析結果，貸款非資金成本率高于4%的樣本多處于經濟相對發達縣市，其發放的其他企事業單位涉農貸款加權平均利率低于其他類別利率，也就是說在其使用再貸款難以盈利或微利的情況下，可能會為達到利率加點幅度要求將支農再貸款投向原本利率就較低的貸款對象，而該對象很可能并非是真正從事農業生產經營的農村貸款主體。因此，建議在確保支農再貸款利率優惠政策得以落實的同時，縮小支農再貸款投向范圍，將其從所有涉農貸款縮小至支持農業生產經營相關環節的涉農貸款。

注：

①本部分涉及數據均為80個樣本2014年度數據。

參考文獻：

[1]張明恒，沈宏斌.小型商業銀行貸款利率定價的多因素模型實證研究[J].上海經濟研究，2009，（4）.

[2]賈麗均.對支農再貸款利率形成機制的構想[J].青海金融，2013，（2）.

[3]劉艷，范靜，許彩麗.農村信貸配給程度與貸款定價變動的關系分析—以吉林省為例[J].農村經濟，2014，（10）.

[4]張建軍，許承明.利率市場化影響農業信貸配置效率研究—基于信貸配給視角[J].金融研究，2012，（10）.

（責任編輯 王 馨；校對 GQ，WX）