信用評級、懲罰成本與小微企業融資

肖 莎, 陳希敏, 王偉雄

(西北大學 經濟管理學院，陜西 西安 710127)

?

信用評級、懲罰成本與小微企業融資

肖 莎, 陳希敏, 王偉雄

(西北大學 經濟管理學院，陜西 西安 710127)

本文針對小微企業融資問題，通過構建演化博弈模型，引入信用評級和懲罰成本進行分析，提出金融機構通過信用評級和懲罰成本設計貸款機制，可以提高經濟活動中遵守道德準則的小微企業比重，從源頭控制信用貸款風險。同時，本文利用P2P網貸平臺Funding Circle進行案例分析，結果表明FC公司的貸款機制降低了高風險企業申請貸款的比例，促使項目成功的企業正常履行還本付息義務，并且放貸資金的回收率穩定在一個較高水平。本文的研究結論為破解小微企業融資問題提供了思路。

信用評級；懲罰成本；小微企業融資；P2P網貸平臺

1 引言

當前我國小微企業 “融資難、融資貴”的問題仍然十分嚴峻，2016年9月末，小微企業貸款余額為19.92萬億元，僅占企業貸款余額的31.4%，而據金融時報報道，小微企業從銀行融資的貸款利率約10%～15%，加上其他擔保機構等中介服務的各種費用，實際融資成本高達20%。如何更加有效地服務于小微企業融資，成為當前實體經濟破冰的關鍵因素。

相關研究已經證實，在中國，關系與聲譽在一定程度上可以發揮法律保護和金融中介的作用[1]，而小微企業不僅對信譽資本更為注重，對違約信用成本也更為敏感[2]。長期性和交易對象集中的關系網絡可以增強借貸者之間的信任[3]，促使那些較易獲取外部融資的企業，通過商業信用將銀行信貸資金轉移給自己熟知的企業和客戶，幫助這些企業獲取資金[4]，這也相當于銀行信用的延伸[5]。在信用貸款中，中介機構的信用評級對企業借貸行為有重要影響，信用評級高的企業，獲得貸款較容易，貸款利率較低，并且貸款期限較長[6]，同時，信用貸款可以提升社會整體信用水平[7]。近年來興起的P2P網絡借貸就是借助網絡平臺對借款人進行信用評估的無抵押貸款，平臺會披露借款人的信用記錄和各類信息，供投資人進行風險評估[8]。在甄別企業項目風險類型方面，Stiglitz和Weiss，Whette，Bester，Schmidt-Mohr，王霄分別建立模型，引入利率、抵押品、貸款額、資產規模等內生變量[9～13]，但均存在一定程度的局限性：即為了適應金融定價機制的不完善和金融市場的不穩定，在信貸機制中較多強調抵押品的擔保作用。而實際上，抵押品并非貸款申請的必備條件,而且大部分小微企業都沒有足夠的抵押品申請貸款。

本文在這些理論研究基礎上，根據亞當·斯密、阿瑪蒂亞·森將道德倫理與經濟行為相結合的相關理論，賦予小微企業具有遵循道德準則進行決策的可能性，并且在經濟活動中，這種道德準則是具有穩定性的。即大部分小微企業仍然會堅持誠信還貸，而那些采取欺詐行為的企業，將會承擔一定的懲罰成本。

對此，本文通過構建演化博弈模型，引入信用評級和懲罰成本進行分析，提出金融機構通過信用評級和懲罰成本設計貸款機制，可以提高經濟活動中遵守道德準則的小微企業比重，從源頭控制信用貸款的風險。同時，本文以一家P2P網貸平臺——Funding Circle作為案例進行分析，考察本文結論的實踐性。FC公司定位于為小微企業提供信用貸款，具有嚴格的信用評級機制和違約懲罰措施，放貸資金的回收率穩定在一個較高水平，公司目前的成功運營得到了英國政府和全球知名金融機構的鼎力支持。本文構建的演化博弈模型更加貼近小微企業缺乏抵押品的現狀，并為如何在信用體系健全的經濟中，探索小微企業融資問題提供了思路。

2 小微企業信用貸款演化博弈模型

本文在小微企業遵循道德準則的前提下，將信用評級和懲罰成本兩個因素引入金融機構的貸款機制設計中，通過海薩尼轉換，對金融機構與小微企業進行演化博弈分析。模型中，對小微企業違約行為制定的懲罰成本主要包括資產清算成本、風險成本和信用成本。

2.1 模型假定

(1)我們假設市場中有n個小微企業，風險均為中性，即U″=0。每個企業所投資的項目固定投資為Bi，并且投資額在技術上不可分。每個企業的初始資金為Wi，但0Bi，Pi服從(P1，P2)的均勻分布，即PiXi=X。

若企業項目投資失敗無法償還貸款本息，則需承擔懲罰成本：對企業進行資產清算，清算資產全部歸金融機構所有，作為企業貸款違約的資產清算成本Di，企業損失的信用成本為Ei。假設當企業理性的財產為零時，其效用損失負無窮大。

(2)金融機構假設。假設競爭性市場中，金融機構的風險為中性，給每個小微企業的貸款額為Bi-Wi，貸款固定利率為Rb，存款固定利率為Rf(Rb和Rf均指含本金的總回報)。C(Pi,Ei)為金融機構對企業進行信用評級的審查成本，取決于企業項目成功的概率Pi和企業信用成本Ei。當Pi、Ei越大，信用審查成本C(Pi,Ei)越小，企業的信用評級CB越高。

(3)借貸行為。假設金融機構通過信用審查成本C(Pi,Ei)對小微企業制定信用評級CB和懲罰成本來篩選項目，信貸合同為V=(B-W,Rb,C,D,η)，η為企業獲得貸款率，如果企業貸款投資項目成功，企業支付(Bi-Wi)Rb給金融機構，如果項目投資失敗，金融機構損失[(Bi-Wi)Rf+C(Pi,Ei)-Di]。

在貸款合同V=(B-W,Rb,C,D,η)下，企業項目投資的預期收益為

Mi(V)=η{Pi[Xi+Wi-(Bi-Wi)Rb]+ (1-Pi)(Wi-Di)-Wi}

(1)

金融機構的預期收益為

Ni(V,Rf)=η{pi[(Bi-Wi)Rb-C(Pi,Ei)]+ (1-Pi)[Di-C(Pi,Ei)]-(Bi-Wi)Rf}

(2)

在不對稱信息情況下，高風險項目的企業更愿意支付更高的貸款利率進行投資，因為(Bi-Wi)·Rb>Wi；在競爭性市場中，金融機構的目標是最大化利潤，不虧損的必要條件是(Bi-Wi)Rb0，當η和BiRb≠0時。

Riley研究指出，如果借款企業的偏好整體上取決于企業風險類型，那么金融機構就可以用不同的貸款合同對企業進行篩選[14]，因此，對于每一個企業，金融機構所提供的都是一組激勵相容的合同Vi，即Mi(Vi)≥Mi(Vj)i,j∈(1,n)。

(4)瞞報行為。企業貸款投資項目成功，可能會通過各種方式轉移利潤，造成項目失敗的假象，并將資產清算成本和信用成本降到最低，以此逃避還款義務。Williamson在模型中提出，這種道德風險主要是基于項目收益的事后信息不對稱[15]。對此，金融機構可以對投資失敗企業進行核查并制定懲罰成本，來減少這種瞞報行為。設定企業的瞞報概率為γi，金融機構對投資失敗企業進行核查的概率為δi，核查成本為θi(Bi-Wi)，且核查是具有效率的，即核查可以完全判斷是否存在瞞報行為。如果企業存在瞞報行為，則需承擔懲罰成本：向金融機構償付瞞報的風險成本ζi，ζi≤(Xi+Wi)，企業將永遠無法獲得金融機構貸款，損失的信用成本為φi，φi～∞。

2.2 博弈分析

在本文的假定條件下，金融機構與小微企業預期收益的博弈矩陣和博弈樹分析如表1、圖1所示，第一列為金融機構預期收益，第二列為小微企業預期收益。

表1 金融機構與小微企業預期收益的博弈矩陣

圖1 金融機構與小微企業預期收益的博弈樹

根據博弈分析結果，遵守道德準則的小微企業預期收益為

Qi(V)=Pi[Xi-(Bi-Wi)Rb]-Wi+(1-Pi)(Wi-Di-Ei)

(3)

采取瞞報行為的小微企業預期收益為Ui(V)=Pi[Xi-δi(ζi+φi)-(1-δi)(Di+Ei)]-Wi+(1-Pi)(Wi-Di-Ei)

(4)

整個小微企業群體的平均收益為

Wi(V)=γiQi(V)+(1-γi)Ui(V)

(5)

根據演化博弈分析方法，遵守道德準則的小微企業占比的復制者動態方程為

?Q/?t=γi(1-γi)[Qi(V)-Ui(V)]

(6)

將(3)式和(4)式分別代入(6)式，得

?Q/?t=γi(1-γi)Pi[δi(ζi+φi)+ (1-δi)(Di+Ei)-(Bi-Wi)Rb]

(7)

根據(7)式可知，當金融機構制定的資產清算成本或風險成本、信用成本大于企業正常還本付息成本時，可以確保?Q/?t≥0。

結果表明：懲罰成本可以降低高風險企業申請貸款的比例并促使項目成功的企業履行還本付息義務，提升經濟活動中遵守道德準則的小微企業比重。因此，金融機構通過信用評級和懲罰成本設計貸款機制，可以從源頭控制信用貸款的風險。

3 案例分析

3.1P2P網貸平臺FundingCircle特征描述

為了驗證上述結論在現實經濟中的應用性，選取了一家運營模式與本文模型相近的公司進行考證。

該公司是英國一家為小微企業提供貸款的P2P網貸平臺——Funding Circle，成立于2010年8月，主要通過融資平臺API系統對貸款企業進行信用審核。FC公司對貸款企業的信用審查成本主要包括三個方面：第一，利用邊界模型對企業進行初選；第二，利用信用模型對初選后的企業進行信用風險評定；第三，通過專業人員評估篩選出進入融資平臺的企業，并為這些企業制定信用評級，分別為A+、A、B、C、D和E(A+風險最小，2015年以前僅有前五個信用評級)，其中企業的信用評分來自外部評級機構。公司對每個信用評級設定投標利率、估計壞賬率和預計稅前收益(如表2所示)，并根據實際壞賬率進行不斷修正，為投資者提供收益風險參考指標。如果有貸款公司出現整改、停止交易或破產清算等情況，將取消信用評級，以警示投資者，并且該類公司尚未獲得分配的貸款申請將被終止。同時，FC公司成立了專門的收貸小組和信托公司通過拍賣貸款公司董事個人資產、公司全部資產和貸款購買的特定資產，為投資者追償違約貸款。企業根據自身信用評級及所能承受的懲罰成本，設定最低投標利率進行貸款拍賣。投資者根據信用評級與預期收益設定利率競標，API系統自動進行撮合成交，將投資者的資金分散出借給該利率下的眾多企業或投資者自己選擇的若干企業。截至2016年12月27日，FC公司已經為小微企業提供貸款18.21億英鎊，貸款企業有19740個，投資者有55894個，投資者年平均收益為7.1%(扣除費用和壞賬后的稅前平均收益)，平均壞賬率為1.8%。

表2 不同信用評級貸款的最低投標利率、估計壞賬率和預計稅前收益

3.2 貸款壞賬率分析

本文采取FC公司的壞賬率計算方式，每6個月為一組，從2012年到2014年共有6組貸款,圖2為2012年上半年和2013年上半年兩組貸款的實際壞賬率情況。截至2016年1月7日，6組貸款隨著持有月數的增加，估計的壞賬率和實際壞賬率情況為：

2012年兩組數據的實際壞賬率圍繞估計壞賬率上下波動，2013年和2014年的4組數據實際壞賬率均低于估計壞賬率，6組數據的壞賬率均控制在一個較低水平內，這說明FC公司通過對小微企業的信用審查制定信用評級和通過拍賣資產追償違約貸款的機制，降低了高風險企業申請貸款的比例，促使項目成功的企業正常履行還本付息義務，有效地從源頭控制了信用貸款的風險，并且放貸資金的回收率穩定在一個較高水平。

圖2 兩組貸款的估計壞賬率和實際壞賬率情況

3.3 投資收益率分析

由FC公司融資平臺的自動出價工具可以為投資者形成覆蓋各個行業的多元化投資組合，放貸資金達到2000英鎊以上就可以分散給100家企業。本文以2016年1月1日以前參與投資1年以上、處于規定的多元化投資組合的時間達到參與投資時間75%以上的投資者為樣本，分析這些投資者將資金分散投資在100家企業、50家企業和10家企業的年平均收益率情況。

結果表明：當投資者將資金分散出借給10家企業時，投資收益為負的投資者比重低于0.2%，當資金分散出借給100家企業時，基本沒有虧損。這進一步說明，FC公司的放貸機制提高了經濟活動中遵守道德準則的小微企業比重，可以從源頭控制信用貸款風險。

4 結論與建議

針對當前小微企業的融資困境問題，本文在國內外理論研究基礎上，賦予小微企業具有遵循道德準則進行決策的可能性，通過構建演化博弈模型，引入信用評級和懲罰成本進行分析，提出金融機構通過信用評級和懲罰成本設計貸款機制，可以提高經濟活動中遵守道德準則的小微企業比重，從源頭控制信用貸款的風險。進一步，本文利用一家P2P網貸平臺——Funding Circle作為案例進行分析，考證模型結論在實踐中的應用性，結果表明FC公司通過對小微企業的信用審查制定信用評級和通過拍賣資產追償違約貸款的機制，降低了高風險企業申請貸款的比例，促使項目成功的企業正常履行還本付息義務，有效地從源頭控制了信用貸款的風險，并且放貸資金的回收率穩定在一個較高水平。

本文的主要貢獻在于：將小微企業長期積累的信用資本提升為企業非常重視的一種資產形式，突破了企業固有資產的限制，拓寬了企業融資渠道。根據小微企業成長過程中積累的聲譽資本，評估企業的信用價值，同時通過企業違約懲罰成本降低道德風險問題。將信用評級、懲罰成本內生化，補充了金融機構信貸機制的決策變量，對我國傳統金融機構如何探索小微企業信用貸款提供了理論支撐。

根據FC公司成功經驗的啟示，本文提出以下三點建議:

第一，鼓勵發展我國第三方評級機構。我們應當出臺政策鼓勵發展獨立的第三方評級機構，引進行業優秀的人才，打造一批專業性強、具有技術優勢和市場競爭力的評級機構。相關監管部門應當制定法律制度，維護信用評級行業的公信力，提高信用評級機構在金融界的影響力。鼓勵各商業銀行等金融機構通過第三方評級機構對小微企業進行信用評級，逐漸形成評級報告成為金融機構貸款審批的重要依據，真正發揮評級機構的作用。

第二，借助大數據手段動態完善信用評級指標體系。利用大數據，能夠實現將非結構化數據轉變為結構化數據，可以更方便地挖掘有價值的數據，建立符合小微企業實際的評級指標體系。同時，大數據可以隨時抓取各類信息，能夠實現小微企業信用評級指標體系的動態調整。這樣的數據具有連續性，也方便金融機構及時掌握企業經營情況，形成信貸預警機制。

第三，監管部門應制定法律防控制度。各監管部門之間應加大合作、共享信息交流，建立事前預防與事后懲治機制，不斷創新符合市場需求的法律防控制度：金融機構在對小微企業進行信用審查時，可以通過法律手段，簽署合約，取得在還款期內對貸款購買的固定資產、企業全部固定資產或借款者個人資產變動的知悉權，以及當項目失敗時的優先處置權；對于真實失敗的項目，可以采取破產清算、資產拍賣的方式補償金融機構貸款損失；對于采取瞞報策略的企業，一經核實，收回企業全部項目收益及固定資產，且借款人終身不能獲得任何貸款；所有貸款失敗項目的信息，均公布在特定媒體上。

[1] Allen F, Qian J, Qian M. Law, finance and economic growth in China[J]. Journal of Financial Economics, 2005, 77(1): 57-116.

[2] 趙岳，譚之博.電子商務、銀行信貸與中小企業融資[J].經濟研究,2012,(7):99-112.

[3] 張捷.中小企業的關系型借貸與銀行組織結構[J].經濟研究,2002,(6)：32-37.

[4] 饒品貴,姜國華.貨幣政策對銀行信貸與商業信用互動關系影響研究[J].經濟研究，2013,(1)：68- 82.

[5] 王彥超.金融抑制與商業信用二次配置功能[J].經濟研究，2014,(6)：86-99.

[6] 石曉軍,張順明.商業信用、融資約束及效率影響[J].經濟研究，2010,(1):102-114.

[7] 徐曉萍,張順晨,敬靜.關系型借貸與社會信用體系的構建——基于小微企業演化博弈的視角[J].財經研究，2014，(12):39-50.

[8] 廖理,李夢然,王正位.中國互聯網金融的地域歧視研究[J].數量經濟技術經濟研究，2014,(5):54-70.

[9] Stiglitz J E, Weiss A. Credit rationing in markets with imperfect information[J]. American Economic Review, 1981, 71(3): 393- 410.

[10] Whette H C. Collateral in credit rationing in markets with imperfect information[J]. American Economic Review, 1983, 73(3): 442- 445.

[11] Bester H. The role of collateral in credit markets with imperfect information[J]. European Economic Review, 1987, 31(4): 887- 899.

[12] Schmidt-Mohr U. Rationing versus collateralization in competitive and monopolistic credit markets with asymmetric information[J]. European Economic Review, 1997, 41(7): 1321-1342.

[13] 王霄.銀行信貸配給與中小企業貸款——一個內生化抵押品和企業規模的理論模型[J].經濟研究,2003,(7):68-92.

[14] Riley J G. Informational equilibrium[J]. Econometrica, 1976, 47(2): 331-359.

[15] Williamson S D. Costly monitoring, financial intermediation and equilibrium credit rationing[J]. Journal of Monetary Economics, 1986, 18(2): 159-179.

Credit Rating, Punishment Cost and Small Micro Enterprise Financing

XIAO Sha, CHEN Xi-min, WANG Wei-xiong

(SchoolofEconomicandManagement,NorthwesteUniversity,Xi’an710127,China)

In this paper, it introduces a new method to solve the problem of small micro enterprise financing. By constructing a dynamic game theory model and introducing credit rating and penalty cost analysis, this new approach can be applied to help financial institutions develop a lending facility by analyzing credit rating and penalty costs to increase the proportion of complying code of ethics small micro enterprises and control the risk from the source. This paper also uses P2P internet lending platform Funding Circle as a case study, from its result, it demonstrates FC company’s lending facility reduced the proportion of high-risk enterprises to apply for loans and prompted companies with successful projects to fulfill their debt obligations, also the lending recovery rate stayed at a relatively stable and high level. Base on the analysis and conclusion, this paper provides a new solution for small micro enterprise financing problem.

credit rating; punishment cost; small micro enterprise financing; P2P net credit platform

2016- 08-19

國家自然科學基金青年資助項目(G0301)；陜西省社會科學基金資助項目(2014D02)

F224.32

A

1003-5192(2017)03- 0069- 05

10.11847/fj.36.3.69