互聯網惠農流通領域小額貸款信用約束機制實證研究

熊若宇 劉云龍 副教授

（1、西南大學經濟管理學院 重慶 400715；2、重慶交通大學經濟與管理學院 重慶 400074）

引言

盡管我國積極促進普惠金融發展，我國的農業金融供給與社會發展需求仍有較大差距，特別是農產品流通行業的供給規模、質量和效率都亟待提升，這也是當前發展現代化農業的重要問題，是完善農產品普惠金融服務的關鍵部分。為了幫助貧困農民和農業企業解決資金困難問題（穆瀾，2017），尤其在農產品流通方面，亟需解決的儲存與運輸困難，國家推出了一系列針對農產品流通領域的金融惠農貸款政策。金融惠農政策是指在一國政府的支持和鼓勵下，以政府政策性扶持的農業項目為貸款對象，以優惠信貸利率補貼、方便靈活的擔保（抵押）方式、減免相關稅費為主要特征，在專門法律的保障和規范下進行一種政策性貸款。本文針對互聯網惠農流通領域小額貸款信用約束機制進行研究。

農產品流通領域的互聯網惠農小額貸款現狀

（一）農產品流通中的互聯網金融企業面臨問題分析

在農產品流通領域，不同發展階段的不同企業獲取資金的渠道并不相同，無論是發達國家還是發展中國家，普遍存在農業流通企業難以從銀行貸款的問題（李玉梅，2017）。在三農資金需求和供給平衡時，非正規金融體系可以良好運轉，但是宏觀經濟環境好的時候，流通企業傾向于擴大農產品流通規模，對于資金的需求迅速增加，此時民間借貸極可能滿足不了貸款需求的增加，就會出現大量的互聯網金融貸款需求，恰逢此時風險偏好降低，放款門檻降低，甚至出現信貸狂歡，也會有部分加杠桿行為。一旦宏觀經濟環境變差，物價波動變大，農產品市場流通規模擴大，市場需求卻降低，農戶和農業企業的融資需求會進一步加劇，最終會表現為互聯網金融的資金問題。

互聯網金融機構對農業流通企業的約束方式主要是通過貸款合同進行制度約束，在流通企業違約時通過法律途徑追討。由于惠農貸款普遍沒有抵押物，流通工具價值較低，互聯網平臺很難跟蹤與監控，且惠農流通企業的小額貸款數量多，單筆數額小（周明，2017），因此，法律途徑的追討通常成本較高，多數情況下，互聯網金融機構很難起訴流通類農業企業，貸款合同對流通類農業企業的約束力很小。在互聯網惠農小額貸款模式中，對流通類農業企業的約束方式主要依靠制度與道德。制度約束對流通類農業企業的影響力不強，而道德約束更是難以保證每個貸款人都守信。事實上，很多早期實踐的互聯網小額貸款業務中，違約率居高不下，特別是當一部分貸款人看到周邊人違約而沒有受到實質性懲罰時，會發生連鎖反應，群體違約事件時有發生，這也使得一些互聯網金融機構的資金鏈頗為緊張，甚至導致一些互聯網小額借貸平臺倒閉。

表1 變量表

（二）流通類農業企業惠農貸款困境的影響因素

在法律層面，互聯網惠農小額貸款面臨的風險主要指流通類農業企業和互聯網金融機構簽訂的貸款合同有違法律規定，或者違規操作而造成的風險。互聯網惠農小額貸款的法律風險包括三個方面：第一，互聯網金融機構對借款人資格的審查程序不合規而引發的法律風險，主要是流通類企業的區域跨度較大，很難對借款人有準確詳細的了解。第二，由于互聯網貸款執行的電子合同簽字不全或材料信息不準確而產生的法律風險（王敏，2018）。第三，互聯網惠農小額貸款金額小、數量多、范圍廣，若通過法律途徑追討，執行效果會很難保證，互聯網金融機構將承擔較大的時間成本和訴訟成本。

在管理層面，風險控制不到位也是互聯網惠農小額貸款面臨的重要風險。針對大跨度的流通企業，惠農小額貸款的前期調查和貸中風控難度大，貸款人容易出現失聯或者多頭借貸等問題。依靠傳統的風控模式，風險預警比較滯后，貸后管理難度高。加之互聯網平臺的人員流動一直比較頻繁，風控環節的信息交接不暢更加劇了互聯網惠農小額貸款的系統風險。

農產品流通企業互聯網小額貸款的優勢

傳統金融機構需要一個信貸員收集客戶信息，進行初步評估，然后另外一個信貸員確認客戶資料的完整性，再由審核員進行電話核查，并對客戶進行信用評估。在農產品流通過程中，由于客戶跨度較大，通過初步信用審查的才會有審批員進行審批復查，安排上門實地考察，考察流通工具的抵押價值，然后審核員會再次確認抵押物或擔保核驗，金融機構才會批準貸款，將貸款劃轉門店，由門店安排簽約。換言之，傳統金融機構審批一次貸款，至少要經過七個環節七個人，一般要1周到2周才能完成全流程，人工成本高、手續繁瑣、客戶體驗差，難以有效占領市場。與傳統貸款方式不同，互聯網惠農小額貸款可以通過信息化管理，實時掌握、把控小額貸款風險過程。在貸款前，通過大數據分析，精準找到優質貸款人，準確推薦，建立用戶畫像，實現貸款前的大數據精準營銷。貸款審批階段，進行多重身份核驗和反欺詐識別，采用信用評分機制，從前端降低違約風險。在貸款中及時預警，及時識別個人信譽惡化、法院失信執行人和借貸特征變化。在催收環節，建立失聯預警和失聯修復，自動接口識別，并描述老賴畫像。

表2 統計分析結果

互聯網惠農小額貸款的信用約束實證分析

（一）變量選擇和研究模型

新常態下，我國農業宏觀經濟面臨較大下行風險，糧食進口沖擊較大。在此背景下，農產品流通企業風險因子不斷增加，為了研究互聯網惠農小額貸款信用約束機制的有效性，本次研究選擇以貸款履約為被解釋變量，以用戶行為、收支等級、社交關系作為一級指標構建評價模型，變量含義如表1所示。

本次研究以李克特式量表擬定調查問卷，向八位專家咨詢，采用層次分析法確認指標權重，并應用yaahp11.2軟件進行計算得到一級指標，結果如下：

基于斯蒂格里茲和溫斯（Stiglitz和Weiss）模型，構建一個針對農產品流通的互聯網惠農小額貸款信用約束機制有效性分析模型，具體如下：

其中，LP為貸款履約變量，UBE為用戶行為變量，IEL為收支等級變量，SR為社交關系變量，αi為權重系數，φ為隨機變量。本次研究選擇農業大省山東省作為調研地，選擇貸款總額小于20萬的農產品流通過程所需貸款即儲運貸款申請作為主要研究對象，研究數據來自魯信惠農貸。本次研究共收集了2018年9月份和10月份的2970份樣本，其中通過審批并貸款的為459份。為了保證數據的可比性，本次研究剔除了119份養殖戶的數據樣本，最終獲得340份樣本。統計分析結果如表2所示。

本次實證分析樣本數據的統計分析結果如表2所示。本次研究樣本說明前期的審核是有一定成效的，較好的排除了失信人員和危險人員。年收入貸款比、流通能力和運營商評分的數值都在合理區間。配偶通話占比均值為0.43，說明貸款人與配偶普遍保持了較好的溝通聯系。頻繁關聯身份證和頻繁關聯手機號的均值都較低，說明貸款人中存在欺詐行為的可能性較低，貸前審核的準確性不錯。

（二）回歸分析

本次實證分析中，UBE的回歸系數為0.3627，IEL的回歸系數為0.3056，SR的回歸系數為0.4332，說明用戶行為、收支等級、社交關系對貸款履約的影響均為正向影響，即用戶行為、收支等級、社交關系越高，則貸款人貸款履約的可能性越大。同時，回歸系數之間相差不大，說明用戶行為、收支等級、社交關系對貸款履約的影響程度比較接近。由此可知，本文研究可以較好分析用戶行為、評價申請人的收支狀況、可以較好評價貸款人的社交關系、預測貸款履約的概率，為降低小額貸款違約風險提供了一個較好的對策。

（三）穩健性分析

為了校驗模型的穩健性，本次研究分別將頻繁關聯身份證和頻繁關聯手機號的數據收集窗口由3個月改為1個月，均得到相同的回歸結果，即用戶行為、收支等級、社交關系和貸款履約之間存在顯著正相關關系，說明本次研究結果具有穩健性，說明在農產品流通過程中，農產品流通能力直接受到貸款金額和貸款風險的影響，增加農產品流通資金方面的風險因子個數。