鄉村振興背景下農村小額信貸風險管理研究

向韋霖

（中南財經政法大學 湖北武漢 430073）

一、實證分析

（一）建立風險評價指標體系

在前人研究的基礎上，本文基于正確性、真實性、可操作性、全面高效等原則，從信用風險、市場風險、自然風險、網絡金融風險、操作風險、政策風險等風險識別中的六個方面，選擇24個指標對武漢農商行農戶的小額信貸風險進行評價，具體指標如表1所示。

表1 小額信貸風險評價體系

（二）確定各級指標權重

本文選取了包括高校銀行風險管理方面的教授與農商行外部專家和內部專家共10人參與調查。專家根據衡量指標尺度表給出指標兩兩對比的重要程度的判斷，從而確定各指標的權重（見表2）。

表2 判斷矩陣的衡量指標尺度表

1. 構建判斷矩陣

第一部分，根據信用風險（B1）、市場風險（B2）、自然風險（B3）、網絡金融風險（B4）、操作風險（B5）、政策風險（B6）六個一級指標建立矩陣。

第二部分，針對一級指標信用風險（B1），建立農戶是否有聯保貸款（C11）、農戶有無違約行為（C12）、農戶還款意識（C13）農戶是否有銀行欠款（C14）、農戶貸款申請資料真實情況（C15）、農戶貸款用途改變（C16）六個二級指標并建立矩陣。

第三部分，針對一級指標市場風險（B2），建立市場價格風險（C21）、市場供求風險（C22）、市場信息風險（C23）三個二級指標并建立矩陣。

第四部分，針對一級指標自然風險（B3），建立產品對自然的依賴程度（C31）、產品受自然災害影響程度（C32）、農戶是否為農業投保（C33）三個二級指標并建立矩陣。

第五部分，針對一級指標網絡金融風險（B4），建立網絡技術風險（C41）、網絡流動性風險（C42）、網絡法律風險（C43）三個二級指標并建立矩陣。

第六部分，針對一級指標操作風險（B5），建立農戶是否有抵押擔保物（C51）、與工作人員有無密切關系（C52）、員工在崗時間（C53）、員工對業務熟悉程度（C54）、員工定期培訓情況（C55）、員工責任意識（C56），六個二級指標并建立矩陣。

第七部分，針對一級指標政策風險（B6），建立政策支持情況（C61）、政策執行情況（C62）、政策理解情況（C63）三個二級指標并建立矩陣。

2. 各指標權重及排序

當CR＜0.10時，可以判斷矩陣具有可以接受的一致性。當CR≥0.10時，需要調整和修正判斷矩陣，使CR＜0.10，使矩陣通過調整具有可以接受的滿意的一致性。判斷矩陣A、B1、B2、B3、B4、B5、B6的一致性比例CR均小于0.1，通過一致性檢驗，均為有效判斷矩陣，通過計算得到的權重可作為各指標權重。

（三）確定各指標的隸屬度函數

借鑒相關理論研究的成果與銀行業現行的規定，根據上文所測算出的各指標的權重，按照梯形隸屬函數構建方法來確定各指標的隸屬度函數。

（四）計算綜合得分

通過模糊綜合評價，構造評價模型，將進行真實性核驗后的農戶信息代入到各級評價因素的隸屬函數中，得出隸屬度后可得出模糊關系向量R。并將利用層次分析法得出的評價指標的權重W與模糊關系向量R相乘，得出農戶的綜合信用評分。

（五）建立授信臨界點

本文根據小額信貸風險評價指標的權重設置授信臨界點，如表3所示。

表3 農戶信貸風險評價等級表

表3中設置的第一個授信臨界點是農戶可獲得貸款需滿足的最基礎的條件。即當市場供求風險C22（9.80%）、農戶有無違約行為C12（9.25%）、是否有銀行欠款C14（8.14%）、農戶貸款用途改變C16（7.40%）、市場信息風險C23（6.20%）、員工在崗時間C53（5.28%）、網絡技術風險C41（5.00%）、農戶貸款申請資料真實情況C15（4.81%）、農戶是否為農業投保C33（4.77%）這九個最關鍵的指標隸屬度是1，該農戶也可以在其他指標隸屬度皆為0的情況下有獲得貸款的基本資格，此時S1=0.6065。

表3中設置的第二個授信臨界點是農戶要達到較高的風險評價等級應符合的條件。即在第一個授信臨界點的基礎上，五個次重要的指標：員工對業務熟悉程度C54（4.48%）、農戶還款意識C13（4.44%）、政策執行情況C62（4.32%）、市場價格風險C21（4.00%）、員工責任意識C56（3.04%）的隸屬度為1，剩余的指標隸屬度都為0，此時S2=0.8093。

表3中設置的第三個授信臨界點是農戶要達到最高的風險評價等級應符合的條件。即在第一、第二個授信臨界點的基礎上，四個更次重要的指標：農戶是否有聯保貸款C11（2.96%）、網絡流動性風險C42（2.90%）、產品受自然災害影響程度C32（2.88%）、政策理解情況C63（2.40%）的隸屬度為1，剩余的隸屬度為0，此時S3=0.9207。

本文選取了武漢市200戶農戶的數據進行信用等級評價，銀行的AAA級、AA級、A級、BBB級分別對應本文的優、良、中和差等級，具體信用等級情況如表4所示。

表4 200戶農戶的信用等級情況

本文預測的差等級農戶共34個，占抽取的200個農戶的17%；中等級的農戶共90個，占比45%；良等級的農戶共66個，占比33%；優等級的共10個，占比5%。銀行原預測結果BBB級、A級、AA級、AAA級分別占比15%、44%、35%、6%，可見本文基于模糊層次分析法構建的模型的預測結果與銀行預測結果相差不大。

二、研究結論

（一）農戶小額信貸信用評級受多種因素影響，其中信用風險影響最大

本文使用層次分析法計算出各指標的權重，發現信用風險對農戶信用評級的影響最顯著，占比37%。主要是因為農商行小額信貸的對象眾多且相對分散，再加上農商行進行信用評估難以準確獲取農戶真實信息，故更重視農戶自身的信用情況。農戶是否有過違約行為、是否有過銀行欠款、是否會改變貸款用途等都能反映農戶自身真實信用情況。

（二）基于模糊綜合評價法構建風險評價模型有利于提高農戶信用評級的準確率

基于本文的實證分析，可以發現農商行現行的風險評價模型在預測的準確率和信貸等級的劃分、指標的設置與處理上都不及本文所構建的農戶小額信貸風險評價模型。銀行對農戶貸款信用評級是依據銀行的七級分類法，以分數作為授信臨界點，即60分及以上可發放貸款。但這種人為劃分授信臨界值的方法具有較大主觀性，缺乏科學性和合理性。

（三）構建風險評價指標體系要選擇全面、準確的指標

本文避免使用“否”或“是”這種硬性尺度去衡量指標，采用舍去評語等級的隸屬函數去處理指標，基于模糊綜合評價法，依據隸屬函數計算隸屬度，有利于對部分界定模糊且難以量化的定性指標進行量化處理，使評價結果的準確性得到保證，也降低了信貸人員在操作過程中的主觀隨意性。

三、建議與意見

（一）要構建與完善農商行小額信貸的風險管理機制

首先，要進一步完善農村小額信貸信用評級和授信制度，并嚴格實施。此外，應加強操作系統的執行力和約束力，不斷標準化評級業務的操作過程，以效預防政策風險、信用風險和操作風險。其次，農商行要考慮小額信貸的特殊性，依照精簡、高效、科學、透明、制衡的原則，構建合理的內部職能部門，為避免產生職能交叉、缺失或集中的現象，要在明確各部門的責任和權力的基礎上建立相互制約與相互協調、各司其職的工作機制。

（二）要加大信貸風險評價體系的推廣力度，評價指標的選擇要因地制宜

目前農戶信用評價體系的建立尚未形成統一的標準。然而選擇正確的農戶信用指標是進行信用等級分析的基礎，這需要主要的金融機構之間相互協調以構建完善統一的評價體系。影響農戶信貸的因素可能隨著農村經濟的發展而發生變化。因此金融機構為了使其實際信貸業務中的評估更加準確，應該充分考慮實際情況的變化，調整指標。同時，要因地制宜建立符合我國國情的農戶信用評價體系。

（三）要擴展信貸業務范圍、發揮保險機構的作用，從而防范市場、自然雙重風險

應給予被保險的農民一定的優惠與支持，例如適當降低貸款利率、由政府提供一定的財政補貼，以此鼓勵農民積極購買保險。保險機構要尋求新的利潤增長點，開發新產品，開拓新市場，擴大經營范圍，通過設計適合農業的保險產品來吸引大量農民參保。與此同時，保險機構可以與農村小額信貸機構合作，充分利用在經營過程中獲取的信息，提高經營效率，節約成本。農民應基于分散自身承擔自然風險的角度來選擇符合實際情況的保險產品。農業保險可以在很大程度上補償農業生產中自然風險導致的損失，提高農戶抵御自然風險的能力，減少可能限制農戶小額信貸信用等級的影響因素。