本篇文章8109字,读完约20分钟
姚康
自去年以来,各种金融支持政策相继出台。主管部门大力推进的金融资源已引入实体经济,几家大型国有银行继续在小额信贷领域发挥实力。从宏观数据来看,小额信贷增长率等指标引人注目。然而,从微观上看,民营企业、小微企业融资困难,融资成本高的呼声持续上升,而制造业投资增速缓慢。一些金融专栏作家甚至发表了一篇题为《中国银行业小额信贷已经到了最关键的时刻》的文章,提出了以体育促进小额信贷和融资违背市场规律、不可持续的观点。从信用报告的角度来看,宏观与微观在小额信贷上存在较大差异的原因之一是信用报告基础设施不完善导致的银企信息不对称,宏观部门缺乏有效的工具来有效监控金融支持实体经济政策的效益。苏州突破政府部门与公共机构之间的信息壁垒,搭建了专门服务金融的大型信贷数据平台,开辟了数据、制度、政策一体化的工作路径,构建了支持金融创新发展的重要基础设施,在帮助小额信贷增加总量、调整结构、拓展渠道、转变模式、控制风险、降低成本等方面发挥了重要作用。近日,中国人民银行总行批准在苏州建立小微企业数字信贷试验区。
首先,小额信贷的覆盖面跟不上经济发展的速度
各城市经济发展的区域竞争存在马太效应,可能导致特定时期小额信贷的区域供需失衡。需求方面,准一线和二线城市基础设施相对完善,招商引资力度大,方式多,资源价格比一线城市低,小微企业和民营企业集中,为小微金融服务带来更多需求和更高标准。然而,在供给方面,除了少数金融机构总部聚集的城市外,其他城市的金融供给受到金融机构水平和规模的限制,小额信贷的广度和深度将与当地的经济活动和增长率不相匹配。
(1)贷款户增长率低于贷款额增长率
由于民营企业的主体是小微企业,信贷领域小额信贷服务的重点必须是小微企业的贷款。从信用调查的角度来看,小微企业的信用既要关注数量,也要关注方面。如果该地区贷款企业数量的增长速度跟不上贷款额的增长速度,甚至出现贷款额快速增长但贷款企业数量较窄的现象,新贷款在包容性领域的作用可能会受到影响。然而,许多地区普遍存在的一个现象是,银行无法获得该地区企业和行业的信息,获得客户的能力有限,导致长期贷款企业数量增长乏力甚至负增长。
(2)贷款企业和第一批贷款企业的数量增长率也远低于新成立的企业
如果只关注贷款企业的数量是不够的,那么我们来谈谈新注册企业的数量、贷款企业的数量和初始贷款企业的数量之间的比较。根据一些样本数据,在许多地方,新增小微企业贷款与新注册小微企业的比例约为1.5%,新增小微企业初始贷款与新注册小微企业的比例约为7%。不仅从绝对数字来看,新增贷款和初始贷款的小微企业数量与新注册的小微企业数量相比少得可怜,而且增长率也差得很远。这很容易导致本地区小微企业对金融资源的竞争加剧,制约经济发展速度。
(3)信用信息平台可以作为支撑小额信贷增量扩张的承重梁
要发展小额信贷和支持实体经济,首先要考虑的是总量和覆盖面。苏州采取的针对性措施是从区域经济金融战略的角度规划信用信息建设,从解决银企信息不对称入手,建立不以盈利为目的的地方国有信用信息机构,构建覆盖业务运营各个层面的苏州信用信息平台,构建全面支持金融客户、风险识别和融资定价的数据产品和政策体系。 使所有在当地开业的金融机构都能普遍享受政府事务和公共数据收集红利,并吸引更多的金融资源积极流入当地实体、小型和微型企业。 目前,苏州信用信息平台已积累了72个单位的信息网络,收集了600多项反映企业经营发展的微观粒子指标,包括工商税务部门掌握的企业纳税和财务报表、各类公共机构掌握的水、电、气、社保和公积金存款信息、海关进出口和发明专利等。,推出信用报告、客户筛选、评级和评估等多层次信用信息产品,达到98种。自2015年苏州信用信息平台推出以来,金融机构的访问量和查询量持续增长,特别是自2017年以来,信用信息平台的查询量呈爆炸式增长。与查询量增长几乎同步的是,2017年第一季度苏州小微企业贷款数量与新成立小微企业数量之间的增速差距一直在缩小,到2018年第四季度,增速持平。更值得一提的是,自2019年初苏州信贷信息平台与七家银行联合推出专门为500万元以下小微企业融资需求服务的网上二次贷款产品以来,2019年第一季度末,苏州现有贷款人和首批贷款人的增速有史以来首次超过新成立企业,令人振奋和鼓舞。数据不能说谎,这证明信用信息平台和信用信息产品能够有效解决小额信贷服务的主要痛点。
图1公式
二是小额信贷覆盖结构不平衡
(1)不同行业小额信贷覆盖率差异很大
截至2018年底,苏州信用信息平台已覆盖全市35万家活跃的小微企业。根据行业分类,有30万家企业分布在五大行业,即批发和零售、制造业、科研和技术、租赁和商业服务以及建筑业,占所有小微企业的85.71%。在五大行业中,制造业的信用覆盖率最高,而科学研究和技术行业的信用覆盖率最低,相差18.37%。不同行业信贷覆盖面差异的原因之一在于一些银行的传统风险控制理念。制造企业更注重资产,土地、工厂和设备可用于抵押,而技术研发企业更注重资产,较少抵押。
(2)同一城市不同地区小微企业的信贷覆盖率也不同
截至2018年底,昆山是国内生产总值排名第一的城市,昆山也是注册企业数量排名第一的城市,太仓是信用覆盖排名第一的城市,辖区内经济总量相对较小。信贷覆盖率比最低地区高6.04%。可能的原因是太仓市的注册企业总数少于其他区市,但有大量的金融机构和金融资源。在苏州小微企业争夺金融资源的激烈环境下,太仓企业获得贷款相对容易,幸运的是它已经成为萧条中的高地。
(3)信贷信息平台可以成为促进信贷结构调整和优化的分流渠道
在金融资源增量相对有限的情况下,更有必要优化信贷结构,充分发挥现有资金在发展小额信贷中的最大效用。在具体操作中,哪些企业迫切需要信贷支持,支持的程度和效果如何,都很难把握和监控,许多好的政策也没有真正落到实处。苏州探索以信用信息平台为核心,带动小微企业融资渠道、服务机构和配套政策之间的协调和联动。在前端,我们将开发一个网上债权和股权融资匹配系统,帮助小微企业在网上融资中与金融机构对接,努力解决需求与服务的匹配问题。中端将实现信贷信息平台与撮合系统的无缝对接,这将有助于金融机构依托信贷信息,转变小额信贷的风险控制和评估机制,设立专职运营部门,配置独立的信贷计划,增加服务和产品的供给。在后端,基于信贷信息平台掌握的大数据,小微企业被贴上人才企业、高科技企业等标签,为利用金融资金奖励金融机构、对冲风险提供依据,激发金融资源准确支持符合行业定位的小微企业,准确感知中微观数据的融资对接结果和资金运用有效性,确保政策及时预调微调。通过网上融资匹配、信用信息系统建设和金融支持政策,更多符合行业定位的小微企业得到了精准支持,企业发展更好,地方税源增加,就业和社会稳定得到保障。截至2019年第一季度末,在苏州信用信息平台和网上融资匹配系统的支持下,共有9897家企业获得了5830亿元的贷款,其中3029家企业依靠政府的信用增级和风险共担信用保险产品解决融资,融资金额为176亿元,41家企业获得了22亿元的股权融资。
图2公式
第三,信贷在小额信贷中的作用不够
(1)信贷比例相对较低与小微企业的经营特点密切相关
发达国家和地区的信贷业务主要是信用贷款,而信用贷款在我国银行业的企业贷款中所占比例很小。银行公司贷款通常要求借款人提供抵押或担保,特别是对小型和微型企业,有时需要抵押和担保。由于银行传统的小额信贷风险控制思想认为小微企业普遍存在经营不规范、不稳定的特点,必须采取强抵押、强担保的措施。从单个维度的数据来看,这是有一定道理的。例如,小微企业的公积金存款利率远低于大中型企业。又如,小微企业向税务机关提供的财务报表的报告率远低于大中型企业。又如,小微企业的营业收入波动很大,而且往往在第四季度,营业收入和利润都会波动很大。同时,影响小微企业正常运行的不确定因素很多,企业违约成本较高。这一点已经充分暴露,无论是近期股权质押、债券违约,还是2012年前后部分地区钢铁行业的系统性风险。正是基于上述客观情况,一些基层银行进行了小额信贷典当。即使在当前小额信贷的热潮下,只有抵押贷款和大额担保仍然严重。银行在向小微企业申请轻资产贷款时仍然心存疑虑,不情愿、困难和拒绝的现象依然存在。
那么,这是否意味着信贷在微观金融服务中毫无用处,答案显然是否定的。小微企业的范围广,数量大。当收集到大的信用数据时,会发现仍然有许多优秀的小微企业,它们是“最好的未知”。从苏州信用信息平台上仍入库的企业来看,2018年全市实现了按时缴纳各项税费、按时缴纳社保和公积金的要求,从业人数连续6个月呈正增长态势。有1726家小微企业的营业收入连续两年增长10%以上,从未有过贷款,它们可能是信贷的潜在客户。
(2)信用信息平台可以成为信用贷款的助推器
为了逐步解决信用贷款占比相对较低的问题,苏州的做法仍然是充分发挥信用信息平台的导向和支撑作用。首先是让数据说话。为了使银行愿意向小微企业发放信用贷款,从信用报告的角度来看,银行必须对企业有更全面、更准确的了解。具体而言,征信平台应提供反映企业还款能力、还款意愿和发展趋势以及小微企业主资产和信用的四类数据。只有这样,小微企业的特殊评分测量模型才能更加准确,信贷审批模型才能逐步建立。二是建立顶层设计。根据工作经验,以上数据主要掌握在市政府相关部委、办公室和事业单位手中,不纳入政务公开和社会信用体系信息采集目录。因此,要实现可持续工作,必须建立政府+市场的长效工作机制。第三,提升客户接入渠道和风险控制技术。改造现有小微企业信用贷款风险控制技术和业务流程,将原有的人工模式改造为互联网客户获取和人工智能审批,推进信用评级和授信技术的异地、全自动和基于数据的操作。自2017年苏州信用信息平台引入企业筛选模块以来,为银行根据自身风险偏好获取客户提供了便捷高效的在线渠道。截至目前,25家银行已筛选出2541批企业,出口企业数十万家,其中5629家小微企业获得了首笔贷款。2019年1月,苏州市信用信息有限公司、中国银行、中国建设银行等7家金融机构推出了信用征信产品,为小微企业提供500万元以下的网上申请、二次贷款、按需贷款等信用贷款。同时,信用信息数据和模型被用来实现一个企业和一个政策的精确利率定价。信贷产品推出不到半年,已有734家企业信贷8.27亿元,平均每户112万元,平均利率6.29%。
图3公式
第四,股权融资运作模式有待审视和完善
(一)当前股权融资,尤其是天使投资的一些特点
首先,运营模式仍然相对传统。我国股权融资起步较晚,市场化投资者、投资机构和投资者缺乏利用信用数据筛选企业和项目的渠道和经验。一旦圈子里有了“好项目”,各种机构就会蜂拥而至,而大多数默默工作的小微企业和民营企业却缺乏关注它的渠道。其次,天使投资规模小且范围窄。上述运作模式导致目前中国股票市场从事天使投资的机构和基金较少,投资角度与银行相同。新企业具有高度的不确定性,并且难以识别风险。虽然风险回报也很高,但尽职调查需要投入大量人力,业务量肯定是有限的。然而,大多数创新型企业缺乏人力资源和股权融资经验,因此很难与股权机构有效联系。第三,政府引导基金相对保守。在缺乏数据支持的情况下,政府引导基金的风险管理和评估体系较为审慎,引导基金倾向于信用导向。每个项目都要考虑成功率和回报率,不能出现亏损,导致参与天使投资的热情不高。
(2)信用信息平台可以成为拓宽小微企业融资渠道的高架桥
苏州信用信息平台为解决上述问题提供了多维服务。第一,开辟资本供需对接渠道。基于信用数据的股权匹配系统不仅可以在一个方向上匹配企业和股权机构之间的融资需求和供给,还可以深入分析企业和融资项目的情况,提供智能投融资服务,形成企业、股权机构和银行之间的投融资联动业务闭环。第二,降低尽职调查的成本。通过为股权机构和基金管理人提供全面、准确、及时的报告和个性化服务,分析企业情况,协助项目筛选和决策,提高投资前审计和投资后管理的效率。三是建立合理的政府引导资金评估机制。在管理团队的评估和评价中,充分利用平台和数据,在合理的范围内对投资失误给予容错,鼓励引导基金在天使投资领域更加主动。截至目前,苏州结合信用信息平台开发的股权融资匹配系统已投入运行,注册股权机构79家,管辖基金91家,为106家企业提供了40亿元的股权融资。
5.清扫建筑物和街道的海上战术以及士兵个人的商业创新难以为继
(一)信用工厂模式有一定的局限性
首先是运营成本。以信用工厂为代表的小额信贷技术和模式,通过集中大量的营销人员和审批人员,通过标准化的流程进行小额信贷操作,可以真正提高信贷运作的效率。但是,毕竟每个业务人员所服务的企业数量有限,银行不可能无限地积累人力资源,范围广、数量大的小微企业仍然无法得到充分的信贷支持。同时,增加业务人员将增加运营成本,这最终将体现在利率定价上。第二,道德风险。毕竟,人不是系统,也不是机器,手工审批的标准在实际操作中不能完全统一。但是,小额信贷具有对象多、金额小、利润薄、时间短的特点,建立与大额信贷相同的审批和风险控制机制是不切实际的,这可能会导致基层信贷人员出现两种极端的情况,一种是因为风险而不敢在秋季结算后做事情,另一种是为了私利而乱做事情。
(2)数字金融服务创新应兼顾集约化、公平和效率
一方面,小微企业网上融资必然是小微金融未来的发展趋势。传统的财务风险控制模式对大中型企业非常有效,但却无力满足小微企业短、小、频、急的融资需求。目前,互联网、征信大数据、生物识别等数字金融领域的突破和创新,确实为解决小微企业融资需求提供了一个起点,带来了革命性的变化。另一方面,为了促进小额信贷创新,我们不应该过分鼓励个体士兵的冲刺模式。目前,许多金融机构已经建立了数字金融或金融技术的特许经营权。然而,一些单位的重点不是技术创新和应用,而是数据整合。他们中的一些人与部委合作获取数据,而另一些人则在市场上购买大量数据。产品和服务似乎令人眼花缭乱,但也可能带来一些情况。具体来说,它包括三个方面:主体、边界和利益。首先,看看主题。如果金融机构直接收集数据,为了增加本单位的客户和收入,很有可能垄断数据,这可能造成新的信息孤岛。即使金融机构对外开放数据,为了保持自身的比较优势,它们可能会收取额外费用或保留数据,这将增加其他金融机构的业务成本,不利于小额信贷的整体推广。信用报告机构在数据收集中发挥主导作用,这更符合普惠金融的业务特点,因为客户都是金融机构。其次,看看界限。对于金融机构来说,数据是有边界的。我相信很少有金融机构愿意向他们的同行开放他们的核心客户数据,但是技术是没有边界的。只要能降低业务成本,它无疑可以作为参考,即使它需要付费。金融机构在与信用报告机构交换数据时不需要担心数据边界,因为信用报告机构平等对待所有金融机构,这确保了公平性。当然,对于信用报告机构来说,数据没有界限,但业务有界限。征信机构在遵守法律法规的前提下,根据金融机构的需要收集数据,但必须保持业务中第三方的客观独立性,不得寻求直接参与贷款、担保等信贷活动以获取利润。信用报告机构一旦通过借贷等信用活动直接获利,就会成为垄断数据的金融机构,难以保持客观独立性。最后,从好处来看,如果每个金融机构都去对接数据源,无疑会导致重复建设和资源浪费,这对于信息源单位来说是极其恼人的,但是对于金融机构来说却难以协调和怀疑其可持续性,这显然不如信用报告机构收集和提供数据的效率。此外,金融机构具有很强的创新能力,但其规模毕竟有限,因此必须强调其风险偏好。小额信贷应该是多方参与、合作共赢的,这样才能把蛋糕做大。
(3)信用信息建设能有效帮助数字金融服务创新
一方面,信用信息平台可以成为数字金融创新的实验场。信用大数据有效采集后,可以有效支持各种金融产品和应用场景,如精准客户获取、在线快速贷款、智能投资等,促进互联网、大数据、人工智能、生物识别等金融技术在普惠金融中的广泛应用。苏州信用信息平台建成后,被访问的金融机构开发了基于信用信息的各种网上金融服务产品,如信用保险、信用征信、电子公告等,有效实现了网上融资对接、信用信息产品化、审批和风险控制自动化、服务供给集约化。截至2019年第一季度末,苏州依托信用信息平台的在线金融服务产品已帮助2038家小微企业获得首笔贷款,金额达128亿元。
另一方面,信用信息平台可以成为数字化金融风险控制的安全阀。目前,当数字金融创新方兴未艾,小微企业的信贷量时升时降,也可能是金融风险积聚的时候。然而,在收集了信用信息大数据后,可以在金融风险防控方面做出许多尝试。苏州信用信息平台为金融机构提供所有仓储企业的违约概率,并通过分析违约的领先指标,监控企业融资前后的经营变化,以协助金融机构进行预警和处置。同时,构建金融大数据预警监控平台,开展宏观和中观层面的风险分析,持续关注特定地区、行业和上市企业的经济运行,构建风险预警指标体系,为地方金融机构防范和应对系统性和重大金融风险提供切入点。事实上,只有充分解决金融机构对风险的担忧,并提供可靠的应用工具,才有可能建立更适合小微金融的评估机制,真正实现从评估收益到评估增值,从关注个人不良贷款到关注整体不良率的转变,让基层金融机构能够放开手脚,推动小微企业发展。
图4公式
6.一企一策的融资定价机制尚未建立
(一)融资困难与定价机制密切相关
目前,先解决企业融资困难,再解决融资问题是小额信贷的共识。事实上,目前小微企业的融资覆盖面还很窄,贷款企业的数量增长也不是很快,这主要与全面参与小额信贷的机构还很少有关。尽管近期在相关政策的推动下,国有银行小额信贷快速增长,但许多中小银行、私人银行和信贷机构的参与热情却有所下降。主要原因是中小银行获得资金的成本远高于大型国有银行。在信息不对称的情况下,风险偏好会与大银行趋同,甚至因资产安全原因而更高。本来,大银行不太重视小额信贷,而中小银行通过错位经营积累了一批优质的小额信贷客户。当大银行采取措施全面推广小额信贷时,中小银行的优质小额信贷客户在大银行较低的资本价格的吸引下迅速流失,除非积极降低风险标准,否则难以取得突破。因此,小额信贷似乎在一些地方如火如荼地进行着,但贷款企业的实际数量并没有增加。
(二)小额信贷利率定价“一刀切”不科学
目前,一些银行要求小额信贷的利率不应高于大中型企业贷款的平均利率,这可能难以长期坚持。首先,近年来,银行自身的资本成本总体呈上升趋势。据不完全统计,目前7天同业拆借利率约为3%;一年期理财产品的平均利率为4.39%,比2016年分别提高了47个基点和32个基点。第二,合理的利润也是支持小额信贷可持续发展的保证。第三,银行的经营成本与员工工资和物价水平正相关。第四,客观地讲,小微企业的平均违约概率确实高于大中型企业,风险溢价应该高于大中型企业。小微利率一刀切的定价机制可能会挫伤基层银行和信贷人员的积极性,甚至可能滋生一些套利行为,不利于金融和房地产市场的稳定。
(3)信用信息建设能有效解决准确定价的问题
从信用调查的角度来看,我们应该走一条更加市场化的道路来解决小微企业的融资困难。苏州信用信息平台利用信用信息大数据为小微企业开发了信用额度计算模型和利率定价模型。通过提供第三方评级和评估,风险溢价更加准确。最终目标是使有融资需求的合格小微企业以合理的价格获得融资,调动所有金融机构的参与积极性。通过金融软约束,诚信经营、业绩良好的小微企业自然能够以较高的效率和较低的成本获得信用,并将虚拟的信用财富转化为现实的物质财富,而那些不诚信经营、不规范的企业则受到资本价格的制裁。截至2019年第一季度末,苏州小微企业贷款平均利率为5.16%,较2016年下降56个基点。
(作者是苏州企业信用信息服务有限公司和苏州大数据有限公司的总经理)
标题:征信视角下小微企业融资的主要痛点及破解实践
地址:http://www.jiuxincar.com/jxxw/11799.html