我國小額貸款公司開始于20世紀70年代，其成立的初衷是為農戶、個體工商戶和小微企業融資問題開辟一條新的道路。小額貸款是指通過金融機構，向那些具有一定償債能力但從未或很少從正規金融機構獲得融資的微小經濟體（包括農戶、城市個體工商戶等非法人機構）所提供的一種額度小、期限短、利率較高的持續性貸款服務。本文采用文獻研究法，按照信用風險評估指標和評估方法分類進行評述，以期達到以下兩個目的：①發現我國小貸信用風險研究在指標選取上、評估方法選擇上的特征，為學者的后續研究提供基礎；②提出加強和完善相關研究的建議和方向，為小額貸款公司識別和控制信用風險提供有效借鑒。

一、小額貸款信用風險的界定及成因

（一）小額貸款信用風險界定

信用風險包括借款人無法償還債務的違約風險和信用質量下降的遷移風險，是金融機構面臨的最主要風險，也是最難以量化的風險類型之一（王力偉，2013）。小額貸款公司風險主要集中于信用風險、自然風險和資金來源風險（孫穎，2008）。同時在貸款業務的單一性、區域有限性和貸款對象特殊性的影響下,其信用風險最為嚴重（李修平2009）。借款人的違約風險主要來自于兩個方面，道德風險和逆向選擇（李玉福，付代軍，2007）。比如，招商銀行信貸產品的標準化導致產品過于清晰，一些中介和擔保公司利用這些信息給客戶進行包裝，客戶經理也可能參與作假，增加了道德風險。而隨著銀行小微信貸的興起，資質好的客戶會選擇銀行進行小微貸，資質弱的客戶只能來小貸公司，導致劣幣驅逐良幣（唐華，2013）。小額貸款公司雖然發展迅速，但是還不具備足夠的風險評估技術和信用風險控制體系從而降低貸前的逆向選擇和貸后的道德風險（辛鑫，王文榮2010)。除了債務人本身的信用問題，宏觀經濟的變動性也是信用風險的產生原因之一（李明，2015）。另外，不可忽視的是，信用風險也包括購買力風險。購買力風險是指未預期的高通貨膨脹率所帶來的風險（曼昆，2011），當實際通貨膨脹率高于借款人預期時，實際還款額就會減少，小貸公司就會蒙受損失。

（二）小額貸款信用風險成因

信用風險防范一直是小貸公司的劣勢，盡管在設立時，各試點省明確要求小貸公司建立信用風險控制措施，但是大部分地區并沒有明確規定。小貸公司的信用風險成因可以劃分為：外部原因和內部原因，個體原因和集體原因。學者們從宏觀市場、貸款對象、擔保公司和中介公司等主體入手探究外部成因。就宏觀市場而言，通貨膨脹率高于預期的時候小貸公司蒙受的利率損失就高，信用風險就會增大（曼昆，2011）。就貸款對象而言，小貸公司的信用風險主要是由貸款對象的特殊性所造成的。而作為小貸主要對象的農戶和中小企業本身，自我防范風險能力較差，因而風險就轉移到了小貸公司(孫思磊，2006)。因此小額貸款業務的違約率與貸款本金、利率、貸款客戶的生產收益率以及違約的信用懲罰之間有著密切聯系（王廷飛，高新蘭，2013）。就擔保和中介公司而言，由于存在投機行為和信息不對稱，其很可能會通過給貸款人進行信息包裝而發生道德風險和逆向選擇。內部運營模式、風險控制機制、從業人員素質，貸款業務特征及資金來源的單一性等成為信用風險的主要內部因素。董軍（2010）認為內部運營模式導致了小貸公司的信用風險。盡管在設立時，各試點省(區)明確要求小額貸款公司建立一系列信用風險控制措施，比如準備金制度、風險保障基金等，但是大部分地區并沒有對此進行明確的規定（李明，2015）。就從業人員的素質而言，金珍珍（2009）認為，人才的缺失，例如：前端客戶經理素質不高，風險預警員疏于職守，加劇了小貸公司信用風險的發生概率。貸款業務的單一性和資金來源的受限性導致了借款人一旦違約，貸款就難以及時回收（張小倩，2008）。此外，除了對單個貸款主體違約成因的研究，人們也已經很早就注意到了違約聚集的現象。即違約不是孤立發生的，而是存在一定的聚集現象，表明借款人之間存在一定的違約相關性（王力偉2013）。人們觀察到經濟上行期違約發生相對較少，經濟下行期往往出現違約聚集的現象。例如，宏觀經濟因素和行業景氣度，企業間直接的關系鏈等都會造成企業違約聚集。

二、小貸信用風險評估指標設計

對于指標的分類，大致有如下2種分類方法：按貸款主體分類為農戶、個體工商戶和小微企業3類指標，按貸款信息分類為硬信息和軟信息2類指標。

（一）貸款主體分類指標

小額貸款的對象是農戶、個體工商戶及小微企業。因此風險評估指標的樣本對象必須是這三者。當前對小貸信用風險的研究，國內實證研究基本上是圍繞商業銀行農戶、小微企業小額貸款、農村信用社及小額貸款公司的貸款樣本展開。關于農戶指標的選取：馬文勤（2010）選取了2009年陜西省楊凌區三家農村信用社農戶的15個指標來判斷其是否違約，包括戶主年齡、戶主性別、家庭人口數、家庭勞動力數、耕地面積、農業收入、非農收入、年總支出、信用社入股金額、房屋價值、機械價值、其他資產價值、貸款數額、貸款用途、貸款月利率共15個指標。陳良維（2008）在前者的基礎上增加了文化程度、家庭資產總額、貸款歷史、信用賬戶數目、信用申請情況、司法記錄情況和月還款占收入比7個指標。劉暢、方靚、晏江、熊學萍（2009）增加了農戶參保情況、村委會評價及是否遭受經濟損失3個指標。劉澤雙、王光宇、段曉亮（2009）對農戶小貸信用風險的指標進行了歸類，將其分為表層直接因素、中層直接因素及深層根本因素。孫清、汪祖杰（2006）選取的江蘇省北部某農村信用社480個貸款數據中，以財產水平、負債狀況、受教育程度、借款用途4個指標作為評估依據。可以看到，對農戶指標的選取，家庭成員特征、耕地及其他資產狀況、家庭收入狀況、家庭信用情況、貸款特征這五項是重要的考量指標。其中，由于農戶自身財務數據的缺乏，非財務數據的考量占據了非常重要的地位。個體工商戶及小微企業信用風險指標選取：對于小微企業的信用風險的研究，多數學者集中在商業銀行小貸部門信用風險的研究及小貸公司信用風險的研究。這里探討的個體工商戶和小微企業是指其財務數據不足以支撐其獲得商業銀行貸款資格的企業，其財務數據通常具備不完備性、不易獲取性。因此，非財務因素的評估十分重要。楊德明（2012）在哈爾濱銀行小企業信用等級評定指標中，特別強調了要強化非財務因素的作用，并在申請評分卡的非財務指標中增加了小微企業主這一因素。結合國內各大商業銀行操作的實際情況，將企業信用非財務體系歸納為以下五大方面：企業管理環境、企業核心競爭力、行業發展前景、企業經營管理水平（領導者素質、員工素質、組織制度、決策機制、人事管理、財務制度建設）、企業信譽狀態。

（二）貸款信息分類指標

貸款信息包括軟信息和硬信息。非財務信息也稱軟信息（softinformation），通常由信貸員提供（李明，2014）。在信息不對稱和不完全契約環境下，小貸客戶信用風險的評估對關系型借貸特別看重(Bel-louma,Bennaceur&Omri,2005)。Peterson（1999），認為關系型借貸所傳遞出的信息對小型企業而言更有價值。因為關系型借貸不僅涉及企業財務信息和經營狀況，還涉及難以量化、傳遞的軟信息（申韜，2011）。王鎖柱，李懷祖（2004）認為硬信息是客觀存在的信息的反映，軟信息是含有涉及主體的價值觀念和知識結構的主觀判斷的信息，主觀判斷涉及主體的價值觀念和知識結構，是一種區別于是非判別的個人偏好。由于當前小貸公司信貸員具有一定的貸款決策權，因此，在將軟信息內容作為評估指標時，很容易產生評估不夠客觀公正，甚至是道德風險。王延飛、高新蘭（2013）提出，要建立以社會資本和道德風險為核心的信用風險評價機制，特別強調對道德風險和社會資本的評價。他們認為，業主社會聲譽、生活習性及家庭因素是衡量其道德風險的重要指標，且這些因素是判別其生產經營能否正常運行的關鍵因素。另外，業主的社交網絡、信任合作是衡量其社會資本的重要指標，社會資本越豐富，則其外部約束越大，就能夠越多地補償貸款信用風險。這種評估指標的選取更加符合小額貸款公司的實際情況，指出了小貸公司在信用評估過程中遇到的兩個關鍵問題：社會資本的評估以補償風險，道德風險的評估以防范風險。但是，道德風險的評估主觀隨意性較大，難以量化評估；而社會資本的評估過于抽象，也難以量化。基于此，Molodsov提出了軟集合理論，該理論在處理不確定性問題的過程中引入近似解代替精確解的概念，有效地克服了傳統數學方法的缺陷。申韜（2011）運用軟集合理論對5家小額貸款公司進行了信用風險評估，選取了信用履約評價、償債能力評價、盈利能力評價、經營及發展能力評價、綜合評價5個指標作為參數，但由于5家公司評估指標都難以精確量化，該文通過對各評估指標“強”信息取值為1，“弱”信息取值為0，并請專家進行打分來實現風險評估，評估結果較為精確地反映了小額貸款公司的客戶信用風險。可見，運用軟集合理論可以對企業的財務信息和非財務信息做出一個合理的信用風險評估。

三、小貸信用風險評估模型構建

過去200年間，信用風險評估方法經歷著行業變革和技術變革，單純的主觀判斷和政策決策逐漸被其他的模型所取代。評估模型的選擇取決于所需行業結構水平及大樣本可獲得性。小貸信用風險評估一般采用的是混合模型和數理模型。對于單純僅使用專家評分法的情況很少。專家評分法主要表現為國際上通常對于非財務分析遵循的5C原則，即借款人的品格（Char-acte）r，能力（Capacity），資本（Capita）l，擔保（Col-latera）l，環境（Condition）（周穎，毛定祥2006）。

（一）信用評分法

信用評分法就是混合模型的表現。Caouette，Altman，Narayanan(1998)指出當貸款對象信用記錄不健全、信息獲取較為困難時，信用風險評估通常采用綜合企業財務因素和企業主個人因素的傳統信用評分法。目前，信用評分法已經成為借貸機構是否發放貸款、貸款額度、貸款定價以及提高贏利性的決策支持工具（申韜，2011）。作為客戶準入篩選的第一關，哈爾濱銀行獨立研發了小企業信用等級評定模型，對申請貸款的客戶進行貸前評級打分。申請評分卡中最重要的四點是：①采用多行業區分，在客戶準入上選取融資需求較集中的小企業所在的行業進行研究；②在評分卡中的非財務指標中增加了小微企業主這一因素；③根據第二還款來源對采取抵押擔保方式進行貸款的小微企業進行擔保評分；④對成長性指標和行業敏感性較高的個性指標等關鍵性指標調整（楊德明，2012）。這種申請評分法技術是對傳統信用評分法的一種突破。它對硬信息的依賴程度大大降低，強化了非財務因素的作用，對于小貸公司信用風險管理有借鑒作用。但也有不足之處：其一，信貸員進行信用評分時難免會出現道德風險。這對小貸公司人員素質提出了高要求，無形中會增加人工成本。其二，貸款客戶貸款時經常不具備擔保物，不符合申請評分卡里面提供的擔保項設置。因此，需要有更加客觀和符合小貸公司情況的信用風險防范體系。

（二）基于神經網絡模型的信用風險評估模型

人工神經網絡（ArtificialNeuralNetwork），是基于對人腦神經網絡結構及其功能的模仿而建立起的由大量處理單元相互聯結成的智能化信息處理系統。通過這個系統可以實現非線性關系的操作（叢爽1998:1）。韓立群（2000）提出，神經網絡具有高度的非線性，良好的容錯性和聯想記憶功能和較強的自適應性，能夠大規模并行處理和分布式存儲信息。神經網絡由于對數據分布及自變量和因變量的函數關系的精確度要求不高，但其分類精度較高，因此成了信用風險評估領域的一個熱點（馬文勤，2010）。進入20世紀90年代，銀行業引入神經網絡將其用于信用風險評估。其風險評估主要是依靠其分類功能實現，即先找出一組對信用分類有影響的因素作為網絡輸入，再通過有教師或無教師訓練建立信用風險評估模型，當輸入新樣本時該模型即可對其信用風險進行判別分類（沈艷2007）。馬文勤（2010）基于BP神經網絡建立了農戶信用風險評估模型，并與基于Logit方法的農戶信用風險評估模型比較得出，BP神經網絡農戶信用風險評估模型更加精確有效。該文選取了農戶樣本中的15個指標，將農戶貸款行為分為違約類和非違約類，實證結果檢驗研究所建立的BP網絡模型對違約類樣本識別的準確率達到90%，因而可以將其作為農村信用社農戶信用風險識別工具。吳沖，呂靜杰，潘啟樹，劉云燾（2004）認為，信用風險的實質是信貸資金安全系數的不確定性，但一直以來信用風險評估在小貸公司被看成是對貸款企業進行“違約與否”的風險識別中的“分類”問題。隨著信貸決策的日益復雜化，分類評估模式所反映的有限信息已遠不能滿足信貸風險決策的需要。基于此，這幾位學者提出了建立基于模糊神經網絡的小貸信用風險評估模型。該模型引入了貸款方式這一分類評估指標，這是對傳統模型不區分貸款方式就進行信用風險的評估的一種改進。小貸公司貸款方式有：信用貸款、保證貸款、質押貸款、抵押貸款。同一企業在不同貸款方式下其信用風險是不同的，信用風險的評估結果應是某一特定貸款方式的量化值。該模型通過選取同一行業的短期貸款的樣本數據進行實證研究，有效避免了由于不同行業帶來的數據不可比問題。模型通過對營運能力因子、償債能力因子、盈利能力因子和貸款方式因子訓練發現，訓練結果滿意，可見模糊神經網絡方法用于評估商業銀行小額貸款信用風險非常適合。我們可以看到，模糊神經網絡法是對專家評估法和信用評分法的一種改進，由于對數據的精確性要求不高，是分析小貸信用風險的非常好的一種方法。但同時我們也可以看到，其指標數據的選擇大部分是財務數據，這對貸款客戶財務信息的完備性提出了高要求。因此，如果將樣本數據換成是軟信息，再運用模糊神經網絡模型進行分析，可能更適合于小貸公司信用風險的評估。

（三）基于模糊集合理論的信用風險評估模型

模糊集合理論(fuzzysets)于1965年由L.A.Zadeh教授提出，用以表達和解決模糊難以量化的問題。模糊綜合評價法是基于模糊數學，將定性評價指標轉化為定量評價指標的一種評估方法。一般評價步驟為，首先構建模糊綜合評價的指標，確定被評價對象的因素集和評價集之間的函數關系，再確定各因素的權重以構建評價矩陣，最后將矩陣與因素的權重合成（模糊運算及歸一化）得到模糊綜合評價結果。它具有結果清晰，系統性強的特點，能較好地解決難以量化的問題，適合各種非確定性問題的解決。呂婷婷（2012）構建了基于模糊綜合評價法的小額貸款公司風險評價模型。文章選取不良貸款率、貸款風險回報率、撥備充足率、正常關注類貸款遷徙率、貸款集中度、環保合格企業貸款余額占比作為信用風險的影響指標，實證結果得出撥備充足率對信用風險的影響權重最大，環保合格企業貸款余額占比對信用風險的影響最小。類似的能夠解決模糊難以量化的問題的方法還有模糊層次分析法（FAHP）。模糊層次分析法（fuzzyanalytichierarchyprocess，FAHP）。模糊層次分析法是將模糊法和層次分析法（AHP）的優勢結合而成的多準則決策方法。模糊層次分析方法能夠準確地描述任意兩個因素之間關于某準則的相對重要程度，能夠很好地解決定性分析的抽象問題，得出的識別結果能較好地反映小額貸款公司的現實情況。李明（2014）運用模糊層次分析法（FAHP）進行風險識別，計算得出客戶管理層特征維度、客戶經營與決策能力維度、小額貸款公司關系能力維度、客戶發展前景維度、客戶償債能力維度、客戶貸款特征維度六個層面以及每個層面各個評估指標的模糊權重值，建立了小額貸款公司風險評價指標體系。該文從實際出發，根據專家意見，運用模糊層次分析法(FAHP)構建模糊互補判斷矩陣，通過推導計算出矩陣指標層相對于目標層的權重，再通過對矩陣進行一致性檢驗表明其權向量結果的可靠性，最后得出風險識別結論，對小貸公司風險評估具有一定的指導意義。但是，由于不同的專家對小額貸款公司風險認識不同，在構建函數時具有很大的主觀性，因此識別結果與現實有一定的差距。因此，為了得到理想的識別效果，專家根據不同的小貸公司的特點和環境來確定識別指標及權重至關重要。

（四）基于CreditMetrics的信用風險評估模型

CreditMetric模型是于1997年推出的用于量化信用風險的一種信用計量模型，通過計量風險價值來分析信用風險（宋志濤，2008）。CreditMetric模型中唯一的變量就是信用，模型認為違約是指借款人的信用等級下降，不管信用等級下降多少，都會給貸款人造成損失。模型最大的優勢在于其對信用風險價值的估算，通過風險量化可以很直觀地看到風險的變化。趙靜（2012）選取了云南省農業銀行某支行2010年以前的農戶個人貸款為研究對象，構建了基于CreditMetrics信用計量模型的農戶貸款風險預估體系，實證研究結果表明該銀行目前VAR值較為合理，處于風險可接受狀態。此模型首次提出了“邊際風險貢獻”的概念，將“債務人信用等級的變化”作為“違約”的一個考量因素，這不僅考慮到了違約風險，還將差額風險納入其中，比較貼合實際。不過，該模型的分析需要大量的數據庫做支撐，而目前由于我國的信用市場環境以及部分數據難以取得（如信用轉移矩陣），CreditMetric模型在我國的運用受限，不過其對資產組合分析評價的方法和思想值得借鑒。

四、研究不足與展望

目前，國內對小額貸款公司風險管理的系統性理論研究和實證研究具有一定的局限性。從金融市場的發展趨勢看，本領域具有更為廣闊的研究空間。

（一）風險評估方法的局限性及數據庫建立

當前信用風險指標的選取基本上是先通過專家分析法等主觀地選取指標，相當于首先建立一個合理的假說，再通過層次分析法或其他方法對指標分配權重進一步篩選。這種指標選取的方法不可避免地帶有主觀性，如果沒有建立在一個合理的假說之上的話，就會得出錯誤的結論。因此，建議建立一個更強大的小額貸款信用風險指標研究基礎。目前的指標選取主要是以企業的方便樣本為基礎的，有些信息甚至是難以量化的，比如王延飛、高新蘭（2013）提到的客戶的社會資本和道德風險。在大數據時代背景下，這些軟信息多半屬于非結構化或半結構化信息（如圖像、文本）。通過不斷挖掘數據，運用數據處理工具———統計、決策樹、神經元、模糊邏輯、數學規劃等，可以輔助我們更好地應用大數據進行決策。展望未來，建議通過完善相關法律法規政策，在小額貸款全行業內建立一個統一規范的小額貸款信用風險指標數據庫，使每個客戶的信用數據都記錄其中，依托該數據庫來建立各個小貸公司的信用風險評價體系。小貸公司再將信用評估體系評估得出的信用數據反饋錄入到信用數據庫，實現數據的高效共享。這樣的規范不僅有助于小貸公司做出客戶放貸的決策，以避免因主觀選取指標帶來的不同企業評估的差異性，同樣也是客戶以后在各個金融機構借貸的信用通行證。

（二）研究數據的不充分性及信用知識管理

由于小額信貸對象信用數據難以取得且不夠完善，有些基于軟信息的指標在定量化的過程中會出現研究定量依據不同的情況，而且，目前信用風險軟信息指標本身是觀察性數據，存在著很多偏倚，例如選擇偏倚、混雜變量和缺乏普遍性（Lifeomics,2014）。每個信用風險評估模型都有其優劣性，即便證實了一個風險指標和客戶信用風險存在強有力的關聯，我們仍然需要尋找一些證據來證明它在信用風險相關領域中具有實用性（即評估其客戶信息與信用風險之間的平衡）。因此如何取得和規范指標內容以及增強指標間的真實關聯性的問題亟待解決。建議通過更為深入、廣泛的實地調研，多渠道(銀行、農信社、證券公司、其他小貸公司、客戶所在公司或家庭狀況等)直接或間接地搜集客戶信用指標，在樣本容量充足的前提條件下，結合貸款客戶的特點，提煉出更加完善、標準化的客戶數據，以期進一步補充、提煉小額貸款公司信用風險評估指標，形成更具科學合理性、簡約性、有效性和廣泛適用性的小額貸款公司信用風險評估指標體系。此外，要證明樣本數據的有效性和實用性，就需要對統計數據進行顯著性檢驗，以區分真實關聯還是虛假關聯；就需要科學地選取計量模型，充分了解各模型的缺陷，防止檢驗失效。在進行數據搜集和提煉的過程中，同時要注意成本-效益問題。信用風險管理領域的各項研究是一個重復性較高的過程，需綜合考慮成本-效益問題。機器學習算法（machinelearningalgorithm）將有助于知識內容管理（Lifeomics,2014）。建議通過開展知識管理，加強知識共享、知識轉移和知識創新，建立公開透明的貸款客戶信用檔案制度，以降低信用風險的搜索成本。

（三）研究對象的不可比性及信用指標選取

由于農戶和小微企業，其信用等級不同，因此不同貸款對象的信用風險評級結果會存在不可比性。建議根據貸款客戶的特點，建立具有差異化的客戶信用評級體系，以消除不同客戶類型帶來的數據不可比問題。由于不同行業貸款客戶信用信息存在差異，建議通過選取同一行業的貸款樣本數據進行實證研究，以避免由于不同行業帶來的數據不可比問題。

作者：楊平波 朱雅斯 單位：湖南商學院