小微企业不良贷款规模的影响因素分析

董俊杰

（南京师范大学商学院，江苏 南京 210023）

一、引言

随着国内商业银行信贷结构的调整，小微贷款受到了商业银行越来越多的关注，政府也一直在致力于推动小微企业的发展以及小微企业融资难问题的解决。虽然在政府的大力扶持下，商业银行逐步加大了对小微企业贷款的投放、提高了对小微企业不良贷款的容忍度，但是由于小微企业财务制度不健全、规模小、资产少、信用低等现状在短时间内无法改变，小微贷款给商业银行带来了较大的风险。随着“刘易斯拐点”的到来，“劳动无限供给”的特征将逐渐消失，企业的生产成本将不断增加，小微企业融资难的困境将不断加剧。如何控制商业银行小微企业贷款风险也是一大关键。这一问题的解决，有利于商业银行合理发展小微贷款业务，并为小微企业提供持续稳定的贷款支持。

二、文献综述

从国外研究来看，马格里（Silvia Magri，2009）利用家庭财富和收入数据，分析了意大利微型的融资问题，发现在1989—2006年这18年间，只有略多于四分之一的微型企业因为商业目的使用了银行贷款。钱皮和戈尔迪尼（Francesco Ciampi和Niccolò Gordini，2013）利用7000多个意大利小企业的数据，通过人工神经网络的方法建立了一个精确的公司违约预测模型。他们发现相对于传统的方法而言，人工神经网络方法能更好地贡献于小企业信用风险的评估。特别是在预测最小规模的公司和意大利中心的公司时，根据人工神经网络方法建立的模型在预测公司违约率时精确度更高。卡萨诺、乔维尔和斯威纳 （Francesca Cassano、Karin Jõeveer和Jan Svejnar，2013）利用通过特殊调查获得的保加利亚、格鲁吉亚、俄罗斯和乌克兰中小微企业的数据，以新型现金流贷款和传统的抵押贷款为例，研究了影响中小微企业贷款获得率和贷款对中小微企业发展的影响。研究发现：新型现金流贷款是一个比较受小微企业欢迎的贷款类型，而且同一企业对贷款类型的选择较为固定。同时，他们也发现最小规模的贷款常常会带来负面的影响。因此，他们建议推行相关政策，确定贷款规模的下限。

从国内研究来看，韩征（2012）阐述了包商银行鄂尔多斯分行在小微信贷发展中做出的努力，并介绍了其在贷款流程设计理念、利率定价以及担保方式上的创新。该分行95%以上的贷款不需要注册登记式抵押，充分贯彻了以“现金流”为核心的业务理念，也在当地营造了相应的品牌形象。李志强（2012）在分析小微企业融资难问题的现状、危害以及原因的基础上，介绍了阿里金融基于小微和创业型企业融资服务的创新和探索。阿里金融克服了普通商业银行与小微企业贷款客户之间的信息不对称问题，利用其在原有的平台中积累的客户以及交易数据，借助互联网及云计算的能力发展了微贷技术，降低了成本，同时也减少了不良贷款率。黄孝武、王红贵（2012）阐述了在推进小微企业贷款的过程中，湖北各商业银行结合自身的特点形成的小微企业贷款模式：民生银行以圈链会为媒介、以大数法则和收益覆盖风险为原则；汉口银行以科技型企业为服务对象，以贷投联动和股债联动为主要服务方式；国开行以与地方政府合作为基础，以“四台一会”为载体；邮储银行则以农村社区小微企业为服务对象。孙清华、张瞳、刘瑞林（2012）比较了RAROC的绩效衡量方法相对于传统的ROE衡量方法的优势，提出了基于RAROC的贷款定价方法，进而得出了金融企业防范小微企业信贷风险的具体措施。邵一珊、何广文（2013）利用MS-VAR模型，分析了宏观经济在不同区制下对小微贷款违约率的动态影响，得出如下结论：宏观经济变量对小微贷款违约率的影响不明显，但是经济上升阶段银行信贷行为的顺周期性会导致小微贷款违约率的增加。

从以上研究可以发现，基于小微贷款问题的研究主要集中在四个方面：一是从小微企业的角度出发，分析小微企业融资难的成因、现状，并在此基础上提出相关解决措施。二是从银行机构角度出发，介绍小微贷款的发展情况以及各家银行在此基础上所做的创新和努力。三是从非银行金融机构的角度出发，阐述小贷公司、第三方支付平台等有别于银行机构的方式，帮助小微企业解决融资难问题。四是从实证分析的角度出发，研究贷款的定价以及违约率等问题。但是，鲜有文章从宏观和微观两个方面，研究小微企业不良贷款规模的影响因素，并在此基础上建立模型进行研究。

为此，本文将针对小微企业不良贷款规模的影响因素进行分析，以期能帮助商业银行更好地控制小微贷款的风险，促进小微企业的发展。

三、理论分析

由于小微企业自身信用度低、财务制度不健全，资产较少等原因，商业银行对其发放贷款的风险要比一般企业高。较高的贷款风险，容易形成较大的不良贷款额，从而影响商业银行的利润水平以及资金的周转。一般来说，企业贷款逾期3个月未还，就会被归为不良贷款。对商业银行不良贷款的分析可以从两个方面展开：一个是企业层面，另一个是银行层面。从企业层面来说，就是通过计算相同风险级别企业的违约概率来分析该风险级别的企业产生不良贷款的可能。传统的违约模型主要有Z计分系列、RPA分类以及神经网络分类等；现代的违约概率模型主要有摩根（J.P Morgan）建立的Credit Metrics、KMV的EDF以及瑞士信贷银行的Credit Risk+等。从银行层面来说，就是通过计算同种类型的或者同一贷款行业投向的银行贷款的不良贷款率或者不良贷款额来判断银行投放贷款的风险情况。相关的计量模型有灰度测量模型、logit模型等。

导致小微企业不良贷款产生的原因分为宏观和微观两个方面。从宏观经济因素来看，当经济过热时，小微企业生产运营的原材料成本以及人工成本都将面临上升，小微企业可能陷入资金周转的困境。当经济衰退时，需求方的购买力不足将导致小微企业的存货积压，同样会使得小微企业陷入资金周转困难，从而使得商业银行面临较大的违约风险。从微观因素来看，商业银行对小微企业贷款审批流程的不严格、放贷规模的不合理都可能增大小微贷款的违约风险。

四、变量、数据和模型

（一）变量的选择

商业银行的小微贷款可以细分为消费贷款、经营贷款、汽车贷款、购房贷款等。考虑到在长期内商业银行小微贷款的不良额中经营类贷款的变化较大，且在总体小微贷款的不良贷款中占据较大的比重，本文将以小微贷款中经营贷款为研究对象，以期更好地分析影响小微不良贷款额的因素。此外，在分析不同因素对商业银行小微贷款不良额的影响时，同时考虑宏观和微观两方面的影响。在宏观因素方面，选取居民消费价格指数（CPI）和国民生产总值的增长率（GDP）两个常用的宏观经济指标。在微观方面，考虑到不良贷款的额度可能会受到贷款的投放规模以及贷款结构的影响，选取小微贷款中的经营贷款的规模（DK）和其中大额贷款的规模（DE）两个变量。每月新增的经营类小微贷款不良额将作为本文的被解释变量，并用BL表示。

（二）数据的选择

本文以2011年1月至2013年4月为研究期间。微观数据主要来自股份制商业银行X在Y市的小微贷款数据。宏观数据是从中经网数据库中获取的，其中居民消费价格指数（CPI）以2010年1月为基期进行了调整。由于公布的国民生产总值的增长率（GDP）是季度数据，本文将每个季度中三个月的GDP都调整成该数值。考虑到经营贷款的规模（DK）和其中大额贷款的规模（DE）两个变量数目较大且变化较大，本文对其进行了对数处理以减少变量的离散程度，并分别用LDK和LDE表示。其中，大额贷款是指3000万元以上的贷款。

（三）模型的建立

为了分析不同因素对小微企业不良贷款规模的影响，并且明确不同因素的影响程度，本文将利用EVIEWS7.0软件，并选取常规的多元线性回归模型进行分析。根据贷款的五级分类标准，贷款只有在延期3个月未归还时才将其计入不良贷款。因此，在构建模型时，本文对变量经营类小微贷款的规模（LDK）及其大额贷款的规模（LDE）进行滞后三阶的处理。本文的模型构建如下：

五、实证分析

（一）描述性统计分析

由于部分月份新增的不良贷款额为0，所以无法对不良贷款新增额（BL）进行对数化处理。因此，在表1中，相较于其他变量，BL的波动较大，最小值为0，最大值为37140.100。经营类贷款和大额贷款规模经过对数化处理后，波动相对较小，特别是经营类贷款规模的标准差只有0.613。从表1中也可以看到，CPI在104.800与115.122之间波动，GDP在7.400与10.300之间波动，说明在2011年1月至2013年4月，总体的宏观经济形势还是存在一定的波动，因此可以进一步考虑宏观经济形势对不良贷款新增额的影响。

表1：描述性统计分析

表2：单位根检验结果

表3：回归结果分析

（二）平稳性检验

为了防止由于序列的不平稳造成伪回归现象的出现，在对模型进行回归前，首先对模型进行平稳性检验。本文利用ADF检验的方法对变量序列进行平稳性检验，结果如表2。从表中可以看出，所有变量的原序列都是不平稳的。经过一阶差分处理后，变量序列在1%的显著性水平下都是平稳的。因此，这些变量是一阶单整的。

（三）协整检验

由于变量序列是一阶单整的，满足了协整检验的前提条件，可以进一步进行协整检验。首先对变量序列BL、LDK、LDE、CPI、GDP进行回归。其次，对回归产生的残差序列进行单位根检验，得到ADF值为-4.252580，P值为0.0028，在1%的显著性水平下拒绝了原假设。因此，变量之间存在协整关系。

（四）回归分析

考虑到序列的不平稳以及变量的实际情况，为了更好地描述各个因素对不良贷款的影响，本文将对模型进行一定的调整。首先，由于宏观经济因素影响的持续性，本期的新增不良贷款额可能受到上期宏观经济因素的影响，因此引入滞后一阶的宏观经济变量CPI（-1）和GDP（-1）。其次，由于我国商业银行贷款投向较为集中，不同贷款之间可能存在一定的关联性，本期的不良贷款新增额也可能受到上一期不良贷款额的影响，因此引入不良贷款新增额的滞后一阶BL（-1）。回归模型因此调整为：

表3显示了对模型（2）的回归结果。从P值来看，即使在10%的显著性水平下，变量BL（-1）、LDK（-3）和LDE（-3）都没有通过显著性检验。考虑到变量BL（-1）、LDK（-3）和LDE（-3）之间可能存在相互影响，本文调整了大额贷款规模的滞后阶数，变为LDE（-2）。这样模型既消除BL（-1）、LDK（-3）和LDE（-3）之间潜在的相关性，又能反映前3期内各个时期的因素对当期不良贷款新增额的影响，使得模型更加完整。因此，本文将模型进一步调整为：

表4显示了针对模型（3）的回归结果。在5%的显著性水平下，只有LDK（-3）没有通过显著性检验；而在10%的显著性水平下，所有的变量都通过了显著性检验，说明所有的解释变量都对每月新增不良贷款额（BL）存在显著的影响，并且该模型调整后的拟合优度为0.684470，拟合情况较好。模型显著性检验的P值为0.000170，证明模型也通过了显著性检验。此外，怀特检验的P值为0.1662，小于0.05，接受了原假设，说明不存在异方差，并且DW值为1.85较接近2，说明不存在序列自相关。因此，可以认为该模型是稳定可行的。此外，还可以看到，当期的CPI、GDP以及滞后三期的LDK和滞后两期的LDE都对当期的新增不良贷款产生了正向的影响，而上一期的BL、CPI和GDP都对当期的新增不良贷款产生了负向的影响。最终得到模型的具体形式如下：

表4：回归结果分析

（五）实证结果分析

以上实证分析虽然是针对一家股份制商业银行X在Y市的经营类小微贷款的数据得出的结果，但是也在一定程度上反映了商业银行小微贷款的总体状况。可以为商业银行未来发展小微企业贷款业务提供一定的借鉴意义。具体来说，主要有以下几点：

1.从实证结果来看，宏观经济形势确实对小微贷款的不良额产生了持续显著的影响。这说明大部分贷款投向企业受到经济波动的影响。而且当期不良贷款的产生不仅受到当期经济环境的影响，同时也受到上期宏观经济状况的影响。相较于大企业，小微企业由于规模小、利润来源单一、资本规模小，经济的小幅波动可能对小微企业的资金流产生剧烈的影响，造成小微企业还款困难甚至直接倒闭，从而导致银行产生了不良贷款。

2.实证结果也显示，上一期的新增不良贷款、当期小微贷款的规模以及大额小微贷款的规模都对不良贷款产生具有显著的影响。首先，这一结果反映了商业银行投放的小微贷款规模越大，商业银行面临的风险也越大。其次，这一结果也反映了商业银行投放的各笔贷款之间存在一定的相关性。从当期新增不良贷款与上期新增不良贷款和大额小微贷款的规模之间显著的相关关系可以看出，商业银行存在贷款投向较为集中的现象。商业银行的贷款向部分企业或部分行业的集中，增加了商业银行各笔贷款之间的相关性。贷款的过度集中将增加小微贷款之间的违约相关性。当宏观经济形势发生了不利于小微企业发展的变化时，相关的各笔贷款将相继发生违约事件，从而增加了商业银行的风险，不利于商业银行的稳定。

五、政策建议

（一）建立完善的小微贷款投向监测机制

从以上研究来看，商业银行投放的大额小微贷款对小微贷款的不良贷款规模存在显著的影响。相较于大企业，小微企业还是存在多方面的不足，商业银行与小微企业之间的信息不对称现象也更加严重。针对一般贷款的单一借款人贷款规模的限制，不一定能很好地限制小微贷款的风险。从贷款投向的整体情况来看，贷款投向不仅存在向单一企业集中的现象，同时也存在向单一行业或单一地区集中的现象。因此，针对小微企业的特殊性，商业银行应制定针对小微贷款投向的相关指标，限制小微贷款的过度集中，从而降低小微贷款的风险及违约率。

（二）建立完善的不良小微贷款的追踪机制

从现状来看，由于商业银行贷款投放存在向部分行业集中的现象，因此，当宏观经济形势或行业内部结构发生变化时，该行业贷款企业的资金流也会相应发生变化。由于宏观经济因素对小微贷款的不良规模存在显著的影响，一旦发生不利于该行业发展的风险事件时，该行业内小微企业贷款的违约风险就会增加。由于贷款投向较为集中，贷款的违约相关性将较高，一旦该行业中一家企业发生违约，该行业中的其他企业也可能相继发生违约事件。因此，当某一家企业发生违约事件时，商业银行要充分调查该企业发生该风险事件的原因。如果该原因也可能影响同行业中的其他企业，商业银行就应该提前加强对该行业中其他企业还款能力的监督，从而降低该行业中小微企业贷款的违约可能性。这就要求商业银行在针对小微贷款制定严格的审批流程的同时，制定完善的贷后追踪流程，随时了解借款企业的资金流向以及贷款违约的深层原因。

（三）建立完善的小微贷款补偿机制

伴随着我国经济结构的升级调整，商业银行也在进一步调整自身的信贷结构。为了进一步改善小微企业的融资困境，政府也提出了相应的风险补偿办法来减少商业银行贷款给小微企业的顾虑。我国应该进一步完善小微贷款补偿机制，从而能够真正促进我国小微企业的发展。

[1]Silvia Magri.2009.The Financing of Small Entrepreneurs in Italy[J].Ann Finance，（5）.

[2]Francesco Ciampi，Niccolò Gordini.2013.Small Enterprise Default Prediction Modeling through Artificial Neural Networks：An Empirical Analysis of Italian Small Enterprises[J].Journal of Small Business Management，51（1）.

[3]Francesca Cassano，Karin Jõeveer and Jan Svejnar.2013.Cash flow vs collateral-based credit[J].Economics of Transition，21（2）.

[4]韩征.创造可持续信贷品牌[J].中国金融，2012，（2）.

[5]李志强.小微企业融资难题与信息化对策[J].当代财经，2012，（10）.

[6]黄孝武，王红贵.小微信贷的内在机制与对策因应：鄂省例证[J].改革，2012，（9）.

[7]孙清华，张瞳，刘瑞林.金融企业防范小微企业信贷风险问题研究—基于RAROC的视角[J].管理现代化，2012，（5）.

[8]马若微.我国商业银行违约风险测度模型研究[M].北京：知识产权出版社，2010.