中小银行再贷款统计计值标准研究——如何精准有效地投放支小再贷款？

■ 胡 蓉 刘春力

（遂宁银行 四川成都 600023）

引 言

再贷款是一种带有较强计划性的数量型货币政策工具，体现了很强的政策指挥棒效应。根据多年的宏观调控政策实践经验，再贷款是人民银行在我国经济发展转型过程中一种非常有效的间接调控手段，在调节基础货币总量、优化资源配置、调整各种信贷结构和支持金融体制改革、维护国家信誉方面发挥了其他货币政策工具不可替代的作用。

1999年人民银行首次推出“支农再贷款”工具来支持涉农信贷业务的投放。紧接着，2014年3月正式创设支小再贷款，专门用于支持金融机构扩大小微企业的信贷投放，同时下达全国支小再贷款额共500亿元。随着脱贫攻坚帷幕的拉开，扶贫再贷款于2016年问世。后来，为了实现巩固拓展脱贫攻坚成果同乡村振兴有效衔接，人民银行先后多次增加支农再贷款和支小再贷款额度，并于2020年6月特别创设普惠小微企业贷款延期支持工具和普惠小微企业信用贷款支持计划两项直达工具，支持金融机构对暂时遇到困难的小微企业贷款延期还本付息，鼓励金融机构加大对小微企业信用贷款的投放力度。

2022年4月以来，人民银行先后推出了4400亿再贷款工具，具体包括2000亿科技创新再贷款、1000亿交通物流领域再贷款、1000亿支持煤炭清洁高效利用专项再贷款额度以及400亿普惠养老领域再贷款。2022年9月21日召开的国务院常务会议确定，在2022年第四季度，将收费公路货车通行费减免10%，同时对收费公路经营主体给予定向金融政策支持，1000亿元“交通物流专项再贷款”在各地加速投放，取得了显著成效。

图1 专项再贷款的发展历程

一、支小再贷款的金融统计指标现状

（一）统计指标分散

支小再贷款统计指标涉及申请额度和实际使用额度。现有相关统计指标较为分散，有资产负债表中指标“向央行借款”-“再贷款”统计申请额度情况；货币信贷报文“再贷款使用情况”统计实际使用明细情况。

（二）统计指标重叠

货币信贷月报中“再贷款使用情况”本年增加了“人民银行再贷款专项监测标识”字段，统计了受支持的贷款主体分类，包括家庭农场、龙头企业、专业合作社、科技型中小企业以及其他主体，但主体分类可能会存在重叠情况，故对不同主体类型的支持情况统计并不完全精确。

（三）指标统计不直观

目前关于再贷款的统计没有形成统一的月度专项报表，不能直观地按地区、按再贷款专项种类统计余额及利率，不便于进行相关数据分析，这也是本文研究“再贷款专项统计计值”的目的所在。

二、研究假设

货币政策的精准投放就是将信贷支持具体投向到符合该项政策的主体上，主体的适当性会影响政策的效应。近三年来，由于疫情的原因，大部分小微企业受经济波动影响较大，为鼓励中小企业发展，人民银行加大了支小再贷款的额度，点对点地扶持小微企业。在市场经济环境中，不同类型的小微企业本身也存在着较大的差异，有的小微企业有很强的市场适应能力，有的小微企业则需要更多的政策扶持以支持发展。人民银行的再贷款业务模式是“先申请、后支用”，那么如何有效精准地投放支小再贷款以更高效地落实人民银行货币政策呢？

本文认为，为实现这一目标，可以建立一个客户群体的选择模型，该模型可以从企业的发展和社会贡献两个维度出发，通过指标设置来衡量该企业的发展阶段和社会贡献的能力水平。如果企业没有达到可持续的盈利平衡点但是却达到了社会贡献的平衡点，说明这类企业有着良好的上升通道，那么这个企业适合通过再贷款政策的支持实现更大程度的成长和发展。从客户选择来说该类企业是精准投放再贷款的目标企业，通过再贷款精准投放的信贷支持，给予这类企业一定的成长发展时间，这类企业将实现良好的社会效应，最终带动地方经济的快速发展。

三、研究模型

（一）样本选择及数据来源

以A银行为例，在A银行客户信息库中筛选出3000户客户样本，从中再筛选出符合样本客户条件的企业类客户，该类合格样本客户的要求是指有连续3期完整的财务报表，包括行业、人数、经营范围等在内的经济数据没有缺失，且资产负债表、利润表等各类报表的末级指标录入完整。

（二）小微企业发展能力和社会贡献率的指标选择

企业的发展能力不仅和财务效益指标相关，还涉及成长性的指标。根据A银行数据，考虑指标的可得性，在目标客户模型中效益类指标包括总资产收益率、营业利润率、资本收益率等；成长类指标包括总资产增长率、净利润增长率以及营业收入增长率等。指标的权重可考虑层次分析法，它是一种定性分析与定量分析相结合的多目标层次权重决策方法，该方法能通过问卷调查后的数据指标分析，形成模型化、数学化的决策思维模式。

模型指标测算方式如表1及表2：

表1 企业盈利能力测算指标

表2 样本平均盈利能力测算

企业社会贡献率是评价企业对社会的贡献度，是财政部对企业经济效益的一项评价指标。模型中的测算方式采取财政部关于社会贡献率的专门测算方法：社会贡献率=企业社会贡献总额÷平均资产总额×100%。社会贡献总额包括:工资（含奖金、津贴等工资性收入）、劳保退休统筹及其他社会福利支出、利息支出净额、应交或已交的各项税款、附加及福利等。基于A银行样本客户数据实际情况，测算社会贡献率=年报中的（职工工资+福利费+住房公积金和住房补贴+利息支出+税金及附加）/平均资产总额×100%。测算出每个样本的社会贡献率后，进一步测算出样本的平均社会贡献率为0.0191。

（三）样本企业分类

根据以上数据模型，测算出样本群体的平均盈利能力及平均社会贡献力。客户的盈利能力和社会贡献力对目标的加权影响程度均为50%。运用四象限模型分析，X轴为平均企业盈利能力，Y轴为平均企业社会贡献力，XY的交点为平衡点（即平均盈利能力以及平均社会贡献度），比较每个样本和平衡点的情况，将每个客户划分至四象限，将客户分为四类。四类客户及其企业特点如下：

表3为样本客户的数据分类分析，通过样本客户数据，可将客户对应分为下图所列的四象限分类客户。

表3 样本客户分类

对于四类小微客户，每类需要的信贷支持政策是不同的，甚至个别客户由于其社会贡献度以及盈利能力都严重低于平均水平，金融机构需要从风险角度慎重考虑是否可以进行信贷投放，或者如何进行合理的信贷投放，才能防控未来风险。

（四）确定再贷款精准投放的目标群体

我们可以看到这四类客户的特点，详见下表4。由于C类客户目前的盈利能力低于平衡点，但社会贡献度高于平衡点，我们认为此类客户是需要政策重点扶持的对象，是再贷款精准投放的目标群体客户。

表4 四类客户分类特点表

表5 盈利能力与社会贡献度的相关系数表

前几年由于疫情，多数小微企业生产受到影响，外部因素严重影响了企业的盈利能力。这些企业虽然盈利能力低，但其用工、福利支出、缴税等对社会贡献度高，“再贷款”作为金融纾困的关键举措需要精准投放于这类客户，给予这类客户定向金融支持，降低融资成本，缓释因为疫情带来的经营冲击。目前疫情过去，这类企业在再贷款的支持下，得到了较好的发展。

（五）模型结论的验证

验证支小再贷款精准投放目标群体理论是否有效可行，我们首先从目标客户C中筛选出有贷款余额的客户群C，其次用客户C与客户群E（2020年新增的享受支小再贷款政策的客户）去匹配，如果匹配度高于75%，我们认为模型可行。考虑到25%的容忍偏差，有余额的客户群体C为2020年新冠疫情爆发前的存量中长期贷款客户，贷款发放时并未享受到支小再贷款政策，或者客户群C享受了支小再贷政策，但并不是2020年新增的支小再贷客户；现已享受支小再贷款的客户为新设企业，仅有连续1年的财务报表数据，无上期财务数据，而合格样本是必须有连续3年的财务数据，故部分现已享受支小再贷款的客户不在合格样本里，无法匹配；现已享受支小再贷款的客户企业规模为中型或者为个体工商户，不在合格样本里，无法匹配；现已享受支小再贷款的客户社会贡献度或者盈利水平刚好等于平均水平，而目标群体C是剔除处于X轴和Y轴的客户，故无法匹配。

1.模型检验。合格样本3000户，目标客户C共计850户，其中有贷款余额的客户群C共计720户，其中590户能在客户群E中匹配成功，匹配度81.94%，模型验证成功。

2.相关系数检验。在相关研究中，社会责任指企业在自身发展的同时维护和增进了社会整体利益；李正（2006）在企业价值与社会责任关系的研究中，显示企业的社会责任感越高，就越能体现企业的社会价值；张洪波（2009）用7年的数据选取了256家公司的研究样本，运用分布滞后模型和格兰杰因果检验发现企业社会责任与财务绩效存在正相关关系。在本文的研究中，人民银行再贷款的精准投放扶持企业有了更好的发展，带来了更大的经济效益后，是否对社会产生了更大的贡献，体现了精准投放的社会价值呢？

为了进一步验证企业在盈利能力明显提升的情况下，对于社会贡献度有更加正向的积极作用，在稳健性验证阶段，我们进一步通过相关系数检验关键数据之间的相关性，通过P值可见盈利能力与社会贡献度之间相关性显著，以此说明通过人民银行支小再贷款精准投放的企业，在企业得到更加良好的发展以后，对于推动经济发展反哺社会履行社会责任有积极作用。

3.检验结论：可以使用支小再贷款精准投放模型验证客户是否属于目标群体C，如果属于目标群体，则可以享受支小再贷款的政策支持，同理，该模型对于精准投放政策的实施有一定的可行性。

（六）模型在实操中存在的主要不足

1.合格样本数量少，增加了模型的误差。由于研究的样本取自于A银行内部的客户信息数据库，样本数量少；其次，样本的年度财务数据信息为前台手工录入，若存在多种情况未录入基期数据，则无法测算出盈利水平中的“成长指标”，剔除此类样本后，合格样本数量降低。

2.盈利水平-社会贡献度平衡点是变量，不稳定，会随着新增样本的增加而变动。若金融机构新增了首次授信的小微企业客户，那么样本数量增加，必定会影响指标平衡点，平衡点的变动甚至会影响存量金融机构客户的四象限分类。客户分类变动会影响客户在银行信贷支持的变化，有可能上个月这个客户是在象限D（不需信贷支持），这个月由于样本平衡点变动，这个客户分类变到了象限C，变成了“支小再贷目标群体”。

3.模型对于不同的法人机构适用性是并列的关系，而不是合并的关系，模型仅单独适用于每个法人机构。由于每个法人机构的小微企业客户群体不同，那么平衡点也可能不同，那么同一客户在不同的法人机构由于平衡点的不同也就是标准的不同会造成客户分类不同，那么享受的信贷政策也就不同。但是由于再贷款实际是以法人机构为单位向人民银行申请，不同法人机构的信贷政策本身就存在一定差异，那么对于同一客户在不同的法人机构得到的信贷支持计划也是有差异的。所以模型更偏向适应于A银行的客户选择模型，目前还尚未建立适用所有法人机构的客户选择模型标准。

四、政策建议

基于上述研究模型及再贷款金融统计现状，为进一步促进小微企业再贷款精准扶持的落实，本文提出以下政策建议：

（一）加强金融基础设施建设及数据信息共享

宏观政策的实施需要通过对大数据的分析来实现，但是目前对于客户基础数据的获取主要是通过客户传递，由于信息不对称，可能会存在虚构数据的情况，在数据传递后记录过程中也存在内部员工操作失误的情况。以大数据分析的手段实施政策的深层次精准滴灌，尚存在实际困难。建议加强金融基础设施建设及数据信息共享，如加强金融基础数据库、支付清算体系建设，加强税务、社保信息共享，通过大数据整合企业信息，推进小微企业信用体系及基础信息体系的建设。

（二）建立金融机构内部统一完整的信息数据库

数据的分析不仅仅是依靠外部数据的，建立健全完善的内部信息数据库才是进行数据分析的基石。因此建议金融机构内部数据库首先应扩大存储指标，便于多维度分析，其次应加强数据录入及更新管理，保证准确性、完整性及适用性。

（三）利用外部及内部信息数据库，建立行内支小再贷款精准投放名单

在完善的金融基础设施以及完整的内部数据库的前提下，金融机构可以充分地利用大数据，设置标准化的名单模型，建立行内的小微企业客户分类库，以及支小再贷款精准投放名单。名单可以按月更新，实时向前端系统推送，以供监测分析以及扶持政策落地。

（四）整合金融统计中有关再贷款的统计指标，形成标准化的月度报表

指标至少应包含再贷款申请额度以及实际支用余额和再贷款四大类（支农、支小、扶贫、其他专项再贷款）的余额及加权利率等，为统一数据平台打下良好的基础。