大数据对“三农”主体传统信用风险评估缺陷的弥补

摘要：一直以来，政府和金融监管部门、金融机构、专家学者都付出了艰苦的努力，探索解决“三农”主体融资难、贵、慢问题，但效果并不尽人意，其根本原因在于依据硬信息的传统信用风险评估存在“三农”主体信用信息数据缺失及搜集、处理信息的成本高、效率低等问题。大数据技术为解决这些问题带来了曙光。运用大数据技术对“三农”主体进行信用风险评估，具有突破信息缺失、信息数据搜集和处理成本高、效率低等障碍的优势，但同时也面临数字鸿沟、数据搜集和处理能力不足、金融机构贷款定价自主权不够、消费者信息和隐私泄露等问题。因此，应从完善农村数字金融基础设施、推进数字农业农村发展、加快利率市场化改革、强化“三农”主体信息和隐私保护等方面采取相应的政策措施，为解决我国“三农”主体贷款难、贵、慢问题提供新的思路。

关键词：信用风险评估;“三农”主体;信息不对称;数据搜集和处理

中图分类号：F3     文献标志码：A     文章编号：1004-3160（2022）04-0106-10

国务院印发的《推进普惠金融发展规划（2016—2020年）》指出，大力发展普惠金融是我国全面建成小康社会的必然要求，有利于促进金融业的可持续发展和经济发展方式的转型升级，增进社会公平和社会和谐。我国普惠金融的主战场在农村，“三农”主体是全面推进乡村振兴的重要力量，担负着乡村产业兴旺的使命;“三农”主体也是重要的消费群体，其金融服务的获得，还关系到以内循环为主、国际国内双循环互促新发展格局的实现。因此，对“三农”主体信用风险进行精准评估，帮助其获得金融服务，对巩固脱贫攻坚成果、助推城乡融合发展具有重要的意义。

涉农金融机构是服务“三农”的主力军，是农村普惠金融目标实现的主要力量，政府和金融监管部门也赋予了其服务“三农”的重任，特别是2021年“中央一号文件”要求涉农金融机构要回归服务“三农”的本源，涉农金融机构为此付出了艰苦的努力，央行和银保监会也给予了相关政策支持，并提出了“三个不低于”等业务考核要求，但“三农”主体贷款难贵慢问题一直没有得到有效解决。让更多的“三农”主体获得信贷服务并在获得信贷服务时得到公平的待遇是涉农金融机构的重要使命，而“三农”主体金融服务的获得关键在于其能否通过金融机构的信用风险评估。

一、解决“三农”主体融资难的关键在于对其信用风险进行精准评估

信用是“三农”主体获得金融机构信任的资本，是原始形态的财富向资本转化过程中的关键要素[1]，是经济主体最核心和最基础的资质。如果一个经济主体信用状况不好，就可能被金融体系所抛弃。信用的核心本质是信用价值，信用价值实现的前提是经济主体能够通过金融机构的信用风险评估。信用风险评估的基础是数据。在人类改变自然和变革制度的历史长河中，认知水平在相当长的时期内受制于数据积累[2]。在一个多层次的、比较发达的金融市场，整个金融体系应当有一个高度有效的信用评级标准，通过相互参照，对经济主体进行精准的信用风险评估，保护经济主体参与经济活动的权利，帮助有潜力的客户获得信贷支持，实现其信用价值。

信用风险源于银行与借款人之间的信息不对称（Broecker，1990）[3]。Stiglizs和Weiss指出，信息不对称是正规信贷市场面临的一大挑战[4]。信用风险评估可以帮助金融机构识别服务对象的风险，减少信息不对称。好的信用风险评估还可以唤醒人们的信用意识，使经济主体认识到信用的宝贵，并自觉遵守信用和契约，促进社会信用体系的不断完善。但如果信用评估有偏颇或者不全面，不能对经济主体进行有效准确的评估，就会影响经济主体参与经济活动的机会，而经济主体金融市场的参与度会影响一国的金融发展水平以及经济的长期增长[5]。

对“三农”主体信用风险评估与企业等信用主体不同，科学评估的难度更大。2008年美国次贷危机引发的全球银行危机，使得世界各国开始高度关注银行自身的风险管理质量[6]，表现为银行对发放贷款标准的严格把握。银行发放贷款的基本条件是通过银行对申贷客户的信用风险评估，只有达到放贷标准，收益能够覆盖成本和风险，银行才可能对其放贷。对“三农”的金融服务属于风控非标准化业务领域，因为：一方面”三农”主体缺乏相关财务数据，另一方面，涉农金融机构搜集和处理“三农”主体信用信息的能力不强，只能依靠抵押品，甚至担保、互保这些机制替代处理信用风险的方式，以减少交易前的逆向选择问题，遏制交易后的道德风险问题。[4]但“三农”主体往往缺乏合格的抵押担保品，导致涉农金融机构提高对其贷款的利率;加上担保、互保这些机制需要银行全面了解客户及其相互关系，需要耗费大量的人力、物力、财力，业务开展的成本很高，效率低，难以大面积推广，从而产生了信贷排斥。因此，中共中央国务院2019年4月17日常务会议提出要引导银行提高信用贷款的比重，降低对抵押担保的过度依赖。

提高对“三农”主体信用贷款的比重，有赖于金融机构对其信用风险的精准评估，并在信用风险评估的基础上自主进行贷款定价。这也是构建现代金融体系的本质要求。如何对“三农”主体的信用风险进行精准评估，挖掘其中有还款意愿和还款能力的需求主体，是普惠金融业务开展的第一步。农村信用社改革改善金融支农功能可依据的主要指标之一是“是否提高了农信社对具有还款能力和还款意愿农户的贷款覆盖面”[7]。但现实中由于涉农金融机构的风险控制和管理体系不健全，风险识别和差异化定价能力较弱，不够精细，无法有效区分高风险客户和低风险客户，最终只能把中低风险客户按照高风险客户来进行利率定价，抬高了信贷门槛。加上“三农”主体很多是信用白户，没有借贷记录，缺少相应的数据，或者其经济数据非常分散、细碎，难以有效整合、汇总、形成数据合力，造成信贷机构与“三农”主体之间的信息不对称，金融机构无法对其进行信用风险识别，从而过度依赖抵押、质押手段，以防范道德风险和其他风险。而“三农”主体又缺乏合格抵押品，导致被排斥在金融服务体系之外。可见，在现有依赖“硬信息”的信用风险评估模式下，供求双方的数据缺失和数据挖掘处理能力不足导致了“三农”主体贷款难贵慢问题。

如何克服“三农”主体信用硬信息数据缺乏问题，帮助涉农金融机构对“三农”主体进行精准的信用风险评估，以使“三农”主体中潜在的有效客户能够被金融服务覆盖，获得信用贷款，在解决贷款难贵慢问题的同时提升普惠金融的覆盖面和服务深度，实现农村金融普惠，是我们需要探讨和解决的问题。近年来金融科技的广泛应用让我们看到了用大数据解决“三农”主体信用风险评估问题的曙光。通过引入非传统数据，大数据风控可以给出更精确的信用风险评价，减少对抵押品的依赖，提高缺少信用历史的用户的信用准入概率[9]。因此，在全面推进乡村振兴、发展数字乡村和实现2035年远景目标等政策背景下，探讨用大数据对“三农”主体进行信用风险评估，已具备了较好的宏观政策环境和现实条件。

二、传统方法用硬信息评估“三农”主体信用风险的难点及基于大数据评估的探索

从前面的分析可以看出，信用风险评估就如同经济发展背后的一个“大巫师”，全面准确的信用风险评估可以将潜在借贷主体纳入金融服务范畴，帮助他们抓住市场机会或者改善家庭人力资本素质，推进实体经济发展;相反，错误的或不全面的信用风险评估，则可能会将有信贷偿还意愿和能力的经济主体排斥在金融服务之外，影响信贷资源的优化配置和经济发展。

（一）传统方法用硬信息评估“三农”主体信用风险的难点

1.不能全面掌握潜在客户的信息

信用风险评估的起点是数据，传统信用风险评估的主要数据来源是贷款申请者申请贷款时提交的数据、过去使用贷款过程中产生的数据以及去征信机构查询的相关数据，这些数据主要是财务历史数据。可见，传统信用风险评估主要是基于信贷历史的因果逻辑，如果经济主体过去的信用良好，那么可以预测其未来的信用也好。因果思维模式在信息完全和不完全情况下的效应是不同的。在信息不完全状态下，如果研究者以信息完全为预设前提，依据自己掌握的部分信息为依据对问题做出因果逻辑判断和推论，则不一定能得出正确的认知。[2]信贷机构依赖历史事件进行信用风险评估，但历史事件却没能将相关数据全面真实的记录下来，那就无法准确预测经济主体的信用，经济主体就可能因为不正确的信用风险判断而被排斥在金融服务体系之外。这对经济主体是不公平的，也不利于实体经济的发展。因此，必须从信用风险产生的原因出发，全面准确的搜集潜在客户的所有相关信息，对其信用风险进行准确评价。

2.难以对潜在客户的信用风险进行准确评估

信用风险形成的最核心原因是信用主体缺乏债务管理能力。信用主体以往的信用历史、借款行为及相应的还款历史与信用风险有较强的关系，因此，传统上信用模型、评分卡和信用评级等方法被广泛应用，这些模型和方法所用的数据主要是信用历史数据。如美国著名的FICO信用评估模型就主要依据借款人的信用偿还历史、信用账户数、使用信用的年限、正在使用的信用类型及新开立的信用账户等对潜在借款人的信用风险进行评估。可见，传统信用风险评估中主要考虑潜在借款人过去的财务数据，主要通过其资产负债表、现金流量表和利润表等来判断借贷主体的业务发展状况，预测其违约的可能性。[7]运用历史数据可能会导致对信用风险的现期认知与未来认知的不足，不能有效服务于经济主体的金融服务需求。而且对“三农”等小微经济主体来说，他们可能从来没有参与过信贷活动，也没有信用卡，甚至没有财务报表，金融机构无法据此对其进行信用风险评估。

3.获取潜在客户信息的成本高

为了更好的解决小微主体融资中的信息不对称问题，在传统技术条件下，一些金融机构开发出了关系型借贷，即不需要抵押，而是依靠种族、家族或者小范围的其他力量来维护这种借贷关系，如格莱珉银行的小组联保贷款。但这种替代关系信息的搜集在传统技术条件下需要耗费大量的人力和财力成本，并且，随着工业化、城市化水平的不断提高，我国农村人口流动性变大，熟人社会已经被陌生人社会所取代，这种小范围的“其他力量”逐渐消散，因此这种信贷模式很难大面积推广。解决“三农”主体贷款难贵慢问题，需要我们掌握更有效的技术来搜集和分析更多其他信息以甄别其信用风险。

针对小微主体信用历史数据缺乏问题，一些小贷机构开发出运用经济主体的“三品”“三表”等立体、多维数据信息来验证和评价借贷主体信用状况的做法，取得了较好的效果，这充分说明了非传统数据用于信用风险评估的价值。

（二）基于大数据评估“三农”主体信用风险的探索

经济主体（个人或者企业）的信用并不仅仅反映在其从事金融活动时的相关历史信息中，而是体现在其从事经济和社会活动方方面面的过去、现在乃至未来的数据中，这也是很多小微信贷机构依据软信息进行放贷决策的原因。Stein将信用风险度量指标分为硬信息（客观存在的信息）和软信息（描述性信息）两类[9]。典型的软信息包括社会地位、人品、企业声誉等[10]。廖理和张伟强针对互联网借款平台中个人借款者的信息价值进行实证研究，发现个人借款者的所有信息都存在或多或少的价值[11]。吴晶妹在《三维信用论》一书中指出，经济主体的信用由三个维度构成：一是个体素质，即经济主体是否讲诚信，体现的是一个人的还款意愿，是和品性相关的维度;二是社会活动的合规度，即经济主体作为社会的一分子，是否遵循社会的规定、规则、惯例等;三是经济主体在经济活动中的践约度，即经济主体是否有契约精神，是否按契约的约定履行责任。[12]因而在对“三农”等小微主体进行信用风险评估时，我们可以寻找替代数据和补充数据，代表性的有电信、公用事业、医疗、房租等方面的缴费数据，这些数据具有先消费后付款的信用交易数据的特点;也包括互联网消费、电话号码变更、工作单位地址、社会资本等可以佐证“三农”主体性格和收入状况的数据，以及社交、购物、游戏等折射“三农”主体社会交往、行为特征等方面的数据。Lehner的研究表明，筹资者社交关系网越强大，其筹资能力越强，获得的筹资规模就越大[13];李思瑶等在Stein的风险度量指标体系下进行实证分析，发现借款人的收入、所处区域、学历水平及信用评级与违约率负相关[14];Barasinska和 Schfer发现性别也是影响借贷成功的因素[15]; 廖理等发现借款者的地域分布与其借款成功率相关[16];多年来全球心理学研究的成果也支持心理测试数据与信贷违约之间的统计相关性。国际上一些征信机构开始运用心理测量学数据对信贷主体的信用风险进行评估;一些金融科技平台和互联网银行也利用人工智能捕捉借款申请人在填写相关借贷申请时的犹豫时间、删改信息等情景来辅助判断借款人信用风险。偿还能力也是信用风险形成的一个重要原因，收入能力的降低或者完全丧失、债务和支出的增加导致的可支配收入能力降低等都可能导致偿还风险。因此，“三农”主体的收入能力、收入潜力、财产、现金流状况、经营能力、所处行业状况、经营面临的自然风险和市场风险等都是评价其偿债能力的重要因素。