王吉恒，常歆

（東北農(nóng)業(yè)大學經(jīng)濟管理學院，哈爾濱150030）

農(nóng)村小額貸款信用風險影響因素分析
——基于中國農(nóng)業(yè)銀行的實證研究

王吉恒，常歆

（東北農(nóng)業(yè)大學經(jīng)濟管理學院，哈爾濱150030）

商業(yè)銀行不斷加大農(nóng)村小額貸款投入以促進農(nóng)村經(jīng)濟發(fā)展，但隨商業(yè)銀行信貸規(guī)模不斷擴大，信用風險問題備受關注?；阢y行、農(nóng)戶、外部環(huán)境三個視角分析中國農(nóng)業(yè)銀行1997～2016年不良貸款相關數(shù)據(jù)，利用逐步回歸分析法篩選顯著變量，建立回歸模型，通過實證分析發(fā)現(xiàn)該行農(nóng)村小額貸款違約影響因素，包括農(nóng)村勞動力人口過多、勞動力文化素質(zhì)偏低、銀行貸款資金供給不充分、農(nóng)戶信用狀況了解不到位等。究其成因，結(jié)合貸款實際情況對銀行和農(nóng)戶提出相關對策建議，以期有效控制農(nóng)村小額貸款信用風險，真正降低農(nóng)村小額貸款違約風險。

農(nóng)村小額貸款；信用風險；逐步回歸分析

一、引言

農(nóng)村小額貸款是我國農(nóng)村經(jīng)濟快速發(fā)展主要資金來源。國家對“三農(nóng)”問題關注密切，農(nóng)村小額貸款規(guī)模不斷擴大。規(guī)模擴大的同時，農(nóng)村小額貸款諸多深層次問題日益凸顯，農(nóng)村生產(chǎn)經(jīng)營方式有待創(chuàng)新，農(nóng)村貸款發(fā)放流程不成熟等問題嚴重影響農(nóng)村經(jīng)濟增長。因此，研究新形勢下農(nóng)村小額貸款現(xiàn)狀及存在問題并提出對策，具有重要現(xiàn)實意義。

國外研究側(cè)重于不良貸款定性分析、違約風險影響因素及通過構(gòu)建模型預測農(nóng)戶違約風險，如Otero等（1994）認為，農(nóng)村小額貸款為農(nóng)戶提供可靠資金來源，提高農(nóng)村地區(qū)整體收入水平，推動農(nóng)村經(jīng)濟發(fā)展。Berger等（1997）針對商業(yè)銀行研究發(fā)現(xiàn)，商業(yè)銀行對農(nóng)村貸款缺乏準確判斷，貸款發(fā)放流程和審核過程存在漏洞，銀行工作人員業(yè)務水平影響信貸資產(chǎn)質(zhì)量。Morduch（2000）提出相較于未獲得小額貸款的農(nóng)戶，獲得貸款的農(nóng)戶經(jīng)濟收入明顯更高。Kwan（2003）認為，不良貸款率與銀行信貸成本呈正相關關系。降低不良貸款率的同時，銀行信貸成本下降。成本降低，銀行收益增多，收益最大化是銀行經(jīng)營目標。在此基礎上，Baptiata等（2006）研究農(nóng)村小額貸款違約因素，研究表明除貸款金額、期限外，貸款實際用途、借款人經(jīng)營管理能力、文化素養(yǎng)對違約風險具有重要影響。Bae等（2014）研究指出，農(nóng)村小額貸款利率過高導致銀行承擔更大的貸款違約風險，同時借款人信用等級也影響不良貸款的形成。Knapp等（2014）研究不同貸款組合，發(fā)現(xiàn)銀行與農(nóng)戶間信息不對稱及農(nóng)戶間相互隱瞞信息一定程度上影響及時還貸，引起小額信貸風險。指出以小組貸款模式發(fā)放貸款可降低違約風險，成員間可互相監(jiān)督，孟加拉銀行利用此方法有效規(guī)避風險。國內(nèi)學者研究側(cè)重于定性研究，主要研究外部經(jīng)濟環(huán)境、銀行內(nèi)部制度和監(jiān)管體系等，如牟曉偉（2010）認為，農(nóng)村小額貸款指銀行機構(gòu)加大支農(nóng)投入，簡化信用貸款手續(xù)，在一定額度和期限內(nèi)向農(nóng)戶發(fā)放的不需抵押貸款。農(nóng)村小額貸款適用對象不局限于從事農(nóng)村土地耕作的農(nóng)戶，對從事與農(nóng)村經(jīng)濟發(fā)展相關生產(chǎn)經(jīng)營活動的農(nóng)民、個體經(jīng)營戶等同樣適用。謝志忠（2011）指出國家應明確規(guī)定商業(yè)銀行農(nóng)村小額貸款占比，根據(jù)風險可能性、農(nóng)村實際經(jīng)濟情況、農(nóng)戶自身條件適當擴大貸款額度及貸款對象范圍，充分發(fā)揮金融機構(gòu)作用。小額信貸實證研究方面，張啟文（2012）通過層次分析法分析各地農(nóng)村商業(yè)銀行盈利能力，其中不良貸款率對盈利能力影響較大，并對此提出建議。王偉濤（2013）利用向量回歸模型分析影響商業(yè)銀行農(nóng)村小額貸款信用風險的微觀與宏觀因素，并研究其影響程度。鄧旭敏（2013）從商業(yè)銀行角度分析農(nóng)村小額貸款成因、特點，從銀行貸款發(fā)放流程、貸款審批制度、貸款用途監(jiān)管體系三方面提出對策建議。此外，銀行對農(nóng)戶信用評級與評價體系也是農(nóng)村小額貸款重要研究內(nèi)容。嚴青（2014）指出發(fā)放農(nóng)村小額貸款目的是為農(nóng)村貧困人口提供經(jīng)濟支持，但也應注重商業(yè)銀行經(jīng)濟效益，貸款對象應是信用良好、具備還款能力的農(nóng)戶。張昕（2014）指出商業(yè)銀行貸款風險管理的重要性和緊迫性，詳細分析貸款管理現(xiàn)狀，提出適應經(jīng)濟環(huán)境快速變化的建議。刁玉軍（2014）認為，農(nóng)村小額貸款違約風險由農(nóng)戶與銀行雙方面原因引起，農(nóng)戶還款意識不到位，銀行監(jiān)管體系不健全均造成農(nóng)村小額貸款安全隱患，農(nóng)戶與銀行應共同改進，采取相應措施降低不良影響。

可見，農(nóng)村小額貸款研究角度不同，影響因素結(jié)論存在差異。但隨經(jīng)濟環(huán)境日益復雜，不同區(qū)域農(nóng)村小額貸款影響因素亦不同。鑒于此，本文結(jié)合中國農(nóng)業(yè)銀行1997～2016年貸款相關數(shù)據(jù)，通過銀行、農(nóng)戶、外部環(huán)境三方面分析農(nóng)村小額貸款中信用風險存在問題，利用逐步回歸分析法篩選顯著變量，建立回歸模型，通過實證分析確定農(nóng)村小額貸款違約影響因素，結(jié)合實證分析結(jié)果提出針對銀行和農(nóng)戶的對策建議，以控制農(nóng)村小額貸款信用風險，降低農(nóng)村小額貸款違約風險。

二、農(nóng)村小額貸款發(fā)展現(xiàn)狀及存在問題

（一）農(nóng)村勞動力人口過剩，文化程度偏低，缺乏風險敏感性

目前，我國農(nóng)村勞動力文化程度整體偏低，無法最大限度利用自身條件增收，對市場判斷和風險形成缺乏敏感性。農(nóng)村勞動力文化程度普遍偏低根本原因在于農(nóng)村教育水平有限。首先，農(nóng)村居民受教育機會較少，農(nóng)村學校設施和師資素質(zhì)較城市存在較大差異。其次，大部分農(nóng)村家庭無力承擔高等教育成本，農(nóng)村學生在升學考試中處于劣勢，部分農(nóng)村家庭不會選擇讓孩子繼續(xù)接受高等教育，農(nóng)村勞動人口文化素質(zhì)始終處于較低水平，當市場需求、銷售狀況發(fā)生變化時，農(nóng)戶缺乏預知風險能力，造成農(nóng)產(chǎn)品滯銷，低價出售，導致收入循環(huán)下降。

隨國家三農(nóng)政策大力扶持，大量農(nóng)村人口回鄉(xiāng)務農(nóng)，但社會經(jīng)濟快速發(fā)展，單純體力勞動已無法滿足農(nóng)民生活需求，勞動力人口盲目增加只會導致農(nóng)民收入減少。原因在于，現(xiàn)代科學技術進步極大促進農(nóng)業(yè)生產(chǎn)率增長，農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)更成熟，農(nóng)業(yè)生產(chǎn)機械化水平日益提高，產(chǎn)生過剩勞動力。因此，過多剩余勞動力增加農(nóng)業(yè)生產(chǎn)成本，無法實現(xiàn)效益最大化。

（二）生產(chǎn)成本不斷攀升，貸款資金未充分利用

隨我國經(jīng)濟快速發(fā)展，農(nóng)村勞動力雇傭價格飛速上漲，以我國人均擁有耕地面積計算，雇傭勞動力支出占農(nóng)戶生產(chǎn)成本比重較高。農(nóng)村勞動力價格水平上漲引起農(nóng)產(chǎn)品價格不斷上升。為增加產(chǎn)量大量使用農(nóng)藥、化肥，無疑增加農(nóng)業(yè)生產(chǎn)成本。由于農(nóng)戶貸款金額有限，無力承擔過重農(nóng)資生產(chǎn)成本，相較于機械化生產(chǎn)，農(nóng)作物價格不具競爭優(yōu)勢，因此農(nóng)戶盈利減少，收入下降，無法按期償還貸款。

農(nóng)業(yè)生產(chǎn)成本不斷攀升，農(nóng)民貸款資金用途單一，大部分貸款資金用于購買種子、化肥等。由于資金匱乏，機械化作業(yè)和生產(chǎn)技術資金投入偏低，防范種植風險的資金投入有限。農(nóng)戶所得貸款資金未充分利用，遭遇自然災害時，全部損失由農(nóng)戶承擔，未能分散農(nóng)業(yè)生產(chǎn)風險，無法保證收入穩(wěn)定性。

（三）銀行貸款資金供給不充足，限制農(nóng)戶擴大生產(chǎn)

農(nóng)村小額貸款是一個循環(huán)借貸過程，周期較短，主要滿足農(nóng)戶一個生產(chǎn)周期內(nèi)資金需求。以中國農(nóng)業(yè)銀行為例，農(nóng)村小額貸款額度基本在5～10萬，其撥備覆蓋率仍具下降空間，資本充足率較商業(yè)銀行資本管理辦法規(guī)定的最低要求仍有一定差距。但對銀行而言，保證貸款總額與銀行利潤間平衡尤為重要，既不能盲目追求利潤，也不能過于謹慎。因此，銀行貸款資金供給相對于農(nóng)戶資金需求嚴重不足，限制農(nóng)民擴大生產(chǎn)。

農(nóng)戶償還上一年度貸款的同時，基本仍會選擇貸款作為本年度生產(chǎn)的資金來源。農(nóng)戶若想提高收入，擴大生產(chǎn)，需要更多貸款資金。但結(jié)合中國農(nóng)業(yè)銀行貸款資金實際供給情況，農(nóng)戶貸款資金總額受限制，貸款總額并未隨生產(chǎn)規(guī)模擴大而增加，擴大再生產(chǎn)受限，農(nóng)戶貸款意愿降低，商業(yè)銀行貸款利潤下降。

（四）農(nóng)戶信用狀況了解不確切，貸款管理不到位

銀行工作人員調(diào)查農(nóng)戶信用時，由于信息不對稱無法得到農(nóng)戶完整有效的信用狀況，易成為銀行不良貸款隱患。農(nóng)村小額貸款發(fā)放對象是具有還款能力且還款意識較強的中低收入農(nóng)戶。但在農(nóng)戶信用評級調(diào)查中，易受偏向性影響，或農(nóng)戶間相互提供虛假數(shù)據(jù)，造成農(nóng)戶信用等級不真實，不符合條件的借款人獲得貸款。

與此同時，銀行農(nóng)戶信用記錄信息管理系統(tǒng)不完善，無法有效識別客戶信用風險。貸款成功后，銀行未及時掌握農(nóng)戶即時信息，對農(nóng)戶貸款用途檢查不到位，導致貸款資金損失。長期以來，我國農(nóng)村小額貸款相對重視發(fā)放環(huán)節(jié)，忽視貸后資金使用情況，小額貸款發(fā)放后，未及時發(fā)現(xiàn)和跟蹤調(diào)查借款人由于缺乏相應技術經(jīng)驗無法完全利用資金等問題，導致貸款到期無法償還。

三、商業(yè)銀行不良貸款影響因素實證分析

（一）變量和數(shù)據(jù)選取

本文通過研究影響不良貸款因素探討防范農(nóng)村貸款信用風險的措施。選取變量時考慮其代表性、全面性及數(shù)據(jù)來源可靠性和完整性，結(jié)合中國農(nóng)業(yè)銀行不良貸款實際情況，選擇不良貸款率Y作為被解釋變量（見表1）。從農(nóng)戶借貸行為特征看，農(nóng)戶家庭收入、生產(chǎn)經(jīng)營規(guī)模和家庭特征是農(nóng)村小額貸款信用風險成因重要因素。此外，農(nóng)戶家庭結(jié)構(gòu)和人口特征對農(nóng)村小額貸款信用風險具有一定影響，因此選取農(nóng)村家庭勞動力文化狀況、農(nóng)民純收入、農(nóng)村生產(chǎn)費用現(xiàn)金支出及勞動力人口作為解釋變量；以GDP增長率衡量整體經(jīng)濟狀況，反映國內(nèi)經(jīng)濟活動實際狀況；貨幣供應量、貸款利率反映貨幣當局采取的貨幣政策及宏觀調(diào)控；資本充足率代表商業(yè)銀行針對信貸資產(chǎn)風險增長的抵御能力；撥備覆蓋率表明商業(yè)銀行對貸款損失的彌補能力；貸款/總負債衡量我國商業(yè)銀行資金用于貸款的比重及商業(yè)銀行貸款能力；存貸比體現(xiàn)商業(yè)銀行對風險偏好程度。

表1 變量指標選取

（二）實證方法

運用Eviews軟件，建立線性回歸模型，由于商業(yè)銀行不良貸款率影響因素眾多，增加解釋變量會增加變量間多重共線性，因此本文選取逐步回歸分析法檢驗所選變量，篩選對不良貸款率具有顯著作用的變量，并由大至小逐個引入回歸方程，剔除不顯著變量，分析不良貸款成因。結(jié)合中國農(nóng)業(yè)銀行1997～2016年各項指標及農(nóng)戶實際情況，得到最優(yōu)結(jié)果。

（三）實證分析及結(jié)果

1.OLS回歸分析

為使數(shù)據(jù)更平穩(wěn)，削弱模型異方差性和共線性，取對數(shù)以減小數(shù)據(jù)波動對實證結(jié)果的影響。結(jié)果見表2。

由表2可知，該模型R2=0.9，說明模型整體擬合程度良好，p＜0.05，表示自變量總體在5%水平上顯著。DW統(tǒng)計值在2.0附近，說明模型基本不存在自相關。X2、X3等變量回歸系數(shù)較小，P＞0.05，對不良貸款率不具有顯著影響。綜上所述，自變量之間可能存在多重共線性，應檢驗各變量間相關系數(shù)。

2.相關性分析

由于在OLS回歸分析中，有自變量未通過檢驗，說明自變量間存在多重共線性。因此對回歸方程中自變量作相關性檢驗，結(jié)果見表3。

由表3可知，各自變量間存在較高相關系數(shù)。其中LNX2和LNX3相關系數(shù)高達0.976，因此，各解釋變量間存在多重共線性。應運用逐步回歸分析法剔除不顯著變量，對不良貸款率解釋變量再次回歸分析。

3.逐步回歸分析

逐步回歸分析法的原理是對全部因子按其對被解釋變量影響程度依次逐個引入回歸方程，并隨時檢驗回歸方程當時所含全部變量，檢驗其是否仍然顯著，不顯著則全部剔除，直至再無顯著因子可引入，也無不顯著變量需要剔除為止。將不良貸款率及各解釋變量代入模型，結(jié)果見表4。

表2 OLS回歸分析結(jié)果

表3 自相關檢驗結(jié)果

表4 逐步回歸分析結(jié)果

表4中R2=0.99，回歸方程擬合優(yōu)度通過檢驗。方程顯著性檢驗中P值均＜0.05，解釋變量均有效。F=2130.551＞F0.05（7，20），模型通過F檢驗。解釋變量t值均＞t0.025（20），即通過t檢驗。DW值仍在2附近波動，變量間不存在自相關性。綜上，模型通過各項檢驗，為最優(yōu)模型。

回歸模型方程如下：

（四）實證結(jié)果及影響因素分析

由回歸模型方程可知，對商業(yè)銀行不良貸款率影響最大因素是撥備覆蓋率。撥備覆蓋率指銀行計提貸款損失準備對不良貸款的比率，考查銀行貸款風險是否可控，指標越高，銀行抵御風險能力越強，但比率過高，則降低銀行利潤。撥備覆蓋率每變動一單位量，不良貸款率變動0.924 460單位。兩者呈負相關關系。該行1997～2016年撥備覆蓋率值最初為300%，自2008年開始降低，2014年降至150%左右，說明其意識到通過降低撥備覆蓋率提升銀行放款總額和利潤空間。

第二位是農(nóng)村家庭勞動力文化狀況。農(nóng)村勞動力受教育程度對農(nóng)業(yè)生產(chǎn)量、農(nóng)民收入等多方面具有重要影響，影響農(nóng)村小額貸款還款能力。二者呈負相關關系，農(nóng)戶文化程度越高，形成不良貸款風險越小。農(nóng)村家庭勞動力文化狀況變動一個百分比，不良貸款變動0.747 789個百分比。從我國目前農(nóng)村教育程度看，農(nóng)戶文化水平基本集中在小學和初中，對農(nóng)業(yè)生產(chǎn)技術掌握有限，接受能力較低，整體勞動力文化素質(zhì)有待提升。

農(nóng)村勞動力人口數(shù)對不良貸款影響較大。勞動人口數(shù)變動一單位，不良貸款率變動0.720 644單位，兩者呈正相關關系。在農(nóng)業(yè)發(fā)展歷史上，通常認為勞動力人口增多會增加農(nóng)民收入，降低農(nóng)戶還貸風險。對于現(xiàn)階段我國農(nóng)村勞動力人口數(shù)量而言，勞動力人口上升反而增加形成不良貸款幾率。因為隨經(jīng)濟不斷增長，勞動不斷被機械替代，不僅增加農(nóng)作物產(chǎn)量，提高工作效率，且降低人工勞務費，節(jié)省的人工同時也可外出務工，實現(xiàn)農(nóng)民收入快速增長。通過實證檢驗，我國農(nóng)村勞動力過剩，應采取必要措施分散過多勞動力。

貸款/總負債指貸款占銀行資金比重及銀行貸款能力。其比值越高，銀行貸款規(guī)模越大，面臨貸款違約風險越大。反之，銀行盈利能力較低，新增貸款可能性越大。由回歸方程可知，貸款/總負債每變動一單位，不良貸款率變動0.328 612單位，兩者呈正相關關系。該行貸款/總負債呈上升趨勢，說明資金量充足，可增加貸款總額，同時防范隨之增加的違約風險。

貨幣供應量增長率是社會經(jīng)濟運轉(zhuǎn)服務中貨幣量的變化，反映貨幣管理當局貨幣政策。貨幣供應量每變化1個百分點，不良貸款率變化0.016 143個百分點，兩者呈正相關關系。貨幣供應量變化受經(jīng)濟環(huán)境調(diào)控，供應量上升可增加農(nóng)民存款，降低不良貸款發(fā)生概率。

農(nóng)民生產(chǎn)費用現(xiàn)金支出可引起不良貸款率變化，每變化1個百分點，不良貸款率變動0.028 624個百分點，兩者呈負相關關系。由數(shù)據(jù)可知，我國農(nóng)民費用支出不斷增加，當收入增長小于費用支出速度時，農(nóng)民實際收入相對減少，增加形成不良貸款的風險概率。

四、結(jié)論與對策建議

農(nóng)村經(jīng)濟又好又快發(fā)展對進一步縮短我國城鄉(xiāng)差距具有重要意義。農(nóng)村小額貸款因此肩負致富于農(nóng)的重擔，一定程度改善農(nóng)民生活水平。只有完善銀行貸款控制制度，改進農(nóng)戶生產(chǎn)經(jīng)營方式，提高農(nóng)戶還款意識才能從根本上解決銀行不良貸款問題，使商業(yè)銀行信貸業(yè)務持續(xù)健康發(fā)展。因此，本文結(jié)合實證分析結(jié)果，對農(nóng)村小額信貸信用風險防范提出對策建議。

（一）放寬農(nóng)村小額貸款標準，加快地方經(jīng)濟發(fā)展

目前，農(nóng)村小額貸款放貸對象主要針對將耕種作為生活來源的貧困農(nóng)戶，為其提供生活保障。在此基礎上，農(nóng)村小額貸款還可發(fā)放給在農(nóng)村經(jīng)營的小微企業(yè)、個體工商戶或農(nóng)民合作社等，在扶持傳統(tǒng)農(nóng)業(yè)種植的同時，也為創(chuàng)新型農(nóng)業(yè)生產(chǎn)提供資金支持。隨農(nóng)村經(jīng)濟不斷發(fā)展，不斷形成種植、加工、運輸?shù)认盗挟a(chǎn)業(yè)鏈，從源頭提高農(nóng)民收入，減少中間過程成本的增加。放貸給以上新型企業(yè)，可彌補農(nóng)民在生產(chǎn)技術與農(nóng)產(chǎn)品銷售上的不足，帶動傳統(tǒng)農(nóng)業(yè)發(fā)展，推動地方經(jīng)濟發(fā)展。

（二）精簡農(nóng)村勞動力人數(shù)，提高農(nóng)民文化水平

我國農(nóng)業(yè)現(xiàn)代化快速發(fā)展意味農(nóng)業(yè)生產(chǎn)工具進步及科技含量增長，使得農(nóng)業(yè)對勞動力需求減少，出現(xiàn)大量剩余勞動力?？蓪⑥r(nóng)村剩余勞動力轉(zhuǎn)移至農(nóng)村企業(yè)，將勞動力由體力型轉(zhuǎn)變?yōu)榧夹g型，在農(nóng)業(yè)產(chǎn)業(yè)鏈發(fā)展過程中發(fā)揮更大作用。在勞動力轉(zhuǎn)型過程中，勞動力文化素質(zhì)發(fā)揮重要作用，農(nóng)村勞動力職業(yè)技能提升是提高農(nóng)戶勞動收入渠道之一。目前我國農(nóng)村勞動力整體素質(zhì)偏低，相應教育和職業(yè)培訓仍不足，因此應提升農(nóng)村教育水平，針對現(xiàn)代農(nóng)業(yè)發(fā)展要求培養(yǎng)農(nóng)戶。對于青年勞動力提高其文化知識水平、使其掌握實用技術，對于中年勞動力引導其開展多種經(jīng)營，在農(nóng)閑時多渠道增加收入。

與此同時，銀行可根據(jù)我國農(nóng)村人口文化素質(zhì)現(xiàn)狀定期定點走訪農(nóng)戶家庭，開展基本金融知識宣傳與普及，使農(nóng)戶形成主動還款意識，認清還款責任。

（三）豐富農(nóng)村小額貸款額度及種類，適應農(nóng)戶規(guī)?；?jīng)營要求

農(nóng)戶生活資金大部分來源于銀行貸款，農(nóng)戶利用貸款開展農(nóng)業(yè)生產(chǎn)種植，更多資金支持有利于農(nóng)戶增加初始投入，增加農(nóng)業(yè)產(chǎn)出。新型農(nóng)村經(jīng)濟發(fā)展使一部分素養(yǎng)相對較高的勞動力尋求提高收入新途徑，包括購入新型農(nóng)機設備、建立糧食加工基地等均需大量資金支持，銀行應針對我國農(nóng)業(yè)發(fā)展現(xiàn)狀，適當增加農(nóng)村小額貸款資金，幫助農(nóng)戶擴大生產(chǎn)規(guī)模，農(nóng)民獲得更高收入的同時，有利于銀行貸款順利回收，提高銀行利潤。

商業(yè)銀行可根據(jù)農(nóng)業(yè)生產(chǎn)季節(jié)性特點，針對農(nóng)戶資金需求時間提供長期和短期貸款，以滿足農(nóng)戶不同生產(chǎn)周期資金需求?？蓪€款及時、信用良好的農(nóng)戶提供一定貸款利率優(yōu)惠，激勵農(nóng)戶按時還款，減輕農(nóng)戶還款壓力，降低違約風險。

（四）嚴格控制放貸程序，完善貸款管理體系

銀行對農(nóng)戶放貸行為屬于商業(yè)性貸款，因此銀行應在保證效益與安全前提下，嚴格按貸款發(fā)放程序?qū)J款人開展貸前信用狀況調(diào)查、審批發(fā)放貸款、貸后及時了解貸款用途。商業(yè)銀行可根據(jù)農(nóng)戶生產(chǎn)活動所處不同階段，有針對性分批次發(fā)放貸款資金。如在農(nóng)戶購買生產(chǎn)原料時由銀行直接為其付款，以保障貸款實際用途。

提高貸款部門工作人員業(yè)務技能，真實、客觀地實地調(diào)查貸款農(nóng)戶，從貸款源頭降低形成不良貸款的可能性。同時，利用先進信息技術處理貸款信息，分析預測隱藏風險并及時提出應對措施。對農(nóng)戶信用評級，分級監(jiān)管不同級別貸戶，重點監(jiān)控信用較低或經(jīng)營風險較高的農(nóng)戶和小微企業(yè)，規(guī)避信用風險。

[1]牟曉偉.對我國小額貸款可持續(xù)發(fā)展的思考[J].經(jīng)濟視角,2010(11):65-67.

[2]謝志忠.農(nóng)村金融理論與實踐[M].北京:北京大學出版社,2011.

[3]張啟文,呂琳,寧洪震.中國農(nóng)村商業(yè)銀行盈利能力影響因素實證研究[J].農(nóng)業(yè)經(jīng)濟與管理,2012(5):40-45.

[4]王偉濤.基于VAR模型的商業(yè)銀行不良貸款影響因素研究[J].吉林工商學院學報,2013,29(3):56-60.

[5]鄧旭敏.城鎮(zhèn)商業(yè)銀行貸款風險及應對策略[J].中外企業(yè)家,2013(6):57-58.

[6]嚴青.當前中國農(nóng)戶小額信貸幾個問題研究[D].成都:西南財經(jīng)大學,2014.

[7]張昕.我國商業(yè)銀行公司信貸風險管理的行業(yè)思維[J].現(xiàn)代經(jīng)濟信息,2014(3):223-224.

[8]刁玉軍.淺談商業(yè)銀行貸款風險的成因及對策[J].時代金融,2014(15):88.

[9]Berger A N,Deyoung R.Problem loans and cost efficiency in commercial bank[J].Jounal of Banking and Finance.1997(21):849-870.

[10]Bae S C,Chong B U,Kim Y.Informational frictions,syndicate structure and loan pricing:New evidence from international lending[J]. Asia-Pacific Journal of Financial Studies,2014,43(1):124-155.

[11]Bapista J A G,Ramalho J J S,Silva J V D.Understanding the microenterprise sectorto designa tailor-made microfinance policy for cape verde[J].Portuguese Economic Journal,2006,5(3):225-241.

[12]Knapp M,Gart A.Post-merger changes in bank credit risk:1991-2006[J].Managerial Finance,2014,40(1):51-71.

[13]Kwan S H.Operating performance of banks among Asian economies:An international and time series comparison[J].Journal of Banking &Finance,2003,27(3):471-489.

[14]Morduch J.The microfinance schism[J].World Development,2001,28(4):617-619.

[15]Otero M,Rhyne E.The new world of microenterprise finance:Building healthy financial institutions for the poor[M].London:IT Publica?tions,1994.

Analysis on Impact Factors of Rural Microfinance Credit Risk——An Empirical Study on Agricultural Bank of China

WANG Jiheng,CHANG Xin
（School of Economics and Management,Northeast Agricultural University,Harbin 150030,China）

To promote the development of rural economy,commercial banks continue to increase the investment in microcredit to farmers.However,with the expansion of commercial banks'credit scale,the question of microfinance credit risk has attracted more and more attention.This paper analyzed the data of bad loans from 1997 to 2016 of agricultural bank of China from three angles of banks,farmers and external environment,and used the stepwise regression analysis to select the significant variables and establish the regression model,and through the empirical analysis found out the impact factors of rural microcredit in Agricultural Bank of China,including surplus rural labor force,low labor culture quality,insufficient bank loan capital supply,and lacking of understanding on farmers credit condition.This paper analyzed the causes of this status and put forward suggestions to achieve the purpose of reducing the risk of microcredit to farmers,and controlling the rural microcredit risk effectively.

rural microcredit;credit risk;stepwise regression analysis

F832.43

A

1674-9189（2017）04-0020-09

王吉恒（1964-），男，博士，教授，博士生導師，研究方向:金融風險管理。