謝云峰，彭振江，謝港華

（1.中國人民銀行南昌中心支行，江西 南昌 330008；2.江西財經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，江西 南昌 330013）

一、引言

推動商業(yè)銀行發(fā)放信用貸款是支持企業(yè)創(chuàng)新發(fā)展，緩解融資難、融資貴問題的重要抓手。一直以來，大量小微企業(yè)融資難的癥結(jié)就在于缺乏足夠的抵質(zhì)押物。信用貸款不需要企業(yè)提供抵押擔(dān)保，銀行憑著對企業(yè)經(jīng)營狀況和信譽(yù)的了解發(fā)放貸款，能夠幫助誠信經(jīng)營的企業(yè)快速獲得融資支持。黨中央、國務(wù)院高度重視小微企業(yè)融資難、融資貴問題，2019年4月16日的國務(wù)院常務(wù)會議提出要引導(dǎo)銀行提高信用貸款比重，同年6月26日的國務(wù)院常務(wù)會議再次明確鼓勵大型銀行完善貸款考核機(jī)制、設(shè)置專項獎勵，確保信用貸款余額明顯高于上年來。中國人民銀行、銀保監(jiān)會等部門也多次出臺政策，要求商業(yè)銀行合理提高信用貸款比重。2020年，普惠小微企業(yè)信用貸款支持計劃成為兩項直達(dá)實體經(jīng)濟(jì)貨幣政策工具之一。

在政策推動下，我國信用貸款增長較快。2020年，全國累計發(fā)放普惠小微信用貸款3.9萬億元，同比增長69.6%，增速明顯高于同期貸款整體增速。由于缺乏抵押擔(dān)保措施，信用貸款快速增長引起了商業(yè)銀行關(guān)于整體信貸風(fēng)險上升的擔(dān)憂，商業(yè)銀行對于進(jìn)一步提升信用貸款比重的內(nèi)生動力尚待增強(qiáng)。然而，與擔(dān)保貸款相比，信用貸款的違約風(fēng)險必然較高嗎？

要準(zhǔn)確回答上述問題，需要深入研究信用貸款的風(fēng)險緩釋機(jī)制。理論上，信貸風(fēng)險形成的一個重要原因是信貸市場的信息不對稱（Stiglitz和Weiss，1981)。銀行信貸市場中存在大量信息不對稱，表現(xiàn)為貸前的逆向選擇和貸后的道德風(fēng)險（馮曉菲等，2020）。那么信用貸款的風(fēng)險，主要是集中在貸前的逆向選擇還是在貸后的道德風(fēng)險？回答這個問題有助于探明信用貸款的風(fēng)險點，采取有針對性的應(yīng)對舉措提升信用貸款比例，對于化解小微企業(yè)融資難問題、推進(jìn)金融供給側(cè)結(jié)構(gòu)性改革意義重大。

從現(xiàn)有文獻(xiàn)看，直接討論信用貸款風(fēng)險緩釋機(jī)制的文獻(xiàn)較少。為了豐富相關(guān)研究，本文將基于與擔(dān)保方式比較的視角，從貸前與貸后兩個階段，深入研究信用貸款的風(fēng)險緩釋機(jī)制特點。從貸前階段，比較信用貸款與擔(dān)保貸款中借款企業(yè)的風(fēng)險特征差異，以驗證信用方式能否避免逆向選擇問題。從貸后階段，即在控制企業(yè)風(fēng)險特征基礎(chǔ)上，比較信用貸款與擔(dān)保貸款的道德風(fēng)險差異，探究信用方式對貸款企業(yè)的貸后激勵作用。在此基礎(chǔ)上，進(jìn)一步探尋信用貸款違約風(fēng)險的改善路徑。

本文可能的主要貢獻(xiàn)在于：一是實證研究了信用貸款條件下的貸前甄別與貸后激勵作用情況，對于金融機(jī)構(gòu)探明信用貸款的風(fēng)險點具有實踐指導(dǎo)意義；二是考察了銀行貸后管理、企業(yè)信息透明度以及社會信用環(huán)境等因素對信用貸道德風(fēng)險款的影響，為提升信用貸款的資產(chǎn)質(zhì)量和比重提供了政策選擇方向。

二、文獻(xiàn)綜述

從貸款擔(dān)保方式看，現(xiàn)有關(guān)于貸款風(fēng)險緩釋機(jī)制的研究文獻(xiàn)主要集中于抵押方式和保證方式，直接研究信用方式風(fēng)險緩釋機(jī)制的文獻(xiàn)相對較少。例如，Pozzolo（2004）從理論角度論證了抵押方式和保證方式在解決道德風(fēng)險中的不同作用。張曉玫等（2016）實證比較了抵押方式與保證方式的風(fēng)險緩釋機(jī)制差異，發(fā)現(xiàn)保證方式的逆向選擇較為嚴(yán)重。馮曉菲等（2020）則對保證方式進(jìn)一步細(xì)分為自然人保證與擔(dān)保機(jī)構(gòu)保證，實證表明自然人保證能夠緩解道德風(fēng)險。

在已有的關(guān)于信用方式風(fēng)險緩釋機(jī)制的文獻(xiàn)中，主要有兩種不同觀點：第一種觀點是認(rèn)為信用方式能夠有效降低信息不對稱，信貸風(fēng)險較低。Berger和Udell（1995）比較了抵押擔(dān)保型貸款和關(guān)系型貸款①在國外文獻(xiàn)中，關(guān)于信用貸款風(fēng)險的研究一般體現(xiàn)在關(guān)系型貸款研究中。（實質(zhì)為信用貸款）的風(fēng)險差異，結(jié)果表明關(guān)系型貸款以掌握企業(yè)社會信譽(yù)和業(yè)主品行等大量軟信息為前提，更有助于減輕銀企間的信息不對稱，降低貸款風(fēng)險。Ono等（2014）基于日本微觀數(shù)據(jù)的實證研究表明，信用評分貸款伴隨著更低的貸款違約概率，有利于銀行貸款風(fēng)險控制。Yildirim（2019）認(rèn)為，關(guān)系型貸款方在篩選和監(jiān)控貸款過程中能夠獲得企業(yè)軟信息，從而降低企業(yè)違約概率。尹志超等（2011）基于某國有銀行2002-2009年的企業(yè)數(shù)據(jù)分析發(fā)現(xiàn)，信用貸款違約率為7.03%，而抵押貸款違約率為14.14%。第二種觀點是認(rèn)為信用貸款的違約概率比抵押貸款明顯更高。La Porta等（2003）基于墨西哥數(shù)據(jù)的實證研究發(fā)現(xiàn)，關(guān)系型貸款的總體違約概率比非關(guān)系型貸款高出33%～35%。龐光華等（2014）認(rèn)為，信用貸款雖然在解決農(nóng)戶融資難問題上發(fā)揮了重要作用，但存在嚴(yán)重的道德風(fēng)險。Yan等（2018）和Schfer（2019）分別通過時間序列數(shù)據(jù)和調(diào)查數(shù)據(jù)實證得出相似結(jié)論，即相比于抵押貸款企業(yè)，關(guān)系型貸款企業(yè)的違約概率更高。

通過梳理以往文獻(xiàn)發(fā)現(xiàn)，現(xiàn)有關(guān)于信用方式風(fēng)險緩釋機(jī)制的文獻(xiàn)可能存在三點不足：一是信用貸款的違約概率相較于抵押貸款是高還是低，目前文獻(xiàn)并無一致結(jié)論，需引進(jìn)新的微觀證據(jù)，豐富實證研究結(jié)論；二是現(xiàn)有研究中很少區(qū)分信用貸款的貸前潛在違約風(fēng)險與貸后實際違約風(fēng)險，這不利于探明信用貸款的風(fēng)險點；三是已有文獻(xiàn)中缺乏對信用貸款違約風(fēng)險應(yīng)對舉措的進(jìn)一步實證探討，政策參考價值有待提升。對此，本文將在深入分析信用方式風(fēng)險緩釋理論機(jī)制的基礎(chǔ)上，采用微觀數(shù)據(jù)開展實證研究。

三、理論分析與研究假設(shè)

在深入分析信用貸款的風(fēng)險緩釋機(jī)制之前，先定義貸款的貸前潛在違約風(fēng)險與貸后實際違約風(fēng)險，以分別衡量信貸市場信息不對稱，即逆向選擇和道德風(fēng)險的程度。貸前潛在違約風(fēng)險是一種預(yù)期違約風(fēng)險，指銀行在發(fā)放貸款前，對申請貸款的借款人違約概率的事前評估與預(yù)測，通常以企業(yè)自身風(fēng)險特征衡量，企業(yè)自身風(fēng)險越大，貸前潛在違約風(fēng)險越高，逆向選擇問題也越嚴(yán)重（張曉玫等，2016）。貸后實際違約風(fēng)險指企業(yè)獲得貸款后出現(xiàn)違約的可能，是違約風(fēng)險實際發(fā)生的概率，貸后實際違約風(fēng)險越大，反映道德風(fēng)險越嚴(yán)重（馮曉菲等，2020）。

（一）信用貸款與逆向選擇

銀行貸款按擔(dān)保方式可分為三類：抵押貸款、保證貸款與信用貸款。抵押貸款以抵押物為還款保證，屬于物的擔(dān)保，保證貸款以第三方承諾為還款保證，屬于人的擔(dān)保（張曉玫等，2016），因此，抵押貸款和保證貸款被稱為擔(dān)保貸款。相比之下，信用貸款中沒有任何擔(dān)保措施，完全以借款人的信譽(yù)發(fā)放。在信用貸款條件下，可能存在兩項作用機(jī)制使其面臨的逆向選擇問題低于擔(dān)保貸款（見圖1）：一是信用方式會增強(qiáng)銀行對借款企業(yè)信息甄別的積極性。信用貸款的最終風(fēng)險承擔(dān)者是貸款銀行。為了降低信貸風(fēng)險，銀行會產(chǎn)生一個信息生產(chǎn)激勵，增加信息搜尋投入，對借款企業(yè)資質(zhì)進(jìn)行全方位考察，這將有助于緩解逆向選擇問題（Yildirim，2019）。二是信用方式會推動銀行對企業(yè)軟信息的掌握。軟信息是指難以量化的定性信息，涵蓋企業(yè)家品德、企業(yè)生產(chǎn)經(jīng)營誠信等私有信息（池仁勇等，2020）。企業(yè)財務(wù)數(shù)據(jù)等硬信息中往往包含較多的噪聲，而掌握更多的軟信息成為解決銀企信息不對稱問題的關(guān)鍵所在。信用貸款是一種典型的關(guān)系型貸款，銀行與企業(yè)一般保持長期而密切的關(guān)系，因而能夠掌握到更多的企業(yè)軟信息（Yildirim，2019）?；谝陨戏治?，提出本文的第一個研究假設(shè)：

H1：相比于擔(dān)保貸款，信用貸款面臨的逆向選擇問題更為輕微，貸前潛在違約風(fēng)險更低。

（二）信用貸款與道德風(fēng)險

理論上，關(guān)于信用貸款方式對道德風(fēng)險的影響，存在兩種觀點：第一種觀點認(rèn)為，信用方式能夠通過聲譽(yù)機(jī)制，激勵企業(yè)降低道德風(fēng)險。銀行對企業(yè)發(fā)放信用貸款，相當(dāng)于給企業(yè)維護(hù)自身聲譽(yù)提供了一種隱性激勵。在聲譽(yù)的正強(qiáng)化激勵驅(qū)動下，企業(yè)出于理性考慮，會繼續(xù)維持良好聲譽(yù)和守信行為，對自身的不良行為加以約束（朱冬琴等，2012）。此外，在供應(yīng)鏈中，聲譽(yù)機(jī)制還會產(chǎn)生較強(qiáng)的示范效應(yīng)，促使供應(yīng)鏈的上下游企業(yè)提高生產(chǎn)效率和盈利水平（柴正猛等，2020）。第二種觀點認(rèn)為，信用貸款方式違約成本較低，導(dǎo)致道德風(fēng)險較高（Schfer，2019）。在沒有抵押品和保證人的情況下，銀行最終承擔(dān)了信用貸款的違約成本（劉浩等，2010），因此信用貸款方式對企業(yè)道德風(fēng)險的抑制作用更弱（見圖1）。

考慮到聲譽(yù)機(jī)制依賴于較嚴(yán)格的實施條件，如較好的社會信用環(huán)境、透明的企業(yè)信息披露機(jī)制等，加之我國企業(yè)的平均存活年限較短，銀企間的長期博弈過程難以真正啟動，預(yù)計上述因素使聲譽(yù)機(jī)制不能有效發(fā)揮作用?；谝陨戏治?，提出本文的第二個研究假設(shè)：

H2：相比于擔(dān)保貸款，企業(yè)信用貸款面臨著更為嚴(yán)重的道德風(fēng)險問題，貸后實際違約風(fēng)險更高。

（三）信用貸款道德風(fēng)險的改善路徑

相關(guān)利益主體的責(zé)任缺位和缺乏有效協(xié)同是造成信用貸款道德風(fēng)險的重要原因（張樹林等，2012）。銀行、企業(yè)以及企業(yè)所處的社會信用環(huán)境是影響信用貸款風(fēng)險的核心主體和重要因素。為此，可以從銀行貸后管理、企業(yè)信息透明度、社會信用環(huán)境等三個方面探尋信用貸款道德風(fēng)險的改善路徑。其作用機(jī)制包括：一是改善信息不對稱。上述措施能夠改變銀行貸后信息不平等地位，促使企業(yè)主動增加信息供給量（張樹林等，2012）。二是提高違約成本。上述措施可以全方位提高失信成本，形成強(qiáng)大震懾作用，大幅壓縮機(jī)會主義行為空間（宋淑琴，2013）。三是強(qiáng)化聲譽(yù)機(jī)制。社會信用環(huán)境使得聲譽(yù)信息大量生產(chǎn)、廣泛傳播和普遍利用，促進(jìn)企業(yè)重視自身聲譽(yù)，加強(qiáng)企業(yè)自律（錢先航等，2013）（見圖2）?；谝陨戏治?，提出本文的第三個研究假設(shè)：

H3：銀行貸后管理投入、企業(yè)信息透明度、企業(yè)所在地區(qū)的社會信用環(huán)境與信用貸款的貸后實際違約風(fēng)險負(fù)相關(guān)。

四、研究設(shè)計

（一）模型設(shè)定與變量選擇

1.信用貸款與逆向選擇的實證模型

本文借鑒錢龍（2015）的方法，構(gòu)建OLS模型分析信用貸款方式對貸前潛在違約風(fēng)險的影響，即檢驗設(shè)1。具體模型如下：

其中：被解釋變量Risk_prei是貸前潛在違約風(fēng)險，采用企業(yè)信用評級得分表示，該指標(biāo)越大表示信用越好、貸前潛在違約風(fēng)險越低。信用評級是貸前潛在違約風(fēng)險的間接衡量指標(biāo)，選擇這一指標(biāo)的原因，一方面是缺少企業(yè)的歷史貸款信息，即無法獲得貸前潛在違約風(fēng)險的直接衡量指標(biāo)；另一方面信用評級是由銀行信貸人員在全方位貸前調(diào)查基礎(chǔ)上所作出的綜合判斷，不僅包括企業(yè)財務(wù)指標(biāo)等硬信息，還包括了企業(yè)稅收、法律糾紛、所有人等軟信息，這些信息的匯總更能全面地反映企業(yè)的貸款事前風(fēng)險狀況。不少文獻(xiàn)如錢龍（2015）、尹志超等（2011），均以信用評級衡量貸前潛在違約風(fēng)險。關(guān)鍵解釋變量crediti為信用貸款啞變量，如果該筆貸款屬于信用貸款，則該變量取1，否則取0。控制變量中包括兩類變量，一類是反映企業(yè)特征的變量X1，具體包括企業(yè)規(guī)模、行業(yè)、存貨年限、是否為上市公司、是否為銀行關(guān)聯(lián)方等；另一類是反映銀行特征的變量X2，包括銀行類型等。模型（1）中，β1成為本文需要關(guān)注的重要系數(shù)，如果β1顯著且大于0，則信用貸款的信用評級得分更高，支持假設(shè)1，否則不支持。

2.信用貸款與道德風(fēng)險的實證模型

為檢驗假設(shè)2，本文借鑒張曉玫等（2016）與馮曉菲等（2020）的方法建立Probit模型：

其中：被解釋變量為貸款違約啞變量，若貸款屬于不良貸款，則default1i=1，否則取0?？刂谱兞堪ㄈ愖兞?，分別是企業(yè)特征X1、銀行特征X2以及貸款特征X3。由于控制了貸款事前違約風(fēng)險指標(biāo)Risk_prei，模型2可視為對道德風(fēng)險的檢驗?zāi)Ｐ?。其中，?是本模型的一個關(guān)鍵系數(shù)，如果α1顯著且大于0，則信用貸款的貸后實際違約風(fēng)險較高，支持假設(shè)2，否則不支持。

為進(jìn)一步分析信用貸款方式對不同信貸資產(chǎn)形態(tài)影響，本文基于模型（2）與馮曉菲等（2020）的研究建立多項logit 模型：

其中：被解釋變量default2i為反映貸款五級分類的離散變量，將N={1,2,3,4,5}分別表示正常類、關(guān)注類、次級類、可疑類、損失類貸款。同時以正常類作為多項logit模型的參照組，分析當(dāng)default2i取值分別為2到5時，信用方式如何影響不同資產(chǎn)狀態(tài)的貸后實際違約風(fēng)險。

3.信用貸款道德風(fēng)險改善路徑的實證模型

為了檢驗銀行貸后管理、企業(yè)信息透明度、社會信用環(huán)境等對信用貸款道德風(fēng)險的影響，本文設(shè)計了三個Probit模型，即在模型2的基礎(chǔ)上，分別加入上述變量與crediti的交互項，具體見模型（4）-（6）。

其中：mgi表示銀行貸后管理變量，以銀行每萬元貸款員工數(shù)代理；transpi表示企業(yè)信息透明度啞變量，如果企業(yè)的基本賬戶在貸款行，則該指標(biāo)取值為1，否則為0；honestyi表示社會信用環(huán)境啞變量，若企業(yè)注冊地屬于國家信用體系建設(shè)試點城市，則該指標(biāo)取值為1，否則為0。三個指標(biāo)與信用貸款的交互項是本文關(guān)注的重點變量，如果其回歸系數(shù)φ3、δ3、θ3均顯著小于0，則表明上述措施均有助于改善信用貸款道德風(fēng)險，支持假設(shè)3，否則不支持。

模型各變量的具體定義見表1。

表1 變量定義

ownership 所有制性質(zhì) 國有企業(yè)=1，其他=0 scale 企業(yè)規(guī)模 大中型企業(yè)=1，小微企業(yè)=0 employee 從業(yè)人員數(shù) 人income 營業(yè)收入 萬元corp_asset 資產(chǎn)規(guī)模 萬元age 企業(yè)年齡 月retail 批發(fā)和零售業(yè) 批發(fā)和零售業(yè)=1，其他=0 manufacturing 制造業(yè) 制造業(yè)=1，其他=0 agriculture 農(nóng)林牧漁業(yè) 農(nóng)林牧漁業(yè)=1，其他=0 construction 建筑業(yè) 建筑業(yè)=1，其他=0 electric 電力熱力燃?xì)饧八a(chǎn)和供應(yīng)業(yè) 電力熱力燃?xì)饧八a(chǎn)和供應(yīng)業(yè)=1，其他=0 leasing 租賃和商務(wù)服務(wù)業(yè) 租賃和商務(wù)服務(wù)業(yè)=1，其他=0 listed 是否為上市公司 上市公司=1，其他=0 partner 是否銀行關(guān)聯(lián)方 銀行關(guān)聯(lián)方=1，其他=0銀行特征控制變量企業(yè)特征控制變量citybank 城商行 城商行=1，其他=0 ruralbank 農(nóng)商行 農(nóng)商行=1，其他=0 villagebank 村鎮(zhèn)銀行 村鎮(zhèn)銀行=1，其他=0貸款特征控制變量term 貸款期限 月loan 貸款余額 萬元interest 貸款利率 %overdue 貸款是否逾期 是=1，否=0

（二）數(shù)據(jù)說明與描述性統(tǒng)計

本文研究樣本來源于2020年12月在我國中部某省份開展的中小銀行信貸投放情況調(diào)研數(shù)據(jù)，內(nèi)容包括174家中小法人銀行的全部逐筆企業(yè)貸款數(shù)據(jù)。為提高研究樣本與本文主題的契合度和其代表性，主要采取了三項措施：一是增加樣本的關(guān)聯(lián)信息，確保樣本中每一筆貸款均包含三類信息，①貸款本身屬性，包括擔(dān)保類型、貸款五級分類、貸款利率、貸款金額等32個指標(biāo)；②貸款企業(yè)信息，包括總資產(chǎn)、總負(fù)債、開戶行、從業(yè)人數(shù)以及信用評級等；③貸款銀行信息，包括銀行類型、存貸款總額、從業(yè)人數(shù)等。二是將樣本聚焦為中小法人銀行數(shù)據(jù)。中小法人銀行是普惠小微企業(yè)信用貸款支持計劃政策實施的主陣地，同時企業(yè)貸款中的信用貸款比重偏大（約比大型銀行高5.1個百分點），因此將中小法人銀行數(shù)據(jù)作為研究樣本更有助于反饋政策效果、提升代表性。三是合理設(shè)定樣本貸款發(fā)放期限?？紤]到信貸風(fēng)險的暴露需要一定時間，同時又要兼顧反映普惠小微企業(yè)信用貸款支持計劃政策效果，為此將樣本貸款的發(fā)放時間設(shè)定為截至2020年8月末。盡管本文研究樣本為一期截面數(shù)據(jù)，但從貸款投放時間看，研究樣本覆蓋了自2011年6月至2020年8月的各期限貸款數(shù)據(jù)，因此在一定程度上體現(xiàn)了時間屬性?？傮w看，本文貸款樣本總筆數(shù)達(dá)62424筆，具有較好的代表性，能夠支撐實證分析需要。表2列示主要變量的描述性統(tǒng)計。

從表2可知，“是否為信用貸款”變量的均值為0.061，說明信用貸款筆數(shù)占比僅6.1%，當(dāng)前中小銀行貸款仍以擔(dān)保貸款為主。但信用貸款總體違約率較底，信用貸款的不良貸款率和關(guān)注類貸款比例分別為1.3%和5.3%，均低于抵質(zhì)押貸款和保證貸款（見圖3）。

圖3 樣本中各類貸款的關(guān)注類比例和不良率情況

表2 主要變量描述性統(tǒng)計

在總體違約率較低的情況下，中小銀行發(fā)放信用貸款的意愿為何不高？這一矛盾現(xiàn)象可能意味著，信用貸款的風(fēng)險緩釋機(jī)制與擔(dān)保貸款相比存在顯著差異。

五、實證分析

（一）貸前潛在違約風(fēng)險的回歸分析

表3第（1）-（3）列報告了模型（1）的回歸結(jié)果，根據(jù)表3第（1）列，主要解釋變量——“是否為信用貸款”的回歸系數(shù)5.7706，在1%顯著性水平下顯著為正，說明信用貸款對象的信用評級得分更高。上述結(jié)論是基于全樣本得出的，是否會因樣本選擇而出現(xiàn)變化呢？本文使用兩個子樣本進(jìn)一步檢驗，分別是：子樣本1——在全樣本中剔除保證貸款；子樣本2——在全樣本中剔除抵質(zhì)押貸款。分樣本回歸結(jié)果見表3的第（2）、（3）列。其中，“是否為信用貸款”的回歸系數(shù)分別為3.5985和5.8863，均在1%顯著性水平下顯著為正。這表明，與抵質(zhì)押貸款企業(yè)和保證貸款企業(yè)相比，信用貸款企業(yè)的信用評級得分更高，貸前潛在違約風(fēng)險更低，說明信用貸款方式在一定程度上緩解了企業(yè)信貸市場中的逆向選擇問題。由此，假設(shè)1得證。

表3 信用貸款方式對違約風(fēng)險的影響

究其原因，一是面對沒有任何風(fēng)險補(bǔ)償措施的信用貸款，商業(yè)銀行普遍加大貸前審查投入，設(shè)置較為嚴(yán)格的貸前控制措施。在實際操作中，部分銀行往往將控制措施轉(zhuǎn)化為各類門檻條件，如所有制、規(guī)模、行業(yè)等。在獲得信用貸款的企業(yè)樣本中，69.3%為國有企業(yè)、53.2%為大中型企業(yè)，40.4%為地方政府融資平臺聚集的租賃和商務(wù)服務(wù)業(yè)企業(yè)。二是在獲得信用貸款的企業(yè)樣本中，64.6%的企業(yè)與銀行建立信貸聯(lián)系年限在3年以上。較長時期的合作意味著能夠建立更為緊密的聯(lián)系，而緊密的銀企關(guān)系有助于銀行獲得更多企業(yè)軟信息，緩解貸前信息不對稱問題。

（二）貸后實際違約風(fēng)險的回歸分析

1.Probit模型回歸結(jié)果

從表3第（4）-（6）列可知，在控制貸前潛在違約風(fēng)險的前提下，三種樣本條件下的“是否為信用貸款”回歸系數(shù)分別為0.2303、0.3713、0.1595，均在1%顯著性水平下顯著為正。這說明相對于抵押貸款和保證貸款，信用貸款提高了貸后實際違約風(fēng)險，同時反映了銀行給企業(yè)發(fā)放信用貸款，并沒有對企業(yè)發(fā)揮激勵作用，反而面臨較嚴(yán)重的道德風(fēng)險，假設(shè)2得證。造成這一現(xiàn)象的可能原因：第一，外部信用環(huán)境約束力不強(qiáng)。在社會信用體系尚不完善的情況下，信用貸款的聲譽(yù)機(jī)制難以啟動，再加上企業(yè)信息不透明，借款企業(yè)有一定的違約動力。第二，銀行內(nèi)部的貸后管理不夠完善。從實際情況看，后者可能是更為重要的原因。當(dāng)前，中小銀行處于信貸規(guī)模快速擴(kuò)張期，存在重貸輕管現(xiàn)象：一是貸前、貸后力量分配不均。信用貸款由于占比較低，一些銀行僅重視貸前甄別，對貸后管理投入不足，存在較高風(fēng)險管理漏洞。二是貸后管理職責(zé)不清晰。在客戶分層管理機(jī)制下，二級分行以下的信用貸款業(yè)務(wù)，其貸前評估由上級行負(fù)責(zé)，貸后管理由本行承擔(dān)，貸前與貸后管理脫節(jié)，很大程度上影響了貸后管理效果。三是貸后管理能力欠缺?；鶎有行刨J人員主要從事?lián)ＹJ款的營銷與管理，缺乏信用貸款管理的專業(yè)技能和工作經(jīng)驗，導(dǎo)致對信用貸款貸后管理力不從心。

結(jié)合模型（1）和模型（2）的回歸結(jié)果可以發(fā)現(xiàn)，當(dāng)前中小銀行控制信用貸款風(fēng)險主要集中在貸前階段，即通過提高準(zhǔn)入門檻，而非通過加強(qiáng)貸后管理防控風(fēng)險，以致于信用貸款的道德風(fēng)險更為突出。但由于獲得信用貸款的企業(yè)大多為優(yōu)質(zhì)企業(yè)，使得目前信用貸款的總體違約率仍較低。

2.多項logit模型的回歸結(jié)果

信用貸款一旦變成不良貸款，就很可能有繼續(xù)向下遷徙的風(fēng)險，最終演化為呆賬、壞賬。多項logit模型回歸結(jié)果包括兩部分：一是IIA假設(shè)檢驗。IIA假設(shè)②所謂IIA假設(shè)，是無關(guān)方案的獨(dú)立性假設(shè)（Independence of Irrelevant Alternatives, IIA），指任意2個選擇項的選擇概率之比與其他選擇項的狀態(tài)無關(guān)。一般有兩種檢驗方法：Hausman檢驗和Small-Hsiao檢驗，其中Small-Hsiao檢驗條件更為嚴(yán)格。是應(yīng)用多項Logit模型的前提（陳強(qiáng)，2014），本文采用Small-Hsiao方法檢驗。從表4可知，所有結(jié)果均不能拒絕原假設(shè)，即滿足IIA假設(shè)，說明樣本使用多項Logit模型進(jìn)行估計是合理的。

表4 多項Logit模型的Small-Hsiao檢驗結(jié)果

二是主體模型回歸結(jié)果。根據(jù)表5可知，相對正常類貸款，“是否為信用貸款”變量在10%顯著性水平下對關(guān)注類貸款的影響不顯著，但對次級類、可疑類、損失類等三個貸款形態(tài)具有顯著的正向影響，回歸系數(shù)分別為0.6689、1.3885、1.9192，呈現(xiàn)出逐級遞增態(tài)勢。這說明信用貸款方式不能有效阻止企業(yè)貸款從次級類向可疑類和損失類演變。換句話說，在缺乏有效的損失懲罰和貸后管理舉措情況下，信用貸款一旦成為不良貸款，繼續(xù)向下遷徙的可能性更高。這也是即便在總體違約率不高的情況下，中小銀行信用貸款占比依然偏低的重要原因。

表5 信用貸款方式對貸款五級分類的影響

（三）信用貸款道德風(fēng)險的改善路徑分析

加強(qiáng)銀行貸后管理、提升企業(yè)信息透明度、推進(jìn)社會信用體系建設(shè)都是改善信用貸款道德風(fēng)險的重要路徑。從表6可知，“銀行貸后管理”、“企業(yè)信息透明度”、“社會信用環(huán)境”等三個變量與“是否為信用貸款”變量的交互項的回歸系數(shù)分別為-0.8001、-0.3516、-1.3304，均在5%顯著性水平下顯著為負(fù)，說明在其他條件不變情況下，上述三個因素均有助于降低信用貸款的貸后實際違約風(fēng)險，減少道德風(fēng)險發(fā)生的可能性。由此，假設(shè)3成立。

表6 信用貸款道德風(fēng)險的改善路徑

在當(dāng)前我國社會信用體系尚不健全的情況下，上述結(jié)論對于降低信用貸款風(fēng)險、提升信用貸款比重具有十分重要的意義：一是通過加大貸后管理投入，能夠有效減少銀企貸后信息不對稱問題，完善對企業(yè)貸款用途的監(jiān)督，掌握貸款資金走向的動態(tài)信息，降低信用貸款資金進(jìn)入高風(fēng)險領(lǐng)域的概率。二是提升信息透明度相當(dāng)于讓企業(yè)主動接受公眾監(jiān)督，提高企業(yè)失信和違約成本，能最大限度杜絕企業(yè)不理性的道德風(fēng)險行為。三是推進(jìn)社會信用體系建設(shè)是治本之策，通過聲譽(yù)信息的生產(chǎn)、傳播和使用，促使企業(yè)重視自身聲譽(yù)、加強(qiáng)自律。

（四）穩(wěn)健性檢驗

本文從以下兩個方面對前文研究結(jié)論進(jìn)行穩(wěn)健性檢驗：一是將模型（1）的被解釋變量 “貸前信用評級”替換為“貸款利率浮動比例”，用貸款實際利率與同期限基準(zhǔn)利率之比來表示。利率是借款人使用資金的成本，可以間接反映違約風(fēng)險水平，即設(shè)定的利率越高，意味著借款人違約的可能性越高。二是將模型（2）的被解釋變量 “貸款是否違約”替換為“貸款是否逾期”。從表7可以看出，“是否為信用貸款”的回歸系數(shù)，模型（1）中在1%顯著性水平下顯著為負(fù)，模型（2）中在5%顯著性水平下顯著為正，說明相較于擔(dān)保貸款，信用貸款的貸前潛在違約風(fēng)險更低、貸后實際違約風(fēng)險更高，與前文結(jié)論一致，說明本文主要結(jié)論具有穩(wěn)健性。

表7 穩(wěn)健性檢驗結(jié)果

六、結(jié)論與建議

本文基于我國中部某省174家中小銀行的62424筆單位貸款基礎(chǔ)數(shù)據(jù)，實證研究信用貸款方式的風(fēng)險緩釋機(jī)制，得到以下研究結(jié)論：第一，與擔(dān)保貸款企業(yè)相比，信用貸款企業(yè)具有低風(fēng)險特征，也即信用貸款所面臨的逆向選擇問題更為輕微，原因在于信用方式更能刺激銀行加強(qiáng)貸前甄別，銀企關(guān)系更為緊密，能減輕貸前信息不對稱問題。第二，信用貸款提高貸后實際違約可能性，加劇了道德風(fēng)險；信用貸款一旦成為不良貸款，繼續(xù)向下遷徙的風(fēng)險比擔(dān)保貸款更高。主要原因在于，當(dāng)前中小銀行控制信用貸款風(fēng)險主要集中在貸前階段，即通過提高準(zhǔn)入門檻，而非通過加強(qiáng)貸后管理防控風(fēng)險。第三，加強(qiáng)貸后管理、提高企業(yè)信息透明度以及推進(jìn)社會信用環(huán)境建設(shè)是降低信用貸款貸后違約風(fēng)險的重要措施，有助于改善貸后信息不對稱、提高失信違約成本、強(qiáng)化聲譽(yù)機(jī)制，促進(jìn)企業(yè)自律、減少道德風(fēng)險行為。

本文結(jié)論對于金融機(jī)構(gòu)探明信用貸款的風(fēng)險點具有實踐指導(dǎo)意義，可為改善信用貸款質(zhì)量、提升信用貸款比重提供啟示：

第一，商業(yè)銀行應(yīng)著力加強(qiáng)貸后風(fēng)險管控。一是提升貸后管理的投入和質(zhì)量。多渠道提高信貸人員的信用貸款貸后管理能力；理順信用貸款貸后管理職責(zé)，重點協(xié)調(diào)好調(diào)查評估行與客戶管理行不是同級行的貸后管理工作；二是發(fā)揮金融科技在貸后管理中的作用?；谄髽I(yè)信息及企業(yè)關(guān)聯(lián)人信息，開展大數(shù)據(jù)多維度交叉檢驗分析，構(gòu)建信用貸款貸后預(yù)警系統(tǒng)；三是加強(qiáng)前瞻性貸后風(fēng)險管控。利用當(dāng)前疫情平穩(wěn)階段，加大信用貸款風(fēng)險排查頻次、廣度和深度，著力加強(qiáng)對大額客戶、異地客戶和關(guān)注類客戶等薄弱領(lǐng)域的風(fēng)險排查和貸后管理。

第二，企業(yè)應(yīng)主動提升信息透明度。一是建立有效的內(nèi)部信息管理機(jī)制，夯實信息透明基礎(chǔ)。嚴(yán)格按照會計法規(guī)及制度要求，提升會計信息的規(guī)范性和真實性，以有效的財務(wù)管理防范企業(yè)經(jīng)營風(fēng)險。二是以需求為導(dǎo)向，積極開展自愿性信息披露。在確保依法合規(guī)做好強(qiáng)制性信息披露的基礎(chǔ)上，應(yīng)以銀行需求為導(dǎo)向，持續(xù)拓展信息披露的廣度和深度，不斷滿足銀行貸后管理需求。三是要主動增加軟信息披露。進(jìn)一步加強(qiáng)或有事項披露，最大限度破解銀企信息不對稱，樹立透明、真實、可信的良好形象。

第三，政府部門應(yīng)進(jìn)一步完善社會信用環(huán)境，優(yōu)化信用激勵約束機(jī)制。一是強(qiáng)化信用信息歸集共享。完善各部門、各地區(qū)歸集共享流程和機(jī)制，建立區(qū)域內(nèi)重點支持行業(yè)和企業(yè)的數(shù)據(jù)，并在一定程度上共享政府信用信息和社會信用信息，打破“信息孤島”局面；二是深入開展失信聯(lián)合懲戒。充分運(yùn)用工商、稅務(wù)登記、年檢以及司法等手段，嚴(yán)厲打擊惡意逃廢金融債務(wù)行為，積極做好依法清貸工作；三是完善信用修復(fù)機(jī)制，加大網(wǎng)絡(luò)公開力度。盡快規(guī)范和完善黑名單報送、確認(rèn)、公示、修復(fù)及異議處理程序，并及時通過互聯(lián)網(wǎng)予以公開，對信貸違約行為形成強(qiáng)大震懾。