财政税收与资本市场l FISCAL LEVY AND CAPITAL MARKET
小微企业贷款的担保方式与难点
Loans Secured W ay of Sma1
．
1 and Micro Enterprise and Its Difficult
顾全林
*
内容提要 使用国内某商业银行 2012年 的小微企业贷款数据 ．对影响小微企业贷款申请批准通过概率和违约
概率的因素进行研究，结果发现，利率越高的贷款 申请获得批准的概率显著较高 ．但与此同时贷款 出现违约的
概率出现上升的幅度更高．较高的利息收入不能有效覆盖风险的增加．表明了逆向选择现象的存在。相关的回
归分析结果提示，商业银行不应简单地追求高定价 ，而应采取各种手段 ，积极消除贷款 中的信息不对称问题，唯
此才能真正破解小微企业贷款难的问题
关键词 小微企业贷款 贷款利率 商业‘银行贷款
作者单位 北京大学光华管理学院 北京 100871
Gu Quanlin
Abstract：Using a set of loan data for small and micro enterprises issued by a major commercial bank of China，this
paper evaluates the factors that affects the probability of loan approval and the probability of default．This paper
finds that，the loan application with a higher interest rate enjoys a significantly higher probability of approval，
however，its probability of default has an even higher increase，which indicates the actual existence of adverse
selection problems．The regression results indicates that commercial banks should not simply pursue the high pricing
of interest in the business of SME loans，but take various means to decrease the degree of asymmetric information，
which could only really solve the difficulty of SME in getting the loans．
Key words"loan for small and micro enterprises，loan interest rate，loan from commercial banks
小微企业贷款难一直是理论界和实务界关注的问题。Hale&Long
根据工业普查及民营企业调查数据研究发现．民营企业能够从银行获取
贷款的比例偏低。[11我国银行业偏向于为大中型企业提供融资服务，以
有充分抵押物和质押物为放贷条件(刘克崮，2009)。这实际上是基于风
险和收益的综合考虑：大中型企业可变现资产较多，即使其出现经营困
难或陷入破产境地，银行承担的损失也相对较小．尤其对于国有大企业
而言，政府的参与和帮助可有效降低其破产的风险；另一方面．银行能够
为大企业提供更多的相关业务，获取利润。
相对大中型企业来说，小微企业规模小、人员少、资产有限，经营稳
定性差，具有较高的退出(死亡)率(张维迎等，2003)，同时小微企业又难
以形成严格有效的风险管理 。面对市场波动其应对能力差 ．这些因素进
一 步加剧了企业的经营风险和财务风险．贷款的违约风险自然也相对较
高。根据收益与风险相匹配的原则。理论上银行可以通过较高的贷款利
该标题为《改革》编辑部改定标题，作者原标题为《小微企业贷款难在哪里：基
于商业银行贷款数据的经验研究》。
82 l 墓 田
FISCAL LEVY AND CAPITAL MARKET l财政税收与资本市场
率来覆盖风险．但这是在违约风险能够被银行
较为准确度量的前提下。现实情况是。由于小微
企业的经营普遍不规范。财务制度不够健全，对
于银行来说．对单个小微企业的真实风险的鉴
别能力相对有限，鉴别成本也较高。这就导致了
逆向选择问题的出现：更高的贷款利率会推高
实际的违约风险．导致增加的利息收入无法补
偿风险的损失。阻碍信贷市场的出清。圆
受数据条件限制．已有的关于小微企业贷
款的相关研究以理论论述和分析为主．相关的
实证研究也较多地停留在现状描述阶段。[314]在
我国的实践中．究竟小微企业贷款申请难在哪
里?换句话说，什么样的小微企业贷款申请更容
易获得批准?在贷款发放以后，什么样的贷款更
容易出现违约?逆向选择问题是否也在我国小
微企业贷款中存在?由于数据条件限制，现阶段
还没有这些问题的相关经验研究。因而．这里使
用国内某商业银行的小微企业贷款数据．对影
响小微企业贷款审批通过概率和贷款违约概率
的因素进行分析 ．以揭示小微企业贷款业务在
实际中所面临的难题．从而为进一步破解小微
企业贷款难的问题提出建议。
一
、 小微企业贷款的担保方式
这里使用的小微企业数据来源于 2012年
的国内某大型商业银行的小微企业贷款。与大
中型企业贷款相比．小微企业贷款通常具有两
个重大差异：一是小微企业的注册资本通常较
小．且经营不稳定程度高．因此针对小微企业发
放的贷款．银行通常以企业主个人名义为借款
主体进行贷款：二是小微企业的财务信息可信
程度不高．难以给出正规的财务报表．因此银行
在贷款审查、审批过程中，通常以考察企业主的
个人和家庭情况为主。企业一些基本情况为辅。
因此．这里所使用数据包含的信息主要有贷款
申请时银行所收集的相关信息．包括企业主个
人特征、贷款金额、利率、期限、担保方式等 ，以
及比较简略的企业方面的信息，如年销售收入、
企业信贷记录等。除此之外，这里还收集了贷款
发放后的还款表现数据．用于研究影响小微企
业贷款违约概率的因素 ．
通过分析可以发现 ．在实践中．银行对于小
微企业贷款并不局限于接受具有房产为抵押的
贷款。而是基于借款人实际情况．灵活开展抵
押、担保、保证保险等多种抵押形式的贷款业
务 小微企业贷款所采取的担保方式主要有四
种：房产抵押、第三方 自然人保证(含联保、互
保)、担保公司担保、保险公司保证保险(见表
1)。房产抵押和第三方自然人保证是主要的担
保形式．笔数占比分别达到 35％和4O％．其次则
是采用担保公司担保的贷款．占比为 19％．而保
险公司提供保证保险的形式在我国还属于较新
颖的业务模式，占比最小。约为 7％。在贷款利率
方面．需要指出的是．对于担保公司和保险公司
保证来说．借款人贷款实际负担的成本要高于
银行收取的贷款利率及其他费用．因为借款人
还需要向担保公司或保险公司缴纳担保费或保
费．因此，表 1中的平均贷款利率是考虑银行贷
款利息及相关费用后的平均贷款(实际)利率。
代表借款人贷款所面临的实际负担成本。可以
发现 ．以房产抵押的平均贷款利率约为 8．0％．
而采用自然人保证、担保公司担保和保险公司
保证保险担保形式的则分别要高出 1．5％、2．7％
和1．8％。最后，在平均审批通过率方面 。不同担
保形式的差异不大，集中在 81％至 90％之间。
二、回归模型
这里采用 Probit模型来分析什么样的因素
表 1 小微企业贷款的不同担保方式
担保方式 笔数 占比 平均贷款利率 平均审批通过率
房产抵押 34．4％ 8．0％ 84．2％
自然人保证 39．7％ 9．5％ 86．8％
担保公司担保 19-3％ 10,7％ 90．0％
保证保险 6．6％ 9．8％ 81．3％
注：贷款利率为借款人贷款实际负担成本，即银行收取 的贷款利率加上如担保方收入的费用。
专 警l 83 专业曝光看经济经济眼光看中豳l ‘
财政税收与资本市场l FISCAL LEVY AND CAPITAL MARKET
会影响到贷款获得审批通过的概率。定义二元
变量 Approval，如果观察到贷款获批并放款 ．
Approval取值为 1．否则为0。则有方程 1：
Approval=( + >0) (1)
接下来分析在贷款审批通过后．什么样的
贷款更容易出现违约．参照巴塞尔协议对违约
的定义．定义二元变量 Default．如果贷款出现过
逾期超过 90天，则取值为 1，否则为 0。则有方
程 2：
Default=(zjy+u2j>0) (2)
不难发现．方程 1所包含的样本包括了得
到审批通过的贷款和未得到审批通过的贷款申
请。而方程 2只包括前者．因为只有贷款审批通
过的贷款申请才可能观察到实际的还款表现 。
也即才能观察到Default的取值。由于贷款审批
过程是非随机的．贷款的审批人会根据其经验。
将其认为风险较大的贷款予以拒绝。因此贷款
审批通过的贷款很可能是一个经过选择的样
本。根据 Van de Ven&Pragg的研究，如果当u1
和 U 存在相关时，直接用 Probit模型对方程
(2)估计的结果是有偏差的，使用样本选择 Pro-
bit模型可得到无偏差且渐进有效的估计。【5J
这里在业务实践经验的基础上加入两个方
程的相关变量。一方面，贷款利率、贷款金额、贷
款期限作为贷款的基本要素．显然会影响到贷
款审批通过概率和违约概率。贷款利率的差异
对于贷款审批通过概率和违约概率的影响也是
这里所关注的重点问题。另一方面，担保方式等
的不同．在整体上代表着不同的风险特征和风
险水平．贷款审批人员在面对不同担保方式的
贷款申请时自然会在一定程度上采用尺度不同
的审查、审批标准。因此，在方程中加入分别代
表自然人保证、担保公司保证和保证保险这三
种担保方式的虚拟变量．其对照组为采用房产
抵押的贷款。当然，贷款利率等要素与担保方式
间显然存在一定程度的相关性。因此这里将分
别报告控制和不控制担保方式时的回归结果．
以保证结果的稳健性
如前所述．银行在实际业务中以审查企业
主个人(及其家庭)情况为主，对于企业方面的
114 I 2专0业15眼~光看经5济量 脚
信息未投入过多资源来进行收集和验证．因此
需要将企业主个人的相关特征加入方程。企业
主的年龄代表着企业主的从业经验等因素．这
里预期年龄过小或过大的企业主可能在企业经
营稳定性方面相对较差．因此在方程中加入企
业主年龄及其平方项．来控制企业主年龄对贷
款审批通过概率和违约概率可能具有的非线性
影响。不同性别、婚姻状态、户籍情况的借款人
在企业经营和家庭稳定性等方面可能存在差
异．在银行业务实践中往往表现出不同的风险
水平．因此在方程中控制了分别代表企业主为
女性、企业主为未婚、企业主为本市户口的虚拟
变量 ，其对照组分别为男性、其他婚姻状态、非
本市户口的企业主
而在企业特征方面．加入企业的年销售收
入(取对数值)。不同规模的企业的融资需求和
风险状况显然存在差异．但企业规模与贷款金
额具有较高的相关性 (相关系数达到0．75)，这
也是因为基于企业销售收入来核定贷款金额通
常都是贷款审核过程中的惯例．因此。是否将贷
款金额和企业规模同时放入方程．将视回归结
果估计的具体情况而定。从数据中还可以获知
企业或企业主之前是否就该企业在该银行或其
他银行有过贷款记录．过往是否申请过贷款记
录对于反映企业经营状况和信用情况来说具有
相当的信息价值，因此，这里将(企业或企业主)
是否就该企业有过贷款记录作为虚拟变量放入
方程。
这里所使用的是 2012年当年提出申请的
小微企业贷款数据．由于在一年内宏观经济和
行业情况可能发生一定的变化 ．因此这里将代
表贷款申请月份的一系列虚拟变量放入方程以
控制这方面对于贷款审批通过概率和违约概率
整体出现的影响 不同省份和不同行业的小微
企业在整体的风险特征和经营状况也可能存在
差异．因此．这里在方程中也放入分别代表省份
和行~ll／(2位数)的一系列虚拟变量。
为保证估计结果的有效性 ．“样本选择Pro．
bit模型”要求方程 2(即贷款违约概率方程)所
包括的自变量 Z应为方程 2(即贷款审批通过
FISCAL LEVY AND CAPITAL MARKET l财政税收与资本市场
概率方程)所包括的自变量X的子集，换句话
说．需要在贷款审批通过概率方程控制一个或
多个会显著影响贷款审批通过概率的变量．且
该变量对贷款违约概率不存在显著影响。．考虑
当贷款在每个月的不同时点(月初或是月末)提
出申请时．会由于不同时点上出现的规模管控
因素而影响到贷款是否实际得到发放 ．如果未
实际发放．也会由于观察不到违约情况．而在数
据中表现为未审批通过 但由于这与审批人的
审批标准无关．也不代表贷款的实际风险方面
存在差异 因此．这里将代表贷款申请是否在某
个月的下旬提出的虚拟变量放入选择方程
表 2列出的是主要变量的统计描述 从中
可发现 ．在贷款审批通过的样本 (样本量为
43323)中．出现违约的实际比率为 1．9％。而在
贷款申请的样本(样本量为 50271)中。平均的
贷款利率(银行名义贷款利率+贷款直接涉及的
费用)为 9．226％，平均的贷款金额为 17．7万元，
而平均贷款期限为 15个月。在申请贷款企业主
方面 。平均年龄约为 41岁．女性占28．5％．未婚
人士占8％．为本市户口的占 16．7％。企业的平
均年销售收入约为 105万元．而企业或其企业
主就该企业有过信贷记录的比例为 38．2％。
三、回归结果
表 3(见下页)显示了回归结果 ，其中每一
个模型中包括了两个方程的估计结果．即分别
为贷款审批通过概率方程和贷款违约概率方程。
从模型(1)的估计结果中可发现 ，给定其他
因素．贷款利率越高的贷款获得审批通过的概
率显著较高，贷款违约概率上升幅度也较高。金
额越大的贷款获得批准的概率显著较低 ．其所
面临的违约概率反而显著较低 贷款期限则表
现出相对不一样的特征：贷款期限越长的，获得
审批通过的概率越高。而面临的违约概率较低。
模型(2)是在模型(1)的基础上，加入了担
保方式和企业主特征相关的一些控制变量．贷
款利率、金额和期限的估计系数的符号和显著
性未发生变化，表明了上述结果的稳定性。在相
关控制变量方面．三个代表担保方式的虚拟变
量的估计系数表明．在其他条件相同的条件下
由担保公司担保的小微企业贷款更容易获得批
准．而采用保证保险的贷款违约概率最高，其次
为担保公司所担保的贷款。
在企业主个人特征方面．企业主年龄和其
平方项的估计系数表明．随着企业主年龄的增
加，其获得审批通过的概率会显著上升，但上升
速率逐渐下降．在约 47岁时达到拐点(根据企
业主年龄和其平方项的估计系数计算)。企业主
超过 47岁的，贷款审批通过的概率转为下降：
类似地．随着企业主年龄的增长．其违约概率也
会显著下降．但下降速率逐渐下降．在约 43岁
时达到拐点 女性或具有本市户籍的企业主获
得审批通过的概率均显著较高．而违约概率均
表 2 统计描述
样本数 均值 标准离差 最小值 最大值
违约 43323 0．019 0．137 0 1
贷款利率 50271 9．226 1．469 5．9 13．808
贷款金额(对数值) 50271 12．083 1．315 9．210 17．217
贷款期限(月) 50271 15．651 8．365 6 60
自然人保证 50271 0．397 0．489 0 1
担保公 司担保 50271 0．193 0．394 O 1
保证保险 50271 0．066 0．249 0 l
企业主年龄 50271 40．932 8-3l9 20 65
企业主为女性 50271 0．285 0．452 0 1
企业主为未婚 50271 0．080 0．271 0 l
企业主为本市户 口 50271 0．167 0．373 0 1
企业年销售收入(对数值) ‘50271 13．867 1．138 11．696 16．1l8
是否有信贷记录 50271 0．382 0．485 0 1
⋯
201
光5 嚣期l 85111 Ui,,I 专业眼光看经济经济鼹光看中 l皿‘ 皿
财政税收与资本市场l FISCAL LEVY AND CAPITAL MARKET
表 3 回归结果
模型(1) 模型(2) 模型(3)
贷款审批 贷款违约 贷款审批 贷款违约 贷款审批 贷款违约
通过概率 概率 通过概率 概率 通过概率 概率
0．030 0．184 0．019 0．140 0．020 0．141 贷款利率
(0．008) (0．016) (0．010) (0．021) (0．010) (0．021)
一 0．129⋯ 一0．137⋯ 一0．126 一0．070 一0．106 一0．068 ’ 贷款金额(对数值)
(0．011) (0．018) (0．008) (0．018) (0．009) (O．018)
0．012 一0．0o8⋯ 0．011 一0．007 0．011一 一0．007⋯ 贷款期限
(0．001) (0．002) (0．001) (0．002) (0．001) (0．002)
- 0．043 0．085 -0．039 0．068 自然人保证(虚拟变量)
(0．033) (0．086) (0．033) (0．080)
0．222 0．210⋯ 0．212 0．215
担保公司担保(虚拟变量)
(0．044) (0．109) (0．044) (0．108)
- 0．O51 0．771 -0．036 0．757 保证保险(虚拟变量)
(0．041) (0．099) (0．040】 (0．098)
0．026 一0．061 0．023 一0．058 企业 主年龄
(O．007) (0．016) (0．007) (0．016)
2．76E一4料 7．21E一4 2．63E一4 6．86E一4⋯
企业主年龄 2
(8．80E-5) (1．98E一4) (8．76E-5) (1．97E-4)
0．062 ” -0．031 0．066 -0．033 企业主为女性(虚拟变量)
(0．018) (0．040) (0．017) (0．039)
0．076 0．350 0．069 0．348‘ 企业主为未婚(虚拟变量)
(0．031) (0．056) (0．030) (0．056)
0．065 一0．114 0．062 -0．1 13 企业主为本市户口(虚拟变量)
(0．021) (0．048) (0．021) (0．048)
0．655 一0．106⋯ 是否有信贷记录
(0．103) (0．032)
样本数 50271 43323 5027l 43323 50271 43323
注：表格中括号中的数字为估计系数的标准差， 、料 、 分别代表估计系数在 0．1、0．05和 0．01显著水平上显著。
显著较低。未婚的企业主获得审批通过的概率
显著较低，而违约概率均显著较高。
模型(3)是在模型(2)的基础上，加入了企
业是否有信贷记录的虚拟变量。估计系数表明，
在申请此笔贷款前．如果企业有获取信贷的记
录(且还款记录良好的)，则获得银行批准的概
率会显著增加．而其实际违约概率显著降低。这
表明了信贷记录能够起到降低信息不对称的效
果，对于银行(资金提供方)来说 ，借款人具有良
好的信贷记录．是其具有相对较低违约概率的
信号。
通过比较加入方程的不同自变量的估计系
数可发现，对于贷款期限、企业主个人信息、是
86 f 圈
否有信贷记录等变量来说．如果其代表着较低
的贷款审批通过概率．则同时意味着较高的违
约概率．表明在审批过程中审批人员对这些因
素所代表的风险水平和实际表现水平是大致一
致的。贷款利率和贷款金额的估计系数带来了
较为有趣的结果：一是利率较高的贷款更容易
获得审批通过．然而这些贷款的违约概率增大，
呈现出利率上升无法覆盖违约成本上升的特
征，这提示了逆向选择问题的确实存在。二是由
于贷款金额和企业销售收入间具有较强的相关
性．同时放入方程会出现较为严重的多重共线
性问题．从理论上说。规模越大企业或是贷款金
额越少的。风险应该相对更低。而多重共线性问
FISCAL LEVY AND CAPITAL MARKET J财政税收与资本市场
题的存在．表明银行对于贷款额度过多地依赖
于基于销售规模的一定比例进行核定．对风险
的识别能力有待增加。
四、结语
这里使用商业银行小微企业贷款数据 ．对
小微企业贷款审批通过概率和贷款实际违约概
率的影响因素进行了研究。小微企业贷款审批
通过概率直接反映了银行在审查审批过程中对
于贷款的偏好．而贷款实际发生违约的情况．则
会转化为银行对于小微企业贷款风险特征的经
验．对银行持续经营和发展小微企业贷款业务
起到关键影响。基于此。这里提出破解小微企业
贷款难的三条建议。
第一，通过上述分析发现 。给定其他因素，
当贷款利率较高时．贷款越容易获得审批通过，
但其违约概率也相对较高。这提供了关于逆向
选择现象的经验证据。这也提示商业银行在发
展小微企业贷款时不应盲目追求高定价．由于
逆向选择现象的存在．当贷款信息不对称问题
未能有效消除时．过高的利率定价将使得业务
潜在规模自然缩小．其违约风险也会上升．对银
行未必有利。
第二．通过回归分析发现．审批人员对于企
业规模与贷款金额．以及不同担保方式下这些
因素对于风险状况影响的主观判断与贷款实际
表现是存在一定差异的。这进一步提示商业银
行在小微企业贷款业务中应通过业务模式的精
细化管理，为企业提供综合服务．在不抬高贷款
利息成本的前提下获得更多的利润
第三．当小微企业在征信体系中有良好记
录时．其面临的违约概率显著较低．银行也更愿
意作出审批通过的决策。因此．大力发展多元化
的企业征信体系建设工作对于降低小微企业贷
款难的问题非常重要。囫蕊
参考文献
【1]Hale，G．，Long，C．．What Are the Sources of
Financing of the Chinese Firms． Frontiers of
Economics and Globalization，201 l，(9)：Pp；313-
339．
[2]Stiglitz,J．E．，Weiss，A．．Credit Rationing in
Markets with Imperfect Inform ation．American E—
conomic Review，1 98 1．
[3]袁增霆 蔡真 王旭祥：《中国小企业融资难问
题 的成因及对策——基于省级 区域调查问卷的
分析》，《经济学家~2010年第8期，第 70～76页
[4】唐文萍：《宜兴、镇江和宁海小微企业融资行
为的比较研究——基于调查问卷结果的统计分
析》，《生产力~ ))2013年第4期，第 173～175页
[5]Van de Ven，W．P．M．M．，Van Pragg，B．M．
S．．The Demand for Deductibles in Private Health
Insurance：A Probit Model with Sample Selection．
Journal of Econometrics，198 1，(17)：PP．229-252．
(责任编辑 ：莫远明)
专 。 戛 l崔；8l罾87IIR IB, 专业光看经济经济光看中国l 0q 0
