本站小編為你精心準(zhǔn)備了小額貸款公司信用風(fēng)險論文2篇參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

第一篇

一、小額貸款公司信用風(fēng)險評估模型構(gòu)建

小額貸款公司作為新興的金融機(jī)構(gòu)，本身的數(shù)據(jù)積累不夠，搜集資料也受到一定的條件所限，不能夠使用現(xiàn)代信用風(fēng)險評估模型，而對于信用評分模型，大多數(shù)模型要求樣本假定服從正態(tài)分布，放眼現(xiàn)實中，農(nóng)村小額貸款公司一樣很難滿足這個基本要求，因此，Logit模型的優(yōu)勢體現(xiàn)出來，該模型并不要求樣本服從正態(tài)分布假定，歷史研究也表明，Logit模型適用于個人的信用風(fēng)險評估，且準(zhǔn)確率維持在54％—90％間。因此，事實證明，該模型可以適用于我國農(nóng)村小額貸款公司的信用風(fēng)險評估。所以，本文選取了Logit模型來進(jìn)行風(fēng)險測度。

（一）研究思路第一步，明確所要研究的問題，旨在對我國農(nóng)村小額貸款公司的信用風(fēng)險進(jìn)行評估，測算違約概率，進(jìn)行評定。第二步，通過信用評估模型的比較分析，確定選取Logit模型展開實證分析。第三步，選取樣本檔案，收集信用數(shù)據(jù)。第四步，確定指標(biāo)的選用。根據(jù)樣本收集對于初選的指標(biāo)進(jìn)行異方差檢驗、多重共線性檢驗從而去粗取精，篩選出能夠有效反映小額貸款公司信用風(fēng)險特點的主成分，確立符合實際情況的評估指標(biāo)體系。第五步，參數(shù)的估計和模型檢驗。將指標(biāo)數(shù)據(jù)代入Logit模型，運(yùn)用SPSS軟件進(jìn)行參數(shù)估計，在檢驗后構(gòu)造出適合我國小額貸款公司的信用評分模型。

（二）模型指標(biāo)的選取根據(jù)安徽省肥西縣農(nóng)村小額貸款公司資信等級評定表等檔案，選取了勞動力、年齡、文化水平等13個指標(biāo)。在確定最優(yōu)變量指標(biāo)之前，先進(jìn)行正態(tài)性假設(shè)檢驗、異方差檢驗及多重共線性檢驗，通過檢驗確定模型可用的指標(biāo)［17］。農(nóng)戶基本情況。基本情況主要包含勞動力、年齡、文化水平三個因素。根據(jù)實際勞動力人數(shù)、農(nóng)戶勞動力所占家庭人口比例，分別將女性18—55歲計入模型，男性18—60歲計入模型。農(nóng)戶的勞動力占比與其經(jīng)營、還款能力有高度關(guān)聯(lián)性，男性中青年為主要財富收入來源，還款能力較高，信用度高。根據(jù)客戶的受教育程度，將文化水平分為5個等級，分別為文盲、小學(xué)程度、初中（技校）、高中或高職中專、大學(xué)以及以上水平，依次賦值為0、1、2、3、4。文化水平直接影響農(nóng)戶的經(jīng)營能力，文化水平越高，掌握新技術(shù)選擇職業(yè)的前景越好，經(jīng)營能力越大，信用等級越高。農(nóng)戶收入情況。農(nóng)戶收入主要依靠農(nóng)業(yè)收入和其他經(jīng)營收入，其次還應(yīng)該考慮擁有耕地及固定資產(chǎn)價值，如房產(chǎn)、農(nóng)業(yè)工具機(jī)械等，本文以農(nóng)戶近五年的年收入均值來衡量其收入水平。收入水平主要考慮的是農(nóng)戶的財產(chǎn)量，集中體現(xiàn)了戶家庭的經(jīng)營能力，一般情況下呈正相關(guān)性。收入水平體現(xiàn)了經(jīng)營能力，更代表了其還款能力。貸款指標(biāo)情況。農(nóng)戶的貸款指標(biāo)主要包含貸款金額、用途、利率、期限和還款方式等因素。農(nóng)戶貸款的流向主要根據(jù)其自身經(jīng)營性質(zhì)各有不同，根據(jù)貸款風(fēng)險的大小依次為：經(jīng)營小規(guī)模生產(chǎn)，發(fā)展種植業(yè)的農(nóng)戶對資金的需求主要是擴(kuò)大其種植業(yè)的發(fā)展，經(jīng)營較穩(wěn)定，風(fēng)險較低；在外打工的農(nóng)民貸款流向主要是解決生活消費(fèi)和子女教育學(xué)費(fèi)等問題，有收入風(fēng)險較低；專門經(jīng)營種養(yǎng)殖業(yè)的農(nóng)戶因其經(jīng)營狀況對自然條件的依賴較大，風(fēng)險較大；從事餐飲、運(yùn)輸、商業(yè)等經(jīng)營的農(nóng)戶，市場的波動對其影響較大，資金的需求較大，因此風(fēng)險也最大。據(jù)此，對上述貸款用途規(guī)定權(quán)數(shù)1、2、3、4，權(quán)數(shù)越大，風(fēng)險越大。貸款利率直接決定了農(nóng)戶的還款利息，貸款利率越高，農(nóng)戶的償還壓力增大，導(dǎo)致信用等級降低。貸款期限決定了農(nóng)戶的還款期限，期限較長的貸款農(nóng)戶還款的壓力較小，獲得經(jīng)營收入的機(jī)會增大，因此違約的可能性降低，對應(yīng)的信用級別較高。農(nóng)村小額貸款公司的貸款期限一般分為短期貸款6個月以內(nèi)、6個月至1年，中長期貸款1年至3年、3年至5年、5年以上。還款方式可根據(jù)農(nóng)戶的經(jīng)營情況、生產(chǎn)周期和償還能力等因素自行選擇，一般分為按月定額償還，即每月按照規(guī)定金額予以本息償還；到期一次性償還本息和定期償還。區(qū)域經(jīng)濟(jì)發(fā)展水平情況。區(qū)域經(jīng)濟(jì)發(fā)展水平高低差異會直接影響農(nóng)戶的家庭財產(chǎn)、文化水平和經(jīng)營收入等，經(jīng)濟(jì)發(fā)達(dá)地區(qū)的農(nóng)戶家庭財產(chǎn)和經(jīng)營收入優(yōu)于落后地區(qū)，總體上呈現(xiàn)正相關(guān)性。不同區(qū)域經(jīng)濟(jì)水平不同，農(nóng)戶的信用等級不同。下面進(jìn)行變量的定義及賦值，農(nóng)戶的信用評級等級記為y，賦值標(biāo)準(zhǔn)記為較差、合格、良好、優(yōu)秀，其中較差＝0，合格＝1，良好＝2，優(yōu)秀＝3。信用等級越高，風(fēng)險越低。詳情見表2。。

（三）Logit模型的構(gòu)造Logit模型也稱作“評定模型”，是多變量分析的延伸，在經(jīng)濟(jì)學(xué)中應(yīng)用廣泛。在本文中，假設(shè)農(nóng)戶的違約率是P，1－P就表示不違約概率，則設(shè)Logit函數(shù)為。根據(jù)最大似然估計法，得出估計參數(shù)β0、β1、β2、βk，根據(jù)Logit模型可以得到農(nóng)戶借款在一段時間里的違約率，通常設(shè)定模型的臨界點為0．50，判定準(zhǔn)則為：若違約率P≥0．5，則認(rèn)為農(nóng)戶存在高風(fēng)險，反之則為低風(fēng)險農(nóng)戶。對以上列舉的各項影響因素，篩選對信用評級有顯著性影響的各因素，主要為文化水平、擁有耕地、農(nóng)業(yè)收入水平、經(jīng)營收入水平、貸款用途、貸款利率、還款方式、區(qū)域經(jīng)濟(jì)發(fā)展水平8大因素。檢驗結(jié)果為通過卡方檢驗，sig值小于0．03，擬合結(jié)果良好。平行性檢驗的sig值為0．02，顯著性水平為2％情況下檢驗通過。本文采用安徽省肥西縣農(nóng)村小額貸款公司提供的2008—2012年的相關(guān)數(shù)據(jù)資料，總共360個樣本。將2008—2011年樣本設(shè)置為訓(xùn)練組，共220個，2012年樣本為預(yù)測組，共140個。按照五級分類標(biāo)準(zhǔn)，超過3個月未償還貸款的農(nóng)戶為高風(fēng)險客戶，高風(fēng)險客戶共有105戶，低風(fēng)險客戶255戶。訓(xùn)練組內(nèi)高風(fēng)險客戶有50個，低風(fēng)險客戶有170個，預(yù)測組內(nèi)高風(fēng)險客戶30個，低風(fēng)險客戶110個。

（四）Logit模型的檢驗在測算出Logit函數(shù)構(gòu)建模型之后，對模型參數(shù)進(jìn)行可行性檢驗，檢驗該模型是否可以有效表4貸款逾期情況列表年份總貸款逾期率（％）三個月以上貸款逾期率（％）20082．422．2920092．392．3220102．352．3020112．382．3120122．292．23表5貸款逾期情況分組列表分組高風(fēng)險客戶數(shù)（人）低風(fēng)險客戶數(shù)（人）訓(xùn)練組（2008—2011年）50170預(yù)測組（2012年）30110資料來源：根據(jù)肥西縣農(nóng)村小額貸款公司貸款數(shù)據(jù)整理所得。適用于小額貸款公司的信用風(fēng)險測度。回歸系數(shù)檢驗。模型中各變量的P值都小于顯著性水平0．05，證明各變量通過顯著性檢驗，認(rèn)為各指標(biāo)因素對違約行為的影響是顯著的。準(zhǔn)確度檢驗。經(jīng)過檢驗證明，Logit模型識別違約率的準(zhǔn)確率達(dá)到88．1％，不違約率的準(zhǔn)確率達(dá)到77．2％，總的來說，擬合程度較高，識別能力較強(qiáng)。

二、結(jié)論與建議

根據(jù)農(nóng)村小額貸款公司的數(shù)據(jù)構(gòu)建的Logit模型為農(nóng)村小額貸款公司的信用風(fēng)險預(yù)測提供了較為準(zhǔn)確的數(shù)量依據(jù)，也為信用風(fēng)險的防范指明了方向和重點。農(nóng)村小額貸款公司可借助Logit模型對違約客戶和非違約客戶進(jìn)行識別篩選。總體來說，Logit模型的結(jié)果是可以采信的，但是，模型的識別力仍有待加強(qiáng)，主要原因：一是樣本容量的有限，二是農(nóng)村小額貸款公司對客戶信息的調(diào)查不夠全面、深入，三是模型所采用的數(shù)據(jù)局限性較大，因此實踐性較弱，可能存在區(qū)域性限制。通過觀察模型中的各參數(shù)可得，農(nóng)戶的文化水平、擁有耕地數(shù)、收入水平、貸款用途、和區(qū)域經(jīng)濟(jì)發(fā)展水平與農(nóng)戶的違約概率即信用風(fēng)險呈負(fù)相關(guān)關(guān)系，貸款利率、還款方式與農(nóng)戶的違約概率即信用風(fēng)險呈正相關(guān)關(guān)系主要體現(xiàn)在：農(nóng)戶的文化水平越高，素質(zhì)越高，信用還款意識也越好，違約的可能性越低；農(nóng)戶擁有的耕地面積越高，農(nóng)業(yè)收入越有包裝，因此信用風(fēng)險越低；農(nóng)戶的收入水平越高，包括農(nóng)業(yè)收入、其他經(jīng)營收入以及各類資產(chǎn)價值，還貸能力越強(qiáng)，越不可能產(chǎn)生違約現(xiàn)象；農(nóng)戶的貸款用途對違約產(chǎn)生起到了關(guān)鍵性作用，當(dāng)貸款用于種植業(yè)、養(yǎng)殖業(yè)以及商業(yè)、運(yùn)輸?shù)冉?jīng)營生產(chǎn)時，違約的可能性要高于用于農(nóng)業(yè)基本生產(chǎn)的情況；貸款利率的高低決定了還款利息的高低，貸款利率高從而利息高的貸款還款壓力大，違約風(fēng)險高；還款方式不同，造成不同信用風(fēng)險，按月還款比到期一次性還款的信用風(fēng)險要低；區(qū)域經(jīng)濟(jì)發(fā)展水平越高的地區(qū)，整體經(jīng)濟(jì)實力較強(qiáng)，就業(yè)機(jī)會較多，農(nóng)戶可獲得經(jīng)營收入較多，同時，經(jīng)濟(jì)越發(fā)達(dá)地區(qū)居民文化水平越高，信用風(fēng)險越低。由于Logit模型的局限性，在今后的研究分析中，應(yīng)考慮擴(kuò)充樣本容量，引入宏觀經(jīng)濟(jì)變量進(jìn)行分析，提高模型的應(yīng)用性和準(zhǔn)確性。

此外，為提高信用風(fēng)險評分的準(zhǔn)確性，農(nóng)村小額貸款公司在實際工作中還應(yīng)當(dāng)做好以下方面的工作：首先，加強(qiáng)培養(yǎng)專業(yè)信貸人員。Logit模型雖然為信用風(fēng)險的評估提供了參考依據(jù)，但是并不能完全依靠它，要加以配合信貸人員的專業(yè)操作，模型的建設(shè)作為一項精準(zhǔn)復(fù)雜的工作，對信貸人員的專業(yè)素質(zhì)要求較高，因此，應(yīng)加強(qiáng)員工的專業(yè)技能培訓(xùn)，建立有效的激勵懲戒機(jī)制，吸引優(yōu)秀人才的加入，對模型的開發(fā)應(yīng)培養(yǎng)掌握金融事務(wù)、熟悉信貸工作、具有專業(yè)知識的專業(yè)人才團(tuán)隊。其次，建立健全數(shù)據(jù)資料庫。建立健全農(nóng)戶的數(shù)據(jù)資料庫是一項基礎(chǔ)性工作，更是建立農(nóng)村小額貸款公司信用風(fēng)險評估模型的關(guān)鍵依據(jù)，更多的樣本數(shù)據(jù)可以提高模型的識別力。因此，應(yīng)大力加強(qiáng)農(nóng)村小額貸款公司客戶數(shù)據(jù)資料庫的建立，規(guī)范檔案的指標(biāo)體系，最大力度地保證各項指標(biāo)的真實性和全面性，提高電子化管理的能力，為模型的構(gòu)建提供大量可靠的數(shù)據(jù)支撐。再次，信用評估模型需要不斷地改進(jìn)更新，以適應(yīng)發(fā)展中的情況并提高越策準(zhǔn)確率。在我國農(nóng)村小額貸款公司不斷發(fā)展的過程中應(yīng)積極關(guān)注信用風(fēng)險評估的進(jìn)程，也要不斷創(chuàng)新風(fēng)險預(yù)測辦法，完善模型，將模型更好地應(yīng)用于實際工作中。最后，創(chuàng)新開發(fā)需求差異化貸款產(chǎn)品。農(nóng)村小額貸款公司在農(nóng)村金融發(fā)展的浪潮中，為了實現(xiàn)可持續(xù)發(fā)展和商業(yè)化進(jìn)程，創(chuàng)新設(shè)計新的符合客戶需求的個性化、差異化金融產(chǎn)品是必要手段，在探索新產(chǎn)品開發(fā)過程中結(jié)合有效的信用風(fēng)險控制措施，積極開發(fā)風(fēng)險分散、控制的創(chuàng)新金融產(chǎn)品，才能實現(xiàn)健康持續(xù)的發(fā)展，既擴(kuò)大客戶群又在一定程度上保障了貸款質(zhì)量，正是推動農(nóng)村小額貸款等金融機(jī)構(gòu)不斷發(fā)展和完善的中堅力量。

作者：鄭蘭祥萬雪單位：安徽大學(xué)經(jīng)濟(jì)學(xué)院

第二篇

一、小額貸款公司信用風(fēng)險的生成機(jī)理

(一)文獻(xiàn)綜述申韜(2010)認(rèn)為引發(fā)小額貸款公司信用風(fēng)險的主要原因包括:主體缺陷，即小額貸款公司因性質(zhì)定位的尷尬和融資能力受限，當(dāng)客戶違約時會面臨信用風(fēng)險;客體缺陷，即小額貸款公司授信對象的特殊性決定了客戶信用風(fēng)險產(chǎn)生的必然性;貸款運(yùn)作方式的缺陷，即小額貸款公司過多依賴“軟信息”作為貸款決策依據(jù)將加劇其客戶信用風(fēng)險［2］。黃曉梅(2012)認(rèn)為“三農(nóng)”問題、信貸主體的信息不對稱、專業(yè)人才匱乏、內(nèi)控薄弱是小額貸款公司信用風(fēng)險的成因［3］。顧海峰(2013)認(rèn)為市場行情、宏觀經(jīng)濟(jì)政策、經(jīng)營條件等因素的變動導(dǎo)致借款者出現(xiàn)違約，同時，利用模型進(jìn)一步證明信息不對稱引發(fā)小額貸款公司的借款者逆向選擇和道德風(fēng)險［4］。綜上所述，國內(nèi)學(xué)者對小額貸款公司客戶信用風(fēng)險生成機(jī)理的看法主要有幾下三點:一是由于借貸雙方信息不對稱導(dǎo)致客戶道德風(fēng)險和逆向選擇;二是因外部環(huán)境變化導(dǎo)致借款人的還款能力出現(xiàn)問題而違約;三是小額貸款公司因受政策束縛、自身缺陷等原因不能有效防范客戶信用風(fēng)險。通過對小額貸款公司信用風(fēng)險成因進(jìn)一步研究發(fā)現(xiàn)，許多小額貸款公司還未能接入中國人民銀行征信系統(tǒng)，小額貸款公司與金融機(jī)構(gòu)對彼此“老賴客戶”的“污點”無從所知，這無疑降低了違約者的成本，形成了風(fēng)險隱患。因此，小額貸款公司客戶違約成本低、失信的懲戒機(jī)制不健全也是形成信用風(fēng)險的一個重要因素。

(二)違約成本低是產(chǎn)生信用風(fēng)險的又一成因可借助收益—成本分析法和博弈矩陣模型來證明違約成本低是產(chǎn)生信用風(fēng)險的一個原因。假定，客戶從小額貸款公司以利率i獲得一筆貸款K，客戶使用這筆資金用于運(yùn)營獲得的收益率為r，則K乘以i表示資金的借款成本，K乘以r表示使用借貸資金獲得的收益，且Kr＞Ki。客戶違約率為P，違約成本為C，到期還本付息的概率為1－P，小額貸款公司意愿放貸的概率是Q，拒貸的概率為1－Q。有以下四種情況:第一，如果客戶到期正常還本付息，客戶所得收益為K(r－i);如果客戶違約，收益減去成本為K(1+r)－C。第二，如果小額貸款公司放貸給誠信客戶凈賺Ki，但貸款給違約客戶則會損失K(1+i)的本利。第三，如果潛在違約客戶被拒貸，其收益減去成本為0，同理小額貸款公司拒絕給違約客戶貸款，收益減去成本也為0。第四，如果小額貸款公司對誠信客戶拒貸會產(chǎn)生Ki的機(jī)會損失，同時誠信客戶被拒貸，機(jī)會損失為K(r－i)。則小額貸款公司和客戶博弈矩陣如表1所示:從該模型推導(dǎo)出的公式不難發(fā)現(xiàn)，信用風(fēng)險與貸款利率i、資金運(yùn)用的實際收益率r、貸款本金K以及違約成本C有關(guān)，其中違約成本C和違約率P呈負(fù)相關(guān)，違約成本C越低，違約概率P就越高。可見違約成本是導(dǎo)致信用風(fēng)險的又一因素，因此，加大違約成本可降低小額貸款公司的客戶信用風(fēng)險。

二、小額貸款公司信用風(fēng)險的防范

(一)完善內(nèi)控制度是防范信用風(fēng)險的基礎(chǔ)小額貸款公司應(yīng)將審慎經(jīng)營滲透到公司信貸全過程，覆蓋所有的部門、崗位和人員，從源頭上把好信用風(fēng)險防范第一關(guān)。1．嚴(yán)格執(zhí)行“三查”制度小額貸款公司應(yīng)總結(jié)風(fēng)險防范經(jīng)驗，嚴(yán)格執(zhí)行貸款“三查”(貸前調(diào)查、貸中審查、貸后檢查)制度，切實提高防范風(fēng)險的能力①。小額貸款公司在放貸前要積極審慎選擇客戶，對貸款申請人的基本情況、資信狀況、經(jīng)營情況、貸款擔(dān)保情況等進(jìn)行全方面調(diào)查;貸中要依據(jù)調(diào)查人員提供的相關(guān)信息資料，對資料的合規(guī)真實性、貸款資金的流向、可能的風(fēng)險影響因素等內(nèi)容按照既定的程序和要求進(jìn)行審查、核準(zhǔn);貸后要加強(qiáng)貸款資金的跟蹤檢查，監(jiān)控借款人和擔(dān)保人的經(jīng)營變動情況，當(dāng)出現(xiàn)市場銷售異常、關(guān)聯(lián)企業(yè)變化、公司重要管理人員調(diào)整等可能影響借款人還款能力因素時，及時識別預(yù)警風(fēng)險，并采取相應(yīng)措施，將風(fēng)險扼殺在搖籃中。2．實行審貸分離根據(jù)中國人民銀行《貸款通則》的相關(guān)規(guī)定，貸款調(diào)查人、貸款審查人和貸款發(fā)放人需對各自承擔(dān)的工作負(fù)責(zé)，企業(yè)需完善內(nèi)部制約機(jī)制，防范貸款風(fēng)險②。這就要求小額貸款公司合理搭建公司治理結(jié)構(gòu)，堅持“部門(崗位)分設(shè)、職責(zé)分離、各司其職、相互牽制”的審貸分離原則。將對借款人的貸前調(diào)查權(quán)、貸中審查權(quán)、貸后檢查權(quán)歸屬于不同部門，分別設(shè)立信貸業(yè)務(wù)部門、信貸管理部門和信貸風(fēng)險資產(chǎn)管理部門，并落實三部門工作責(zé)任制。規(guī)模小的小額貸款公司可設(shè)立調(diào)查崗、審查崗和信貸風(fēng)險資產(chǎn)管理崗負(fù)責(zé)“三查”工作，各崗位不能交叉。條件成熟的小額貸款公司，可設(shè)立董事會領(lǐng)導(dǎo)下的貸款審查委員會，環(huán)環(huán)層疊、杜絕人情債，嚴(yán)防風(fēng)險漏出。3．加強(qiáng)信息化建設(shè)信息化最大的優(yōu)勢在于信息傳遞的及時性、數(shù)據(jù)處理的高效性和數(shù)據(jù)管理的便捷性。利用信息化系統(tǒng)，一方面可實時、準(zhǔn)確地多渠道獲取客戶信息，及時識別預(yù)警風(fēng)險，減少信息不對稱帶來的時滯損失;另一方面可促使業(yè)務(wù)人員嚴(yán)格執(zhí)行操作規(guī)范和既定的流程，進(jìn)一步強(qiáng)化內(nèi)控制度執(zhí)行力，從而有效防止人為舞弊，提高預(yù)防風(fēng)險的能力。此外，信息化建設(shè)也為小額貸款公司信貸技術(shù)的開展、與央行征信系統(tǒng)的無縫對接等提供技術(shù)支持。

(二)信貸技術(shù)是防范信用風(fēng)險的關(guān)鍵1．5C分析法5C分析法是通過對借款人五個方面綜合分析以評定借款人還款意愿和還款能力的一種技術(shù)分析方法。其操作簡單易行，非常適合小額貸款公司對其授信對象進(jìn)行信用風(fēng)險審慎評估。(1)道德品質(zhì)(charater)。道德品質(zhì)包括企業(yè)的誠實守信和社會責(zé)任感兩個方面。通常有著良好歷史信用記錄、遵守承諾和信守協(xié)議、富有社會責(zé)任感的借款人按時還款意愿強(qiáng)。因此，企業(yè)所有者的個人誠信和責(zé)任感可成為反映企業(yè)還款意愿強(qiáng)弱的重要考量指標(biāo)。(2)還款能力(capacity)。還款能力是五要素中最為關(guān)鍵的因素，借款人未來充足的現(xiàn)金流是保障其按時還款的前提條件。因此，小額貸款公司要考慮借款企業(yè)的未來現(xiàn)金流量、償還時機(jī)等因素，在確保借款人不會改變資金用途、經(jīng)營狀況和資產(chǎn)狀況良好、有足夠的現(xiàn)金償還債務(wù)時發(fā)放貸款。(3)資本實力(capital)。資本實力是企業(yè)的信用基礎(chǔ)，是企業(yè)債務(wù)清償?shù)闹匾A(chǔ)和條件。如果借款人自有資金占全部項目投資金額的比例越高、融資策略越偏保守、財務(wù)越穩(wěn)健，說明該筆貸款的風(fēng)險就越小。(4)擔(dān)保(collateral)。擔(dān)保是指當(dāng)借款人不履行債務(wù)時，貸款人有權(quán)依照擔(dān)保法規(guī)定優(yōu)先受償。對信用狀況存有爭議的客戶，擔(dān)保貸款是一個非常保險的做法，抵押擔(dān)保貸款可以增加客戶的違約成本，降低違約風(fēng)險。(5)經(jīng)營條件(condition)。經(jīng)營條件是指客戶營運(yùn)過程所面臨的經(jīng)濟(jì)形勢和社會環(huán)境，包括企業(yè)、行業(yè)和關(guān)聯(lián)行業(yè)所面臨的經(jīng)濟(jì)環(huán)境。小額貸款公司在放貸前要對授信企業(yè)的發(fā)展前景、市場供求狀況、行業(yè)發(fā)展趨勢等經(jīng)濟(jì)環(huán)境進(jìn)行分析，結(jié)合客戶歷史信用數(shù)據(jù)來綜合判斷客戶的還款能力是否受到影響，防范信用風(fēng)險。2．全面信息采集交叉驗證法信息不對稱是所有信貸業(yè)務(wù)面臨的核心問題，全面信息采集交叉驗證能有效解決信息不對稱痼疾，防范信用風(fēng)險。一方面，小額貸款公司面臨的目標(biāo)客戶群體其財務(wù)報表可信度較低，提供的信息真?zhèn)斡写鎰e。另一方面，一份資料造假容易，但多份資料同時造假很準(zhǔn)，可對利用兩種以上渠道或方法獲得的信息進(jìn)行多維驗證，分析其是否存在矛盾。例如，小額貸款公司除了查閱借款人財務(wù)報告、面對面調(diào)查外，還要注重從工商稅務(wù)、水電氣供應(yīng)部門、企業(yè)合作伙伴等渠道全方位采集數(shù)據(jù)，充分運(yùn)用“交叉驗證”技術(shù)，解決客戶信息真實獲取問題。3．信貸評分技術(shù)通過全面信息采集交叉驗證獲取客戶真實信息后，小額貸款公司可采用信貸評分技術(shù)對客戶進(jìn)行信用評估。目前市面上的信用評分系統(tǒng)軟件和信用評分模型技術(shù)數(shù)見不鮮，但因其成本高昂、過多依賴硬性財務(wù)數(shù)據(jù)、技術(shù)復(fù)雜而不受小額貸款公司寵愛。因此，小額貸款公司對客戶的評分技術(shù)要回歸原始簡單的信用評分技術(shù)。即結(jié)合客戶的特點，找出可能影響企業(yè)未來信用風(fēng)險的各種因素，設(shè)立相應(yīng)的評分指標(biāo)，根據(jù)評分標(biāo)準(zhǔn)算出每項評分指標(biāo)的初始得分(Si)，參考分配的權(quán)重(Wi)，得出每項評分指標(biāo)的加權(quán)得分，最后將所有的評分指標(biāo)加權(quán)得分相加算出一個信用分值(V)。 按分值(假定總分100分)劃分4個信用區(qū)域段，分別是白色區(qū)域［80，100］、灰白區(qū)域(60，80］、灰色區(qū)域(50，60］和黑色區(qū)域［0，50)。白色區(qū)域段分值高，表明信用額度高，是優(yōu)質(zhì)客戶，可以正常放貸;如客戶的評分值在“灰白”區(qū)域，表明客戶信用等級良，也可以貸款，但要適當(dāng)關(guān)注;如客戶分值處于“灰色”區(qū)域段，表明客戶信用等級中，放貸需更加審慎;對信用分值處于“黑色”區(qū)域的客戶貸款請求采取一票否決制。除使用上述信貸技術(shù)外，信貸人員的主觀判斷非常重要。宜使用“到戶調(diào)查、眼見為實”的傳統(tǒng)方式對客戶進(jìn)行多次反復(fù)評估，限定具體貸款額度。

(三)加入征信系統(tǒng)是防范信用風(fēng)險的保障伴隨著小額貸款公司的業(yè)務(wù)持續(xù)增長，通過征信系統(tǒng)了解授信對象的信用狀況顯得尤為迫切。小額貸款公司有三種獲取征信系統(tǒng)數(shù)據(jù)的渠道:一是企業(yè)自建大數(shù)據(jù)征信平臺，采集、挖掘、整理、分析海量客戶信息數(shù)據(jù)，從而形成征信數(shù)據(jù)庫;二是從專業(yè)征信公司購買客戶的信用檔案;三是接入人民銀行征信系統(tǒng)。小額貸款公司因其融資受限，資金實力有限，尚不具備自建條件。當(dāng)前中國征信行業(yè)競爭不充分，管制有待規(guī)范，因此，第二條渠道也不適宜。人民銀行征信系統(tǒng)已積累大量企業(yè)和個人的信用數(shù)據(jù)，是當(dāng)前較為切實可行的一條渠道。到目前為止，已相繼有小額貸款公司接入人民銀行征信系統(tǒng)，但全國范圍內(nèi)推廣還處于籌備之中［5］。加入人民銀行征信系統(tǒng)有助于小額貸款公司及時了解客戶信用情況，挖掘優(yōu)質(zhì)客戶，在推動貸款業(yè)務(wù)增長的同時，有效防范客戶信用風(fēng)險。一方面接入人民銀行征信系統(tǒng)后，小額貸款公司能夠查詢到客戶在金融機(jī)構(gòu)和其他小額貸款公司的貸款記錄，防范多頭授信，大大降低小額貸款公司的不良貸款。另一方面，客戶所有的信用記錄在征信系統(tǒng)中均留有痕跡，提升了客戶的違約成本，對客戶的借款行為產(chǎn)生約束力和震懾力，從而降低客戶的違約風(fēng)險。因此，要大力推進(jìn)小額貸款公司接入人民銀行征信系統(tǒng)，讓守信成為一種習(xí)慣，保護(hù)小額貸款公司的利益。

作者：褚紅梅單位：南京鐵道職業(yè)技術(shù)學(xué)院經(jīng)貿(mào)學(xué)院