大数据背景下中小企业融资问题探析
来源:用户上传
作者: 李聪
摘 要：在转型升级过程中，如何有效应对中小企业融资难的问题，将直接影响我国的经济可持续发展和社会和谐稳定。经济学理论以信贷配给为出发点，探讨银行等金融机构“惜贷、拒贷”的原因，并提出通过强化“硬信息”和“软信息”的获得来解决信贷市场信息不完全问题。结合大数据的特性，认为其应用能有效缓解融资市场上信息不对称状况，改善逆向选择和道德风险带来的潜在难题，为解决中小企业融资难问题提供了新的思路与技术方案。
关键词：大数据技术；中小企业；融资
中图分类号：F83
文献标识码：A
文章编号：1672-3198（2013）24-0101-02
1 中小企业发展现状
改革开放尤其是上世纪90年代以来，我国的民营中小企业发展得非常迅速。截止到2012年，中小企业占中国企业数量的98%以上，为中国提供新增就业岗位贡献度达到85%，研发成果占新产品的75%，发明专利的65%，GDP和税收的比重分别达到全国总量的60%和50%。从上述数据中，我们可以看到发展中小企业的意义：一是在转变经济发展方式过程中，中小企业是重要的组成部分；二是中小企业是推动国民经济平稳较快发展的重要力量源泉；三是中小企业吸纳了大量的城镇就业人口，其发展状况的好坏直接关系到民生改善和社会和谐。
然而，自从2008年全球金融危机爆发以来，伴随着欧美经济放缓、人民币升值以及生产和运输成本上升等多重不利因素的影响，我国部分中小企业遭遇了“寒冬”，特别是对出口导向型为主的企业来说更是艰难。在此情况下，很多企业寻求突破发展瓶颈，走转型升级的道路。2013年7月5日，国务院办公厅发布《关于金融支持经济结构调整和转型升级的指导意见》明确指出，当前，我国经济运行总体平稳，但结构性矛盾依然突出。金融运行总体是稳健的，但资金分布不合理问题仍然存在，与经济结构调整和转型升级的要求不相适应。中小企业的转型过程并非一帆风顺。人民银行山西省晋中支行的问卷调查报告显示：企业经营中遇到的最主要的困难，“资金紧张”占87%；企业认为阻碍其转型的外部因素的调查中，有67%的认为是“金融的资金支持力度不够”；回答企业长远发展障碍时，64%的企业首选“融资问题”。可见，民营中小企业融资难已经成为社会的广泛共识。
不可否认，我国政府近年来在解决中小企业融资难问题上的努力是空前的，创业板和中小板的设立、新老非公经济36条等的出台都是为缓解中小企业资金融通问题所做出的有益尝试。但在过去3年中，中型企业选择民间借贷的比重为48.3%，而小型企业选择民间借贷的比例则高达67.8%。中小企业的发展资金主要局限于传统原始积累和民间借贷，通过现代化的直接或间接融资（如向金融机构借贷）手段获取资金的比例依旧不高。
2 中小企业融资难的理论分析
从中小企业自身角度来看，融资难问题受制于其融资能力欠缺和融资渠道狭小，大部分中小企业缺乏有效资产作为抵押担保物，而市场信用担保体系也还不完善；从银行等金融机构的角度来看，它们在面对企业贷款时坚持安全性、盈利性与流动性的“三性统一原则”，在秉持谨慎放贷的基础上看待中小企业的融资需求，容易忽视一些未来具有良好成长性的企业对贷款的合理需求，导致银行对中小企业“恐贷、惜贷”甚至“拒贷”现象的发生。
针对上述问题，学术界普遍提出各种研究思路，试图对这种现象产生的原因做出恰当的理论解释。其中，斯蒂格利茨和韦斯（Stiglitz and Weiss，1981）所著的《不完全信息市场中的信贷配给》最具参考性。他们首次从信息不对称（asymmetric information）的角度的全面系统对信贷配给（Credit Rationing）现象进行了深入分析，从而确立了信息不对称条件下研究信贷市场的理论框架。所谓信贷市场上的信息不对称，是指作为资金融入方的企业拥有自身借贷风险程度以及还贷能力等私人信息，而作为资金融出方的银行难以了解这些私人信息，从而难以准确把握借款者的信用情况、财务状况、贷款用途、违约概率等信息，这时信贷市场上就会出现逆向选择（Adverse Selection）和道德风险（Moral Hazard）问题。当银行不能有效识别借款人信息时，提高利率反而会使低风险的借款人退出信贷市场（逆向选择行为），或者诱使借款人选择风险高预期回报高的项目进行投资（道德风险行为），结果是使平均借贷利率水平上升。实际上，那些愿意支付较高利息的借款人可能正是那些风险高还款能力低的人。此外，为降低或消除可能不利影响和潜在风险，银行的贷款决策并不完全依靠利率机制来进行，通过提出附加抵押担保等各种贷款条件来提高融资门槛。为了规避风险，银行在拒绝部分贷款人需求的同时，也降低了最大化自身利润的可能性，并未实现在完全市场条件下的瓦尔拉斯均衡。
后续的许多学者在斯蒂格利茨和韦斯的信贷配给理论基础上进行了深入探讨。其中的一种观点认为，信息还可以分为“硬信息”和“软信息”。“硬信息”主要是指能从企业的财务报表中获取的信息，具有可量化、易储存和以非人员方式进行传递的特点，但由于财务报表不规范、信用等级不高、可抵押的资产较少且抵押物质量不高等问题，一般中小企业很难提供合乎商业银行规范的“硬信息”。“软信息”主要是指非财务信息，一般通过各种渠道搜集包括企业平时办理存款、转账、结算等基本银行业务，也包括从企业的利益相关者（股东、债权人、雇员、供应商和客户等）获得的信息，甚至还包括企业主个人的品行和信用状况等，再将此类信息进行归纳、梳理、分析、总结而得到的。“软信息”的获取成本相对较高，通常建立于银行和企业的长期交往过程中。而在传统的银行等金融机构不具备搜集和处理这些信息的能力或受制于成本因素的情况下，它们会被迫采用相对稳妥的信贷配给方式，而不是提高利率来平衡供求。这样一来形成了恶性循环：中小企业因经营不规范等原因导致信息披露质量不高，银行等金融机构信息获取真实信息的高成本导致了信贷市场对小企业的挤出效应，降低了中小企业融资的可能性，进一步的阻碍了中小企业的发展。 总的来说，理论分析给出了解决信贷市场上的信息不对称问题的两点思路，一方面可以通过增加贷款抵押物的数量或质量，从增加“硬信息”的角度加以应对，另一方面可以寻求挖掘“软信息”的潜在价值和降低获取成本上来解决。
3 大数据的特性适用于解决中小企业融资难
按照一般定义，大数据是指由数量巨大、结构复杂、类型众多数据构成的数据集合，是基于云计算的数据处理与应用模式，通过数据的整合共享，交叉复用，形成智力资源和知识服务能力。据估计，从有记录时代开始到2003年，全球产生的数据到达500亿字节，而到了2013年，只需要10分钟就能产生同样数量的数据。对海量数据的挖掘、分析和运用，带来了一个让我们生活、工作和思维方式变革的新浪潮。同时，以网络化和数字化为基本特征的新经济时代，金融产业日渐回归本质，表现为金融数据流的产生、存储、交换、分析以及使用。
大数据的特点表现为“4V”，即数据量巨大（Volume），从TB级别，跃升到PB级别；数据类型繁多（Variety），如音频、视频、图片等；价值密度低（Value），大容量的视频文件中也许只有很小的一两帧数据是实际需要的；处理速度快（Velocity），遍及各地的云计算服务器能将结构化和非结构化数据分配到数十、数百或甚至数千的电脑同时工作，运算能力强大的电子系统将客户拓展的边际成本削减至几乎为零。
大数据的上述特性，为我们缓解中小企业融资难提供了全新的思路：
（1）过去人们受困于存储介质和计算能力的限制，只能采用统计抽样的方法来分析数据，以期从样本中得到描述总体的特征。但是这样的方法有其不可避免的局限性，随机样本无法获取某些有用的信息，如贷款过程中的异常交易。大数据正在尝试打破这种成本与收益难以平衡的僵局。大数据与信贷业务结合的核心优势在于重塑信息结构，削减业务成本。电子商务平台与社交化网络的发展积累了海量数据，扁平化的网络结构使得对大数据进行挖掘能得到逻辑与规律的信息，要比现实中发布的企业数据更具真实性，因而具有巨大的社会经济价值。
（2）大数据时代不再一味追求精确，反之混杂性变成了一种标准途径，用概率说话成为常态。对一组借贷方案，只要透过全数据分析，在概率上它是能够长期稳健盈利的，即可被资金融出方考虑采纳。信用评级与贷后管理完全由量化模型自动分析完成，大数据经过云计算后得到动态的风险定价和违约概率分析结果，将风险管理的成本降至最低。
（3）随着信息结构的改变，大数据时代的风险控制理念将发生根本性变化。过去在风险回避理念驱使下，银行等金融机构提高资金价格（高利率）或要求企业提供抵押担保来补偿覆盖风险损失，而现在变为对企业稳健经营、创造现金并还款的能力作为持续监控和考核的重点；过去对“硬信息”（包括资产负债表、利润表、现金流量表等“三表”）的关注，现在兼顾重点考察“软信息”。传统的信贷理论认为，企业抵押资产的数量、质量与获贷可能性、授信额度成正比，但是如果贷后管理过程中出现持续性监管的能力不足、风险暴发后抵押品变现难度大、折价幅度大等情况，常规的风险补偿手段往往很难为金融机构充当最后的防火墙。不仅如此，基于大数据挖掘的系统处理与实时监控显著缩短了业务流程，提升了信贷业务效率，符合中小企业贷款需求灵活性、多样性、随时性的特点。
4 我国金融业的大数据运用现状
经过多年的发展与积累，目前中国的大型商业银行和保险公司等金融机构的数据量已经达到100TB以上级别，并且非结构化数据量在迅速增长。国际数据公司（IDC）认为，中国金融行业正在步入大数据时代的初级阶段，并呈现快速发展势头。同时，为迎接大数据时代的到来，中国金融企业正着手制定相关的计划，已经或即将推出具体措施。比如，中国民生银行筹划在今后三年中逐步完善自身的数据业务体系，2013年建设数据标准和大数据基础平台，2014年建设实时的数据集成平台，2015年建立完备的企业数据服务以支持智能化的服务。
对于现阶段的银行等金融机构来说，更多的还是依靠与第三方数据挖掘平台合作，对包含信息流，物流，资金流等供应链系统核心环节的数据挖掘，经过对数据进行分析整理，对实用数据进行分析整合，最后计算出企业的信用等级、信用额度，甚至预测未来的成长性及安全性。概括起来，基于这样的数据挖掘和分析，银行最终获得的信息可以用三个维度来表示：一是对过往数据，如订单、回款、库存等进行统计，并汇总所有的原始数据计算企业信用得分；二是根据企业日常经营过程中资金的运用状况及信用得分，计算信用额度；三是通过物流、资金流等重要环节的变化，着力贷后动态监管，实时追踪企业的信用情况。
以大数据应用领域中的小额信贷为例，阿里巴巴集团和中国建设银行在2007年联合推出一项专注于小微企业的贷款计划——e贷通。阿里巴巴拥有大量中小企业用户信息，汇集它们过去的详细信用记录，利用自身的交易平台掌握企业交易数据；而建行拥有较大的资金储备，在利润最大化动力的驱使下，希望贷款给无信用担保但发展势头良好潜力巨大的中小企业。按照传统逻辑思路，在无信用记录、无抵押担保的情况下，双方的这种融资交易很难得到满足。但如今在大数据技术的辅助下，可以自动分析判定是否给予企业贷款以及授信额度的大小，为互联网与金融机构的合作开辟了一个崭新的“双赢”领域。到2012年底，阿里巴巴累计服务小微企业已经超过20万家，放贷300多亿元，坏账率仅为0.3%左右，低于商业银行水平。
5 前景展望
大数据时代的金融企业既要面对技术升级问题，还将面对业务管理理念转变等问题。树立业务管理人员和实际操作人员的风险意识和创新意识是当务之急。大数据对金融行业员工的挑战要求员工具备大数据分析所需要的多学科知识，多层次的专业素质，具备对新技术的学习和驾驭能力，复合型人才将成为大数据时代金融行业从业人员的共同追求。此外，如何建设和维护好一个鼓励中小企业提供真实可靠数据的行业生态环境，也是政府部门在“大数据战略”的顶层设计中需要考虑的问题。
参考文献
[1]王霄，张捷.银行信贷配给与中小企业贷款[J].经济研究，2003，（7）.
[2]巴曙松.大数据可解小微企业融资瓶颈[J].中国经济报告，2013，（6）.
[3]闫冰竹.大数据时代的银行业发展[J].中国金融，2013，（10）.
[4]闫俊宏，许祥秦.基于供应链金融的中小企业融资模式分析[J].上海金融，2007，（2）.
[5]（英）维克托·迈尔-舍恩伯格，（英）肯尼思·库克耶.大数据时代[M].杭州：浙江人民出版社，2013.
[6]陈晓红.中小企业融资创新与信用担保[M].北京：中国人民大学出版社，2003.
[7]Stiglitz，J.E. and A. Weiss，Credit rationing in markets with imperfect information[J].The American economic review，1981，71（3）.
转载注明来源:https://www.xzbu.com/2/view-4719837.htm
