学习型信贷供给向互联网+模式转型
学习型信贷供给是指在以信息不对称和信用风险为典型特征的信贷市场中,贷款人付出学习成本和努力,由不知情者变为知情者从而解决信息不对称、控制信用风险,提供信贷供给的策略。学习型信贷供给具体包括软信息模式和硬信息模式,后者随信息技术持续进步而不断出现新的解决方案。本文基于Stiglitz(2000)信息不对称问题两种解决策略——学习型和激励型的分类思路,提出学习型信贷供给的概念。其最具代表性的特征在于假设信息不对称可以通过特定技术或工具来消除,是唯一可能解决各种信贷配给问题、实现信贷市场效率帕累托改进的策略。 本文在界定学习型信贷供给概念的基础上,对我国学习型信贷供给的现状、成因及影响进行了实证分析。首先,运用我国某股份制商业银行公司信贷样本数据以及我国零售信贷市场整体产品要素数据分析得出,以高抵押为特征的激励策略是我国当前信贷市场的主要供给模式,利率定价与风险评级关联度不高,学习型贷款供给非主流;而在使用率较低的学习策略中,软信息特征突出,硬信息占比较少。 其次,微观信用风险管理技术是形成这一现状的直接原因。多种因素导致我国贷款主体微观信用风险管理技术计量准确度不高,包括银行实施现代量化信用风险管理历史短、企业财务报表等硬信息数据质量差等。因此,信用风险兼具不可计量的不确定性和可量化的风险双重特性。此外,我国曾长期实施的利率管制体制构成学习型信贷供给现状的外部制度原因,贷款利率外生给定、路径依赖明显,抵押作为克服信息不对称合约要素的重要性更为突出,不得不高抵押。这一因素正在随利率市场化而弱化。 第三,在学习型信贷供给概念下,信贷市场均衡有三种状态:一是贷款人不采取任何措施,信息不对称严重,存在价格配给与数量配给;二是贷款人采取激励策略,存在非数量配给;三是贷款人采取学习策略,有可能克服各种信贷配给问题。我国当前非学习型信贷供给状态相应产生多种形式的配给,本文通过对我国大、中、小型企业产能及信贷条件等数据的实证分析得出,中小型企业是受到非数量信贷配给最为严重的群体,小型企业还同时受到明显的数量配给。此外,非学习信贷供给现状导致宏观经济风险放大,对我国上市商业银行2014年年报的抵押贷款占比与安全边际数据进行回归分析发现,抵押贷款的占比与银行风险抵抗能力及安全边际存在显著的反向关系。 通过以上讨论提出问题后,本文随后进入对解决问题路径的研究,形成学习型信贷供给向互联网+模式转型的核心观点。本文认为互联网+模式是学习型信贷供给的高级阶段。 首先,借鉴Grossman和Stiglitz(1980)方法建立学习型信贷供给决策模型,得出贷款人从不知情者向知情者转变的四项关键决策因素:借款人道德风险及逆向选择程度X、学习成本c、信息质量n及预期利差ER-1-i。基于该模型,我们从当前利率市场化改革落地、信用环境不佳及信息技术进步等外部条件出发,讨论四项决策因素的现状及变化趋势,提出推进学习型信贷供给向互联网+模式转型的必要性和可行性。必要性主要来自于当前较差的信用环境,借款人道德风险及逆向选择程度X较高,而伴随利率市场化、利率风险定价成为信贷合约的内生变量,学习型信贷供给变得非常必要。可行性则来自于互联网+新型信息技术的快速发展,具体包括大数据、人工智能等,显著降低学习成本c,改善信息质量n,且通过数据分析的整体优化功能创造更大的风险利差ER-1-i,使互联网+模式成为推进学习型信贷供给极具可行性的解决方案。 随后,本文进一步对互联网+模式的信贷供给微观实施问题进行了讨论。包括运用SWOT工具讨论我国商业银行可以采取的最佳实施策略,IT信息系统架构、数据挖掘技术及模拟算法,互联网+信息技术实施的困难和经验等。最后,针对培育互联网+信贷供给、建立健康高效的互联网+信贷供给监管环境提出了相应的政策建议。 以往有关信贷市场的信息经济学理论研究多集中在信贷配给、基于软信息和硬信息的贷款策略行为研究等特定领域,本文则在界定学习型信贷供给概念的基础上,系统化的讨论了学习型供给的现状及问题,指出向互联网+模式转型的必要性和可行性、微观实施步骤以及宏观政策建议,是针对我国当前信贷市场效率、市场化改革以及互联网+信息技术进步等重大因素背景下所开展的具有实践意义的一份研究。本文针对互联网+信息技术的进步保持了谨慎乐观的态度,对当前互联网+信息技术仍存在数据预测能力以及网络数据虚假等局限保持关注,并客观看待信息技术进步的现在、合理预测她的未来。 关键词:学习型信贷供给、互联网+技术、激励型信贷供给、大数据、人工智能、信用风险管理、信息不对称
- 作者:
- 张漫春
- 学位授予单位:
- 中国人民银行金融研究所
- 专业名称:
- 应用经济学
- 授予学位:
- 博士
- 学位年度:
- 2016年
- 导师姓名:
- 谢平