金融服务村村通有助于实现农村金融普惠.docx

金融服务“村村通''有助于实现农村金融普惠作者：周立潘素梅来源：金融理论探索2015年第04期摘要：在信息不对称的农村金融市场上，对于基础金融服务“村村通”工程是否有助于实现农村金融普惠的问题，本文以农户信贷可得性为例，从信息经济学视角分析基础金融服务“空白村”与“覆盖村”农户的金融服务可得性发现，即使在信用评分相同的情况下前者也会面临更为严重的信贷约束。而后，以项目组对山东、河北和陕西三省份566个农户的调查数据为基础，从自我排斥和银行信贷配给两个层面，判分了农户的信贷约束情况，并采1Ogit计量经济学方法验证了理论分析结果。本文认为，实现基础金融服务“村村通”有助于银行了解村级信息，减少信息不对称，由此提高农户的信贷可得性，进而实现农村金融普惠。关键词:金融服务“村村通”；普惠金融；信贷约束中图分类号：F832文献标识码：A文章编号：1006-3544（2015）04-0003-08一、引言及文献回顾普惠金融要求建设一种能有效、全方位地为社会所有阶层提供服务的金融体系，而信贷作为农户扩大再生产、平滑季节性收入与支出矛盾，以及应对突发性资金需求的重要手段，自然是普惠金融的核心。然而，在供给主导的农村金融市场，由于信息不对称的存在，贷款者因为无法控制借款者的信用风险，为保证资金的安全性，会对农户的信贷需求实施限额配给，致使农村金融市场一直处于资金供不应求的状态，农户面临的信贷约束很难缓解C这在人口规模小、消费水平低、金融基础设施状况差的偏远农村地区表现更为明显，低储蓄能力和低投资引诱，使得他们普遍落入“贫困恶性循环陷阱近些年，国家为改善金融服务状况，促进金融普惠，推出了一系列促进基础金融服务全覆盖的政策。其中，银监会自2009年起就提出力争3年实现镇（乡）级基础金融服务全覆盖的目标，并在2014年进一步提出，要“着力推动基础金融服务向行政村延伸，打通农村基础金融服务'最后一公里'力争用三至五年时间，总体实现行政村金融服务村村通可以预期，在各项政策推动下，包括农户贷款在内的基础金融服务的覆盖面将不断扩大，覆盖层级也将不断加深。然而，在农村金融市场需求者和供给者存在严重信息不对称的前提下，基础金融服务“村村通”（如下简称“村村通”）,能够有效缓解农户面临的信贷约束，进而真正实现农村金融普惠吗？学术界对此持两种截然相反的态度：一种是以Kcmpson和Why1ey以及1cyshon等为代表的赞成方，认为金融服务缺失将使银行丧失与客户之间的关系，主流金融服务的覆盖对于缓解信贷约束非常关键。另一种是以Caimeioss为代表的反对方，认为金融服务覆盖与否，并不影响银行与客户之间的供求关系和交易，因为银行可以远距离获得客户的信息圈。上述两方的结论虽然相反，但是他们都承认关系以及信息在银行信贷决策中的关键作用。那么，能否从理论和实证两个层面证实，相较于实现了金融服务“村村通”的行政村(以下简称“覆盖村”)，金融服务空白行政村(以下简称“空白村'')的客户会因缺乏金融服务渠道，面临更为严重的信贷约束吗？ChakraVar1y基于信息经济学视角，构建了银行服务覆盖的地区差异对贷款申请人的信用评分影响的理论模型，试图回答上述问题。本文将在此基础上，构建金融服务“村村通”对农户信贷可得性影响的理论模型，并运用课题组对山东、河北和陕西三省568个农户的调查数据和1Ogit回归模型，进行实证检验。文章的结构如下：第二部分将从信息经济学视角，构建理论框架，分析“村村通”对农户信贷可得性的影响；第三部分利用入户调查数据，从成因视角对农户是否面临信贷约束进行判分，并利用多元1Ogit回归模型，分析“村村通”对实现农村金融普惠的影响；最后得出结论并提出政策含义。二、理论与假说为考察金融服务“村村通''对农村金融普惠的影响，本文将首先引入并扩展Chakravarty模型，以本地信息为关键点，构造金融服务覆盖与农户信贷约束关系的理论模型，以便从理论视角解释两者之间的关系。(-)理论假设金融机构遵循利润最大化原则，根据申请人的信用评分高低进行贷款决策。信用评分是银行根据借款人的存贷历史、债务状况等信息，利用信用评分系统评估出来的，用于决定是否核准新贷款或确定信用额度的得分。假设信用评分能很好地预测借款者的质量，则对于贷款人来说，两者的期望相同。即：E(S)=E(Q)(1)其中，E(S)和E(Q)分别表示信用评分和借款者质量的期望。然而，在农村金融市场信息不对称的情况下，借款人无疑拥有私人信息C为保证资金的安全性，信息成为贷款人信贷决策的关键。此时，贷款决策者需要参考信用评分系统以外的信息，而私人联系和社区关系等社会网络渠道无疑是获取信息的绝佳通道，而实际上，他们可能更关注这些来自他们信任的渠道的信息，并且相信这些信息对信贷决策来说更重要。因此，"覆盖村''申请人的信用评分可能被信贷决策者依据由社会网络获知的本地信息而调整。而远离信贷决策者的“空白村”申请人的信用评分，却因为没有此类的本地信息而不可能被调整。同时，由于信贷决策者不熟悉“空白村”的情况，也不可能与来自该地区的贷款申请人有私人联系，这将减弱他们对'空白村”申请人信用评分预测能力的信心。因此，信用评分与贷款者质量之间的关系将调整为：Sb=Qb+cb(2)Sc=Qc+ec(3)其中，SB和SC分别表示“空白村”和“覆盖村呻请人的信用评分；QB和QC分别表示“空白村”和“覆盖村''申请人的质量；eB和ec分别是由本地信息等因素而带来的扰动项，假设它们的均值为零。因为信贷决策者对与“空白村”借款人详细背景有关的本地信息的了解程度小于“覆盖村''借款人的情况，则e1i的方差大于eM即：Vcb(4)其中，VB和VC分别表示eB和5的方差。式表明，相对于“空白村”的贷款申请来说，“覆盖村”贷款申请人的信用评分更能代表申请人的质量。基于上述分析，现在假设有来自“空白村”和“覆盖村”的贷款申请人B和C,他们的信用评分相同，且贷款成功的可能性与其信用评分线性相关，贝J：PB=bo+S(5)Pc=a0÷Sc(6)其中，PB和PC分别表示两位申请人贷款成功的可能性；和分别是斜率，b0和a0为截距C因为贷款决策者厌恶风险，他们会对可靠程度较大的信息赋予更大的权重，比如，方差比较小的数据。所以根据式(4)可知：>(7)现在，将上述情况扩展到申请人B和C所属地区的所有申请人。假设申请人的质量在两类地区的申请人中是同分布的，则申请人的信用评分也是同分布的。同理，申请人信用评分的均值相同，即：sB=sc(8)其中，sB和sc分别表示两类地区申请人的信用评分的均值。结合前面的假设可知，对于两类地区的申请人来说，信用评分的均值s与申请人质量的均值MQ相同，即：s=PQ(9)不失一般性，可以将上述结论扩展到更大范围的平均得分为PA的申请人集.并且得分为MA的贷款申请获批的可能性将独立于申请人所属的地理区域。以上分析了银行信用评分系统以外的本地信息的可得性在银行信贷决策中的关键作用。借此，我们可以知道，对于“空白村”的申请人来说，由于信贷决策者无法获得与他们相关的本地信息，从而相对于“覆盖村''相同信用评分的申请人来说，他们的贷款申请成功可能性曲线更为平坦(>)。那么，可以绘制出两类地区贷款申请获批的可能性曲线图(见图I)C据此我们将分两阶段来回答相较于“覆盖村”同等质量的贷款申请，“空白村”的申请是否会因为该村缺失金融服务，而面临更为严重的信贷约束这一问题。在初始阶段，对于来自两地区的信用评分处于平均得分处的申请人来说，贷款申请获批的可能性是相同的，见图中(s=o.p)点。然而，“空白村”处于平均得分以下的贷款申请，获批的可能性大于“覆盖村”相同得分的申请；不过，平均得分以上的贷款申请，获批可能性的情况则正好相反。也就是说，在这一阶段，以利润最大化为目标的金融机构，依据申请人的信用评分制定贷款决策，将评分在平均分以下的贷款更多地贷给了“空白村”的申请人，将评分在平均分以上的贷款更多地贷给了“覆盖村”的申请人。而相较于平均分以上的贷款申请，平均分以下的贷款很可能变成不良贷款。这意味着有更多的不良贷款来自“空白村同理，贷给评分在平均水平以上的贷款的质量相对来说比较好，不良贷款率较低，而相较于“空白村”，有更多“覆盖村''的评分高于平均得分水平的申请人获得贷款，这意味着有更多的优质贷款来自后者。上述结果将导致，信贷决策者形成“空白村”贷款申请质量特别不好的“刻板印象二这种印象将很难被打破。在此后的信贷决策中，因为金融机构在初始阶段倾向于向“空白村”的低信用评分者放贷的决策是错误的，他们将认为据以做出信贷决策的申请人的信用评分信息，尤其是“空白村”的信用评分信息是可疑的。这将导致金融机构对金融服务空白地区的贷款申请的偏见，以至于认为所有来自该地区的申请都不可信。他们将更信任来自私人联系和社区关系的本地信息。这些负面的印象还会因为“空白村”始终面临严重的信贷约束而自我加强。因此，因为金融机构无法通过私人联系和社区关系等社会网络渠道获得与借款人相关的本地信息，这将使得“空白村''的农户面临更为严重的信贷约束。（二）假说基于上述分析，本文提出如下假说：实现金融服务“村村通”，可以通过增加信贷决策者对本地信息的了解，从而缓解该地区农户的信贷约束，进而实现农村金融普惠。对假说简要解释如下：在信息不对称的农村金融市场，获得银行信用评分系统以外的本地信息，是贷款者做出信贷决策的关键。行政村金融服务“村村通''为银行通过私人联系和社区关系等社会网络渠道获得借款人的本地信息提供了条件，如果信贷决策者可以借此深入社区了解此类信息，则该政策可以缓解金融服务“空白村”农户面临的信贷约束，进而真正实现农村金融普惠。我们将通过实地调查数据和计量分析方法对上述假说进行实证检验C三、计量经济分析（-）数据来源与农户信贷约束判分1 .数据来源本文的实证数据来自笔者2013-2014年对山东、河北和陕西3省农户的调查。该调查采用非随机抽样和多阶段随机抽样相结合的方法。首先，考虑本文研究的对象及区域金融发展程度，选取以上3省作为调研省份；然后，选取经济发展程度较低、以农业为主的3个县作为主要调查区域；接着，依据到县城距离最近、适中和较远为原则，选取3个乡镇；再在9个乡镇中按照距离集镇最近、适中和最远为原则，抽取27个村落；最后以简单随机抽样的方法抽取25户农户进行入户问卷调查。最终用于本文分析的有效问卷为566份，其中，山东省169份，河北省180份，陕西省217份。2 .农户信贷约束的判分所谓农户信贷约束，是指在特定利率下，金融机构由于各种原因不愿意提供更多的信贷服务，从而使得农户的借款需求得不到满足的状态，是银行信贷配给的结果。可见，判分农户是否面临信贷约束有两个关键步骤：其一，找出农户贷款需求没有被满足的原因；其二，判分是否由于银行信贷配给而导致农户贷款需求未被满足。这种基于供需视角的原因分类方法与1ink提出的金融排斥的两维度判分方法相似，都是基于现实成因角度的判分。在本文分析的566个农户中，258户有贷款需求，其中122户面临信贷约束（详见图2）。有贷款需求但没有申请贷款和借款需求没有完全满足的原因有两种：一种是由于农户自身原因导致的自我排斥，例如，可以通过其他渠道融资、还有贷款没有归还、不喜欢借钱压力大等C此类不属于银行配给导致的需求约束，故在本文的定义下，此类农户无信贷约束；另一种是金融机构因为农户缺少联保或担保人、没有抵押或质押品、得不到相关的贷款信息等，而未能满足农户信贷需求，此类属于银行信贷配给导致的农户信贷约束，也正是本文所研究的信贷约束C需要指出的是，由于意愿调查的模拟性，不能保证农户的作答与其行动的充分一致，但调查结果至少可以反映一些农户的关注。（-）变量设置与描述性分析本文具体变量的选取、含义