信用貸款的違約風險必然較高嗎？*
——基于中小銀行逐筆貸款數(shù)據(jù)的實證研究

謝云峰，彭振江，謝港華

（1.中國人民銀行南昌中心支行，江西 南昌 330008；2.江西財經(jīng)大學經(jīng)濟學院，江西 南昌 330013）

一、引言

推動商業(yè)銀行發(fā)放信用貸款是支持企業(yè)創(chuàng)新發(fā)展，緩解融資難、融資貴問題的重要抓手。一直以來，大量小微企業(yè)融資難的癥結(jié)就在于缺乏足夠的抵質(zhì)押物。信用貸款不需要企業(yè)提供抵押擔保，銀行憑著對企業(yè)經(jīng)營狀況和信譽的了解發(fā)放貸款，能夠幫助誠信經(jīng)營的企業(yè)快速獲得融資支持。黨中央、國務院高度重視小微企業(yè)融資難、融資貴問題，2019年4月16日的國務院常務會議提出要引導銀行提高信用貸款比重，同年6月26日的國務院常務會議再次明確鼓勵大型銀行完善貸款考核機制、設置專項獎勵，確保信用貸款余額明顯高于上年來。中國人民銀行、銀保監(jiān)會等部門也多次出臺政策，要求商業(yè)銀行合理提高信用貸款比重。2020年，普惠小微企業(yè)信用貸款支持計劃成為兩項直達實體經(jīng)濟貨幣政策工具之一。

在政策推動下，我國信用貸款增長較快。2020年，全國累計發(fā)放普惠小微信用貸款3.9萬億元，同比增長69.6%，增速明顯高于同期貸款整體增速。由于缺乏抵押擔保措施，信用貸款快速增長引起了商業(yè)銀行關(guān)于整體信貸風險上升的擔憂，商業(yè)銀行對于進一步提升信用貸款比重的內(nèi)生動力尚待增強。然而，與擔保貸款相比，信用貸款的違約風險必然較高嗎？

要準確回答上述問題，需要深入研究信用貸款的風險緩釋機制。理論上，信貸風險形成的一個重要原因是信貸市場的信息不對稱（Stiglitz和Weiss，1981)。銀行信貸市場中存在大量信息不對稱，表現(xiàn)為貸前的逆向選擇和貸后的道德風險（馮曉菲等，2020）。那么信用貸款的風險，主要是集中在貸前的逆向選擇還是在貸后的道德風險？回答這個問題有助于探明信用貸款的風險點，采取有針對性的應對舉措提升信用貸款比例，對于化解小微企業(yè)融資難問題、推進金融供給側(cè)結(jié)構(gòu)性改革意義重大。

從現(xiàn)有文獻看，直接討論信用貸款風險緩釋機制的文獻較少。為了豐富相關(guān)研究，本文將基于與擔保方式比較的視角，從貸前與貸后兩個階段，深入研究信用貸款的風險緩釋機制特點。從貸前階段，比較信用貸款與擔保貸款中借款企業(yè)的風險特征差異，以驗證信用方式能否避免逆向選擇問題。從貸后階段，即在控制企業(yè)風險特征基礎(chǔ)上，比較信用貸款與擔保貸款的道德風險差異，探究信用方式對貸款企業(yè)的貸后激勵作用。在此基礎(chǔ)上，進一步探尋信用貸款違約風險的改善路徑。

本文可能的主要貢獻在于：一是實證研究了信用貸款條件下的貸前甄別與貸后激勵作用情況，對于金融機構(gòu)探明信用貸款的風險點具有實踐指導意義；二是考察了銀行貸后管理、企業(yè)信息透明度以及社會信用環(huán)境等因素對信用貸道德風險款的影響，為提升信用貸款的資產(chǎn)質(zhì)量和比重提供了政策選擇方向。

二、文獻綜述

從貸款擔保方式看，現(xiàn)有關(guān)于貸款風險緩釋機制的研究文獻主要集中于抵押方式和保證方式，直接研究信用方式風險緩釋機制的文獻相對較少。例如，Pozzolo（2004）從理論角度論證了抵押方式和保證方式在解決道德風險中的不同作用。張曉玫等（2016）實證比較了抵押方式與保證方式的風險緩釋機制差異，發(fā)現(xiàn)保證方式的逆向選擇較為嚴重。馮曉菲等（2020）則對保證方式進一步細分為自然人保證與擔保機構(gòu)保證，實證表明自然人保證能夠緩解道德風險。

在已有的關(guān)于信用方式風險緩釋機制的文獻中，主要有兩種不同觀點：第一種觀點是認為信用方式能夠有效降低信息不對稱，信貸風險較低。Berger和Udell（1995）比較了抵押擔保型貸款和關(guān)系型貸款①在國外文獻中，關(guān)于信用貸款風險的研究一般體現(xiàn)在關(guān)系型貸款研究中。（實質(zhì)為信用貸款）的風險差異，結(jié)果表明關(guān)系型貸款以掌握企業(yè)社會信譽和業(yè)主品行等大量軟信息為前提，更有助于減輕銀企間的信息不對稱，降低貸款風險。Ono等（2014）基于日本微觀數(shù)據(jù)的實證研究表明，信用評分貸款伴隨著更低的貸款違約概率，有利于銀行貸款風險控制。Yildirim（2019）認為，關(guān)系型貸款方在篩選和監(jiān)控貸款過程中能夠獲得企業(yè)軟信息，從而降低企業(yè)違約概率。尹志超等（2011）基于某國有銀行2002-2009年的企業(yè)數(shù)據(jù)分析發(fā)現(xiàn)，信用貸款違約率為7.03%，而抵押貸款違約率為14.14%。第二種觀點是認為信用貸款的違約概率比抵押貸款明顯更高。La Porta等（2003）基于墨西哥數(shù)據(jù)的實證研究發(fā)現(xiàn)，關(guān)系型貸款的總體違約概率比非關(guān)系型貸款高出33%～35%。龐光華等（2014）認為，信用貸款雖然在解決農(nóng)戶融資難問題上發(fā)揮了重要作用，但存在嚴重的道德風險。Yan等（2018）和Schfer（2019）分別通過時間序列數(shù)據(jù)和調(diào)查數(shù)據(jù)實證得出相似結(jié)論，即相比于抵押貸款企業(yè)，關(guān)系型貸款企業(yè)的違約概率更高。

通過梳理以往文獻發(fā)現(xiàn)，現(xiàn)有關(guān)于信用方式風險緩釋機制的文獻可能存在三點不足：一是信用貸款的違約概率相較于抵押貸款是高還是低，目前文獻并無一致結(jié)論，需引進新的微觀證據(jù)，豐富實證研究結(jié)論；二是現(xiàn)有研究中很少區(qū)分信用貸款的貸前潛在違約風險與貸后實際違約風險，這不利于探明信用貸款的風險點；三是已有文獻中缺乏對信用貸款違約風險應對舉措的進一步實證探討，政策參考價值有待提升。對此，本文將在深入分析信用方式風險緩釋理論機制的基礎(chǔ)上，采用微觀數(shù)據(jù)開展實證研究。

三、理論分析與研究假設

在深入分析信用貸款的風險緩釋機制之前，先定義貸款的貸前潛在違約風險與貸后實際違約風險，以分別衡量信貸市場信息不對稱，即逆向選擇和道德風險的程度。貸前潛在違約風險是一種預期違約風險，指銀行在發(fā)放貸款前，對申請貸款的借款人違約概率的事前評估與預測，通常以企業(yè)自身風險特征衡量，企業(yè)自身風險越大，貸前潛在違約風險越高，逆向選擇問題也越嚴重（張曉玫等，2016）。貸后實際違約風險指企業(yè)獲得貸款后出現(xiàn)違約的可能，是違約風險實際發(fā)生的概率，貸后實際違約風險越大，反映道德風險越嚴重（馮曉菲等，2020）。

（一）信用貸款與逆向選擇

銀行貸款按擔保方式可分為三類：抵押貸款、保證貸款與信用貸款。抵押貸款以抵押物為還款保證，屬于物的擔保，保證貸款以第三方承諾為還款保證，屬于人的擔保（張曉玫等，2016），因此，抵押貸款和保證貸款被稱為擔保貸款。相比之下，信用貸款中沒有任何擔保措施，完全以借款人的信譽發(fā)放。在信用貸款條件下，可能存在兩項作用機制使其面臨的逆向選擇問題低于擔保貸款（見圖1）：一是信用方式會增強銀行對借款企業(yè)信息甄別的積極性。信用貸款的最終風險承擔者是貸款銀行。為了降低信貸風險，銀行會產(chǎn)生一個信息生產(chǎn)激勵，增加信息搜尋投入，對借款企業(yè)資質(zhì)進行全方位考察，這將有助于緩解逆向選擇問題（Yildirim，2019）。二是信用方式會推動銀行對企業(yè)軟信息的掌握。軟信息是指難以量化的定性信息，涵蓋企業(yè)家品德、企業(yè)生產(chǎn)經(jīng)營誠信等私有信息（池仁勇等，2020）。企業(yè)財務數(shù)據(jù)等硬信息中往往包含較多的噪聲，而掌握更多的軟信息成為解決銀企信息不對稱問題的關(guān)鍵所在。信用貸款是一種典型的關(guān)系型貸款，銀行與企業(yè)一般保持長期而密切的關(guān)系，因而能夠掌握到更多的企業(yè)軟信息（Yildirim，2019）?；谝陨戏治?，提出本文的第一個研究假設：

H1：相比于擔保貸款，信用貸款面臨的逆向選擇問題更為輕微，貸前潛在違約風險更低。

（二）信用貸款與道德風險

理論上，關(guān)于信用貸款方式對道德風險的影響，存在兩種觀點：第一種觀點認為，信用方式能夠通過聲譽機制，激勵企業(yè)降低道德風險。銀行對企業(yè)發(fā)放信用貸款，相當于給企業(yè)維護自身聲譽提供了一種隱性激勵。在聲譽的正強化激勵驅(qū)動下，企業(yè)出于理性考慮，會繼續(xù)維持良好聲譽和守信行為，對自身的不良行為加以約束（朱冬琴等，2012）。此外，在供應鏈中，聲譽機制還會產(chǎn)生較強的示范效應，促使供應鏈的上下游企業(yè)提高生產(chǎn)效率和盈利水平（柴正猛等，2020）。第二種觀點認為，信用貸款方式違約成本較低，導致道德風險較高（Schfer，2019）。在沒有抵押品和保證人的情況下，銀行最終承擔了信用貸款的違約成本（劉浩等，2010），因此信用貸款方式對企業(yè)道德風險的抑制作用更弱（見圖1）。

考慮到聲譽機制依賴于較嚴格的實施條件，如較好的社會信用環(huán)境、透明的企業(yè)信息披露機制等，加之我國企業(yè)的平均存活年限較短，銀企間的長期博弈過程難以真正啟動，預計上述因素使聲譽機制不能有效發(fā)揮作用?；谝陨戏治?，提出本文的第二個研究假設：

H2：相比于擔保貸款，企業(yè)信用貸款面臨著更為嚴重的道德風險問題，貸后實際違約風險更高。

（三）信用貸款道德風險的改善路徑

相關(guān)利益主體的責任缺位和缺乏有效協(xié)同是造成信用貸款道德風險的重要原因（張樹林等，2012）。銀行、企業(yè)以及企業(yè)所處的社會信用環(huán)境是影響信用貸款風險的核心主體和重要因素。為此，可以從銀行貸后管理、企業(yè)信息透明度、社會信用環(huán)境等三個方面探尋信用貸款道德風險的改善路徑。其作用機制包括：一是改善信息不對稱。上述措施能夠改變銀行貸后信息不平等地位，促使企業(yè)主動增加信息供給量（張樹林等，2012）。二是提高違約成本。上述措施可以全方位提高失信成本，形成強大震懾作用，大幅壓縮機會主義行為空間（宋淑琴，2013）。三是強化聲譽機制。社會信用環(huán)境使得聲譽信息大量生產(chǎn)、廣泛傳播和普遍利用，促進企業(yè)重視自身聲譽，加強企業(yè)自律（錢先航等，2013）（見圖2）。基于以上分析，提出本文的第三個研究假設：

H3：銀行貸后管理投入、企業(yè)信息透明度、企業(yè)所在地區(qū)的社會信用環(huán)境與信用貸款的貸后實際違約風險負相關(guān)。

四、研究設計

（一）模型設定與變量選擇

1.信用貸款與逆向選擇的實證模型

本文借鑒錢龍（2015）的方法，構(gòu)建OLS模型分析信用貸款方式對貸前潛在違約風險的影響，即檢驗設1。具體模型如下：

其中：被解釋變量Risk_prei是貸前潛在違約風險，采用企業(yè)信用評級得分表示，該指標越大表示信用越好、貸前潛在違約風險越低。信用評級是貸前潛在違約風險的間接衡量指標，選擇這一指標的原因，一方面是缺少企業(yè)的歷史貸款信息，即無法獲得貸前潛在違約風險的直接衡量指標；另一方面信用評級是由銀行信貸人員在全方位貸前調(diào)查基礎(chǔ)上所作出的綜合判斷，不僅包括企業(yè)財務指標等硬信息，還包括了企業(yè)稅收、法律糾紛、所有人等軟信息，這些信息的匯總更能全面地反映企業(yè)的貸款事前風險狀況。不少文獻如錢龍（2015）、尹志超等（2011），均以信用評級衡量貸前潛在違約風險。關(guān)鍵解釋變量crediti為信用貸款啞變量，如果該筆貸款屬于信用貸款，則該變量取1，否則取0?？刂谱兞恐邪▋深愖兞?，一類是反映企業(yè)特征的變量X1，具體包括企業(yè)規(guī)模、行業(yè)、存貨年限、是否為上市公司、是否為銀行關(guān)聯(lián)方等；另一類是反映銀行特征的變量X2，包括銀行類型等。模型（1）中，β1成為本文需要關(guān)注的重要系數(shù)，如果β1顯著且大于0，則信用貸款的信用評級得分更高，支持假設1，否則不支持。

2.信用貸款與道德風險的實證模型

為檢驗假設2，本文借鑒張曉玫等（2016）與馮曉菲等（2020）的方法建立Probit模型：

其中：被解釋變量為貸款違約啞變量，若貸款屬于不良貸款，則default1i=1，否則取0?？刂谱兞堪ㄈ愖兞?，分別是企業(yè)特征X1、銀行特征X2以及貸款特征X3。由于控制了貸款事前違約風險指標Risk_prei，模型2可視為對道德風險的檢驗模型。其中，α1是本模型的一個關(guān)鍵系數(shù)，如果α1顯著且大于0，則信用貸款的貸后實際違約風險較高，支持假設2，否則不支持。

為進一步分析信用貸款方式對不同信貸資產(chǎn)形態(tài)影響，本文基于模型（2）與馮曉菲等（2020）的研究建立多項logit 模型：

其中：被解釋變量default2i為反映貸款五級分類的離散變量，將N={1,2,3,4,5}分別表示正常類、關(guān)注類、次級類、可疑類、損失類貸款。同時以正常類作為多項logit模型的參照組，分析當default2i取值分別為2到5時，信用方式如何影響不同資產(chǎn)狀態(tài)的貸后實際違約風險。

3.信用貸款道德風險改善路徑的實證模型

為了檢驗銀行貸后管理、企業(yè)信息透明度、社會信用環(huán)境等對信用貸款道德風險的影響，本文設計了三個Probit模型，即在模型2的基礎(chǔ)上，分別加入上述變量與crediti的交互項，具體見模型（4）-（6）。

其中：mgi表示銀行貸后管理變量，以銀行每萬元貸款員工數(shù)代理；transpi表示企業(yè)信息透明度啞變量，如果企業(yè)的基本賬戶在貸款行，則該指標取值為1，否則為0；honestyi表示社會信用環(huán)境啞變量，若企業(yè)注冊地屬于國家信用體系建設試點城市，則該指標取值為1，否則為0。三個指標與信用貸款的交互項是本文關(guān)注的重點變量，如果其回歸系數(shù)φ3、δ3、θ3均顯著小于0，則表明上述措施均有助于改善信用貸款道德風險，支持假設3，否則不支持。

模型各變量的具體定義見表1。

表1 變量定義

ownership 所有制性質(zhì) 國有企業(yè)=1，其他=0 scale 企業(yè)規(guī)模 大中型企業(yè)=1，小微企業(yè)=0 employee 從業(yè)人員數(shù) 人income 營業(yè)收入 萬元corp_asset 資產(chǎn)規(guī)模 萬元age 企業(yè)年齡 月retail 批發(fā)和零售業(yè) 批發(fā)和零售業(yè)=1，其他=0 manufacturing 制造業(yè) 制造業(yè)=1，其他=0 agriculture 農(nóng)林牧漁業(yè) 農(nóng)林牧漁業(yè)=1，其他=0 construction 建筑業(yè) 建筑業(yè)=1，其他=0 electric 電力熱力燃氣及水生產(chǎn)和供應業(yè) 電力熱力燃氣及水生產(chǎn)和供應業(yè)=1，其他=0 leasing 租賃和商務服務業(yè) 租賃和商務服務業(yè)=1，其他=0 listed 是否為上市公司 上市公司=1，其他=0 partner 是否銀行關(guān)聯(lián)方 銀行關(guān)聯(lián)方=1，其他=0銀行特征控制變量企業(yè)特征控制變量citybank 城商行 城商行=1，其他=0 ruralbank 農(nóng)商行 農(nóng)商行=1，其他=0 villagebank 村鎮(zhèn)銀行 村鎮(zhèn)銀行=1，其他=0貸款特征控制變量term 貸款期限 月loan 貸款余額 萬元interest 貸款利率 %overdue 貸款是否逾期 是=1，否=0

（二）數(shù)據(jù)說明與描述性統(tǒng)計

本文研究樣本來源于2020年12月在我國中部某省份開展的中小銀行信貸投放情況調(diào)研數(shù)據(jù)，內(nèi)容包括174家中小法人銀行的全部逐筆企業(yè)貸款數(shù)據(jù)。為提高研究樣本與本文主題的契合度和其代表性，主要采取了三項措施：一是增加樣本的關(guān)聯(lián)信息，確保樣本中每一筆貸款均包含三類信息，①貸款本身屬性，包括擔保類型、貸款五級分類、貸款利率、貸款金額等32個指標；②貸款企業(yè)信息，包括總資產(chǎn)、總負債、開戶行、從業(yè)人數(shù)以及信用評級等；③貸款銀行信息，包括銀行類型、存貸款總額、從業(yè)人數(shù)等。二是將樣本聚焦為中小法人銀行數(shù)據(jù)。中小法人銀行是普惠小微企業(yè)信用貸款支持計劃政策實施的主陣地，同時企業(yè)貸款中的信用貸款比重偏大（約比大型銀行高5.1個百分點），因此將中小法人銀行數(shù)據(jù)作為研究樣本更有助于反饋政策效果、提升代表性。三是合理設定樣本貸款發(fā)放期限?？紤]到信貸風險的暴露需要一定時間，同時又要兼顧反映普惠小微企業(yè)信用貸款支持計劃政策效果，為此將樣本貸款的發(fā)放時間設定為截至2020年8月末。盡管本文研究樣本為一期截面數(shù)據(jù)，但從貸款投放時間看，研究樣本覆蓋了自2011年6月至2020年8月的各期限貸款數(shù)據(jù)，因此在一定程度上體現(xiàn)了時間屬性。總體看，本文貸款樣本總筆數(shù)達62424筆，具有較好的代表性，能夠支撐實證分析需要。表2列示主要變量的描述性統(tǒng)計。

從表2可知，“是否為信用貸款”變量的均值為0.061，說明信用貸款筆數(shù)占比僅6.1%，當前中小銀行貸款仍以擔保貸款為主。但信用貸款總體違約率較底，信用貸款的不良貸款率和關(guān)注類貸款比例分別為1.3%和5.3%，均低于抵質(zhì)押貸款和保證貸款（見圖3）。

圖3 樣本中各類貸款的關(guān)注類比例和不良率情況

表2 主要變量描述性統(tǒng)計

在總體違約率較低的情況下，中小銀行發(fā)放信用貸款的意愿為何不高？這一矛盾現(xiàn)象可能意味著，信用貸款的風險緩釋機制與擔保貸款相比存在顯著差異。

五、實證分析

（一）貸前潛在違約風險的回歸分析

表3第（1）-（3）列報告了模型（1）的回歸結(jié)果，根據(jù)表3第（1）列，主要解釋變量——“是否為信用貸款”的回歸系數(shù)5.7706，在1%顯著性水平下顯著為正，說明信用貸款對象的信用評級得分更高。上述結(jié)論是基于全樣本得出的，是否會因樣本選擇而出現(xiàn)變化呢？本文使用兩個子樣本進一步檢驗，分別是：子樣本1——在全樣本中剔除保證貸款；子樣本2——在全樣本中剔除抵質(zhì)押貸款。分樣本回歸結(jié)果見表3的第（2）、（3）列。其中，“是否為信用貸款”的回歸系數(shù)分別為3.5985和5.8863，均在1%顯著性水平下顯著為正。這表明，與抵質(zhì)押貸款企業(yè)和保證貸款企業(yè)相比，信用貸款企業(yè)的信用評級得分更高，貸前潛在違約風險更低，說明信用貸款方式在一定程度上緩解了企業(yè)信貸市場中的逆向選擇問題。由此，假設1得證。

表3 信用貸款方式對違約風險的影響

究其原因，一是面對沒有任何風險補償措施的信用貸款，商業(yè)銀行普遍加大貸前審查投入，設置較為嚴格的貸前控制措施。在實際操作中，部分銀行往往將控制措施轉(zhuǎn)化為各類門檻條件，如所有制、規(guī)模、行業(yè)等。在獲得信用貸款的企業(yè)樣本中，69.3%為國有企業(yè)、53.2%為大中型企業(yè)，40.4%為地方政府融資平臺聚集的租賃和商務服務業(yè)企業(yè)。二是在獲得信用貸款的企業(yè)樣本中，64.6%的企業(yè)與銀行建立信貸聯(lián)系年限在3年以上。較長時期的合作意味著能夠建立更為緊密的聯(lián)系，而緊密的銀企關(guān)系有助于銀行獲得更多企業(yè)軟信息，緩解貸前信息不對稱問題。

（二）貸后實際違約風險的回歸分析

1.Probit模型回歸結(jié)果

從表3第（4）-（6）列可知，在控制貸前潛在違約風險的前提下，三種樣本條件下的“是否為信用貸款”回歸系數(shù)分別為0.2303、0.3713、0.1595，均在1%顯著性水平下顯著為正。這說明相對于抵押貸款和保證貸款，信用貸款提高了貸后實際違約風險，同時反映了銀行給企業(yè)發(fā)放信用貸款，并沒有對企業(yè)發(fā)揮激勵作用，反而面臨較嚴重的道德風險，假設2得證。造成這一現(xiàn)象的可能原因：第一，外部信用環(huán)境約束力不強。在社會信用體系尚不完善的情況下，信用貸款的聲譽機制難以啟動，再加上企業(yè)信息不透明，借款企業(yè)有一定的違約動力。第二，銀行內(nèi)部的貸后管理不夠完善。從實際情況看，后者可能是更為重要的原因。當前，中小銀行處于信貸規(guī)?？焖贁U張期，存在重貸輕管現(xiàn)象：一是貸前、貸后力量分配不均。信用貸款由于占比較低，一些銀行僅重視貸前甄別，對貸后管理投入不足，存在較高風險管理漏洞。二是貸后管理職責不清晰。在客戶分層管理機制下，二級分行以下的信用貸款業(yè)務，其貸前評估由上級行負責，貸后管理由本行承擔，貸前與貸后管理脫節(jié)，很大程度上影響了貸后管理效果。三是貸后管理能力欠缺。基層行信貸人員主要從事?lián)ＹJ款的營銷與管理，缺乏信用貸款管理的專業(yè)技能和工作經(jīng)驗，導致對信用貸款貸后管理力不從心。

結(jié)合模型（1）和模型（2）的回歸結(jié)果可以發(fā)現(xiàn)，當前中小銀行控制信用貸款風險主要集中在貸前階段，即通過提高準入門檻，而非通過加強貸后管理防控風險，以致于信用貸款的道德風險更為突出。但由于獲得信用貸款的企業(yè)大多為優(yōu)質(zhì)企業(yè)，使得目前信用貸款的總體違約率仍較低。

2.多項logit模型的回歸結(jié)果

信用貸款一旦變成不良貸款，就很可能有繼續(xù)向下遷徙的風險，最終演化為呆賬、壞賬。多項logit模型回歸結(jié)果包括兩部分：一是IIA假設檢驗。IIA假設②所謂IIA假設，是無關(guān)方案的獨立性假設（Independence of Irrelevant Alternatives, IIA），指任意2個選擇項的選擇概率之比與其他選擇項的狀態(tài)無關(guān)。一般有兩種檢驗方法：Hausman檢驗和Small-Hsiao檢驗，其中Small-Hsiao檢驗條件更為嚴格。是應用多項Logit模型的前提（陳強，2014），本文采用Small-Hsiao方法檢驗。從表4可知，所有結(jié)果均不能拒絕原假設，即滿足IIA假設，說明樣本使用多項Logit模型進行估計是合理的。

表4 多項Logit模型的Small-Hsiao檢驗結(jié)果

二是主體模型回歸結(jié)果。根據(jù)表5可知，相對正常類貸款，“是否為信用貸款”變量在10%顯著性水平下對關(guān)注類貸款的影響不顯著，但對次級類、可疑類、損失類等三個貸款形態(tài)具有顯著的正向影響，回歸系數(shù)分別為0.6689、1.3885、1.9192，呈現(xiàn)出逐級遞增態(tài)勢。這說明信用貸款方式不能有效阻止企業(yè)貸款從次級類向可疑類和損失類演變。換句話說，在缺乏有效的損失懲罰和貸后管理舉措情況下，信用貸款一旦成為不良貸款，繼續(xù)向下遷徙的可能性更高。這也是即便在總體違約率不高的情況下，中小銀行信用貸款占比依然偏低的重要原因。

表5 信用貸款方式對貸款五級分類的影響

（三）信用貸款道德風險的改善路徑分析

加強銀行貸后管理、提升企業(yè)信息透明度、推進社會信用體系建設都是改善信用貸款道德風險的重要路徑。從表6可知，“銀行貸后管理”、“企業(yè)信息透明度”、“社會信用環(huán)境”等三個變量與“是否為信用貸款”變量的交互項的回歸系數(shù)分別為-0.8001、-0.3516、-1.3304，均在5%顯著性水平下顯著為負，說明在其他條件不變情況下，上述三個因素均有助于降低信用貸款的貸后實際違約風險，減少道德風險發(fā)生的可能性。由此，假設3成立。

表6 信用貸款道德風險的改善路徑

在當前我國社會信用體系尚不健全的情況下，上述結(jié)論對于降低信用貸款風險、提升信用貸款比重具有十分重要的意義：一是通過加大貸后管理投入，能夠有效減少銀企貸后信息不對稱問題，完善對企業(yè)貸款用途的監(jiān)督，掌握貸款資金走向的動態(tài)信息，降低信用貸款資金進入高風險領(lǐng)域的概率。二是提升信息透明度相當于讓企業(yè)主動接受公眾監(jiān)督，提高企業(yè)失信和違約成本，能最大限度杜絕企業(yè)不理性的道德風險行為。三是推進社會信用體系建設是治本之策，通過聲譽信息的生產(chǎn)、傳播和使用，促使企業(yè)重視自身聲譽、加強自律。

（四）穩(wěn)健性檢驗

本文從以下兩個方面對前文研究結(jié)論進行穩(wěn)健性檢驗：一是將模型（1）的被解釋變量 “貸前信用評級”替換為“貸款利率浮動比例”，用貸款實際利率與同期限基準利率之比來表示。利率是借款人使用資金的成本，可以間接反映違約風險水平，即設定的利率越高，意味著借款人違約的可能性越高。二是將模型（2）的被解釋變量 “貸款是否違約”替換為“貸款是否逾期”。從表7可以看出，“是否為信用貸款”的回歸系數(shù)，模型（1）中在1%顯著性水平下顯著為負，模型（2）中在5%顯著性水平下顯著為正，說明相較于擔保貸款，信用貸款的貸前潛在違約風險更低、貸后實際違約風險更高，與前文結(jié)論一致，說明本文主要結(jié)論具有穩(wěn)健性。

表7 穩(wěn)健性檢驗結(jié)果

六、結(jié)論與建議

本文基于我國中部某省174家中小銀行的62424筆單位貸款基礎(chǔ)數(shù)據(jù)，實證研究信用貸款方式的風險緩釋機制，得到以下研究結(jié)論：第一，與擔保貸款企業(yè)相比，信用貸款企業(yè)具有低風險特征，也即信用貸款所面臨的逆向選擇問題更為輕微，原因在于信用方式更能刺激銀行加強貸前甄別，銀企關(guān)系更為緊密，能減輕貸前信息不對稱問題。第二，信用貸款提高貸后實際違約可能性，加劇了道德風險；信用貸款一旦成為不良貸款，繼續(xù)向下遷徙的風險比擔保貸款更高。主要原因在于，當前中小銀行控制信用貸款風險主要集中在貸前階段，即通過提高準入門檻，而非通過加強貸后管理防控風險。第三，加強貸后管理、提高企業(yè)信息透明度以及推進社會信用環(huán)境建設是降低信用貸款貸后違約風險的重要措施，有助于改善貸后信息不對稱、提高失信違約成本、強化聲譽機制，促進企業(yè)自律、減少道德風險行為。

本文結(jié)論對于金融機構(gòu)探明信用貸款的風險點具有實踐指導意義，可為改善信用貸款質(zhì)量、提升信用貸款比重提供啟示：

第一，商業(yè)銀行應著力加強貸后風險管控。一是提升貸后管理的投入和質(zhì)量。多渠道提高信貸人員的信用貸款貸后管理能力；理順信用貸款貸后管理職責，重點協(xié)調(diào)好調(diào)查評估行與客戶管理行不是同級行的貸后管理工作；二是發(fā)揮金融科技在貸后管理中的作用?；谄髽I(yè)信息及企業(yè)關(guān)聯(lián)人信息，開展大數(shù)據(jù)多維度交叉檢驗分析，構(gòu)建信用貸款貸后預警系統(tǒng)；三是加強前瞻性貸后風險管控。利用當前疫情平穩(wěn)階段，加大信用貸款風險排查頻次、廣度和深度，著力加強對大額客戶、異地客戶和關(guān)注類客戶等薄弱領(lǐng)域的風險排查和貸后管理。

第二，企業(yè)應主動提升信息透明度。一是建立有效的內(nèi)部信息管理機制，夯實信息透明基礎(chǔ)。嚴格按照會計法規(guī)及制度要求，提升會計信息的規(guī)范性和真實性，以有效的財務管理防范企業(yè)經(jīng)營風險。二是以需求為導向，積極開展自愿性信息披露。在確保依法合規(guī)做好強制性信息披露的基礎(chǔ)上，應以銀行需求為導向，持續(xù)拓展信息披露的廣度和深度，不斷滿足銀行貸后管理需求。三是要主動增加軟信息披露。進一步加強或有事項披露，最大限度破解銀企信息不對稱，樹立透明、真實、可信的良好形象。

第三，政府部門應進一步完善社會信用環(huán)境，優(yōu)化信用激勵約束機制。一是強化信用信息歸集共享。完善各部門、各地區(qū)歸集共享流程和機制，建立區(qū)域內(nèi)重點支持行業(yè)和企業(yè)的數(shù)據(jù)，并在一定程度上共享政府信用信息和社會信用信息，打破“信息孤島”局面；二是深入開展失信聯(lián)合懲戒。充分運用工商、稅務登記、年檢以及司法等手段，嚴厲打擊惡意逃廢金融債務行為，積極做好依法清貸工作；三是完善信用修復機制，加大網(wǎng)絡公開力度。盡快規(guī)范和完善黑名單報送、確認、公示、修復及異議處理程序，并及時通過互聯(lián)網(wǎng)予以公開，對信貸違約行為形成強大震懾。