本文转自微信公众号“王剑的角度 ”，ID:wangjianzj0579
作者：
王剑,CFA
国信证券经济研究所 金融业首席分析师
中国人民大学国际货币研究所 特聘研究员
国家金融与发展实验室银行业研究中心 特聘研究员
前言
本文为金融业研究方法探讨，并结合时事，也是对已发证券研究报告的进一步延伸解读。
本文不是证券研究报告，不构成任何投资建议，涉及个股也仅为举例或陈述事实之用，不代表我们对他们的证券或产品的推荐。具体投资建议请参考我们的研究报告。
据媒体报道，4月17日国务院召开常务会议，确定进一步降低小微企业融资成本的措施，加大金融对实体经济的支持。自去年以来，政府高层已多次部署小微企业融资工作。
一、小微信贷原理
我们在此前的深度报告《银行小微信贷业务深度：原理、模式与实例》中提炼过，银行从事小微企业信贷业务，其基本原理是：
如何以一个相对合理的成本，收集潜在小微客户的足够信息，以此确定一个较为确定的预期损失率，实现风险定价，从而实现小微信贷业务的合理回报和商业可持续。
大家平时老觉得小微信贷风险高，其实并不准确。小微企业的整个群体，分布于百业百态，不可能全部都属于高风险生意，其实风险有高有低，高度分散。但是，从里面找到目标客群、选出低风险的企业，其业务成本却非常高。也就是说，小微信贷的要害，其实是上面基本原理中的第一句话，能否做到“以一个相对合理的成本”。
小微企业由于个体分散、经营不规范，信息不对称程度高，因此遴选优质客户的成本很高。这个成本是省不得的，如果“偷懒”，忽略了这个特殊性，直接套用一些不合适的标准化信贷技术，无法破解信息不对称，最后肯定是一堆坏账。有银行就尝试过这种做法，最后吃亏，并给了大家一个“小微信贷高风险”的错误结论。
二、软信息与关系型借贷
小微企业信息不对称，不代表没信息，而是说它们的信息非书面化、非格式化、非结构化。
比如，一家在社区卖早餐的小店，是个体工商户，夫妻店，两口子勤劳淳朴，手艺也好，早餐做得美味可口，深受社区居民欢迎，这些信息都是对于判断其信用非常有用的信息，但这些信息没有书面化，很多是留存于大家认识中的信息，即使可以写下来，也大多是定性描述，不是格式化的表格。他们在启用支付宝、微信支付之前，连现金进出流水都不是书面化的，如果他们自己不在小本本上记账，那么连一年现金流水情况都是非书面化的信息。
我们把这些非书面化（或者能写下来但却依然高度非格式化）的信息，叫做“软信息”，这些软信息是普通的信贷技术无法直接处理的。传统上，银行（或其他信贷机构）业务员处理软信息的方法主要是“关系型借贷”，就是业务员和目标客户建立长期合作关系，“日久见人心”，慢慢掌握这些软信息，从而基于经验判断，实现风险定价。
插一句，我的硕士毕业便是研究了关系型借贷和中小企业融资，并得了奖。
这种长期合作关系可以是先天的，比如业务员本身也是社区的一员，但如果是新开的信贷机构，则需要后天建立这种合作关系，比如让业务员先在社区中呆很长一段时间，像驻村干部一样，慢慢跟社区成员建立关系，增进相互了解。所以，对他们的工作要求，和驻村干部是一样的，即“进村狗不叫”。
与关系型借贷对应的是交易性借贷，就是基于公司信息、财务报告、业务数据等“硬信息”，完成风险定价。很显然，这一套技术原本不适合于小微企业。
三、手工模式与互金模式
但是现在事情有了转机，得益于互联网、大数据技术的发展，越来越多的小微、个人的软信息慢慢被“硬化”、书面化。比如，支付宝、微信支付的普及，使现金收支信息得以书面化。而原本线下销售的小微企业，改为通过电商出售商品，那么其交易纪录也被详细地书面化了。同时，征信体系也在不断完善，越来越多的企业、个人的各种信息被纳入了。
于是，一种全新的交易性借贷技术慢慢流行起来，就是大数据征信。信贷机构虽然和这个客户是初次认识，甚至完全不认识（完全不见面），但收集了足够的信息之后，也能据此完成风险定价，实现放款。
听起来是不是这种方式成本较低？毕竟不用那么多一线业务员在基层围着早餐店跑。但是，聘请那么多码工处理模型和数据，也是要花很多钱的，毕竟他们工作时间都是996的，要付很多加班费。请看两家互联网银行的成本收入比，其实并不低（网商银行2016年成本收入在40%左右，2017年突升至70%以上，可能有特殊情况。两家互联网银行尚处初创阶段，预计成本收入比未来会下降）。
我们把完全线下跑客户的关系型借贷，称为“纯手工模式”，俗称“人海战术”；把完全基于大数据、在线发放的贷款，称为“互联网金融模式”。这是两个极端模式。
但是，现实中大部分是混合模式，业务员也在线下跑，大数据、互联网技术也用，两者不同比例的结合。比如在村里跑客户的业务员，也会用随身携带的PDA连上数据库看看征信情况，或者把所采集的信息填到表格中，录入到“信贷工厂”，也由模型协助判断。而一些基于数据的“税务贷”或供应链金融，业务员也会跑到现场去考察一下企业情况，甚至一些互联网银行也会派些员工去线下看看情况。因此，现实中其实是混合模式为主。
四、全行业下沉的挑战
我国有近5000家商业银行，但结构分层较为清晰，有六大行、全国性股份行、城商行、农商行（及农合行、农信社）、其他银行（村镇银行、新式银行等）。传统上，不同类型银行有着不同的客户定位，比如大行做大型企业和大型项目，股份行做大中型企业，城商行、农商行、村镇银行做当地中小微企业，互联网银行做网民、网商。
而且，当地中小微企业还会分层，大的城商行做中小企业为主（户均小几千万元），更小的城商行、农商行、村镇银行则做小微企业为主（户均500万元以下），甚至会做更小的农户、个体户业务，俗称“小小微”（户均100万元以下，甚至50万元以下）。
总之，银行业有着天然的“门当户对”，这是历史原因造成的，也是避免银行业恶性竞争（overbanking）的根本方法。
但是，现在银行业可能面临一些新情况，就是老生常谈的“脱媒”现象。随着产业转型升级、资本市场发展，越来越多的大型企业会选择资本市场融资，通过资本市场发行债券、股票，对信贷的需求减少。首先感受到这种压力的，其实是大中型银行，因为它们主做大中型企业客户。然后，老客户跑了，要找新客户，于是，便形成了客群“下沉”现象。
有些大型银行前瞻性地看到这了一点，比如，工商银行很早就提到，银行不做小微没有未来。大中型银行开始介入中小微企业领域。同时，政府也给大行们下达了任务，要求小微信贷增速不得低于30%。因此，往未来看，大中型银行逐渐向中小微客户下沉，这一趋势会长期存在。
这种下沉会挤压原来中小银行的业务空间。毕竟，对于同一个客户，如果大小银行均愿意给其放款，那么毫无疑问，大银行拥有着小银行无法匹敌的资金低成本，小行的贷款产品在大行的低利率面前毫无竞争力。近期，大行领到普惠金融任务后，加大了小微贷款发放力度，确实已有中小银行感受到了竞争压力。
但是，大行也不是无所不能的。我们前文已介绍了小微信贷的业务，一边是纯手工（人海战术），一边是纯自动（互联网金融模式），现实中大部分是两者不同比例的混合。而对于大行来说，肯定是信息技术、互联网技术、大数据技术应用的比例会高一点，因为它们要想在全国范围把人手投入到村社级（社区、村落、部落等），开展人海战术，几乎是不可能的，其管理难度、业务成本都高得无法想象，它们把网点铺到县城和发达的乡镇已经很不容易了。但大行拥有较强的技术实力和人才优势，以及规模经济，引进、建立强大的信贷科技系统不是问题。
而中小银行，尤其是有些下沉很深的中小银行，网点可以覆盖到乡镇级，业务人员从网点出发，能够覆盖附近的各个村落，用最原始的手段化解信息不对称，并提供最贴心的服务。因此，最末梢的村社级，大型银行还是无法触达，或者虽然能覆盖，但服务不够紧密，很难实现“关系型借贷”。
因此，最后可能形成的小微业务格局，是小行进村，大行上网。
五、总结：小行之路
大行运用信息科技能够覆盖的客群，主要还是拥有硬信息的客群，那么主要是一些在现代信息技术环境下，信息慢慢实现硬化的群体。所以，现代信息技术仿佛是大行的开路先锋，能够高度标准化的信息和业务，最后都可能被大行通吃。
而下沉到最底部的、无法简单标准化或硬化的信息，则可能成为小行的最后阵地，这也是服务着一群最基层的客群。同时，政策也理应给予小行一定的倾斜。
最后，优秀的小微信贷业务，是小行进村狗不叫，大行见网不见人。
最后，向大小银行所有深入田间地头的小微银行人致敬。
（来源：Choice数据的财富号 2019-04-19 19:32） [点击查看原文]
本文作者可以追加内容哦 !
