扶貧小額信貸農(nóng)戶信用風(fēng)險(xiǎn)評估實(shí)證研究

李飛 楊洲

摘要：隨著2020年扶貧小額信貸大規(guī)模集中到期，農(nóng)戶扶貧小額信貸風(fēng)險(xiǎn)評級的研究對基層金融機(jī)構(gòu)發(fā)展、區(qū)域金融系統(tǒng)穩(wěn)定具有重要意義。本文以江西省J縣農(nóng)戶調(diào)研數(shù)據(jù)為基礎(chǔ)，利用K均值聚類與模糊綜合評價(jià)法，對農(nóng)戶小額信貸風(fēng)險(xiǎn)等級進(jìn)行評估。結(jié)果表明J縣農(nóng)戶總體風(fēng)險(xiǎn)較小，且農(nóng)戶負(fù)債、家庭年收入以及信貸金額對農(nóng)戶的風(fēng)險(xiǎn)評級具有顯著影響。本文據(jù)此提出金融機(jī)構(gòu)可根據(jù)實(shí)際情況重新設(shè)立農(nóng)戶還款計(jì)劃、政府加強(qiáng)農(nóng)戶風(fēng)險(xiǎn)保障的建議以降低農(nóng)戶還款風(fēng)險(xiǎn)。

關(guān)鍵詞：扶貧小額信貸;風(fēng)險(xiǎn)評級;模糊綜合評價(jià)法

1 引言

隨著2020年扶貧小額信貸大規(guī)模集中到期，農(nóng)戶扶貧小額信貸風(fēng)險(xiǎn)評級受到更大程度的重視。本文根據(jù)前人研究成果與J縣實(shí)際情況，從指標(biāo)體系與模型構(gòu)建兩個(gè)方面對現(xiàn)有的農(nóng)戶扶貧小額信貸風(fēng)險(xiǎn)評估體系進(jìn)行改進(jìn)，實(shí)現(xiàn)對農(nóng)戶風(fēng)險(xiǎn)評級精準(zhǔn)評估。

目前，學(xué)界將農(nóng)戶信貸違約的影響因素歸納為農(nóng)戶戶主個(gè)體和家庭人口社會學(xué)特征、家庭經(jīng)濟(jì)特征、借貸特征和宏觀經(jīng)濟(jì)特征等方面（Sharafat et al.，2013;蘇治、胡迪，2014），對我國扶貧小額信貸違約風(fēng)險(xiǎn)的實(shí)證研究以Logit、Probit模型為主，如馬文勤（2009）通過對農(nóng)村信用社小額信貸資信等級評定表和農(nóng)戶借款申請書等進(jìn)行指標(biāo)選取及篩選，構(gòu)建基于Logit函數(shù)的信用風(fēng)險(xiǎn)評估模型實(shí)現(xiàn)對農(nóng)戶違約風(fēng)險(xiǎn)的評估;張?jiān)蒲嗟龋?013）從個(gè)體特征、經(jīng)濟(jì)結(jié)構(gòu)、貸款性狀、違約認(rèn)知四方面建立評價(jià)指標(biāo)體系，運(yùn)用方差和Logit回歸模型分析農(nóng)戶正規(guī)信貸違約影響因素;孫光林、李慶海、李成友（2014）建立Probit模型分析金融知識對欠發(fā)達(dá)地區(qū)農(nóng)戶信貸違約的影響及其作用機(jī)制;在此基礎(chǔ)上，李慶海等（2018）構(gòu)建三階段聯(lián)立 Probit 模型對原始的Probit模型雙重樣本選擇缺失性問題進(jìn)行完善，李發(fā)現(xiàn)還款能力和還款意愿影響農(nóng)戶信貸風(fēng)險(xiǎn)，團(tuán)體性社會網(wǎng)絡(luò)能有效增強(qiáng)農(nóng)戶還貸意愿。由于現(xiàn)階段采用的主流模型由于自身性質(zhì)對其使用具有一定的限制，因此模糊數(shù)學(xué)作為規(guī)避模型缺陷的模型構(gòu)建方法之一正于商業(yè)信貸領(lǐng)域得到廣泛應(yīng)用。

我國扶貧小額信貸對還款風(fēng)險(xiǎn)進(jìn)行評估時(shí)與商業(yè)信貸并無較大差別（李莉莉，2003），因此可借鑒模糊數(shù)學(xué)在商業(yè)信用貸款風(fēng)險(xiǎn)度量領(lǐng)域的應(yīng)用。王偉寧（2013）、葛允康（2014）、易存曉（2020）在前人研究基礎(chǔ)上，以模糊數(shù)學(xué)原理構(gòu)建出的綜合評價(jià)模型為主體，采用專家意見法法或?qū)哟畏治龇ù_定指標(biāo)權(quán)重，這種權(quán)重確定方式具有簡潔實(shí)用、需要的定量數(shù)據(jù)少的優(yōu)點(diǎn)，但人為干擾較為嚴(yán)重，導(dǎo)致評判結(jié)果易出現(xiàn)誤差。因此，熵權(quán)法根據(jù)指標(biāo)變異性的大小確定權(quán)重的客觀賦權(quán)法，對專家評價(jià)法及層次分析法進(jìn)行一定程度的改進(jìn)。

綜合考慮，本文利用2019年J縣農(nóng)戶小額扶貧信貸調(diào)研數(shù)據(jù)，選取戶主年齡、教育程度、家庭有效勞動(dòng)人口比、家庭年收入、家庭年重大支出、家庭負(fù)債情況、扶貧信貸金額七項(xiàng)指標(biāo)，經(jīng)K均值聚類進(jìn)行初步分析，將熵權(quán)法與模糊綜合評價(jià)法相結(jié)合，對農(nóng)戶扶貧小額信貸的信用風(fēng)險(xiǎn)進(jìn)行具體評價(jià)判斷，提高了預(yù)測的精準(zhǔn)性。

2 J縣扶貧小額信貸發(fā)展現(xiàn)狀與數(shù)據(jù)來源

2.1 J縣扶貧小額信貸發(fā)展現(xiàn)狀

2018年，J縣規(guī)范建立扶貧小額信貸體系，截止2019年10月底，全縣累計(jì)發(fā)放扶貧小額信貸6779筆，發(fā)放金額3.4億元（包括貸款余額4986筆，金額共19333.09萬元），輻射帶動(dòng)貧困戶6194戶，J縣貧困人口由2014年底的15222戶50929人減少到316戶705人，貧困發(fā)生率下降到0.17%，86個(gè)貧困村全部退出。貧困人口人均純收入由2013年的2680元提高到9061元。

2.2 數(shù)據(jù)來源

本文數(shù)據(jù)來自課題組2019年11月于江西省J縣抽樣入戶調(diào)查，采用隨機(jī)抽樣法，對農(nóng)戶家庭信息進(jìn)行調(diào)查。本次調(diào)查共計(jì)獲得144個(gè)樣本，排除信息缺失和誤填問卷等無效樣本后，剩余有效樣本為135戶，問卷有效率為93.75%。

3 J縣農(nóng)戶違約風(fēng)險(xiǎn)指標(biāo)體系

為充分、全面地考慮農(nóng)戶在面臨扶貧小額貸款時(shí)所處于的信用風(fēng)險(xiǎn)等級，本文根據(jù)J縣實(shí)際情況，構(gòu)建農(nóng)戶違約風(fēng)險(xiǎn)評估指標(biāo)體系。

其中，戶主的教育程度劃分為0-4，代表從未上過學(xué)、小學(xué)、初中、高中、大學(xué)或大專五個(gè)教育等級;家庭有效勞動(dòng)力人口比通過對家庭有效勞動(dòng)人口數(shù)量以及家庭總?cè)丝诹康恼{(diào)查計(jì)算。家庭年收入包括三部分：養(yǎng)殖收入、種植收入、務(wù)工收入;家庭的重大支出包括子女教育費(fèi)用、疾病支出、子女彩禮嫁妝支出等;負(fù)債金額這里特指從親戚朋友處借款;扶貧貸款金額根據(jù)J縣的實(shí)際情況，農(nóng)戶最高可獲得100000元信貸。

特別地，由于調(diào)研所獲取的戶主性別均為男性，因此未引入性別因素。

4 J縣農(nóng)戶違約風(fēng)險(xiǎn)評價(jià)及評估系統(tǒng)

4.1 K均值聚類分析

本文利用SPSS，將評估指標(biāo)體系中的變量通過K均值聚類進(jìn)行分析。本文的目標(biāo)是為了得到農(nóng)戶在面臨扶貧小額信貸時(shí)違約所處等級，因此將k設(shè)為4，通過K均值聚類的方式，將數(shù)據(jù)聚為具有相似特征的4類，即優(yōu)、良、中、差四類，其聚類結(jié)果如下：

通過K均值聚類分析，初步得到風(fēng)險(xiǎn)評級為“優(yōu)”的農(nóng)戶有3戶;風(fēng)險(xiǎn)評級為“良”的農(nóng)戶有93戶;風(fēng)險(xiǎn)評級為“中”和“差”的農(nóng)戶分別是12戶和27戶。

4.2 熵權(quán)法確定指標(biāo)權(quán)重

設(shè)權(quán)重集，集合元素分別代表戶主年齡、教育程度、家庭有效勞動(dòng)人口比、家庭年收入、家庭年重大支出、家庭負(fù)債情況、扶貧信貸金額七項(xiàng)指標(biāo)所占權(quán)重。

通過熵權(quán)法，得到權(quán)重矩陣A：

根據(jù)表三初步可知，指標(biāo)體系中戶主年齡、教育程度、家庭有效勞動(dòng)人口比、以及扶貧信貸金額對于風(fēng)險(xiǎn)評級結(jié)果影響較弱，而家庭年收入、重大支出及負(fù)債情況的影響效果更為顯著。

4.3 模糊綜合評價(jià)法

模糊綜合評價(jià)法是基于模糊數(shù)學(xué)的綜合評價(jià)方法，具有結(jié)果清晰、系統(tǒng)性強(qiáng)的特點(diǎn)，能較好地解決模糊的、難以量化的問題。

4.3.1 評價(jià)對象因素集的建立

根據(jù)建立的農(nóng)戶違約風(fēng)險(xiǎn)指標(biāo)體系建立評價(jià)對象因素集，其中表示戶主的年齡;表示戶主所受的教育程度;表示家庭有效勞動(dòng)力人口比例，表示家庭重大支出金額;表示負(fù)債金額;表示家庭年收入金額;表示扶貧貸款金額。

4.3.2 評價(jià)集的確定

為對農(nóng)戶信用風(fēng)險(xiǎn)等級進(jìn)行劃分，建立起評價(jià)集B，集合元素依次代表農(nóng)戶違約等級優(yōu)、良、中、差。

4.3.3 單因素模糊評價(jià)集的確定

其中，根據(jù)各因素K均值聚類結(jié)果進(jìn)行確定。

4.3.4 模糊評價(jià)集的確定

根據(jù)指標(biāo)權(quán)重集及隸屬矩陣，可建立起模糊評價(jià)集（這里以某一組數(shù)據(jù)為例）：

該農(nóng)戶信用風(fēng)險(xiǎn)處于“優(yōu)”狀態(tài)。

同理，從模糊評價(jià)集中確定出各農(nóng)戶所處于的信用風(fēng)險(xiǎn)等級狀態(tài)。

5 實(shí)證結(jié)果及分析

本文依據(jù)模糊評價(jià)集對樣本進(jìn)行了區(qū)分，并對不同等級的農(nóng)戶進(jìn)行對比分析，結(jié)果列示于表四中：

在表四中，各等級農(nóng)戶在年齡、教育程度、家庭有效勞動(dòng)人口以及家庭重大支出的均值不存在明顯差異，說明僅從這幾項(xiàng)指標(biāo)無法判定農(nóng)戶更趨近于哪一信用風(fēng)險(xiǎn)等級，對農(nóng)戶的信用風(fēng)險(xiǎn)等級傾向進(jìn)行估計(jì)也更加困難;而負(fù)債金額、家庭年收入以及扶貧信貸金額的統(tǒng)計(jì)結(jié)果在三個(gè)等級的對比結(jié)果中差異明顯：

（1）評級結(jié)果為“差”的農(nóng)戶負(fù)債金額更高

根據(jù)表四，評級為“差”的農(nóng)戶的負(fù)債金額要高于評級為“優(yōu)”與“中”的農(nóng)戶，后兩者的負(fù)債金額均為0，這說明在對農(nóng)戶風(fēng)險(xiǎn)進(jìn)行評級考量時(shí)，負(fù)債的金額對農(nóng)戶的評級具有顯著影響。

（2）平均家庭年收入對農(nóng)戶評級有一定影響

表四中風(fēng)險(xiǎn)評級為“優(yōu)”農(nóng)戶的平均家庭年收入高于另外兩個(gè)等級，而評級為“中”的農(nóng)戶與評級為“差”的農(nóng)戶平均家庭年收入水平差距不明顯，說明該指標(biāo)在對農(nóng)戶進(jìn)行風(fēng)險(xiǎn)評級的過程中具有一定程度的影響，且影響較為模糊。

（3）評級結(jié)果更好的農(nóng)戶扶貧小額信貸平均金額更低

表四中，隨著農(nóng)戶的風(fēng)險(xiǎn)評級結(jié)果更高，獲得的扶貧小額信貸平均金額也更低。結(jié)果表明，扶貧小額信貸平均金額對農(nóng)戶風(fēng)險(xiǎn)評級具有直觀明確的影響，隨著扶貧小額信貸金額的提高，農(nóng)戶所面臨的信用風(fēng)險(xiǎn)越高。

（4）評級結(jié)果為“優(yōu)”的農(nóng)戶占主導(dǎo)地位

根據(jù)表四的統(tǒng)計(jì)結(jié)果，J縣調(diào)查樣本中，評級結(jié)果為“優(yōu)”的農(nóng)戶占總體的75.5%，評級結(jié)果為“中”的農(nóng)戶占8.9%，評級結(jié)果為差的農(nóng)戶占15.6%。大多數(shù)農(nóng)戶的扶貧小額信貸風(fēng)險(xiǎn)較低，處于良好的狀態(tài)。

6 結(jié)論及建議

本文通過對江西省J縣進(jìn)行實(shí)地調(diào)研，基于調(diào)研數(shù)據(jù)運(yùn)用熵權(quán)法與模糊數(shù)學(xué)構(gòu)建模型，實(shí)證檢驗(yàn)了農(nóng)戶的信用風(fēng)險(xiǎn)等級，為即將到來的扶貧小額信貸大規(guī)模集中到期進(jìn)行評估提供參考。

通過實(shí)證分析結(jié)果：農(nóng)戶信貸風(fēng)險(xiǎn)等級主要取決于農(nóng)戶的負(fù)債、家庭年收入以及扶貧小額信貸金額，當(dāng)農(nóng)戶的負(fù)債、家庭年收入發(fā)生變動(dòng)時(shí)，農(nóng)戶的風(fēng)險(xiǎn)評級也可能隨之發(fā)生改變。

從統(tǒng)計(jì)結(jié)果來看，J縣大部分農(nóng)戶信用風(fēng)險(xiǎn)等級為“優(yōu)”，少部分農(nóng)戶信用風(fēng)險(xiǎn)等級為“中”和“差”，J縣農(nóng)戶扶貧小額信貸風(fēng)險(xiǎn)水平有一定提升空間。為提高農(nóng)戶收入，可由政府或合作社主導(dǎo)實(shí)施，根據(jù)實(shí)際情況發(fā)展新產(chǎn)業(yè)或引進(jìn)新技術(shù)對現(xiàn)有的產(chǎn)業(yè)進(jìn)行跟蹤指導(dǎo)，同時(shí)引導(dǎo)企業(yè)對農(nóng)戶生產(chǎn)的農(nóng)畜產(chǎn)品進(jìn)行對接，加快產(chǎn)品流轉(zhuǎn)速度，增強(qiáng)農(nóng)戶的創(chuàng)收能力，進(jìn)而降低風(fēng)險(xiǎn)。

當(dāng)農(nóng)戶因某些因素使收入降低或負(fù)債增加時(shí)（如生產(chǎn)周期、氣候等原因?qū)е率杖胧艿较拗疲?，正?guī)金融機(jī)構(gòu)可進(jìn)行放寬還款周期并增加相應(yīng)抵押擔(dān)保等措施降低信貸損失，并為農(nóng)戶緩解臨時(shí)性的資金困境提供時(shí)間和空間;其次，對于當(dāng)前中國整體的農(nóng)村信貸市場環(huán)境而言，政策制定者需要推動(dòng)保險(xiǎn)市場加強(qiáng)對農(nóng)戶的風(fēng)險(xiǎn)保障，提高其信貸政策和控制策略的適應(yīng)性，進(jìn)而擴(kuò)大正規(guī)金融機(jī)構(gòu)金融服務(wù)的覆蓋面。

參考文獻(xiàn)

[1]Sharafat， A.， T. Qtaishat， and M. I. Majdalawi， 2013， “Loan Repayment Performance of Public Agricultural Credit Agencies： Evidence from Jordan”， Journal ofAgricultural Science ， 5（6）：221-229.

[2]蘇治，胡迪.農(nóng)戶信貸違約都是主動(dòng)違約嗎？——非對稱信息狀態(tài)下的農(nóng)戶信貸違約機(jī)理[J].管理世界，2014（09）：77-89.

[3]馬文勤，孔榮，楊秀珍.農(nóng)戶小額信貸信用風(fēng)險(xiǎn)評估模型構(gòu)建[J].財(cái)會月刊，2009（36）：49-51.

[4]張?jiān)蒲?，王芳，羅劍朝. 農(nóng)戶正規(guī)信貸違約影響因素實(shí)證分析——以陜西省渭南市農(nóng)村信用社貸款農(nóng)戶問卷調(diào)查數(shù)據(jù)為例[J]. 經(jīng)濟(jì)經(jīng)緯， 2013， 卷缺失（2）： 33-37.

[5]孫光林，李慶海，李成友. 欠發(fā)達(dá)地區(qū)農(nóng)戶金融知識對信貸違約的影響——以新疆為例[J]. 中國農(nóng)村觀察， 2017， 卷缺失（4）： 87-101.

[6]李慶海，孫光林，何婧. 社會網(wǎng)絡(luò)對貧困地區(qū)農(nóng)戶信貸違約風(fēng)險(xiǎn)的影響：抑制還是激勵(lì)？[J]. 中國農(nóng)村觀察， 2018， 卷缺失（5）： 45-66.

[7]李莉莉.農(nóng)村信用社農(nóng)戶小額信用貸款與扶貧小額信貸的比較分析[C].//山東農(nóng)業(yè)大學(xué).2003年中國青年農(nóng)業(yè)經(jīng)濟(jì)學(xué)者年會論文集.2003：518-522.

[8]王偉寧，喬宏.基于模糊綜合評價(jià)的村鎮(zhèn)銀行信貸風(fēng)險(xiǎn)研究[J].商業(yè)會計(jì)，2013（03）：46-47.

[9]葛允康，孫英雋.對商業(yè)銀行信貸風(fēng)險(xiǎn)成因的定量分析——基于模糊層次分析法[J].科技與管理，2014，16（01）：106-109.

[10]易存曉.基于AHP-模糊數(shù)學(xué)模型的金融信貸風(fēng)險(xiǎn)評估系統(tǒng)設(shè)計(jì)[J].財(cái)富時(shí)代， 2020（02）：46+48.

北京工商大學(xué)經(jīng)濟(jì)學(xué)院，北京 100048