信息不对称下银行对中小微企业的最优信贷策略研究孙雨忱摘要：通常认为，中小微企业融资难的主要原因在于抵押担保能力不足、银行贷前及贷后管理成本高。但究其深层次根源，则是在信息不对称情况下，银行难以对中小微企业的违约率进行可靠测算，从而难以估量这部分授信的资本占用，加大了银行自身资本充足率管理的难度。本文利用银行较易获取的企业交易信息（发票信息）、信用评级、信贷记录等有限信息，通过构建Logistic回归的违约率测算模型，测算出不同信用水平下中小微企业的预期违约率。在此基础上，以银行利润最大化为目标，构建银行最优信贷策略的非线性规划模型，并以此模型指导银行对潜在中小微企业客户开展授信活动。关键词：中小微企业;违约率;信贷;Logistic回归：F830.5：B：1674-2265（2021）06-0078-07DOI：10.19647/jki.37-1462/f.2021.06.010一、引言中小微企业是我国构建现代化经济体系、推动经济高质量发展的重要基础，是扩大就业、改善民生的重要支撑。中小微企业融资问题一直是我国信贷政策关注的重点，近年来国家出台了很多推进中小微企业信贷业务的优惠政策，但中小微企业融资难问题一直没有从根本上得到解决。（一）文献综述学术界对中小微企业融资难问题的关注和研究由来已久。学者们普遍认为，中小微企业抵押担保能力差、信用水平低、贷前调查和贷后管理成本高等原因，导致银行对其授信的积极性不高，影响了信贷政策的实施效果。其背后的深层次根源则是在信息不对称情况下银行的理性选择。在银行提供信贷服务的过程中，信息的收集、处理和交流至关重要（Goetzmann等，2013）[1]，造成中小企业融资难的很重要的原因就是信息不对称。由于信息不对称导致银行对中小微企业限贷或实施信贷配给，中小微企业往往被排除在信贷市场之外（Stiglitz和Weiss，1981）[2]。为了获取融资，中小微企业往往需要与所在地的银行建立长期、稳定的关系（Petersen和Rajan，1994）[3]，否则很难获得信贷资金。信息技术的发展为解决银企之间信息不对称提供了便利，极大降低了银行对企业硬信息的使用成本，尤其节约了收集、加工乃至决策的人力成本，但软信息仍需在银企间长期互动中收集、鉴别与解读，因此，获取软信息成本依然很高（袁志刚等，2021;董良泉，2020）[4，5]。银行对企业授信的前提是尽量维护本金的安全，因此，需要根据企业的违约率来决定自己对企业的信贷政策。银行收集和分析企业信息的主要目的，在于以此判断企业的偿付能力、盈利能力、久期经营能力，归根结底是判断企业信贷的违约率。因此，在信息不对称情况下如何合理判断企业的违约率，就成为解决中小微企业融资难的瓶颈问题。学术界对企业贷款违约率的研究方法大致可分为三类：第一类是利用多种指标构建风险评价指标体系，这类方法需要企业全面的经济财务信息支持，如牛红红和王文寅（2008）[6]构建了企业历史信用记录、基础素质、发展潜力、财务状况四类指标为一体的综合性企业信用风险评估体系，乔薇（2011）[7]选取了流动资产周转率、存货周转率、净资产收益率、总资产收益率等指标建立了中小企业信用评价体系。第二类是基于Merton期权定价理论，运用KMV等数学模型对企业违约率进行定量分析（Collin-Dufresne和Goldstein，2001）[8]，这类方法要求对企业价值及其波动率进行准确估计。受数据可获性的影响，这两类方法多运用在信息披露较规范的上市公司的信用分析中。第三类是基于各类企业的历史违約率，运用判别分析法（Altman，1977）[9]、Logistic模型等来估算类似企业的预期违约率。这类方法的核心数据是企业的历史违约样本数据，对财务数据要求较少，因此，在非上市的中小微企业信贷风险测度方面应用较多。国内类似研究多集中在判别分析法和Logistic等模型的应用和拓展上（庞素琳和王燕鸣，2006）[10]，徐晓萍和马文杰（2011）[11]运用判别分析法和决策树模型，对非上市中小企业的违约风险进行了分析，发现二者结合能较好地判断企业违约率;黄苒等（2018）[12]基于违约风险成分分析法，对中小企业违约风险进行分析，发现违约风险成分分析法能较好解释中小企业违约风险的相关性和差异性。（二）研究思路及...