運用大數據掌握充分信息 數字金融精準服務中小微企業

當前，全國疫情防控形勢積極向好的態勢正在拓展，經濟社會發展加快恢復。中央政治局會議強調，“要加大對重點行業和中小企業幫扶力度，救助政策要精準落地，政策要跑在受困企業前面”。

過去幾周，包括個體工商戶在內的中小微企業受到了較大沖擊。面臨的主要風險是現金流斷裂，因為它們在業務大幅減少甚至停頓的同時，還得繼續承擔包括人工、租金和利息等開支。緩解現金流壓力，主要包括三種途徑：增加收入、降低開支、獲得外部融資。收入的增加取決于生產與生活秩序的恢復，降低開支則需要切實減少企業的經營成本，外部融資是化解中小微企業現金流斷裂風險的重要手段。正因此，國務院常務會議決定，增加再貸款、再貼現額度5000億元，重點用于中小銀行加大對中小微企業信貸支持。

把資金輸送到中小微企業，并不容易。一是獲客難，中小微企業規模小、數據少、地理位置分散，金融機構對這些企業了解不多。二是風控難。傳統銀行的風控模型要看歷史數據、抵押資產等，一些中小微企業沒有這方面的信息。數字技術的發展為解決上述兩大難題提供了新的思路。大科技平臺發揮長尾效應的優勢，鏈接數以億計的企業與個人，有助于政府部門與金融機構摸清中小微企業的狀況并實時了解它們的變化。最近，北京大學數字金融研究中心就依據支付寶線下二維碼支付的數據，測算全國個體經營戶2018年的營業額為13.1萬億元，相當于這一年全國社會零售總額的34.4%。運用大數據掌握充分信息，可以克服信息不對稱的問題，打通金融支持中小微企業的“最后一公里”。

數字金融機構還可以利用機器學習的方法，以實時交易和行為特征等數據替代抵押資產，做信用風險評估。北京大學數字金融研究中心與國際清算銀行聯合研究分析中國網絡借貸數據，發現大數據風控模型在預測違約率方面優于傳統銀行的模型，還可以迅速、大規模地開展業務。三家新型互聯網銀行每年分別可以發放約1000萬筆的小微或者個人貸款，其平均不良率保持在1.5%上下。

數字技術支持融資決策，使得金融機構能夠大規模地服務過去很難被傳統金融覆蓋的中小微企業，是一個世界水平的普惠金融創新。比如一家互聯網銀行小微企業貸款的“310”模式，三分鐘線上申請貸款，一秒鐘資金到賬，零人工干預。這一點在疫情防控期間尤其重要，因為不需要面對面簽約。一項調查顯示，50%的小微企業計劃向新型互聯網銀行申請貸款。傳統商業銀行也都在積極利用數字技術支持信貸決策。這都說明，數字技術可以幫助改變過去對中小微企業情況不了解、缺乏抓手的現象，精準施策，支持它們渡過難關、健康發展。

支持中小微企業，就是在保就業，就是在保穩定。數字金融的實踐提供了一個重要啟示：通過大數據分析和機器學習，可以掌握中小微企業的經營狀況、信用記錄和未來前景，解決了給中小微企業貸款的風控難問題，從而有助于把黨中央支持中小企業的政策落到實處，切實在疫情沖擊中為企業雪中送炭。

(作者為北京大學國家發展研究院副院長、數字金融研究中心主任)