中国经济现正以30多年来最低的速度增长，但如果该国将近4000万中小企业能够克服资金缺乏的问题，它们就有望成为提升国家经济活力的强大引擎。

那么数字创新者们又是否能弥补这一中小企业融资缺口呢？

中国政府在中小企业贷款方面的尝试已经不是一天两天了。

自2005年以来政策制定者们一直在努力拓宽中小企业及低收入家庭的金融服务获取渠道，包括建立8000多家小额贷款公司，提高银行中小企业年度贷款额度，还在2018和2019年强制将中小企业平均贷款利率每年降低一个百分点。

仅两成获批

但尽管实施了上述举措，却依然只有20%的中国中小企业能获得银行借款。

其中一个原因是中小企业尽管数量众多，但由于规模较小且地域分散，所以不是特别容易找到。而一个更重要的原因则在于许多银行无法有效针对中小企业实施基于市场的风险定价。

鉴于中国中小企业的平均生存期还不到五年，因此没人敢断言向它们提供贷款是无风险的。

但强制降低中小企业借贷成本意味着银行无法动用利率来抵消相对更高风险，而政府也未能提供任何补偿性补贴。

虽然较大的银行可能会使用交叉补贴手段来应对这一状况，但较小的银行则缺乏这类选项。

对后者来说向中小企业贷款意味着可能要承担资产负债表受损的风险，加之银行雇员还必须对所有不良贷款负上终身责任，因此许多银行与其冒着扩大不良贷款增加的风险，不如草草应付监管要求了事。

但即便监管机构没有刻意为中小企业降低利率，银行也难以实施有效的风险定价。传统的信用评分模型着眼于借款人的财务历史和固定资产（作为抵押物）以及一些隐性的政府担保，但这些条件中小企业往往都不具备。

因此中国所面临的挑战是双重的。

线上信用评分更准确

为了鼓励银行增加贷款，当局必须放开更灵活的贷款利率，而非强制推行会令银行资产负债表更易受到冲击的过低利率要求，同时银行也需要找到对中小企业进行风险评估的有效方法。

对此，有一种创新方法侧重于“离线软信息”，也就是企业家的社会行为和人际关系。

一些规模较小的商业银行——比如浙江省的泰隆商业银行、台州银行和民泰商业银行——都已经在使用这一手段来指导其中小企业贷款。

但是中小企业风险评估的真正革命其实发生在线上。

技术平台能记录用户数字足迹数据；云计算可实现相关信息共享；机器学习则可以提高速度，效率和准确性。

根据北京大学数字金融研究中心和国际清算银行的研究，这类基于相关技术的信用评分模型在预测中小企业贷款违约风险方面比传统银行模型表现更佳，原因至少有三点：首先新模型涵盖了比资产负债表信息更稳定的行为变量和网络指标；其次它们使用一些实时交易数据——包括现金流量和商业环境——来代替那些远远缺乏时效性的财务指标；第三就是与银行的传统线性模型相比，机器学习手段可以更好地捕获各个变量之间的非线性交互关系。

贷款秒存支付宝

而数字技术的“长尾”本质也提供了额外的优势。

一旦平台成功建立，服务其他客户的边际成本几乎为零。中国两家主要移动支付供应商——阿里巴巴的支付宝和腾讯的微信支付——各自都已经拥有约十亿客户。

同时数字技术的运行速度显然也更快。

无人工干预

率先采用这种方法的在线银行——微众银行，网商银行和新网银行——几乎都能在收到贷款申请后的短时间内处理完毕。

网商银行的中小企业贷款业务开发了一个所谓“310”模型：填写在线申请表的时间不超过3分钟；一旦获得批准，这笔钱将在1秒钟之内存入借款人的支付宝账户；整个流程的人工干预为0。

借助数字创新，上述三家银行虽然各自只有约一两千名员工，当前每年却可发放约1000万笔中小企业或个人贷款，而且不良贷款率一直维持在仅仅1％左右。

拓中小企融资渠道

无可否认，在这个领域还有许多挑战需要克服——首先就是数据上的不平等现象。

但相对于使用更多不同类型数据的在线银行而言，那些仅关注过往财务记录的传统银行因此所受到的束缚会更大。

微众银行比较依赖社交媒体数据；网商银行大量依据电子商务记录；使用开放银行系统的新网银行则从其他技术平台获取信息，因此一个没有信用记录的人依然有机会通过自身各种数据——比如社交媒体记录——来获得资金。

而对于那些完全缺乏数字足迹的客户来说，在线银行也一直在开发各类能使其建立足迹的策略。

比如在线银行会在无需任何在线数据记录的情况下向借款人提供一小笔贷款，而随着借款人逐步偿还贷款并与银行发生往来，他或她也同时建立了自己的数字足迹。

一直以来中国都意识到增加中小企业融资渠道的重要性，而如今在线银行正在提供实现这一点所需的相关解决方案。

这不仅可以为经济增长和创新带来福音，还可以实现更广泛的金融包容性，更将惠及中国以及世界更广大地区。

Project Syndicate版权所有

www.project-syndicate.org