本報記者 于德良

    近期，國內(nèi)頂尖金融智庫金融城和金融科技企業(yè)友信金服聯(lián)合發(fā)布《小微企業(yè)融資難的特色化解決方案》研究報告（以下簡稱“報告”）。

    報告深入剖析了我國小微企業(yè)所面臨的融資困境，以及傳統(tǒng)金融機構(gòu)、新興金融企業(yè)在服務(wù)于小微企業(yè)融資上的實踐經(jīng)驗和模式差異。報告指出，隨著金融科技和數(shù)據(jù)化發(fā)展，金融科技企業(yè)已成為解決小微企業(yè)融資難題的重要成員之一。以不同借款額度和定價為依托，我國已開始形成多層次的小微企業(yè)融資服務(wù)體系。其中，額度在1萬元至20萬元之間的小微企業(yè)融資需求，P2P網(wǎng)貸等金融科技機構(gòu)已經(jīng)有能力為其提供服務(wù)。

    小微企業(yè)融資缺口擴大

    從世界范圍來看，相比于中小企業(yè)，規(guī)模更小的微型企業(yè)融資普遍更加困難。在世行、國際金融公司（IFC）等機構(gòu)聯(lián)合統(tǒng)計的全球128個發(fā)展中國家里，1.41億微型企業(yè)中，受信貸約束的微型企業(yè)數(shù)量占比達(dá)到40%。

    在我國，私營企業(yè)是小微企業(yè)的主體，約80%的私營企業(yè)是小微企業(yè)。且在私營小微企業(yè)中，微型企業(yè)又占絕對份額，約85%的私營小微企業(yè)是微型企業(yè)。自2007年開始，當(dāng)我國小微企業(yè)融資需求以每年10%以上的增速增長的同時，需求缺口擴大的速度也達(dá)到每年13%左右。

    報告指出，長期以來，勞動力成本高、生產(chǎn)成本高、稅負(fù)高，融資難、扶持政策落實難等“三高兩難”問題不斷擠壓著小微企業(yè)的生存發(fā)展空間。2012年以來，我國小微企業(yè)融資比例一直維持在較低水平，其中，小型企業(yè)在25%-27%左右，而微型企業(yè)融資規(guī)模占比極少，整體占比低于5%，金融機構(gòu)從貸款發(fā)放安全性、性價比較低和抵押物不足等角度出發(fā)，對小微企業(yè)的放貸力度一直較低。

    網(wǎng)貸機構(gòu)服務(wù)小微企業(yè)融資的解決方案

    報告指出，網(wǎng)貸機構(gòu)服務(wù)小微企業(yè)的規(guī)模近年來不斷增長。2013年到2017年末，網(wǎng)貸機構(gòu)服務(wù)的小微企業(yè)累計業(yè)務(wù)成交量超2萬億元。網(wǎng)貸機構(gòu)小微企業(yè)借款從2013年年成交量僅124.32億元，現(xiàn)已達(dá)到8722.8億元。

    從信用主體的區(qū)別來看，網(wǎng)貸機構(gòu)的融資模式主要有兩種，一是基于小微企業(yè)為信用主體的融資模式，二是以小微企業(yè)主個人為信用主體的融資模式。

    目前，我國網(wǎng)貸機構(gòu)多數(shù)采用以小微企業(yè)主個人為信用主體的融資模式。這一模式的優(yōu)勢在于，針對企業(yè)經(jīng)營的分析高度依賴于對行業(yè)的理解，每一特定行業(yè)的經(jīng)營都有十分獨特的組織生產(chǎn)方式，包括成本利潤等指標(biāo)也不具備統(tǒng)一化的可行性。個人的信用維度相對更標(biāo)準(zhǔn)，支撐平臺可以通過金融科技的手段將其業(yè)務(wù)規(guī)?；６?guī)?；倪\營，可以進(jìn)一步降低小微企業(yè)主的融資成本。

    報告以網(wǎng)貸平臺人人貸為例，剖析網(wǎng)貸模式以小微企業(yè)主為信用主體，解決長尾客戶經(jīng)營性借款需求的創(chuàng)新型經(jīng)驗以及優(yōu)劣勢所在。

    人人貸成立八年來持續(xù)服務(wù)于小微企業(yè)主為主的小額融資需求。相較傳統(tǒng)小微企業(yè)借款抵押擔(dān)保等模式以及較長的申請周期，人人貸通過衡量個人信用，運用金融科技手段，為借款人提供快速可獲得的純信用小額融資服務(wù)，最快可以在分鐘級完成批核，截止到2018年第三季度末，平臺人均借款金額為7.85萬元，累計撮合成交金額達(dá)707億元，目前平臺已服務(wù)近100萬借款人，其中近80%的借款人將資金應(yīng)用于自身小微生意的經(jīng)營周轉(zhuǎn)。

    在技術(shù)方面，報告指出，人人貸在大數(shù)據(jù)基礎(chǔ)上，構(gòu)建獨特的風(fēng)控模型。貸前，通過數(shù)據(jù)驅(qū)動+經(jīng)驗輔助為核心的系統(tǒng)模型防范欺詐風(fēng)險，其中數(shù)據(jù)驅(qū)動部分引入機器學(xué)習(xí)算法，更有效地在空間和時間序列上從傳統(tǒng)人工很難發(fā)現(xiàn)的弱變量中尋找風(fēng)險特征。而經(jīng)驗輔助則為機器學(xué)習(xí)提供金融可解釋性，強調(diào)數(shù)據(jù)驅(qū)動下的KYC（了解你的客戶）。貸中，當(dāng)債權(quán)成交后，會持續(xù)對借款人的還款行為進(jìn)行數(shù)據(jù)跟蹤。貸后，則通過人工智能技術(shù)（如機器人還款提醒）以及高效在線客服體系，有效、合法、合理地完成逾期賬戶管理。

    報告強調(diào)，隨著金融科技的發(fā)展，部分網(wǎng)貸機構(gòu)在對數(shù)據(jù)的搜集、挖掘、分析、應(yīng)用上積累了豐富的經(jīng)驗，已經(jīng)形成了領(lǐng)先優(yōu)勢，對于用戶的洞察和風(fēng)險特征實現(xiàn)了更加精準(zhǔn)的把握。不過，行業(yè)整體也存在能力上的參差不齊。一些平臺存在明顯“短板”，在風(fēng)控、技術(shù)等方面的能力有限，這也間接對服務(wù)小微企業(yè)融資的有效性造成了影響。