抵押对农户信贷风险的影响研究

何广文 何 婧 王 雪

(中国农业大学 经济管理学院，北京 100083)



抵押对农户信贷风险的影响研究

何广文 何 婧 王 雪

(中国农业大学 经济管理学院，北京 100083)

缺乏有效抵押是制约农户获得正规金融机构借款的重要原因，政府和金融机构也一直致力于农户借款抵押物的创新，但却鲜有文献从供给方的视角探讨抵押在农户正规信贷中是否有必要，其究竟发挥什么作用，不同类型的抵押作用是否存在差异。通过以2011—2013年某县级农商银行的全部农户贷款微观数据为样本，采用多种估计方法，对上述问题进行了研究，研究表明抵押确实能显著降低农户贷款的风险，且主要是降低了银行与农户的事前信息不对称，缓解了逆向选择所产生的风险，而不是缓解了贷款后的道德风险。

抵押；农户贷款；逆向选择；道德风险

一、引言

抵押物是贷款合同条款的重要部分[1]，理论上认为抵押的主要作用为降低借贷双方信息不对称[2]。但信息不对称分为事前信息不对称(逆向选择问题)和事后信息不对称(道德风险问题)，抵押的存在究竟是降低了何种信息不对称风险，一直存在争论。逆向选择理论认为抵押是辨析事前信息不对称的有效手段，抵押将发挥信号作用，低风险的借款人可通过选择有抵押物的低利率贷款以彰显自己的风险类型，与高风险借款人区分，减少了逆向选择风险，由此推断，提供抵押物的借款者多为低风险高质量借款人[3]。但另一方面，也有学者认为贷款合同中抵押条款的作用重点在于控制贷款的事后监管风险，阻止贷款发放后借款人转向高风险项目，约束借款人行为，抵押与借款人风险程度正相关[4]。

实证上，我国现有研究多针对中小企业借款行为，研究结论多支持抵押的作用是降低了客户的道德风险而不是逆向选择[5][6]，但与中小企业相比，农户具有自身特征：其一，农户需承受自然和市场双重风险，比一般经营主体更加复杂，风险更大；其二，正规金融机构往往缺乏对农户生活、经营以及道德方面的私人信息，事前信息不对称更加严重；其三，实践中农户提供的抵押品有多种类型，不同类型的抵押在变现能力和资产价值方面相差甚远。这些特征是否将导致抵押在农户贷款中发挥不一样的作用，是值得思考的问题。

不存在争议的事实是，缺乏有效的抵押物是制约农户获得正规金融机构支持的重要原因[7][8]。诸多文献从农户的视角分析了影响农户抵押融资意愿的因素[9][10]，提出农村金融机构应降低对抵押的要求，扩大对农户的金融支持力度，但为何金融机构依旧强调抵押的重要性？抵押在农户贷款中是否真的有必要？提供抵押能控制何种类型的风险？这些问题的回答对从供给角度分析和解决农户贷款难的问题具有重要意义。

不同的信息不对称风险对应不同的解决措施，如果是逆向选择问题，那么对不能够提供足够抵押物的农户贷款可通过增加信用评定和调整风险定价予以缓解；但如果是道德风险，那么银行强化贷后监管，增加清收力度无疑会更加有效。在已有文献范围内，还没有论文系统地从供给方视角探讨抵押在农户贷款中的作用。

因此，本文以2011—2013年某县级农商银行的全部农户贷款微观数据为样本，采用多种估计方法，系统地定量测度抵押物与贷款风险之间是否存在显著联系，如果存在联系，是有利于降低事前风险还是事后风险？研究表明，抵押物确实能有效降低农户贷款的风险，主要是降低了逆向选择风险，缓解了银行与农户的事前信息不对称。

与已有研究相比，本文的理论研究意义在于：第一，不同于以往以农户调研数据为样本的文献，本文首次从供给方的角度，通过详细的银行业微观单笔数据，系统地论证了抵押与农户贷款风险之间的关系。基于农户视角考察了需求方的基本特征对抵押贷款的需求，但如果缺乏对供给方的相应的供给分析，容易造成政策上片面强调加强供给，但银行等经营主体却缺乏相应动力，贷款难问题难以缓解；第二，为抵押物究竟是解决了信息不对称中的逆向选择还是道德风险问题提供了新的证据。

二、文献回顾与理论假设

(一)抵押对信贷风险的影响

Stigliz和Weiss[11]提出的信贷配给理论从理论上解释了抵押存在的必要性。因为借款人和贷款者之间存在信息不对称，所以借款者并不愿意通过提高借款价格(也就是利率)来实现供给和需求平衡。过高的利率将带来两类问题，一方面高利率将吸引高风险的借款者，阻碍低风险借款者，这称为逆向选择问题；同时，一旦借款人获得高利率贷款之后，将转向从事高风险的项目，增加贷款风险，这称为道德风险问题。考虑到这两类问题，银行的贷款利率将低于供给和需求平衡利率，部分借款者不能够获得贷款，出现信贷短缺，这称为信贷配给。抵押则是银行解决信息不对称问题的重要工具，银行可要求借款者提供抵押物来降低信息不对称，在不提高利率的情况下，形成银行与借款人之间的激励相容，解决信贷配给问题[12]。

实证中，一系列研究用贷款风险溢价或者事后的违约率来衡量贷款风险，检测抵押对贷款风险的影响。绝大多数研究均支持抵押与贷款风险显著相关[8][13]，但也有少部分学者发现抵押与借款风险之间不存在显著关系[1][14]，我国的研究主要针对中小企业贷款展开，研究结论多支持抵押物的作用是降低了客户的道德风险而不是逆向选择[5][6]。

上述研究均是以企业客户为样本展开讨论的，但农户贷款具有其一定的特殊性。与企业相比，农业的风险大于其他行业，农户除了面对产品波动的市场风险外，还需面对天气和自然灾害风险，极端的外部事件将导致巨额亏损，同时缺乏社会保险体系的农户还需面临家庭突发性事件的风险，农户的多重风险决定农户比一般贷款客户面临更大的风险[15]，在此情况下，我们推断抵押在农户贷款中将发挥更大的作用，由此我们得出假设1：

假设1：抵押品与农户信贷风险显著相关。

(二)逆向选择和道德风险

如果抵押确实显著地影响了信贷风险，那么是从何种角度产生影响的，如果是改善了双方的信息不对称程度，那么是降低了贷款的事前信息不对称(逆向选择)还是事后的信息不对称(道德风险)？

已有实证结果表明提供抵押品的借款者多为高风险投资者，抵押物与违约风险成正比[4]。我国关于中小企业和个人住房抵押贷款的实证分析，也支持道德风险假说[5][6]。

但也有研究支持逆向选择理论，认为提供抵押品是高信用等级客户区分其他客户的重要方式，在高利率无抵押和低利率需要抵押的两种方式下，低风险客户将会主动选择低利率和需要抵押的组合，抵押品具备信号作用，抵押品与借款者违约概率负相关。最直接的证据是西班牙企业贷款数据表明抵押品和借款者事后违约率负相关[3]。与本文研究对象最为相似的是，Müller等(2014)[16]首次分析了抵押品在微型金融机构发放的农业贷款中的作用，也支持缓解事前风险理论。

也有学者同时支持了两种理论，认为在不同的情况下，道德风险理论和逆向选择理论将交替发挥作用。尹志超和甘犁(2011)[17]分析了在不同信用档次下的企业借款行为，表明低信用等级企业提供抵押品的主要目的是为了降低道德风险，防止贷款违约，但高信用等级企业提供抵押品的作用为信号作用，降低信息不对称中的逆向选择问题。

针对农户贷款而言，一方面，正规金融机构往往缺乏对农户生活、经营以及道德方面的私人信息，无法精确识别农户风险且监管农户行为，农户和银行之间的信息不对称更加严重[18]，已有研究表明信息越不透明的国家，抵押贷款的占比越高[19]，由此推断抵押物是否是更加有助于解决事前信息不对称问题。但另一方面，与农业相关的资产具有价值波动大、变现难等特征，最终导致农户的抵押品更加复杂，一旦发生违约，银行操作时往往会出现较大折价[20]，从此角度分析，农户的抵押品对银行来说更像是保证而非价值资产，是否会在解决道德风险方面发挥更大的作用？

因此，从理论上来说我们很难判断是逆向选择还是道德风险问题，这取决于实证研究的结果。因而我们提出如下对立假说2A及其备择假设2B：

假设2A：抵押品与农户风险正相关，主要降低了道德风险。

假设2B：抵押品与农户风险负相关，主要降低了逆向选择风险。

三、数据与实证模型

(一)指标构建

本文采用三种方法从不同方面测度信贷风险，首先，引用最为广泛使用的贷后风险(expost performance)变量，即贷款违约率(Risk1)，该变量为虚拟变量，若客户发生逾期，则变量为1，否则为0。

随后，从衡量贷前风险的角度出发，我们将银行贷款利率对基准利率的上浮度作为贷前风险的衡量[22]，银行为了弥补其风险敞口，对高风险贷款将收取更高的利息，由此利率上浮程度是衡量贷款风险的良好指标，风险溢价(Risk2)=(贷款利率/基准利率-1)×100%，一般认为，如果贷款利率越高，那么该笔贷款的风险越大。

最后，我们结合中国银行业贷款形态管理，引入贷款五级分类(Risk3)，试图更全面地对贷款风险予以计量。依据借款人的实际还款能力，将贷款风险分为：正常、关注、次级、可疑和损失五种形态，分别对应数值1、2、3、4和5，数值越大，风险越高。

(二)实证模型

本文根据不同的因变量类型，分别采用不同的模型进行估计，其基本模型为

Risk(X)j,t=β0+β1Collaj,t+βXj,t+αj+β3T+∈j,t。

(1)

其中X=1,2,3，分别表示违约率、风险溢价和五级分类三大贷款风险的指标。Collaj,t为哑变量，如果Collaj,t=1表示有抵押品，否则为0。Xi,t为控制变量，α和T控制了不同行业内固定效应和时间固定效应。j表示第j个农户，t表示时间。

如果因变量为Risk(1)j,t时，因为自变量为虚拟变量；如果因变量为Risk(2)j,t时，因为自变量是反映风险溢价程度的连续变量；若因变量为Risk(3)j,t时，五级分类变量是在1～5之间的多值离散变量。

但本文的样本存在不足，由于我们仅能够获得在银行申请贷款且成功的农户数据，遗漏了因为缺乏抵押物而无法向银行申请贷款的客户样本，因此存在数据截尾和样本选择偏差问题，造成了样本的非随机性，如果按照传统的回归方法，最终将影响文章结论。具体的即

对应文中，yi为农户风险，zi为是否有抵押，γ为影响农户抵押的因素。

因此，当违约率(Risk(1)j,t和风险溢价Risk(2)j,t为因变量时，我们采用样本选择模型(TypeⅡTobit)，首先对通过影响抵押的诸多个人财富等因素进行估计，估计出能够提供抵押的估计值，随后将估计值替代真实的提供抵押，代入回归方程，控制样本选择问题。若因变量为Risk(3)j,t时，五级分类变量是在1～5之间的多值离散变量，难以采用有效的控制样本选择性问题，故我们采用传统的有序Logit回归模型。

控制变量上，本文借鉴相关文献，主要从贷款合同基本信息、借款人特征和投资项目特征三方面选取控制变量。

首先，本文控制了贷款合同影响因素，包括贷款金额、期限、利率和还款方式四方面内容。贷款金额表示贷款的规模，为了便于估计，我们对其取对数；期限也是影响贷款风险的因素之一，计算时采用贷款实际到期日期减去贷款发放日期(天数)，并取对数；利率包括基准利率和上浮的风险溢价利率两方面，采用百分数表示，最后，控制了贷款的还款方式，分为一次还本付息和分期还款两种类型，构建虚拟变量，当采用一次还本付息时值取1，否则为0。

其次，我们同时控制了农户个人特征对贷款风险的影响，包括农户的年龄、性别和是否是黄金客户，黄金客户是指对同一客户号下所有个人账户金融资产达到人民币5万元及以上的客户，发放的借记卡是VIP金卡。为了便于估计，我们对农户的年龄取对数；构建性别哑变量，农户为男性时为1，女性为0；最后，构建黄金客户的哑变量，若是黄金客户该变量为1，否则为0。

最后，控制了投资项目特征，通过利率上浮率控制投资项目风险特征，控制了贷款用途、行业和时间等控制变量。

其中β1是我们关注的回归系数，若β1显著，则

表1 描述性统计

说明抵押会影响贷款的风险情况，支持假设1。若β1>0，则说明抵押物与贷款风险成正比，提供抵押物的农户风险高，抵押物起到控制道德风险的作用，支持假设2A；若β1<0，则说明有抵押物的贷款比没有抵押品的贷款更加安全，抵押品主要用于解决借款人和贷款银行之间的信息不对称问题，支持假设2B。

(三)数据来源

本文数据来源于某县级农商银行2011—2014年10月份所有的农户贷款台账，该县经济处于全国中等偏上水平，传统农区，经济相对较活跃，2014年1—10月该农商银行累计涉农类贷款占其贷款总额79.2%，具有良好的代表性。数据真实、可靠且完整，是难得的研究农户信贷行为的系统性微观数据，删除企业和城市个人借贷数据，删除了行业等信息缺乏数据，最后包含8 730笔农户贷款详细资料。

四、实证结果

(一)数据描述性分析

表1给出了数据的描述性统计。就贷款风险而言，违约率1是贷款的违约率，我们发现农户贷款的违约率是12.4%。贷款风险溢价率(Risk2)衡量了贷前风险，贷款利率较基准利率平均上浮52.477%，最大上浮140%，最低下浮-2.439%。是否有抵押方面，可以看到农户贷款主要是以担保和信用贷款为主体，有抵押的比例仅占贷款总笔数的1%。

就贷款合同特征而论，贷款发放的基准利率平均为6.294%。还款方式以分期还款为主，仅有1.7%的贷款采用一次还本付息的方式。借款金额平均为35 418.87元(e10.475)，最大值为150万元(e14.221)，最小值仅为1 074元(e6.908)。借款期限约为1年(e5.894=362天)，最长期限可达3年(e6.995)，最短期限仅为53天(e3.97)。

就借款农户个体特征来看，年龄在21～68岁之间，平均年龄为41岁。男性占比89.4%，仅有0.2%的客户属于银行评定的黄金客户。

从抵押的类型来看，占比最多的是银行存单抵押，达到30.769%；其次为商品房抵押，占比30.769%；随后23.077%的抵押为自建房抵押，15.385%的抵押是设备抵押。

随后，我们按照贷款的五级分类标准，详细分析了不同的担保方式下贷款的质量情况，见表2。平均而言，95.76%的贷款属于正常类别，1.43%的贷款处于关注档次，1.29%的贷款处于次级类别，1.52%的贷款是属于可疑范畴。但针对无论质押还是抵押贷款的分析发现，当加入了抵押之后，贷款的风险显著降低，全部处于正常档次，从直观上表明质押和抵押的贷款风险更低。

表2 不同担保方式与贷款五级分类情况

(二)回归结果

本部分估计抵押对贷款风险的影响。为了结果的稳健性，我们分别采用不同的贷款风险变量进行回归。(1)对是否能够提供抵押的估计，是选择性模型检验的第一步，将其估计结果代入模型(2)和(3)。从模型(1)的回归结果中可以看到，性别是影响是否能够提供抵押的显著因素。(2)是将违约率作为贷款风险的替代变量，采用选择性模型Logit回归，同时删除截止到2014年10月31日没有到期的贷款；(3)将贷款风险溢价作为因变量，采用选择性模型两阶段回归；回归(4)因变量为五级贷款分类，将正常、关注、次级、可疑和不良五个档次分别对应为1～5级，随着序数增加，风险增大，删除贷款分类不全的数据，采用有序Logit模型回归。所有回归中，均控制时间和行业变量，同时采用稳健标准差，减少异方差干扰。

从回归结果来看，我们关注的抵押系数均分别

在10%和1%的显著性水平下显著不为0，说明抵押确实显著影响了信贷风险，银行强调农户需提供抵押物是控制风险的有效手段，支持假设1。

从系数符号来看，分别为-1.578、-60.930和-27.983，均显著为负，说明当有抵押品时，贷款的违约概率越低，贷款的风险溢价越低，评级越高。均支持信息不对称理论是解释农户需要抵押的重要原因，低风险的客户愿意通过提供抵押物显示自己的风险类型，抵押物是识别事前客户风险的有效工具，有抵押物的客户风险越低，支持假设2B，即抵押品与农户风险负相关，主要降低了逆向选择风险。

在控制的合同变量中，在(1)和(3)中贷款利率上浮率与贷款风险成反比，当贷款利率和基准利率越高时，贷款的风险越低，说明利率同时也发挥控制贷款风险的作用，基准利率与贷款风险的关系

注：括号中为回归系数z值，***、**和*分别表示1%、5%、10%的显著性水平(下同)。

不甚稳健，当采用违约率或者风险溢价率衡量贷款风险时，基准利率与贷款风险成反比，与利率上浮程度结果一致，但用五级分类予以评价时，基准利率与贷款风险呈现显著正相关，基准利率越高，贷款风险越高。还款方式也显著地影响贷款风险，采用一次性还本付息的还款方式风险更低，这可能与农户现金收入不稳定，缺乏定期还款能力有关。贷款金额与违约率成反比，贷款金额越大风险程度越低，还款率高，反而小额贷款会面临较大的风险，这可能与银行在大金额贷款中放款更加慎重有关。贷款期限呈现不同的回归结果，在(1)中贷款期限与违约率关系不显著，在(2)中贷款期限将显著正向影响贷款的风险溢价，贷款期限越长，风险溢价越高，这也与长期贷款利率普遍高于短期利率相关，但在(3)按照5级分类进行回归时，长期贷款的信用等级反而较高，呈现负向相关。

在控制变量的农户特征变量中，年龄不显著影响贷款风险。性别在回归(2)和(3)中分别在5%和1%的水平下显著为正，说明较之女性来说，男性的违约概率更大，贷款风险更高，这与全世界对农户及小额贷款的分析结论一致[12]。若是黄金客户时，贷款的信用水平显著提升，说明银行的优质客户分类能够显著控制贷款的风险，同时也说明收入高的客户，风险较小。

五、结论

农户贷款缺乏抵押物一直是困扰农户贷款难的重要问题。那么抵押在农户贷款中究竟发挥何种作用，是否能够有效地降低信贷风险，降低了何种风险。相应的替代措施，如信用评定能否有效替代抵押物，达到降低信贷风险的目的，理论界对于上述问题尚缺乏系统性的论证。本文以2011—2013年某县级农商银行的全部农户贷款微观数据为样本，通过测度是否提供抵押物分别对违约率、风险溢价和五级分类等三大贷款风险的影响分析，主要得出以下结论：

1.从实证上证明抵押确实能够显著降低农户贷款的信贷风险，银行从自身稳健经营的角度强调需要抵押是有意义的。因此，不能够片面要求银行降低甚至放弃农户提供抵押物，而应当提倡合适的替代手段。

2.从具体的影响机制来看，抵押主要是减少了事前的信息不对称风险，抵押作为一种低风险的信号，能够有效地甄别高风险客户和低风险客户，吸引低风险客户，有抵押的农户贷款风险显著低于无抵押贷款，抵押起到降低事前信息不对称，缓解逆向选择问题的作用。由此可以得出启示，在农户正规信贷活动中，如果农户不能够提供抵押，减少事前信息不对称的其他手段，例如信用评定，很可能是抵押品的有效替代，事前充分的信用评定能够有效替代抵押的相应作用，也能达到控制风险的效果。由此也证明，在我国农村信用社领域所推行的对农户进行信用评级、授信的过程对于缓解没有法律意义上的规范抵押品农户的信贷约束是有必要的。

[1] Steijvers T., Voordeckers W.：“Collateral and Credit Rationing: A Review of Recent Empirical Studies as a Guide for Future Research”，JournalofEconomicSurveys, 2009, 23(5),pp. 924-946.

[2] Liberti J. M., Sturgess J.: “Uncovering Collateral Constraints”,WorkingPaper, 2014.

[3] Jiménez G., Salas V., Saurina J.：“Determinants of Collateral”，JournalofFinancialEconomics, 2006, 81(2),pp. 255-281．

[4] Chakraborty A., Hu C. X.：“Lending Relationships in Line-of-Credit and Nonline-of-Credit Loans: Evidence from Collateral Use in Small Business”，JournalofFinancialIntermediation, 2006, 15(1)，pp. 86-107.

[5] 平新乔、杨慕云：《信贷市场信息不对称的实证研究——来自中国国有商业银行的证据》，《金融研究》2009年第3期。

[6] 马宇：《我国个人住房抵押贷款违约风险影响因素的实证研究》，《统计研究》2009年第5期。

[7] 阮红新、杨海军、雷春柱：《信贷资产分散条件下的风险与收益: 对农户小额信用贷款的实证研究》，《管理世界》2003年第9期。

[8] 丁志国、覃朝晖、苏治：《农户正规金融机构信贷违约形成机理分析》，《农村经济问题》2014年第8期。

[9] 肖轶、魏朝富、尹珂：《农户农村“三权”抵押贷款需求意愿及影响因素分析——基于重庆市22个县(区)1141户农户的调查数据》，《中国农村经济》2012年第9期。

[10] 于丽红、陈晋丽、兰庆高：《农户农村土地经营权抵押融资需求意愿分析——基于辽宁省385个农户的调查》，《农村经济问题》2014年第3期。

[11] Stiglitz J. E., Weiss A.：“Credit Rationing in Markets with Imperfect Information”，AmericanEconomicReview, 1981, 71(3),pp. 393-410.

[12] Coco G.：“On the Use of Collateral”，JournalofEconomicSurveys, 2000, 14(2)，pp. 191-214.

[13] Berger A.N., Udell G. F.：“Relationship Lending and Lines of Credit in Small Firm Finance”，JournalofBusiness, 1995, 68(3),pp. 351-381.

[14] Machauer A., Weber M.：“Bank Behavior Based on Internal Credit Ratings of Borrowers”，JournalofBankingandFinance, 1998, 22(10)，pp. 1355-1383.

[15] Christen R. P., Pearce D.：“ManagingRisksandDesigningProductsforAgriculturalMicrofinance”：FeaturesofanEmergingModel”， CGAP Occasional Paper. No.11, 2005.

[16] Müller K., Musshoff O., Weber R.：“TheMoretheBetter?HowCollateralLevelsAffectCreditRiskinAgriculturalMicrofinance， Working Paper. 2014.

[17] 尹志超、甘犁：《信息不对称、企业异质性与信贷风险》，《经济研究》2011年第9期。

[18] 张正平、何广文：《农户信贷约束研究进展述评》，《河南社会科学》2009年第3期。

[19] Godlewski C. J., Weill L.：“Does Collateral Help Mitigate Adverse Selection? A Cross-Country Analysis”，JournalofFinancialServicesResearch, 2011, 40(1)，pp. 49-78.

[20] Cassano F., Jõeveer K., Svejnar J.：“Cash flow vs. Collateral‐based Credit”，EconomicsofTransition, 2013, 21(2),pp. 269-300.

[21] Berger A. N., Frame W. S., Ioannidou V.：“Tests of Ex Ante versus Ex Post Theories of Collateral using Private and Public Information”，JournalofFinancialEconomics, 2011, 100(1),pp. 85-97.

(责任编辑 刘永俊)

Impact of Collateral on Rural Credit Risk

HE Guang-wen, HE Jing, WANG Xue

(College of Economics and Management, China Agricultural University, Beijing 100083, China)

Lack of collateral is an important factor preventing farmers to get formal credit. The government and financial institutions also make great efforts to lower the pledging collateral criteria for the rural credit. However, not enough attention has been paid to the necessity and the effect of collateral based on the supply side and to exploit different functions among different types of collateral. Using farmer lending data from a rural commercial bank in China from 2011 to 2013, this paper investigates the above question. The results show that collateral can lower the credit risk in rural loans, mainly reducing the ex-ante information which is asymmetric between bank and the borrower, and mitigating the adverse selection problem instead of moral risk.

collateral; rural loan; adverse selection; moral risk

2016-06-15

国家自然科学基金青年科学基金项目“多元信息传递视角下互联网金融对缓解农户信贷约束的影响及对策优化”(项目编号：71603259)。

何广文(1963—)，男，四川达县人，中国农业大学经济管理学院教授，博士生导师；何婧(1986—)，女，江西兴国人，中国农业大学经济管理学院副教授；王雪(1989—)，女，河北邯郸人，中国农业大学经济管理学院博士研究生。

F832.4

A

1672-4917(2016)04-0103-07