农村电商市场小微企业信用评级收费模式的博弈分析

唐浩坤 温涛 邹芳莉

摘要 作为农村电商市场主体的小微企业，信用缺乏问题为这一市场的可持续发展埋下隐患，探讨适合小微企业特征的信用评级方法成为促进农村电商市场发展的当务之急。借助有限博弈理论比较各类农村电商市场主体信用评级收费模式的优劣，证明农村征信平台采取面向咨询方的收费模式要比面向企业方的收费模式更能减少咨询企业遭受恶意欺诈的风险，同时提高咨詢企业安全意识，加大对欺诈交易的惩处力度，提高征信平台对虚假评级信息的尽职调查比例和甄别能力，都能有效控制咨询企业同恶意企业交易的损失率。

关键词 农村电商市场；信用评级；收费模式；有限重复博弈

中图分类号 S-9；F326.6 文献标识码 A 文章编号 0517-6611（2017）01-0231-06

Game Analysis of the Fee Mode of Rural ECommerce Market Small Enterprises Credit Rating

TANG Haokun1， WEN Tao1， ZOU Fangli2

（1.College of Economics and Management， Southwest University， Chongqing 400716；2. Credit Management Department， Chongqing Operation Office of Peoples Bank of China， Chongqing 400011）

Abstract Small enterprise is one of the main body of rural ecommerce market， credit deficiency in these enterprises is a hindrance to the sustainable development in the market， and the methods of credit rating which are compatible with small enterprises have become the top priority to promote the development of rural ecommerce market. By means of infinitely repeated game theory， the article compared the advantages and disadvantages of different types of charge mode of rural ecommerce market players credit rating. Simulation tests showed the risk of consultant being cheated was lower when rural credit platform charged consultant rather than business. Meanwhile， the losses caused by consultancy firm dealing with dishonest firm would be contained by rising consultants safe consciousness，strengthening investigation and punishment on fraudulent transaction，increasing the proportion of research about false evaluation information， and improving the ability of discriminating false information.

Key words Rural ecommerce market；Credit rating；Fee model；Infinitely repeated game

农村是我国扩大内需的重要战场，也是国内发展潜力最大的电子商务市场。据中国互联网络信息中心（CNNIC）公布的第37次《中国互联网络发展状况统计报告》显示，截至2015年底，我国农村网民规模达1.95亿，在全国网民中的占比达28.4%。农村网购规模近年来以40%的年均增长率不断飙升，以“淘宝村”为代表的一大批农村电子商务基础设施建设得以快速发展。截至2015年末，全国符合标准的“淘宝村”数量达780个，分布于全国17个省市，同比增长高达268%，覆盖活跃网店总量超过20万家。

由于我国农村电商市场刚刚起步，与之配套的农村信用体系建设十分薄弱，尤其是作为农村电商市场主体的小微企业信用评级失真问题为农村电商市场可持续发展带来极大隐患，因此构建适合农村电商市场发展的小微企业信用体系成为当前亟待解决的问题。笔者通过文献梳理发现，当前学术界的相关研究主要集中在信用评级如何帮助企业解决融资难题上，对如何采集小微企业信用数据，如何促使征信机构提高其所出具的小微企业信用报告质量等研究还相对较少。因此，笔者提出发挥电商平台在小微经济体信用软件信息采集上的优势，构建适合小微企业发展特点的信用评级体系，并借助有限博弈理论比较各类农村电商市场主体信用评级收费模式的优劣。

1 研究背景

“十二五”期间，我国农村居民收入年均增长超过10%，增幅连续多年高于城镇居民和GDP增速，为农村电商市场的未来收益提供了有益的支撑。农村电信基础设施不断完善，截至2015年底，我国行政村宽带覆盖率达95%以上，加速了电子商务向农村的渗透；2014年国家农业部提出“信息进村入户”工程，国家商务部推行“电子商务进农村”示范计划。2016年中央一号文件明确支持电商、物流、商贸、金融等企业参与涉农电商平台建设，相关支农政策密集出台为农村电商市场快速兴起提供了制度保障。农村日显落后的线下商业体系无法满足当前多样化的市场需求，为农村电商市场的快速拓展留下巨大“蓝海”。城市电商市场日趋饱和，增长空间有限，促使各大电商纷纷转战农村市场。以上因素的共同作用促进我国农村电商市场迅猛发展。

当前农村电商市场主体包含2部分，一部分是积极拓展农村消费市场的各大电商平台，另一部分是借助电商平台实现“工业品下乡”和“农产品进城”的商贸类、供销类、邮政类企业以及参与农村“两创”事业的高校毕业生、返乡农民工、农村专业户、致富带头人等，这部分市场主体大多体量微小、数目众多，是农村电商市场的绝对主力和未来发展的生力军。它们借助电商平台的信息优势，将新农村生产的产前、产中、产后诸多环节有机结合，妥善解决了新农村生产与市场信息缺乏沟通问题，实现了销售环节规模化、多元需求便利化、物流成本效率化。

但同时也应看到，部分电商平台为争夺商户数量，追求增长速度，对证照不全、信用缺失的三无企业故意“网开一面”，导致农村电商市场准入门槛过低，鱼龙混杂现象泛滥。此外，电商平台上的交易物品信息基本为商家上传的图片和宣传文字，造成网购企业无法直接接触商品和判断商品真伪，给假冒伪劣产品泛滥网络以可乘之机；加上大多数电商平台所采用的消费者主动评级制度所引发的“水军”横行问题仍难解决，导致作为农村电商市场主体的小微企业信用评级扭曲问题突出，这些问题给农村电商市场可持续发展带来极大隐患，动摇客户从农村电商平台获得诚信服务的信心，因此构建适合农村电商市场发展的小微企业信用评级体系成为当务之急。

2 文献回顾

近年来国外学者对企业信用评级的研究更多关注于企业信用与企业债券及股票价格间的关系。Merton[1]首次利用模型描述企业违约风险与企业债券信用利差间的关系；Copeland等[2]进一步借助结构模型分析企业定价与买卖价差的关系，指出在信用风险中性条件下，交易双方信息不对称导致买卖价差的存在。信息不对称市场下信用评级成为衡量企业质量、评估企业信用风险的重要工具，被引入到资本市场的风险定价体系中。Holthausen等[3]、 Hand等[4]、Ederington等[5]先后在其研究中指出，一旦企业信用评级发生调整，会直接影响企业的债券价格和股票价格；Duffie等[6]认为，信息不对称会影响投资者对公司价值的准确判断，使投资者对公司信用利差期限结构产生不同预期；Graham等[7]研究发现，企业信用评级是财务总监决定公司资本结构考虑的第二大因素，仅次于财务灵活性，这促使公司高层努力提升企业信用等级；Kisgen等[8]考察了公司信用评级与资本结构调整的关系，指出当公司评级中带有“+”“-”标记时，公司资本结构会更多进行股权融资而减少债券融资；Jiang[9]、Kisgen等[10]则先后在其研究中指出企业信用评级与商业票据贴现的关系；Mathis等[11]研究了声誉机制对信用评级机构的约束作用，指出当前信用评级机构针对股市发行人的收费模式存在诸多问题，为该研究提供参考；Bolton等[12]深入研究信用评级机构、股市发行人及股票投资间的关系，分析指出信用评级机构间的市场竞争可能降低信用评级效率，诱发企业信用售卖问题，但并未对此提出解决方案；Silvia等[13]针对中小微企业特点，构建了一个基于企业软信息的中小企业信用风险模型，并利用蒙特卡罗实验对模型性能进行验证，但并未对中小企业软信息采集渠道做深入分析。

国内学者对企业信用评级的研究则更多从信用评级对缓解中小企业融资难题角度入手。如李宝庆[14]深入分析了我国中小企业信用治理现状及存在的问题，提出规范企业信用行为、加强企业信用管理和构建企业信管体系的政策建议；尹锐[15]借助动态博弈模型分析，揭示了银行与中小企业间信贷博弈过程，建议完善企业信用担保体系及健全相关法规，以缓解中小企业融资难题；孙洪娟[16]综述了国内外商业银行信用风险管理技术，为后期构建中小企业信用评级模型提供借鉴；林毅夫等[17]分析指出正规金融机构难以克服信息不对称造成的逆向选择问题，而非正规金融机构则在收集中小企业“软信息”方面具有优势，最终借助金融市场模型证明非正规金融机构能改进整个信贷市场的资金配置效率；陈然瑜等[18]提出结合信贷申请方及第三方提供的资料构建小微企业信用评级模型，破解因信息不对称导致的小微企业信贷风险，但并未给出可操作的小微企业信息收集渠道；徐忠等[19]利用委托代理模型分析了商业银行提供中小企业融资的三大关键问题，提出大力发展中小银行、完善征信体系、构建“三农”金融事业部等政策建议；李鑫等[20]通过分析济南市150家农村中小企业调查问卷得出结论，企业信用状况及资信评价偏低已成为农村中小企业难从银行获取贷款的最关键因素，但未给出具體解决方案；李潘生[21]运用AHP法确定网络小微企业信贷评价财务指标与非财务指标的权重，并结合隶属函数确定网络小微企业信贷等级，但在企业信用信息获取、信用指标连续性设置方面还有可改进之处；徐晓萍等[22]运用阿马蒂亚·森的“确保原则”描述了银行与小微企业博弈中的策略选择分化，从理论和实践层面探究了关系型借贷对社会信用水平的影响，为该研究的博弈分析提供了参考。

3 农村征信平台的收费模式

当前国内征信机构在对企业评级时过多依赖企业的财务指标，对于财务数据尚未健全的大多数农村小微企业并不适用，为此类似阿里、京东、苏宁等急于拓展农村市场的各大电商纷纷构建起以“芝麻信用”为代表的独立第三方征信平台，借助电商后台数据库收集到的农村电商市场小微经济体交易“软信息”对其进行信用评分，并鼓励中小金融机构以此为据，向农村小微企业提供信用融资。在此评级过程中，征信平台的主要收入来源于借助电商平台销售工业品或农副产品的小微企业，征信平台将免费向咨询企业提供其所收集到的农村小微企业信用报告，但却不会因“评估误差”导致咨询企业遭受坏账而承担任何责任，因此难以完全杜绝征信平台存在为增加收入与恶意企业串谋出具低质信用报告误导咨询企业的现象。为此笔者通过有限重复博弈探讨适合农村征信平台可持续发展的收费模式。

在农村电商市场中，与企业信用评级有关的利益相关方共4类，第1类是征信平台方（以下简称“平台方”），第2类是交易评价方（以下简称“评价方”），第3类是商品销售方（以下简称“企业方”），第4类是信息咨询方（以下简称“咨询方”）。其中平台方借助评价方对企业方的评价收集企业方的信用信息，并生成企业信用报告；咨询方借助平台方提供的企业信用报告获取企业信用信息以决定是否与企业方进行交易。在此过程中，平台方是中介核心，也是收费主体，它可以向其他三方收费。

3.1 向评价方收费模式

该模式下无论是借助平台增信的企业方，还是利用平台获信的咨询方，都不用向征信平台缴费。平台方利用从评价方收取的会费维持日常运营，但这种模式在实际操作中，既要求评价方耗费精力完成交易评价，又要求评价方按期向征信平台缴纳会费，但评价方自身却无法得到直接经济收益。投入与收益的失衡不仅损害评价方的参与积极性，同时又诱使部分评价方接受企业贿赂，提供虚假评价，进而降低平台所获企业信用软信息的质量，最终损害咨询方利益，因此这种收费模式不具可行性。

3.2 向企业方收费模式

该模式下，平台方维护日常运作的经费主要依靠从企业方收费获取，当前绝大多数电商所构建的征信平台都采用这一方式。该模式下，咨询方可免费从征信平台获取企业信用评价，但无法影响信用平台所出具的企业信用评价质量。

3.3 向咨询方收费模式

该模式下，平台方维护日常运作的经费主要源自对咨询方征收会费，征信平台所提供的企业信用报告质量直接决定其所能吸引到的咨询企业数量，企业方无法直接利用资金影响征信平台的评估决策。

笔者重点关注平台的后2种收费模式，按征信平台利益最大化原则比较2种收费模式下咨询企业受企业信用报告误导与恶意企业交易的比例。分析减少咨询企业受恶意企业欺骗的关键参数，真正发挥农村征信平台在农村电商市场正常交易过程中的提质增信作用。

4 农村征信平台收费模式的博弈模型

4.1 平台方对企业方收费的博弈模型 在该收费模式下，征信平台一旦出具高质量信用报告，必然会降低恶意企业同咨询方企业交易的可能性，从而降低恶意企业在下一收费期向征信平台缴纳会费的积极性。因此，该模式下设定平台方提供高质信用报告时，企业方向平台方支付的费用只有前一轮正常费率的1/3。按Kreps等[23]所提有限重复博弈思想，非零和博弈双方所采用的混合策略如下。

（1）企业方以高费率委托平台方提供低质量信用报告，企业方的收益为EfL（t）-PaH（t），平台方的收益为PaH（t）-CoL（t）。其中，EfL（t）代表企业方第t轮依靠平台方出具的低质信用报告所获取的收益；PaH（t）代表第t轮平台方所收取的高额费用；CoL（t）代表平台方第t轮生成低质量企业信用报告的成本。其中t表示平台方的收费周期。

（2）企业方以高费率委托平台方提供高质量信用报告，企业方的收益为EfH（t）-PaH（t）×（1/3）t-1，平台方的收益为PaH（t）×（1/3）t-1-CoH（t）。其中，EfH（t）代表企业方第t轮依靠平台方出具的高质信用报告所获取的收益；CoH（t）代表平台方第t轮生成高质量企业信用报告的成本。

（3）企业方以低费率委托平台方提供低质量信用报告，企业方的收益为EfL（t）-PaL（t），平台方的收益为

PaL（t）-CoL（t）。其中PaL（t）代表第t轮向平台方所收取的低额费用。

（4）企业方以低费率委托平台方提供高质量信用报告，企业方的收益为EfH（t）-PaL（t）×（1/3）t-1，平台方的收益为

PaL（t）×（1/3）t-1-CoH（t）。

由此可得，平台方对企业方收费模式下的博弈矩阵如表1所示。

该模式下平台方第t轮提供低质信用报告的收益为：ExL（t）=[PaH（t）-PaL（t）]×PE+PaL（t）-CoL（t）。

同理可得该模式下平台方第t轮提供高质信用报告的收益为：ExH（t）=（ 1 3 ）t-1×[PaH（t）-PaL（t）]×pE+（ 1 3 ）t-1×PaL（t）-CoH（t）。

CoH（t）>CoL（t）>0，因此可得ExL（t）>ExH（t），这说明在该收费模式下，平台提供低质量信用报告的期望收益要明显高于提供高质量报告的期望收益，因此平台为了自身利益更愿意提供低质量信用报告。

4.2 平台主对咨询方收费 在该收费模式下，征信平台一旦出具低质量信用报告，可能增加咨询方遭受损失的概率，从而降低咨询方在下一收费期向平台方缴纳会费的积极性，而且咨询方一旦决定同恶意企业交易，所遭受的損失通常远大于恶意企业利用平台增信失败，未能与咨询方交易所受损失。因此设定在该模式下，平台方提供低质信用报告后，咨询方在下一收费期向平台方支付的费用只有前一轮正常费率的1/4。按有限重复博弈思想，非零和博弈双方所采用的混合策略如下。

（1）咨询方以高费率从平台方获得低质量信用报告，咨询方的收益为CfL（t）-PaH（t）×（1/4）t-1，平台方的收益为PaH（t）×（1/4）t-1。其中CfL（t）代表咨询方第t轮依靠平台方出具的低质信用报告所获取的收益；PaH（t）同上节。在此令PaH（t）=0.7×Wish（t）×Prof×Trans（t）；其 中Prof表示行业平均利润率，Trans（t）为第t轮咨询方与企业方的预期交易额，Wish（t）表示同企业第t轮的交易意愿。其值定义如下：

Wish（t）= RepN（t）/RepE（t）， if RepN（t）/RepE（t）<22 else

RepN（t）表示第t轮平台方的声誉值，RepE（t）表示第t轮企业方的声誉值。CoL（t）同上节。在此令CoL（t）=BasRat×InvL×RecgL×Trans（t），其中BasRat表示基础调研费率，InvL表示平台提供低质信用报告时的尽调比例，RecgL表示平台提供低质信用报告时的信息甄别率。

（2）咨询方以高费率从平台方获得高质量信用报告，咨询方的收益为CfH（t）-PaH（t），平台方的收益为PaH（t）-CoH（t）。其中CfH（t）代表咨询方第t轮依靠平台方出具高质信用报告所获取的收益；CoH（t）同上节，代表平台方第t轮生成高质量企业信用报告的成本。在此令CoH（t）=BasRat×InvH×RecgH×Trans（t）。

（3）咨询方以低费率从平台方获得低质量信用报告，咨询方的收益为CfL（t）-PaH（t）×（1/4）t-1，平台方的收益为PaL（t）×（1/4）t-1-CoL（t）。其中PaL（t）同上节定义，在此令PaL（t）=0.3×Wish（t）×Prof×Trans（t）。

（4）咨询方以低费率从平台方获得高质量信用报告，咨询方的收益为CfH（t）-PaL（t），平台方的收益为PaL（t）-CoH（t）。

由此可得，平台方对咨询方收费模式下的博弈矩阵如表2所示。

5 仿真实验分析

5.1 实验假设 为简化模型，对模型做如下假设：

（1） 每一轮博弈共有10 000家恶意企业希望借助平台增信，欺骗咨询方同其进行交易以期获得非法收益。

（2）每轮博弈中，如果咨询方与一家恶意企业方进行交易必将遭受损失，在此情况下，咨询方的风险控制阈值会提高10%；这家恶意企业方的声誉度会降低15%，平台方的声誉度会按咨询方受损比例的20%的程度降低。

（3）为考察信用平台每轮收费期受损失咨询企业占比，引入参数Posl（t）和Posh（t）分别代表平台提供低质量信用报告与高质量信用报告时，恶意企业与咨询企业交易的可能性。

（4）在平台方向企业方收费模式下，将平台提供低质量信用报告的概率，以及在平台方向咨询方收费模式中的平台提供高质量信用报告的概率都设定为0.7。

（5）实验共进行10轮。

（6）为进行仿真实验，对参数Posl（t）和Posh（t）做如下定义，在第t轮如果信用平台提供低质量信用报告时，分段函数Posl（t）=1；或者信用平台提供高质量信用报告时，分段函数Posh（t）=1，则表示在本轮中咨询企业会与恶意企业进行交易，遭受损失。

其中RisCon（t）表示第t轮咨询方的风险控制阈值。

5.2 实验参数 仿真实验中所用到的参数如表3所示。

5.3 实验分析

5.3.1 仿真实验1比较2种收费模式下受恶意企业欺诈的咨询企业比例。由图1可以看出，在前5轮实验中，面向咨询方收费模式要比面向企业方收费模式更能抵御恶意企业的欺诈交易，但5轮收费期过后，随着恶意企业和信用平台声誉值的不断降低，以及受害咨询企业安全意识的快速提高，面向企业收费模式中，咨询方受恶意企业欺骗的比例会小于面向咨询方收费模式，这说明声誉惩戒机制对农村电商平台上的恶意交易有一定的抑制作用。但从总体看，面向咨询方的收费模式中，咨询企业方受损率一直保持在30%以下，且数值还逐步下降，更适合本身信誉不高的农村征信平台逐步积累知名度、持续拓展业务的需要。且在实际操作中，如果前几轮收费期信用平台为谋求暴利，与恶意企业串谋提供大量低质信用报告，导致相当比例咨询方遭受损失，则这些刚建立起来的信用平台会被咨询企业果断抛弃，而失去咨询方信赖的信用平台也无法吸引足够多的企业在此评级，从而最终导致征信平台快速倒闭。因此在农村征信市场刚发展的初期，面向咨询方的收费模式比面向企业方的收费模式更能支持平台发展，也更能避免咨询企业利益受损。

5.3.2 仿真实验2比较提高信用平台调查能力后，受恶意企业欺诈的咨询企业比例。每轮实验前将征信平台发布低质信用报告的尽职调查比例和信息甄别率由原先的0.25提高到0.4；将平台发布高质信用报告的尽职调查比例和信息甄别率由原先的0.7提高到0.9。如图2所示，平台调研能力提高后，受恶意企业欺骗的咨询企业占比下降更快，面向企业收费模式在5轮前的咨询企业受损率就低于面向咨询方收费模式，但变化幅度和调整前相比不是很大，说明提高征信平台自身尽职调查能力以及对真实信用信息的甄别率能在一定程度上提高平台对恶意企业欺诈行为的抵抗力。

5.3.3 仿真实验3比较提高欺诈交易惩罚度后，受恶意企业欺诈的咨询企业比例。每轮中当恶意企业与咨询企业交易后，对恶意企业声誉的惩罚力度由原先的15%降到本轮实验中的25%；对作为交易中介的征信平台声誉值的惩罚力度由原来咨询方受损比例的20%增大到30%。从图3可看到，调整恶意交易惩罚力度后，咨询企业受损率比调整前下降更快。在面向企业收费模式中，仅4轮交易后受损咨询企业比例就低于向咨询方收费模式，这说明提高欺诈交易惩罚力度比提高信用平台尽职调查能力更能抑制恶意企业对咨询企业的欺骗行为。

5.3.4 仿真实验4比较增强咨询企业安全意识后受恶意企业欺诈的咨询企业比例。实验前将咨询企业风控阈值由0.5提升到0.8，如图4所示，此时受恶意企业欺骗完成交易的咨询企业受损率迅速降低。而向企业收费模式下仅6轮实验就将咨询企业受损率由0.7降到了0.02以下；在向咨询方收费模式下，咨询企业受损率的下降要平缓一些，但10轮实验后咨询方的受损率也下降到4%以下。这说明提高咨询企业自身的风险控制意识能在短期内（三轮交易后）就有效抑制恶意企业对其的欺骗，对恶意企业欺诈行为的抑制效果最好。

6 结论与建议

当前农村电商市场迅猛发展，与之相伴的农村征信市场也需逐步完善。笔者提出借助电商平台在小微经济体信用软信息采集上的优势，构建适合农村电商市场发展的信用体系，利用有限重复博弈方法探讨适应农村电商市场迅猛发展的农村征信机构收入来源。研究表明，面向咨询方的收费模式比面向企业方的收费模式更能保证农村征信平台的持续发展，也更能减少咨询企业受恶意企业欺骗的比例。此外，在充分竞争环境下，通过加大征信机构尽职调查力度，增加恶意企业或征信平台违法交易成本，提高咨询企业自身安全意识，都能更好地降低咨询企业受损比例。

当前各大电商平台所构建的独立第三方征信机构的收入主要源于向企业方收费，要发展到向咨询方收费需要一个循序渐进的过程。为此，笔者给出如下建议：①农村征信机构的发展一定程度上依賴行政力量推动，征信机构的主要收费对象要由企业方向咨询方过渡，监管部门应做好引导，发挥示范效应。如政府扶持的农村小微企业投融资项目应事先向征信机构查询相关企业信用现状。②鼓励国有企业入股农村征信机构，提高机构公信力，加强行政监管，打击失信行为，加大失信企业曝光度和违规成本，提升征信机构知名度。③引入国外先进的信用评级技术，加大企业信用评级的宣传力度，提高咨询方的风险防范意识。④借助评级增信可帮助受评企业提高商业机会，降低融资成本，拓宽融资渠道，同样，企业信用评级报告可帮助咨询方降低投资风险，实现风险定价，按照“谁受益谁付费”的原则，建议先构建一个以咨询方收费为主、以企业方收费为辅的收费模式，随着利率市场化改革的逐步深化，农村征信评级市场日益完善，逐步过渡到仅向咨询方收费的模式。⑤农村征信机构自身也需加强专业化水平，逐步由企业信用风险分析机构向企业投资

决策机构转化，成为集企业信用数据收集、企业信用风险分析、第三方独立评级、企业投资决策咨询功能为一身的综合信息服务机构。⑥由于征信机构所提供的企业信用评级报告是具有外部性的公共品，企业信用报告的价值源于信息不对称背景下的信息收集成本，一旦咨询方购买后对外公开泄露，就会极大地影响信用报告的自身价值，直接影响农村征信机构切身利益，为此需逐步完善知识产权、网络信息安全等相关制度、法规的保障力度，促进农村征信体系的逐步建立与完善。

參考文献

[1]

MERTON R C.On the pricing of corporate debt：The risk structure of interest rates[J].Journal of finance， 1973（29）：449-470.

[2] COPELAND T， GALAI D.Information Effects on the Bid-Ask Spread[J].Journal of Finance，1983，38（5）：1457-1469.

[3] HOLTHAUSEN R W， LEFTWICH R W.The effect of bond rating changes on common stock prices[J].Journal of financial economics， 1986，17（1）：57-89.

[4] HAND J R H，HOLTHAUSEN R W，LEFTWICH R W.The effect of bond rating agency announcements on bond and stock prices[J].Journal of finance，1992，47（2）：733-752.

[5] EDERINGTON L H， GOH J C.Bond rating agencies and stock analysts：Who knows what when？[J].Journal of financial and quantitative analysis，1998，33（4）：569-585.

[6] DUFFIE D， LANDO D.The term structures of credit spreads with incomplete accounting information[J].Econometric，2001，69：633-664.

[7] GRAHAM J R， HARVEY C R.The theory and practice of corporate finance：Evidence from the field[J].Journal of financial economics，2001，60：187-243.

[8] KISGEN D J.Credit ratings and capital structure[J].Journal of finance，2006，61（3）：1035-1072.

[9] JIANG J.Beating earnings benchmarks and the cost of debt[J].Accounting review，2008，83（2）：2089-2136.

[10] KISGEN D J， STRAHAN P E.Do regulations based on credit ratings affect a firm′s cost of capital？[J].Review of financial studies，2010，23（12）：4324-4347.

[11] MATHIS J， MCANDREWS J， ROCHET J C.Rating the raters：Are reputation concerns powerful enough to discipline rating agencies？[J].Journal of monetary economics， 2009， 56（5）：657-674.

[12] BOLTON P， FREIXAS X， SHAPIRO J.The credit ratings game[J].The journal of finance， 2012，67（1）：85-112.

[13] SILVIA A， SEBASTIANO M.The financing of innovative SMEs：A multicriteria credit rating model[J].European journal of operational research，2015，244（2）：540-554.

[14] 李宝庆.中小企业发展之信用管理体系的构建[J].金融研究，2002（3）：81-86.

[15] 尹锐.银行对中小企业贷款的动态博弈模型[J].财贸研究，2002，13（4）：101-103.

[16] 孙洪娟.商业银行信用风险分析的主要技术[J].统计研究，2002（10）：57-59.

[17] 林毅夫， 孙希芳.信息、非正规金融与中小企业融资[J].经济研究，2005（7）：35-44.

[18] 陈然瑜，寿志敏.论商业银行与小企业信息不对称破解新策[J].全国商情·经济理论研究，2008（22）：53-55.

[19] 徐忠， 邹传伟.硬信息和软信息框架下银行内部贷款审批权分配和激励机制设计：对中小企业融资问题的启示[J].金融研究，2010（8）：1-15.

[20] 李鑫， 王宝明.农村中小企业信贷融资制约因素的实证研究：基于济南市农村中小企业的问卷调查[J].农业技术经济，2010（9）：37-44.

[21] 李潘生.网络微小企业贷款信用评级体系研究[D].杭州：浙江大学，2011.

[22] 徐晓萍，张顺晨，敬静.关系型借贷与社会信用体系的构建：基于小微企业演化博弈的视角[J].财经研究，2014，40（12）：39-50.

[23] KREPS D M，MILGROM P， ROBERT J.Rational cooperation in the finitely repeated prisoners′ dilemma[J].Journal of economic theory，2010，27（27）：245-252.