信用贷款的违约风险必然较高吗？*——基于中小银行逐笔贷款数据的实证研究

谢云峰，彭振江，谢港华

（1.中国人民银行南昌中心支行，江西 南昌 330008；2.江西财经大学经济学院，江西 南昌 330013）

一、引言

推动商业银行发放信用贷款是支持企业创新发展，缓解融资难、融资贵问题的重要抓手。一直以来，大量小微企业融资难的症结就在于缺乏足够的抵质押物。信用贷款不需要企业提供抵押担保，银行凭着对企业经营状况和信誉的了解发放贷款，能够帮助诚信经营的企业快速获得融资支持。党中央、国务院高度重视小微企业融资难、融资贵问题，2019年4月16日的国务院常务会议提出要引导银行提高信用贷款比重，同年6月26日的国务院常务会议再次明确鼓励大型银行完善贷款考核机制、设置专项奖励，确保信用贷款余额明显高于上年来。中国人民银行、银保监会等部门也多次出台政策，要求商业银行合理提高信用贷款比重。2020年，普惠小微企业信用贷款支持计划成为两项直达实体经济货币政策工具之一。

在政策推动下，我国信用贷款增长较快。2020年，全国累计发放普惠小微信用贷款3.9万亿元，同比增长69.6%，增速明显高于同期贷款整体增速。由于缺乏抵押担保措施，信用贷款快速增长引起了商业银行关于整体信贷风险上升的担忧，商业银行对于进一步提升信用贷款比重的内生动力尚待增强。然而，与担保贷款相比，信用贷款的违约风险必然较高吗？

要准确回答上述问题，需要深入研究信用贷款的风险缓释机制。理论上，信贷风险形成的一个重要原因是信贷市场的信息不对称（Stiglitz和Weiss，1981)。银行信贷市场中存在大量信息不对称，表现为贷前的逆向选择和贷后的道德风险（冯晓菲等，2020）。那么信用贷款的风险，主要是集中在贷前的逆向选择还是在贷后的道德风险？回答这个问题有助于探明信用贷款的风险点，采取有针对性的应对举措提升信用贷款比例，对于化解小微企业融资难问题、推进金融供给侧结构性改革意义重大。

从现有文献看，直接讨论信用贷款风险缓释机制的文献较少。为了丰富相关研究，本文将基于与担保方式比较的视角，从贷前与贷后两个阶段，深入研究信用贷款的风险缓释机制特点。从贷前阶段，比较信用贷款与担保贷款中借款企业的风险特征差异，以验证信用方式能否避免逆向选择问题。从贷后阶段，即在控制企业风险特征基础上，比较信用贷款与担保贷款的道德风险差异，探究信用方式对贷款企业的贷后激励作用。在此基础上，进一步探寻信用贷款违约风险的改善路径。

本文可能的主要贡献在于：一是实证研究了信用贷款条件下的贷前甄别与贷后激励作用情况，对于金融机构探明信用贷款的风险点具有实践指导意义；二是考察了银行贷后管理、企业信息透明度以及社会信用环境等因素对信用贷道德风险款的影响，为提升信用贷款的资产质量和比重提供了政策选择方向。

二、文献综述

从贷款担保方式看，现有关于贷款风险缓释机制的研究文献主要集中于抵押方式和保证方式，直接研究信用方式风险缓释机制的文献相对较少。例如，Pozzolo（2004）从理论角度论证了抵押方式和保证方式在解决道德风险中的不同作用。张晓玫等（2016）实证比较了抵押方式与保证方式的风险缓释机制差异，发现保证方式的逆向选择较为严重。冯晓菲等（2020）则对保证方式进一步细分为自然人保证与担保机构保证，实证表明自然人保证能够缓解道德风险。

在已有的关于信用方式风险缓释机制的文献中，主要有两种不同观点：第一种观点是认为信用方式能够有效降低信息不对称，信贷风险较低。Berger和Udell（1995）比较了抵押担保型贷款和关系型贷款①在国外文献中，关于信用贷款风险的研究一般体现在关系型贷款研究中。（实质为信用贷款）的风险差异，结果表明关系型贷款以掌握企业社会信誉和业主品行等大量软信息为前提，更有助于减轻银企间的信息不对称，降低贷款风险。Ono等（2014）基于日本微观数据的实证研究表明，信用评分贷款伴随着更低的贷款违约概率，有利于银行贷款风险控制。Yildirim（2019）认为，关系型贷款方在筛选和监控贷款过程中能够获得企业软信息，从而降低企业违约概率。尹志超等（2011）基于某国有银行2002-2009年的企业数据分析发现，信用贷款违约率为7.03%，而抵押贷款违约率为14.14%。第二种观点是认为信用贷款的违约概率比抵押贷款明显更高。La Porta等（2003）基于墨西哥数据的实证研究发现，关系型贷款的总体违约概率比非关系型贷款高出33%～35%。庞光华等（2014）认为，信用贷款虽然在解决农户融资难问题上发挥了重要作用，但存在严重的道德风险。Yan等（2018）和Schfer（2019）分别通过时间序列数据和调查数据实证得出相似结论，即相比于抵押贷款企业，关系型贷款企业的违约概率更高。

通过梳理以往文献发现，现有关于信用方式风险缓释机制的文献可能存在三点不足：一是信用贷款的违约概率相较于抵押贷款是高还是低，目前文献并无一致结论，需引进新的微观证据，丰富实证研究结论；二是现有研究中很少区分信用贷款的贷前潜在违约风险与贷后实际违约风险，这不利于探明信用贷款的风险点；三是已有文献中缺乏对信用贷款违约风险应对举措的进一步实证探讨，政策参考价值有待提升。对此，本文将在深入分析信用方式风险缓释理论机制的基础上，采用微观数据开展实证研究。

三、理论分析与研究假设

在深入分析信用贷款的风险缓释机制之前，先定义贷款的贷前潜在违约风险与贷后实际违约风险，以分别衡量信贷市场信息不对称，即逆向选择和道德风险的程度。贷前潜在违约风险是一种预期违约风险，指银行在发放贷款前，对申请贷款的借款人违约概率的事前评估与预测，通常以企业自身风险特征衡量，企业自身风险越大，贷前潜在违约风险越高，逆向选择问题也越严重（张晓玫等，2016）。贷后实际违约风险指企业获得贷款后出现违约的可能，是违约风险实际发生的概率，贷后实际违约风险越大，反映道德风险越严重（冯晓菲等，2020）。

（一）信用贷款与逆向选择

银行贷款按担保方式可分为三类：抵押贷款、保证贷款与信用贷款。抵押贷款以抵押物为还款保证，属于物的担保，保证贷款以第三方承诺为还款保证，属于人的担保（张晓玫等，2016），因此，抵押贷款和保证贷款被称为担保贷款。相比之下，信用贷款中没有任何担保措施，完全以借款人的信誉发放。在信用贷款条件下，可能存在两项作用机制使其面临的逆向选择问题低于担保贷款（见图1）：一是信用方式会增强银行对借款企业信息甄别的积极性。信用贷款的最终风险承担者是贷款银行。为了降低信贷风险，银行会产生一个信息生产激励，增加信息搜寻投入，对借款企业资质进行全方位考察，这将有助于缓解逆向选择问题（Yildirim，2019）。二是信用方式会推动银行对企业软信息的掌握。软信息是指难以量化的定性信息，涵盖企业家品德、企业生产经营诚信等私有信息（池仁勇等，2020）。企业财务数据等硬信息中往往包含较多的噪声，而掌握更多的软信息成为解决银企信息不对称问题的关键所在。信用贷款是一种典型的关系型贷款，银行与企业一般保持长期而密切的关系，因而能够掌握到更多的企业软信息（Yildirim，2019）。基于以上分析，提出本文的第一个研究假设：

H1：相比于担保贷款，信用贷款面临的逆向选择问题更为轻微，贷前潜在违约风险更低。

（二）信用贷款与道德风险

理论上，关于信用贷款方式对道德风险的影响，存在两种观点：第一种观点认为，信用方式能够通过声誉机制，激励企业降低道德风险。银行对企业发放信用贷款，相当于给企业维护自身声誉提供了一种隐性激励。在声誉的正强化激励驱动下，企业出于理性考虑，会继续维持良好声誉和守信行为，对自身的不良行为加以约束（朱冬琴等，2012）。此外，在供应链中，声誉机制还会产生较强的示范效应，促使供应链的上下游企业提高生产效率和盈利水平（柴正猛等，2020）。第二种观点认为，信用贷款方式违约成本较低，导致道德风险较高（Schfer，2019）。在没有抵押品和保证人的情况下，银行最终承担了信用贷款的违约成本（刘浩等，2010），因此信用贷款方式对企业道德风险的抑制作用更弱（见图1）。

考虑到声誉机制依赖于较严格的实施条件，如较好的社会信用环境、透明的企业信息披露机制等，加之我国企业的平均存活年限较短，银企间的长期博弈过程难以真正启动，预计上述因素使声誉机制不能有效发挥作用。基于以上分析，提出本文的第二个研究假设：

H2：相比于担保贷款，企业信用贷款面临着更为严重的道德风险问题，贷后实际违约风险更高。

（三）信用贷款道德风险的改善路径

相关利益主体的责任缺位和缺乏有效协同是造成信用贷款道德风险的重要原因（张树林等，2012）。银行、企业以及企业所处的社会信用环境是影响信用贷款风险的核心主体和重要因素。为此，可以从银行贷后管理、企业信息透明度、社会信用环境等三个方面探寻信用贷款道德风险的改善路径。其作用机制包括：一是改善信息不对称。上述措施能够改变银行贷后信息不平等地位，促使企业主动增加信息供给量（张树林等，2012）。二是提高违约成本。上述措施可以全方位提高失信成本，形成强大震慑作用，大幅压缩机会主义行为空间（宋淑琴，2013）。三是强化声誉机制。社会信用环境使得声誉信息大量生产、广泛传播和普遍利用，促进企业重视自身声誉，加强企业自律（钱先航等，2013）（见图2）。基于以上分析，提出本文的第三个研究假设：

H3：银行贷后管理投入、企业信息透明度、企业所在地区的社会信用环境与信用贷款的贷后实际违约风险负相关。

四、研究设计

（一）模型设定与变量选择

1.信用贷款与逆向选择的实证模型

本文借鉴钱龙（2015）的方法，构建OLS模型分析信用贷款方式对贷前潜在违约风险的影响，即检验设1。具体模型如下：

其中：被解释变量Risk_prei是贷前潜在违约风险，采用企业信用评级得分表示，该指标越大表示信用越好、贷前潜在违约风险越低。信用评级是贷前潜在违约风险的间接衡量指标，选择这一指标的原因，一方面是缺少企业的历史贷款信息，即无法获得贷前潜在违约风险的直接衡量指标；另一方面信用评级是由银行信贷人员在全方位贷前调查基础上所作出的综合判断，不仅包括企业财务指标等硬信息，还包括了企业税收、法律纠纷、所有人等软信息，这些信息的汇总更能全面地反映企业的贷款事前风险状况。不少文献如钱龙（2015）、尹志超等（2011），均以信用评级衡量贷前潜在违约风险。关键解释变量crediti为信用贷款哑变量，如果该笔贷款属于信用贷款，则该变量取1，否则取0。控制变量中包括两类变量，一类是反映企业特征的变量X1，具体包括企业规模、行业、存货年限、是否为上市公司、是否为银行关联方等；另一类是反映银行特征的变量X2，包括银行类型等。模型（1）中，β1成为本文需要关注的重要系数，如果β1显著且大于0，则信用贷款的信用评级得分更高，支持假设1，否则不支持。

2.信用贷款与道德风险的实证模型

为检验假设2，本文借鉴张晓玫等（2016）与冯晓菲等（2020）的方法建立Probit模型：

其中：被解释变量为贷款违约哑变量，若贷款属于不良贷款，则default1i=1，否则取0。控制变量包括三类变量，分别是企业特征X1、银行特征X2以及贷款特征X3。由于控制了贷款事前违约风险指标Risk_prei，模型2可视为对道德风险的检验模型。其中，α1是本模型的一个关键系数，如果α1显著且大于0，则信用贷款的贷后实际违约风险较高，支持假设2，否则不支持。

为进一步分析信用贷款方式对不同信贷资产形态影响，本文基于模型（2）与冯晓菲等（2020）的研究建立多项logit 模型：

其中：被解释变量default2i为反映贷款五级分类的离散变量，将N={1,2,3,4,5}分别表示正常类、关注类、次级类、可疑类、损失类贷款。同时以正常类作为多项logit模型的参照组，分析当default2i取值分别为2到5时，信用方式如何影响不同资产状态的贷后实际违约风险。

3.信用贷款道德风险改善路径的实证模型

为了检验银行贷后管理、企业信息透明度、社会信用环境等对信用贷款道德风险的影响，本文设计了三个Probit模型，即在模型2的基础上，分别加入上述变量与crediti的交互项，具体见模型（4）-（6）。

其中：mgi表示银行贷后管理变量，以银行每万元贷款员工数代理；transpi表示企业信息透明度哑变量，如果企业的基本账户在贷款行，则该指标取值为1，否则为0；honestyi表示社会信用环境哑变量，若企业注册地属于国家信用体系建设试点城市，则该指标取值为1，否则为0。三个指标与信用贷款的交互项是本文关注的重点变量，如果其回归系数φ3、δ3、θ3均显著小于0，则表明上述措施均有助于改善信用贷款道德风险，支持假设3，否则不支持。

模型各变量的具体定义见表1。

表1 变量定义

ownership 所有制性质 国有企业=1，其他=0 scale 企业规模 大中型企业=1，小微企业=0 employee 从业人员数 人income 营业收入 万元corp_asset 资产规模 万元age 企业年龄 月retail 批发和零售业 批发和零售业=1，其他=0 manufacturing 制造业 制造业=1，其他=0 agriculture 农林牧渔业 农林牧渔业=1，其他=0 construction 建筑业 建筑业=1，其他=0 electric 电力热力燃气及水生产和供应业 电力热力燃气及水生产和供应业=1，其他=0 leasing 租赁和商务服务业 租赁和商务服务业=1，其他=0 listed 是否为上市公司 上市公司=1，其他=0 partner 是否银行关联方 银行关联方=1，其他=0银行特征控制变量企业特征控制变量citybank 城商行 城商行=1，其他=0 ruralbank 农商行 农商行=1，其他=0 villagebank 村镇银行 村镇银行=1，其他=0贷款特征控制变量term 贷款期限 月loan 贷款余额 万元interest 贷款利率 %overdue 贷款是否逾期 是=1，否=0

（二）数据说明与描述性统计

本文研究样本来源于2020年12月在我国中部某省份开展的中小银行信贷投放情况调研数据，内容包括174家中小法人银行的全部逐笔企业贷款数据。为提高研究样本与本文主题的契合度和其代表性，主要采取了三项措施：一是增加样本的关联信息，确保样本中每一笔贷款均包含三类信息，①贷款本身属性，包括担保类型、贷款五级分类、贷款利率、贷款金额等32个指标；②贷款企业信息，包括总资产、总负债、开户行、从业人数以及信用评级等；③贷款银行信息，包括银行类型、存贷款总额、从业人数等。二是将样本聚焦为中小法人银行数据。中小法人银行是普惠小微企业信用贷款支持计划政策实施的主阵地，同时企业贷款中的信用贷款比重偏大（约比大型银行高5.1个百分点），因此将中小法人银行数据作为研究样本更有助于反馈政策效果、提升代表性。三是合理设定样本贷款发放期限。考虑到信贷风险的暴露需要一定时间，同时又要兼顾反映普惠小微企业信用贷款支持计划政策效果，为此将样本贷款的发放时间设定为截至2020年8月末。尽管本文研究样本为一期截面数据，但从贷款投放时间看，研究样本覆盖了自2011年6月至2020年8月的各期限贷款数据，因此在一定程度上体现了时间属性。总体看，本文贷款样本总笔数达62424笔，具有较好的代表性，能够支撑实证分析需要。表2列示主要变量的描述性统计。

从表2可知，“是否为信用贷款”变量的均值为0.061，说明信用贷款笔数占比仅6.1%，当前中小银行贷款仍以担保贷款为主。但信用贷款总体违约率较底，信用贷款的不良贷款率和关注类贷款比例分别为1.3%和5.3%，均低于抵质押贷款和保证贷款（见图3）。

图3 样本中各类贷款的关注类比例和不良率情况

表2 主要变量描述性统计

在总体违约率较低的情况下，中小银行发放信用贷款的意愿为何不高？这一矛盾现象可能意味着，信用贷款的风险缓释机制与担保贷款相比存在显著差异。

五、实证分析

（一）贷前潜在违约风险的回归分析

表3第（1）-（3）列报告了模型（1）的回归结果，根据表3第（1）列，主要解释变量——“是否为信用贷款”的回归系数5.7706，在1%显著性水平下显著为正，说明信用贷款对象的信用评级得分更高。上述结论是基于全样本得出的，是否会因样本选择而出现变化呢？本文使用两个子样本进一步检验，分别是：子样本1——在全样本中剔除保证贷款；子样本2——在全样本中剔除抵质押贷款。分样本回归结果见表3的第（2）、（3）列。其中，“是否为信用贷款”的回归系数分别为3.5985和5.8863，均在1%显著性水平下显著为正。这表明，与抵质押贷款企业和保证贷款企业相比，信用贷款企业的信用评级得分更高，贷前潜在违约风险更低，说明信用贷款方式在一定程度上缓解了企业信贷市场中的逆向选择问题。由此，假设1得证。

表3 信用贷款方式对违约风险的影响

究其原因，一是面对没有任何风险补偿措施的信用贷款，商业银行普遍加大贷前审查投入，设置较为严格的贷前控制措施。在实际操作中，部分银行往往将控制措施转化为各类门槛条件，如所有制、规模、行业等。在获得信用贷款的企业样本中，69.3%为国有企业、53.2%为大中型企业，40.4%为地方政府融资平台聚集的租赁和商务服务业企业。二是在获得信用贷款的企业样本中，64.6%的企业与银行建立信贷联系年限在3年以上。较长时期的合作意味着能够建立更为紧密的联系，而紧密的银企关系有助于银行获得更多企业软信息，缓解贷前信息不对称问题。

（二）贷后实际违约风险的回归分析

1.Probit模型回归结果

从表3第（4）-（6）列可知，在控制贷前潜在违约风险的前提下，三种样本条件下的“是否为信用贷款”回归系数分别为0.2303、0.3713、0.1595，均在1%显著性水平下显著为正。这说明相对于抵押贷款和保证贷款，信用贷款提高了贷后实际违约风险，同时反映了银行给企业发放信用贷款，并没有对企业发挥激励作用，反而面临较严重的道德风险，假设2得证。造成这一现象的可能原因：第一，外部信用环境约束力不强。在社会信用体系尚不完善的情况下，信用贷款的声誉机制难以启动，再加上企业信息不透明，借款企业有一定的违约动力。第二，银行内部的贷后管理不够完善。从实际情况看，后者可能是更为重要的原因。当前，中小银行处于信贷规模快速扩张期，存在重贷轻管现象：一是贷前、贷后力量分配不均。信用贷款由于占比较低，一些银行仅重视贷前甄别，对贷后管理投入不足，存在较高风险管理漏洞。二是贷后管理职责不清晰。在客户分层管理机制下，二级分行以下的信用贷款业务，其贷前评估由上级行负责，贷后管理由本行承担，贷前与贷后管理脱节，很大程度上影响了贷后管理效果。三是贷后管理能力欠缺。基层行信贷人员主要从事担保贷款的营销与管理，缺乏信用贷款管理的专业技能和工作经验，导致对信用贷款贷后管理力不从心。

结合模型（1）和模型（2）的回归结果可以发现，当前中小银行控制信用贷款风险主要集中在贷前阶段，即通过提高准入门槛，而非通过加强贷后管理防控风险，以致于信用贷款的道德风险更为突出。但由于获得信用贷款的企业大多为优质企业，使得目前信用贷款的总体违约率仍较低。

2.多项logit模型的回归结果

信用贷款一旦变成不良贷款，就很可能有继续向下迁徙的风险，最终演化为呆账、坏账。多项logit模型回归结果包括两部分：一是IIA假设检验。IIA假设②所谓IIA假设，是无关方案的独立性假设（Independence of Irrelevant Alternatives, IIA），指任意2个选择项的选择概率之比与其他选择项的状态无关。一般有两种检验方法：Hausman检验和Small-Hsiao检验，其中Small-Hsiao检验条件更为严格。是应用多项Logit模型的前提（陈强，2014），本文采用Small-Hsiao方法检验。从表4可知，所有结果均不能拒绝原假设，即满足IIA假设，说明样本使用多项Logit模型进行估计是合理的。

表4 多项Logit模型的Small-Hsiao检验结果

二是主体模型回归结果。根据表5可知，相对正常类贷款，“是否为信用贷款”变量在10%显著性水平下对关注类贷款的影响不显著，但对次级类、可疑类、损失类等三个贷款形态具有显著的正向影响，回归系数分别为0.6689、1.3885、1.9192，呈现出逐级递增态势。这说明信用贷款方式不能有效阻止企业贷款从次级类向可疑类和损失类演变。换句话说，在缺乏有效的损失惩罚和贷后管理举措情况下，信用贷款一旦成为不良贷款，继续向下迁徙的可能性更高。这也是即便在总体违约率不高的情况下，中小银行信用贷款占比依然偏低的重要原因。

表5 信用贷款方式对贷款五级分类的影响

（三）信用贷款道德风险的改善路径分析

加强银行贷后管理、提升企业信息透明度、推进社会信用体系建设都是改善信用贷款道德风险的重要路径。从表6可知，“银行贷后管理”、“企业信息透明度”、“社会信用环境”等三个变量与“是否为信用贷款”变量的交互项的回归系数分别为-0.8001、-0.3516、-1.3304，均在5%显著性水平下显著为负，说明在其他条件不变情况下，上述三个因素均有助于降低信用贷款的贷后实际违约风险，减少道德风险发生的可能性。由此，假设3成立。

表6 信用贷款道德风险的改善路径

在当前我国社会信用体系尚不健全的情况下，上述结论对于降低信用贷款风险、提升信用贷款比重具有十分重要的意义：一是通过加大贷后管理投入，能够有效减少银企贷后信息不对称问题，完善对企业贷款用途的监督，掌握贷款资金走向的动态信息，降低信用贷款资金进入高风险领域的概率。二是提升信息透明度相当于让企业主动接受公众监督，提高企业失信和违约成本，能最大限度杜绝企业不理性的道德风险行为。三是推进社会信用体系建设是治本之策，通过声誉信息的生产、传播和使用，促使企业重视自身声誉、加强自律。

（四）稳健性检验

本文从以下两个方面对前文研究结论进行稳健性检验：一是将模型（1）的被解释变量 “贷前信用评级”替换为“贷款利率浮动比例”，用贷款实际利率与同期限基准利率之比来表示。利率是借款人使用资金的成本，可以间接反映违约风险水平，即设定的利率越高，意味着借款人违约的可能性越高。二是将模型（2）的被解释变量 “贷款是否违约”替换为“贷款是否逾期”。从表7可以看出，“是否为信用贷款”的回归系数，模型（1）中在1%显著性水平下显著为负，模型（2）中在5%显著性水平下显著为正，说明相较于担保贷款，信用贷款的贷前潜在违约风险更低、贷后实际违约风险更高，与前文结论一致，说明本文主要结论具有稳健性。

表7 稳健性检验结果

六、结论与建议

本文基于我国中部某省174家中小银行的62424笔单位贷款基础数据，实证研究信用贷款方式的风险缓释机制，得到以下研究结论：第一，与担保贷款企业相比，信用贷款企业具有低风险特征，也即信用贷款所面临的逆向选择问题更为轻微，原因在于信用方式更能刺激银行加强贷前甄别，银企关系更为紧密，能减轻贷前信息不对称问题。第二，信用贷款提高贷后实际违约可能性，加剧了道德风险；信用贷款一旦成为不良贷款，继续向下迁徙的风险比担保贷款更高。主要原因在于，当前中小银行控制信用贷款风险主要集中在贷前阶段，即通过提高准入门槛，而非通过加强贷后管理防控风险。第三，加强贷后管理、提高企业信息透明度以及推进社会信用环境建设是降低信用贷款贷后违约风险的重要措施，有助于改善贷后信息不对称、提高失信违约成本、强化声誉机制，促进企业自律、减少道德风险行为。

本文结论对于金融机构探明信用贷款的风险点具有实践指导意义，可为改善信用贷款质量、提升信用贷款比重提供启示：

第一，商业银行应着力加强贷后风险管控。一是提升贷后管理的投入和质量。多渠道提高信贷人员的信用贷款贷后管理能力；理顺信用贷款贷后管理职责，重点协调好调查评估行与客户管理行不是同级行的贷后管理工作；二是发挥金融科技在贷后管理中的作用。基于企业信息及企业关联人信息，开展大数据多维度交叉检验分析，构建信用贷款贷后预警系统；三是加强前瞻性贷后风险管控。利用当前疫情平稳阶段，加大信用贷款风险排查频次、广度和深度，着力加强对大额客户、异地客户和关注类客户等薄弱领域的风险排查和贷后管理。

第二，企业应主动提升信息透明度。一是建立有效的内部信息管理机制，夯实信息透明基础。严格按照会计法规及制度要求，提升会计信息的规范性和真实性，以有效的财务管理防范企业经营风险。二是以需求为导向，积极开展自愿性信息披露。在确保依法合规做好强制性信息披露的基础上，应以银行需求为导向，持续拓展信息披露的广度和深度，不断满足银行贷后管理需求。三是要主动增加软信息披露。进一步加强或有事项披露，最大限度破解银企信息不对称，树立透明、真实、可信的良好形象。

第三，政府部门应进一步完善社会信用环境，优化信用激励约束机制。一是强化信用信息归集共享。完善各部门、各地区归集共享流程和机制，建立区域内重点支持行业和企业的数据，并在一定程度上共享政府信用信息和社会信用信息，打破“信息孤岛”局面；二是深入开展失信联合惩戒。充分运用工商、税务登记、年检以及司法等手段，严厉打击恶意逃废金融债务行为，积极做好依法清贷工作；三是完善信用修复机制，加大网络公开力度。尽快规范和完善黑名单报送、确认、公示、修复及异议处理程序，并及时通过互联网予以公开，对信贷违约行为形成强大震慑。