题记：2021年上半年，北京大学国家发展研究院组建了一个包括近20位教授的《平台经济创新与治理》课题组，对平台经济问题做了全面分析，课题报告《有序繁荣：平台经济的创新与治理》即将由中信出版社出版。为更好地分享对于平台经济的见解，特别是对一些最新发展的看法，课题组决定与中新经纬合作，推出系列评论文章《承泽观察·平台经济40评》。
中小企业融资难是一个十分普遍的现象，其根本原因可以概括为“获客难”和“风控难”两个问题。
中小企业数量大、规模小、地理位置分散，传统银行要找到这些潜在的客户，并为它们提供融资服务，只能通过建立数量众多的分支行，但这样做的成本非常高。为中小企业做信用风险评估的难度更大，传统商业银行通常依靠三种风控方法：一是分析财务数据，二是接受抵押资产，三是采取关系型贷款。不过大多数中小企业既缺乏完整的财务数据，又没有足够的抵押资产，而主要依靠软信息的关系型贷款业务的成本非常高，规模也做不大。
金融行业存在一个“二八法则”，即金融机构如果能够服务好最大的20%的企业，就能够抓住80%的市场份额。服务剩下的80%的企业则成本高、回报低。这也正好说明了为什么普惠金融难做。
以上特点，也决定中国中小企业融资难的问题持续存在。
中小企业融资难题迫待解决
自2005年以后，政府响应联合国发展普惠金融的号召，采取了不少措施改善中小企业的融资环境。不过在最近10年，中小企业融资问题的重要性进一步上升了。这主要是因为中国经济发展进入了新阶段，经济增长模式正在逐步从要素投入型转向创新驱动型。而以中小企业为主的民营企业在中国的城镇就业、创新活动和GDP增长中的贡献已经达到举足轻重的地步。
如果说在过去中小企业融资难主要是一个普惠金融挑战，今天它已经成为一个重要的宏观经济约束。这个问题如果不能及时得到化解，创新活动就会受到拖累，经济增长也就很难持续。
过去这些年，政府采取了许多措施，包括央行的结构性货币政策和监管部门的行政性要求，实实在在地大幅增加了中小企业贷款。
根据经合组织的数据，目前中国中小企业贷款在总贷款中的比重已经达到65%。这个比例仅略低于韩国和日本，超过世界上大多数国家。全球金融危机以后，中国的民营企业进行了一轮去杠杆的浪潮。平安证券整理的数据显示，在2017年，民营企业的资产负债率远低于国有企业。但到了2021年底，民营企业的资产负债率却有所上升。
事实上，中国的普惠金融事业在“十三五”期间取得了突破性的进展，这是一个非常了不起的成绩。原先一直举步维艰的普惠金融发展，突然出现了爆发式的增长。
中小企业贷款大幅增长，肯定要归功于政府所做的努力，虽然其中的一些行政性手段不一定能够长期持续。但更加值得关注的是，一些能够帮助化解“获客难”“风控难”的金融创新，大科技信贷就是其中最突出的代表。
大科技信贷的优势与适用范围
所谓大科技信贷是指大科技公司利用大科技平台快速、海量、低成本地获客并积累数字足迹，同时运用大数据和机器学习算法进行信用风险评估，为大量的个人与小微企业提供信贷服务的新型业务模式。
一方面，大科技平台利用长尾效应的优势，帮助解决了“获客难”的问题，像微信支付和支付宝平台，每家都拥有超过10亿的活跃用户，这在传统金融机构是很难想象的。大科技信贷不再需要像传统银行那样靠开设分支行获客，大科技平台一旦建立起来，增加新用户的边际成本几乎为零。这是普惠金融业务商业可行性提高的一个重要原因。
另一方面，用户在平台上活动，无论是做社交、叫出租车，还是点外卖、看短视频，都会留下数字足迹，这些数字足迹累积起来就形成大数据。大数据可以帮助做信用风险评估，帮助解决“风控难”的问题。平台上的用户虽然没有足够多的财务数据和抵押资产，但拥有非常丰富的大数据，这些大数据与机器学习方法结合，形成全新的信用风险评估模型，同样可以进行信贷决策。
实证研究表明，对于平台上的小微企业而言，依靠大数据和机器学习方法的大科技风控模型的可靠性，要超过依靠传统数据和打分卡模型的传统银行风控模型。大科技风控模型更为可靠主要是基于数据与模型两个方面的优势：
大数据的优势之一是可以从实时数据和行为变量两个维度来考察，传统的财务数据通常是明显滞后的，但大数据却往往是实时的，可以看到当下的活动和交易。
大数据的优势之二是还包含许多行为信息，俗话说“三岁看老”，说明行为特性是相对稳定的。而机器学习方法的优势主要在于抓住多变量之间的交互作用以及特定变量的非线性关系。风控模型所要做的其实就是预测借款人的还款能力和还款意愿，上述数据与模型的优势有利于提升风控模型的可靠性。新型互联网银行贷款的违约率，也要明显低于传统银行同类贷款的不良率。
需要说明的是，大科技风控模型也有其适用范围，对平台上规模小、地理位置偏远的企业的有效性更高。目前看，大科技信贷与银行贷款之间更多的是互补关系，而不是替代关系。新型互联网银行若想提高贷款规模，就需要结合线上、线下的数据，需要协调大数据与软信息。
大数据信用风险管理是一项基于大科技平台的重大金融创新，也是一个十分重要的“中国故事”。大科技平台提供贷款的实践最早发生在中国，当然最初的平台信贷模式更像是搬到线上的小额信贷业务，大数据风控的做法是在后来逐步形成的。无论如何，大科技信贷走出了一条普惠金融的新路子，使得过去很难做的中小企业贷款，现在不但变得可能，而且还能较好地控制风险，这是一项具有革命意义的创新。而这一切，都是基于大科技平台发展起来的。
许多官员和专家在肯定大科技平台的革命性贡献的同时，往往都会提出一个疑问，即大科技信用风险评估模型在将来面对经济周期变化的时候是否依然可靠。这个问题听起来非常合理，大科技风控模型使用的大数据是在现有经济条件下积累起来的，一旦经济周期发生变化，预测风险的逻辑可能发生变化。
对这个问题可能不必过度担心，起码大科技信贷这套业务模式是经受住了2020年新冠肺炎疫情的冲击的，当时经济出现负增长，大科技信贷的违约率也有所上升，但基本上都在5-6月之内见顶，然后就开始往下走了。事实上，大科技风控模型相对于传统银行风控模型的优势在疫情冲击期间变得更加突出，原因可能就在于大数据不仅更加实时，同时还包含行为信息。当然，大科技信贷的期限也都比较短，调整也就更快一些。
促成中小企业贷款增加的经验及可持续性
如果总结一下过去十年促成中小企业贷款增加的主要因素，首当其冲的应该是行政性的监管要求，这类要求是刚性的，所以各家银行硬着头皮都要做。
这个政策的好处是立竿见影，中小企业贷款马上就开始增长。缺点是可能会在一定程度上扭曲银行的资金配置，原先很多银行没有发放更多的中小企业贷款，要么是不懂得如何做风控，要么是发放贷款无利可图。服从政策要求，中小企业贷款确实增加了，但也可能增加了银行的风险，甚至会影响银行的财务状况。这样，增加中小企业贷款的可持续性就可能会成为一个问题。这样的政策，短期救一下急尚可，长期执行容易引发后遗症。
从长期看，支持中小企业贷款的政策还是应该坚持市场与创新两个原则。“市场”的意思是应该尽量让银行自主地决定资金配置，同时按照市场规则决定风险定价，对风险高的企业适当提高贷款利率，对风险低的企业适当降低贷款利率。“创新”的意思是要通过改进风控的有效性，鼓励银行增加中小企业贷款，既要有利可图，又要能控制住风险。
在“十四五”期间可以考虑更加积极地发挥平台的作用，进一步增加中小企业贷款，发展普惠金融。具体可以考虑如下几个方面的措施：
一是创造性地设置大数据征信机制，充分发挥大科技平台的积极性，利用大数据分析为商业银行信贷决策提供服务。
二是改善科技平台与商业银行之间的合作模式，特别是加强对互联网贷款的管理，既要发挥大数据信用风险评估的作用，同时也要防范新的风险的形成与共振。
三是积极整合线下已经存在的诸如税收、社保、司法、水电等数据，实现线上线下数据结合，更好地服务中小企业信贷。
