从金融机构角度建立小微企业金融排斥的分析框架。研究表明，硬信息缺乏，软信息获取成本高是影响小微企业金融排斥的主要因素。而充分运用互联网技术是当前降低软信息成本的重要方法和发展趋势。在这种趋势下，将互联网软信息成本引入模型，发现降低软信息成本，能扩大小微企业融资可能性边界，拓展融资可能性集合，降低金融排斥度。最后按照这一思路，文章提出了相应的政策建议。
关键词：金融排斥度;软信息成本;互联网技术;小微企业融资
近年来互联网技术对金融的渗透也引起广泛的社会影响，尤其是在小微企业融资、个人信用贷款和小额投资理财领域。互联网技术产生新的盈利模式，出现一批新型的金融资源供给主体，其从一开始就关注被传统金融机构忽视的“长尾”客户。与此同时，金融机构之间竞争大企业、大项目日益剧烈，在这种技术背景和发展趋势下，金融机构有无可能借助互联网技术开展小微业务?小微企业长期受到的金融排斥能否突破?互联网技术能否从根本上改变我国小微企业的金融排斥?其作用机理又是什么?研究这些问题对缓解我国小微企业融资难具有重要意义。
一、小微企业金融排斥的表现和缘由
金融排斥是在社会融资总量扩大的前提下，金融机构有条件为小微企业提供服务，而因为各种原因拒绝其正常的、合理的金融需求。拒绝原因既涉及社会制度、经济结构、金融体制等宏观方面，也涉及金融机构、小微企业等微观主体方面。从本质上看，小微企业受到金融机构的排斥是其社会排斥在金融方面的体现，金融排斥是社会排斥的一个子集，未能接触到金融系统服务的弱势群体也很难获得其他社会组织提供的服务，金融排斥和社会排斥存在复杂的交互性[1][2][3] ，金融排斥揭示了小微企业在政治、经济方面的歧视和话语权的缺失。
小微企业金融排斥受到宏观经济周期的影响，当经济出现萧条迹象时，银行反应灵敏，提前抽贷，迫使小微企业向高利贷借款偿还银行贷款，同时银行出现“惜贷”现象，宁可资金闲置，也不愿为小微企业贷款，加重了小微企业的金融排斥。从排斥主体来看，小微企业不仅受到主流金融机构的排斥，同时也遭到金融市场的歧视。小微企业受到金融机构排斥的原因主要是金融机构竞争不充分，同时缺乏为小微企业服务的中小型金融机构[4] ，另一个原因是金融机构长期以来对小微企业存在认识偏见，认为小微企业就是缺乏信用、风险高发、微薄利润的代名词。另外，金融市场比金融机构要求更多的信息披露，小微企业没有在金融机构融到资，就更难在金融市场融资。从小微企业自身属性来看，小微企业成立时间短，财务会计制度不健全、企业经营管理不规范、资本积累不足、固定资产缺乏、抵押担保能力不足、抗风险能力弱、风险类型多样，这是小微企业被金融机构排斥的客观因素。从具体内容来看，受到金融排斥的小微企业很难接触或使用到这些产品和服务：银行帐户、信贷、支付结算、保险、金融咨询、投资建议、企业融资管理等[5][6][7] ，其中影响最大的是贷款，外源融资的不足造成了小微企业生命的脆弱性和发展空间的有限性。
小微企业金融排斥涉及多方面的因素，这些因素加在一起增大了缓解小微企业金融排斥的难度。
二、金融排斥度及其影响因素
(一)金融排斥度
目前较少有文献研究企业金融排斥的度量，大部分金融排斥的度量主要集中于个人和区域，从已有文献来看，金融排斥指标的选择主要有两种类型：其一是使用一个综合指标，如剥夺指数、金融排斥指数[3][8] ;其二是使用某些金融产品和服务的绝对值和相对值，如信用贷款、活期帐户、家庭保险、人寿保险、养老金等具体产品[5][9] 。这些指标大多要经过人均化处理，与本文研究对象不符，无法直接使用。
金融排斥度测量有多少风险类型没有被识别并合理定价，其本质是测量小微企业的金融需求被金融机构排斥的程度，最直观的表现形式是被拒绝的小微企业的数量和贷款需求量，即数量形式的排斥。但数量形式的排斥是建立在没有成功识别风险、定价风险的基础上，如果风险定价合理，金融机构就会为更多的小微企业提供服务，金融排斥度下降;如果风险定价不合理，价格过高过低都会影响小微企业和金融机构的经济可持续发展，导致金融排斥度提高。由此可见，金融排斥既可以用数量度量，也可以用价格度量，然而已有文献鲜有使用价格维度度量。
本文预做这方面的尝试，从价格入手测量金融机构对小微企业的金融排斥程度，原因有三：一是被排斥的小微企业数目本身难以确定，这给实证研究带来难以克服的数据障碍;二是先进的信用风险定价模型为准确度量小微企业的风险提供了技术可行性;三是基于互联网的小微企业信息的大数据开发和挖掘为风险度量注入了全新的血液。假设金融机构为小微企业i提供的贷款利率水平为Ri，即价格为 Ri, i ∈ R+ ,i = 1,2⋯I ，小微企业i的真实风险水平为ri，如果金融机构能够识别小微企业的风险，并合理定价，则为其提供服务，这时Ri=ri;如果不能识别风险，则拒绝为其提供服务。金融排斥度测量的是没有识别定价的风险占所有风险种类的比重。
(二)金融排斥度影响因素
金融排斥的影响因素很多，主要有社会结构的民主程度、经济的周期性波动、金融体系的完善程度、金融机构的偏好和小微企业自身的风险多样性等。但是就金融机构本身来看，影响金融排斥度的主要是金融机构的偏好。那么金融机构的偏好和偏好形成机制将是影响小微企业金融排斥度的主要因素。
U= f(p，e，s) (2)
金融机构偏好是其效用函数的表现结果，如(2)式所示，金融机构的效用函数包括政治收益(p)、经济利润(e)和社会责任(s)三方面，体现出金融机构的政治属性、经济属性和社会属性。其中政治属性、社会属性在不同国家、或同一国家不同时期有不同的表现，影响因素复杂，涉及社会、政治、文化、历史等方面，本文不想在这两方面深入展开。假设金融机构仅以利润最大化为目标函数，要求经过风险调整后的收益大于成本，否则就产生金融排斥。实践中金融机构倾向于为大企业、大项目服务，排斥小微企业的金融需求，就成本收益来看，大企业、大项目财务报表、资产评估报告、经营状况等硬信息比较健全，信息相对透明，金融机构只需根据企业提供的硬信息，结合传统的信用风险评估模型，即可低成本地定价风险，提供服务并获得可观利润。小微企业财务会计制度不健全，固定资产缺乏，抵押担保能力薄弱，缺少金融机构要求的硬信息。对金融机构来说，这就缺乏识别其风险的基础，硬信息这道“门槛” 将小微企业拒之门外。同时，由于通信技术水平有限，金融机构收集小微企业软信息的成本非常高，金融机构和小微企业之间的信息不对称很严重，硬信息的缺乏不能通过软信息来弥补，信息缺乏有效的传输渠道。在预期收益区间确定的情况下，成本太高，因此金融机构宁可选择关停小微业务。
硬信息和软信息是互补的，二者都能反映企业的风险水平。当硬信息缺乏时，要识别企业风险，就必须通过软信息来实现，而真正体现小微企业风险的并不是企业的硬信息，而是有关企业家才能、企业社会资源、产品的市场认可度等软信息。在传统技术条件下，小微企业和金融机构之间存在“信息的供给使用结构错位”现象，金融机构只看重服务对象的硬信息，如财务会计报表、资产评估报告、抵押担保资产报告等。因为硬信息内容易于理解、表达格式统一、信息可量化对比，操作简单易行，所以金融机构的硬信息成本极低。但对小微企业来说，提供这些硬信息成本是很高的，小微企业先天的不规范使其财务报表不被金融机构所认可。因此，小微企业的硬信息成本主要体现在抵押担保资产成本上，而现行资产评估种类的有限性使其抵押资产被评估时大打折扣，所以，小微企业只能借助第三方提供的担保服务满足金融机构的贷款条件，这是小微企业硬信息成本高的原因。
金融机构一般不会采集小微企业的软信息，比如市场评论、社会传言、经济预测、企业主个人素质、社会关系、人脉资源等进行风险识别。原因有两方面：第一，软信息结构复杂(非结构化或半结构化信息)、内容庞杂、格式多样，其加工、解读、使用不仅需要金融专业的知识，还需要掌握心理学、社会学、通信技术多学科的知识，加工、解读、使用难度大。第二，软信息来源广泛、信息量非常大，其收集、加工、贮存、传输成本很高。其中，软信息成本高是金融机构没有采用相关技术的根本原因，而这些技术已经被某些互联网金融公司突破了。
从策略来看，针对小微企业的金融需求，金融机构要么只使用硬信息，排斥小微企业的金融需求;要么采集使用小微企业的软信息，控制风险，识别风险，根据风险收益原则对其进行合理定价，并提供服务。但是由于在传统技术条件下使用小微企业软信息的成本很高，甚至大于其收益，导致金融机构长期以来只选择第一种策略。所以，小微企业金融排斥的根源在于金融机构搜集小微企业软信息的成本高，成本和收益不相称。
三、互联网软信息成本的特点
传统技术条件下金融机构主要通过上门采访、问卷调查等面对面方式采集小微企业软信息，成本非常高，降低软信息成本是一个无法克服的技术难道。进入互联网时代，以大数据、云计算、搜索引擎、移动互联和社交网络为代表的互联网技术为降低软信息成本提供了技术条件。互联网软信息成本和传统技术软信息成本具有根本性的差别：
第一，硬件设施和人员投入方面。传统技术条件下软信息收集主要靠人海战术，除电话之外，需要的硬件设施极少，是一种劳动密集型产业，软信息成本高主要体现在人员的投入量。互联网软信息采集，投资期初需要大量的硬件设备和计算机软件购买和研发，对人员的专业技术水平要求高，是资本和技术密集型产业。
第二，搜集渠道。传统技术软信息搜集主要通过面对面采集，时间成本和距离成本高;互联网软信息的采集渠道主要是通过搜索引擎在社交网络、电子商务平台中收集，效率高、成本低。
第三，信息规模不同。传统技术采集软信息的规模有限，单位软信息成本高;使用大数据和云计算，可以利用的互联网软信息规模是海量的，单位软信息成本极低，接近于零。
第四，计算能力不同。时间就是收益，传统技术软信息计算速度慢，加工处理时间长，提高了软信息成本;使用云计算，互联网软信息计算能力强大，计算几乎是瞬时完成，同时能改善系统和文件的兼容性，有助于降低软信息成本。
第五，信息真伪鉴定差别。传统技术条件下，如果软信息是虚假的，信息必须重新采集，并且要确保有关当事人诚实可信，因此，信息真伪鉴定成本很高;在互联网技术条件下，借助社交网络、移动互联、公告牌和征信系统使提供虚假信息的代价非常大，所以，互联网软信息真伪鉴定成本极低。
从以上分析可以看出，互联网技术与降低软信息成本具有天然的耦合性。互联网软信息质量高，采集速度快，具有规模经济效应，可以实现成本的大幅度降低。
四、软信息成本与金融排斥度关系的模型
为了更好地说明利用互联网技术降低软信息成本，使金融排斥度下降，提高金融包容性，本文参考谢平的交易可能性集合模型[10] ，在此基础上加入金融机构和小微企业的信息成本，说明软信息成本与金融排斥度的关系。
(一)小微企业能接受的最高贷款利率
假设小微企业集合为I，小微企业i (i ∈ I) 自有资金为Ki，需要向金融机构贷款Li才能启动项目，项目预期收益率为ui，成功概率为 θi ，(0 ≤ θi ≤ 1) ，贷款利率为Ri，是硬信息成本贷款的Hi倍，其由两部分组成，一部分成本是项目失败，到期归银行所有的抵押担保资产，另一部分为筹集抵押担保资产所支付的成本，假设这部分成本为总硬信息成本的 αi 倍。
(二)金融机构能提供的最低贷款利率
假设金融机构为风险中性，其为小微企业贷款的机会成本为bi，即贷款给大企业的利率;金融机构为小微企业贷款付出的信息成本为贷款金额的Si倍，由于金融机构获取小微企业的硬信息成本极低，可以忽略不计，这里的信息成本主要指软信息成本，包括软信息采集、加工、解读和存储成本;如果企业违约不能归还贷款本息，金融机构将处理抵押担保资产。
(4)式给出金融机构能提供的最低利率水平，与金融机构的软信息成本、机会成本，小微企业风险水平和小微企业提供的硬信息成本有关。(4)式还可以看出大企业贷款利率比小微企业贷款利率低的原因，大企业信息透明，金融机构获取其软信息成本低。其他参数不变时，软信息成本越高，金融机构的贷款利率就越高。另外，其他参数一定时，小微企业提供的抵押担保等硬信息成本越高，其获得贷款利率越低。
(四)模拟检验
利用互联网技术可以实现金融机构和小微企业的合作双赢，互联网技术可大幅度降低金融机构的软信息成本。据统计，仅手机银行业务就可以使银行的每笔交易成本下降80%以上[10] ，互联网用户量多，功能强大，软信息成本的节省程度不亚于手机银行。(11)式中有三个外生变量，假设贷款额，Li=1,Ai, αi 取不同值时，软信息成本和硬信息成本按同比例变化、软信息比硬信息降幅大、软信息比硬信息降幅小，金融排斥度的变化如表1所示①。假设当金融机构的软信息成本和小微企业的硬信息成本都等于贷款额时，交易停止，并认为这是传统技术软信息条件下的金融排斥度。
从表1看出，当软信息成本下降带动硬信息成本下降时，金融排斥度也随之降低，如果互联网软信息成本降低到传统技术软信息成本的10%，金融排斥度会下降低到5%-11%，显著改善了小微企业的融资环境。
五、政策建议
近年来小微企业融资难在我国表现得越来越突出，虽然国家出台了支持小额信贷机构发展等相关政策，但没有大型商业银行的参与，很难从根本上改变这一现状，软信息成本过高是其不愿涉足小微企业金融业务的主要原因，如前所述，互联网技术可以有效降低软信息成本，实现盈利要求。本文认为大型商业银行参与小微企业金融业务，需要做到以下几点：
第一，运用“互联网+”的精神转变思维理念和经营方式，互联网精神强调“开放、民主、合作、共赢”，这与社会排斥、金融排斥的思维方式相矛盾。互联网降低了全社会的信息成本，使交易双方的信息不对称逐渐弥合，这对商业银行依靠信息不对称来赚取中介费用的商业模式构成威胁。商业银行的生存环境变了，其发展逻辑和盈利模式必须要做出调整。
第二，商业银行应借鉴互联网金融的做法，使用大数据、云计算、移动互联、搜索引擎、物联网等互联网技术降低软信息成本，在社交网站、电子商务网站和政府服务网站充分挖掘小微企业的软信息，拓展传统的信用评估模型，根据小微企业特点，在模型中加入软信息的相关变量进行科学的风险定价，运用风险评分发放信用贷款，弱化抵押贷款的比重。
第三，商业银行也需要重新审视自身的风险偏好和风险容忍度。随着通信水平的提高，商业银行运用互联网技术管理风险和控制风险的能力增强，风险的价值凸显。这时商业银行要适当调高风险偏好和风险容忍度，拓宽风险类型，寻求新的盈利来源。——论文作者：曹廷贵、苏静、任渝
参考文献：
[1]DYMSKI,G.A，&J.M.VEITCH.Financial transformation and the metropolis:booms,busts and banking in Los Angeles[J].Environment and Planning A.1996，1233-1260.
[2]KOKER, L,D.Money laundering control and suppression of financing of terrorism[J].Journal of financial crime，2006，26-38.
[3]LEYSHON,A.&N.THRIFT.Geographies of financial exclusion:financial abandonment in Britain and the United States[J].Transactions of the Institute of British Geographers，New Series，1995，312-341.
[4]林毅夫，孙希芳.信息、非正规金融与小微企业融资[J].经济研究，2005，(7)：35-44.
[5]BRIDGEMAN,J. S.Vulnerable consumers and financial services[J].London, Office of Fair Trading, UK Government，1999.
[6]BECK THORSTEN & ARGUSTO DE LA TORRE.The basic analytics of access to financial service[R]. World Bank Working Paper，2006.
[7]EUROPEAN COMMISSION.Financial Services Provision and Prevention of Financial Exclusion, Direc torate-General for employment[M].Social Affairs and Equal Opportunities，the European Commission，2008.
[8]Gardener,T. Molyneux,P.&S.Carbo , Financial exclusion: comparative experiences and developing research[EB/OL].http://www.savings- banks- events.org/atf/perpers/Financail% 20Exclusion，% 20Comparative% 20 Experiences% 20 and% 20Developing% 20Research.doc 2004.
[9]ANZ.A report on financial exclusion in Australia[J].Chant Link & Associates，2004.
[10]谢 平，邹传伟，刘海二.互联网金融手册[M].北京：中国人民大学出版社，2014.
