论文部分内容阅读
从2004年起，中共中央连续多年发布关于农业、农村问题的1号文件，表明党和国家解决“三农”问题的决心。金融机构在农村金融市场的投入偏低，农户开展农业产业化、现代化资金不足，是制约农村建设、农业发展、农民增收的突出问题。要解决这一突出问题，主要依靠农村金融的资金支持。然而，目前农村金融市场面临着许多突出问题：农户信用体系尚未建立起来，农户在信贷业务中由于拥有较多的信息而处于有利地位，导致农户道德风险和逆向选择行为时有发生，金融机构开展农户信贷业务面临较大的信用风险，不良贷款率居高不下，金融机构不愿进入农村金融市场造成市场上供给主体偏低。因此，识别和管理农户信用风险就有十分重要的意义。但是目前我国金融机构对农户信用风险的度量和评价仍处于主观性很强的古典信用定性的分析阶段，主要依靠信贷员的工作经验，金融机构对农户信贷业务缺乏有效的信用风险控制手段。针对上述问题，本文以农户正规融资的信用风险为研究对象，探索适合度量我国农户信用风险的模型或方法，降低农户违约风险，提高金融机构进入农村市场、开展以农户为服务对象信贷业务的积极性。本文首先通过回顾信用风险度量模型的发展历程，重点介绍了四个信用风险度量模型，为度量农户正规融资信用风险度量提供了可以选择的模型类型。其次对农户正规融资信用风险度量的起因进行了分析，农户有着旺盛且多元化的融资需求，但是金融机构开展农户信贷业务的运营成本较高，对农户信贷风险缺乏有效的控制手段，造成针对农户开展的信贷业务供给偏低，无法满足农户日益增长的资金需求。再次，介绍了农户的信用风险有别于普通贷款的信用风险较高的原因，对农户正规融资信用风险的独特性进行了具体的分析，指出我国农户信用风险度量现阶段最可行的方法是多元统计分析方法。然后，在实地调研数据的基础上对农户正规融资信用风险度量进行实证分析：将影响农户信用风险的指标设计为家庭人口特征、家庭财富拥有量、借贷因素三类25个指标，将这些指标分别输入到判别分析模型和Logistic回归分析模型中，得出如下结论：判别分析模型更倾向于选择逐步判别分析模型，根据自变量对识别农户信用风险贡献的大小，有欠款总额、土地质量、贷款年利率、过去12个月的农业总支出、耕地面积、外出务工人数、农业劳动力人数、资产价值、家庭规模、是否是小组担保、农户联保的成员、65岁以上老人数、是否是信用社成员、存款比例、过去12个月的消费总支出、12岁以下儿童人数、户主受教育程度、信誉评价、过去12个月的外出务工收入18个变量依次进入模型，模型对农户正规融资信用风险的判断的准确率为88.5%。Logistic回归分析模型倾向于选择使用向后逐步法，当Logistic回归分析到第12步时对农户正规融资信用风险综合识别的正确率为84.3%。通过实证分析可以看出，逐步判别分析模型在对农户信用风险识别和评价的准确率上高于Logistic回归分析模型，逐步判别分析模型能够成为金融机构控制农户信用风险的有效手段。最后，为了缓解农村金融市场上的供需矛盾，为了使逐步判别分析模型作为农户正规融资信用风险控制的有效手段得以推广，给出相应的政策建议。