2015.4.01学习参阅——我国担保圈大数据分析的初步发现.docVIP

我国担保圈大数据分析的初步发现 作者：陈道富（国务院发展研究中心金融所主任） 2015.4.1 当前信贷市场担保圈问题愈演愈烈，传统的担保圈分析方法对理解、处理担保圈问题作用有限。我国有必要借助大数据的复杂系统分析方法，启动对担保圈的深入分析，以为化解因担保圈引发的金融风险创造条件。 担保圈已成为加剧金融风险暴露的重要原因 担保圈是指多家企业通过互相担保或连环担保而产生的特殊利益体。在经济平稳增长时期，担保圈确实在一定程度上降低了中小企业的融资难度，促进了民营经济的发展。但是随着经济逐步下行，担保圈的负面影响逐步显露，加剧了信贷风险的暴露，处理不当，容易引发系统性金融风险。 从目前来看，我国普遍存在的担保圈具有以下三个方面的负面影响。 一是担保圈可能成为套取银行信贷资金的重要途径。部分不法经营主可能通过建立多家企业，做假账，企业之间进行互保、联保，加上买通银行业务人员，大量骗取银行信贷资金。 二是担保圈会引发过度融资风险。商业银行多按照单一企业进行授信，不仅没有也无法做到对担保圈的整体授信。担保圈内客户从银行获得的授信额度远远超出实际偿还能力，从而引发中小企业信用风险，造成企业信贷业务的不良率直线上升。 三是担保圈容易形成区域、行业的系统性风险。若担保圈里的一家企业不能按时偿还贷款，势必引发担保链条破裂，通过“多米诺骨牌效应”传导发散开，贷款风险成倍地放大，进而演化成整个担保圈乃至全国的系统性风险。例如如果不考虑担保圈问题，最近某一地区的钢贸行业的不良率为3%，但是由于担保圈的关联，钢贸行业的不良率达到了8%。 2014年以来，我国经济下行压力较大，担保圈风险在个别行业和地区凸显。此前帮助企业获得银行信贷资金的互联互保机制，目前正造成江浙、广东等中小企业资金困局。由于互保圈危机蔓延，众多关联企业受到牵连，形成潜在的资金风险。不少互保圈的关系非常混乱，除了直接互保的企业受到债务压力的风险之外，第二圈、第三圈的互保企业也受到影响。互保链条蔓延，银行为防控风险，急忙收贷，对“或有互保风险”的企业采取了谨慎放贷的策略，一下子就把企业推到生死边缘。“成也萧何，败也萧何”，互保圈目前成了钳制企业发展、加剧资金风险的利器。 相关监测显示，2012年以来，因承担担保代偿责任而出险的企业在所有出险企业中占比最高，而且呈现递增趋势。2014年上半年，由于互保联保而出险的浙江企业达到252家，占比上升至33.1%。为了拿到更多贷款，温州几乎所有企业都陷在担保关系中。温州市金融办的7月监测数据显示，通过保证（含担保）、信用、抵（质）押方式融资的比重分别为 77.67%、13.22%和9.11%。早在2012年，温州民间借贷危机爆发后，盘根错节的互保圈危机被拖垮的真实状况就已显现。尽管企业试图通过降低担保规模或用其他资金还清贷款的方式解除原有担保圈，但在资金普遍紧缺的现实下，“担保链条”风险化解并非易事。 据《第一财经日报》获得的监管部门监测数据显示，佛山的银行不良贷款余额从2013年末的60.54亿元飙升至2014年7月末的192.14亿元，7个月增幅达217%；不良贷款率也从2013年末的0.85%升至2.6%，其中的“罪魁祸首”就是钢贸。究其原因，经济上升周期钢贸行业的“联保互保”贷款机制，成为了风险蔓延时的“连坐”机制。“互保互联”将非系统性风险变得系统起来，加速风险扩散，增加贷款主体和银行的风险。 总之，梳理、分析、防范和化解担保圈风险，已成为稳定经济增长、维护金融稳定的重要方面。 引入复杂网络技术分析我国担保圈问题 与传统的企业信用风险相比，担保圈风险具有以下特点：一是或有性。担保圈内被担保的业务没有信贷风险时，企业不会有任何负担，但是一旦出现风险，即使是本身经营良好、无不良信贷的企业也会由于担保关系受到牵连，面临风险。二是非线性累积。担保圈、担保群加总的风险远远大于单个企业的风险加总，且随着担保圈、担保群规模的扩大、复杂性的增加，其风险累积呈现非线性加速膨胀特征，极易引发区域和行业的系统性风险。三是不透明和易被操控性。企业担保关联关系复杂，担保圈、担保群难以被银行识别。企业之间的担保关系往往还受集团企业或家族企业操纵，量化处理和客观评价比较困难。四是高度的传染性。当担保圈中的任何一个企业出现问题时，风险沿着担保链条快速传播，就像流行病传染一样向外扩散。 由于担保圈风险的上述特点，目前对于担保圈的量化分析存下以下问题：一是传统风险模型无法分析担保圈风险。传统的风险管理模型是基于线性数学模型，适合对企业的贷款金额、贷款质量以及信贷行为进行建模，并进行风险量化分析，没有考虑到担保圈的结构和关联关系对风险的影响。 二是担保圈信息利用具有局部性。商业银行处理担保圈问题，主要依赖于银行内部的担保企业的信息，信息具有局部性，往往由于无法获取全局担保