新冠疫情背景下對農戶小額信貸信用風險評估研究
——基于AHP和模糊綜合評價法模型

何 越 楊忠雯 劉心語 王 越

（四川農業大學，四川 成都 611830）

一、研究背景及現狀

1.農戶小額信貸的機遇

目前，國家通過各種渠道為農村經濟發展提供更好的金融產品便利。首先是在相關政策上，國家對凡是符合條件的縣域農村商業銀行和農村合作銀行都給予幫助，通過降低其存款準備金率，降低了銀行運行壓力。并且持續發放由央行發放的用于支持農村小微企業的再貸款。除了該渠道之外，國家還針對涉農貸款進行資產證券化試點政策，進一步盤活了一批資金。其次，國家還對小額貸款公司提供系列便利政策。如財政部和稅務總局等部門就曾對涉及農村小額信貸的公司進行過稅收減免的政策扶持。

如此，極大地降低了農戶小額信貸的難度，主要體現在以下四個方面。一是農戶貸款逐步增加。到2020年4月底，農戶貸款余額為10.93萬億元，占涉農貸款總額的30%左右，比5年前增長90.83%。二是農戶貸款覆蓋面不斷擴大。目前，全國有1.53億戶農民申請和評級，約占全國農民和企業總數的56%；有4629萬戶家庭使用信貸，約占研究農民總數的17%。三是農民融資成本大多較低。商業銀行農民經營貸款平均利率為7%～8%，低于國際水平。四是農民融資效率不斷提高。通過實行白名單信用體系、村鎮銀行、網上一分鐘貸款審計、“310”等模式，可以盡快達到農民資金數額。

2.農戶小額信貸的挑戰

面對農戶小額信貸的機遇，挑戰也不容小覷。農村中小金融機構的總體風險狀況并未能得到全面把握和精準判斷，急需從單一的信用風險監管過渡到全面持續的風險監管上，進一步提高農村中小金融機構的健康度。

而2019年新冠疫情的暴發，使得農戶小額信貸信用風險相關的問題更加凸顯。農戶小額信貸使用對象的收入來源單一，收入不穩定，受外界影響大，在疫情環境下農戶（特別是貧困地區）無法維護正常的農業生產經營秩序，農戶收入減少，小額信貸需求逐步增加。許多貧困農民的生產資金難以收回，購買農業資金更加緊張，甚至面臨無力償還到期貸款、資金鏈斷裂的風險。同時，中國農村金融市場受疫情影響，金融機構放貸壓力加大。到2018年年底，金融機構就有多達7521億元的貸款余額，相比2017年增長6.8%，人均貸款余額3156元，相比2017年增加167元，增長5.6%。然而，存款利率達到2000年以來的最高增長率26.4%，人均存款增長24.9%。

基于這些機遇和挑戰，加之新冠疫情暴發的推動，農戶小額信貸風險的評估分析制度可助力對新冠疫情這一典型突發公共沖擊下農戶小額信貸風險管理提出針對性對策建議。

二、農戶小額信貸信用風險指標體系構建與分析

1.層次分析法（AHP）

AHP法是一種針對多目標以及多標準的決策研究方法，它使復雜問題的因素進入相關的有序發展階段，是一種結合定量數據分析和定性分析技術的高效、有用方法。其運用步驟如下：

（1）建立層次關系

依據農戶小額信貸的特點，結合分析層次過程（AHP），將農戶小額信貸的信用風險因素劃分為三個層次。綜合指數體系的具體結構如表1所示。

表1 農戶小額信貸信用風險評估綜合指標體系

（2）基于層次分析法（AHP）確定權重

①構建判斷矩陣。用采用德爾菲法建立判斷矩陣，由相關專家對比層次結構模型中列出的準則層、指標層中各個指標之間的相對重要程度，然后做出判定，可得如下分值分布：

1（1/1）：同樣重要 2（1/2）：稍稍微（不）重要

3（1/3）：稍微（不）重要 4（1/4）：稍比較（不）重要

5（1/5）：比較（不）重要 6（1/6）：稍非常（不）重要

7（1/7）：非常（不）重要 8（1/8）：稍絕對（不）重要9（1/9）：絕對不重要

②計算重要性排序。即計算出最大特征根λmax所對應的特征向量w。方程如下：

Pw＝λmax·w

③一致性檢驗。檢驗使用公式：

式中， CR——判斷矩陣的隨機一致性比率； CI-判斷矩陣的一致性指標。

1階～9階的判斷矩陣的RI值如表2所示。

表2

當判斷矩陣P的CR＜0.1時或λmax＝n， CI＝0時， 可以認為P具有滿足的一致性， 若不是，就需調整P中的元素以使其具有滿足的一致性。

2.模糊綜合評價法

顯然，模糊綜合評價法就是在模糊環境下，對多個因素的影響進行考慮，從而為了某種目的對一事物作出綜合決策的方法。其將定性評價轉化為定量評價，得出的結果明了，具有較強的系統性，能較好解決疫情帶來的信貸風險管理難以進行量化分析問題。

（1）建立評判指標項目

因素集（U）是以影響評判對象的各種因素（ui）

U＝｛u1，u2，...，un｝

（2）建立評判指標權重

權重集Wi可表示為：

W＝（ω1，ω2，...，ωn）

（3）建立評判結論（備擇集）：

計算方程如下：

V＝｛v1，v2，...，vn｝

（4）單因素模糊評判

將得到的數據通過隸屬度函數處理，得到各指標隸屬度向量。使用公式如下：

式中Ri表示單因素評判集， 可簡單表示為：

Ri＝（ri1，ri2，…，rim）

（5）進行模糊綜合評判

已知權重集W和單因素評判矩陣R后，即可通過模糊變換來進行綜合評判：

B＝W·R

（6）評判指標考核

取以bj為權數， 對各個備擇元素vj 進行加權平均， 即：

則v 即為模糊綜合評判的結果。

3.指標體系具體運用與分析

根據以上指標體系構建與分析，建立農戶小額信貸的風險指標體系。

（1）針對農戶小額信貸風險指標體系準則層的賦值情況農戶小額信貸信用風險評估綜合體系：

λmax＝5.404；CR＝0.0902；CI＝0.101

表3

（2）針對二級指標體系目標層的賦值情況

農戶小額信貸信用風險評估綜合體系-->個人及家庭自然特征：

λmax＝8.752；CR＝0.0762；CI＝0.1074

表4

同理，可求出余下各級二級指標目標層的賦值情況，得出如下結果：

農戶小額信貸信用風險評估綜合體系：

λmax＝5.404；CR＝0.0902；CI＝0.101；

個人及家庭自然特征：λmax＝8.752；CR＝0.0762；CI＝0.1074；

資產負債情況：λmax＝5.1483；CR＝0.0331；CI＝0.0371；

經營狀況：λmax＝4.1975；CR＝0.074；CI＝0.0658；

信譽狀況：λmax＝4.1533；CR＝0.0574；CI＝0.0511

宏觀因素：λmax＝2；CR＝0；CI＝0

由上可得，均通過一致性檢驗。

（3）權重確定（總排序）

表5

（4）建立備譯集

此過程是以對評價對象作出的各種可能的總的評價結論為元素組成的集合，評價結論表示單個指標因素對整體目標的隸屬度。

表6

（5）模糊綜合評價結論

模糊綜合評判結論B：

B＝W·R＝（0.2225 0.2285 0.193 0.173 0.183）

模糊綜合得分v：

v＝B×VCT＝0.2225×1.8+0.2285×1.6+0.193×1+0.173×0.6+0.183×0.4＝1.1361

（6）計算農戶的信用評分

計算農戶信用良好信用分分值Q與農戶信用等級的對應關系，如表7所示。

表7

本次分析在150名農戶調查資料樣本中抽取了1名農戶進行實證分析，該農戶配值情況如下：U11 3分，U12 5分，U13 3分，U14 5分，U15 4分，U16 4分，U17 3分，U18 5分，U19 4分，U21 4分，U22 3分，U23 3分，U24 3分，U25 4分，U31 2分，U32 3分，U33 4分，U34 4分，U41 3分，U42 3分，U43 3分，U44 4分，U51 5分。

所以，此農戶信用評分為：84×1.136/2＝47.712分；信用等級為A，具有一定程度上的信用風險，此結果符合實際情況。

三、總結與反思

1.農戶小額信貸作為一種創新型農村金融產品，在促進農村就業等方面作出了突出貢獻，本文從新冠疫情加劇農戶小額信貸風險視角切入，緊密聯系時事，聚焦支農惠農。從更好地提升金融惠農支農的精準度出發，基于農戶小額信貸風險評估的特殊性質，初步通過AHP方法構建農戶小額信貸信用風險評估體系，考慮到層次分析法涉及主觀因素可能比較大，我們進一步利用模糊綜合評價法，將定性轉化為定量評價，對信用風險進行綜合評估，分析該突發事件給農村經濟帶來的風險，從而為農戶小額信貸涉及到的多方主體分析得出最優風險補償機制提供基礎，本文不僅能夠立足解決冠疫情短期的不利影響，而且對不同突發公共危機下農戶小額信貸風險研究同樣存在參考價值，具有長期意義。

2.在本文中，因為受到客觀條件的限制和主觀因素的影響，得出的農戶小額信貸風險評估模型中采用的指標、權重等僅列為參考，還需結合各實例運作特征使用評估方法。且應當隨時對于農戶小額信貸的相關調查數據進行動態的監測，并對該模型中的各項指標權重進行按期核實調整，隨時更新信用風險評估模型，以致促進農戶小額信貸的健康快速發展。