1.非目标客户信贷市场的博弈行为

(1)若干假设

a.?假设信贷市场上有高风险H(通常是非目标客户)和低风险L(通常是目标客户)，两类企业都申请贷款。高风险企业H在申请贷款时，为了取得银行的信任，可能会提供虚假资料，将自己粉饰成低风险企业L，粉饰成本为F。低风险企业L在申请贷款时，提供真实资料，真实地显示自己的类型。?

b.?高风险企业会以概率P得到银行贷款，若成功，将获得投资收益MH，并将偿还银行贷款本息R(R=(1+r)B，B为贷款本金，r为贷款利率)，其净收益为MH-R-F;若项目失败，企业将取得非投资收益S，MH-RS0。一般来说，高风险企业取得投资收益的可能性很小，主要获取非投资收益，为此，企业H净收益为S-F。银行债权往往难以保障，设银行收益为ζR(0≤ζ≤1)。高风险企业以(1-P)的概率被银行甄别出其真实类型而被拒绝贷款，其收益为-F，银行则保住了本金B。?

c.?低风险企业L同样以概率P得到贷款(假设高风险企业伪装的水平较高，让银行难以区分真假，只能同等对待)。低风险企业投资的期望收益为ML，而且MLR，也就是说低风险企业能履约偿还贷款本息R。?

d.?由于该博弈为不完全信息博弈，银行不知道申请企业的风险类型，进而不知道它们的收益函数，为便于分析，引入海萨尼转换，引入虚拟的参与人——“自然”。自然N首先行动，选择企业的风险类型，企业知道自己的类型，但银行不知道。?

根据上述假设，我们得到如下二叉树见图2：

在博弈的第一阶段，自然N首先行动，选择参与者企业的类型分别为低风险L、高风险H，类型为企业的私人信息，银行不知道。博弈进入第二阶段，由企业选择申请或不申请，这就取决于申请贷款的期望收益是否为正。

对低风险企业来讲，其申请贷款的期望收益为：

?E(a/L)=P×(ML-R)+(1-P)×0=P×(ML-R)0

即低风险企业会申请贷款，故低风险企业申请的概率P(a/L)=1。

对于高风险企业H来说，其申请贷款的期望收益为：

E(a/H)=P?max?(MH-R-F,S-F)+(1-P)×(-F)≥P(S-F)+(1-P)(-F)=PS-F

(一般有S远大于F，即粉饰成本远小于贷款的非投资收益)，故P(a/H)=1，即高风险企业也会申请贷款。

博弈进入第三阶段，银行根据企业的风险大小来决定贷款的发放。但由于高风险企业伪装的水平较高，银行只能根据高、低风险企业的概率分布P(H)、P(L)来进行决策。根据贝叶斯法则，申请人中低风险企业的概率为：

P(L/α)

=P(L)P(α/L)/P(α)=P(L)P(α/L)/P(α)=P(L)P(α/L)/P(α)p(a/L)+P(H)p(α/H)

∵P(α/H)=P(α/L)=1

P(H)+P(L)=1

∴P(L/α)=P(L)

同理有：P(H/α)=P(H)

因此，申请人中高、低风险企业的概率为信贷市场高、低风险企业概率分布的概率，所有企业都申请贷款。银行无法准确知道申请企业的风险类型，是否贷款只取决于贷款的期望收益：

E(C/α)=P(L)×R+P(H)×ζR=P(L)×R+[1-P(L)]×ζR=P(L)×(1-ζ)R+ζR只有当E(C/α)≥Rf，即：

P(L)×(1-ζ)R+ζR≥Rf

P(L)≥(Rf-ζR)/(1-ζ)R=P*

银行才会贷款，否则银行可利用资金B进行无风险投资，如购买国债等。因此，当P(L)≥P*时，博弈出现混同均衡，所有企业都会申请，银行会以概率P发放贷款。虽然此时银行期望收益满足盈利要求，但仍会有部分资金流向高风险企业，造成资金使用效率低下，没有达到帕累托最优，同时银行的利润也没能达到最大化。

而且，最为关键的是，当经济不景气，社会信用恶化等情况出现时，低风险企业的分布概率P(L)就会降低，以致于出现P(L)≤P*的情况，此时银行就会拒绝贷款，即产生“惜贷”现象。?

2.非目标客户信贷市场的匹配过程

当非目标客户的生产经营活动出现流动资金短缺或需要进行固定资产投资时，通常会向企业提出融资要求，提出的方式基本有以下几种(见表1)：

银行收到企业的贷款申请后，由于前面分析的博弈行为，他们会首先按照下列方式给企业赋予不同的受理优先权：

第一优先权：在本行有信贷关系和结算关系;

第二优先权：在他行有信贷关系，在本行有结算关系;

第三优先权：没有任何信贷关系，但在本行有结算关系;

第四优先权：在本行没有信贷关系和结算关系。

不管企业的融资申请最后是否被满足，企业和银行通常还会面临如下不确定性：其一，是否还需要等待足够的时间，或者干脆求助于民间融资(尽管利率更高);其二，如果部分满足，但利率必须上浮，那么是否存在另一家银行可以满足全部贷款需求，而利率上浮同样幅度或不同幅度;其三，如果有多家银行同意贷款，是选择其中一家，并拒绝其他，还是同时接受?其四，其他银行会做出哪种决定?

我们按照匹配理论的研究范式来描述非目标客户信贷市场：

(1)?存在两个有限且不相交的代理人集合B(银行)和E(非目标客户)，B={b1,b2,…,bm}，E={e1,e2,…,en}。N远大于m，因为银行毕竟是稀缺资源。?

(2)银行没有偏好排序清单。非目标客户数量庞大，良莠不齐，银行事先无法得知哪些企业会提出融资要求，也不会试图去形成一个潜在的目标客户集合。当银行内审机构做出“同意贷款”的决定时，银行在“保持单身”和“接受企业贷款申请”中选择了后者，形成了排序清单，但这是随着匹配结果的确定而形成的，偏好清单没有参与匹配过程，或者是对匹配结果无关紧要。

(3)利率和担保条件成为银行衡量风险的一种手段，其中利率的作用不应夸大。

(4)博弈的基本规则是双方代理人可以相互接触并自主做出决策。

匹配过程

第一步：企业直接向其偏好排序清单中的第一选择银行(一个或几个)提出申请。银行审查，若通过，贷款上账，程序结束。若被拒绝或部分被拒绝，被拒绝部分进入下一步。

……

第K步：企业直接向其偏好排序清单中的第K选择(一个或几个)提出申请。银行审查，若通过，贷款上账，程序结束。若被拒绝或部分被拒绝，被拒绝部分进入下一步。

我们发现，既然银行没有排序清单参与匹配，双边匹配理论是失效的，因为失去了分析前提;企业的偏好排序清单并非严格，即使运用递延算法也不会导致最优稳定匹配结果。

3.可能的解决方案

(1)公布银行信贷方案

公布银行信贷方案，可以：

a.让企业对银行的信贷方案有更为了解的基础，做到“货比三家”，消除对银行信用方案上的信息不对称。

b.企业在申请融资时，提前准备担保事宜，避免出现在审贷过程中为了提高成功的概率而临时追加担保物，这样不仅会增加企业的财务成本，而且刺激企业在获得贷款后从事高风险、高收益的投资项目，进而增加信贷风险。

c.有利于企业形成严格的偏好排序清单。企业可以针对具体的贷款项目衡量诸多方案之间的优劣，依次排出自己可以接受的方案，进而提高申请成功的概率。 d.促使银行设计新的金融产品和新的工作流程，抢得市场先机。

(2)设立非目标客户信贷中心

非目标客户中心的设立，可以集中资源，从而形成“专业人干专业事”，而且可以根据企业提交的贷款申请和信贷方案形成严格的偏好排序清单，还可以减少贷款受理和审查过程中出现的博弈行为等，也有助于银行自身的风险管理。

(3)设立中央化的匹配清算所

中央化的匹配清算所类似于同城票据清算所，是集中处理企业和银行偏好排序清单的地方。这个交易所是无形的交易所，所有的处理流程交给电脑主机处理，企业和银行只需在终端上输入偏好排序清单即可。

五、结 论

目前，我国银行信贷市场呈现二元结构——目标客户与非目标客户信贷市场。这两个市场有着不同的运行机制。目标客户信贷市场的议价过程存在一个类似企业“求婚”的递延接受程序，市场的运行结果稳定。但由于银行的偏好高度同质，所以出现信贷集中，导致市场运行效率不高。

非目标客户信贷市场不存在导致稳定结果的分散化匹配程序，市场广度和深度不够。为提高非目标客户信贷市场的稳定性和运行效率，我们可以通过公布银行信贷方案、设立非目标客户信贷中心、设立中央化的匹配清算所等，把分散化的议价过程变成中央化的匹配程序，从而完善和降低中小企业的交易成本，为中小企业的发展拓展广阔空间。

从政策主张看，我国的金融体系和金融政策不应该只为那些现代化的大中型企业服务，还应当促进那些存在经济活动中占很大比重的小规模生产企业的快速发展。后者经济状况的改善，不仅有利于改善收入分配的不平等状况，增加就业，消除贫困，而且有利于增加储蓄，扩大国内市场的容量，从而对国民经济的进一步扩张起到积极的促进作用。当然，在这里需要明确的是，我们不太主张政府的过度干预，更倾向于对市场机制的修正或重组。

参考文献：?

[1] Douglas G, Shapley L S. College admission and the stability of marriage [J]. American Mathematical Monthly, 1962, 69: 9-15.?

[2] Shapley L S, Shubik M. The assignment game I: the core [J]. International Journal of Game Theory, 1972(1): 111-130.?

[3] Gardenfors P. Matching making: Assignment based on bilateral preferences [J]. Behavioral Science, 1975, 20: 166-173.?

[4] FlEiner T . EGRES technical Report [R]. No. 2002-08.?

[5] FlEIner T. EGRES technical Report[R]. No. 2001-01.?

[6]Irving R W, Leather P. The complexity of counting stable marriages [J]. SIAM Journal of Computing, 1986, 15: 655-667.?

[7] Hwang J S. The algebra of stable matchings [J]. International Journal of Computer Mathematics, 1986, 20: 227-243.?

[8] Alvin E R, Vande Vate J H. Random paths to stability in two-sided matching [J]. Econometrica, 1990, 58:1475-1480.?

[9] Alvin E R. The evolution of the labor market for medical interns and residents: a case study in game theory [J]. Journal of Political Economy, 1984, 92: 991-1016.?

[10] Douglas G, Marilda S. Some remarks on the stable matching problem [J]. Discrete Applied Mathematics, 1985,11: 223-232.?

[11] Kelso A S Jr, Crawford Vincent P. Job matching, coalition formation, and gross substitutes [J]. Econometrica, 1985, 53: 1483-1504.?

[12] Gabrielle D, David G. The strategy structure of two-sided matching market [J]. Econometrica, 1985, 53: 873-888.?

[13] 罗军.中国现代产融耦合研究[M].成都：西南财经大学出版社，2005.?

[14]黄达.宏观调控与货币供给[M].北京：中国人民大学出版社，1999.

那么关于中国信贷市场匹配机制的再设计的内容就介绍到这了，更多精彩请大家持续关注我们网站。

相关推荐：

论我国金融风险管理存在的问题及对策

论中西方商业银行贷款定价模式比较