摘 要: 由于农户信用缺失所造成的融资难问题已成为阻碍我国农业和农村经济发展的桎梏。本文试图从经济学的角度出发,通过扶风县具体案例的深入剖析,探究农村PNO机制中信用形成的内在机理,论证农户信用融资的可行性, 从而探索出一条解决农户信用融资困境的有效途径。
关键词:农村PNO;农户信用;陕西省扶风县;融资
四、实证分析
陕西省扶风县是自1994以来我国开始试行小额信贷的试点县之一。从扶风县的成功经验来看,主要源于农村PNO机制的构建。其作法是采用由贷款者组成的互助、互督、互保网络组织形式——即农村PNO机制。
1.来自金融机构的证据。
我们选取扶风县农信社作为研究的样本,只所以选取农信社,是因为该县农信社在农贷中占有重要的地位。据扶风县人行统计显示,截至2005年5月末,该县农村信用社占全县农贷市场份额92.17%,国有银行占7.83%的市场份额,至2006年6月末,农村信用社占据全县农贷市场97%以上的份额,具体见表4。
对于扶风信用联社及其辖内3家信用社,选择2005年的数据进行分析(见表5)。从对扶风信用联社及其辖内3家信用社的分析中也可以发现,农户PNO贷款的不良比率最低,扶风联社、城关信用社、南阳信用社、法门信用社2005年末的数据情况表明,农户PNO贷款形成不良的比率大大低于同一时期信用社全部贷款的不良比率,这就破解了农户信用程度不高的难题。另对南阳信用社的调查发现,截至2005年末,各项存款余额达4 378万元,各项贷款余额3 491万元,不良贷款占比为8.1 %。1999年,南阳信用社开始推行农村PNO信贷试点工作,随后农户信用贷款的投入逐年增加,至2005年末,农户贷款余额690万元,占各项贷款余额的20%。图2反映了2000-2005年末南阳信用社贷款结构的变化,从图2中可以发现,农户贷款占比呈现逐年增长的趋势,农村工商业贷款与农业企业贷款的占比却不断下降,这种贷款投向的转变与农村PNO贷款的低风险性是相联系的。图3给出了南阳信用社不良贷款占比变动情况,可以发现从2000年以来,随着南阳信用社贷款投向的变化,不断增加了的农户PNO贷款的投入,减少了其他风险较大的贷款的投入,信用社信贷资产质量得到了明显的改善。
2.问卷调查的证据。
据来自2006年4-5月份对陕西省扶风县的农户调查,在所调查的农户中(290个有效样本),一共有185户农户通过组建农村PNO,获得过来自农村信用社的农户小额信用贷款,共计350笔,总贷款金额为278.69万元。基于问卷分析的结果如下:
从农户近年来信贷的可获得性情况来看,农户的信贷可得性有了很大的提高(见表6)。
表7反映了2002-2005年获得贷款农户获得贷款笔数的变化。在所有样本农户中,63.79%的农户曾从信用社获得过贷款,这其中,占样本总数14.13%的农户在五年中获得了3笔贷款,2.09%的农户在三年中获得了4笔贷款。因此,对于农户而言,能够从信用社获得贷款,甚至每年都可以获得贷款,这样的融资状况完全来自于农村PNO机制,这种办法从根本上改善了农户的融资难的困境。
五、结论性评价
长期以来,中国形成了比较典型的城乡二元经济结构,使农村金融抑制相当严重。为此,2004-2006年连续三年的中央“1号文件”都对农村金融改革担出了比较明确的要求。然而,“嫌贫受富”是金融的天性,信贷资金的流向也不完全是政策的因素使然。调动各类金融机构投入农业、农村的积极性必须是可持续的和讲效率的,而不是靠行政强迫命令。因此,在激励金融机构进入农村的同时,如何通过组织创新,降低农村金融的交易成本是问题的关键。
普遍的观点认为,农村市场存在着严重的信息不对称,这是造成农村信贷市场贷款难的首要因素。从总体上看,中国的农村经济以小规模农户家庭经营为基础,其金融需求者通常居住分散、收入低下、生产季节性明显、单笔存贷规模型小、市场风险大、缺乏银行愿意接受的必要担保和抵押。由此可见,就当代中国农村金融与农村经济的矛盾来看,基于金融机构的改革路径己走到了尽头。破解中国农村金融之迷,需要有一种新思路和选择一条新的路径。
本文正是从这一角度出发,通过经济学的分析,从组织形态上提出构建农村网络组织(PNO)的概念,并从理论上加以分析。指出提升农户信用贷款的根本出路在于农户信用程度的提高。通过实践证明,在现今条件下,农户网络组织(PNO)机制参与信贷市场,不仅是可行的,而且也是必要。
致谢:感谢扶风县农村信用联社侯维新硕士在资料收集方面所提供的帮助。
参考文献:
[1]约翰•克劳奈维根.交易成本经济学及其超越[M].上海:上海财经大学出版社,2002:122-124.
[2] 张其仔.新经济社会学[M].北京:中国社会科学出版社,2001:167-178.
[3] 王静.涉农经济组织融资信用与金融支持研究[M].北京:中国农业出版社,2004.
[4] 王静.涉农经济组织融资与信贷配给[J].财经科学,2007(7):38-44.
[5] WANG JING. A comprehensive credit rationing model basing on interest rate & non-interest cost[J].Economic Conference in Unisa, Australia,2007(7).
[6] WILLIAMSON JOHN. Exchange rate management:the role of target zones[J]. American Economic Review,1987,77(2).
[7] LINTON C,FREEMAN.Social networks and the structure experiment[M]//In Research Methods In Social Network Analysis. Edited byLinton C. Freeman. Douglas R. White. And A. Kimball Romney. George Mason University Press,1989:12-17.
[8] MARK CASSON HOWARD COX. An economic model of Inter farm networks[M]//In the Formation of Inter-organizational Networks. Editedby Mark Ebers:Oxford University Press,1997:174-196.
[9] SHARON ZUKINPAUL,DIMAGGIO. The structures of capital: the social organization of the economy[M]. New York::Cambridge University Press,1990.
[10] MUSTAFA,EMIRBAYER ,JEFF GOODWIN. Networks analysis.culture and the problem of agency[J]. American Journal of Sociology,1994,99:6.
[11] FAFCHAMPS, M MINTEN.Returns to social network capitalamong traders[J]. Oxford Economic,2002,542:173-206,
[12] CAGLA OKTENUNA,OKONKWO OSILI,Social networks and credit access in indonesia[J].World Development,2004:1225-1246.
[13] BIGGS TYLERRATURI,MAYANK ,SRIVASTAVA,PRADEEP.Ethnic networks and access to credit: evidence from the manufacturing sector in Kenya[J]. Journal of Economic Behavior & organization,2002:473.
[14] ATIYA.AMIR, Bankruptcy prediction for credit risk using neural networks:a survey and new results[M]. IEEE Transactions on Neural Networks,2001:929.