2023年3月调研报告-40篇(第23/81页)

三、金融科技赋能乡村振兴的机制与面临的问题

（一）机制分析

1.理论分析。信息不对称是制约金融发展的重要问题，一方面加大了金融机构的搜寻和运营成本，使得金融机构降低服务覆盖面，另一方面迫使需求主体提供更多抵质押物或信息，增大了金融服务的获取难度。金融科技则是借助互联网、大数据、人工智能等现代前沿信息技术，通过信息挖掘、传递与处理改善交易双方信息非对称结构，降低金融机构运营成本，扩大金融服务可及性，为金融支持乡村振兴提供有力支撑。

（1）降低信息不对称，帮助村民突破传统信贷约束。金融科技借助现代信息技术，首先，在信息搜集方面可以做到更加广泛和全面。相较于传统贷前调查搜集的信息，利用贷款申请人在互联网上留下的数字足迹可以为银行提供更为全面的参考信息，降低逆向选择风险。其次，随着数据量的提升，银行的风控算法借助人工智能可以不断迭代，进而使银行具有更强的信息硬化能力。最后，银行可以利用前端感应设备，对包括土地和农作物在内的抵押品进行实时监控，从而对潜在的道德风险进行管控。

（2）优化信贷管理，降低运行成本。传统银行信贷管理流程冗长，对信贷专员要求较高，同时还存在委托代理问题，使得传统信贷业务运营成本较高。金融科技的运用，降低了银行的搜寻成本，减轻了一线信贷专员的工作压力， 使需求主体可以事先通过手机App了解借贷过程以及必要的申请材料。同时，金融科技的使用减少了信贷专员对业务的干预度，可以有效防范委托代理问题。

（3）扩大金融机构覆盖率，增加金融服务的可得性。金融科技有效控制

金融机构在信贷业务上的运营成本，使得金融机构可以扩大自己的服务范围， 将金融服务的触角深入乡村，让金融服务变得更加普惠，让村民在"村口"就能获得金融支持。

2.实际应用分析。正如上文理论分析所述，金融机构借助现代化信息技术可以缓解金融交易过程中存在的信息不对称问题，极大地改善金融服务乡村面临的难点。根据实际调研情况可知，银行借助金融科技缓解了农村空心化问题，解决了部分农户的贷款需求。

（1）利用大数据网络以家庭为单位开展授信评估，缓解农村空心化问题。由于农村主要劳动力，也是信用主力军，大多在城市里务工，银行很难对留守农村的未成年子女和老人进行授信评估。但是借由大数据，通过对家庭外出务工人员进行风险评估，将其授信结果赋予家庭里的其他留守人员，可以家庭为单位开展授信工作。清远市农商行、潮阳农商行、韶关县域农商行借助省联社统一数据平台，已完成各自辖内乡镇100%授信覆盖。

（2）打造数字供应链金融，丰富中小农户软硬信息。各地政府积极建设符合当地特色的产业园区，引导龙头企业和配套企业入园。金融机构利用金融科技打造数字供应链金融，对产业园整体授信--只要是入园名单上的企业都能直接用信。此外，针对没有入园，但是属于供应链上的个体农户，金融机构依然可以为其发放信用贷款。对于产业园内企业的职工，金融机构也为其开通了信用账户。这个信用账户类似于支付宝的"花呗"，在授信额度内可随时用于支付。

（二）面临问题

1.数字基础设施不完善，阻碍金融科技应用。农村数字普惠金融能够降低交易成本，支撑农村数字经济增长，但会对数字基础设施、金融生态和客体认知禀赋等提出更高要求。第50次《中国互联网络发展状况统计报告》显示， 截至2022年6月，我国城镇地区互联网普及率为82.9%，农村地区互联网普及率仅为58.8%，虽然互联网覆盖范围得到进一步扩大，但贫困地区网络基础设施"最后一公里"仍未完全打通。区域间数字化发展的异质性催生农村数字普惠金融发展地域分化、服务深度不足、数字金融排斥、潜在金融风险升高等问题。

2.数据质量与整合不佳，弱化金融科技效果。金融机构在服务农村金融市场时很难高效获取有用的数据。由于金融科技在移动化和便利化等特征上优于传统金融，在移动支付普及的同时构建了尽可能多的金融场景，覆盖了线

上借贷、信用卡还款、理财、社交关系等用户行为，而这类场景目前在农村数据积累不足，尚不能完全刻画农村的数字普惠金融的数字化程度。就调研情况而言，广东地方农商行主要依托省联社统一数据平台，其他的数据来源十分有限。

除了数据获取低效以外，数据质量是影响金融科技赋能乡村振兴的另一大原因，尤其是数据颗粒度问题。以农商行推广的"户户通"为例，该产品以家庭为单位进行授信评估，数据来源一是省联社的统一平台，二是乡村信贷员入户采集。要想充分发挥金融科技的力量，信贷员采集的数据要尽可能细致、全面、准确。这对于信贷员的能力有较高的要求，但在人才紧缺的农村金融机构， 该问题在短时间内很难解决。

3.产业化程度有限，供应链金融惠及范围有限。当前农村产业化发展刚刚起步，存在产业化水平低、结构单一等问题，无法为金融科技在农村金融中的运用提供有力支撑。金融科技支持供应链金融发展的基础在于将链上的企业各自拥有的非结构化数据转化成结构化数据，再通过风险识别模型对企业进行估值。这一过程具有规模效应，当链上企业达到一定数量后，模型识别能力才能达到合理阈值。此外，由于产业结构单一，链上企业会过于集中在一两个行业，可以提供的数据维度可能不及模型需要的维度，这也意味着银行必须面临较大的系统性风险。综上，由于产业化程度有限，相关企业数量少，且行业集中度高，一方面降低了金融科技的有效性，限制了数字供应链金融可以惠及的企业和农户范围，另一方面则使得银行面临信贷行业集中度过大的风险。

4.传统农业生产不确定性高，金融科技无法规避贷后风险。金融科技可以将软信息硬化，识别传统金融模式下较为隐性的信用能力。但是识别信息不等于规避风险或者消除风险。传统农业生产容易受到气候、极端天气、市场偏好等多维因素的影响，加之"谷贱伤农"的特点，农产品价值波动极大，防范道德风险的难度较大。即使拥有大数据风控系统的银行能在第一时间作出风险提示，但如何将风险化解对金融机构而言仍非易事。此外，考虑到农村金融市场尚处在发展阶段，相关的风险转移机制并不完善，且随着农信社改制为农商行，对应的监管要求也随之提升。种种原因交织在一起，尽管有技术支持， 针对传统农业生产的贷款还是会让农村金融机构望而生畏。

5.农村居民金融素养不足，制约金融服务乡村振兴。金融科技的应用建立在海量金融交易场景的基础上，但是近年来"空心村"现象越发严重，加

之农村地区消费者金融素养偏低，对金融的认识较为局限⑧。此外，正规金融服务需要签订标准合约，相比之下，亲朋间的口头借贷协议更易被村民接受。再者，由于金融科技更多使用场景是在手机端上的，而村民对于手机的运用远低于城镇居民，因此，在城镇看似便捷的操作到了农村反而成为新的"拦路虎"。