常识资讯 
发展高质量数字普惠金融实现共同富裕的战略目标
2024-10-30 
浏览次数：
次 
返回列表“匡亚明学者”卓越教授，国家社科基金重大项目首席专家，吉林大学农村金融研究中心主任，吉林省数字普惠金融研究中心主任，教育部“新世纪”优秀人才。
一年前召开的中央金融工作会议将普惠金融列为金融五篇大文章之一，进一步明确普惠金融支持实体经济发展的方向。但在普惠金融实践过程中，却不得不直面目标客户群体“信息收集难”“信用甄别难”和“风险控制难”等现实痛点和堵点问题。对此，吉林大学农村金融研究中心主任、吉林省数字普惠金融研究中心主任丁志国教授对《金融时报》记者表示，当前我们亟须借助数字普惠金融在大数据技术方面的优势，给出科学系统的解决方案。
丁志国：普惠金融是指立足机会平等要求和商业可持续原则，以可负担的成本，为有金融服务需求的人员和群体提供恰当、有效的金融服务。事实上，以农业主体和小微企业为代表的普惠金融服务对象，一直以来都是实现共同富裕目标必须关注的重点群体。然而，作为传统信贷市场的长尾客户群体，此类主体具有“信息搜集难”“信用甄别难”“风险控制难”的特征，难以在传统金融资源配置体系中获取有效的金融服务，即金融排斥现象，表现为“融资难、融资贵”问题。在需求端，具体表现为长尾客户群体由于信用甄别困难，致使其金融服务需求不能得到充分满足；在供给端，由于金融机构的风险规避原则和安全性要求，决定了传统金融模式必然会因为遵循“择优而贷”的商业逻辑，使普惠金融服务对象难以达到准入门槛，导致面向这些长尾客户群体的信贷供给严重不足。
另外，长尾客户群体间违约风险具有较强的传染性，且往往缺少合格抵押品，也显著增加了普惠金融产品风险控制的复杂程度，导致普惠金融信贷风险相较于传统信贷业务明显更高，进一步降低了金融机构参与普惠金融业务的积极性。需要说明的是，普惠金融不是政策性补贴，更不是慈善资助，在强调金融资源可获得性的同时，也强调融资价格的相对优惠，这与金融机构的运营原则存在一定的矛盾。顺利实现共同富裕战略目标，金融机构既要服务好普惠金融群体，满足“长尾客户”的金融需求，又要守住风险底线，保证商业模式健康可持续。事实上，在传统金融范式下面临金融排斥的长尾客户群体，即使具有更强的自荐激励，但还是不得不接受相对较高的信贷价格，强化了信贷市场的“劣币驱逐良币”现象，为民间借贷提供了生存空间。
《金融时报》记者：面对普惠金融的发展瓶颈，数字化在其中可以发挥怎样的作用？
丁志国：发展普惠金融必须兼顾融资对象的包容性和商业的可持续性，如若处理不得当，容易陷入困局，即“普惠金融悖论”。基于大数据技术的数字普惠金融，已经成为普惠金融最重要的解决方案，也成为数字金融发展最重要的应用场景，是实现共同富裕战略目标的基础保障。发展高质量的数字普惠金融，不断加强金融科技创新和应用推广力度，针对长尾客户群体提供差异化、精准化的数字普惠金融产品，扩大金融服务覆盖面，提高金融服务实体经济质效，促进金融与实体经济良性循环。从本质上讲，发展高质量的数字普惠金融，正是因地制宜发展新质生产力在金融领域的场景化落地实践。
数据要素和数字技术是数字普惠金融高质量发展的前提。长尾客户参与数字金融活动较少，在数据信息平台上缺乏翔实的数字痕迹，也不适用常规信息甄别模型，这是当前制约普惠金融发展的关键原因。因此，发展数字普惠金融不应过度依赖互联网平台的数字金融服务，而应加快构建全国性数据信息平台和模拟——决策实验平台，汇集产业、企业、政务和金融等多渠道信息，并基于普惠金融的具体应用场景，借助数据平台的信息数据，开发数字普惠金融服务，解决信息不对称导致的长尾客户“融资难”问题。
从科学决策和精准施策目标出发，在发展数字普惠金融过程中，基于激励相容的原则，将金融机构、普惠对象、财政支持置于统一框架中，利用数字技术优化信息甄别精度，实现普惠对象个体的精准信用画像，根据借款人信用信息构建差异化补贴制度，同时坚持结构性金融产品的差异化定价，将市场化定价和政府直接及间接引导相结合，从而在保持普惠金融商业可持续的基础上，解决长尾客户群体“融资贵”的难题。
《金融时报》记者：发展数字普惠金融还面临哪些具有共性且必须解决的关键性问题？
丁志国：首先是数字普惠金融的信用评价体系和信用甄别技术。传统金融服务高度依赖抵押品，而普惠融资主体普遍缺少有效抵押品或抵押品具有软约束特征。共同富裕战略目标下的普惠金融，就是要扩大金融服务的广度和深度，满足“长尾客户”的金融需求。而现有信用评价体系，主要是适应传统金融“择优而贷”模式的绝对信用判别逻辑，存在主观性强、适用性差的问题，尤其是针对较低信用“长尾客户”群体的辨识能力较差，致使绝大多数普惠主体无法有效获得所需要的金融资源，出现典型的金融排斥问题，无法真正满足金融资源配置的普惠性要求。根据数字普惠金融的具体应用场景，借助大数据和云计算等现代数字技术，设计更加科学适用的信用数据应用平台建设方案和普惠信用评价指标体系，绘制区域信用地图，夯实数字普惠金融高质量发展的数据基础。基于降低交易成本和提高可辨识性的视角，设计更加科学有效的数字普惠金融信用甄别技术及其场景化实践路径，为普惠主体精准信用画像提供科学有效的解决方案。
其次是数字普惠金融的风险识别技术和风险分担机制。基于更高的风险暴露，在缺少科学合理的风险分担机制条件下，金融很难在实现共同富裕战略中发挥应有的作用。防范和化解普惠金融风险需要政府部门积极作为，推动建立和完善风险分担及补偿机制，激发金融机构参与的积极性、主动性、创造性，引导社会资本支持普惠金融发展，才能够缓解普惠金融有效供给不足的问题。发展高质量的数字普惠金融，既要体现金融资源配置的普惠性特征，也要避免金融机构因风险暴露而出现系统性损失，才能够保证在顺利实现共同富裕目标的同时，实现数字普惠金融商业模式的健康可持续。预知风险是防范风险的前提，把握风险走向则是谋求战略主动的关键。设计科学合理的信用风险分担机制，确定风险分担责任认定标准及比例核定方法，并基于市场数据动态评估不同风险分担机制在助力共同富裕方面的政策效果，为政策扶持高质量数字普惠金融发展的科学决策和精准施策提供经验证据。
最后是数字普惠金融的场景化实践流程及其长效机制。近年来，互联网应用普及形成了大量可追溯的高价值数据信息，在一定程度上改善了数据信息基础差和交互机制不畅通的问题。但受限于数据所有权的条块分割以及场景化的收集处理技术缺失等问题，信用数据之间难以互通和有效利用，形成了大量的数据孤岛，无法实现其应有的数据价值。建设由政府主导的数据信息共享共用机制，是发展高质量数字普惠金融的必要条件。建立和完善数字普惠金融的风险分担机制和监管体系，有效降低普惠主体的信用甄别难度和成本，科学规划成本可负担、商业模式可持续的数字普惠金融高质量的发展路径及其长效机制。
丁志国：我认为有必要建设国家数字普惠金融决策——模拟实验室，有的放矢地研究解决遇到的痛点和堵点问题，并在重点地区进行落地试点，在实践中不断改进和完善，最终形成一套完整的、体系化的科学解决方案。实验室的建立，不仅能为数字普惠金融的科学决策和精准施策提供理论依据和数据支持，还能在数字普惠金融助力共同富裕和乡村振兴的理论方面，尤其是在解决长尾客户群体“融资难、融资贵”这一世界性难题方面，发出中国声音，给出中国方案，提供中国经验。
建设国家数字普惠金融决策——模拟实验室，并在重点地区落地实践，旨在锚定普惠金融发展的痛点与堵点问题，以理论逻辑为支撑，以数字技术为抓手，以提高金融服务的普惠性为主线，以实现商业模式可持续性为基础，以推进共同富裕为目标，科学设计数字普惠金融高质量发展的关键技术，统筹规划实践路径，完善优化场景应用的体系化解决方案。实验室的主要功能定位在于从全局和宏观的视角，科学解决普惠金融面临的“信息搜集难”“信用甄别难”“风险控制难”等现实困境，推动科学理论与具体实践的深度结合，将关键技术和实践路径落实于具体应用场景，给出数字普惠金融高质量发展的综合解决方案和试点实践经验。
此外，建设国家可信数据应用平台是发展数字普惠金融的基础保障。金融服务的关键是信用甄别，而信用甄别的基础则是可用数据。建设国家级基于隐私计算和联邦计算的可信数据应用平台，夯实普惠金融的信息底座，是解决数据可信、可用、隐私保护的前提。可信数据应用平台应该基于具体的应用场景，以丰富的信用评价模型工具为支撑，为政府部门提供区域诚信水平、营商环境、创新活力和绿色发展等多维度数字地图，帮助职能部门进行科学决策和精准施策，同时也为社会信用体系建设、统筹区域协调发展、专精特新奖补支持和推进绿色发展等方面，提供可量化的科学依据和能应用的数据支持。
发展高质量的数字普惠金融，需要紧跟经济理论和数字科技发展前沿，科学分析普惠金融发展面临的现实问题，严谨求实，开拓创新，以可信数据应用平台建设为基础，夯实普惠金融的信息底座，以关键技术研发为突破口，解决普惠金融发展过程中的痛点和堵点问题，以实践应用场景为依托，建设数字普惠金融模拟—决策实验室为抓手，落地转化数字普惠金融的科学研究成果，为推进全体人民共同富裕，提供全方位的金融解决方案。
