农地经营权抵押贷款风险识别及其应用研究——基于重庆639个农户样本调查数据

常 露 露，　吕 德 宏

(西北农林科技大学 经管学院， 陕西 杨凌 712100)

一、问题的提出

农地是农业生产最基本的生产资料，释放其经济价值和融资功能，对提高农业生产效率、解决“三农”融资难问题具有十分重要作用。为唤醒农村“沉睡”资本，党的十八届三中全会和2014年 “中央一号”文件都允许承包土地的经营权向涉农银行机构抵押融资。2015年8月国务院印发的农村两权抵押贷款试点指导意见和近几年的“中央一号”文件均明确提出在风险可控前提下，稳妥有序推进农村承包土地的经营权抵押贷款试点。农地经营权抵押贷款作为一项创新性农村金融产品，能够如实准确识别农地经营权抵押贷款风险类型及其影响因素，有针对性地控制风险对涉农金融机构及贷款农户意义重大。

国外学者对农地产权抵押融资的研究主要集中在以下几个方面：一是从农地抵押的效果看，存在两种不同的观点。Kemper等、Besley的研究发现农地产权抵押可以提高农户的贷款可得性，对缓解农户信贷约束起到一定效果[1-2]；Menkhoff使用泰国东北部的数据研究认为农地产权改革并未提高农户对农地产权抵押贷款的参与度[3]。二是关于农业抵押贷款损失估计及风险影响因素的分析。Dressler 和Tauer运用2003～2011年农业部等四部门的贷款数据对农业抵押贷款组合预期和非预期损失进行了估计[4]。Briggeman在对美国农场抵押贷款的研究中发现，农场抵押贷款的主要风险来源是快速持续的农场收入下滑[5]。三是关于涉农信贷风险评价方法的选择。Katchova 和 Barry运用Creditmetrics和KMV模型，基于农场财务数据的估计，研究结果认为，新巴塞尔协议下农业贷款机构的实质波动取决于投资组合的风险度和损失程度[6]；Akpan等运用Tobit模型实证分析了农业信贷担保计划中贷款受益人违约的影响因素，并提出应通过对客户进行教育及道德劝说来真正提升信用文化环境[7]。

国内学者对农地经营权抵押贷款的理论探索不断深入，目前主要集中在以下几个方面：一是农地经营权抵押贷款响应及意愿分析。户主性别、年龄、农地规模、经营类型、农户对农地经营权抵押贷款的期望、家庭经济状况等农户基本特征均对农户农地经营权抵押贷款行为响应具有显著影响[8-10]，且不同经济发展水平地区农户的农地抵押贷款需求存在显著差异[11]。而金融机构更倾向于向农地规模较大、产权稳定且价值评估较完善、农地权利易赎回的农业大户、农业专业合作社和农业企业发放贷款[12]。二是农地经营权抵押贷款的可得性研究。在需求约束下，大规模农户的贷款可得性更高，而小农户贷款可得性受金融产品因素制约[13-14]。三是农地经营权抵押贷款风险分析。部分学者针对典型案例进行农地经营权抵押贷款风险研究[15-16]，农地经营权抵押贷款的主要风险包括法律风险、信用风险、抵押物处置风险、评估风险、操作风险、民生风险等不同风险类型[17-18]，因此加强农地抵押贷款风险管理的重点在于完善银行授信体系、加快农地经营权相关制度建设、合理设定农地抵押及处置条件、建立健全风险分担机制[19]，构建农村资产经营管理公司的金融创新组织[20]。 四是农地经营规模对农地经营权抵押融资的影响。农地经营权抵押融资改革已经产生一定影响，不同土地经营规模农户农地经营权抵押融资需求及影响因素不同，部分经营规模较大的新型经营主体信贷获取能力逐步提高[21-22]。

综上，国内外研究的焦点、方法及模型选择等存在较大差异，国外针对不同国家或地区样本农户的经验研究表明，学术界对农地抵押贷款运行效果、贷款损失估计及风险影响因素度量等方面尚未取得一致性的结论。在涉农贷款风险评价方法的选择上也存在较大差异。国内学者们对农地经营权抵押贷款的可行性、响应行为、贷款意愿、贷款可得性、风险状况及影响因素等做了前瞻性研究，但鲜有学者从风险管理的关键环节对农地经营权抵押贷款风险进行识别与应用研究。基于此，对农地经营权抵押贷款试点的重庆开州区展开实地调查，获得相关研究数据，运用决策树算法对农地经营权抵押贷款风险类型精准识别，并运用二元Logit回归分析农地经营权抵押贷款风险识别在农户土地规模程度差异中的应用，以期为控制农地经营权抵押贷款风险和完善农地经营权抵押贷款政策提供参考依据。

二、风险类型、数据来源及变量描述

风险识别处于风险管理的首要环节，是贷款风险防范的第一要务，参照高雄伟对我国农村信贷风险类型的划分[23]，结合农地经营权抵押贷款特点及调研地区农村经济发展现状，依据简新华、张红宇、钱忠好和邹新阳的研究结论[24-27]，本文主要从市场经营风险、自然灾害风险、金融风险、政策法律风险、家庭经济风险、民生风险和借款人道德风险7个方面22个指标(见表1)对农地经营权抵押贷款进行风险分类，具体如下：

(1)市场经营风险。市场经营风险从农产品销售市场满意度和农产品价格波动情况两方面加以考察。农产品价格波动剧烈，影响农户收入稳定性，尤其农产品价格骤降情况极易诱发农户违约。农产品销售市场是农户自由买卖的场所，销售市场的满意度直接反映着农户农业收入的可观程度。

(2)自然灾害风险。自然灾害风险从自然灾害损失和当地农业气象条件两个方面进行考察。自然灾害给借款人造成直接经济损失，致使其无法按时偿还借款本息，从而给金融机构带来资产损失的风险。农业气象条件的好坏决定农户丰收与否，农业气象条件差，对农户农业生产不利，农业收入低，易发生违约风险。

(3)金融风险。金融风险从贷款期限、利率、金额、信贷员熟练程度、贷后跟踪、担保人等6个方面加以考察。贷款期限、利率和金额决定了贷款资金是否满足农户农业生产资金需求和贷款成本支出。由于受农业生产周期和季节的制约，贷款可能不能按时足额收回。信贷员贷款业务不熟练也会导致金融风险的发生。贷后跟踪检查和担保人约束有利于防范农户道德风险发生。

(4)政策法律风险。政策法律风险从政策法规健全程度、农业政策满意度、法律法规了解程度、土地流转市场发达程度4个方面进行考察。政策法律风险主要表现为与土地经营权抵押贷款相关的法律不完整、不配套。另外，农户法律意识淡薄也不容忽视。土地流转市场不完善，抵押农地经营权难以变现，涉农金融机构面临风险损失。

(5)家庭经济风险。主要从家庭总资产、家庭净收入、土地面积3个方面加以考察。家庭总资产和净收入直接反映了农户的还贷能力。土地面积的大小影响了机械化水平的高低。农业机械化有利于降低劳动强度，节约人力资本，提高农产品质量控制能力，增强抵抗自然灾害能力。

(6)民生风险。从参加养老保险、参加农业保险、社会养老保障体系满意度3个方面进行考察。农村土地的承包经营权不仅是一种经营手段，也是其生存和发展的最后屏障[25]，农地资源仍承载着沉重的社会福利保障功能。农民一旦不能按时偿还贷款，金融机构有权处置流转土地，农民意味着失去土地，易产生民生风险。

(7)道德风险。用贷款用途和农户对抵押农地违约处置的真实意愿两个指标来衡量农户的道德风险问题。农户道德风险的主要表现形式为借款人通过改变经营方式、改变资金用途或直接逃废债务，导致银行贷款资金暴露于风险之中。

数据来源于课题组2016年6月在开展农地经营权抵押贷款试点的重庆开州区的调查。本次调查在开州区相关机构协助下，选取大德、关面和满月等14个办理土地经营权抵押贷款农户较集中的乡镇，采用随机方法抽取样本农户，抽取的样本农户均申请并获得了农地经营权抵押贷款，并进行实地入户面对面访谈。收回研究样本639个，其中有效样本624个，样本有效率达97.7%。调查问卷反映了不同经济条件、不同类型农户的基本特征，具有明显的代表性。问卷涉及农户基本信息及经营情况、家庭信用及经济水平、土地抵押贷款信息及农户认知4个模块的内容。

数据来源：项目组调查资料整理。

数据整理表明， 52.1%的农户家庭土地面积在4亩以下；58%的农户认为农产品价格基本不动或偶尔变动，但幅度不大；74.7%的农户认为当地土地流转市场不发达。69.7%的农户家庭近3年自然灾害损失不足0.18万。调查区85.1%的农户均参加养老保险。34.1%的农户强烈反对涉农金融机构对抵押农地进行违约处置，26.4%的农户将所得贷款用于农业生产。虽贷款主要用于非农业生产，但依据调查数据可知，样本农户近3年的非农收入均变化不大，其稳定性对农地经营权抵押贷款风险影响较小。调查显示依据生产经营收入按时还贷农户占总农户数的75.8%，其余农户均以亲朋好友借款等其他方式还款。

(1)被解释变量选取

本文将农地经营权抵押贷款农户是否按正常方式及时足额还贷设为被解释变量。若农户农业生产经营正常并按时足额还款，认定不存在风险，取值为0；若出现担保人还贷、涉农金融机构处置抵押物还贷、亲朋好友借款还贷和借新贷还旧贷等情形时，认定农地经营权抵押贷款风险发生，取值为1。

(2)解释变量选取

将前文7种风险类型22个指标作为影响农地经营权抵押贷款风险的解释变量。变量具体描述性统计见表1。

三、模型解释及实证分析

运用决策树算法对农地经营权抵押贷款风险进行识别，其优势在于不仅能够判断农地经营权抵押贷款是否存在风险，而且能够对影响农地经营权抵押贷款的风险类型进行排序，便于风险精准识别。决策树算法通过对已有明确结果的历史数据进行分析，寻找数据中的特征，并以此为依据对新产生的数据结果进行预测。

采用的决策树生长方法是CHAID算法。CHAID算法定义如下：设n为数据的组数，λi为样本观测值中属于第i组的数据个数,称为观察次数。μi是在H0为真的情况下，样本观测之中期望属于第i组的数据个数，称为理论次数，则

(1)

CHAID算法与C5.0和CART的不同在于：一是对输入变量进行预处理，目的是减少输入变量取值个数，减少树的分支；二是最佳分组变量和分割点的确定依据是统计检验结果，对数值型输出变量采用F统计量，对分类型输出变量采用卡方或似然比卡方[28]。

为了选择对农地经营权抵押融资风险解释能力最强的指标，使用方差扩大因子(VIF)对变量进行共线性检验。VIF值越大，变量间的共线性越强。一般认为，VIF值不应该大于5，也可适当放宽到10，当VIF值大于10时，可认为变量间存在很强的共线性[29]。检验结果显示，VIF的最大值为5.935，明显小于10，因此，所选22个自变量间不存在多重共线性。

(1)模型参数设定

本文采用SPSS23.0统计软件，模型具体参数设置见表2。从表2可以看出，模型提供了相关参数设定及一些广泛信息，输入自变量为22个指标，但实际在最终模型中只保留5类风险中的6个指标，也就是说模型未保留的指标对其无显著影响，系统自动在最终模型中将其删除。民生风险和金融风险两个类型被删除可能是因为：被调查区贷款金额小，土地面积不大，信贷人员对农户较为熟知，信息较为对称，放贷机构内控制度严格，贷款运转效果好，农户满意度较高。

(2)模型对农地经营权抵押贷款风险识别准确性分析

模型交叉验证法的风险估计为22.30%，说明模型这一误分类率为22.30%。从分类表中，可以看到决策树算法对农地经营权抵押贷款风险的评估结果，如表3所示。

模型中农户自身生产经营还贷的正确分类率达95.10%，决策树模型的总体预测正确率将近80%，农户自身生产经营还贷的预测正确率达88.80%。通过CHAID增长法建立的决策树分类结果对农地经营权抵押贷款风险的正确分类率近80.00%，说明决策树算法对农地经营权抵押贷款风险识别的准确性和有效性。

(3)结果分析

由检验得知，各变量的显著性水平Sig均在0.01以上，说明各自变量对因变量的影响非常显著。为了直观起见，将上述规则以决策树形式呈现，如图1所示。

由图1可知，不同指标对农地经营权抵押贷款风险的影响具有决策树型结构特征，从而识别出不同风险类型对农地经营权抵押贷款风险影响具有层次性、连续性和系统性，且决策树算法对农地经营权抵押贷款风险识别最为有效。

图1　农地经营权抵押贷款风险决策树状图

市场经营风险的最终识别指标为农产品价格波动和农产品销售市场满意度，其中农产品价格波动影响大，农产品价格偶尔变动，但幅度较大时，农地经营权抵押贷款风险只受农产品价格波动的影响，因为在该节点下方没有出现其他节点。农产品价格基本不变、农产品价格偶尔变动但幅度不大和农产品价格经常变动但幅度不大3种情形，农户生产经营还贷可能性差别较大，主要是因为受土地流转市场发达度、3年自然灾害损失和销售市场满意度不同程度的影响。

政策法律风险的最终识别指标是土地流转市场发达度，位于兄弟节点位置。由于树的最大深度为3，说明土地流转市场发达度对农地经营权抵押贷款风险的影响仅次于农产品价格波动。农产品价格基本不变，土地流转市场发达程度一般时，农地经营权抵押贷款风险还受到农户对抵押农地进行违约处置的真实意愿的影响。农产品价格经常变动但幅度不大，近3年自然灾害损失额小于0.18万时，农地经营权抵押贷款风险还受农户对抵押农地进行违约处置的真实意愿的影响。

自然风险的最终识别指标为近3年自然灾害损失额，处于兄弟节点位置，显著性水平为0.022，低于其他两个位于兄弟节点位置的识别指标的显著性水平。农产品价格经常变动但幅度不大，近3年自然灾害损失不足0.18万时，农户生产经营还贷的可能性大。

家庭经济风险的最终识别指标为土地面积，位于叶节点位置，但显著性水平为0.001，高于其他位于叶节点位置识别指标的显著性水平。农产品销售市场不满意，土地面积大于4亩时，农户生产经营还贷的可能性较大，说明土地面积带来的规模化收益弥补了农户对销售市场的不满。

道德风险最终识别指标为农户对抵押农地违约处置的真实意愿，位于叶节点位置，显著性水平为0.003。农产品价格基本不变，土地流转市场不发达时，农户若同意金融机构对抵押农地进行违约处置，则农户生产经营还贷的可能性较高，明显高于强烈反对时的还贷可能性。信贷人员熟知农户对防范农户道德风险具有一定作用。

决策树算法的结果呈现出不同指标对农地经营权抵押贷款风险的作用机制。不同指标发生作用的条件不同，因而各风险类型对农地经营权抵押贷款风险的作用程度也不同。市场经营风险影响最强，依次是政策法律风险、自然风险、家庭经济风险和道德风险。在风险控制与防范中并不意味着只关注最重要的风险类型即可，在关注关键类型的同时，不容忽视其他影响显著的风险类型，因为不同风险类型之间不是孤立存在的，相互之间存在一定关联。

四、农地经营权抵押贷款风险识别应用分析：农地规模影响差异

这部分将重点考察风险识别结果在农地规模程度差异中的应用。农地经营权赋予了抵押功能，农地规模对农地经营权抵押贷款具有决定性作用。参照农业部适度规模为当地户均规模10～15倍的标准，重庆市适度规模应为11.2～16.8亩，结合重庆开州区农用地利用现实，选取11.2亩为第一个规模节点，16.8亩为第二个规模节点。将调研对象划分为3种规模化程度的农户：小规模为家庭土地经营面积小于11.2亩且不含11.2亩；中等规模为家庭土地经营面积处于11.2亩和16.8亩之间；大规模则为家庭土地经营面积在16.8亩以上且不含16.8亩。

通过调研数据分析，小规模农户564户，占样本总量的90.4%；中规模农户29户，占样本总量的4.6%；大规模农户31户，占样本总量的5.0%。由于农地经营权抵押融资业务处于试点阶段，农业经营主体覆盖面窄，中等和大规模农户比重相对较小，这也是由调查区的农业生产发展现实所决定的。在考察风险识别结果在农地规模程度差异的应用时，为保证不同规模农户的其他变量相同，降低对实证结果的影响偏误，选择“小规模”作为参照样本，重点考察中等规模和大规模与农地经营权抵押贷款风险类型的影响关系。

建立二元Logit 模型为：

(2)

(1)被解释变量选取

依据前文结果，将市场经营风险、政策法律风险、自然灾害风险和道德风险作为被解释变量，带入模型(2)，计算分析不同农地规模程度农户引发以上几种风险的概率差异。在以下研究中，若农产品价格基本不变或偶尔变动但幅度不大则认为无市场经营风险，赋值为0；若出现农产品价格偶尔变动但幅度较大、经常变动但幅度不大或经常变动且幅度较大中的某种情况，则认为存在市场经营风险，赋值为1。若土地流转市场非常发达、比较发达、一般或不是很发达，则认为不存在政策法律风险，赋值为0；若土地流转市场不发达，则认为存在政策法律风险，赋值为1。若农户近3年自然灾害损失不足0.18万，则认为不存在自然灾害风险，赋值为0；反之，认为存在自然灾害风险，赋值为1。若农户同意金融机构对抵押农地的违约处置，则认为不存在道德风险，赋值为0；若强烈反对则认为存在道德风险，赋值为1。

(2)解释变量选取

中等规模和大规模农户作为核心解释变量。考虑到农户其他可能影响农地经营权抵押贷款风险的因素，将控制变量归纳为3个维度，一是农户特征变量。一般男性户主比女性户主冒险精神强，产生贷款风险的可能性更大；年龄越大相对越保守，发生贷款违约的概率越小；同时户主文化程度越高，产生贷款违约的可能性越小。二是家庭特征变量。家庭总资产越多，还贷能力越强，贷款风险越小；家庭劳动人口越多，收入可能越高，还贷能力越强。三是信贷特征变量。信用等级越高，储蓄越多，贷款发生风险的概率越小。变量描述性统计见表4。

数据来源：项目组调查资料整理。

为使模型得出更准确的结果，在模型回归之前运用方差扩大因子(VIF)对变量进行了共线性检验，检验自变量最大的VIF值为1.021，容忍度最小的为0.814，变量均通过检验。

表5给出了模型(2)的计量结果与解释。从总体看，各自变量对不同因变量的影响存在差异，本研究主要考察X8、X9、X10对各因变量的影响。从引发市场经营风险的角度看，根据模型参数估计及由β0+β1X1+β2X2+…+βmXm的值的大小可推断，与小规模农户相比，中等规模和大规模农户遭受市场经营风险的概率较高，其中大规模农户遭受市场经营风险的概率最大。小规模农户的兼业程度相对较高，非农收入成为家庭主要收入来源，农业收入相对较少，收入受农产品价格波动等市场不良状况的影响较小。中等规模农户和大规模农户的农业收入是家庭主要经济来源，而农业属于典型的弱质产业，不仅要承受其他产业所不能有的自然风险，而且要承受比其他产业大得多的市场风险[30],使得农户农业收入极其不稳定。从政策法律风险的角度看，与小规模农户相比，中等规模农户遭受政策法律风险的影响不显著，这可能是由于中等规模农户流转土地规模比较小，往往亲戚、朋友之间的小范围流转就能满足需求，受土地流转市场发达程度的影响很小。而大规模农户的土地流转只有在大范围内流转才能形成一定规模，因而受土地流转市场发达程度的影响较大，显然遭受政策法律风险的概率大。

从自然灾害风险角度看，与小规模农户相比，中等规模和大规模农户遭受自然灾害风险的概率较大，其中大规模农户最大。这由农业生产本身所具有的自然局限性及目前我国规模经营主体农业科技投入不足、机械化水平跟不上等抵御自然灾害的能力较弱决定的。从道德风险的角度看，与小规模农户相比，中等规模农户发生道德风险的概率最大，大规模农户发生道德风险的概率最小，大规模农户抵押土地面积较大，对农户的约束能力强，对多数农户而言发生道德风险得不偿失，而中等规模农户与小规模农户相比农业兼业化程度低，非农收入较少，还款来源主要是农业收入，而农业生产经营受农产品市场价格波动、自然灾害损失等因素影响较大，农业收入极其不稳定，易滋生道德风险。

注：*表示10%的置信水平上显著；**表示5%的置信水平上显著；***表示1%的置信水平上显著。

五、结论与建议

利用实地调研的639个贷款样本数据，运用决策树算法和二元Logit模型，对农地经营权抵押贷款风险识别及其应用进行研究，得出如下研究结论：

(1)不同风险类型对农地经营权抵押贷款风险的影响具有层次性、连续性和系统性。影响程度层次由强到弱依次为：市场经营风险、政策法律风险、自然灾害风险、家庭经济风险和道德风险。每种风险类型不是孤立存在的，在关注关键风险类型的同时不容忽视其他风险类型。农地经营权抵押贷款面临的风险是一个复杂的系统，包括不同类型、不同性质、不同损失程度的各种风险，在风险识别过程中必须坚持综合考察的原则。

(2)不同因素对农地经营权抵押贷款风险产生不同影响。农产品价格是影响农地经营权抵押融资风险最主要因素，价格的高低决定农民收入的多少，进而影响农民的还款能力。土地流转市场发达度和农产品销售市场满意度影响次之，土地流转市场的发达程度影响着农民能否顺利转入转出土地，决定着租金的缴纳或财产性收入的多少。农户对抵押农地违约处置的真实意愿、土地面积和社会保障满意度影响较弱。

(3)农地规模程度不同，农户遭受市场经营风险、政策法律风险、自然灾害风险和道德风险有差异。与小规模农户相比，中等规模和大规模农户遭受市场经营风险的概率较大，其中大规模农户遭受市场经营风险的可能性最大；大规模农户遭受政策法律风险的概率最大，中等规模农户则最小；农业收入作为主要收入来源的中等规模和大规模农户遭受自然灾害风险的概率较大；抵押土地对大规模农户的约束力最强，发生道德风险的概率最小，小规模农户非农收入较高，还款能力相比中等规模农户强，因此，中等规模农户发生道德风险的概率最大。

(4)决策树算法能够系统准确识别农地经营权抵押贷款风险，为金融机构应用风险管理技术和全面认识农地经营权抵押融资风险提供有效的风险识别工具，增强风险识别能力。

为精准识别农地经营权抵押贷款风险，促进农地经营权抵押融资业务顺利开展，提出以下几点政策建议：

(1)严格识别和把控影响农地经营权抵押贷款的主要风险，包括市场经营风险、政策法律风险、自然灾害风险、家庭经济风险和道德风险，为降低贷款风险发生概率，风险控制要全面周详、综合把握，针对不同风险类型制定不同风险控制方案，并注重不同风险类型的相互影响和关联性。

(2)结合农地经营权抵押贷款风险的树形结构及层次性特征，采用差别化的风险类型权重，开展不同农地规模农户及新型农业经营主体的信用等级评定工作，准确判定贷款对象和提高风险识别精准度。

(3)农产品价格稳定是农地经营权抵押融资业务顺利开展的基础，多维度共同发力，完善农产品价格体系和监管机制，推进农产品期货市场发育完善，发挥政策性保险和政府保护作用，规避市场风险。

(4)积极引导金融机构合理优化配置信贷资金，鼓励农地经营权抵押贷款向大规模农户和新型经营主体发放，弥补农业规模化生产资金不足。鼓励农地经营权向大规模农户、新型经营主体和职业农民流转，并结合不同经营主体农业生产经营特点，为其提供专业性和综合性农业生产社会化服务，提高农业生产率。

(5)按风险类型提取风险补偿金，提高风险补偿广度和深度。依据不同风险类型对农地经营权抵押贷款风险影响的强弱，按一定比例提取不同风险类型的风险补偿金。

(6)决策树算法为金融机构识别农地经营权抵押贷款风险提供了选择工具，金融机构将决策树算法用于识别和发现农地经营权抵押贷款的风险，可提高其识别的精准度和有效性。