小微信贷风控谱系·P2P失败的信息不对称本质
小微信贷风控的核心挑战是信息不对称——小微借款人缺乏经审计的财务报表，任何风控模式的成败在于有没有真正获取借款人的真实信用/历史行为信息；P2P 缺乏这层信息故必然失控，而银行已发展出五条可行路径：关系型融资、大数据融资、供应链融资、大数定律盲贷、国家级数据中心与民间征信。
框架原貌
本节依据编纂研究底稿整理：保留原框架的结构、术语与关键表述，含编辑桥接与外部事实补注；图表为编纂者按原文结构绘制。
核心议题与三条暗线
该框架单集回答一个信贷风控的核心反问：P2P 这种”看起来高大上”的互联网金融，为什么反而控制不住风险？ 主线结论是——小微信贷风控的本质是解决信息不对称（拿到借款人真实的信用与历史行为信息），P2P 恰恰没有借款人历史行为信息来判断信用状况，不解决信息不对称就控制不了风险；而银行早已发展出五条可行的替代路径去获取或替代这层信息、或直接封顶损失。
暗线 A——信息不对称是本质
小微贷款不良率是中国银行业各领域中最高的，银行主体流动性风险·LCR与资产质量两维判断中的资产质量框架在此有对应，两大根因是规模不经济与信息不对称；风控的成败不取决于界面是否”高大上”，而取决于有没有拿到借款人真实信用/行为信息。一切可行方法都是获取或替代该信息（或用大数定律封顶损失）的不同路径。
暗线 B——五条风控路径谱系
银行获取/替代信息的方法沿一条从”人认识人”到”数据/制度基础设施”的谱系演进： ① 关系型融资（客户经理认识借款人、格莱珉五户联保、以存定贷）； ② 大数据融资（互联网金融靠历史行为数据库判断信用）； ③ 供应链融资（看不清小企业但看得清枢纽大企业，围绕其上下游放贷）； ④ 大数定律盲贷（控制总规模封顶损失）； ⑤ 国家级数据中心/民间征信（制度化解决信息汇集）。
暗线 C——P2P 作为反面标本
互联网金融能控制小微风险的前提是拥有借款人历史行为数据库；P2P 看似高大上却缺这层数据，无法判断信用状况，故必然失控。技术光鲜 ≠ 风控能力——这是本集的靶心，也是判别一切”金融科技”叙事的试金石。
该框架的价值在于：把”P2P 为何控制不住风险”从”互联网金融水土不服”的表层叙事，还原为”小微信贷的信息不对称问题到底有没有被真正解决”——并给出一套可操作的”五条解法谱系”，作为判别任何小微/普惠信贷模式是否可持续的框架。
论点提炼
1. 银行有充分动力向小微下沉——净息差收窄倒逼 + 美国经验印证（背景）。
银行不是不愿给中小企业贷款，商业银行有充分的动力向小微下沉。逻辑：利率市场化前央行通过管控存贷款利率保护了银行的利润空间，利率市场化后这层保护消失、净息差持续被压缩；银行两条出路——第一条减少对净息差依赖、转向投行/交易/资管等中间业务收入，第二条向零售和小微企业下沉。美国经验印证：中收占比达 40%-50% 甚至更高的都是大型银行，小银行仍以传统存贷款为主；大银行既可做中收也可做好中小企业贷款（如富国银行），但小银行很难做大中收（一个总规模几十亿的银行无力承销 300 亿的债券）——大银行可以向小的方向做，小银行很难向大的方向做，向小微下沉是应对未来竞争压力的重要出路。
2. 小微贷款的核心挑战——不良率最高，两大根因（暗线 A 内核）。
小微企业贷款的不良率是中国银行业各领域中最高的，原因有二：一是规模不经济——小微企业没有完整财务报表，尽调甚至比大企业更耗工夫，但单笔贷款金额小、收益不一定覆盖成本；二是信息不对称——小微企业通常没有完善的财务制度，无力承担审计费用，无法提供经审计的财务报表。
3. 传统解法一：关系型融资（暗线 B 第①条）。
做好小微贷款的银行绝大部分依赖关系型融资——因为客户经理认识借款人（覆盖范围通常在方圆数十里至百里之内）。典型案例是尤努斯的格莱珉银行：客户经理都是本村熟人、每周串门走访，在此基础上还要求五户自愿结成互保联盟，每次只能一户贷款、还清后其他户才能贷，且要求联盟成员有一定存款。“以存定贷”在小微领域有其合理性——如果看不到小微企业的资金流水就无法监测其风险；要求小微企业将日常结算账户放在贷款银行是控制风险的重要手段。
4. 大数据融资与 P2P 的失败（暗线 B 第②条 + 暗线 C 靶心）。
互联网金融能控制小微风险的前提是拥有借款人历史行为的数据库（大数据）——平台能看到进货量、出货量、客户评价甚至社交圈层，才能判断信用状况并快速放贷；金融科技也在一定程度上解决了规模不经济的问题。但 P2P 看似高大上的互联网金融却控制不住风险，根本原因是它没有借款人历史行为信息来判断信用状况；不解决信息不对称问题就控制不了风险。此外大数据方法也有成本约束——计算成本过高、收益覆盖不了成本，就不可持续。
5. 传统解法二/三：供应链融资 + 大数定律盲贷（暗线 B 第③④条）。
供应链融资：银行看不清小企业但看得清大企业，找到枢纽型企业，只要其业务运营正常，就可认为其上游供货商和下游出货对象（小微企业）没问题，围绕枢纽企业做小微贷款。大数定律盲贷：在控制总规模的前提下”盲贷”——例：银行总资产 100 亿、目标不良率控制在 1% 以内，拿出 30 亿给小微企业以简便流程贷款，假定 70% 的人能还款（不良率 30%），则 30 亿×30%=9 亿、占总资产 100 亿的 0.9%，不良率控制在 1% 以内；关键是总规模上限不能放开。
6. 制度出路：国家级数据中心 + 民间征信（暗线 B 第⑤条）。
该框架一直呼吁国家层面建立支持小微企业发展的大数据中心，后来国务院提出依托国家层面建设两个这样的数据中心。江浙中小银行做小微融资时”不看财报看三表”（水电煤气表），严格来说这种查看个人水电数据的行为不合规；但如果国家下文要求水电煤气、海关税务、公安、住建等部门数据汇集到统一平台，所有银行都可合规调取数据发放贷款。德国小微企业发展好的重要原因之一是拥有大量民间征信公司——不仅对个人有信用跟踪、对企业也有信用跟踪，有的企业几代人都有跟踪记录，金融机构因此都可以为其融资。
关键数据锚 / 案例（利率市场化推进期语境）
| 项目 | 内容 |
|---|---|
| 富国银行 / 300 亿债券 | 大银行既可做中收也可做好中小企业贷款；总规模几十亿的银行无力承销 300 亿债券 |
| 格莱珉五户联保 | 本村熟人走访；五户互保；每次一户贷款；成员须有存款 |
| 大数定律数值锚 | 总资产 100 亿 / 拿 30 亿放小微 / 假定不良 30% → 损失 9 亿 = 总资产 0.9% < 1% |
| 关键约束 | 盲贷总规模上限不能放开 |
| 国家两个数据中心 | 国务院提出依托国家层面建设两个大数据中心 |
| 德国民间征信 | 大量民间征信公司；对个人与企业均有跟踪；有的企业几代人都有记录 |
推理结构
flowchart TD A[P2P为何控制不住风险?<br/>看起来高大上的互联网金融却失控] A --> Z[暗线A:信息不对称是本质<br/>小微不良率全行业最高<br/>根因=规模不经济+信息不对称] Z --> Z1[风控成败不取决于界面是否高大上<br/>取决于有没有拿到借款人真实信用/行为信息] A --> B[暗线B:五条风控路径谱系<br/>从人认识人→数据/制度基础设施] B --> B1[1.关系型融资<br/>客户经理认识借款人<br/>格莱珉五户联保+以存定贷] B --> B2[2.大数据融资<br/>历史行为数据库判断信用<br/>但有成本约束] B --> B3[3.供应链融资<br/>看不清小企业但看得清枢纽大企业<br/>围绕上下游放贷] B --> B4[4.大数定律盲贷<br/>控制总规模封顶损失<br/>100亿/30亿/30%→0.9%] B --> B5[5.国家级数据中心+民间征信<br/>制度化汇集数据/德国几代人征信] A --> C[暗线C:P2P反面标本<br/>互联网金融前提=历史行为数据库<br/>P2P缺这层数据→无法判信用→必失控] C --> C1[技术光鲜不等于风控能力<br/>不解决信息不对称就控制不了风险] B2 --> C
编纂视角
坐标：类=银行与地产 / axis_h=法 / axis_v=是什么
接道层：这个框架最核心的一问是”它靠什么拿到借款人的真实信用/历史行为信息”。用旧口径看互联网金融的人往往做这样一个动作：看到 P2P 有技术平台、有大数据标签、有 APP→认为风控能力强于传统银行——这个动作在哪里走错：他混淆了”数据的有无”与”技术的光鲜”，P2P 没有借款人在平台上的历史行为积累，技术界面再华丽也没有可用的信用判断材料。唯有掌握进货量/出货量/客户评价/社交圈层等历史行为数据的平台（如电商/支付平台孵化的金融）才满足大数据风控前提；其余打着”互联网金融”旗号的，实质与五条路径中的哪一条都对不上，故必失控。
大数定律盲贷的数字锚（100 亿/30 亿/30%/0.9%）是本篇独有的：它说明封顶损失不需要逐笔判断信用，但有严格的前提——总规模上限必须锁死，一旦放开上限，0.9% 就变成 9%、90%，整条逻辑瞬间崩溃。P2P 的规模扩张冲动恰恰与这个前提相反，这是 P2P 在”盲贷”路上也行不通的另一重原因。
参见
源
- 编纂底稿 z-0118 · 2026-07 收录 数据时点为利率市场化推进期（美国经验、格莱珉、德国征信均为课内论据）