王劍：小微信貸的兩大模式及其樣本

2019年09月24日10:12 作者:王劍

　　文/新浪財經意見領袖專欄作家王劍

　　小微信貸的核心，是如何在有效控制業務成本的情況下，獲取充分信息完成風險定價。

　　■逃不開的貸款定價原理

　　銀行參與小微信貸業務的核心原理：“合理利潤=信貸利率-資金成本-業務成本-風險成本”。小微信貸的核心，是如何在有效控制業務成本的情況下，獲取充分信息完成風險定價。為了能夠以合理成本實現對小微企業的風險定價，國內外業內進行了各種探索，我們將所有做法分為兩大典型模式：全手工的人海戰術，和全自動的大數據征信技術。而其他類型均可視為上述兩種模式的不同比例融合。

　　■水泥：全手工的人海戰術

　　全手工的人海戰術，是最為古典的方法，也是在大數據時代之前最為有效的方法。后來出現的IPC技術將人海戰術系統化、流程化、標準化，效率大幅提高。國內銀行的典型代表是臺州銀行。

　　■鼠標：全自動的大數據技術

　　全自動實現大數據征信相比人海戰術，其大幅節約了單客變動成本。而由于開發、建設、維護系統導致固定成本較高，因此需要海量客戶來覆蓋固定成本。因此，使用大數據征信的機構，往往通過渠道等優勢，海量獲取客戶。國內銀行有互聯網銀行采用這一模式，其中新網銀行不依靠專有數據，更具有可復制性。

　　■A股案例：常熟銀行

　　A股上市銀行中的代表樣本是常熟銀行。常熟銀行發揮后發優勢，其模式兼具人海戰術和大數據征信的特征，是博采眾長之后的集大成之作。我們認為隨著小微貸款占比提升，常熟銀行盈利能力仍將繼續提升并超過行業整體水平。綜合考慮小微貸款占比提升和競爭加劇導致的小微貸款收益率下降兩方面因素，中性假設下（假設個人經營性貸款占比提高到60%，小微收益率較當前水平下降50bps）我們估計常熟銀行中長期ROE將超過行業平均水平2個百分點。

　　■投資建議（略）

　　■風險提示

　　會計準則變化帶來的擾動可能引起誤差；宏觀經濟波動可能會對預判產生影響。

　　一、逃不開的貸款定價原理

　　1.1信貸定價原理

　　1.2 小微信貸的兩大典型模式

　　二、水泥：全手工的人海戰術

　　2.1 人海戰術的兩大發展階段

　　2.2 案例分析：臺州銀行

　　三、鼠標：全自動的大數據技術

　　3.1 大數據征信原理

　　3.2 更可復制的陌生人模式

　　3.3 案例分析：新網銀行

　　四、A股案例：常熟銀行

　　4.1 基本情況

　　4.2 未來盈利水平的提升

　　五、不同模式樣本的橫向比較

　　六、投資建議（略）

　　七、風險提示

　　報告正文

　　在目前國內外經濟形勢復雜的情況下，小微企業的融資難（貸款可得性低）、融資貴（融資成本高）問題持續受到政策當局關注。小微企業貢獻了極高比例的就業崗位，事關民生福祉，但現實中融資難、融資貴問題又在全球長期存在，難以得到徹底解決。近幾年，我國政策當局出臺了很多措施，努力去緩解這一問題。

　　一、逃不開的貸款定價原理

　　1.1 信貸定價原理

　　我們在前期的小微信貸業務報告《銀行小微信貸業務深度：原理、模式與實例》（2018年9月20日）中，提煉了銀行參與小微信貸業務的核心原理：利用各種手段，以合理成本，覆蓋盡可能大的客群，完成信息收集，從而完成風險定價，并獲取合理回報。用公式體現為：

　　即，銀行在收取的貸款利息，在扣除掉各項成本后，仍能取得合理利潤，以此才能實現這項業務的商業可持續。小微企業能貢獻的其他中間業務收入較少，因此一般只考慮信貸利息收入。目前，國內有一些專業的銀行已經實現了商業可持續，并取得非常好的回報。

　　通常的觀點認為，小微信貸業務風險過高，即上式中的“風險成本”過高，導致很難實現合理回報。但我們研究后認為，這一觀點并不準確。事實上，是銀行為了獲取小微企業風險定價所需的充分信息，所需投入的業務成本過高。換言之，是要投入較高的業務成本，來控制住風險，即用業務成本替代風險成本（但不能用風險成本來替代業務成本，因為風險成本是把握不住的，容易失控）。小微信貸業務的核心，便是如何以合理業務成本實現這一點。所以，問題的關鍵是從成本入手。

　　業務成本又可分為固定成本和變動成本。固定成本是開辦這項業務所需要的行政管理、業務研發、科技投入等各項成本，變動成本是指針對每一客戶所需要投入的業務成本。

　　或：

　　傳統上做小微信貸的難點，主要在于單家變動成本太高，即完成單家客戶的獲取、盡調等成本太高。同時，由于很難批量、快速獲取大量客戶，也會導致固定成本無法充分分攤，即“固定成本/客戶數”過高。

　　而相比之下，大中型企業的單家盡調成本一般會更低，因為這些企業經營更為規范，信息更為書面化，易于處理，因此本身就不需要很重的盡調工作。如果大企業、小企業同樣是陌生企業，都需要詳細盡調的話，那成本還是大企業更高，畢竟其盡調工作量更大，但往往大企業因為信息更透明而可適度節省工作量。此外，大企業往往信貸規模量也大，能貢獻給銀行的其他中間業務收入也高，因此即使業務成本高一些，也能覆蓋。

　　因此，小微信貸的核心，是如何在有效控制業務成本的情況下，獲取充分信息完成風險定價。

　　1.2 小微信貸的兩大典型模式

　　為了以合理成本實現對小微企業的風險定價，國內外業內進行了各種探索，取得了很多有益的經驗。理論上，我們將所有的做法分為兩大典型模式：全手工的人海戰術，和全自動的大數據征信技術，我們分別以“水泥”、“鼠標”比喻之。而其他類型，包括我們以前提過的“半自動”類型，以及供應鏈金融等，均可視為上述兩種典型模式的不同比例的融合。

　　當然，現實中的各家機構所采取的做法，是博采眾長，也就是兩種模式的融合，即“水泥+鼠標”，不存在單純的某一模式。哪怕是完全無物理網點的互聯網銀行，也會在線下適當訪問客戶，而最古典的傳統小微銀行，也在積極引進相關技術提升自己的業務效率。

　　以下我們分別介紹這兩種模式的主要情況，并且選取典型樣本進行案例分析。

　　二、水泥：全手工的人海戰術

　　2.1 人海戰術的兩大發展階段

　　（1）早期粗放階段

　　全手工的人海戰術，是最為古典的方法，也是在大數據時代之前最為有效的方法。我國建國后，政府組織各地農民開辦了農村信用社，改革開放后又允許民間資本開辦城市信用社，希望它們能為城鄉基層居民、企業提供金融服務，它們所用的方法大部分都屬于這一模式。并且，它們中間的杰出代表將這些模式沿用至今，涌現出一批小微業務優異的中小銀行。

　　早期信用社從事人海戰術，一般還沒有形成系統化的團隊、組織、架構和流程，而是由業務員各自出擊，自由發揮，因此難以形成合力，依靠的是業務員本身對當地客群的熟識，知根知底，信息不對稱程度天然就低（業務員先天掌握了客戶的“軟信息”，即非書面化的信息）。然后，業務員憑經驗完成風險定價。可以說，這是在當時的技術、組織條件下行之有效的方法。但有其局限性，在社區圈子之外很難快速復制，而培養新人基本上依靠“傳幫帶”的師徒模式，傳承效率也不高。

　　（2）向標準化邁進

　　2005年前后，世界銀行為國家開發銀行提供低息貸款，用于小微信貸。世行和國開行在全球范圍內進行技術招標，德國國際項目咨詢公司（International Project Consult，簡稱IPC）中標。然后，國開行率先與臺州銀行、包商銀行等合作，引進IPC技術，而后推廣至多家中小銀行。其中，臺州銀行由于本身就地處中小微企業活躍的浙江省臺州市（“地利”），在當地以人海戰術從事小微信貸已有長達10多年的經驗（“人和”），因此引進IPC技術后如虎添翼，再趕上這段時間剛好又是我國經濟高速增長期（“天時”），最終成為了我國小微銀行中的翹楚。包商銀行也取得了較好效果，但由于北方地區中小微企業不如南方活躍，因此稍缺“地利”。

　　我們將IPC技術大體上仍然歸類為全手工的人海戰術模式，但是，它更加系統化、流程化、標準化，因此可復制性、可擴展性更強，比起粗放時代的人海戰術，效率大幅提高。這反映了德國人極端嚴謹的邏輯思維和抽象思維能力，將人海戰術中的各種經驗提煉成了系統規范的做法。

　　IPC公司成立于1980年11月，主要從事小額信貸業務咨詢服務，重點推動發展中國家提高金融服務水平，將技術輸出給各國金融機構，在全球小微信貸領域擁有較好的聲譽。IPC技術內容較為豐富，流程細致而嚴謹，我們將其大致歸納為三點內容：

　　1．客戶財務報表還原（主要考察還款能力）。小微企業往往沒有規范的財務報表用以判斷其經營情況。為此，業務員通過實地盡調，掌握小微企業的進貨、生產、銷售、管理等情況，了解客戶的資產、負債信息，并自行編制出清晰簡要的財務報表，尤其是現金流量表。報表中所運用的數據必須盡可能得到可靠驗證或交叉驗證，不能僅僅由客戶單方面提供，比如銷售數據由業務員在店面蹲點采集，財產情況也需要考證其確屬自有財產而非借入的，并且財產價值需用現值。不同數據之間也要有交叉驗證，比如存貨與銷售之間的周轉率是否符合行業規律。最后，業務員編制出較為可靠的財務報表，用于放貸決策參考。

　　2．多方收集客戶軟信息（主要考察還款意愿）。軟信息是指非書面化的信息，包括客戶的口碑、才干、品行等，對評估客戶的還款意愿非常重要。尤其是勤奮、儉樸、踏實等優良品質，對從事小本生意而言非常重要，業務員需要多方考察。業務員首先會收集客戶的常規信息，包括年齡、家庭情況、經營年限等。同時，還會盡可能收集客戶的其他可能有用的信息，比如有無不良嗜好等。IPC技術嘗試將這些軟書面進行一定程度的數量化、書面化，比如常用的不對稱偏差分析法，即觀察客戶的某些特征與群體平均水平的偏離程度。

　　（以上兩點內容，均需要獲取客戶信息，有時是從第三方獲取，可能會涉及隱私保護問題。國內常見的做法是從街坊鄰居間打聽，而西方難度更大。掌握了上述還款能力、還款意愿后，對客戶的放款風險已有較大把握，因此對抵質押品的要求也可適度放寬，這也是IPC技術輕抵押的一個特征。）

　　3．業務團隊組織管理。這是銀行內部事務，但卻異常重要。因為前面兩點內容，均需要一支業務能力強悍的業務員隊伍去完成，團隊人員較多，IPC會進行嚴格的業務培訓。同時還得控制住業務員的道德風險、操作風險、法律風險，杜絕發生與客戶勾結的舞弊行為，也不能發生侵犯客戶隱私等其他違規違法行為。為此，還要設計一整套激勵處罰措施，在控制業務員不當行為的同時，激發他們的主觀能動性。因此，團隊管理難度較大，甚至有時會有一絲準軍事化的色彩。

　　IPC技術的引進，使得小微信貸系統化、流程化、標準化程度大幅提高，其服務的客群也可進一步下沉，從“小微企業貸款”（戶均在500萬元以內）向“微貸”（或稱“小小微”、“小本貸款”等）下沉，戶均低至幾十萬元甚至十幾萬元，并且能夠服務于無抵押品的客戶，進一步實現了普惠金融的應有之義。

　　2.2 案例分析：臺州銀行

　　臺州銀行總行位于浙江省臺州市，當地民營經濟活躍，中小微企業數量眾多，這些企業對金融服務有著旺盛的需求，這也是臺州當地涌現出好幾家小微專業銀行的“地利”。目前，臺州當地有臺州銀行、泰隆銀行、民泰銀行三家城商行，均從事中小微企業業務，世稱“臺州三寶”，然后還有一批農商行從事相似業務，此外，其他銀行的當地分行也會參與部分小微業務。

　　臺州銀行前身為成立于1988年的浙江黃巖路橋銀座金融服務社。當時的背景是國家為支持正在興起的中小企業，允許各地開辦城信社。銀座服務社在創始人陳小軍帶領下，定位于中小微企業，以審慎經營、靈活服務、高效獎罰等特點，迅速打開了市場。2002年，國家開始在城信社基礎上組建城商行，銀座城信社聯合其他8家城信社，組建了臺州市商業銀行，地方政府參股5%，為全國首家不由政府控股的城商行。2005年，引進IPC技術，客群定位進一步下沉。2010年，臺州市商業銀行更名為臺州銀行。目前，臺州銀行已完成布局省內全部地級市，并在省內及省外的深圳、北京、贛州、重慶開設有村鎮銀行。

　　截止2018年末，臺州銀行總資產1894億元，貸款總額1250億元，存款總額1483億元，2018年全年實現凈利潤46.82億元，是一家規模中等的城商行。但是，從盈利能力上看，其盈利水平非常突出，2018年的ROA為2.43%，歸母ROE達到30.07%，凈息差為5.24%，均居全行業前列。2018年末不良貸款率為0.63%，撥備覆蓋率達到397%，資產質量上乘，其他各項監管指標也不錯。臺州銀行單一客戶授信集中度為1.05%，前十大客戶為6.60%，全行人均管理資產規模為1700萬元（2016年末），在業內屬于極低水平，反映了該行中小微客戶定位。這一系列經營成果雄辯地反駁了業內某些“小微業務不賺錢”的悲觀論調。

　　我們將臺州銀行2018年ROA進行分解，并與A上市銀行合計水平進行比較，能夠明顯發現，其超額的ROA主要得益于資產端收益率高，而其中又是偏高的小微貸款收益率貢獻。然后，其費用水平也明顯高于行業，但完全可以由其收益來覆蓋。然后，我們發現其資產減值損失相比行業并不高，甚至是非常優秀，足可見這種以高費用支撐的人海戰術的風控效果是卓有成效的。因此，最后臺州銀行取得了顯著高于行業的ROA水平。

　　從臺州銀行的較高盈利水平、較高貸款收益率來看，這一細分領域競爭依然不夠充分，因為競爭會消滅超額利潤。雖然臺州市乃至浙江省銀行機構密集，但大部分銀行并未足夠下沉至中小微企業領域，致使長期耕耘于此的小微專業銀行有了獲取超額回報的空間。如果現在有其他銀行決定進入這一領域，可能仍然需要較長一段時間的能力建設，不可能一蹴而就，這種前期投入的高成本對新銀行的進入構成了很高門檻。但由于各種科技手段日新月異，也不排除有后發優勢，比如大數據技術。

　　三、鼠標：全自動的大數據技術

　　3.1 大數據征信原理

　　在大數據技術日益成熟后，銀行或其他放貸機構可實現全自動的大數據征信，可利用所掌握的信息，由事先編制的模型，自動完成授信決策。這一模式仍然基于信貸定價原理，即通過信息實現風險定價，但由于它借助新技術，能夠全自動完成海量審批，因此大幅節約了單客變動成本。但是，開發、建設、維護這一系統也較昂貴，因此固定成本較高，需要海量客戶來覆蓋固定成本，以便降低“固定成本/客戶數”。因此，使用大數據征信的機構，往往通過渠道等優勢，海量獲取客戶。

　　從原理上而言，大數據授信大體上依然是一個征信回歸模型。即，以過去的多個數據為自變量，或者以這些自變量間相互計算的中間變量為自變量，以最終的客戶是否違約為因變量，通過回歸分析尋找相關性。然后，找到顯著相關的自變量，再去基于這些自變量的現在數據，去預測客戶未來的還款情況。自變量的選擇，可以是憑經驗不斷去嘗試，但現在計算機技術進步之后，引進了機器學習等其他方法，自動尋找自變量，這種方式尋找出來的有些自變量具有相關性，結果有效，但不一定能夠得到邏輯解釋。

　　利用這些可以從數據中判斷信用水平的新技術，再加上充足的客戶量和數據量，便可使以合理成本實現授信成為了可能。并且，由于這種模式下單客業務成本極低，因此可進一步降低單客信貸規模，將服務覆蓋至更下沉的客群。

　　大約在2012年前后，部分掌握海量客戶和大數據的銀行和互聯網公司，開始嘗試利用這些數據進行線上授信與放貸，比如建設銀行、螞蟻小貸等。這主要是互聯網行業發展了多年后，其數據量積累到了可以在統計學上產生相關性并用于構建征信模型的地步。

　　2015年，國家放開新民營銀行組建，我國互聯網巨頭騰訊、阿里巴巴開始開辦互聯網銀行，專門從事完全基于大數據征信的線上放貸。截止目前，我國共有三家互聯網銀行，深圳前海微眾銀行、浙江網商銀行和四川新網銀行，此外也有傳統銀行、直銷銀行（如百信銀行）等從事大數據授信業務，該模式的運用日趨成熟。

　　3.2 更可復制的陌生人模式

　　由于微眾銀行、網商銀行的核心優勢是自己關聯方（即互聯網巨頭騰訊、阿里巴巴）掌握的大數據，再加上部分外部數據，以及優異的大數據征信技術，從而取得了較好效果。但是，它們所擁有的大數據資源具有不可復制性，基于這些大數據，本身已對客戶具有很強的信息優勢，是“專有數據模式”，因此，其優勢難以復制推廣。某些供應鏈金融基于自身核心企業掌握的數據來開展信貸業務，也可以歸入這一模式，無法復制。

　　我們將我國第三家互聯網銀行新網銀行的模式作為樣本，它們的模式是，當一位陌生客戶來申請貸款時，便從互聯網上采集公開數據或授權獲取客戶的非公開數據，進行大數據授信。這一模式可以稱為“陌生人模式”，相比起專有數據模式，陌生人模式更加比拼數據獲取能力和大數據征信能力，如若運用成熟，也更具推廣價值。我國有不少傳統銀行也在從事基本線上化的放貸服務，也可以認為是陌生人模式，因為這些銀行事先掌握客戶的數據也不多。當然，對于從事線上放貸的傳統銀行、互聯網銀行，它們在力所能及的情況下，也會適當配合以線下服務，比如大型銀行的部分主要基于線上授信的產品，線下業務員也會實地訪問。

　　這一模式可復制性較強，如果技術成熟，可以更好推廣，讓服務惠及更多基層客群。但長期來看，可能有不確定性。主要是，這類銀行不掌握專有數據，各家采集的數據較為雷同，比如針對個人采集的是征信、社保等數據，針對企業客戶采集的是征信、工商、稅務、司法等數據，政府為推動普惠金融，也在努力地提高這些數據的可得性，不同銀行之間很難在數據源上形成差異，只能比拼大數據征信技術。如果大數據征信技術也不能形成差異（很多技術也可向市場的專業服務商購買），那么最后只能拼價格，拼價格的話那自然是資金成本優勢的大型銀行將市場通吃。因此，這一模式無法在數據上形成門檻，差異化主要體現在更高的大數據征信水平，而如果將來技術擴散，做出差異化優勢的難度就更大。

　　3.3 案例分析：新網銀行

　　四川新網銀行于2016年6獲銀監會批準籌建，于2016年12月正式開業，由新希望集團、小米、紅旗連鎖等股東發起設立，注冊資本30億元。新網銀行是我國第三家互聯網銀行，運用先進的金融科技能力、大數據風控技術和開放運營平臺，服務于小微企業和消費者群體。

　　開業后，新網銀行實施單品戰略，推出云貸款產品“好人貸”，客戶只需要在新網銀行的官方微信公共號上用手機號完成注冊，然后完成身份證核驗、人臉識別、補充其他信息后，3分鐘內即可完成授信額度審批。該產品與其他很多線上普惠貸款一樣，按日計息，隨借隨還，最長可分期5年，最高額度可達50萬元。

　　截止2018年末，新網銀行總資產362億元，貸款總額257億元，存款總額136億元。此外，新網銀行還通過與其他銀行聯合放貸的方式給客戶提供貸款，表外還會有一定規模的管理貸款。2018年，新網銀行實現營業收入13.35億元，凈利潤3.68億元，成立后第二個完整會計年度即實現了盈利。2018年凈息差為4.30%，ROA為1.40%，ROE為12.3%，ROA已經高于行業水平。2018年末不良貸款率為0.39%，撥備覆蓋率693%。但由于成立后運營年限不長，這些經營指標可能未來還會有所變化。根據2019年最新數據，新網銀行已經為全國超過2180萬用戶提供服務，累計放款超過2100億元，人均借款金額3300元。

　　以“陌生人模式”在線放貸的核心，是從申請的各色人等中排除高風險、欺詐人群，需要以盡可能低的成本采集足以進行判斷的數據，完成決策。新網銀行借助自主研發的大數據挖掘體系、信用風險決策模型、反欺詐系統等，實現在線批量審批。首先在客戶授權的基礎上，通過多維數據為客戶實現“畫像”，然后用包含上千個風險因子的模型判斷其違約率，全過程基本上自動完成。并且，該模型體系還會不停迭代完善。運行2年多來效果良好，也初步驗證了陌生人模式的有效性。不過由于資本限制，新網銀行進一步擴張的空間有限。

　　從ROA分解來看，新網銀行也是依靠較高的資產收益率取勝，且收益水平超過行業更多。但其利息支出、費用、資產減值損失均高于行業水平，因此ROA超出行業水平的程度并不多。其中，利息支出/平均資產偏高，是因為作為一家互聯網銀行，沒有辦法像傳統銀行那樣有效吸收一般存款，因此負債成本偏高。隨著未來新網銀行業務再擴大，這些指標可能還會有所改變，目前還不能視為穩態，但已經驗證證明了該模型的效果。

　　四、A股案例：常熟銀行

　　目前，國內大部分銀行多或少都有一定比例的小微業務，但A股上市銀行中，較具小微信貸業務特色的銀行是常熟銀行。因此，我們重點介紹常熟銀行的模式。更為詳細的個股分析請參見我們的常熟銀行個股報告《常熟銀行：聚焦小微有望提升中長期ROE》（2018年10月11日）。

　　4.1 基本情況

　　常熟市屬于江蘇省蘇州市，是著名的江蘇四小龍之一，經濟高度發達。但是，該地經濟結構與周邊典型的蘇南模式（在鄉鎮企業基礎上通過股份制改造產生較大規模的企業）略有區別，商品市場、個體工商戶、小微企業明顯比其他蘇南地區活躍，草根經濟活動非常發達。因此，此地較周邊蘇南地區更具備開展小微業務的“地利”。

　　常熟銀行前身是當地農信社，2001年由常熟市農村信用合作聯社改制而來，是全國首批組建的農商行。和大部分農商行一樣，其傳統業務中也有很大比例本身就屬于小微信貸范疇。2009年，常熟銀行設立小微金融總部，專門開展小微業務，客群進一步下沉。小微金融總部經過幾年探索后，效果較好，因此于2017年全行全面確立了對小微企業、個體工商戶、三農的戰略定位，致力于成為一家現代化零售銀行。

　　2009年之后的這段探索時期，常熟銀行在傳統農商行小微經驗基礎上，博采眾長，而此時業內的傳統人海戰術、IPC技術、信貸工廠已較成熟，金融科技也開始應用，因此起點較高，選擇適合于自己的發展方式。經過幾年探索，最終常熟銀行選擇了信貸工廠路徑，其實質是兩種典型模式、多種現代方法的有機結合。

　　這一模式的前端主要參考人海戰術，由大量的業務員深入街頭村尾，拓展并服務客戶，借鑒傳統的人海戰術或IPC的小微信貸方法，采集客戶的各種軟硬信息，以供決策參考。然后，這些信息形成標準化模板，輸入到流程系統中，后臺由本專業審批官集中審批。業務員還會繼續負責貸后管理等。然后，常熟銀行也積極引進各種金融科技，包括大數據征信技術，推出了線上貸款產品。因此，常熟銀行發揮了后發優勢，其小微、零售業務基本上是博采眾長之后的集大成之作，很難歸入某種典型模式。

　　4.2 未來盈利水平的提升

　　常熟銀行的小微信貸占比較高。由于信貸產品種類較多，小微定義本身也標準眾多（小銀行自己的“對公”有些符合國家、行業標準的“小微”），因此橫向比較有些不便，我們采用簡單的統計口徑。截止2019年6月末，常熟銀行并表口徑貸款總額1035億元，其中單戶1000萬元以下的信貸（剔除個人消費類貸款）約475億元，占比接近一半；小微金融總部貸款總額282億元，占比27%，主要增長期開始于2014年，也就是其現有模式慢慢成熟后的幾年。

　　目前常熟銀行ROE與行業整體水平接近，ROA略高于行業，說明權益乘數低于行業。從ROA分解來看，與前面兩文兩家樣本銀行類似，也是靠資產收益率取勝。低杠桿是農商行的普遍現象，此其未來也難以通過加杠桿的方式提高ROE，更多的還是要依靠加大高收益小微業務投入，通過提高ROA來提升ROE。

　　我們認為隨著小微貸款占比提升，常熟銀行盈利能力仍將繼續提升并超過行業整體水平。我們的測算過程如下：

　　（1）收益率：考慮到數據披露口徑問題，我們假設所有的個人經營性貸款是常熟銀行競爭力最強的產品，其收益率按經驗能達到9%左右，這樣今年上半年其他貸款的收益率大約在5.8%左右，說明這個假設還是比較合理的。受競爭加劇影響，小微貸款收益率可能會下行，我們后面會對這一假設進行敏感性測試；

　　（2）業務成本：發放小微貸款的業務成本應該比其他業務高一些，但這樣不方便測算，我們換個思路。我們觀察到常熟銀行近幾年加大小微業務投入，但成本收入比并沒有明顯上升，說明小微條線的成本收入比與其他條線基本一致，我們假設其成本收入比為全行整體水平，即37%左右，這樣小微貸款的業務成本就是9%*37%=3.3%，而其他貸款的業務成本僅有2.1%；

　　（3）資金成本：我們假設小微貸款跟其他貸款業務資金成本一樣，并進一步假設其為整體融資成本，即2.4%；

　　（4）風險成本：目前全行不良貸款率大約1%左右，假設小微貸款的不良貸款率也是1%。我們觀察其他類似小微貸款做得比較多的銀行，比如臺州銀行、泰隆銀行等，其資產減值損失/貸款大致不到1%，說明這個假設是比較謹慎的。也就是說，通過加大人力和技術投入、以業務成本置換風險成本，至少可以將小微貸款的風險控制到跟其他貸款一樣好（優異者甚至更好）。

　　前述匡算下來，個人經營性貸款凈收益率比其他貸款高出約200bps。

　　近幾年常熟銀行個人經營性貸款（包括小微金融總部和各村鎮銀行發放的）占比不斷提升，目前占比已經達到33%，我們測算了個人經營性貸款提升到不同比例情況下，對ROE的影響。測算思路如下：前面提到個人經營性貸款凈收益率比其他貸款高出約200bps，因此每1%的貸款從其他貸款置換為個人經營性貸款，貸款凈收益率就提升2bps，合稅后1.5bps；常熟銀行的貸款大概占到總資產的一半左右，因此會提高ROA約0.75bps；我們進一步假設常熟銀行權益乘數不變（今年上半年數據受可轉債轉股影響而下降較多，我們使用2018年平均權益乘數，約12.8x），則ROE會提升10bps，即大約0.1個百分點。

　　如果我們假設常熟銀行未來個人經營性貸款占比提高到60%（以此作為中性情形），則其ROE將較當前高出2.6個百分點。由于常熟銀行2018年ROE跟行業接近，這意味著常熟銀行的超額ROE將達到2.6%，還是比較可觀的。

　　上述測算未考慮競爭加劇可能導致小微業務收益率下降的可能。由于大中型銀行以及新興民營銀行加入競爭，可能會導致小微業務的收益率比其他類型貸款的收益率下降更快。假設競爭加劇導致小微業務收益率比當前下降50/100bps兩種情形：

　　五、不同模式樣本的橫向比較

　　最后，我們將上述幾家樣本銀行及其相似的銀行的ROE杜邦分解表羅列在一起。其中，微眾銀行、新網銀行有較大比例的個人消費貸，但征信方法和線上個人經營貸類似；張家港行、蘇農銀行有一定比例的中型企業客戶，也有較好的小微業務。因此，橫向比較僅供參考，并不是暗示應當完全參照某一模式。同時，我們將上市銀行合計值作為行業的代表，用于對照。

　　從2018年ROE分解來看，大部分能夠看出來小微、零售業務的特征，即“高收益、高成本、高風險”，資產收益率高是普遍特征，負債成本率則大多高于行業。中間業務收入大部分低于行業，但三家互聯網銀行則明顯超過行業，來自聯合貸款、信貸資產證券化等業務，說明這種大數據征集技術可以有效對外輸出，在本行無加杠桿空間的情況下，進一步服務客戶、獲取回報。費用顯著超過行業，傳統人海戰術需要消耗費用，互聯網銀行的技術和數據投入同樣消耗費用。而最受人關注資產質量方面，大部分樣本銀行的資產減值損失僅略高于行業，說明風控效果較好。但臺州銀行、泰隆銀行的資產質量好于行業。當然，資產質量光用一年的資產減值數據可能說服力不足，我們可持續觀察。