信息不对称这一现象早在70年代便受到三位美国经济学家的关注和研究,它为市场经济提供了一个新的视角。而最早研究这一现象的是阿克尔洛夫,他在1970年的哈佛大学经济学期刊上发表了《次品问题》一文,首次提出了“信息市场”概念。

该文章从司空见惯的二手车市场入手,即从旧车市场上，其发现了旧车市场由于买卖双方对车况信息掌握的不同而滋生的矛盾，即卖者知道车的真实质量，买者不知道，只知道车的平均质量，因而只愿意根据平均质量支付价格。但这样一来，质量高于平均水平的卖者就会退出交易，只有质量低的卖者进入市场，并最终导致旧车市场的逐渐衰落。

迈克尔•斯彭斯在其博士论文《劳动市场的信号》和论著《市场信号：雇佣过程中的信息传递》中则倾向于研究劳动力市场的信息不对称,他在研究中注意到，在劳动力市场存在着用人单位与应聘者之间的信息不对称情况,为了谋到一个较好的单位,应聘者往往从服装到毕业文凭挖空心思层层包装,使用人单位良莠难辨。

斯蒂格利茨则是在论文《竞争性保险市场的均衡：论不完全信息经济学》中将信息不对称这一理论应用到保险市场,他指出,由于被保险人与保险公司间信息的不对称,客观上造成一般车主在买过车险后疏于保养,使得保险公司赔不胜赔。其证明了掌握较少信息的一方可以对一项特定交易设立多项选择契约而获得对方更多的信息，即信息甄别理论。他们三人的理论构成了现代信息经济学的核心。

信息不对称在信贷领域表现非常突出，借款人一方对于自身的财务状况、经营状况、还款能力和还款意愿等有着较为全面的了解，借款人还可能会为了达成申请贷款的目的，隐瞒重要的申请信息或者修改重要信息，在申请贷款达成后，还有可能会将资金挪为他用，而信贷机构再怎么努力，也无法了解借款人的全部信息。这种信息劣势，使得信贷机构在发放贷款过程中的对借款人的信用评估可能与实际情况产生偏离，进而给信贷机构带来损失。信贷机构为了转移或弥补未来可能带来的损失，可能会采取要求借款人提供保证人、抵押等担保，或要求借款人提供保险等手段进行风险缓释。有些机构甚至为了规避信息不对称所带来的问题，直接拒绝与较难获得信息的客户进行信贷交易，这也是传统银行对小微企业信贷支持力度不够的主要原因。由于缺乏有效的信用甄别手段，有些信贷机构通常采取较高的准入策略，同时也催生了大量的“不认信用、只认抵押”的经营模式。

信贷机构在开展信贷业务的过程中，要解决信息不对称的这个问题，需要关注贷前、贷中、贷后等各个环节，加强信贷机构系统内部信息识别的技术手段，通过计算机网络和信息软件，对提交的申请信息进行加工、识别和运用，同时信贷审批、审核的岗位上应配制复合型的人才，能够熟知金融、掌握计算机技术、了解市场信息，与先进的信息识别手段有机结合，从而实现对信贷业务进行有效决策。

现代信贷配给理论认为，信贷配给是信贷机构作为贷款人基于利率价格、风险、利润等各方面的考察后，通过配给的方式实现与借款人之间的信贷交易。该理论强调信贷信息对称以及利率管理在信贷风险管理中所发挥的重要作用，其所揭示的信贷机构的信贷风险成因及风险防范措施对我国信贷市场的信息公开性要求及金融机构风险管理制度的建立有重要的借鉴意义。

信贷配给的原因在于信贷市场上的逆向选择效应和道德风险效应。逆向选择效应使得本来相互独立的贷款利率和贷款风险变得相互关联。而当银行提高利率时，低风险类型的企业退出市场（逆向选择行为），或者银行诱使借款人选择更高风险的项目（道德风险行为），从而使得银行的平均贷款风险增大。平均贷款风险增大会使得银行的期望收益下降。所以银行宁愿选择在相对低的利率水平上拒绝一部分贷款要求，也不愿意选择在高利率水平上满足所有借款人的申请，由此信贷配给就出现了。

信贷机构在具体信贷风险管理策略的选择上，可借鉴信贷配给理论所提供的思路和措施，通过信贷配给来优化信贷投向，降低信贷风险。

1、现代信贷配给理论指出，完全自由的信贷市场利率机制无法实现合理、优化的信贷配给，而只有在一定非价格干预条件下且基于商业银行自身的利率机制基础上的信贷配给才能提高配置效率、降低信贷风险。信贷机构出于防范风险的目的，不能仅仅考虑利润的最大化，还得考虑风险管理的措施。因此信贷机构应当通过同时决定利率和抵押品要求来监督管理借款者的风险，使用不同的信贷合约来作为一种自我选择机制，从而解决对借款企业的信贷配给。

2、根据经典信贷配给理论所述，银行由于信息不对称的作用，会根据自己内在的收益曲线来确定最优的贷款利率和贷款规模，所以银行自身会存在信贷配给缺口。可见，银行所开展的业务并不是面面俱到的，有时候会遗漏掉一些中小微企业。

因此，对于这个缺口的处理，就给了信贷机构更多的机会。信贷机构可以考虑关注中小微企业，充分掌握独立的中小微企业客户信息，以便于与客户建立良好的长期业务合作关系。创立与发展一系列机制灵活的中小金融信贷机制，使其成为中小微企业获得资金的有力支撑，建立长远利益的有效制度安排。

3、应以企业和个人征信系统为主干，扩充信贷机构以外的信用信息数据，进一步完善企业和个人征信系统，使企业和个人征信系统在改善信贷行为方面发挥主导作用；其次，推动第三方信用评级市场发展，促进内外部评级结果有效结合，从而更好地促进信息对称，防范风险。

篮子理论提出，为避免因资源汇集于单一主体而导致的集中度风险，应尽可能增加风险的承载主体数量，从而降低因单个风险事件而导致整体遭受损失的程度，达到资产组合优化和损失可预测的目的。换句话说，就是不要把所有鸡蛋放在同一个篮子里，避免因篮子出现问题导致全部鸡蛋的破碎。

篮子理论首先是作为一个金融投资理念被提出，用以降低投资风险，但它具有更广泛的适用性，可以用在其他风险管理领域。举个简单例子，“9.11”事件中，上千家公司和机构的重要数据随着世贸大厦一同葬身火海，有的公司就此消失，但有些公司却能在第二天就恢复业务，这源于有没有把鸡蛋放在不同篮子的区别。其实篮子理论的实质就是风险分散原则。

风险分散是指通过多样化的投资来分散和降低风险的方法。马柯维茨的资产组合管理理论认为，只要两种资产收益率的相关系数不为1，分散投资于两种资产就具有降低风险的作用。根据多样化投资分散风险的原理，信贷机构的信贷业务应是全面的，不应过于集中于同一行业、同一业务、同一性质的借款人。多样化投资分散风险的风险管理策略前提条件是要有足够多的相互独立的投资形式。

目前，我国金融体系仍然以银行为主导，信贷业务作为银行核心业务成为商业银行收入的主要来源的同时，信贷风险也成为其面临的首要风险。那么信贷机构要想在这个大市场下分到一杯羹，就应充分利用好这种分散风险的原则，信贷风险管理理所当然成为信贷机构所从事全部业务和管理活动中一项最核心的内容和最基本的活动。信贷机构的信贷风险管理的核心应坚持盈利性、安全性和流动性三者之间协调统一，但这三者之间又存在着矛盾：盈利性越强，流动性和安全性则越弱；而流动性、安全性的提高，必然会导致盈利能力的降低。因此，处理好三者之间的关系——如何有效降低信贷机构风险，不断提高信贷机构的盈利能力和安全性，就成了信贷机构风险管理实践和理论发展的永恒课题。

由于信贷机构要面对信息不对称风险和企业的贷款违约风险等问题，所以经营小微企业信贷的成本很高，通过将同等数量的信贷资产投放到更多的借款人身上，实现资产多样化配置，既可以降低整体遭受损失的严重程度，又可以降低对单个借款主体的经营成本。如商业银行原有的小微信贷客户中往往在制造行业客户占比较高，很多人认为制造行业客户“看得见，摸得着”，违约成本高，信贷资产配置喜欢向制造行业的客户倾斜，将过多的“鸡蛋”放在“制造行业”这只“篮子”里。但近几年随着劳动力成本提高、汇率上升、工人工资增加及国家相关政策的规范，制造行业小微客户生存状态举步维艰，不良资产逐渐增多，因此信贷机构应该战略性地在资产结构上进行调整，发展商贸业、服务业、科技创新和文化创意产业等信贷客户，逐步降低对制造行业的资产配置比例，达到分散风险的目的。

大数定律又称大数法则、大数律，是个数学与统计学的概念，意指数量越多，则其平均值就越趋近期望值。人们发现，在重复试验中，随着试验次数的增加，事件发生的频率趋于一个稳定值；人们同时也发现，在对物理量的测量实践中，测定值的算术平均也具有稳定性。切比雪夫定理的一个特殊情况、辛钦定理和伯努利大数定理都概括了这一现象，都称为大数定律。简而言之，大数定律是指当样品足够多时，事件发生的频率无限接近于该事件发生的概率。

在现实中，零售银行的商业运营通常是以大数据定律为理论依据，并且这对信贷业务在中小微企业的实际应用中同样有效。

信贷机构在开展小微企业信贷业务前，可通过运用大数定律理论预先测算出同一集群客户的预期损失结果概率，然后在实际开展过程中通过合理的产品设计、过硬的风险控制技术、足够的客户数量，将最终的实际风险损失控制在理论预期损失水平之内，实现总体上的盈利。

现代社会是一个互联网时代，信贷机构应在利用互联网信用信息方面与互联网平台、社交网络、供应链、产业链开展合作，进行数据和信息的共享和利用，全面整合客户有效信息，最终实现金融服务与移动网络、电子商务、社交网络等完美融合。同时可以与核心企业、电商平台、物流机构和数据供应商形成异业联合会，则这个联合会内的各个参与主体都可以获取各环节的供应链信息和数据，这无疑会大幅降低小微贷款操作成本。在构建数据联盟的过程中，信贷机构不但可以拥有大量的客户数据和交易数据，同时也可在信用数据分析方面积累大量的实务经验。

博弈理论是指研究多个个体或团队之间在特定条件制约下的对局中利用相关方的策略，即研究对策项目中，项目的参与各方是否存在最合理、最佳的行动方案，以及如何找到最佳的行动方案的理论和方法。在生活中，只要有互动存在，就有博弈；只要有竞争存在，就有博弈。

企业与银行之间发生信贷关系实际上是一种动态的博弈过程，借贷的双方就是这场博弈的参与者。信贷业务参与的双方在同一条件下，面对相同的规则，均会选择并实施可行的策略，以期望实现自身利益最大化。但由于银行无法全面了解借款人的信息而处于信息不对称的地位，且银行作出决策的行为必定早于借款人还款决策的行为发生，这些都导致了银行与借款人之间的博弈是一种信息不对称的动态博弈。信贷机构与借款人之间的这种动态博弈，注定是一个严峻的策略选择。因此，在信息不对称中信贷机构只有全面、真实的了解借款人的情况，才能更好的做出信贷决策，在博弈中取得胜利。

总的来看，银企博弈可能会出现四种结果：

因此，银行等信贷机构在与借款人进行博弈中为维护自己的收益，必须确保博弈结果是信贷机构自身能够盈利或者保本，也就是，要么提高风险控制能力，获取更多的借款人信息以减轻信息不对称问题，确保还款，要么通过实施风险转嫁机制，在借款人赖账后信贷机构可进行追偿以获取补偿收益。

在银企博弈中，外部环境会对双方博弈产生重大的影响，其中最重要的就是良好的社会信用环境和强有力的法律约束机制。

关于什么是大数据，业内尚未形成一致意见，一般认为，大数据（big data），是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着计算机、互联网、云计算等技术的发展，人类已经进入信息大爆炸的时代，每天都会产生大量各种各样的信息。

2011年，麦肯锡公司发布了《大数据：创新、竞争和生产力的下一个前沿》一文，文中称“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产要素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”人们逐渐认识到大数据的重要性，越来越多的企业投入到大数据的开发和应用中来。金融行业是大数据应用非常广泛的一个行业，尤其是在信用卡领域应用已经比较成熟。

大数据风控是近几年兴起的一个概念，一般是指通过运用大数据构建模型的方法对借款人进行风险控制和风险提示。传统的风控技术，多由各机构自己的风控团队，以人工的方式进行经验控制。但随着互联网技术的不断发展，整个社会大力提速，传统的风控方式已逐渐不能支撑机构的业务扩展；而大数据风控对大量的、多维度的信息的智能处理，批量标准化的执行流程，更能贴合信息发展时代风控业务的发展要求；越来越激烈的行业竞争，也正是现今大数据风控如此火热的重要原因。

目前，很多信贷机构依托互联网的优势，通过自行采集信息或者与大数据公司合作，对客户信息的采集早已突破了传统授信业务中资产、收入、负债等传统信息，会对客户的消费行为及消费能力、兴趣偏好等进行综合分析和判断。通过各种设备、网络或者借助大数据公司，收集到的客户信息更多元、维度更广，为减少线下调查环节提供了可能性，也是重要的交叉检验渠道，可以在一定程度上提高风险管理的效率。

应当说，大数据也不能包治百病，目前大数据风控仅在少数公司和领域如阿里、京东等机构、信用卡领域扥等有比较成熟的应用，大多数信贷机构目前也仅仅是通过和大数据公司合作的方式，将大数据应用在反欺诈、信用评估、贷后监测等方面，对多数机构和信贷产品而言，大数据仅仅是对线下调查的完善和补充，尚无法完全取代线下调查，但是，随着社会的发展和科技的进步，笔者相信大数据在信贷风险管理领域的应用将会越来越广。