當前，全國疫情防控形勢積極向好的態(tài)勢正在拓展，經濟社會發(fā)展加快恢復。中央政治局會議強調，“要加大對重點行業(yè)和中小企業(yè)幫扶力度，救助政策要精準落地，政策要跑在受困企業(yè)前面”。

過去幾周，包括個體工商戶在內的中小微企業(yè)受到了較大沖擊。面臨的主要風險是現金流斷裂，因為它們在業(yè)務大幅減少甚至停頓的同時，還得繼續(xù)承擔包括人工、租金和利息等開支。緩解現金流壓力，主要包括三種途徑：增加收入、降低開支、獲得外部融資。收入的增加取決于生產與生活秩序的恢復，降低開支則需要切實減少企業(yè)的經營成本，外部融資是化解中小微企業(yè)現金流斷裂風險的重要手段。正因此，國務院常務會議決定，增加再貸款、再貼現額度5000億元，重點用于中小銀行加大對中小微企業(yè)信貸支持。

把資金輸送到中小微企業(yè)，并不容易。一是獲客難，中小微企業(yè)規(guī)模小、數據少、地理位置分散，金融機構對這些企業(yè)了解不多。二是風控難。傳統(tǒng)銀行的風控模型要看歷史數據、抵押資產等，一些中小微企業(yè)沒有這方面的信息。數字技術的發(fā)展為解決上述兩大難題提供了新的思路。大科技平臺發(fā)揮長尾效應的優(yōu)勢，鏈接數以億計的企業(yè)與個人，有助于政府部門與金融機構摸清中小微企業(yè)的狀況并實時了解它們的變化。最近，北京大學數字金融研究中心就依據支付寶線下二維碼支付的數據，測算全國個體經營戶2018年的營業(yè)額為13.1萬億元，相當于這一年全國社會零售總額的34.4%。運用大數據掌握充分信息，可以克服信息不對稱的問題，打通金融支持中小微企業(yè)的“最后一公里”。

數字金融機構還可以利用機器學習的方法，以實時交易和行為特征等數據替代抵押資產，做信用風險評估。北京大學數字金融研究中心與國際清算銀行聯(lián)合研究分析中國網絡借貸數據，發(fā)現大數據風控模型在預測違約率方面優(yōu)于傳統(tǒng)銀行的模型，還可以迅速、大規(guī)模地開展業(yè)務。三家新型互聯(lián)網銀行每年分別可以發(fā)放約1000萬筆的小微或者個人貸款，其平均不良率保持在1.5%上下。

數字技術支持融資決策，使得金融機構能夠大規(guī)模地服務過去很難被傳統(tǒng)金融覆蓋的中小微企業(yè)，是一個世界水平的普惠金融創(chuàng)新。比如一家互聯(lián)網銀行小微企業(yè)貸款的“310”模式，三分鐘線上申請貸款，一秒鐘資金到賬，零人工干預。這一點在疫情防控期間尤其重要，因為不需要面對面簽約。一項調查顯示，50%的小微企業(yè)計劃向新型互聯(lián)網銀行申請貸款。傳統(tǒng)商業(yè)銀行也都在積極利用數字技術支持信貸決策。這都說明，數字技術可以幫助改變過去對中小微企業(yè)情況不了解、缺乏抓手的現象，精準施策，支持它們渡過難關、健康發(fā)展。

支持中小微企業(yè)，就是在保就業(yè)，就是在保穩(wěn)定。數字金融的實踐提供了一個重要啟示：通過大數據分析和機器學習，可以掌握中小微企業(yè)的經營狀況、信用記錄和未來前景，解決了給中小微企業(yè)貸款的風控難問題，從而有助于把黨中央支持中小企業(yè)的政策落到實處，切實在疫情沖擊中為企業(yè)雪中送炭。

（作者為北京大學國家發(fā)展研究院副院長、數字金融研究中心主任）