胡吉亚 胡海峰 ｜ 信贷配置、融资能力与制造业高端化

摘要

我国制造业的融资能力目前多取决于公司规模、公司性质、盈利能力和持续经营能力。总体来说，国有企业、上市公司、高新技术龙头企业和跨国公司的融资能力较强，信贷配置比重较高。实证结果也部分印证了这一现象。实践中，我国银行信贷仍然存在信贷期限不合理、信贷结构不合理、信贷配置失衡和与制造业高端化匹配度欠佳等问题，不利于我国制造业的创新研发与高端化发展。鉴于我国银行信贷配置和制造业高端化现状，建议从信息库建设、创新信贷产品、落实信贷政策和提高科技信贷配比四个方面着手，优化信贷资金支持制造业高端化路径。

作者简介

胡吉亚，中国社会科学院大学经济研究所副研究员；胡海峰，北京师范大学经济与工商管理学院教授 

本文载于《社会科学》2022年第5期

目  录

一、引 言

二、信贷配置、融资能力与制造业高端化现状分析

三、信贷配置对制造业高端化发展影响的实证研究

四、银行信贷支持制造业高端化问题分析

五、信贷资金支持制造业高端化优化路径

一、引 言

制造业是实体经济的脊梁，在国际时局多变，新冠肺炎疫情肆虐，反华势力抬头的宏观大背景下，加快振兴民族工业，积极研发核心技术，尽早实现制造业高端化是促进我国经济稳步发展的不二选择。

目前我国制造业总体上尚处于产业链低端环节，大量出口货物仍是初加工产品，技术含量不高，产品附加值较低。2021年，制造业增加值增长9.8%，制造业增加值占GDP比重达到27.4%，制造业增加值规模达到31.4万亿元。 2021年1-8月，机械行业增加值同比增长16.2%，高于同期全国工业3.1个百分点； 2021年9月，受车用芯片供应短缺等不利因素影响，我国汽车产销分别完成207.7万辆和206.7万辆，同比分别下降17.9%和19.6%。新能源汽车产销分别完成35.3万辆和35.7万辆，同比均增长1.5倍。 2021年1—9月，规模以上电子信息制造业增加值同比增长16.8%，9月份，规模以上电子信息制造业实现出口交货值同比增长17.2%。自2021年7月以来，粗钢产量连续3月保持同比下降。钢材产量10195万吨，同比下降14.8%。

由此可见，我国制造业各行业间发展情况迥异，总体趋势是向着创新型、技术型和信息化方向发展。而正是由于各产业间发展参差不齐，产业内部各企业之间的发展阶段也存在差异，因此，在我国制造业融资过程中始终存在融资能力差异，对于以“安全性”为第一经营原则的银行体系而言，信贷资金的倾斜度也随之不同。银行信贷配置、企业融资能力对于推进我国制造业快速发展，在全球产业链中抢占“链长”位置有何影响？与制造业高端化之间相互关系如何？这两个问题将是本文研究的核心内容。

二、信贷配置、融资能力

与制造业高端化现状分析

长期以来，我国制造业在国际竞争中一直处于劣势地位，依靠成本优势赢得低端市场。在国际分工重塑、全球产业链创新升级的背景下，提升国内制造业核心竞争力，快速实现制造业高端化是振兴民族工业的必由之路。基于此，制造业必须转变粗放发展模式，向着集约、创新、研发、转型、升级、智能的方向发展，这个过程需要大量资本的投入与支持，制造业融资能力和融资效率决定了制造业高端化的速度和广度。

（一）制造业高端化现状

目前我国正处在从数量扩张向质量提升转型的关键阶段，新一轮的科技革命为我国制造业发挥后发优势提供了契机，在“十三五”期间，我国在制造业核心技术领域研发并投入使用八千多套设备，专利申请量超过三千项。全国技术市场成交合同金额从2014年的8577.18亿元，到2017年的13424.22亿元，再到2020年的28251.51亿元，其中，以工商业发展为经济目标的全国技术市场成交合同金额从2014年的759.22亿元，到2017年的1924.66亿元，再到2020年的4223.89亿元。初步实现我国制造业的换道超车，跨越发展。

然而，不容否认的是，我国制造业仍未彻底摆脱低端化发展的桎梏，在制造业中，各细分产业的发展程度不同，发展速度迥异，以技术市场成交金额为例（见表1），有的产业在7年间实现了突破性增长，而有的产业则一直不温不火，进展速度较慢。

进出口产品的总额与类别也能够从一个侧面反映出我国制造业高端化的现状。根据国家统计局数据，2000年我国进出口贸易中，工业制品顺差453亿美元，初级产品逆差212亿美元；2010年我国工业制品顺差5339亿美元，其中，高端化产品逆差1945亿美元。2020年我国工业制品顺差10952亿美元，高新技术产品逆差942亿美元。就高新技术产品的国际贸易逆差而言，2005年为206亿美元，2010年为797亿美元，2020年为942亿美元。由此可以看出，我国制造业高端化尚有较大的提升空间。

（二）制造业融资能力与融资需求

从实际情况来看，我国制造业的融资能力多取决于公司规模、公司性质、盈利能力和持续经营能力。总体来说，国有企业、上市公司、高新技术龙头企业和跨国公司的融资能力较强，中小微企业的融资能力欠佳，虽然近年来政府政策和银行信贷都对中小微企业有所倾斜，但是，资金供求失衡现状仍未从根本上改观。

未来十五年是我国实现“制造强国”和“科技强国”的攻坚期和关键期，尽快实现产业升级和研发创新是抢占未来国际市场和技术制高点的现实路径。我国制造业高端化的战略目标是十五年后，我国制造业大部分实现智能化，无论是家用制造业产品、交通工具，还是生产用的机械设备，包括军用海、陆、空各种装备，都将进行至少一轮的智能化升级。智联网、物联网、数字化等技术将全面深度应用在制造业的各个领域。

“十四五”时期，我国制造业中的核心产业都进行了长期规划，其中，信息技术产业着力于基础设施建设，接轨全球网络空间命运共同体，加强国家信息网络安全建设。生物医药产业主攻新药、器械研发和治疗技术创新，生命工程与中医药领域核心课题攻关，增强国内自主研发能力。高端装备制造产业主要以高档数控机床、航空海洋军工装备、智能装备升级为发展重点。新能源汽车产业将发展重点定位在关键零部件自主研发、基础工艺提升和电池续航等核心技术突破等环节，闭环整车制造工艺，提升国内车企核心竞争力。由此可见，我国制造业高端化仍需要大量的研发创新和资金投入。

近年来我国制造业高端化发展的过程中，研发领域的资金需求几乎是按照每年10%左右的速度增长，未来十五年是我国制造业高端化的快速推进期，制造业研发创新领域的资金需求或有增加，2020年我国大中型高技术产业（制造业）的R&D经费支出3728.6亿元，加上新产品开发经费支出4945.4亿元，共计8674亿元，按照年均增长10%—15%计算，仅“十四五”期间制造业高端化至少需要资金58251.10亿元至67255.86亿元，如果算上小微企业研发支出和产品开发支出，所需资金总量还需要进一步增长。

（三）银行体系信贷配置

我国金融体系以银行体系为主导，制造业高端化的巨额资金需求需要银行体系的大力支持。而我国银行体系又以工、农、中、建四大行为主体，四大行的贷款政策与信贷配置对制造业高端化进程具有重要的影响。

以中国工商银行为例，工行“法人网上信用贷款申请条件”是： （1）信用等级在AA-级（含）以上； （2）在我行核定年度授信额度； （3）企业网上银行证书版用户并已开通相应证书权限。 2020年工行公司类贷款总额为111027亿元，占总贷款额的59.6%，其中，短期公司类贷款与中长期公司类贷款占比分别为23.8%和76.2%。中国建设银行贷款额度一般客户单户贷款金额不超过200万元；企业主为私人银行客户的，最高不超过1000万元。贷款期限最长为9个月（含）无需担保，纯信用贷款。另外，针对“有业、有责、有信”的小微企业客户，创业期的小微企业客户，建行还推出小微企业“创业贷”业务，贷款额度最高100万元，循环额度有效期最长1年（含）。无需担保，纯信用贷款。

2020年中国工商银行信贷投向更加集中与明晰，全年向制造业发放的贷款总额为1.65万亿元，同比增加超过2000亿元，在增加的2000亿元中超过85%的贷款属于中长期，体现了工商银行支持制造业发展的决心。虽然工商银行明确“突出支持新一代信息技术、高端装备等制造业新兴领域优质客户和优质项目”，但是，从2020年工行最大十家单一客户的情况来看，前十大客户中有六家属于交通运输、仓储和邮政业，有三家属于金融业，另有一家为电力、热力、燃气及水生产和供应业。

2020年，中国建设银行根据国家产业发展战略调整了贷款配比，战略性新兴产业贷款余额6155.20亿元，增幅15.36%，产能过剩行业贷款余额1085.46亿元，较上年减少60.50亿元。并且，根据产业链建设与重塑的需求，共向3693个产业链投放了超过5000亿元的银行信贷。与工行类似，2020年中国建设银行前十大单一借款人中有六家属于交通运输、仓储和邮政业，有两家属于电力、热力、燃气及水生产和供应业，另有一家为金融业，一家为租赁和商务服务业。值得指出的是，按行业划分的不良贷款情况中，2020年建行制造业的不良贷款比率为6.03%，仅次于石油和天然气开采业，远远高于其他行业。

三、信贷配置对制造业

高端化发展影响的实证研究

《中国制造2025》规划明确指出，要“推动产业迈向高端，坚持创新驱动、智能转型，加快从制造大国向制造强国转变”，并预计20年后制造业水平达到世界领先地位。制造业高端化需要大量的信贷资金支持，信贷资金的数量、结构与期限对于制造业高端化发展的推动作用如何，需要实证研究来检验。

（一）样本选择及数据来源

首先，在制造业中随机选择370家上市公司，其中，包括传统产业中的金属业35家、化学制品制造业35家、纺织业36家和石油、煤炭等燃料业16家；战略性新兴产业中的新材料产业37家、新能源产业36家、新一代信息技术产业35家、生物医药产业35家、节能环保产业35家、新能源汽车产业35家和高端装备制造产业35家。

再以下列标准进行二次筛选： （1）剔除已经ST和ST*的样本； （2）剔除部分财务指标缺失的样本； （3）平衡样本公司的产业分布； （4）平衡样本公司的区域分布。

最终选定338家上市公司作为实证研究样本，实证所用数据全部来源于338家上市公司官网2016—2021年A股年报中的资产负债表、现金流量表、损益表以及报表附注中的数据。

（二）指标设计及变量描述

产业高端化是制造业发展的战略方向，尚未有科学的定义和确定的衡量指标。但是，不管学者们如何定义，产业高端化至少应包括产业生产率的提升与创新能力的增强。因此，本文选用“全要素生产率”和“创新能力”作为被解释变量代表产业高端化的程度，其中，“全要素生产率”指标的测算参照柯布道格拉斯函数，Yit＝AitLαitKβit，其中，Y表示样本企业的产出，用净利润的数值代表；L为样本企业的劳动投入，用研发人员占员工总数的比例代表；K为资本投入，用样本企业的研发资金投入数值代表；A为企业发展中不能被要素投入解释的部分，也即全要素生产率TFP。

“创新能力”一般以“创新成果”和“研发投入”作为衡量指标。但是，在实践中，创新成果的转化需要漫长的过程和无数次的失败，最终的成果也只能代表一部分的创新能力，那些尚在“研发中”和“半成品”阶段的创新并不能很好地得以体现，因此，本文选择“研发投入”作为“创新能力”的衡量指标。

产业的融资能力即为产业内企业的融资能力。企业的信贷融资能力主要体现在企业规模、企业当前盈利能力、企业未来发展潜力三个方面。虽然国有企业更容易获得贷款，但是随着银行体系监管机制的健全，银行信贷将更多根据科学的指标体系进行配置。本文选择“样本企业总市值”代表企业规模、“企业净利润”代表企业盈利能力、“企业无形资产”代表企业未来发展潜力，统筹考察企业的信贷融资能力与信贷融资绩效。

银行的信贷配置主要包括信贷总额、信贷结构和信贷期限三个方面，本文信贷总额为“企业短期贷款总额加长期贷款总额”，信贷结构以“信用贷款占总贷款比例”表示，信贷期限以“短期贷款占总贷款比例”表示。指标设计如表2所示。

将338家样本公司连续6年的面板数据代入STATA15.计量软件分析，可得变量分析结果如表3所示。

338家样本企业连续6年的面板数据共计2028个观测值，其中，全要素生产率TFP变量与创新能力IA变量为被解释变量，其余变量为解释变量，变量选择具有连续性，并适度考虑到了区域分布的合理性。

（三）模型构建及实证结果

实证研究选择固定效应模型，以全要素生产率TFP变量与创新能力IA变量为被解释变量，构建模型如下：

TFPi,y＝β0＋β1*DTi,y＋β2*JGi,y＋β3*QXi,y＋β4*SZi,y＋β5*YLi,y＋β6*QLi,y＋εi,y （式1）

IAi,y=β0＋β1*DTi,y＋β2*JGi,y＋β3*QXi,y＋β4*SZi,y＋β5*YLi,y＋β6*QLi,y＋εi,y （式2）

上式中，i代表样本公司，y代表年份，β0是常数项，εi,y代表随机误差。

先将338家样本公司的面板数据代入式1，用STATA15.计量软件进行实证分析，可以得到实证结果1如表4所示。

表4中针对参数联合检验的F值和P值，分别为2.15和0.0000，表明参数整体上相当显著。由Coef.和P>|t|值可知，信贷结构JG变量、企业规模SZ变量、企业盈利能力YL变量与被解释变量TFP呈显著正相关关系。企业发展潜力QL变量与被解释变量TFP呈负相关关系，信贷总额DT变量、信贷期限QX变量与被解释变量TFP不相关。

再将338家样本公司的面板数据代入式2，用STATA15.计量软件进行实证分析，可以得到实证结果2如表5所示。

表5中针对参数联合检验的F值和P值，分别为4.18和0.0000，表明参数整体上相当显著。由Coef.和P>|t|值可知，信贷总额DT变量、企业发展潜力QL变量与被解释变量IA呈显著正相关关系，信贷期限QX变量、企业规模SZ变量、企业盈利能力YL变量与被解释变量IA呈显著负相关关系，信贷结构JG变量与被解释变量IA不相关。 

（四）多重共线性检验

将实证研究中的信贷总额DT变量、企业发展潜力QL变量、信贷期限QX变量、企业规模SZ变量、企业盈利能力YL变量和信贷结构JG变量进行标准化处理，用STATA15.计量软件进行多重共线性检验，结果见表6。

由表6可知，解释变量的VIF值均小于10，且Prob>chi2=0.0000，因此，本文实证研究结论具有稳健性。

四、银行信贷

支持制造业高端化问题分析

银行体系对于实体经济的支持一直呈稳步增长态势。银行体系的支持在一定程度上推进了制造业的发展，但是，研究显示，我国银行信贷仍然存在期限、结构不合理、信贷配置失衡和与制造业高端化匹配度欠佳等问题。

（一）信贷期限失衡不利于制造业经营绩效提升

由实证结果可知，信贷结构JG变量、企业规模SZ变量、企业盈利能力YL变量与被解释变量全要素生产率TFP呈显著正相关关系，企业发展潜力QL变量与被解释变量TFP呈负相关关系。

一般而言，规模较大的企业经营管理能力、市场拓展能力与定价能力都较强，特别是市场份额占有率高、盈利能力强的企业生产效率一般都会高于产业生产效率的平均水平，实证研究从定量的角度印证了这一点，SZ变量、YL变量与被解释变量TFP呈显著正相关关系。信贷结构是指信用贷款占总贷款的比例，体现银行体系对于产业的信任度与认可度，由于本文选择的样本企业都是上市企业，因此，获得信用贷款的额度尚可，能够在一定程度上支持企业生产效率的提高。

然而，实证结果显示信贷总额DT变量与被解释变量TFP不相关，主要原因是从信贷资金总量上来看，银行体系对于制造业，特别是战略性新兴产业的支持力度依然不足，战略性新兴产业的主要资金来源仍然是资本市场，见图3。

最重要的是，从样本企业的年报数据上来看，目前银行体系对于制造业的贷款仍以短期贷款为主，短期贷款在维护银行体系的安全性方面确实有优势，有利于银行评估和控制风险，但是，对致力于高端化的产业和企业而言，短期贷款的缺点尤为明显：一方面，短期贷款加大了企业财务风险，增加了企业破产的可能性；另一方面，短期贷款不利于企业运营的长期规划，也不满足企业技术研发对于长期稳定资金的需求。因此，实证结果显示信贷期限QX变量与被解释变量TFP不相关。

（二）信贷结构错配不利于制造业创新发展

信贷总额的逐年增长以及企业发展潜力的提升确实对于产业创新具有助推作用，因此，信贷总额DT变量、企业发展潜力QL变量与被解释变量创新能力IA呈显著正相关关系。

当前我国正从“制造大国”向“智造强国”迈进，制造业高端化要求产业发展加强技术创新研发。企业规模并不是企业创新能力的唯一衡量标准，并且，大型国企制度陈旧、部分规模较大的企业由于管理混乱等问题反而会影响企业的创新发展。盈利能力亦是如此，盈利能力主要受企业市场拓展能力、市场占有率和产品性质的影响，盈利能力强的企业往往将发展重心放在市场部门而不是研发部门，因此，实证显示企业规模SZ变量、企业盈利能力YL变量与被解释变量IA呈显著负相关关系。

信贷期限QX变量与被解释变量TFP不相关，与被解释变量IA呈显著负相关关系，表明目前银行信贷期限结构不合理，已经严重阻碍了制造业创新发展，从表7可以看出，我国制造业高端化进程正在稳步推进，各细分产业都不同程度上加快了技术创新的步伐。2020年，我国高技术制造业研发经费4649.1亿元，同比提高0.26个百分点；装备制造业研发经费9130.3亿元，同比提高0.15个百分点。制造业研发创新和高端化发展需要长期稳定现金流的支持，而从样本企业获得的银行贷款期限来看，大多为短期贷款，资金供需期限严重失衡，因此，实证结果显示信贷期限QX变量与被解释变量IA负相关。此外，当前我国制造业的银行信贷多为担保贷款和抵押贷款，信用贷款占比较少，所以，实证结果显示信贷结构JG变量与被解释变量IA不相关。 

（三）信贷投向存在偏好惯性

分析七大战略性新兴产业和五大传统制造产业的信贷配置结构可以看出，无论是短期贷款还是长期贷款，传统制造业获得的银行信贷总额都要高于新兴制造业信贷总额，说明银行信贷对于新兴制造业的关注度和倾斜力度仍不够高。

先以短期信用借款为例，根据338家样本企业数据，企业年均获得短期信用借款最多的是纺织产业，其次是石油、煤炭等燃料加工产业，再次是金属产业，而获得短期信用借款最少的是生物医药产业，其次是新材料产业和新能源产业，见图4 （左）。另外，七大战略性新兴产业和五大传统制造产业中获得短期担保贷款和短期抵押贷款总额最高的也是纺织产业，其次是纸制品，第三是金属产业，而获得短期担保贷款和短期抵押贷款总额最少的三个产业分别是生物医药产业、新材料产业和高端装备制造产业。

获得长期信用借款最多的三个产业分别是纺织产业、石油、煤炭等燃料加工产业和新能源产业，而获得长期信用借款最少的三个产业分别是生物医药产业、纸制品产业和新材料产业，见图4（右）。从长期贷款的总数值来看，五大传统制造产业和七大战略性新兴产业平均每个产业获得长期贷款总额的比例是2.24∶1。由此可见，无论是短期贷款还是长期贷款，银行体系都更倾向于传统制造产业，对于战略性新兴产业的支持力度有待提高。因此，实证结果显示信贷结构JG变量与被解释变量创新能力IA不相关。

制造业固定资产投资也能从一个侧面佐证信贷配置失衡问题。2020年全年我国制造业固定资产负增长，其中，负增长超过15%的细分产业包括烟草制品业（－18.8%）、纺织服装业（－31.9%）、木材、草制品业（－18%）、家具制造业（－15.8%）、印刷业（－20.5%）、文教、体美用品（－26.8%）、化学纤维制造业（－19.4%）、金属制品、机械（－31.3%）和汽车制造业（－12.4%）。受国际大环境和疫情的影响，制造业普遍低迷，但是也有逆势增长的产业，例如，医药制造业固定资产投资增长28.4%、黑色金属冶炼业增长26.5%、计算机、通信和其他电子业增长12.5%。可见，制造业固定资产增长率与信贷投向趋势并不一致。

（四）信贷配置与制造业高端化匹配度欠佳

基于安全性考虑和贷款方向惯性，银行信贷多投向国有企业和大型企业，见图5。从样本企业年均各指标数值上看，七大战略性新兴产业的短期贷款、长期贷款和信用贷款基本上都与企业规模呈现同方向变动规律，而五个传统制造产业的各类贷款情况并未与企业规模挂钩。

按登记注册类型来看，不同类型的企业创新研发的能力有所不同，如表8所示，股份有限公司和私营企业在新产品开发方面居于遥遥领先的位置，而国有企业的创新热情明显不足。而无论从银行信贷投向还是从银行信贷期限来看，银行信贷资金仍存在企业性质偏好，对于私营企业等创新能力较强的企业支持力度不够。因此，实证结果显示信贷期限QX变量、企业规模SZ变量与被解释变量IA呈显著负相关关系，而信贷结构JG变量与被解释变量创新能力IA不相关。

五、信贷资金

支持制造业高端化优化路径

鉴于我国银行信贷配置和制造业高端化现状，建议从信息库建设、创新信贷产品、落实信贷政策和提高科技信贷配比四个方面着手，优化信贷资金支持制造业高端化路径。

（一）加强制造业信息库建设，平衡信贷期限

银行信贷结构和期限配置失衡的主要原因是信息不对称。由于新兴制造业研发成本高，产业升级与转型动力强，市场拓展尚处于初期阶段，资金回笼速度较慢，因此，新兴制造业在担保贷款和抵押贷款方面的竞争力不强，正因为此，银行对于新兴制造业的信贷多以短期贷款为主，长期贷款占比较低，相当一部分中小微企业仍处于银行信贷门槛之外。

加强制造业信息库建设能够有效改善信息不对称带来的惜贷与短贷现象。目前我国制造业信息网主要是社会网站和企业网站，包括比地招标网、敦煌网外贸平台、米思米网和慧聪网等，为客户提供企业情报分析、项目跟踪、分包直采、客户搜寻、跨境电商、技术指导等服务，更多的是提供采购和销售方面的服务，中国工业和信息化部官网的数据多为统计大数据，针对企业的个案较少，对于银行信贷投向的支持度不足。

建议尽快建立专业权威的制造业信息库，由工信部牵头，联合商务部、国家统计局、国家税务总局和国家市场监督管理总局，利用数字化和互联网技术，建立中国制造业信息总库，开发中小微企业金融条件指数，信息库应分为横向部门和纵向板块，横向部门为主线，主要包括政策分析解读、行业监管、企业经营信息、行业核心技术分析、行业市场分析、行业投融资、行业采购等若干部门，在每个部门下按照产业划分板块，鼓励制造业企业录入真实连续经营数据。其中，企业经营信息部门、行业投融资部门和行业核心技术分析部门发布的数据信息可供银行体系参考，用以信贷配比权衡和信贷期限决策。专业权威的制造业信息总库深入挖掘整合产业和企业信息，能够有效降低信息不对称情况，增加长期信贷比例，稳定企业资金流来源，促进信贷资源优化配置。 

（二）创新信贷产品，降低创新型企业信贷门槛

后金融危机叠加新冠疫情给我国制造业带来了巨大的挑战，受宏观经济萧条、去杠杆、调结构等政策影响，小微企业融资愈发困难，特别是民营企业，在质押贷款、信用贷款、项目融资等领域一直处于劣势地位。支持制造业发展亟需创新信贷产品，降低创新型企业信贷门槛。

降低创新型企业信贷门槛属于普惠型政策，银行体系可以依托制造业信息总库的资料与数据针对我国传统制造业转型升级和新兴制造业高端化的需求，设计开发若干套（例如5—10套）差异化信贷标准，不同的信贷标准对应差异化信贷配给额度，达到信贷标准的创新型企业能够获得相对应银行的年度信贷配给资金。

创新信贷产品是支持制造业发展的必要途径，信贷产品的创新更迭应与制造业高端化的方向与速度相匹配。建议创新信贷产品可以从四个方面展开：第一，门槛；第二，额度；第三，期限；第四，利率。信贷产品的门槛设计应主要体现差异化，对于传统制造业、国有企业和其他性质的大中型企业，可以多采用抵押/质押贷款、担保贷款等安全性较高的贷款类型，并为信用不佳的企业设置下一年度贷款额度天花板，保障银行体系稳定性。而对于战略性新兴产业和研发攻关产业中核心技术和关键零部件的企业可以适当放宽信用贷款的门槛，丰富信用贷款产品体系。当然，降低门槛不是盲目地投放信贷资金，降低信贷门槛要与“贷前审核，贷中评估，贷后管理”相结合。信贷额度根据不同企业的经营情况规定年度上限，再根据企业未来发展趋势修正下一年度的信贷上限。此外，对于创新型企业可以设定三轮贷款目标与额度发放标准，例如，先发放一部分信贷资金，当创新型企业技术研发达到α目标，发放第二轮信贷资金，当创新型企业技术研发达到β目标，再发放第三轮信贷资金，减少坏账概率。信贷期限应改变以往短期、中期、长期的设定，根据创新型企业的研发周期灵活设置期限，并根据企业还款情况与企业在产业链中的重要性评估适当调整期限。贷款利率建议逐步向浮动利率转化，利率不仅要盯住基准利率或特定利率，体现风险溢价，还应该根据企业创新能力和信用程度，体现激励创新和鼓励诚信的一面。

此外，建议银行体系与其他机构合作，共同设计“打包型产品”。例如，银行与风险投资基金合作开发“接力融资”，双方共同筛选融资对象，由风险投资基金投入第一轮、第二轮，由银行体系接手第三轮资金投入；银行与投资银行合作开发“上市融资”和“并购融资”，部分参与制造业高端化进程中的安全性较高的一个环节。再例如，与担保机构合作，开展担保和再担保业务，共同维护客户群体；积极开发长期客户，与企业建立长期信贷关系，减少信息搜寻成本。银行体系还可以与有条件的地方政府一起建立风险补偿“资金池”，由政府提供中小微企业贷款贴息和奖励、政府性融资担保机构资本补充等，以出资额为限承担有限责任。

（三）落实信贷政策，重构信贷配置指标体系

近年来，国家出台了一系列支持制造业发展的金融政策和办法，例如，2016年人民银行等八部委印发的《关于金融支持工业稳增长调结构增效益的若干意见》，2020年人民银行、发展改革委、工信部和财政部发布的《关于对中小微企业贷款实施临时性延期还本付息的通知》（银发[2020]123号），以及《关于进一步强化中小微企业金融服务的指导意见》（银发[2020]120号）等，从政策层面为银行体系支持制造业发展指明了方向，但是政策颁布与政策落实之间尚未有明确的监测审核机制，一定程度上影响了政策的落地效果，因此，建议构建政策追踪和监测机制，提高信贷政策落实的广度和深度。 

我国银行体系信贷配置受宏观经济基本面和国家政策的影响较大，对推动经济发展、稳定金融市场做出了较大的贡献，但是，不可否认的是，我国银行体系的信贷配置尚未建立科学动态的指标体系，在信贷资金投向方面仍存在维稳的惯性。基于此，建议重构信贷配置指标体系，将新常态和“双循环”背景下我国制造业升级、转型和高端化的诉求融入进来，围绕“智造强国”和“科技强国”的发展战略，指引信贷资金流向。

具体而言，银行信贷配置指标体系可以分为三个层级：一级指标是导向性指标，指标的设计紧跟国家经济发展战略，体现全球经济重要变迁；二级指标是指向性指标，指标的设置落实国家政策，匹配产业发展需求，激励创新创业和重大技术研发攻关，淘汰落后产能；三级指标是动态化指标，指标的变化和标准值的设定随产业链重塑、价值链变化和国民经济各领域重要变化而变化，反映出指标体系的科学性、灵活性和实效性。银行体系信贷配置指标体系的建立健全还需要综合考虑银行体系的安全性、流动性和盈利性，实现新常态下银行与制造业共生共荣。

（四）提高科技信贷配比，接轨新兴制造业创新需求

科技信贷是主要服务于新技术、新产品研发及市场拓展的信贷资金，致力于推动制造业核心竞争力的提高，解决信贷配置与制造业高端化匹配度欠佳的问题。

提高科技信贷配比首先要着手解决三个难题，一是比例问题，二是投向问题，三是风险问题。

比例问题分为两个方面：一方面，科技信贷占总贷款额度的比例，这个比例的确定不但要遵循国家“科技强国”和“智造大国”的发展战略，还要遵循科技研发规律，估算科研失败率和成本收益，在关乎国计民生和产业核心竞争力的领域，建议政府部门设置风险缓释机制为银行“兜底”以尽可能提高科技信贷在贷款总额中的比重。另一方面，不同产业获得科技信贷的比例，可以依托制造业信息总库、工信部等政府部门战略规划和专业机构评估报告等进行配置，特别是在全球产业链的“链长”环节加大科技信贷力度。

投向问题的解决应尊重科研规律，在初期技术研制、中期产品转化和后期新产品推广三个环节进行资金的合理分配，发达国家在科技信贷投向上的经验是1∶10∶100，而目前我国在前两个环节的资金投入比例仅为1∶2，所以，可以看出，对于我国制造业而言，科技信贷应该资助的重点并不仅仅是前期的研发，中期的研发成果转化阶段更需要大量信贷资金的投入。

风险问题的控制除了建立健全银行体系内部的风险预警机制和风险控制机制之外，还可以对接制造业信息总库提高银行体系客户识别能力，运用大数据、云计算等金融科技技术建立风险定价和管控模型，健全信用档案，改造信贷审批发放流程，从源头处建立风险防范屏障。也可以学习德国银行业和日本银行业的银企合作经验，让银行与一部分企业建立长期客户关系，筛选并保证一部分优质客户群体，长期客户关系既可以鼓励优质客户及时还贷，还能够起到示范效应，形成信贷供需的良性循环体系。最后，对于重点产业和重点科研领域的贷款可以寻求政府基金和担保机构的合作，或者以后期资助的形式保证资金的使用效率。

 往 期 推 荐 

《社会科学》往期目录及摘要

《社会科学》往期目录

《社会科学》往期摘要