信贷员初审的数理模型优化方案

为简化模型，研究在以下的数理推导中仅考察信贷员的初审驳回权力，即信贷员仅以驳回的方式调整信贷申请，而不使用下调信贷份额的方式。虽然信贷员并不具有传统意义上的审贷资格，但为了方便表述，后文仍以“审核”一词来描述信贷员“淘汰”或“选择”信贷申请的行为。

（1）模型一：不存在强信息，仅存在弱信息

当不存在强信息将两个群体的信贷申请客观区分开，信贷员凭借弱信息识别农业转移人口，这一情形下，信贷员综合识别某一申请人是否为农业转移人口所需要的信息量较大，因此识别的速率较慢，研究认为，只要信贷员识别一个农业转移人口（城市人口）申请，则在一个迭代步内主观淘汰α（β）份其他客观条件相同的城市人口（农业转移人口）申请，直至最终仅留下某一群体的信贷申请。若干（i）迭代步后，城市人口申请剩余

农业转移人口申请剩余

联立两式，微分方程可解得

由式（6-3）和（6-4）可以得到

基于主观认知而产生的识别，其过程往往是不稳定的，研究仅关注识别的最终结果；式（6-5）清晰地反映出识别的最终结果及其分类：

第一，当αMA0＞βMC0时，信贷员最终选择的信贷申请（即模型剩余的信贷申请）来自农业转移人口，剩余申请数量为

第二，当αMA0＜βMC0时，信贷员最终选择的信贷申请（即模型剩余的信贷申请）来自城市人口，剩余申请数量为

第三，当αMA0=βMC0时，信贷申请恰好被全部淘汰，这种情况存在的条件过于苛刻，不赘述。

（2）模型二：存在强信息，也存在弱信息(www.xing528.com)

当存在强信息将两个群体的信贷申请区分开，申请来源较为清晰，信贷员不用逐一考察弱信息指标，从而加快一个迭代步内的审核速率，即在一个迭代步内每存在一个农业转移人口（城市人口）申请，则主观淘汰α（β）份其他客观条件相同的城市人口（农业转移人口）申请，直至最终仅留下某一群体的信贷申请。若干迭代步后，城市人口申请剩余

农业转移人口申请剩余

联立两式，微分方程可解得

由式（6-10）和（6-11）可得

同理，研究忽略识别的过程，式（6-12）清晰地反映出模型二的最终结果及其分类：

第一，当αMA20＞βMC20时，信贷员最终选择的信贷申请（即模型剩余的信贷申请）来自农业转移人口，剩余申请数量为

第二，当αMA20＜βMC20时，信贷员最终选择的信贷申请（即模型剩余的信贷申请）来自城市人口，剩余申请数量为

第三，当αMA20=βMC20时，信贷申请恰好被全部淘汰，这种情况存在的条件过于苛刻，不赘述。

（3）两个理论模型的对比

整体而言，城市人口总申请量超过农业转移人口，因此落实到特定信贷员时，城市人口初始申请数超过农业转移人口的概率更大，从MC′r＞MCr，即存在强信息时城市人口挤占农业转移人口信贷数量的情况更为严重。虽然在现实中，信贷员出于多种因素偏好向农业转移人口放贷（α＞β）的证据不足（实证将说明信贷员存在偏好向城市人口放贷的倾向），但即便在理论上考察这一类型的信贷员行为，当存在强信息将两个群体的信贷申请区分开时，倾向于同意农业转移人口申请势必要求信贷员具备对两个群体更大的偏好差距（α-β）。两方面的综合作用，使得现阶段将农业转移人口与城市人口混合在同一个决策池内有助于提升农业转移人口获得信贷的比例，只要两个群体的信贷额度来自同一个资金池，银行就永远缺乏差别化细分目标客户群体的原动力。