「封号」比抵押品更管用:BIS 把大科技信贷的履约机制,拆成了准入权与抵押品两件事

首页 / 海外深读 / 平台信贷与准入权
读 BIS Working Paper 1088

「封号」比抵押品更管用:BIS 把大科技信贷的履约机制,拆成了准入权与抵押品两件事

银行借钱要抵押,平台借钱要的是你别走。这个差别听起来只是风控手段不同,但它改变了信贷对利率的敏感度,也改变了货币政策传导的形状。BIS 的这篇工作论文把「准入权」写成了模型里的履约工具,并给出了三条可以检验的推论。

大科技信贷平台经济抵押品货币政策传导准入权
读 BIS Working Paper 1088
一句话:平台的放贷能力,来自它能让借款人的生意做不成。抵押品是「拿走你的资产」,准入权是「拿走你的客户」。后者的处置成本更低,但对平台自身的依赖更强。

01一张借条背后站着两样东西

先看两个场景。第一个场景,你拿房子去银行抵押,银行批了一笔经营贷。你违约,银行走司法程序、拍卖房产、扣除费用,剩下的才还给它。整个过程中,你的店还开着,客户还在来。

第二个场景,你在一个电商平台上开店,平台旗下的金融部门给你放了一笔周转贷。你违约,平台不需要拍卖任何东西,它只要让你的店铺降权、限制提现、或者直接关店。你的货源还在、员工还在,但订单没了。

这两种履约机制的差别,是 BIS 工作论文 1088 的起点。论文的摘要用一句话把它讲清楚了:大科技用「逐出平台」的威胁来强化还款,而银行信贷靠抵押品担保。这句话看起来只是描述,实际上决定了两种信贷的成本结构、周期行为和监管归属。过去十年增长最快的信贷形态,很多都属于第二种:授信方同时是流量入口、支付通道和数据持有者。它的风控不依赖资产评估,而依赖对借款人经营活动的可见性与可控性。

02论文的模型只有三个角色

论文
Big techs and the credit channel of monetary policy
作者
Fiorella De Fiore、Leonardo Gambacorta、Cristina Manea(BIS 货币与经济部)
版本
BIS Working Papers No 1088,全文 44 页
对象
在电商平台上经营、同时可以向平台与银行借款的企业
机制
平台负责匹配买卖双方并放贷;银行放贷以抵押品担保
方法
一般均衡模型 + 大科技信贷的典型事实(stylized facts)

模型里有三类主体:在平台上交易的企业、提供匹配与信贷的大科技、以及以抵押品为基础放贷的银行。企业在平台上卖货获得收入,平台通过匹配效率决定它们能遇到多少买家;银行则按照抵押品的折扣率决定放贷规模。

关键假设只有一条:企业如果被平台排除,就失去未来的平台交易收益。于是平台的放贷决策不需要等抵押品清算,它只需要比较「这笔贷款的本息」与「借款人未来在平台上的剩余价值」。只要后者足够大,借款人就有动力还款,哪怕它手里没有可抵押的资产。

这条假设解释了一个长期让人困惑的现象:为什么轻资产的小商户能在平台拿到比银行更多的授信。不是因为平台更敢冒险,而是因为平台手里握着一个银行没有的变量——借款人的未来流量。

03三条结论,逐条拆

A rise in big techs’ matching efficiency increases the value for firms of trading on the platform and the availability of big tech credit.原文
译文:译文:大科技匹配效率的上升,会提高企业在平台上交易的价值,也会提高大科技信贷的可得性。
注释:原文摘要第 (i) 条。注意这是双向的:匹配效率既决定平台的撮合能力,也决定「被排除」的代价,因此同时影响信贷供给与信贷需求。

第一条结论是机制的直接推论。匹配效率越高,同样的商品能遇到更多买家,企业在平台上的未来收益越大;未来收益越大,「被踢出去」的威胁越可信;威胁越可信,平台越敢在缺乏抵押品的情况下放贷。这是一条自我强化的回路:平台越大,信贷越松;信贷越松,商户越离不开平台。

第二条结论关于货币政策。论文说,大科技信贷会缓和对产出对货币冲击的初始反应,同时提高其持续性。这句话的前半段不难理解:当一部分企业的融资不依赖银行、不依赖抵押品价格,利率变动对它们的传导就弱了,产出对冲击的初始反应自然更平。

Big tech credit mitigates the initial response of output to a monetary shock, while increasing its persistence.原文
译文:译文:大科技信贷缓和对产出对货币冲击的初始反应,同时提高其持续性。
注释:原文摘要第 (ii) 条。引用时不要只引前半句:前半句说「更稳」,后半句说「拖更久」,两者是一体的。

后半段更值得琢磨。为什么持续性会变长?一个合理的读法是:平台信贷的松紧取决于平台价值与匹配效率,而这两个变量调整得比利率慢。当货币冲击发生时,银行信贷会较快地按抵押品价格重定价,平台信贷则沿着自己的慢变量移动,于是冲击被摊平、拉长。

这对做宏观交易的人有直接含义:如果信贷越来越多地由平台提供,那么「利率变动到实体产出」的时滞会变长,冲击的峰值会变低但拖尾会更长。用旧的经验参数去推演,会高估短期波动、低估长期偏离。

第三条结论是关于效率的限定条件。论文说,大科技产生的效率增益,受制于它向用户收取的扭曲性费用。这句话是全文最容易被忽略、也最应该被引用的一句。

The efficiency gains generated by big techs are limited by the distortionary fees collected from users.原文
译文:译文:大科技带来的效率增益,受制于其向用户收取的扭曲性费用。
注释:原文摘要第 (iii) 条。这里的 distortionary 指的是费用改变了用户的边际决策,而不仅仅是转移了剩余。

把它翻译成交易语言:平台把匹配效率提高了 10%,但同时对每笔交易多收 3% 的费用,那么商户实际拿到的净增益远小于 10%。而商户之所以接受,是因为它已经被锁在平台里——准入权既是履约工具,也是收费能力。

这就是论文真正的锋利之处。它没有简单地说「平台信贷更有效率」,而是说:效率与租金来自同一个东西,你很难只要前者不要后者。

04复算:把「封号」折成一个可贷上限

论文给的是模型,没给具体参数。我们用一组明确标注为假设的数字,把「准入权」折成一个可贷上限,看看这个机制的量级。

设借款人每年能从平台交易中获得净剩余 s,预计还会经营 T 年;它另有可抵押资产 A,银行的抵押品折扣率为 h;贷款利率为 r。被平台排除的损失,近似等于未来平台剩余的现值 s×T。银行能贷出的上限是 h×A/(1+r);平台能贷出的上限,则可以把「被排除的损失」也当作还款来源。

平台可贷上限 ≈ (s × T + h × A) / (1 + r) 银行可贷上限 ≈ (h × A) / (1 + r) 算例:s=100 万/年,T=3 年,A=200 万,h=0.5,r=10% 平台 ≈ (300 + 100) / 1.1 = 363.6 万 银行 ≈ 100 / 1.1 = 90.9 万本站算例:参数为假设值,仅演示公式方向。真实授信还会受资本约束、集中度限额与监管要求影响,这里全部略去。

在这组假设下,平台的可贷上限约为银行的 4 倍。这个倍数不是论文的结论,它只是把「准入权值多少钱」这件事量化了一步。改变假设,倍数会跟着变:把 T 从 3 年降到 1 年,平台上限降到 181.8 万,倍数变成 2 倍;把 h 从 0.5 提到 0.8,银行上限升到 145.5 万,倍数收窄到 2.8 倍。

这个算例真正想说明的是敏感度:平台信贷的规模,对「借款人还能在平台上活多久」这个变量的敏感度,远高于对抵押品折扣率的敏感度。所以当平台调整规则、改变流量分配、或者收紧提现时,授信条件会跟着剧烈变化——而这一切在银行的抵押率上完全看不出来。

还有一个隐藏项:平台收取的费用 f。如果平台把费率提高,s 会下降,可贷上限同步下降。这与论文第三条结论对应——费用既是平台的收入,也是它自己信贷业务的抑制项。平台在「多收费」与「多放贷」之间存在一个内部权衡,这个权衡不体现在任何一份银行报表里。

05反例:这套机制在什么情况下会失灵

第一种情况是借款人可以多栖。如果同一批买家在三个平台都能找到,被一个平台排除的损失就没有模型里那么大,s×T 被高估,平台的实际放贷能力被高估。模型假设平台具有一定的不可替代性,这在垂直品类里成立,在标准化商品里未必。

第二种情况是平台自身风险上升。准入权的价值以平台继续经营为前提。一旦平台出现流动性问题,借款人会同时失去流量与授信,平台也会同时失去还款威慑与抵押品价值——两件事在同一个时点恶化。这与 2022 年多家中心化借贷平台的连环违约在结构上同构:抵押品与交易场所是同一个主体。

第三种情况是监管归属变化。银行信贷受资本充足率、流动性覆盖率约束,平台信贷在很多司法辖区不受同等约束。这意味着同样的经济风险,可能以更低的资本占用被承担。论文没有展开监管套利,但这是「信贷渠道变化」最现实的宏观含义。

06对中文读者的用法:四个问题,一次对照

如果你在评估任何「平台系」的借贷产品——不论它是电商供应链金融、交易所保证金融资,还是钱包内的先买后付——可以用下面四个问题把这套机制过一遍。

问题要看的变量判断标准
违约后你到底失去什么?平台准入、流量、提现权限、账户历史如果失去的只是「未来可能的订单」,估值极不确定
这份损失能估值吗?s(年净剩余)、T(剩余经营年限)s 与 T 都无法估算时,利率定价没有依据
平台费用吃掉多少?f(费率、提现费、汇兑点差)效率增益减去 f 之后,才是借款人真正拿到的部分
平台自己会不会先倒?平台资产负债、托管隔离、牌照准入权与抵押品同源时,风险不是分散而是叠加

这张表可以直接用在交易所保证金融资上。以 Coinbase 2026 年三季报披露的口径为例:截至 2026 年 9 月 30 日,其贷款应收为 19.76 亿美元,所有未偿贷款的抵押要求为贷款公允价值的 100% 到 250%;同时,借款人质押但公司未确认为担保物的客户抵押品为 32.85 亿美元。这说明至少在这类业务里,抵押品仍然是主力机制。

但「准入权」这一层并没有消失,只是被放在了别处:账户冻结、提现限制、地区封禁,都是平台侧的排除手段。它们的共同点是:不需要司法程序、不需要拍卖、执行成本极低。对借款人来说,这类条款的风险不是利率,而是「在最需要流动性的时候失去通道」。

所以读平台借贷协议时,除了看利率和抵押率,还应该看三件事:违约的定义有多宽(是否包含「违反平台规则」)、处置的顺序是什么(先冻账户还是先平仓)、以及平台自身出险时你的抵押品在哪里。这三件事决定了模型里那个 s×T 到底属于谁。

07这篇论文没有说什么

它不是一篇关于加密货币的论文,样本与制度背景都是电商平台与银行。本文把它迁移到交易所与钱包场景,是机制类比,不是论文结论;引用时请把这条界线保留。

它也没有给出定量的政策建议。论文的贡献是把「平台信贷如何改变货币传导」写成可以讨论的结构,而不是估计某个经济体的具体弹性。任何声称「BIS 测算平台信贷使产出弹性下降 X%」的说法,都需要回到原文核对。

08原文链接与访问日期

怎么读这篇:先读摘要的三条编号结论,把 (i)(ii)(iii) 分开记;再读模型部分对「排除」的设定,确认它是一个可置信的承诺;最后看它如何把平台费用写进效率项。如果只想取一个结论,取第三条——效率与租金同源,这是对「平台信贷更先进」这种叙事最有力的修正。

09延伸阅读

资料来源与核对方式
· De Fiore, F., Gambacorta, L., & Manea, C. (2026). Big techs and the credit channel of monetary policy. BIS Working Papers No 1088,44 页。https://www.bis.org/publ/work1088.htm (现址:https://www.bis.org/publications/working-paper-1088-big-techs-and-credit-channel-monetary-policy )
· 同上:摘要(含 (i)(ii)(iii) 三条编号结论);作者与机构信息;正文对平台匹配、排除威胁与银行抵押品担保的设定。
· 本站算例:可贷上限 (s×T+h×A)/(1+r) 及 100 万/3 年/200 万/0.5/10% 一组假设参数,属演示性推导,不是论文校准结果。
· Coinbase 2026 年三季度 10-Q(附注 6):贷款应收 19.76 亿美元、抵押要求 100%–250%、未确认客户抵押品 32.85 亿美元,仅用于说明「抵押品 + 准入权」并存的现实形态,与 BIS 模型无隶属关系。
访问日期:2026-11-03。文中英文短引均逐字摘自所列公开原文,译文与注释为本站所加;凡标注「本站复算」「本站算例」处,均为按公开公式或公开报表数字所做的算术推导,不属原作者结论。原文版权归原作者与发布方所有,本页为摘译与独立分析,不构成投资建议。

常见问题

这篇论文和加密货币有什么关系?

论文本身研究的是电商平台上的大科技信贷,不是加密市场。但它刻画的机制——用「失去平台准入」替代抵押品——在交易所保证金融资、平台系借贷里同样存在。本文把这个迁移明确标注为「机制类比」,不当作论文结论。

为什么平台信贷会拉长货币冲击的持续性?

论文的表述是:大科技信贷缓和对产出对货币冲击的初始反应,同时提高其持续性。直观理解是,平台信贷的可得性系于平台匹配效率与商户的平台价值,这两个变量调整慢,于是冲击被摊平到更长的时间里。

平台信贷的风险在哪里?

抵押品是资产,平台准入是关系。资产价格下跌时抵押品会缩水,但关系还在;平台自己出问题时,准入权会一起归零。论文提到的扭曲性费用,则从另一侧侵蚀借款人的效率增益。

普通人能用这个框架做什么?

用三个问题审视任何「平台系」借贷:违约后你失去的是什么、这份损失能不能估值、平台自己倒下时这份损失会不会同时归零。三个问题都答不清楚,利率再低也不是便宜钱。

本文为 BIS 公开工作论文的摘译与独立推演,不构成投资建议。「本站算例」中的参数均为假设值,仅用于演示公式方向,不是论文数据。 最后更新:2026-11-03。

安装 App