谢谢邀请~
第一问：中国贷款有哪些特征，说到贷款有哪些特征，我们先说贷款有哪些种类。
（一）按照贷款期限划分：中长期贷款，中期贷款，短期贷款，透支
（二）按币种划分：本币贷款，外币贷款
（三）按贷款主体性质划分：经济组织贷款，企业单位贷款，事业单位贷款，个人贷款
（四）按照贷款用途划分：企业(经济组织)类：固定资产投资贷款，项目融资贷款，流动资金，铺底流动资金贷款，临时流动资金周转贷款等；个人类：个人经营类贷款，个人消费类贷款，按揭贷款等；其他消费贷款：装修贷款，旅游贷款等
（五）按利率划分：固定利率贷款，浮动利率贷款，混合利率贷款
（六）按照贷款担保方式划分：信用贷款，担保贷款（保证贷款，抵押贷款，质押贷款），票据贴现
（七）按照贷款资产质量（风险程度）划分：正常贷款，关注贷款，次级贷款，可疑贷款等
贷款的特征根据种类的不同而不同，看到LZ写的关系型贷款，我们来谈谈它的特征。
关系型贷款是商业银行的借贷方式，商业银行的借贷方式可以划分为两种类型：一种是transactional lending（交易型贷款），一种是relationship lending (关系型贷款)，关系型贷款是指贷款人的决策主要基于通过长期和多渠道与企业接触所积累的关于借款企业及其业主的相关信息而作出，这些信息的获得部分是通过银行为企业所提供的存贷款和其他金融产品的服务，另外还可以通过与当地社区中其他成员的接触中获得，比如企业的供应商和客户，他们能够提供关于企业、业主、企业运行等方面的特殊信息，最重要的是，这些通过长期接触所取得的信息具有非常重要的价值，其实际价值超过银行的财务报表、抵押品和信用评分，能够帮助“关系型贷款人”比“交易型贷款人”更好地解决信息不透明问题。关系型贷款适用于中小企业的融资，这种方法20世纪80年代以来被美国金融机构运用于小额贷款的发放上，但由于该技术较复杂，对信息系统和数据积累的要求较高，其应用范围受到限制。而其具体特征可总结为：其一，信息的收集基于长期的银企关系；其二，不仅仅收集财务报表等各类公开信息，还收集不易量化和传递的意会信息；其三，不仅通过给借款企业提供的多种金融服务来获取信息，还通过与借款企业所在社区相关主体的交往来收集信息。
具体有关关系型贷款可参见http://wiki.mbalib.com/wiki/%E5%85%B3%E7%B3%BB%E5%9E%8B%E5%80%9F%E8%B4%B7
再结合实际：在民营经济活跃的浙江台州地区，涌现出了一些专为小企业服务的城市商业银行。他们利用关系型贷款技术，为当地小企业提供了及时的贷款服务，并很好地控制了贷款风险，其不良贷款率长期保持在1%以下，远低于国内同行业水平。他们的经营模式如下：首先，贷款审批结构扁平化，将审批贷款的责任和权利下放到客户经理身上。小企业区别于大企业的一个显著特点在于其经营信息往往都是些难以量化、难以传递的软信息。如果按照对大企业的审贷模式，设立层级分明的审贷会，容易导致信息在向上传递的过程中，出现信息流失和失真。由第一线接触企业的客户经理来决定贷款的审批与否，就能最大限度地避免这一情况，保证贷款由银行里最了解企业的人来决定。权利和责任匹配，又能调动他进行风险控制和贷后追讨的积极性。另外，小企业贷款多用作流动资金，需求急迫。如果用传统的审贷会制度，短则三四天，多则数个礼拜，难以适应小企业的需求。给予客户经理一定的贷款审批额度，就能第一时间对客户的贷款需求作出回应。其次，贷款审批时注重企业主的人品。这个不多说。第三，用人格担保代替抵押品。这个也不多说。第四，存贷挂钩，推行存款积数制。客户能够获得的贷款金额取决于其在该行累计的存款金额和时间，将贷款的金额和利率条件直接与存款挂钩，鼓励企业在本银行开设账户，可以监控企业的资金流向，通过扩大银行企业间的业务范围和种类，帮助银行从多角度了解企业的经营情况，增加信息透明度。可能隐含的风险？LZ你说呢？XD，无非是违约风险。
以浙江泰隆商业银行为代表的台州中小银行，通过关系型贷款技术，破解了银行向小企业贷款时面临的信息不对称难题。在为小企业服务的同时，既提高了银行的盈利水平，又能有效防范系统性风险。现在，它们不仅在当地市场站稳了脚跟，而且已经跨出台州市，在杭州和宁波都设立分行，表明其做法在全国范围内都有一定的借鉴意义。
此时此刻有木有看见浙江泰隆商业银行是中小银行？其实国外的大量实证研究发现，小银行比大银行更加倾向于向中小企业提供贷款，无论在中小企业贷款占银行总资产的比率还是在中小企业贷款占全部企业贷款的比率上，小银行的指标均高于大银行。这种情况的产生原因是什么呢？因为小银行的组织结构有利于其生产软信息，因此在关系型借贷上拥有优势，相反，大银行的组织结构擅长于生产硬信息和发放市场交易型贷款，而在关系型贷款上处于劣势。由此可见，小银行优势论的核心是小银行在关系型贷款方面具有优势，因此在对中小企业贷款中小银行比大银行更具有优势。大银行拥有的企业客户过多，对单个中小企业结算账户信息不能做充分的识别和利用，而中小银行在其开户的中小企业有限，且一家中小企业多集中在一家银行开户，结算信息比较简单，信贷经理能够比较便利地将包括账户信息在内的各种信息进行综合把握和处理，因此，相对于大银行，中小银行对在该行开户的中小企业拥有信息优势。随着组织规模的增大，将发生层级问的控制损失，为避免控制损失，规模大、层级多的大银行倾向于建立一个能够在整个组织中被遵守的、明晰一致的信贷规则以发放交易型贷款，而组织结构相对简单的银行则能够发放可由信贷人员灵活处理的关系型贷款。但是，如果同一家银行要求同时提供交易型贷款和关系型贷款服务时，这将可能使银行面临放贷成本的增加和经营的范围不经济（Scope Inefficient），因而，即使中小企业关系型贷款的预计净现值为正，大银行也可能会减少或拒绝对中小企业的关系型贷款。此外还有很多原因……
我们再来说说互保联保性贷款^^，新闻中就是互保联保性贷款引发的问题
这类贷款的出现是为了解决个体工商户和私营企业贷款难、担保难的问题和方便快捷的满足客户资金需求而存在的。具体可参见http://wiki.mbalib.com/wiki/%E8%81%94%E6%88%B7%E8%81%94%E4%BF%9D%E8%B4%B7%E6%AC%BE
现在据我所知，某些股份制银行当前正在积极寻找另外的形式去替代联保联贷。因为在当前经济不景气之下，由于存在重复担保而致使风险乘数放大，一家企业资金链断裂往往将三四家联保人牵扯其中。因此，银行业当前对联保形式的贷款模式普遍采取收缩措施，以控制信贷风险。
在民间融资和其他领域，缺点则会被放大几十倍甚至几百倍。

反对上面没有看题目的所有人的答案。

但是如果当事人充分的理性，应该去追逐利益的最大化：风险只是收益的不确定性，当投资时间足够长，最后的收益收敛于期望收益。
这是题主的困惑所在，我觉着这个问题的答案不仅仅在于“人为什么厌恶风险”，而是在于，人性为什么“不耐”。

故事是这样的，假设有两种投资的收益路径：
[list=1]每期收到1单位回报第一期收到0.5，第二期收到1.5，第三期收到0.5，第四期收到1.5........[/list]注意在这两个投资里面，都没有不确定性。那么请问，你应该选择哪一种呢？

我想任何一个学过经济学的都会写出如下的效用函数（收益为https://www.zhihu.com/equation?tex=r_t
）：
https://www.zhihu.com/equation?tex=%5Csum_%7Bt%3D0%7D%5E%5Cinfty+%5Cbeta%5Et+u%28r_t%29
这里面出现了一个https://www.zhihu.com/equation?tex=u
，一个https://www.zhihu.com/equation?tex=%5Cbeta
。现在我们来看，如果u假设是一个concave的函数，那么一般来说我们认为这个人是风险厌恶的（有文献指出这里的u跟风险偏好系数并不等价，特注）。但是，如果我们假设u是一个linear的函数，也就是说是一个风险中性的效用函数，那么投资者会选择什么呢？

仍然是1。为什么呢？稍微计算一下可以知道，如果假设linear的效用函数u，第一种投资的收益路径计算出的效用为https://www.zhihu.com/equation?tex=%5Cfrac%7B1%7D%7B1-%5Cbeta%7D
，而第二种投资的收益路径计算出的效用为https://www.zhihu.com/equation?tex=%5Cfrac%7B0.5%2B1.5%5Cbeta%7D%7B1-%5Cbeta%5E2%7D

那么问题来了，这两个谁大谁小呢？这要从https://www.zhihu.com/equation?tex=%5Cbeta
的涵义入手。这个https://www.zhihu.com/equation?tex=%5Cbeta
度量了“人性不耐”，明天的1块钱，只相当于今天的https://www.zhihu.com/equation?tex=%5Cbeta
块钱，如果人性不耐，那么明显https://www.zhihu.com/equation?tex=%5Cbeta%3C1
。如果https://www.zhihu.com/equation?tex=%5Cbeta%3C1
成立，那么通过简单的计算就可以得到，投资者会选择第一种。

更进一步，我们会发现，在一些简化的模型里面，https://www.zhihu.com/equation?tex=%5Cbeta
应该等于无风险收益率的倒数。

总结一下，我在这里没有假设所谓的“风险厌恶”，投资者仍然选择“风险小”的投资，可见在题主的这个疑惑里面，“风险厌恶”虽然有一定的解释能力，然而仅仅“人性不耐”就可以解决掉这个问题。

那么，现在我们反过来考虑，如果存在一个非常非常有耐心的人呢？我们现在考虑一个投资者准备投资A股。简单起见，我们假设这个投资者投资了market portfolio，而market portfolio是简单的服从一个随机游走的：https://www.zhihu.com/equation?tex=%5Cln+P_t%3D%5Cmu%2B%5Cln+P_%7Bt-1%7D%2Be_t
，https://www.zhihu.com/equation?tex=P_t
为market portfolio的价格，或者说是指数。同时，假设一个无风险收益率https://www.zhihu.com/equation?tex=r_e
，其年化收益为5%。

为了校准market portfolio，我取出了从2006-1-1至今的上证指数，计算出https://www.zhihu.com/equation?tex=%5Cmu%5Capprox+5.1447e-4%2C+std%28e_t%29%5Capprox+0.0176
，并使用以上的参数进行模拟。注意无风险收益率每天的收益约为1.626e-5，也就是说投资股票从长期来看是有正的收益的，对应题主的“收益收敛于期望收益”，这里投资股票的收益长期来看是大于无风险资产的收益的。（这个计算，当然，不靠谱，因为相当于粗暴比较了06年的上证指数和现在的上证指数。不过仅仅作为一个近似的calibration，此处不予较真）。

现在我们做一个实验，如果一个人随机一个时间点入市，他足够有耐心，一直持有这个market portfolio，那么他手上证券的价格走势可能是这样的（蓝线表示一直持有5%的无风险收益证券）：
https://pic2.zhimg.com/50/8539b436895f60de1fbe418ffe1fc012_hd.jpg
看起来运气不错，有一段时间几乎翻了5倍。不过也有可能是这样的：
https://pic4.zhimg.com/50/670352af1d591f2f9849ce243826854d_hd.jpg
这也许就是07年的那些接盘侠吧。

现在我们考虑这个投资者，不仅非常耐心，而且非常有决断力：只要投资股票的收益大于等于无风险收益的两倍，那么就退出市场。请问他要等多久？

有了以上的参数的校准，我们可以做一些模拟，把以上的投资过程模拟10000次。同时，考虑到人的生命有限，模拟到50年（18250天）即终止。code之后附上，我们来看一下结果：
[list=1]为了获得超过无风险收益两倍的收益，平均需要1821.72天，也就是大约5年以上天数的标准差为1982.18天最少需要75天最多？50年，也就是到了我们的上限50年仍然没有达到这个收益率的有8/10000个[/list]或者，我们来看一下直方图，注意横坐标为天数，5.0*10e3对应着13.7年：
https://pic4.zhimg.com/50/6f1a9b42bb79911ced5f11283ce4141b_hd.jpg
5年的时间平均下来10%的收益，你觉着怎么样呢？妥妥的跑赢了无风险收益率哇！以上的结果表明，如果你非常非常有耐心，跑赢无风险收益率几乎是肯定的。而且，如果你足够聪明，不在2007年那么高的点位入市，跑赢无风险收益2倍也不是很难的事情，最多10年左右的时间足够了。但是，请问有多少人会愿意采取以上的策略呢？

这里，就如同题主所说的，随着时间变长，投资的收益率不会有那么大的不确定性，而且预期收益更高，然而，绝大多数人仍然不会选择这样的投资策略。这也许就是所谓的“人性不耐”吧，谁会愿意等那么久呢？

附代码：
[code]#!/usr/bin/julia
using Gadfly
## seed
srand(19880505)
## constants
miu=5.1447e-4
sigma=0.0176
re=log(1.05)/365

## iteration
iter=10000
T=Array(Float64,iter)
for i=1:iter
t=0
P=1.0
R=1.0
while (t<=18250 && P<2*R)
P*=exp(miu+randn()*sigma)
R*=exp(re)
t+=1
end
T=t
println(t)
end

println("mean days=$(mean(T))")
println("s.d. days=$(std(T))")
println("max days=$(maximum(T))")
println("min days=$(minimum(T))")
println("Proportion less than 3 years=$(sum(T.<365*3)/iter)")
println("Proportion equals 50 years=$(sum(T.>18250)/iter)")

graph=plot(x=T, Geom.histogram)
draw(PNG("days.png", 20inch, 15inch), graph)