互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)度量與盯市管理

王寶森，王 迪

（1.北京物資學(xué)院經(jīng)濟(jì)學(xué)院，北京市101149；2.天津大學(xué)經(jīng)濟(jì)與管理學(xué)部，天津市300072）

互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)度量與盯市管理

王寶森1，王 迪2

（1.北京物資學(xué)院經(jīng)濟(jì)學(xué)院，北京市101149；2.天津大學(xué)經(jīng)濟(jì)與管理學(xué)部，天津市300072）

在對互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)度量中，可充分發(fā)揮互聯(lián)網(wǎng)便利獲取中小企業(yè)即時(shí)動態(tài)非財(cái)務(wù)數(shù)據(jù)（如交易頻率、客戶活躍程度、滿意度等）的優(yōu)勢，掌握中小企業(yè)基本狀況、互聯(lián)網(wǎng)交易狀況、互聯(lián)網(wǎng)服務(wù)質(zhì)量、供應(yīng)鏈行業(yè)狀況等指標(biāo)，以主成分分析法確定影響互聯(lián)網(wǎng)供應(yīng)鏈金融的主要影響因素，準(zhǔn)確、及時(shí)了解互聯(lián)網(wǎng)供應(yīng)鏈金融的風(fēng)險(xiǎn)程度，突破傳統(tǒng)以財(cái)務(wù)指標(biāo)為主衡量金融風(fēng)險(xiǎn)的局限。在此基礎(chǔ)上，可借鑒期貨風(fēng)險(xiǎn)管理的經(jīng)驗(yàn)，設(shè)計(jì)互聯(lián)網(wǎng)供應(yīng)鏈金融風(fēng)險(xiǎn)管理的盯市制度，以邏輯回歸風(fēng)險(xiǎn)判別器進(jìn)行信用風(fēng)險(xiǎn)判斷，進(jìn)一步控制和降低互聯(lián)網(wǎng)供應(yīng)鏈金融的信用風(fēng)險(xiǎn)。

邏輯回歸模型；互聯(lián)網(wǎng)供應(yīng)鏈金融；信用風(fēng)險(xiǎn)；盯市

一、引言

互聯(lián)網(wǎng)供應(yīng)鏈金融是互聯(lián)網(wǎng)平臺支持下的供應(yīng)鏈金融生態(tài)圈，在生態(tài)圈中，電商、銀行、物流企業(yè)、核心企業(yè)以及中小企業(yè)跨界合作，減緩過分依賴傳統(tǒng)金融機(jī)構(gòu)的程度。與傳統(tǒng)供應(yīng)鏈金融一般將中小企業(yè)的信用風(fēng)險(xiǎn)控制轉(zhuǎn)移到信用資質(zhì)高的核心企業(yè)相比，互聯(lián)網(wǎng)供應(yīng)鏈金融的信用風(fēng)險(xiǎn)控制是供應(yīng)鏈整體的信用風(fēng)險(xiǎn)控制。如何管理互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)已經(jīng)成為許多大型互聯(lián)網(wǎng)平臺積極探索的重要課題之一。

二、國內(nèi)外文獻(xiàn)綜述

國外對于供應(yīng)鏈金融業(yè)務(wù)模式的研究較多。早在1948年，艾伯特（Albert）[1]就將供應(yīng)鏈金融業(yè)務(wù)模式分為存貨質(zhì)押和應(yīng)收賬款融資兩種，并針對各自的管理方式進(jìn)行了研究。對于供應(yīng)鏈金融信用風(fēng)險(xiǎn)的研究，國外學(xué)者基本上是基于傳統(tǒng)信用風(fēng)險(xiǎn)評估模型進(jìn)行的，包括信用度量術(shù)模型（Credit Metrics）、宏觀模擬模型（Credit Portfolio View）、信用風(fēng)險(xiǎn)附加法模型（Credit risk+）、信用監(jiān)控模型（KMV）、風(fēng)險(xiǎn)在險(xiǎn)值（VaR）和概率型非線性回歸模型（Logistic）。2013年馬姆杜·雷法特（Mamdouh Refaat）[2]就供應(yīng)鏈金融的信用風(fēng)險(xiǎn)評價(jià)進(jìn)行研究，將SAS信用風(fēng)險(xiǎn)評分體系應(yīng)用于標(biāo)準(zhǔn)格式下的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評估。由于互聯(lián)網(wǎng)供應(yīng)鏈金融是從國內(nèi)興起的，國外對互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)的研究較少，僅有2012年巴蘇和奈爾（Basu&Nair）[3]通過分析B2B平臺互聯(lián)網(wǎng)供應(yīng)鏈金融預(yù)付賬款的業(yè)務(wù)模式，設(shè)計(jì)了一種隨機(jī)動態(tài)規(guī)劃模型，認(rèn)為互聯(lián)網(wǎng)平臺下中小企業(yè)財(cái)務(wù)狀況的不完善會增加信用風(fēng)險(xiǎn)。

在國內(nèi)，研究供應(yīng)鏈金融較早的羅齊等[4]討論了融通倉模式下如何充分利用物流這一關(guān)鍵環(huán)節(jié)完善供應(yīng)鏈金融業(yè)務(wù)的問題。對供應(yīng)鏈金融信用風(fēng)險(xiǎn)研究一般是基于傳統(tǒng)信用風(fēng)險(xiǎn)評估模型或結(jié)合其他模型進(jìn)行的，孔媛媛等[5]構(gòu)建了供應(yīng)鏈傳統(tǒng)信用風(fēng)險(xiǎn)的度量模型，并結(jié)合模糊算法將某些難以量化的信用風(fēng)險(xiǎn)影響因子模糊化處理。而對互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)研究較少，趙道致等[6]提出的通過電商平臺結(jié)合倉單質(zhì)押業(yè)務(wù)的信用風(fēng)險(xiǎn)管理，其本質(zhì)是將傳統(tǒng)供應(yīng)鏈金融倉單質(zhì)押信用風(fēng)險(xiǎn)管理模式搬到互聯(lián)網(wǎng)。將財(cái)務(wù)指標(biāo)應(yīng)用到傳統(tǒng)信用風(fēng)險(xiǎn)模型的研究相對多一些，郭菊娥等[7]的研究具有代表性，提出基于B2B電商平臺的互聯(lián)網(wǎng)供應(yīng)鏈金融融資模式的發(fā)展路徑，指出互聯(lián)網(wǎng)化會讓信用風(fēng)險(xiǎn)呈現(xiàn)協(xié)同式的特點(diǎn)，并運(yùn)用財(cái)務(wù)指標(biāo)將不同信用風(fēng)險(xiǎn)模型的有效性進(jìn)行對比分析。

總體來看，國內(nèi)外對互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理的研究較少，且現(xiàn)有研究運(yùn)用財(cái)務(wù)指標(biāo)進(jìn)行分析較多，運(yùn)用非財(cái)務(wù)指標(biāo)及系統(tǒng)中實(shí)時(shí)數(shù)據(jù)進(jìn)行分析的較少。

三、邏輯回歸模型

邏輯回歸（Logistic）模型是處理分類數(shù)據(jù)的有力工具，對解釋變量幾乎沒有任何限制，適用性非常強(qiáng)。

（一）邏輯回歸模型簡介

邏輯回歸模型是概率型非線性回歸模型，在因變量為分類變量時(shí)應(yīng)用較多，可根據(jù)分類變量取值分為二分類邏輯回歸、多分類邏輯回歸、配對邏輯回歸三種類型。本文主要分析二分類邏輯回歸模型。

對于信用風(fēng)險(xiǎn)研究而言，分類變量主要是違約和不違約，假設(shè)y=1為違約，y=0為不違約，p（y= 1）為違約概率，x為信用風(fēng)險(xiǎn)指標(biāo)，企業(yè)違約的概率與信用風(fēng)險(xiǎn)指標(biāo)的關(guān)系為：

P=P(Y=1|X)=f(x) 0≤P≤1

對數(shù)變換模型為：

這里，β0為常數(shù)，β1、β2、...、βk為信用風(fēng)險(xiǎn)指標(biāo)回歸系數(shù)；p為違約概率，p越大，企業(yè)信用風(fēng)險(xiǎn)越大。本文選定p=0.5為閾值。如果通過邏輯回歸模型預(yù)測融資企業(yè)違約概率在0.5以上時(shí)，判定互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)明顯；當(dāng)計(jì)算出來的結(jié)果小于0.5時(shí)，則判定融資企業(yè)沒有違約，互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)可控。

對于違約概率的參數(shù)估計(jì)，采用迭代解法進(jìn)行估計(jì)：

（二）互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)指標(biāo)選擇

供應(yīng)鏈金融的融資對象主要是眾多中小企業(yè)，中小企業(yè)財(cái)務(wù)制度相對不健全，其公開的財(cái)務(wù)數(shù)據(jù)往往不能體現(xiàn)公司真實(shí)的運(yùn)營狀況。在研究互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)時(shí)，指標(biāo)選擇應(yīng)過濾掉這些無效信息或虛假信息，利用互聯(lián)網(wǎng)平臺的優(yōu)勢獲得諸如資產(chǎn)價(jià)格、資金流水、交易活動產(chǎn)生的實(shí)時(shí)流動性數(shù)據(jù)，以便對客戶進(jìn)行更真實(shí)有效的分析，全方位評價(jià)、量化其風(fēng)險(xiǎn)，從而提高貸款決策的可靠性。

本文選擇的信用風(fēng)險(xiǎn)指標(biāo)包括企業(yè)基本狀況、互聯(lián)網(wǎng)交易狀況、互聯(lián)網(wǎng)服務(wù)質(zhì)量和供應(yīng)鏈行業(yè)狀況等指標(biāo)（參見表1）。

互聯(lián)網(wǎng)供應(yīng)鏈金融的大數(shù)據(jù)多是非結(jié)構(gòu)性的數(shù)據(jù)，冗余、重復(fù)信息非常多，需要從中篩選出對信用風(fēng)險(xiǎn)影響大的指標(biāo)。本文運(yùn)用主成分分析法進(jìn)行篩選數(shù)據(jù)。

（三）主成分分析法

主成分分析法（Principal Component Analysis，PCA），是利用降維和線性轉(zhuǎn)換的思想，將多個(gè)相關(guān)變量轉(zhuǎn)化為少數(shù)幾個(gè)不相關(guān)的主成分變量。主成分變量按照方差由大到小排列，可以不重復(fù)地反映原始變量的大部分信息，在引進(jìn)多方面變量的同時(shí)有針對性地分析重要指標(biāo)，從而使問題簡單化。本文應(yīng)用主成分分析法對互聯(lián)網(wǎng)供應(yīng)鏈企業(yè)平臺上的中小企業(yè)諸多交易變量進(jìn)行主成分分析，將模型簡化。

對于互聯(lián)網(wǎng)供應(yīng)鏈金融中的資金供給方即互聯(lián)網(wǎng)平臺企業(yè)而言，需要觀測p個(gè)信用風(fēng)險(xiǎn)影響因子x1，x2，…，xp，平臺上n個(gè)企業(yè)的因子原始數(shù)據(jù)矩陣為：

Fj=αj1x1+αj2x2+…+αjpxpj=1，2，…，p

其中，F(xiàn)j為第j個(gè)主成分，共有p個(gè)主成分，αij為主成分系數(shù)，本模型有三個(gè)假設(shè)：

第一，F(xiàn)i、Fj互不相關(guān)（i≠j，i、j=1，2，…，p）。

第二，F(xiàn)j依照方差由大到小的順序排列，如F1的方差最大，既大于F2的方差也大于F3的方差。

以上表達(dá)用矩陣式為：F=AX

表1 互聯(lián)網(wǎng)供應(yīng)鏈金融的信用風(fēng)險(xiǎn)指標(biāo)

主成分分析主要有以下五個(gè)步驟：

（1）將原始信用風(fēng)險(xiǎn)影響指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，統(tǒng)一量綱，得到標(biāo)準(zhǔn)化數(shù)據(jù)矩陣Z，其矩陣元素為：

（3）求解相關(guān)系數(shù)矩陣的特征值以及相應(yīng)的特征向量。根據(jù)雅克比方法求方程 ||R-λI=0的p個(gè)特征根，從而可以得到相關(guān)系數(shù)矩陣R的特征值（λ1，λ2，…，λp）以及相應(yīng)的特征向量ai=（ai1，ai2，…，aip），i=1，2，…，p。

（4）得出主成分表達(dá)式：

Fj=αj1x1+αj2x2+…+αjpxp

主成分分析法的核心邏輯是利用方差貢獻(xiàn)率來解釋原始信息，方差貢獻(xiàn)率是某個(gè)主成分的特征值占全部特征值的比例，即：

貢獻(xiàn)率越大，說明該主成分所包含的原始變量信息越多。主成分個(gè)數(shù)k的選取標(biāo)準(zhǔn)由主成分累積貢獻(xiàn)率決定，累計(jì)貢獻(xiàn)率超過85%時(shí)，一般就認(rèn)為主成分指標(biāo)變量涵蓋了原始變量的絕大部分信息。

（5）對主成分變量進(jìn)行綜合評價(jià)。在確定主成分后，還要注意主成分變量的實(shí)際含義解釋，這種解釋需要結(jié)合主成分變量的經(jīng)濟(jì)意義，不能機(jī)械式填充。

四、實(shí)證分析

本文的數(shù)據(jù)來源于阿里巴巴網(wǎng)，選取了2016年度60家平臺中小企業(yè)，其中共900個(gè)數(shù)據(jù)30家企業(yè)作為訓(xùn)練樣本，用于構(gòu)建模型；另外30家企業(yè)作為測試樣本，用于模型的檢驗(yàn)。按照互聯(lián)網(wǎng)供應(yīng)鏈信用風(fēng)險(xiǎn)影響指標(biāo)選擇的原則，本文涉及14個(gè)自變量，包括年?duì)I業(yè)收入、倉庫面積、員工人數(shù)、累計(jì)成交筆數(shù)、累計(jì)買家數(shù)、重復(fù)采購率、近90天退款率、近90天投訴率、貨描相符、響應(yīng)速度、發(fā)貨速度、供應(yīng)鏈重復(fù)采購率、供應(yīng)鏈近90天退款率、供應(yīng)鏈近90天投訴率（如表1所示）。

運(yùn)用SPSS統(tǒng)計(jì)軟件進(jìn)行分析如表2所示。

（一）主成分分析結(jié)果

運(yùn)用SPSS統(tǒng)計(jì)軟件對14個(gè)互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)影響指標(biāo)進(jìn)行主成分分析，得到解釋總方差表（參見表3）。主成分提取原則是特征值大于1且累計(jì)方差大于85%，由表3可知提取的6個(gè)主成分的累積方差貢獻(xiàn)率達(dá)到了87.83%，即解釋了87.83%的總變異，大于85%，說明可以有效反映原始數(shù)據(jù)的主要信息。

表2 描述統(tǒng)計(jì)量

圖1為主成分的特征根數(shù)值碎石散點(diǎn)圖，從第7個(gè)折點(diǎn)開始折線變平緩，落差變小，說明前6個(gè)點(diǎn)能夠很好表達(dá)原始變量的大部分信息，進(jìn)一步驗(yàn)證了上面6個(gè)主成分選擇。

主成分確定后，需進(jìn)一步確定因子載荷矩陣（參見表4）。將因子數(shù)據(jù)進(jìn)行正交旋轉(zhuǎn)得到的旋轉(zhuǎn)成分載荷矩陣，可使變量解釋更清晰，明確因子的實(shí)際意義。

由表4可知，供應(yīng)鏈重復(fù)采購率X12、供應(yīng)鏈近90天退款率X13、供應(yīng)鏈近90天投訴率X14等原始變量的信息主要反映在因子F1上，說明的是供應(yīng)鏈整體的狀況。

累計(jì)成交筆數(shù)X4、累計(jì)買家數(shù)X5等原始變量的信息主要反映在因子F2上，說明的是融資方的互聯(lián)網(wǎng)交易頻度狀況。

年?duì)I業(yè)收入X1、倉庫面積X2等原始變量的信息主要反映在因子F3上，說明的是融資方主體基本狀況。

響應(yīng)速度X10、發(fā)貨速度X11等原始變量的信息主要反映在因子F4上，說明的是融資方服務(wù)質(zhì)量的狀況。

近90天投訴率X8等原始變量的信息主要反映在因子F5上，說明的是供應(yīng)鏈下游投訴的狀況。

重復(fù)采購率X6等原始變量的信息主要反映在因子F6上，說明的是供應(yīng)鏈下游重復(fù)采購的狀況。

總之，這6個(gè)主成分集中代表了互聯(lián)網(wǎng)供應(yīng)鏈金融企業(yè)的供應(yīng)鏈整體狀況、互聯(lián)網(wǎng)交易頻度、主體基本狀況、服務(wù)質(zhì)量、供應(yīng)鏈下游投訴以及重復(fù)采購狀況，解釋了87.83%的主要信息。

（二）邏輯回歸結(jié)果以及分析

本文利用SPSS統(tǒng)計(jì)軟件對6個(gè)主成分為自變量、信用等級作為因變量進(jìn)行邏輯回歸模型分析，結(jié)果如表5所示。

由表5可知，在5%的顯著水平之下，6個(gè)主成分都是顯著的，因此整個(gè)模型也是顯著的。融資方的違約概率邏輯回歸模型如下：

表3 解釋的總方差

即融資方的違約概率如下式：

圖1 碎石圖

最后應(yīng)用上式對剩下30個(gè)測試樣本進(jìn)行回代檢驗(yàn)，驗(yàn)證模型的適用性。通過表6可知邏輯回歸模型對測試樣本判別的平均準(zhǔn)確率為90%，其中第一類對15個(gè)違約樣本辨別出13個(gè)，準(zhǔn)確率為86.7%；第二類對15個(gè)非違約樣本辨別出14個(gè)，準(zhǔn)確率為93.3%。這表明本文的邏輯回歸模型具有不錯(cuò)的預(yù)測能力。

表4 旋轉(zhuǎn)成份矩陣

表5 模型中的變量

（三）預(yù)測結(jié)果分析

傳統(tǒng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理多是基于財(cái)務(wù)報(bào)表數(shù)據(jù)進(jìn)行的，這種數(shù)據(jù)是結(jié)構(gòu)化的、相對靜態(tài)的。而互聯(lián)網(wǎng)平臺公司在供應(yīng)鏈交易循環(huán)生態(tài)中會形成大量的非財(cái)務(wù)數(shù)據(jù)，這些數(shù)據(jù)具有碎片化、非結(jié)構(gòu)化等特點(diǎn)。在本文的主成分分析實(shí)證中，互聯(lián)網(wǎng)供應(yīng)鏈金融企業(yè)的供應(yīng)鏈整體狀況、互聯(lián)網(wǎng)交易頻度、主體基本狀況、服務(wù)質(zhì)量、供應(yīng)鏈下游投訴以及重復(fù)采購狀況解釋了87.83%的主要信息，這意味著可獨(dú)立利用非財(cái)務(wù)數(shù)據(jù)對互聯(lián)網(wǎng)供應(yīng)鏈金融的信用風(fēng)險(xiǎn)進(jìn)行評估。對本文而言，重復(fù)采購率、近90天退款率、近90天投訴率、貨描相符、響應(yīng)速度、發(fā)貨速度等非財(cái)務(wù)數(shù)據(jù)都是社會關(guān)系參與的體現(xiàn)，這種體現(xiàn)跟企業(yè)關(guān)注的聲譽(yù)有關(guān)，通過監(jiān)控這些指標(biāo)可以進(jìn)一步管理信用風(fēng)險(xiǎn)。也就是說在互聯(lián)網(wǎng)供應(yīng)鏈金融中，非財(cái)務(wù)數(shù)據(jù)可體現(xiàn)很多信用風(fēng)險(xiǎn)的信息，如果不善于利用這些信息，互聯(lián)網(wǎng)供應(yīng)鏈金融的信用風(fēng)險(xiǎn)管理極可能不是充分有效的。

本文用邏輯回歸模型進(jìn)一步處理這些非財(cái)務(wù)指標(biāo)，最后歸一為違約概率判別變量，實(shí)證說明信用風(fēng)險(xiǎn)度量具有一定預(yù)測能力，獨(dú)立利用非財(cái)務(wù)數(shù)據(jù)度量互聯(lián)網(wǎng)供應(yīng)鏈金融的信用風(fēng)險(xiǎn)管理是切實(shí)可行的。

相對于傳統(tǒng)財(cái)務(wù)數(shù)據(jù)，利用非財(cái)務(wù)數(shù)據(jù)管理互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)的重大意義體現(xiàn)在以下四個(gè)方面：

（1）拓寬了風(fēng)險(xiǎn)管理的界限。傳統(tǒng)財(cái)務(wù)數(shù)據(jù)主要反映企業(yè)運(yùn)營狀況、擔(dān)保物經(jīng)濟(jì)價(jià)值等，對于融資方的行為、偏向、心理都不能覆蓋，這些只能通過非財(cái)務(wù)數(shù)據(jù)才能有效表現(xiàn)出來，最終落實(shí)信用風(fēng)險(xiǎn)控制點(diǎn)。

表6 邏輯回歸模型測試檢驗(yàn)

（2）可及時(shí)動態(tài)地進(jìn)行風(fēng)險(xiǎn)管理。對于企業(yè)而言，最短的財(cái)務(wù)報(bào)表周期是一個(gè)季度，但如此長的周期不能滿足互聯(lián)網(wǎng)時(shí)代的風(fēng)險(xiǎn)管理要求。因此，傳統(tǒng)的財(cái)務(wù)數(shù)據(jù)背景下信用風(fēng)險(xiǎn)管理效率過低，而且是相對靜態(tài)的。非財(cái)務(wù)數(shù)據(jù)式的信用風(fēng)險(xiǎn)管理可以快速動態(tài)地利用日常交易數(shù)據(jù)隨時(shí)監(jiān)控融資方的信用狀況，在一定程度上可滿足及時(shí)監(jiān)控的要求。

（3）降低信貸欺詐風(fēng)險(xiǎn)。對于大多數(shù)中小企業(yè)而言，其財(cái)務(wù)數(shù)據(jù)都是未經(jīng)過審計(jì)的，財(cái)務(wù)制度不完善，僅僅依賴財(cái)務(wù)數(shù)據(jù)進(jìn)行信用風(fēng)險(xiǎn)管理，融資方的欺詐成本較低。但是基于大數(shù)據(jù)的非財(cái)務(wù)數(shù)據(jù)風(fēng)險(xiǎn)管理方式對數(shù)據(jù)進(jìn)行大范圍杜撰難度和成本都較大，信貸欺詐的可能性大大降低。

五、互聯(lián)網(wǎng)供應(yīng)鏈金融盯市模式設(shè)計(jì)

實(shí)證分析說明，應(yīng)用邏輯回歸模型預(yù)測互聯(lián)網(wǎng)供應(yīng)鏈金融下融資企業(yè)的信用風(fēng)險(xiǎn)具有即時(shí)動態(tài)性，可將其應(yīng)用到信用風(fēng)險(xiǎn)管理中。互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理的核心有兩點(diǎn)：第一，確認(rèn)融資方身份以及交易的真實(shí)性；第二，動態(tài)度量和判別信用風(fēng)險(xiǎn)。

為了動態(tài)度量和判別信用風(fēng)險(xiǎn)，本文增設(shè)風(fēng)險(xiǎn)判別器，將盯市制度引用到互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理模式中。

（一）盯市模式

本文構(gòu)建的互聯(lián)網(wǎng)供應(yīng)鏈金融風(fēng)險(xiǎn)管理盯市模式結(jié)構(gòu)如圖2所示。該模式中互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理主要涉及五個(gè)主體：互聯(lián)網(wǎng)平臺、資金需求方、資金供給方、物流企業(yè)（倉庫）、第三方支付。為了研究方便，假設(shè)互聯(lián)網(wǎng)平臺、資金供給方、物流企業(yè)（倉庫）、第三方支付平臺同屬于互聯(lián)網(wǎng)平臺企業(yè)集團(tuán)的子企業(yè)（現(xiàn)實(shí)中阿里巴巴集團(tuán)、京東集團(tuán)基本符合這種假設(shè)），互聯(lián)網(wǎng)平臺是整個(gè)信用風(fēng)險(xiǎn)控制的核心，因?yàn)樗谴髷?shù)據(jù)的來源，只有互聯(lián)網(wǎng)平臺才能真正控制和監(jiān)督交易行為。資金需求方可以是互聯(lián)網(wǎng)平臺的供應(yīng)商，也可以是下游的銷售商，涵蓋互聯(lián)網(wǎng)平臺的所有企業(yè)，這些企業(yè)只要滿足授信條件都可以向互聯(lián)網(wǎng)平臺申請貸款。物流企業(yè)和倉庫是整合物流的重要環(huán)節(jié)，互聯(lián)網(wǎng)平臺企業(yè)控制了物流企業(yè)和倉庫，就相當(dāng)于獲得了無形的抵押物，包括且不限于應(yīng)收賬款、訂單、倉單等。資金供給方可以是擁有剩余自有資金的互聯(lián)網(wǎng)平臺企業(yè)、P2P公司、小貸公司甚至傳統(tǒng)金融機(jī)構(gòu)等。資金流的閉環(huán)重點(diǎn)在于第三方支付平臺，如支付寶、財(cái)付通等，它可以實(shí)現(xiàn)融資、還款、投資三個(gè)資金環(huán)節(jié)銜接循環(huán)。第三方支付平臺通過邏輯回歸風(fēng)險(xiǎn)判別器即時(shí)動態(tài)地監(jiān)控資金需求方的狀況，預(yù)判資金需求方的信用風(fēng)險(xiǎn)，完成授信資金的劃撥、控制、貸后監(jiān)控、還款所有的資金循環(huán)。

（二）盯市機(jī)制的實(shí)現(xiàn)

本文模擬期貨盯市制度設(shè)計(jì)了互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理模式，資金需求方和資金供給方相當(dāng)于期貨交易的雙方，第三方支付平臺相當(dāng)于期貨公司。

第三方支付平臺具有獲取相關(guān)數(shù)據(jù)的優(yōu)勢，能夠便利獲得邏輯回歸模型計(jì)算所需的動態(tài)非財(cái)務(wù)數(shù)據(jù)，如交易頻率、客戶活躍度、滿意度等，因此第三方支付平臺負(fù)責(zé)控制邏輯風(fēng)險(xiǎn)判別器，并管理保證金賬號。

該盯市制度主要分為兩個(gè)部分：貸前和貸后信用風(fēng)險(xiǎn)管理。貸前信用風(fēng)險(xiǎn)管理由資金供給方結(jié)合互聯(lián)網(wǎng)平臺大數(shù)據(jù)進(jìn)行授信審批，第三方支付平臺根據(jù)貸款額度或者授信額度通知資金需求方提交一定比例的初始保證金。貸后信用風(fēng)險(xiǎn)管理是由第三方支付平臺運(yùn)用邏輯回歸模型計(jì)算企業(yè)違約概率。如果企業(yè)違約概率低于某一值，保證金賬號資金不動；如果高于某一值且低于0.5時(shí)，越接近0.5資金供給方收取的保證金越多，當(dāng)保證金比例低于維持保證金比例時(shí)，第三方平臺通知資金需求方追加保證金；如果違約概率達(dá)到0.5或者資金需求方未及時(shí)追加保證金，則資金供給方將停止對其放貸、追回貸款余額、有權(quán)收取剩余全部保證金，如同期貨交易中強(qiáng)行平倉措施一樣，與此同時(shí)，第三方支付平臺要協(xié)助資金供給方進(jìn)行催收管理，提前預(yù)警并做好失聯(lián)管理。

圖2 互聯(lián)網(wǎng)供應(yīng)鏈金融盯市運(yùn)作流程

六、結(jié)束語

本文構(gòu)建了互聯(lián)網(wǎng)供應(yīng)鏈金融的信用風(fēng)險(xiǎn)模型，并進(jìn)行了實(shí)證研究，設(shè)計(jì)了邏輯回歸風(fēng)險(xiǎn)判別器，并借助盯市原理探索了創(chuàng)新的信用風(fēng)險(xiǎn)管理模式，這種模式適用于廣泛的互聯(lián)網(wǎng)平臺。目前互聯(lián)網(wǎng)金融單筆授信額度小，如阿里模式單筆授信額度僅為100萬元左右，必須依靠大數(shù)據(jù)進(jìn)行信用風(fēng)險(xiǎn)度量。由于沒有抵押，自然要求較大的風(fēng)險(xiǎn)補(bǔ)償，以分散小額度單筆授信的風(fēng)險(xiǎn)。本文建立邏輯回歸風(fēng)險(xiǎn)判別器進(jìn)行盯市機(jī)制下的信用風(fēng)險(xiǎn)管理，可有效降低信用風(fēng)險(xiǎn)，彌補(bǔ)阿里模式不能大額授信的缺點(diǎn)，從而實(shí)現(xiàn)規(guī)?；谛?。

[1]ALBERT R KOCH.Economic aspects of inventory and re?ceivable financing law and contemporary problems[J].1948（4）：566-578.

[2]MAMDOUH REFAAT.Credit Risk Scorecards：Develop?ment and Implementation Using SAS[J].Journal of informa?tion Assuranceand Security，2013（4）：53-71.

[3]BASU，NAIR.Supply chain finance enabled early pay：un?locking trapped value in B2B logistics[J].International jour?nal of logistics systems and management，2012（3）：334-353.

[4]羅齊，朱道立，陳伯銘.第三方物流服務(wù)創(chuàng)新：融通倉及其運(yùn)作模式初探[J].中國流通經(jīng)濟(jì)，2002（2）：11-14.

[5]孔媛媛，王恒山，朱珂，李晟.模糊影響圖評價(jià)算法在供應(yīng)鏈金融信用風(fēng)險(xiǎn)評估中的應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2010（21）：78-89.

[6]趙道致，白馬鵬.基于應(yīng)收票據(jù)管理的物流金融模式研究[J].預(yù)測，2008（3）：43-50.

[7]郭菊娥，史金召，王智鑫.基于第三方B2B平臺的對線上供應(yīng)鏈金融模式演進(jìn)與風(fēng)險(xiǎn)管理研究[J].商業(yè)經(jīng)濟(jì)與管理，2016（1）：44-47.

責(zé)任編輯：方程

Credit Risk M easurement and the M arking to M arket System of Internet Supp ly Chain Finance

WANG Bao-sen1and WANG Di2
（1.BeijingWuziUniversity，Beijing101149，China；2.Tianjin University，Tianjin300072，China）

Inmeasuring the credit risk involved in Internet supply chain finance，we can fully take advantage of Internet to obtain the real time dynam ic non-financialdata aboutSMEs to understand such indicatorsas the basic statusof SMEs，the current situation of Internet transaction，the quality of Internetservice，and the currentsituation of supply chain industry；w ith the help of PCA，we can also determ ine themain influencing factors of Internet supply chain finance and accurately and timely understand the risk level involved in Internet supply chain finance to break through the tradition barrier that taking financial indicators as the main measurement of financial risk.Based on this，we can learn from the risk management in the Futuresmarket，design the marking to market system for risk management in Internet supply chain finance，estimate the credit risk by using the logistic regressionmodel，and further controland reduce credit risk involved in Internetsupply chain finance.

logistic regressionmodel；Internetsupply chain finance；credit risk；marking tomarket

F274

：A

：1007-8266（2017）04-0077-08

2016-11-26

國家自然科學(xué)基金項(xiàng)目“物聯(lián)網(wǎng)環(huán)境下供應(yīng)鏈資源優(yōu)化配置與運(yùn)營協(xié)調(diào)研究”（71472134）

王寶森（1963—），男，河北省青縣人，北京物資學(xué)院經(jīng)濟(jì)學(xué)院教授，主要研究方向?yàn)榻鹑诠こ膛c風(fēng)險(xiǎn)管理；王迪（1990—），女，河北省邯鄲市人，天津大學(xué)經(jīng)濟(jì)與管理學(xué)部博士生，主要研究方向?yàn)楣?yīng)鏈管理。