供應鏈金融信用風險評價

（副教授）

一、引言

目前中小企業(yè)在生產經(jīng)營中所獲得的金融支持與其在社會經(jīng)濟發(fā)展中的作用是不對稱的，為緩和這一矛盾，政府相繼頒布了多項有關促進中小企業(yè)發(fā)展的政策。早在2009年9月國務院就頒布了《關于進一步促進中小企業(yè)發(fā)展的若干意見》，提出通過拓寬中小企業(yè)融資渠道、完善信用擔保體系等方式緩解中小企業(yè)融資難的問題。但由于多方面原因，相關政策難以落實到位，實施效果也并不明顯。在這樣的背景下，供應鏈金融應運而生。自深圳發(fā)展銀行推出“1+N”貿易融資供應鏈金融的雛形開始，供應鏈金融迅速發(fā)展起來，各大銀行都積極推出了針對中小企業(yè)的融資產品。

盡管現(xiàn)有的供應鏈金融模式在降低銀企之間信息不對稱方面有所創(chuàng)新，但仍然不能完全使中小企業(yè)擺脫融資困境。究其原因，供應鏈金融依然存在逆向選擇和道德風險。供應鏈金融以整個供應鏈為考察對象，融資擔保也從不動產擔保或第三方擔保，變?yōu)橐越灰椎母黜梽赢a和權益為主。對于中小企業(yè)而言，中小企業(yè)提升信用等級是建立在核心企業(yè)信用和資金實力的保證之下的，如果核心企業(yè)與中小企業(yè)惡意串通造假，銀行就會增加信用風險；此外，由于供應鏈金融本身具有不穩(wěn)定性，如我國擔保法制的缺失、核心企業(yè)自身的資信狀況不透明、第三方物流企業(yè)職責履行情況不確定、中小企業(yè)與銀行的博弈行為等，都會增加銀行的信用風險。因此，有必要基于供應鏈金融建立有效的信用風險評價模型來評估中小企業(yè)的信用水平，為銀行做出正確的信貸決策提供參考，從而降低銀行的信用風險。

二、文獻綜述

國外關于供應鏈金融的研究起步較早。Timme（2000）在研究供應鏈與融資的關系時，提出了“供應鏈金融”這一概念。在此基礎上，Klapper（2004）分析了中小企業(yè)采用存貨融資模式的功能和原理。Gustin（2005）詳細分析了供應鏈金融發(fā)展的新趨勢并提出了供應鏈發(fā)展驅動因素。為了分析供應鏈金融的應用價值，以進一步完善供應鏈解決方案，國外眾多學者展開了相關研究。Hofmann（2005）詳細闡述了供應鏈金融的定義和特征，并結合實例進行分析，指出在供應鏈中物流和信息流愈加被關注的背景之下，應更多地關注供應鏈中的現(xiàn)金流。Gomm（2009）指出實施有效的供應鏈財務管理將有利于供應鏈管理，進而降低資本成本，同時提出了供應鏈財務管理框架。Hofmann、Belin（2011）建立了不同行業(yè)供應鏈金融應用前景的分析評價模型，以此證明供應鏈金融在國際貿易中巨大的市場潛力。Pe?ter、Jenny等（2012）提出了供應鏈管理的機遇和挑戰(zhàn)，指出通過實行電子信息傳遞，企業(yè)可以提升競爭力、充足營運資本和降低風險。

有關供應鏈金融的信用風險，國內學者研究主要從兩個方面展開。一是對供應鏈金融的信用風險的評價機制、表現(xiàn)方式及其防范措施的研究。彎紅地（2008）研究發(fā)現(xiàn)，供應鏈金融依賴的風險規(guī)避機制依然可能失靈，提出銀行與核心企業(yè)需要建立新型合作關系來發(fā)揮各自的優(yōu)勢，從而發(fā)揮供應鏈金融的作用。龍云飛（2013）運用熵值客觀賦權方法來進行信用風險評價，并提出信用風險控制的措施。劉園、陳浩宇和任淮源（2016）研究認為，中小企業(yè)償債水平、中小企業(yè)與核心企業(yè)合作水平以及核心企業(yè)的信用水平是影響供應鏈融資風險的主要因素。二是對供應鏈金融的信用風險評價體系及其方法的研究。熊熊等（2009）等采用主成分分析法和Logistic回歸的復合方法對供應鏈金融模式下的信用風險進行評價。陳玨和陳暢（2010）基于SCOR的供應鏈分層模型，構建了風險變量體系。胡海青等（2011）提出基于機器學習的方法支持向量機（SVM）來建立信用風險評估模型。王帥等（2014）運用多層次模糊評價方法構建了中小企業(yè)信用風險評估模型。牛似虎等（2015）針對銀行運作方式，構建了風險動態(tài)評價體系，并運用實際案例驗證了運用該評價體系的可行性。

綜觀上述研究成果，特別是關于供應鏈金融信用風險評價方法的研究，多數(shù)學者側重于考慮如何運用數(shù)學方法或模型來評估風險，事實上，對于信用風險評價這一類主觀指標評價問題，其評價結果是建立在評價者的知識水平、經(jīng)驗和個人偏好之上的，而且這些指標往往是復雜的、多層次的，評價信息不甚確切或完全，是具有灰色性的。因此，進行信用風險評價完全可以運用灰色理論，采用多層次灰色綜合評價法，將定性分析與定量分析結合起來，使評價結果更具科學性。

三、供應鏈金融信用風險評價體系的再造

一般認為供應鏈金融是核心企業(yè)通過優(yōu)化資金流動，提高供應鏈上各參與主體資金的使用效率，并對供應鏈關聯(lián)方進行責任捆綁，實現(xiàn)利益共享、風險共擔，從而以供應鏈整體來贏得銀行等金融機構信用授予的一種“團購式”融資方式。供應鏈金融信用風險就是在供應鏈融資中供應鏈上下游中小企業(yè)違約而導致銀行等金融機構發(fā)生損失的可能性。

（一）信用風險評價體系的相關研究

有關信用風險研究的文獻較多，筆者以“信用風險”為主題詞，檢索2010年1月至2017年8月期間于CSSCI發(fā)表的文獻共1780篇，其中專門研究供應鏈金融信用風險體系的文獻僅有26篇。下文將選擇有代表性的文獻，整理歸納如表1所示。已有的評價體系給本研究提供了很好的借鑒，但也存在明顯的不足。一是有些指標體系缺乏一定的理論基礎或依據(jù)，指標的選取過于突兀，使得評價結果缺乏說服力；二是部分研究中指標權重的賦值過于主觀，缺乏數(shù)理邏輯和客觀依據(jù)；三是有些指標體系僅適用于特定供應鏈金融模式或形態(tài)。

（二）多層次灰色綜合評價體系構建

1.建立供應鏈金融信用風險評價指標體系。本文借鑒現(xiàn)有文獻，構建了包含4個一級指標、10個二級指標及25個三級指標的評價指標體系，如表2所示。

2.構建判斷矩陣?；跇嫿ǖ脑u價指標體系，比較同一層次的各個指標，按照一定標準對各層次內指標的比較重要性進行確認，按照從1～9的標準構建相對判斷矩陣。對指標重要性進行對比評級的標準如表3所示。

3.一致性檢測。針對各個層次的相對權重及其一致性進行檢測。

4.挑選出最佳方案。首先通過選取最佳指標來組成最佳指標序列，然后通過運用關聯(lián)系數(shù)從指數(shù)序列和原始數(shù)據(jù)序列的對比計算中得出最佳的關聯(lián)系數(shù)矩陣。

5.進行單層次評價。從底層開始逐層計算灰類評價值，直到一級指標灰度。

6.計算綜合評價結果。依據(jù)各一級指標灰度，運用向量法計算綜合評價結果，進行最后評判分析。

四、供應鏈金融信用風險評價體系實證研究

（一）案例公司簡介

江蘇某科技股份有限公司（本文稱為“Z公司”）成立于1999年，主要從事汽車制動系統(tǒng)的研發(fā)、生產和銷售。Z公司同核心企業(yè)長城汽車進行戰(zhàn)略合作，其協(xié)作關系非常穩(wěn)固，多次被評定為長城汽車公司的優(yōu)質供應商。該公司2014～2016年各項財務指標如表4所示。

表1 信用風險評價體系回顧

表2 供應鏈金融信用風險評價指標體系

表3 1～9級判斷矩陣標準

隨著汽車行業(yè)的快速發(fā)展，Z公司加大了對產品研發(fā)的投入和銷售渠道的拓展力度，業(yè)務的快速拓展也帶來了諸如流動資金不足等問題。在當前銀根相對偏緊的情況下，Z公司通過運用供應鏈金融來增信融資。

表4 2014～2016年Z公司財務指標情況

（二）多層次灰色評價法的應用

1.計算指標的層次單排序。經(jīng)過企業(yè)供應鏈金融領域專家的判斷決策，構建Z公司一級指標的判斷矩陣，如表5所示。

表5 判斷矩陣中的一級指標

一級指標單排序的計算過程具體如下：

（2）特征向量由各行的幾何平均值歸一化處理：

由此計算得到的一級指標權重系數(shù)如下：

（3）為了檢驗兩兩判斷矩陣和權重的可靠性，計算判斷矩陣的最大特征值λmax。

可得：λmax=4.0310。

（4）檢驗還需用到一致性指標CI和一致性比率CR，公式如下：

當n大于2時，可能存在判斷矩陣不一致的情況，可以用CR值來檢驗矩陣的一致性，其中CR=CI/RI。RI根據(jù)經(jīng)驗取值，其取值如表6所示。

當 n=4時，CI=0.0103，RI=0.90，CR=0.0115＜0.1，因此上文計算的兩兩判斷矩陣具有一致性。

按上述方法，可得到余下判斷矩陣的權重及一致性檢驗結果，如表7所示。

經(jīng)過驗證，剩余指標均通過一致性檢驗。

2.指標權重集。對以上指標體系的權重進行整理，得到Z公司供應鏈金融信用風險評價的指標權重集如表8所示。

3.多層次灰色綜合評價計量信用風險的應用。

（1）建立樣本矩陣。本文采用德爾菲法，邀請四位供應鏈金融專家對Z公司的實際情況進行深入考察，并參考行業(yè)的平均水平，給出客觀評分，從而構建以下矩陣：

表6 平均隨機一致性指標

表7 Z公司一級指標的權重及一致性檢驗結果

表8 Z公司供應鏈金融信用風險評價的指標權重集

（2）計算灰色評價系數(shù)和權重矩陣。計算風險指標的灰色評價系數(shù)，對應于第e個灰類評價的評價系數(shù)可以通過如下計算得出：

對于風險指標B11，屬于各個評價灰類的總灰度評價系數(shù)為qB11，則：

對于風險指標B11，第e個評價灰類的灰色評價權記為rB11e，則：

由此得出風險指標B11對各灰類的總灰色評價權向量：

同理，得出剩余子指標對于各類灰色評價權向量，構建二級指標對于各個評價灰類的灰色評價權矩陣Rij：

（3）計算二級指標的灰色評價向量及權矩陣Rij對二級指標集的灰色評價權向量，記為Uij，并且則：

同理，可以計算得到剩余二級指標的灰色評價權向量，結果如下：

（4）計算一級指標的灰色評價向量及權重矩陣R。對一級指標所屬的指標集的灰色綜合評價記為并且則有：

同理，可以計算得到剩余一級指標的灰色評價權向量，結果如下：

由此可以得到供應鏈金融信用風險綜合評價結果：

4.計算供應鏈金融信用水平的評價值V。各評價灰度等級值化向量F=［優(yōu) 良 中 低 差］=［100 80 60 40 20］，供應鏈金融信用水平的評價值為：

5.對比分析。對Z公司運用供應鏈金融后和未運用供應鏈金融時的企業(yè)信用水平進行比較，如表9所示。

表9 指標灰色評價值和評價結果

由表9可以看出，Z公司在傳統(tǒng)融資方式下的信用水平得分為64.678，處于中等偏下信用水平，信用等級不高，很難獲得銀行的信貸支持。在運用供應鏈金融后，從整個供應鏈角度來考察Z公司的信用水平，其信用水平大幅度上升，得分增加到78.324，接近良好的信用水平，信用等級大幅提高，銀行很可能同意通過供應鏈金融對Z公司進行資金的融通。

五、結論與建議

本文的研究表明，供應鏈金融是一種應用于中小企業(yè)的創(chuàng)新金融產品，它通過引入核心企業(yè)、物流監(jiān)管公司，采用自償性貿易融資方式，將供應鏈上游供應商或下游經(jīng)銷商與核心企業(yè)交易產生的流動資產作為融資授信支持資產。本文以實例比較了供應鏈金融模式和傳統(tǒng)融資模式下的信用水平，揭示供應鏈金融模式下的信用評價模型具有良好的解釋力與科學性，提高了中小企業(yè)的信用水平和等級，有利于解決供應鏈中通過傳統(tǒng)融資方式難以獲得貸款的中小企業(yè)的資金需求，降低了供應鏈整體運行成本和交易費用，使得整個供應鏈的信用風險得以降低和控制。

信用評價模型實質上僅是銀行信用風險管理的一個手段，在實踐中應將信用評價融入銀行的授信政策、貸后管理、業(yè)績考核等各項金融管理業(yè)務之中。基于上述研究結論，本文提出如下政策建議：

1.建設核心企業(yè)資信狀況數(shù)據(jù)庫。在供應鏈金融中，核心企業(yè)的資信狀況決定著整條供應鏈風險的大小。因此對于商業(yè)銀行來說，在大數(shù)據(jù)時代，建立核心企業(yè)信用狀況、償債能力與行業(yè)地位等資信數(shù)據(jù)庫，有利于評價供應鏈金融信用風險，從而確保供應鏈金融業(yè)務的順利開展。

2.建立風險預警機制。為了防范供應鏈金融信用風險產生的損失，商業(yè)銀行應更多地關注融資中小企業(yè)的狀況、信用狀況和質押物，建立預警機制。對預警信號處置的關鍵步驟是現(xiàn)場調查，在察覺正在融資的中小企業(yè)存在較大風險時，應積極對企業(yè)展開調查，若企業(yè)的生產經(jīng)營活動能夠正常開展且現(xiàn)金流未出現(xiàn)異常，則預警可以被解除。反之，若確實存在較大的不利于貸款安全的因素，銀行應該采取適當?shù)拇胧┚S護資金安全。

3.加強對第三方物流企業(yè)的管理。供應鏈金融涉及第三方物流企業(yè)，建立第三方物流企業(yè)遴選和準入管理制度，加強對物流企業(yè)資質和擔保能力的評估，確保質押物的安全和完整，是供應鏈金融有效運行的重要保障。

4.研判行業(yè)屬性與行業(yè)狀況。中小企業(yè)所處的行業(yè)狀況以及供應鏈企業(yè)間合作關系的緊密度，對供應鏈金融信用風險的影響較為顯著。融資中小企業(yè)所處行業(yè)的經(jīng)濟環(huán)境越好，該企業(yè)發(fā)生供應鏈金融信用風險的概率越低；反之，行業(yè)整體不景氣，則身在其中的中小企業(yè)發(fā)生違約的信用風險就高。

Timme S.，Williams-Timme C..The financial SCM connection［J］.Supply Chain Management Review，2000（2）.

David Gustin.Emerging trends in supply chain finance［J］.Word Trade，2005（8）.

PfohlH.C.，Gomm Moritz.Supplychain finance：Optimizing financial flows in supply chains［J］.Logistics Research，2009（3）.

Peter.Financialsupply chain managementchallenges and obstacles［J］.Proceedings in Finance and Risk Perspectives，2012（3）.

彎紅地.供應鏈金融的風險模型分析研究［J］.經(jīng)濟問題，2008（11）.

張濤，吳生秀.供應鏈融資中各方的機遇與風險［J］.山西財經(jīng)大學學報，2010（s1）.

龍云飛.基于熵值法的中小企業(yè)供應鏈融資信用風險評價［J］.統(tǒng)計與決策，2013（13）.

陳玨，陳暢.供應鏈風險模糊綜合評價——基于供應鏈運營參考模型的分析［J］.求索，2010（8）.

牛似虎，周寶剛，龐浩.供應鏈金融信用風險動態(tài)評價研究［J］.經(jīng)濟研究參考，2015（28）.

王靜.VMI模式下倉單質信的企業(yè)資信評級體系建立探討［J］.經(jīng)濟問題，2010（2）.

李毅學.供應鏈金融風險評估［J］.中央財經(jīng)大學學報，2011（10）.

胡海青，張瑯，張道宏.供應鏈金融視角下的中小企業(yè)信用風險評估研究——基于SVM與BP神經(jīng)網(wǎng)絡的比較研究［J］.管理評論，2012（11）.

陳長彬，盛鑫.供應鏈金融中信用風險的評價體系構建研究［J］.福建師范大學學報（哲學社會科學版），2013（2）.

范黎波，賈軍，賈立.供應鏈金融模式下中小企業(yè)信用風險評級模型研究［J］.國際經(jīng)濟合作，2014（1）.

張目，黃春燕，李巖.預付款融資模式下科技型中小企業(yè)信用風險評價指標體系研究［J］.科技管理研究，2015（4）.

方匡南，范新妍，馬雙鴿.基于網(wǎng)絡結構Logistic模型的企業(yè)信用風險預警［J］.統(tǒng)計研究，2016（4）.

謝江林，涂國平等.基于信號傳遞模型的供應鏈應收賬款質押融資［J］.江西社會科學，2015（5）.

王寶森，王迪.互聯(lián)網(wǎng)供應鏈金融信用風險度量與盯市管理［J］.中國流通經(jīng)濟，2017（4）.