綠色供應(yīng)鏈金融風(fēng)險(xiǎn)評(píng)估研究
——基于Logit模型與BP神經(jīng)網(wǎng)絡(luò)的比較研究

楊曉葉

（中國(guó)人民大學(xué)商學(xué)院，北京 100872）

引 言

隨著經(jīng)濟(jì)的發(fā)展，很多融資行為成為促進(jìn)經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)升級(jí)的重要措施。但是目前仍然有大量的中小企業(yè)無(wú)法得到充足的資金支持，且融資難、融資貴的現(xiàn)象早已非常普遍，而且隨著經(jīng)濟(jì)的持續(xù)放緩這種現(xiàn)象將變得更加明顯［1］。根據(jù)有關(guān)數(shù)據(jù)統(tǒng)計(jì)，中國(guó)99%的中小企業(yè)提供了80%的就業(yè)，貢獻(xiàn)了50%的GDP［2］。很顯然，這種不均衡、不適當(dāng)?shù)陌l(fā)展情況是目前很多中小企業(yè)面臨的問(wèn)題，同時(shí)這種融資難的情況也越來(lái)越值得學(xué)界進(jìn)行深入研究。

由于環(huán)境問(wèn)題越來(lái)越嚴(yán)重，綠色生產(chǎn)、綠色經(jīng)營(yíng)得到了社會(huì)各界的重視。黨的十八屆五中全會(huì)中將綠色發(fā)展作為重點(diǎn)，并提倡將綠色環(huán)保的理念與供應(yīng)鏈融資相結(jié)合，為能源行業(yè)、鋼鐵行業(yè)、化工行業(yè)等中小企業(yè)解決資金問(wèn)題，并完善綠色生產(chǎn)、回收資源等環(huán)節(jié)，最終形成環(huán)境友好、文明綠色的可持續(xù)發(fā)展，因此綠色供應(yīng)鏈應(yīng)運(yùn)而生。而地處沿海的河北省有著獨(dú)特的港口資源，包括秦皇島港、唐山港、黃驊港等，也包括鋼鐵行業(yè)和化工加工行業(yè)，這些地區(qū)的中小企業(yè)如果無(wú)法合理進(jìn)行綠色生產(chǎn)和資源回收再利用，那么危害的將不僅僅是陸地環(huán)境，同時(shí)還有海洋環(huán)境。

因此中小企業(yè)會(huì)面臨可再生材料回收以及資金問(wèn)題這兩個(gè)核心問(wèn)題［3］。現(xiàn)在賒銷(xiāo)已經(jīng)成為交易的一種主流方式，處于上游的供應(yīng)商將貨物供給下游企業(yè)后，由于資金無(wú)法及時(shí)返回，容易造成資金短缺的后果，甚至有些信用較低的企業(yè)會(huì)造成資金供應(yīng)鏈的斷鏈［4］。 “互聯(lián)網(wǎng)＋金融”以及“互聯(lián)網(wǎng)＋綠色資金管理”則可以解決資金融通以及綠色材料回收問(wèn)題。因此， “綠色供應(yīng)鏈金融”系列金融產(chǎn)品可以緩解中小企業(yè)的困境［5］。

供應(yīng)鏈金融的發(fā)展也會(huì)帶來(lái)風(fēng)險(xiǎn)。由于面對(duì)的不確定因素更多，環(huán)境更復(fù)雜，綠色供應(yīng)鏈金融風(fēng)險(xiǎn)更具隱蔽性、多樣性和復(fù)雜性。因此本文重點(diǎn)探討如何科學(xué)的識(shí)別和評(píng)估綠色供應(yīng)鏈金融風(fēng)險(xiǎn)，進(jìn)而達(dá)到規(guī)避與防控供應(yīng)鏈金融風(fēng)險(xiǎn)的目標(biāo)。

1 綠色供應(yīng)鏈和綠色供應(yīng)鏈金融的概念

綠色供應(yīng)鏈金融是為了達(dá)到綠色制造的目的，充分發(fā)揮供應(yīng)鏈中企業(yè)的綜合優(yōu)勢(shì)，綠色供應(yīng)鏈金融與一般供應(yīng)鏈金融的區(qū)別見(jiàn)表1［5］。

表1 兩種供應(yīng)鏈融資的區(qū)別

2 綠色供應(yīng)鏈金融模式框架

綠色供應(yīng)鏈金融發(fā)展的前提是存在著供應(yīng)鏈關(guān)系，且該供應(yīng)鏈應(yīng)該是正向且穩(wěn)定的。處于下游的回收商將包括零售商、消費(fèi)者、物流公司等的可回收再利用或再生產(chǎn)的產(chǎn)品交付給上游制造商或生產(chǎn)商，以滿(mǎn)足制造商或者生產(chǎn)商的重新加工，這樣就形成了綠色供應(yīng)鏈的循環(huán)。由于賒銷(xiāo)方式的暢行，中小企業(yè)如果沒(méi)有及時(shí)回收資金，則會(huì)產(chǎn)生資金缺口，因此需要與上游的制造商簽訂電子訂單，向銀行申請(qǐng)資金融通，并以訂單收益來(lái)償還銀行貸款。與此同時(shí)，環(huán)保部門(mén)也需要向制造企業(yè)和回收商提供排污權(quán)證明，為這些企業(yè)順利向銀行申請(qǐng)融資提供了保障。本文主要參考沿海地區(qū)的生產(chǎn)制造企業(yè)循環(huán)供應(yīng)鏈的研究成果，并進(jìn)行實(shí)地走訪(fǎng)調(diào)研，得到圖1所示的綠色供應(yīng)鏈金融模式流程。

圖1 綠色供應(yīng)鏈金融的流程

3 綠色供應(yīng)鏈金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的確定

根據(jù)前文對(duì)綠色供應(yīng)鏈金融風(fēng)險(xiǎn)影響因素的相關(guān)分析，初步設(shè)計(jì)出綠色供應(yīng)鏈金融風(fēng)險(xiǎn)評(píng)價(jià)綜合指標(biāo)體系，如表2所示，共五大類(lèi)，分15個(gè)二級(jí)指標(biāo)，34個(gè)三級(jí)指標(biāo)。

4 模型樣本的選取

本文主要針對(duì) 《中小企業(yè)劃型標(biāo)準(zhǔn)規(guī)定》的要求，選取鋼鐵制造業(yè)為主要研究背景，在將某些數(shù)據(jù)遺失和數(shù)據(jù)殘缺的中小企業(yè)剔除后，本文共挑選了30家中小企業(yè)。這些中小企業(yè)均為符合要求的員工人數(shù)在1000以?xún)?nèi)，營(yíng)業(yè)收入在4億元以下，同時(shí)普遍有著巨大的資金需求。由于鋼鐵制造業(yè)會(huì)排放污水、廢氣等污染物，因此政府部門(mén)會(huì)綜合考察企業(yè)排放污染物的程度和是否達(dá)到標(biāo)準(zhǔn)，進(jìn)而發(fā)放排污權(quán)證明。在獲得了排污許可之后，則會(huì)面臨這融資難問(wèn)題，這正是本文研究的重點(diǎn)。本文樣本數(shù)據(jù)來(lái)自中國(guó)鋼鐵網(wǎng)、國(guó)泰安數(shù)據(jù)庫(kù)、鋼鐵信息網(wǎng)、河北省統(tǒng)計(jì)局、河北省國(guó)資委、國(guó)家企業(yè)信用信息公示系統(tǒng)，經(jīng)綜合整理后得到30家中小企業(yè)近3年的樣本數(shù)據(jù)，樣本將這3年的數(shù)據(jù)整理成90個(gè)樣本點(diǎn)。為了進(jìn)一步檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)精度，研究過(guò)程中按2∶1的比例將總樣本隨機(jī)分為訓(xùn)練樣本和測(cè)試樣本，訓(xùn)練樣本數(shù)據(jù)60個(gè)，測(cè)試樣本30個(gè)，共90個(gè)樣本。同時(shí)，訓(xùn)練樣本和測(cè)試樣本中又各包括違約樣本和非違約樣本，將存在違約行為的企業(yè)稱(chēng)為ST企業(yè)，3年內(nèi)未出現(xiàn)違約記錄的企業(yè)稱(chēng)為非違約企業(yè)，用非ST企業(yè)來(lái)表示。違約企業(yè)主要是指近3年的財(cái)務(wù)數(shù)據(jù)不良、存在不良資產(chǎn)或無(wú)法盈利的企業(yè)，這樣的企業(yè)可能會(huì)有破產(chǎn)的風(fēng)險(xiǎn)。面臨破產(chǎn)的企業(yè)會(huì)出現(xiàn)大量的違約行為，如無(wú)法按時(shí)償還貸款、履行合同等。

將指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理，逆向指標(biāo)進(jìn)行負(fù)向處理。企業(yè)的各種指標(biāo)水平和量綱都是不同的，有些是正向的，有些是負(fù)向的，為了使各指標(biāo)的相關(guān)性保持一致，本文將指標(biāo)進(jìn)行正向化和無(wú)量綱化處理。

表2 綠色供應(yīng)鏈金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

5 綠色供應(yīng)鏈金融指標(biāo)體系的優(yōu)選

本文采用SPSS20軟件計(jì)算指標(biāo)相關(guān)矩陣，將相關(guān)程度超過(guò)0.8的指標(biāo)進(jìn)行過(guò)濾。除此之外，發(fā)現(xiàn)絕大多數(shù)指標(biāo)之間是存在相關(guān)性的，說(shuō)明可以做主成分分析和因子分析，提取共同因子。限于篇幅，以 “核心企業(yè)風(fēng)險(xiǎn)”這個(gè)一級(jí)指標(biāo)為例，列舉出了不同企業(yè)之間的相關(guān)性和顯著性，如表3所示。

表3 核心企業(yè)風(fēng)險(xiǎn)指標(biāo)相關(guān)系數(shù)分析

綜合考慮，剔除指標(biāo)銷(xiāo)售利潤(rùn)率X123、速動(dòng)比率X131、應(yīng)收賬款周轉(zhuǎn)率X111。同理，通過(guò)相關(guān)性分析，其他初始指標(biāo)予以剔除的有：污染治理水平X211、注冊(cè)時(shí)間X311、交易總額增加率X313、銷(xiāo)售利潤(rùn)率X422、企業(yè)管理水平X411、周轉(zhuǎn)率X522、訂單有效性X541。

5.1 指標(biāo)敏感性檢驗(yàn)

運(yùn)用SPSS20軟件包計(jì)算變差系數(shù)，并將變差系數(shù)從大到小進(jìn)行排序，然后將敏感性較低，即變差系數(shù)較小的指標(biāo)過(guò)濾掉。根據(jù)以往文獻(xiàn)和實(shí)際樣本特征綜合分析，本文對(duì)變差系數(shù)小于0.1，即Cvi＜0.1的指標(biāo)予以剔除。共有核心企業(yè)的資產(chǎn)負(fù)債率X133（0.0848）、外部環(huán)境的產(chǎn)業(yè)政策X221（0.0402）、綠色質(zhì)押物中的排污權(quán)評(píng)估值X532（0.0807）被剔除。基于以上分析，共剩余21個(gè)指標(biāo)，如表4所示。

5.2 指標(biāo)的主成分分析

由圖2可見(jiàn)，主成分7之后特征值下降變得稍微平緩，通過(guò)碎石圖也可以發(fā)現(xiàn)主成分個(gè)數(shù)確定的較為合理，可以反映指標(biāo)體系的幾乎全部信息。本文選擇前7個(gè)主成分作為特征根進(jìn)行分析。

在建立和運(yùn)行一個(gè)較為完善的評(píng)價(jià)模型過(guò)程中，驗(yàn)證是十分重要的，驗(yàn)證既包括樣本的訓(xùn)練，也包括對(duì)測(cè)試樣本的回代檢驗(yàn)。在訓(xùn)練樣本時(shí)，模型通常有兩種錯(cuò)誤，一種是企業(yè)有違約情況出現(xiàn)，而模型驗(yàn)證錯(cuò)誤，稱(chēng)其為第1類(lèi)錯(cuò)誤；另一種是企業(yè)沒(méi)有違約記錄而模型結(jié)果顯示為有錯(cuò)誤，這類(lèi)情況稱(chēng)為第2類(lèi)錯(cuò)誤。一般來(lái)說(shuō)，第1類(lèi)錯(cuò)誤損失為第2類(lèi)錯(cuò)誤損失的60倍左右，因此應(yīng)該盡量預(yù)防第1類(lèi)錯(cuò)誤。因此在驗(yàn)證模型性能時(shí)，除了關(guān)注兩種錯(cuò)誤出現(xiàn)的概率，還應(yīng)該重點(diǎn)關(guān)注第1種錯(cuò)誤。因此本文通過(guò)Logit模型和BP神經(jīng)網(wǎng)絡(luò)模型對(duì)樣本進(jìn)行檢驗(yàn)。

表4 敏感性分析所得指標(biāo)

表5 主成分提取表

圖2 特征根數(shù)值碎石圖

6 實(shí)證分析

6.1 基于Logit模型的檢驗(yàn)

本文在大量研究對(duì)比不同風(fēng)險(xiǎn)評(píng)估模型的基礎(chǔ)上進(jìn)行綜合比較，選定Logit模型作為綠色供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警模型。

Logit模型是一個(gè)二元選擇模型，其變量?jī)H有0和1兩個(gè)。為了使因變量Y更容易被理解，本文將違約企業(yè)，即被ST的企業(yè)用 “1”來(lái)表示，沒(méi)有違約的企業(yè)，即未被ST的企業(yè)用 “0”來(lái)表示。違約企業(yè)的概率計(jì)算公式為P（Y）＝1－F（X）。借鑒以往的論文和科研成果，將臨界值定位0.647［7］，并對(duì)比臨界值在0.5和0.647下的模型判定成果。本文一共提取了7個(gè)因子 （F1、F2、F3、F4、F5、F6、F7），使用SPSS對(duì)計(jì)算出的共同因子進(jìn)行Logit分析，使用最大似然估計(jì)法來(lái)做參數(shù)估計(jì)，結(jié)果表示所有指標(biāo)都具有較好的顯著程度。模型的主成分系數(shù)估計(jì)如表6所示。

表6 系數(shù)估計(jì)矩陣

根據(jù)計(jì)算的系數(shù)估計(jì)值，帶入到Logit模型方程中，可以得到企業(yè)違約概率的為：

在進(jìn)行預(yù)測(cè)檢驗(yàn)時(shí)，先用訓(xùn)練樣本進(jìn)行訓(xùn)練，查看預(yù)測(cè)的準(zhǔn)確度，然后再用測(cè)試樣本進(jìn)行檢驗(yàn)，精確度的臨界值分別界定為0.5和0.647。當(dāng)臨界值為0.5時(shí)，可以通過(guò)表7說(shuō)明Logit模型對(duì)評(píng)價(jià)的平均準(zhǔn)確率為93.15%，其中對(duì)違約樣本的判別準(zhǔn)確率為93%，對(duì)非違約樣本的判別準(zhǔn)確率為93.3%，即違約樣本企業(yè)15家，只有1家不能完全判別準(zhǔn)確，非違約樣本企業(yè)45家，只有3家不能完全判別準(zhǔn)確，說(shuō)明所建模型具有較高的判別準(zhǔn)確率。

表7 Logit模型對(duì)訓(xùn)練樣本的判斷結(jié)果

同樣，當(dāng)訓(xùn)練樣本預(yù)測(cè)產(chǎn)生較為滿(mǎn)意的結(jié)果后，還需要對(duì)測(cè)試樣本進(jìn)行檢驗(yàn)，驗(yàn)證模型是否具有普遍性。如表8所示，將測(cè)試樣本帶入Logit模型后，結(jié)果表明對(duì)非違約樣本預(yù)測(cè)的預(yù)測(cè)準(zhǔn)確率為88%，對(duì)違約樣本預(yù)測(cè)的準(zhǔn)確率為100%，有5家違約企業(yè)，均能夠檢測(cè)出；有25家非違約企業(yè)，能夠準(zhǔn)確檢測(cè)出22家，模型對(duì)測(cè)試樣本的綜合預(yù)測(cè)準(zhǔn)確率達(dá)到94%，說(shuō)明Logit模型對(duì)該指標(biāo)體系有著較為準(zhǔn)確的評(píng)估能力。

表8 Logit模型對(duì)測(cè)試樣本的判斷結(jié)果

在初步確定了模型的可行性和準(zhǔn)確性后，本文改進(jìn)了以往文獻(xiàn)中僅用單一的臨界值做判定的方法，通過(guò)將臨界值設(shè)定為兩個(gè)值來(lái)進(jìn)行對(duì)比分析。通過(guò)不同的臨界值設(shè)定，得到不同的測(cè)試結(jié)果，進(jìn)一步驗(yàn)證模型的準(zhǔn)確性，運(yùn)行結(jié)果見(jiàn)表9。

表9 不同臨界值的預(yù)測(cè)準(zhǔn)確率

將臨界值確定為0.5時(shí)，測(cè)試樣本的準(zhǔn)確率為94%，將臨界值確定為0.647時(shí)，測(cè)試樣本的準(zhǔn)確率為82%。通過(guò)研究發(fā)現(xiàn)，Logit模型在研究精度為0.5時(shí)，無(wú)論訓(xùn)練樣本還是測(cè)試樣本的準(zhǔn)確率都在90%以上，因此結(jié)果較為準(zhǔn)確。而當(dāng)臨界值為0.647時(shí)，準(zhǔn)確率有所下降，但總體也仍然保持在80%以上，屬于能夠接受的范圍，證明該模型具有較高的判定率。

6.2 基于BP神經(jīng)網(wǎng)絡(luò)的檢驗(yàn)

以往的大量研究中將BP神經(jīng)網(wǎng)絡(luò)算法運(yùn)用于供應(yīng)鏈金融狀況的評(píng)估，并且認(rèn)為BP神經(jīng)網(wǎng)絡(luò)在進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)方面有著較高的準(zhǔn)確度。因此本文將BP神經(jīng)網(wǎng)絡(luò)模型同Logit模型的評(píng)價(jià)效果進(jìn)行綜合對(duì)比，探索更適合綠色供應(yīng)鏈金融的風(fēng)險(xiǎn)評(píng)估模型［8］。

根據(jù)以往的研究，估計(jì)隱含層的節(jié)點(diǎn)個(gè)數(shù)應(yīng)該在4～15之間，通過(guò)反復(fù)嘗試隱藏層節(jié)點(diǎn)數(shù)，最終確定隱藏層節(jié)點(diǎn)的個(gè)數(shù)為6。同時(shí)，選擇不同的訓(xùn)練函數(shù)對(duì)預(yù)測(cè)結(jié)果會(huì)有很大的影響，如收斂快慢、收斂精度［9］。分別采用traingdx函數(shù)、traingd函數(shù)、trainscg函數(shù)和trainlm函數(shù)等常用訓(xùn)練函數(shù)［10］進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，不同函數(shù)的訓(xùn)練結(jié)果如表11所示。本文設(shè)定最大訓(xùn)練步長(zhǎng)epoch＝5000［11］， 誤差精度ε＝ 0.001， 選擇概率為 0.9。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本和測(cè)試樣本的選擇同Logit的選擇是一樣的，60組訓(xùn)練樣本，30組測(cè)試樣本，每種樣本的ST企業(yè)和非ST企業(yè)的比例為5∶1。

表10顯示，函數(shù)traingdx的迭代次數(shù)為237次，證明當(dāng)?shù)?37次時(shí)候就達(dá)到了所要求的函數(shù)精度，同時(shí)迭代次數(shù)較其他4個(gè)函數(shù)來(lái)說(shuō)是最低的，因此基于BP神經(jīng)網(wǎng)絡(luò)的綠色供應(yīng)鏈金融訓(xùn)練函數(shù)應(yīng)采用traingdx函數(shù)。

表10 不同訓(xùn)練函數(shù)的迭代次數(shù)

7 結(jié)果分析

（1）把Logit模型 （臨界值選擇為0.5時(shí)）與BP神經(jīng)網(wǎng)絡(luò)的結(jié)果進(jìn)行比較，比較結(jié)果如表10所示，針對(duì)訓(xùn)練樣本，Logit模型的綜合預(yù)測(cè)準(zhǔn)確率為94.5%，高于BP神經(jīng)網(wǎng)絡(luò)的47.5%，針對(duì)測(cè)試樣本，Logit模型的綜合預(yù)測(cè)準(zhǔn)確率為94%，高于BP神經(jīng)網(wǎng)絡(luò)的34%，因此從整體角度考慮，Logit模型要更適合該指標(biāo)體系的分析。

（2）一般BP神經(jīng)網(wǎng)絡(luò)適合大樣本分析，而由于目前綠色供應(yīng)鏈金融興起的較晚，供應(yīng)鏈中的核心企業(yè)和回收商數(shù)量較少，加上樣本企業(yè)的數(shù)據(jù)涉及到財(cái)務(wù)、信用等方面，獲取較為困難，因此影響了BP神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性。

（3）通過(guò)觀(guān)察比較結(jié)果，對(duì)于第2類(lèi)錯(cuò)誤的預(yù)測(cè)，兩種模型差別不大，但是針對(duì)第1類(lèi)模型，BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確度低于Logit模型，而對(duì)于整個(gè)綠色供應(yīng)鏈來(lái)講，第1類(lèi)錯(cuò)誤的損失要明顯高于第2類(lèi)錯(cuò)誤，因此Logit模型比較容易發(fā)現(xiàn)第1類(lèi)錯(cuò)誤。

（4）從對(duì)比結(jié)果表11中可以看出，對(duì)于訓(xùn)練樣本集，Logit模型的預(yù)測(cè)綜合結(jié)果要比BP神經(jīng)網(wǎng)絡(luò)更加準(zhǔn)確；在測(cè)試樣本集中，Logit模型的預(yù)測(cè)準(zhǔn)確率雖然有所下降，但預(yù)測(cè)結(jié)果仍然在90%以上，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)的的準(zhǔn)確程度下降達(dá)到13.5%。這說(shuō)明BP神經(jīng)網(wǎng)絡(luò)模型的魯棒性比Logit模型的魯棒性要差，即證明Logit的學(xué)習(xí)能力要優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)針對(duì)第1類(lèi)錯(cuò)誤無(wú)法做出正確判斷的結(jié)果表明，該模型無(wú)法從數(shù)據(jù)的特征中識(shí)別出企業(yè)的違約情況，從而影響了 BP 神經(jīng)網(wǎng)絡(luò)的泛化能力［12－14］。

表11 Logit模型與BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)結(jié)果對(duì)比

8 結(jié)論與建議

（1）對(duì)于綠色供應(yīng)鏈風(fēng)險(xiǎn)分析模型。本文通過(guò)對(duì)Logit模型應(yīng)用不同的臨界值進(jìn)行驗(yàn)證，得到的預(yù)測(cè)精度有所不同，本文驗(yàn)證針對(duì)綠色供應(yīng)鏈金融指標(biāo)體系臨界值為0.5有較好的預(yù)測(cè)精度。同時(shí)，通過(guò)不同的評(píng)價(jià)模型進(jìn)行對(duì)比分析，證明Logit模型比BP神經(jīng)網(wǎng)絡(luò)具有更明顯的預(yù)測(cè)能力，對(duì)于兩類(lèi)錯(cuò)誤的預(yù)測(cè)準(zhǔn)確程度都較高，特別是針對(duì)第1類(lèi)錯(cuò)誤，可以幫助綠色供應(yīng)鏈企業(yè)有效地規(guī)避有可能違約的企業(yè)，提高風(fēng)險(xiǎn)預(yù)警能力。

（2）對(duì)于綠色供應(yīng)鏈關(guān)系。各產(chǎn)業(yè)的核心企業(yè)、回收商、銀行、電商平臺(tái)建立良好的、穩(wěn)定的、長(zhǎng)期的戰(zhàn)略合作關(guān)系，對(duì)于供應(yīng)鏈的長(zhǎng)遠(yuǎn)發(fā)展是非常必要的。同時(shí)綠色供應(yīng)鏈金融風(fēng)險(xiǎn)的降低，需要有核心企業(yè)的信用、責(zé)任感、企業(yè)實(shí)力做保障，同時(shí)還需要加強(qiáng)供應(yīng)鏈成員之間的合作，確保供應(yīng)鏈金融能夠順利展開(kāi)，提升整個(gè)供應(yīng)鏈的價(jià)值水平。

（3）對(duì)于政策支持。由于綠色供應(yīng)鏈金融興起比較晚，對(duì)于排污權(quán)的申領(lǐng)、排污權(quán)的交易等監(jiān)管不到位，可能會(huì)引起資源回收不及時(shí)、資源浪費(fèi)嚴(yán)重等現(xiàn)象；同時(shí)，政府應(yīng)該加強(qiáng)宣傳排污權(quán)和排污許可的相關(guān)政策，為有能力的企業(yè)提供更多的政策支持和機(jī)會(huì)，使得綠色生產(chǎn)、可持續(xù)發(fā)展成為未來(lái)產(chǎn)業(yè)發(fā)展的主要方向。