大數(shù)據(jù)背景下供應(yīng)鏈金融中小企業(yè)信用風(fēng)險評價研究*

（貴州財經(jīng)大學(xué)，貴州 貴陽 550025）

0 引言

供應(yīng)鏈金融的產(chǎn)生是為了滿足供應(yīng)鏈條上下游企業(yè)由于真實(shí)貿(mào)易產(chǎn)生的短期融資需求。供應(yīng)鏈金融作為一種創(chuàng)新的融資模式，可以靈活地為中小融資企業(yè)提供金融產(chǎn)品以及服務(wù)。2017 年國務(wù)院辦公廳印發(fā)的《關(guān)于積極推進(jìn)供應(yīng)鏈創(chuàng)新與應(yīng)用的指導(dǎo)意見》中，明確指出了應(yīng)當(dāng)積極妥善的發(fā)展供應(yīng)鏈金融，鼓勵商業(yè)銀行等金融機(jī)構(gòu)輔助核心企業(yè)建立供應(yīng)鏈金融平臺，為上下游中小微企業(yè)提供了便捷的融資渠道。

就目前發(fā)展現(xiàn)狀而言，我國供應(yīng)鏈金融雖然發(fā)展很快，但仍然處于初級階段，供應(yīng)鏈金融發(fā)展的深度與廣度均有待提高。供應(yīng)鏈金融“暴雷”事件頻出，究其根本原因是由于鏈上的各利益關(guān)系主體存在信息不對稱現(xiàn)象，也就是人們常說的信息孤島。傳統(tǒng)銀行等金融機(jī)構(gòu)對于供應(yīng)鏈金融行業(yè)的交易流程并不能深入了解，不能夠很好地實(shí)現(xiàn)當(dāng)前資金流、物流、信息流的高質(zhì)量融合。由于傳統(tǒng)供應(yīng)鏈金融機(jī)構(gòu)對于風(fēng)險識別與管理的成本都較高。因此，加大了對于供應(yīng)鏈金融風(fēng)險管理的難度。本文在當(dāng)前大數(shù)據(jù)的背景下對中小企業(yè)供應(yīng)金融信用風(fēng)險進(jìn)行評價，收集了汽車行業(yè)中小上市公司數(shù)據(jù)作為樣本，利用主成分分析和邏輯回歸建模對供應(yīng)鏈金融信用風(fēng)險度量分析，實(shí)證表明其模型準(zhǔn)確率達(dá)到89.3%。

1 文獻(xiàn)回顧

危害供應(yīng)鏈金融的持續(xù)性和穩(wěn)定性的首要原因是供應(yīng)鏈運(yùn)營中斷。為了加強(qiáng)供應(yīng)鏈金融風(fēng)險管理，部分學(xué)者研究從供應(yīng)鏈風(fēng)險產(chǎn)生的來源和風(fēng)險管理進(jìn)行分析。董士浩、李稚[1]針對國際供應(yīng)鏈復(fù)雜多變的特點(diǎn)，通過系統(tǒng)動力學(xué)仿真案例分析得出供應(yīng)鏈關(guān)系是影響國際供應(yīng)鏈金融風(fēng)險的重要因素之一。張婉榮、朱盛萍[2]針對供應(yīng)鏈風(fēng)險來源的多樣性，從供應(yīng)鏈金融宏觀系統(tǒng)風(fēng)險、網(wǎng)絡(luò)結(jié)構(gòu)的合理性以及內(nèi)部原因等三個維度提出了新的供應(yīng)鏈風(fēng)險管理評估框架。李健、張金林[3]指出，供應(yīng)鏈金融作為一種新型高效便捷的融資模式，雖然可以高效解決供應(yīng)鏈金融上下游企業(yè)的融資問題，但由于供應(yīng)鏈具有鏈上傳導(dǎo)作用，企業(yè)信用風(fēng)險更容易傳導(dǎo)到整條供應(yīng)鏈，進(jìn)而對宏觀經(jīng)濟(jì)產(chǎn)生影響。供應(yīng)鏈金融可以有效地推動我國供給測改革，同時有效緩解中小企業(yè)融資難題。同時伴隨著不同于傳統(tǒng)金融業(yè)務(wù)的信用風(fēng)險，節(jié)點(diǎn)化分析是供應(yīng)鏈金融信用風(fēng)險管理的基礎(chǔ)。曹允春、林浩楠、李彤[4]建議利用金融科技來應(yīng)對系統(tǒng)性風(fēng)險交易流風(fēng)險、財務(wù)流風(fēng)險以及信息流風(fēng)險等傳統(tǒng)供應(yīng)鏈金融問題。付瑋瓊[5]提出不同供應(yīng)鏈金融模式下核心企業(yè)參與的可能性風(fēng)險，并基于復(fù)雜系統(tǒng)理論和共生理論構(gòu)建了核心企業(yè)主導(dǎo)的供應(yīng)鏈金融網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及依賴共生模型。楊青[6]通過演化博弈模型對銀行與電商平臺之間委托代理關(guān)系分析，指出銀行與電商的付出成本會影響供應(yīng)鏈金融業(yè)務(wù)的監(jiān)管。當(dāng)銀行對電商平臺的融資企業(yè)進(jìn)行授權(quán)管理時，存在一定監(jiān)管漏洞問題，進(jìn)而會帶來一定供應(yīng)鏈融資風(fēng)險。綜上分析，造成供應(yīng)鏈金融信用風(fēng)險的原因有很多，多數(shù)學(xué)者從供應(yīng)鏈金融交易流程的角度進(jìn)行分析管理。

2 基于邏輯回歸模型的信用風(fēng)險評估

2.1 樣本及初始財務(wù)指標(biāo)選取

在經(jīng)濟(jì)生活中許多現(xiàn)象都是以分類變量，而不是連續(xù)變量來表示的，研究變量的取值只有兩類情況，即“是”與“否”。對于分類變量的分析，Logistic 回歸模型仍然具有不可替代的作用。Logistic 回歸模型是指因變量為二級計分或二類評定的回歸分析，一般形式如下：

其中，θ0表示常量，θk表示對應(yīng)的回歸系數(shù)。Xk代表各指標(biāo)變量。因變量表示Pk企業(yè)出現(xiàn)的概率，越接近0 表示企業(yè)違約風(fēng)險越低，越接近于1 表示企業(yè)違約風(fēng)險越高。

為了便于檢驗本文所構(gòu)建的評估指標(biāo)體系以及所構(gòu)建的信用風(fēng)險評估模型的適用性，本文先對28 家公司的資信情況進(jìn)行分類。根據(jù)國務(wù)院國資委財務(wù)監(jiān)督與考核評價局2015 年新出臺的《企業(yè)績效評價標(biāo)準(zhǔn)值》來評判企業(yè)的信用風(fēng)險狀況，以債務(wù)風(fēng)險指標(biāo)中的帶息負(fù)債比率為標(biāo)準(zhǔn)對樣本企業(yè)進(jìn)行分類。如果企業(yè)債務(wù)風(fēng)險指標(biāo)中的帶息負(fù)債比率高，就說明它有信用風(fēng)險，否則就是沒有信用風(fēng)險。通過這種劃分政策，最后有8 家是有信用風(fēng)險的公司，20 家是無信用風(fēng)險的公司。

汽車行業(yè)是以整車制造的企業(yè)作為核心企業(yè)，其上游零配件供應(yīng)商以及下游整車的經(jīng)銷商多且交易脈絡(luò)復(fù)雜。企業(yè)之間的三角債務(wù)關(guān)系復(fù)雜，一個中小企業(yè)的違約行為將會導(dǎo)致整個供應(yīng)鏈條上的連鎖反應(yīng)，造成的嚴(yán)重后果。因此，本文選取汽車行業(yè)作為供應(yīng)鏈金融信用風(fēng)險研究樣本。該樣本從盈利能力、經(jīng)營能力、償債能力、成長能力、現(xiàn)金流量六個維度選取指標(biāo)。最終選取了預(yù)計負(fù)債(元)、凈資產(chǎn)收益率(平均)、銷售凈利率(TTM)、流動比率、速動比率、現(xiàn)金流動負(fù)債比、凈利潤增長率、凈資產(chǎn)增長率、總資產(chǎn)增長率、存貨周轉(zhuǎn)率(次)、應(yīng)收賬款周轉(zhuǎn)率(次)、資產(chǎn)負(fù)債率、非流動負(fù)債/負(fù)債合計、凈利潤/利潤總額等14個指標(biāo)作為因子來研究中小融資企業(yè)違約風(fēng)險。本文的指標(biāo)數(shù)據(jù)主要來源于RESSET 金融研究數(shù)據(jù)庫。

2.2 主成分分析

運(yùn)用spss18 軟件對28 家公司數(shù)據(jù)進(jìn)行主成分分析，提取主成分因子。樣本數(shù)據(jù)處理與檢驗，有效樣本數(shù)量為28 個。用KMO 和Bartlett 法對指標(biāo)體系進(jìn)行檢驗，結(jié)果如表1 所示。一般來說，KMO 值大于0.5 時，數(shù)據(jù)是比較適合做主成分分析的，當(dāng)KMO 值小于0.5，數(shù)據(jù)就不適合做主成分分析。表1 中顯示的KMO 值為0.679，大于0.5，顯著性水平小于0.05，表明該數(shù)據(jù)適合做主成分分析。

表1 KMO 和Bartlett 檢驗

1）公因子解釋程度分析。為了降低所選14 個評價指標(biāo)的多重相關(guān)性，本文采用主成分分析法。碎石圖是反映各個因子的重要程度，因子相關(guān)性越強(qiáng)，特征值越大，直線越陡峭。所得碎石圖如圖1 所示。由圖1 可知，前4 個指標(biāo)的特征值均大于1，可以看出大部分指標(biāo)的被解釋程度都比較高。

2）主成分因子提取。依據(jù)總方差及旋轉(zhuǎn)后的成分矩陣綜合計算分析，如表2 所示，選取前4 個主成分因子分別定義為F1、F2、F3、F4，且由圖1 可知，這4 個主成分因子解釋程度較高，通過表2 可知，這4 個主成分因子基本包含了所有指標(biāo)信息。這4 個因子分別定義為：F1 主要表示銷售凈利率、凈資產(chǎn)收益率(平均)，主要代表企業(yè)的盈利能力；F2 主要表示流動比率、速動比率、資產(chǎn)負(fù)債比率，主要代表企業(yè)的償債能力；F3 主要表示應(yīng)收賬款周準(zhǔn)率、存貨周準(zhǔn)率，主要代表企業(yè)的運(yùn)營能力；F4 主要表示總資產(chǎn)增長率、凈資產(chǎn)周轉(zhuǎn)率，主要代表企業(yè)成長能力。

圖1 碎石圖

表2 旋轉(zhuǎn)后的成分矩陣

2.3 模型預(yù)測正確率

將上述提取的4 個主成分因子作為協(xié)變量，企業(yè)違約概率為因變量，由于企業(yè)只會出現(xiàn)違約和不違約兩種情況。Logistic 模型的基本原理是把因變量分為對立的兩個結(jié)果。故本文采二分類的Logistic 回歸模型進(jìn)行實(shí)證分析，并“帶息負(fù)債比率＞0.5”的企業(yè)定義為“1”，“帶息負(fù)債比率＜0.5”企業(yè)定義為“0”。Logistic 模型都會犯兩類錯誤，即Ⅰ類錯誤和Ⅱ類錯誤。將預(yù)測集樣本數(shù)據(jù)代入預(yù)測模型中進(jìn)行模型效果檢驗，得到的檢驗結(jié)果如表3 所示。判定結(jié)果顯示，總體判定準(zhǔn)確率達(dá)到89.3%。

表3 預(yù)測表（分界值為0.5）

從以上分析中可以看出，大體來說Logistic 模型在評價汽車企業(yè)違約風(fēng)險準(zhǔn)確度較高，具有一定的操作性和可行性。

3 結(jié)論與建議

本文以28 家公司做為樣本進(jìn)行實(shí)證研究，從盈利能力、經(jīng)營能力、償債能力、成長能力、現(xiàn)金流量六個維度選取14 個評價指標(biāo)，通過主成分分析得到了4 個主成分因子，并基于Logistic 模型構(gòu)建汽車行業(yè)中小上市公司供應(yīng)鏈金融信用風(fēng)險評價模型，實(shí)證結(jié)論如下：

1）非信用危機(jī)公司與信用危機(jī)公司在指標(biāo)凈資產(chǎn)收益率、凈資產(chǎn)收益率、營業(yè)利潤率、營業(yè)利潤/營業(yè)總收入、凈利潤增長率、總資產(chǎn)增長率、每股凈資產(chǎn)、每股收益、總資產(chǎn)現(xiàn)金回收率、經(jīng)營凈現(xiàn)金流量/帶息債務(wù)、固定資產(chǎn)周轉(zhuǎn)率上有顯著差別。該模型總體預(yù)測準(zhǔn)確度較高，達(dá)到了89.3%。汽車中小上市公司供應(yīng)鏈金融信用風(fēng)險測度模型具有可預(yù)測性。這為銀行等金融機(jī)構(gòu)提供了較好的供應(yīng)鏈金融信用風(fēng)險評價參考模型。

2）實(shí)證過程中將14 個指標(biāo)進(jìn)行整合得到4 個主分因子。從全文模型分析來看，為了預(yù)防汽車中小企業(yè)供應(yīng)鏈金融“暴雷”事件的發(fā)生，可以從如下方面入手：重點(diǎn)關(guān)注汽車企業(yè)自身盈利能力和現(xiàn)金流量；企業(yè)有足夠的利潤和現(xiàn)金流量，企業(yè)供應(yīng)鏈融資出現(xiàn)違約的可能性就會大大降低；同時，協(xié)調(diào)好各個指標(biāo)的關(guān)系，做到企業(yè)的償債能力、盈利能力、企業(yè)自身成長能力協(xié)調(diào)發(fā)展。

總之，可以進(jìn)一步將本文研究結(jié)果應(yīng)用到企業(yè)的實(shí)踐當(dāng)中，幫助現(xiàn)有供應(yīng)鏈金融信用風(fēng)險做出準(zhǔn)確預(yù)測，以幫助銀行等金融機(jī)構(gòu)快速并且準(zhǔn)確地識別信用風(fēng)險較低的企業(yè)。同時，優(yōu)化企業(yè)投融資結(jié)構(gòu)、經(jīng)營策略及人才培養(yǎng)方案等，形成企業(yè)健康發(fā)展的長效機(jī)制。對大數(shù)據(jù)背景下規(guī)范供應(yīng)鏈金融的穩(wěn)定發(fā)展等具有現(xiàn)實(shí)意義。