基于生豬產(chǎn)業(yè)的供應(yīng)鏈金融信用風險評價研究*——來自新三板數(shù)據(jù)

○東北財經(jīng)大學創(chuàng)新創(chuàng)業(yè)與實驗教學中心 趙宇凌

○東北財經(jīng)大學金融學院 畢金玲

供應(yīng)鏈金融優(yōu)化了鏈上企業(yè)間的現(xiàn)金流配置，提高了鏈上資金的使用效率，推動了中小企業(yè)融資難問題的解決，加快了中小企業(yè)的健康發(fā)展。2020年9月22日中國人民銀行等八部委聯(lián)合發(fā)布的《關(guān)于規(guī)范發(fā)展供應(yīng)鏈金融支持供應(yīng)鏈產(chǎn)業(yè)鏈穩(wěn)定循環(huán)和優(yōu)化升級的意見》(銀發(fā)〔2020〕226號)(以下簡稱“《意見》”)首次明確供應(yīng)鏈金融定義，指出“供應(yīng)鏈金融是指從供應(yīng)鏈產(chǎn)業(yè)鏈整體出發(fā)，運用金融科技手段，整合物流、資金流、信息流等信息，在真實交易背景下，構(gòu)建供應(yīng)鏈中占主導(dǎo)地位的核心企業(yè)與上下游企業(yè)一體化的金融供給體系和風險評估體系……”?！兑庖姟分辛帷罢鎸崱?，指明防范供應(yīng)鏈金融風險的重要性，其中首要評估和防范的即是借貸中的信用風險。供應(yīng)鏈金融從供應(yīng)鏈產(chǎn)業(yè)鏈整體出發(fā)考察中小企業(yè)和核心企業(yè)的整體信用情況，信用主體呈現(xiàn)多層次、跨行業(yè)、跨地域等特點，對信用風險的評估對象層次化、評估指標個性化、評估方法科學性都提出了更高的要求。

我國是生豬生產(chǎn)和消費第一大國，據(jù)國家統(tǒng)計局數(shù)據(jù)顯示，2020年我國生豬存欄 40 650 萬頭。2021年2月21日發(fā)布的《中共中央 國務(wù)院關(guān)于全面推進鄉(xiāng)村振興加快農(nóng)業(yè)農(nóng)村現(xiàn)代化的意見》指出“加快構(gòu)建現(xiàn)代養(yǎng)殖體系，保護生豬基礎(chǔ)產(chǎn)能，健全生豬產(chǎn)業(yè)平穩(wěn)有序發(fā)展長效機制”。鑒于我國生豬產(chǎn)業(yè)規(guī)模龐大、對經(jīng)濟影響深遠的特點，亟需對生豬產(chǎn)業(yè)供應(yīng)鏈金融信用風險進行研究。

一、文獻綜述

經(jīng)濟全球一體化引領(lǐng)了現(xiàn)代企業(yè)管理的發(fā)展，比較優(yōu)勢理論和利潤最大化的企業(yè)目標衍生出現(xiàn)代供應(yīng)鏈。供應(yīng)鏈是一個不斷發(fā)展的動態(tài)網(wǎng)絡(luò)結(jié)構(gòu)系統(tǒng)，包含了對物流、信息流、資金流的管理。供應(yīng)鏈金融源于供應(yīng)鏈管理中的資金流管理，學界先后從核心企業(yè)、交易平臺、銀行、物流等不同參與主體及供應(yīng)鏈整體的角度，分別界定供應(yīng)鏈金融概念。供應(yīng)鏈金融概念來自并發(fā)展于實踐，其理論研究與實踐聯(lián)系十分緊密。夏雨等[1]認為運營管理與金融學交叉衍生出供應(yīng)鏈金融領(lǐng)域。從業(yè)務(wù)流程看，供應(yīng)鏈金融信用風險評價，是評估整個供應(yīng)鏈是否能夠穩(wěn)定運行、是否能夠優(yōu)化鏈上現(xiàn)金流的基本要求，屬于金融學視角下的供應(yīng)鏈風險信息處理研究。

國外文獻主要對供應(yīng)鏈金融信用風險的不同評價方法進行研究，國內(nèi)文獻包括了供應(yīng)鏈金融信用風險的不同評價方法與實踐相結(jié)合的研究。Moretto et al.[2]指出傳統(tǒng)信用風險評價，是對貸款企業(yè)自身財務(wù)狀況、業(yè)務(wù)發(fā)展等的審核。中小企業(yè)由于規(guī)模、財務(wù)狀況等原因，難于通過信用風險審查。供應(yīng)鏈金融信用風險評價將財務(wù)信息與供應(yīng)鏈信息相結(jié)合評價鏈上中小企業(yè)信用風險，可規(guī)避財務(wù)信息的局限性和中小企業(yè)規(guī)模的限制。吳世農(nóng)和盧賢義[3]運用三種方法預(yù)測公司信用風險，發(fā)現(xiàn)Logit模型的預(yù)測誤判率最低。陳雄華等[4]指出運用神經(jīng)網(wǎng)絡(luò)模型評估企業(yè)信用風險，比其他判別模型更準確。熊熊等[5]運用Logit模型對中小板102家企業(yè)進行供應(yīng)鏈金融信用風險評估，發(fā)現(xiàn)供應(yīng)鏈金融部分緩解了中小企業(yè)融資問題。張建同等[6]驗證了修正KMV模型評價汽車供應(yīng)鏈金融風險的有效性。楊軍和房姿含[7]指出Logit模型預(yù)測農(nóng)業(yè)中小企業(yè)供應(yīng)鏈金融信用風險“準確性較高”。李杰輝和陳珊珊[8]運用Logit模型分析41家房地產(chǎn)企業(yè)，能夠一定程度地預(yù)測企業(yè)的違約概率。

已有文獻從全行業(yè)角度，研究不同方法對供應(yīng)鏈金融信用風險的評價，驗證了方法的有效性。進一步，學者們對鋼鐵、房地產(chǎn)、汽車、農(nóng)業(yè)等行業(yè)的供應(yīng)鏈金融信用風險進行評價，研究了不同方法與行業(yè)的匹配性和檢驗的有效性。對于行業(yè)特點與指標體系建立的對應(yīng)關(guān)系，以及各指標、尤其行業(yè)特有指標對供應(yīng)鏈金融信用風險的影響程度尚少有研究。本文擬從生豬產(chǎn)業(yè)出發(fā)對供應(yīng)鏈金融信用風險的評價進行研究。

二、方法的選擇

(一)供應(yīng)鏈金融信用風險評價方法

供應(yīng)鏈金融信用風險指在一定時間范圍內(nèi)，核心企業(yè)與上下游企業(yè)一體化的金融供給體系中貸款方可能違約的概率。供應(yīng)鏈金融信用風險評價，指基于企業(yè)間視角的企業(yè)信用風險評價，沿用了單一企業(yè)視角的信用風險評價模型。Wojcicka-Wojtowicz[9]將企業(yè)信用風險評價方法分為傳統(tǒng)方法和現(xiàn)代方法，前者包括評分法、Logit模型、神經(jīng)網(wǎng)絡(luò)模型等判別分析模型，后者一般指基于特定數(shù)理統(tǒng)計方法構(gòu)建的信用風險評價模型，包括KMV模型、Credit Metrics模型、Credit Portfolio View模型等。

Altman[10]將多元判別分析應(yīng)用于企業(yè)破產(chǎn)預(yù)測，提出了著名的Z-score法。Ohlson[11]首次將Logit模型應(yīng)用于企業(yè)財務(wù)窘境預(yù)測，避免了多元判別分析數(shù)據(jù)正態(tài)分布、相同協(xié)方差等要求，估計更具魯棒性。Tam和Kiang[12]將神經(jīng)網(wǎng)絡(luò)模型用于銀行業(yè)財務(wù)困境預(yù)測，發(fā)現(xiàn)具有較高的準確性和穩(wěn)定性，但缺少了“解釋能力”。2004年的《巴塞爾新資本協(xié)議》推動了信用風險現(xiàn)代評價方法的發(fā)展。KMV公司基于Black-Scholes模型，建立了運用財務(wù)、股價數(shù)據(jù)計算預(yù)期違約概率的KMV模型。該模型因運用股價等公開信息，而不適合于非上市企業(yè)的信用風險評價。Credit Metrics模型是估算由于違約和信用降級引起的、在未來一段時間內(nèi)資產(chǎn)組合的最大可能損失，該模型所依據(jù)的違約概率和信用降級兩個歷史數(shù)據(jù)庫尚缺少對中小企業(yè)的記錄。麥肯錫公司將信用降級概率與宏觀經(jīng)濟因素相聯(lián)系計算損失分布，建立Credit Portfolio View模型，補充了Credit Metrics模型不同經(jīng)濟周期信用降級概率不變的特點。Credit Portfolio View模型所要求的國家、行業(yè)層面的違約數(shù)據(jù)往往難以獲得。

(二)生豬產(chǎn)業(yè)特點分析與方法選擇

生豬產(chǎn)業(yè)是我國農(nóng)業(yè)的支柱產(chǎn)業(yè)之一，2020年生豬產(chǎn)業(yè)產(chǎn)值近1.3萬億元。我國生豬產(chǎn)業(yè)鏈以生豬養(yǎng)殖為核心，包括飼料加工、獸藥、生豬養(yǎng)殖、屠宰、加工、銷售等諸多行業(yè)。理論研究與實踐數(shù)據(jù)顯示，生豬養(yǎng)殖業(yè)具有顯著的周期性，即“豬周期”。豬價周期性波動的現(xiàn)象，得到了經(jīng)濟學中蛛網(wǎng)理論的支持。由此，生豬養(yǎng)殖具有生產(chǎn)周期長、資金季節(jié)性需求量大、市場空間大、利潤不穩(wěn)定等特點。此外，生豬產(chǎn)業(yè)鏈上下游行業(yè)關(guān)聯(lián)緊密，供需傳導(dǎo)速度快，行業(yè)間依存度高。為平滑“豬周期”影響，增強抗風險能力，大部分生豬養(yǎng)殖企業(yè)向產(chǎn)業(yè)鏈上下游擴張，這為生豬產(chǎn)業(yè)的供應(yīng)鏈融資提供了條件。

國家統(tǒng)計局發(fā)布，2020年全國生豬出欄 52 704 萬頭，前十家豬企生豬出欄量僅占全國的10.4%，可知當前我國生豬養(yǎng)殖仍以農(nóng)散戶、中小企業(yè)為主。利用農(nóng)產(chǎn)品鮮明的季節(jié)性特點，供應(yīng)鏈金融可實現(xiàn)優(yōu)化生豬產(chǎn)業(yè)鏈上的資金配置。如，在購買豬苗、養(yǎng)殖階段，養(yǎng)殖企業(yè)為資金需求方，在生豬出欄時，養(yǎng)殖企業(yè)資金充沛，可成為資金提供方。這為生豬產(chǎn)業(yè)供應(yīng)鏈金融提供了理論上的可能性。

綜上，生豬產(chǎn)業(yè)供應(yīng)鏈金融信用風險評價主體多為非上市中小企業(yè)，我國非上市中小企業(yè)的違約和信用評級歷史數(shù)據(jù)、行業(yè)違約數(shù)據(jù)尚不完善，本文選擇傳統(tǒng)方法進行評價。為進一步研究生豬產(chǎn)業(yè)特點與供應(yīng)鏈金融信用風險的關(guān)系，本文選擇具有一定解釋能力的、對變量總體分布和方差要求不高的Logit模型進行生豬產(chǎn)業(yè)供應(yīng)鏈金融信用風險評價。

三、生豬產(chǎn)業(yè)供應(yīng)鏈金融信用風險評價模型的建立

(一)Logit模型

Logit模型又稱對數(shù)單位模型，是一種常用的離散選擇模型，解決因變量y為二分類定性變量的問題，自變量x服從Logistic分布函數(shù)，建立Logit模型，

(1)

(2)

其中，Pi表示企業(yè)i發(fā)生違約風險的概率；y=1表示企業(yè)發(fā)生違約風險，y=0表示企業(yè)未發(fā)生違約風險；xi表示第i個自變量；α為常數(shù)項；βi為第i個自變量的系數(shù)。

(二)評價指標體系的建立

從供應(yīng)鏈產(chǎn)業(yè)鏈整體出發(fā)，生豬產(chǎn)業(yè)供應(yīng)鏈金融信用風險評價指標體系應(yīng)包含中小企業(yè)資質(zhì)、核心企業(yè)資質(zhì)、質(zhì)押資產(chǎn)特征、宏觀環(huán)境特征和供應(yīng)鏈行業(yè)特征。本文根據(jù)《中國人民銀行信用評級管理指導(dǎo)意見》(銀發(fā)[2006]95號)構(gòu)建了中小企業(yè)資質(zhì)指標，并選擇盈利能力、經(jīng)營能力及償債能力指標評價核心企業(yè)資質(zhì)。

生豬產(chǎn)業(yè)鏈上的產(chǎn)品具有易變質(zhì)特點，不適合以存貨質(zhì)押方式融資。本文以鏈上中小企業(yè)向下游核心企業(yè)供貨的交易方式為對象，研究應(yīng)收賬款質(zhì)押模式的生豬產(chǎn)業(yè)供應(yīng)鏈融資信用風險，選取應(yīng)收賬款賬齡指標評價質(zhì)押資產(chǎn)特征。豬肉是我國重要的農(nóng)副產(chǎn)品之一，易振華[13]指出生豬價格在我國消費品價格指數(shù)(CPI)中權(quán)重高，與CPI走勢相似，故選取GDP增長率指標，揭示生豬產(chǎn)業(yè)所處的宏觀經(jīng)濟環(huán)境特征。我國生豬養(yǎng)殖集中度較低，生豬企業(yè)處于完全競爭狀態(tài)，企業(yè)業(yè)績與豬價關(guān)聯(lián)緊密，生豬產(chǎn)業(yè)受豬周期影響較大，筆者推測生豬價格與生豬產(chǎn)業(yè)鏈上的中小企業(yè)信用風險具有相關(guān)性。故選取生豬價格指標揭示行業(yè)狀況。供應(yīng)鏈的盈利能力說明供應(yīng)鏈的穩(wěn)定性，即鏈上中小企業(yè)交易活動的穩(wěn)定性，本文選取供應(yīng)鏈利潤率指標進行評價。具體評價指標體系如表1。

表1 生豬產(chǎn)業(yè)供應(yīng)鏈金融信用風險評價指標體系

(三)樣本選擇

我國生豬養(yǎng)殖規(guī)?；^低，具有公開財務(wù)數(shù)據(jù)的生豬養(yǎng)殖中小企業(yè)集中于“新三板”。根據(jù)《新三板掛牌公司管理型分類結(jié)果(截至2021年1月底)》名單，本文選取“新三板”飼料加工、牲畜飼養(yǎng)、屠宰及肉類加工、獸用藥品制造等行業(yè)的企業(yè)75家，經(jīng)手工篩選，主營項目與豬有關(guān)的企業(yè)有36家。本文將“新三板”企業(yè)發(fā)生被ST、未按時披露公司年報，或者多次違規(guī)、訴訟并被發(fā)布風險提示性公告等情形之一者，視為風險企業(yè)。通過查詢Wind金融數(shù)據(jù)庫，樣本企業(yè)中有27家正常企業(yè)和9家風險企業(yè)。通過Wind金融數(shù)據(jù)庫的關(guān)系網(wǎng)文件及網(wǎng)絡(luò)搜索，確定了與36家樣本企業(yè)一一對應(yīng)的真實發(fā)生或可能發(fā)生業(yè)務(wù)的核心企業(yè)。

由于信用風險的滯后性和當年年報次年披露的時滯性，本文選取Wind金融數(shù)據(jù)庫中樣本企業(yè)2016—2018年年報數(shù)據(jù)對2019年的違約與否狀態(tài)進行回歸。本文建立的評價體系包含了連續(xù)計量和離散計數(shù)指標，隨時間變化而有不同含義。為盡量減少信息丟失，本文借鑒彭建剛等[14]采用的方法，對2016—2018年各指標進行時間加權(quán)平均，作為回歸的各指標數(shù)據(jù)：

(3)

其中，T表示指標數(shù)據(jù)涵蓋的總年數(shù)，Xij表示i指標第j年的數(shù)值。

四、實證分析

Logit模型簡單易理解，對變量數(shù)據(jù)分布和方差沒有嚴格要求，但是自變量之間可能存在的多重共線性會降低估計的準確性。評價供應(yīng)鏈金融信用風險的指標眾多，且財務(wù)指標間存在一定的相關(guān)性，本文在Logit模型回歸前，運用主成分分析降維處理自變量，解決多重共線性問題。

(一)主成分分析

本文采用SPSS25.0進行主成分分析。首先，對樣本數(shù)據(jù)相關(guān)性進行檢驗，KMO的值為0.524，巴特利特檢驗P值<0.001，說明變量之間存在相關(guān)性，適合進行主成分分析。其次，對樣本數(shù)據(jù)進行標準化，以消除不同量綱產(chǎn)生的數(shù)量級差異影響。為有效降維，主成分分析選取貢獻率超過75%、且特征值大于所有主成分特征值均值1的因子作為主成分。由表2可知，選擇F1-F8這8個因子作為主成分。

表2 總方差解釋

由旋轉(zhuǎn)后成分矩陣可知：

F1主要是總資產(chǎn)利潤率、成本費用利潤率、銷售凈利率、凈利潤增長率、資本金利潤率、現(xiàn)金流量負債比率、流動比率的線性組合，反映了中小企業(yè)的盈利能力和償債能力。

F2主要是核心企業(yè)速動比率、供應(yīng)鏈利潤率、核心企業(yè)銷售凈利率的線性組合，反映了核心企業(yè)和供應(yīng)鏈的盈利能力。

F3主要是應(yīng)收賬款賬齡、豬價、GDP增長率的線性組合，反映了行業(yè)周期、宏觀經(jīng)濟、質(zhì)押資產(chǎn)特征的環(huán)境影響。

F4主要是存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率的線性組合，反映了中小企業(yè)的經(jīng)營能力。

F5主要是流動資產(chǎn)周轉(zhuǎn)率的線性組合，反映了中小企業(yè)流動資產(chǎn)的經(jīng)營能力。

F6主要是應(yīng)收賬款賬齡、員工得分的線性組合，反映了中小企業(yè)素質(zhì)。

F7主要是應(yīng)收賬款周轉(zhuǎn)率的線性組合，反映了中小企業(yè)運營應(yīng)收賬款的能力。

F8主要是總資產(chǎn)增長率的線性組合，反映了中小企業(yè)的發(fā)展能力。

由成分得分系數(shù)矩陣可得，主成分F1、F2、F3、F4、F5、F6、F7、F8由原始指標表示的線性組合：

F1=-0.007X1-0.029X2+0.056X3-0.003X4+0.048X5+0.075X6+0.134X7+0.152X8+0.145X9+0.168X10+0.061X11+0.094X12-0.089X13+0.133X14-0.019X15-0.091X16-0.139X17+0.021X18+0.012X19-0.030X20+0.025X21+0.054X22+0.004X23-0.005X24-0.005X25

……

F8=0.221X1+0.028X2-0.188X3-0.257X4+0.070X5+0.008X6-0.027X7+0.000X8+0.019X9-0.102X10+0.272X11+0.158X12+0.004X13-0.148X14+0.247X15-0.064X16+0.054X17+0.446X18-0.097X19-0.243X20+0.082X21-0.003X22+0.444X23-0.199X24-0.257X25

(二)Logit模型回歸與分析

通過主成分分析，選取F1-F8主成分作為協(xié)變量進行Logit回歸分析。采用向后逐步回歸進行變量選擇，經(jīng)3步回歸F1、F2、F3、F4、F7、F8被留在模型中，其中F1、F3、F7、F8具有統(tǒng)計顯著性。由表 2知，F(xiàn)1、F2、F3、F4、F7、F8主成分涵蓋了83.502%的原始指標信息，代入Logit模型得

(4)

模型(4)中的因變量P表示公司違約的概率。P值越接近于1，說明企業(yè)違約的概率越大；P值越接近如0，說明企業(yè)違約的概率越小。由預(yù)測分類檢驗可知，模型(4)預(yù)測正常企業(yè)的準確率為94.1%，預(yù)測風險企業(yè)的準確率為83.3%，總的預(yù)測準確率為91.3%，表明該模型的預(yù)測精確度很高。

由Logit模型原理，模型(4)中具有統(tǒng)計顯著性的主成分系數(shù)可判斷其與信用風險的相關(guān)性。結(jié)果顯示，主成分F1、F3、F7、F8與信用風險顯著負相關(guān)。由表 2知，F(xiàn)1對信用風險的解釋能力最大，說明中小企業(yè)自身的盈利能力和償債能力與信用風險具有較高負相關(guān)性。F3主要反映了行業(yè)周期、宏觀經(jīng)濟、中小企業(yè)債項資質(zhì)的借貸環(huán)境影響因素，說明豬周期、宏觀經(jīng)濟與生豬產(chǎn)業(yè)供應(yīng)鏈金融信用風險負相關(guān)，驗證了前文的推測。F7和F8分別反映了中小企業(yè)的應(yīng)收賬款運營能力和發(fā)展能力，說明這兩項能力與信用風險具有相關(guān)性。

五、結(jié)論與未來研究方向

(一)結(jié)論

我國生豬養(yǎng)殖規(guī)?；^低，生豬產(chǎn)業(yè)鏈上企業(yè)多集中于新三板，新三板掛牌的中小企業(yè)財務(wù)數(shù)據(jù)公開，為本文研究提供了適合的數(shù)據(jù)基礎(chǔ)。研究發(fā)現(xiàn)：在供應(yīng)鏈金融信用風險評價中，生豬產(chǎn)業(yè)鏈上企業(yè)自身的盈利能力和償債能力、豬周期、供應(yīng)鏈盈利能力與信用風險具有相關(guān)性。Logit模型評價生豬產(chǎn)業(yè)供應(yīng)鏈金融信用風險，具有總預(yù)測91.3%的高準確率。

(二)有關(guān)未來研究方向的建議

第一，結(jié)合生豬產(chǎn)業(yè)研判，完善指標體系。本文在《中國人民銀行信用評級管理指導(dǎo)意見》(銀發(fā)[2006]95號)信用風險評價體系的基礎(chǔ)上，引入了核心企業(yè)資質(zhì)、供應(yīng)鏈盈利能力、生豬價格等指標，未來可通過對生豬產(chǎn)業(yè)供應(yīng)鏈的深入探索，進一步增加核心企業(yè)擔保貸款額度、供應(yīng)鏈信息共享程度及豬糧比等評價指標，提高模型預(yù)測準確率。

第二，考慮時間因素，優(yōu)化評價模型。本文選擇生豬價格作為豬周期的表征變量，由回歸結(jié)果可知，含有豬周期變量的主成分與信用風險顯著相關(guān)。豬價對生豬產(chǎn)業(yè)鏈上企業(yè)影響的時點可能不同，如豬價下降對上游飼料企業(yè)的影響會有滯后期，而對生豬養(yǎng)殖企業(yè)則是即時影響，即本期豬價下降影響本期銷售收入，影響本期盈利能力和償債能力。本文未區(qū)別時間進行回歸檢驗，未能反映豬價對不同企業(yè)的時點影響。未來可優(yōu)化評價模型，進一步細化豬周期與生豬產(chǎn)業(yè)供應(yīng)鏈金融風險的關(guān)系。