基于公路運力信用結構的供應鏈金融授信分析

胥麗莉， 孫 杰， 李欣怡

(上海大學 管理學院,上海 200444)

0 引言

供應鏈金融從1.0版本到3.0版本信用一直是關鍵。隨著客戶需求的轉變所導致運輸物流各子行業(yè)之間的界限，以及物流和價值鏈其他環(huán)節(jié)的界限愈加模糊，公路運力供應鏈疊加金融服務的創(chuàng)新模式開始出現(xiàn)。然而，公路運力具有層層轉包的特點，并且中國數(shù)量龐大的車輛95%為掛靠運營，并不屬于公路運力型中小物流企業(yè)(小型三方和專線)的資產(chǎn)，加之中小物流企業(yè)財務數(shù)據(jù)缺乏，較難滿足傳統(tǒng)的信用指標與信用評價，獲得金融支持機會少。據(jù)中國物流與采購聯(lián)合會統(tǒng)計，2019年社會物流總費用14.6萬億元，其中運輸費用7.7萬億元，公路貨運占比77.81%，由此推算公路物流的運輸費用約6萬億元，物流公司運費應收款賬期在3～6個月之間，墊資壓力大。加之，每年約300萬輛車需要更新，所產(chǎn)生的購車資金需求約5000億元。面對公路運力龐大的資金需求，能否從信用的角度挖掘出公路運力的信用結構組成，提煉出信用結構與授信額度的關系，并以此為基礎確定授信額度，實現(xiàn)傳統(tǒng)信用評價的升級，解決公路運力融資困境，同時為大型企業(yè)、銀行等金融機構提供流動性釋放決策？

為此，本文組織了如下研究框架：文章第一章首先進行文獻回顧，明確中小公路貨運企業(yè)現(xiàn)有的信用評估方法及金融機構現(xiàn)有的授信額度決策方式；第二章從供應鏈金融增信要素入手，構建出主體信用、交易信用及監(jiān)管信用三維信用增信結構，并就公路運力的特點，建立信用結構指標；第三章解析三維信用結構與授信額度的關系，為授信模型建立提供總體思路與技術路線；第四章從公路運力授信比率設定、運輸收入分析等進行授信模型分析，明確信用結構各指標體系對模型的影響；第五章進行算例分析；最后第六章進行全文總結，并對今后研究方向進行展望。

1 文獻回顧

儲雪儉等[1]指出，運力供應鏈與商品供應鏈的區(qū)別在于：商品供應鏈融資傾向于資產(chǎn)的抵押質押，運力供應鏈融資主要是信用。為此，基于相關研究主題，文獻回顧主要分為(1)信用評估，即明確中小公路貨運企業(yè)現(xiàn)有的信用評估方法(2)授信分析，即明確金融機構現(xiàn)有的授信額度決策方式。

1.1 信用評估

目前代表性的信用評估方式主要有五類：

第一類是以財務指標為基礎的信用評估，主要適用于上市公司。如You Zhu et al.[2]選取了77家上市中小企業(yè)和11家上市核心企業(yè)的季度財務數(shù)據(jù)和非財務數(shù)據(jù)作為樣本，對金融機構中小企業(yè)的信用進行了評估。劉穎[3]等按照企業(yè)規(guī)模、盈利能力、發(fā)展能力、償債能力、運營能力將財務指標分類。You Zhu et al.[4]提出一種改進的混合集成ML方法RS MultiBoosting，指出財務指標在提高中小企業(yè)的融資能力中仍至關重要。

第二類是以財務指標與上下游運營數(shù)據(jù)為基礎的信用評估。Caniato et al.[5]提出基于對買方與供應商關系評估，通過買方的信譽而為供應商提供信用融資的反向保理模式。Antonella Moretto et al.[6]提出將財務評估與供應商評級整合到供應鏈信用評級模型。馬毅[7]等提出在互聯(lián)網(wǎng)平臺上留下包括第三方數(shù)據(jù)、企業(yè)主要商品性能狀態(tài)數(shù)據(jù)、平臺交易數(shù)據(jù)和相關用戶網(wǎng)絡軌跡數(shù)據(jù)進行信用分析。

第三類是以核心企業(yè)的信用為基礎的信用評估。WeiMing Mou et al.[8]運用模糊層次分析法(FAHP)，構建了供應鏈融資信用風險評價體系，對核心企業(yè)信用風險進行了定量度量和評價。

第四類是以擔保、保險為基礎的信用評估。Qihui Lu et al.[9]研究了零售商向銀行借款時，由第三方或供應商提供部分信用擔保實現(xiàn)融資的模型。鄒德志[10]指出通過信用保證基金進行增信能最大限度地降低交易中的信息不對稱問題。

第五類是綜合性信用評估。Chao LI[11]通過中小企業(yè)資質、核心企業(yè)資質、在線供應鏈運行狀態(tài)等指標，對在線供應鏈金融信用風險進行評估。儲雪儉[12]等則表示通過將訂單信息、車輛軌跡信息、財務信息進行交叉驗證作為信用風險評估的指標之一，可以對運力供應鏈上中小物流企業(yè)融資需求提供資信參考。

1.2 授信分析

授信額度與授信模型一直是研究的重點。陳林和周宗放[13]基于子公司對母公司違約風險的影響和貸款收益管理的多目標決策，構建了企業(yè)集團成員企業(yè)授信額度優(yōu)化配置模型。李響[14]從小微企業(yè)經(jīng)營狀況、信用等級出發(fā)，構建授信額度測算模型。Chengfu Wang et al.[15]研究了在線零售商在電子商務平臺融資和銀行信貸融資之間，進行貸款利率和費率均衡和協(xié)調。吳宏亮[16]用區(qū)塊鏈搭建商業(yè)銀行供應鏈金融授信模式公有鏈金融平臺，給核心企業(yè)發(fā)放信用令牌額度。

從上述文獻回顧可以看出，目前具有代表性的五種信用評估方式，主要都是從“征信”角度出發(fā)，而沒有從“增信”角度考慮如何挖掘業(yè)務實質來幫助中小企業(yè)增加自身信用，促進金融機構授信模式創(chuàng)新。同時，即使少數(shù)以公路運力為場景進行了信用評估研究，也僅限于相關指標的闡述，未就指標對最終授信的影響進一步分析。此外，就授信分析來看，雖然國內外學者對授信額度的影響因素及額度算法與模型都有相當程度的專研，但如何將這些方法運用到中小公路貨運企業(yè)。如何有效描繪出公路運力供應鏈的信用節(jié)點，挖掘出公路運力供應鏈中的信用結構表征，利用運營大數(shù)據(jù)，通過增信來建立供應鏈金融中的授信模型，解決公路運力龐大的資金需求，是一個重要但少有研究的問題。急需相應的理論體系來形成實踐的指導支撐，以提升供應鏈金融的應用范疇，解決公路運力的實際問題。

2 公路運力信用結構分析

2.1 供應鏈金融增信要素：業(yè)務真實、交易閉環(huán)、融資自償

受到鋼貿、青島港等事件的影響，金融機構始終心有余悸，授信和風控體系繞不開融資自償。為此，通過業(yè)務真實與交易閉環(huán)來證實未來業(yè)務收入的能力，是供應鏈金融能夠實現(xiàn)增信的基本要素。

業(yè)務真實性可以從控合同、控業(yè)務、控流程來判斷?？睾贤ê贤旧淼恼?zhèn)伪鎰e，要素是否齊全，是否具有法律效力等；控業(yè)務包括供應鏈上、下游客戶及合作時間、業(yè)務規(guī)模、結算方式等；控流程包括通過采用信息化工具，對流程相關的數(shù)據(jù)進行采集、驗證等。交易閉環(huán)則可以通過合同、訂單、運單、回單、對賬單、發(fā)票等交易完成的可信度來判斷。

因而，將合同、訂單、相關流程數(shù)據(jù)等供應鏈金融增信要素的判斷指標，歸集為財務指標以外的信用評估指標，構建財務指標所代表的主體信用、交易閉環(huán)指標所代表的交易信用以及業(yè)務真實性指標所代表的監(jiān)管信用，形成三維信用增信結構，是對中小公路貨運企業(yè)財務報表所不能體現(xiàn)的信用部分的一種增信補充。通過交易信用、監(jiān)管信用有效證實中小公路貨運企業(yè)未來業(yè)務收入的能力，通過主體信用來檢驗，能有效擴大供應鏈金融運作范疇。

2.2 三維信用增信結構組成

(1)主體信用

公路運力主體信用即銀行等金融機構以財務報表所反應信息所形成的各項信用評估指標。綜合牟偉明[17]對供應鏈金融視角下中小企業(yè)信用風險進行評價，結合公路運力企業(yè)一般為非上市企業(yè)、資金墊付普遍、應收賬款賬期相對較長等特點，分析提取出公路運力主體信用的指標如表1序號1～8。

(2)交易信用

公路運力交易信用即通過合同、訂單、運單、回單、對賬單、發(fā)票等形成的交易閉環(huán)作為征信評估的各項指標。綜合劉志威[18]采用層次分析法分析跨境電子商務交易信用評價體系，結合現(xiàn)代公路運力信息系統(tǒng)使用較為普遍、業(yè)務數(shù)據(jù)化、數(shù)據(jù)價值化的操作已有實現(xiàn)，以各運作節(jié)點數(shù)據(jù)載體為基礎，建立交易信用指標如表1序號9～14。

(3)監(jiān)管信用

公路運力監(jiān)管信用即借助第三方工具對流程相關的數(shù)據(jù)進行采集，所形成的信用評估指標，如GPS數(shù)據(jù)、油卡信息等。按照真實性、獨立性、有效性的原則，構建監(jiān)管信用指標如表1序號15～20。

表1 公路運力主體信用、交易信用、監(jiān)管信用指標

3 信用結構與授信額度

3.1 授信比率的調節(jié)：監(jiān)管信用

在運力供應鏈中，中小公路貨運企業(yè)應收賬款賬期通常達到3～6個月，而油費、路橋費、維修費等成本需要實時支付，從而產(chǎn)生資金需求。針對中小公路貨運企業(yè)的資金額度需求，金融機構可以資金的需求實質——運力成本墊付，作為授信比率設定基礎，即明確中小公路貨運企業(yè)的成本構成即可明確授信比率的基礎值設定。

通常公路運力成本可分為固定成本和變動成本。其中燃油費和路橋費直接與公路運力的每單業(yè)務運作掛鉤，且資金支付方式多為實時支付，為此通過統(tǒng)計分析公路運力燃油費、路橋費在整個成本組成中所占比值，即可以得出授信比率的基礎值。

監(jiān)管信用指標包括GPS軌跡、里程、油卡、油量等，與授信比率基礎值確定所依托的燃油費、路橋費指標密切相關。通常路橋費需要通過GPS軌跡與里程進行場景真實性判定，油卡、油量直接與燃油費關聯(lián)，因此通過監(jiān)管信用指標可以對授信比率的基礎值進行調節(jié)。調節(jié)方式表現(xiàn)為基礎值的下浮影響，當監(jiān)管信用中的某一項指標取值越高，如GPS軌跡與里程匹配度越高，則授信比率下浮值越低；GPS軌跡與里程匹配度越低，則授信比率下浮值越高。

3.2 授信額度的控制：交易信用

供應鏈金融業(yè)務中，金融機構對于融資企業(yè)授信額度控制的要點在于融資自償，即可預期融資企業(yè)在未來所實現(xiàn)的業(yè)務收入能夠覆蓋金融機構的授信敞口。面對中小公路貨運企業(yè)的融資額度需求，金融機構可根據(jù)對中小公路貨運企業(yè)運輸收入的預期，乘以授信比率，確定授信額度基數(shù)。

運輸收入可由單位運價、預期貨量與運距計算得出，但只有當貨物完好地實現(xiàn)最終的交付時才能確定收入的實現(xiàn)，當存在貨損或貨物未完全交付時，運輸收入都將打折。交易信用指標根據(jù)交易閉環(huán)理念進行構建，數(shù)據(jù)匹配度與交易完成可信度的評估，可對運輸收入的確認進行調節(jié)，從而有效控制授信額度。交易信用對運輸收入的影響同樣表現(xiàn)為基礎值的下浮影響，當交易信用中的某一項指標取值越高，如合同數(shù)據(jù)、訂單數(shù)據(jù)、運單數(shù)據(jù)匹配度越高，則運輸收入調節(jié)下浮值越低；匹配度越低，則運輸收入調節(jié)下浮值越高。

3.3 增信的判定：主體信用

根據(jù)主體信用所構建的財務指標，可以計算出企業(yè)自由現(xiàn)金流。自由現(xiàn)金流是金融機構在中小企業(yè)無增信情況下對企業(yè)償還能力的基本判斷。

為此，可將主體信用的現(xiàn)金流約束作為增信的判定或檢驗。當通過交易信用調節(jié)的運輸收入乘以受監(jiān)管信用調節(jié)的授信比率而確定的授信額度，大于主體信用的現(xiàn)金流約束時，則說明基于三維信用結構實現(xiàn)了增信；當測算授信額度小于主體信用的現(xiàn)金流約束時，則說明中小公路貨運企業(yè)的低信用被檢驗出，不能實現(xiàn)增信，可規(guī)避金融機構盲目授信的風險；當測算授信額度等于主體信用的現(xiàn)金流約束時，則說明二者評判效力一致，證實了增信指標的實用性。通過上述對增信的判定，可以使金融機構進行更精準的授信額度決策。

4 授信模型構建

4.1 模型假設及參數(shù)設定

本文模型假設如下：

(1)公路運輸行業(yè)平均凈利率6%。

(2)銀行等金融機構授信為一定周期時間內的授信，而非針對某一單業(yè)務的授信。

(3)授信期內所處政治、經(jīng)濟、法律環(huán)境不會發(fā)生明顯波動。

(4)物流量作為隨機變量，服從正態(tài)分布。

(5)監(jiān)管信用對授信比率的調節(jié)，交易信用對運費收入的調節(jié)均表現(xiàn)為線性關系。

本文參數(shù)設定如表2。

表2 參數(shù)設定一覽表

4.2 授信比率設定

根據(jù)3.1通過統(tǒng)計分析公路運力燃油費、路橋費在整個成本組成中所占比值，即可以得出授信比率的基礎值。為此，文章選取了中國物流與采購聯(lián)合會發(fā)布的2018年5月21至2019年5月24日《中國公路物流運價周指數(shù)報告》不同車型、不同線路的周運價數(shù)據(jù)，共36周，108條數(shù)據(jù)，按照物流行業(yè)運輸業(yè)務平均凈利率6%的行業(yè)指標測算出運營成本值。同時通過查閱不同線路的運距，訪談運輸業(yè)務占比80%以上的第三方物流企業(yè)確定出不同車型的百公里油耗和單位公里的路橋費(9.6米車型，油耗25L/百公里，平均路橋費1.8～2.0元/公里；13.5米車型，油耗28～30L/百公里，平均路橋費2.4～2.5元/公里；17.5米車型，油耗38L/百公里，平均路橋費2.4～2.5元/公里)，結合相應時間下金投網(wǎng)(http://www.cngold.org)所發(fā)布的全國31個省市0號柴油的價格，計算出不同車型、不同線路、不同時間的燃油費及路橋費。

通過計算不同時期，燃油費占運營成本比重、路橋費占運營成本比重及二者總體占運營成本比重可以看出：燃油費與路橋費二者幾乎以1:1的比重分攤著運營成本，占比均在30%左右，二者作為公路運輸?shù)闹饕杀緛碓?，占?jù)了70%左右的運營成本。同時，統(tǒng)計發(fā)現(xiàn)某一時刻曲線出現(xiàn)波峰的狀況絕大部分原因在于此階段油價的變動，如圖1。此外，我們有趣的發(fā)現(xiàn)，無論燃油費和路橋費9.6米車型成本都較高，而13.5米車型與17.5米車型分別在燃油費和路橋費上具有優(yōu)勢。

進一步計算不同車型燃油費、路橋費分別占運營成本比重均值，可以看出在統(tǒng)計的108條數(shù)據(jù)中，燃油費占運營成本比重均值為33.93%，路橋費占運營成本比重均值為37.07%，二者總占比為71%，如表3。為此，確定出公路運力供應鏈金融授信授信比率的基礎值為71%。

表3 公路運力燃油費、路橋費占運營成本比重

根據(jù)監(jiān)管信用對授信比率基礎值的調節(jié)，可用公式將授信比率W表示為:

W=0.71λ-(w1+w2+w3+w4+w5+w6)

(1)

其中，w1,w2,w3,w4,w5,w6取值范圍為[0,1]，0表示最低匹配度，1表示最高匹配度；λ取值范圍為(0,9.45]，0表示最低匹配度時的綜合影響系數(shù)。

4.3 運輸收入分析

小公路貨運企業(yè)運輸收入，主要由單位運價P、貨量Q和運距S決定，即:

V=P*Q*S

(2)

在不考慮季節(jié)波動的影響下，P可以通過附錄的樣本數(shù)據(jù)確定基礎值，S則根據(jù)實際的訂單情況確定，物流量Q作為隨機變量，服從正態(tài)隨機分布，只要確定出授信周期內的最低貨量Q*，則可以確定出最低的償債能力水平。其中

Q*=-Zασ+μ

(3)

將(3)式代入(2)式，可以得到

V=PQS=PQ*S=P(-Zασ+μ)S

(4)

方程(4)中，參數(shù)P和S都可以直接得到。Zα為給定置信度α時的分位數(shù)，也可以通過查表直接得到。而σ為授信期為1時，貨量的標準差，μ為授信期為1時，貨量的期望值，可以通過極大似然估計確定其大小。

根據(jù)3.2交易信用對運輸收入的影響，結合(4)，可將修正后的運輸收入公式表示為

V=P(-Zασ+μ)S×0.1667(v1+v2+v3+v4+v5+v6)

(5)

通過附錄樣本數(shù)據(jù)確定P值為0.29，則V可進一步表示為:

V=0.0483(-Zασ+μ)(v1+v2+v3+v4+v5+v6)S

(6)

其中，v1,v2,v3,v4,v5,v6取值范圍為[0,1]，0表示最低匹配度,1表示最高匹配度。

4.4 授信額度模型

根據(jù)(1)和(6)，可以得出授信額度L=VW的具體表達:

L=[0.0483(-Zασ+μ)(v1+v2+v3+v4+v5+v6)S]

[0.71λ-(w1+w2+w3+w4+w5+w6)]

(7)

結合3.3主體信用對增信的檢驗，主要表現(xiàn)為通過財務報表所展示的自由現(xiàn)金流對授信額度進行檢驗。文章采用自由現(xiàn)金流量=凈利潤+(利息支出-利息收入)-[(本期流動資產(chǎn)-本期流動負債)-(上期流動資產(chǎn)-上期流動負債)]-非流動資產(chǎn)變動，即

FCF=l6+l7-l8-[(l1-l2)-(l3-l4)]-l5

(8)

金融機構風險偏好為風險規(guī)避情況下，當L>FCF時，實現(xiàn)了增信，L取FCF；當L

金融機構風險偏好為風險中性或風險偏好情況下，當L>FCF時，實現(xiàn)了增信，L不變；當L

結合(7)和(8)，金融機構風險偏好為風險規(guī)避情況下，得出L模型為(9)；金融機構風險偏好為風險中性情況下，得出L模型為(7)。

(9)

5 算例分析

由于金融機構風險偏好為中性的情況授信額度確定相對簡單，本節(jié)故選取金融機構風險偏好為風險規(guī)避的情況進行算例分析，而后可推及至前者。根據(jù)公式(9)所確定授信模型，需要采集中小物流企業(yè)的物流量、訂單及財務報表等數(shù)據(jù)。由于我國目前供應鏈金融還處于發(fā)展階段，具有公信力的供應鏈金融機構還在萌芽中，且數(shù)據(jù)信息一般不公開，加之中小物流企業(yè)自身的公開數(shù)據(jù)也鳳毛麟角，因此貼切的數(shù)據(jù)難以獲得。

為了對模型計算過程有個清晰的認識，文章選取了深圳證券交易所中小企業(yè)版運輸倉儲行業(yè)的企業(yè)數(shù)據(jù)進行算例分析，相關數(shù)據(jù)采集如下。

根據(jù)表4，可以計算出:

表4 模型參數(shù)取值表

為此，①L=[0.0483(-Zασ+μ)(v1+v2+v3+v4+v5+v6)S][0.71λ-(w1+w2+w3+w4+w5+w6)]=9,926,784,FCF=l6+l7-l8-[(l1-l2)-(l3-l4)]-l5=5,541,194。

此時，由于L>FCF值，實現(xiàn)了增信，由于金融機構風險偏好為風險規(guī)避，則取FCF值5,541,194為授信額度。

為了測算模型的有效性，我們改變v1,v2,v3,v4,v5,v6,w1,w2,w3,w4,w5,w6的取值，設定為0.5，相應的λ值設定為4.725，得出結果如下:②L=[0.0483(-Zασ+μ)(v1+v2+v3+v4+v5+v6)S][0.71λ-(w1+w2+w3+w4+w5+w6)]=2,481,696。

此時，由于L

進一步，可以確定L=FCF時，v1,v2,v3,v4,v5,v6,w1,w2,w3,w4,w5,w6以及λ的取值，根據(jù)①②，可以設定v1,v2,v3,v4,v5,v6,w1,w2,w3,w4,w5,w6均為x，λ為9.45x，則有:③L=[0.0483(-Zασ+μ)(v1+v2+v3+v4+v5+v6)S][0.71λ-(w1+w2+w3+w4+w5+w6)]=5,541,194,x=0.747，λ=7.060。

v1,v2,v3,v4,v5,v6,w1,w2,w3,w4,w5,w6取值為0.747，調節(jié)系數(shù)λ值為7.060，即合同數(shù)據(jù)、回單數(shù)據(jù)等代表的交易信用以及GPS軌跡與里程匹配度、GPS軌跡與車輛匹配度等代表的監(jiān)管信用評估值在75%左右的水平時，授信額度與現(xiàn)金流約束值相等，二者評判效力一致，增信指標具有實用性。

當然，實際授信過程中，具體企業(yè)交易信用指標與監(jiān)管信用指標的取值不一定是等值，但通過實際取值計算出L與FCF的值則可以確定出最終的授信額度。

6 結論啟示

本文從中小企業(yè)融資難問題的實質——信用評估難入手。首先，通過文獻研究，分析出目前具有代表性的五種信用評估方式，主要都是從“征信”角度出發(fā)，而沒有從“增信”角度考慮。其次，在明確供應鏈金融增信要素為業(yè)務真實、交易閉環(huán)、融資自償前提下，將合同、訂單、相關流程數(shù)據(jù)等供應鏈金融增信要素的判斷指標，歸集為財務指標以外的信用評估指標。結合公路運力中小貨運企業(yè)的特點，構建出主體信用、交易信用及監(jiān)管信用三維信用增信結構；同時，通過解析三維信用結構與授信額度的關系，明確授信模型構建總體思路；接著，文章一方面通過分析我國公路運力成本的統(tǒng)計數(shù)據(jù)，確定出授信比率的基礎值以及監(jiān)管信用對基礎值的影響。一方面通過物流企業(yè)貨量服從正態(tài)分布的特征，模擬出公路運力運費收入以及交易信用對運費收入的影響。結合兩者構建出受主體信用現(xiàn)金流約束檢驗的公路運力信用結構的供應鏈金融授信額度模型。針對金融機構不同的風險偏好，授信額度有不同的選擇。最后，通過選取金融機構風險偏好為風險規(guī)避的情況進行算例分析，厘清了合同、訂單等數(shù)據(jù)匹配度，回單、對賬單等數(shù)據(jù)可信度以及GPS軌跡與里程匹配度等運營數(shù)據(jù)在供應鏈金融授信開展中所起到的增信作用。實現(xiàn)了傳統(tǒng)信用評價與融資的升級，一定程度上為解決公路運力中小物流企業(yè)融資難及銀行等金融機構開展流動性釋放決策提供了參考。

此外，文章在確定信用結構對授信額度影響時的一些參數(shù)取值范圍設定上具有一定的片面性，需要對開展中小物流企業(yè)供應鏈金融業(yè)務的大量實際數(shù)據(jù)進行采集分析。同時，算例分析所采取的樣本量應該更廣泛并貼近實際。此外，監(jiān)管信用對授信比率的調節(jié)、交易信用對運費收入的調節(jié)均表現(xiàn)為線性關系的假設還需放開，進一步論證是否存在非線性關系，這是文章的不足之處也是后續(xù)深入研究的方向所在。