基于Logistic模型供應(yīng)鏈金融風(fēng)險(xiǎn)評(píng)估方法的研究

趙焦焦

摘要：供應(yīng)鏈金融將供應(yīng)鏈運(yùn)營(yíng)數(shù)據(jù)與商業(yè)銀行授信緊密結(jié)合，但是受供應(yīng)鏈虛擬性及風(fēng)險(xiǎn)傳染性的影響，供應(yīng)鏈金融風(fēng)險(xiǎn)也面臨著嚴(yán)峻考驗(yàn)。文章在詳細(xì)研究供應(yīng)鏈金融理論的基礎(chǔ)上，并從調(diào)研企業(yè)及供應(yīng)鏈的實(shí)際狀況出發(fā)，選擇了22個(gè)對(duì)信用風(fēng)險(xiǎn)產(chǎn)生影響的相關(guān)參數(shù)作為風(fēng)險(xiǎn)評(píng)估體系的指標(biāo)，討論了基于Logistic方法對(duì)信用風(fēng)險(xiǎn)預(yù)測(cè)模型的建立思路，重構(gòu)了一系列新的參數(shù)組作為評(píng)價(jià)指標(biāo)，對(duì)傳統(tǒng)的Logistic模型進(jìn)行改進(jìn)優(yōu)化，論證模型的合理性和有效性。

關(guān)鍵詞：供應(yīng)鏈金融;信用風(fēng)險(xiǎn);Logistic模型

一、引言

隨著我國(guó)金融市場(chǎng)建設(shè)不斷發(fā)展，金融體系逐步完善，企業(yè)融資渠道逐步從依賴單一間接的形式向依賴金融創(chuàng)新的形式轉(zhuǎn)變，以緩解企業(yè)融資約束。同時(shí)，隨著銀行業(yè)的發(fā)展，拓展中小企業(yè)貸款業(yè)務(wù)成為了競(jìng)爭(zhēng)的熱點(diǎn)。在此背景下，供應(yīng)鏈金融模式應(yīng)運(yùn)而生，這種模式將供應(yīng)鏈運(yùn)營(yíng)數(shù)據(jù)與商業(yè)銀行授信緊密聯(lián)系，不僅使得中小企業(yè)融資過(guò)程中的信息不對(duì)稱度得以降低，銀行可以將資金注入供應(yīng)鏈，為相關(guān)企業(yè)提供預(yù)付賬款融資、存貨融資、收賬款融資以及戰(zhàn)略融資，保證企業(yè)“供-產(chǎn)-銷(xiāo)”流程的順暢，提升商品核心競(jìng)爭(zhēng)力;而且，加強(qiáng)了銀行和核心企業(yè)之間的相互溝通、合作，實(shí)現(xiàn)共贏模式下的可持續(xù)發(fā)展。雖然，供應(yīng)鏈金融具有諸多優(yōu)勢(shì)，但是受供應(yīng)鏈虛擬性及風(fēng)險(xiǎn)傳染性的影響，供應(yīng)鏈金融風(fēng)險(xiǎn)也面臨著嚴(yán)峻的考驗(yàn)，如何準(zhǔn)確度量供應(yīng)鏈信用風(fēng)險(xiǎn)對(duì)我國(guó)金融的發(fā)展具有積極的意義。

楊晏忠、鄒敏等，對(duì)供應(yīng)鏈金融的風(fēng)險(xiǎn)進(jìn)行了分類(lèi)，并結(jié)合相關(guān)分類(lèi)提出了應(yīng)對(duì)風(fēng)險(xiǎn)的具體措施，但是這種方式只是對(duì)于問(wèn)題進(jìn)行了定性描述，難以指導(dǎo)實(shí)際應(yīng)用。為了解決上述問(wèn)題，眾多研究者開(kāi)始了對(duì)于風(fēng)險(xiǎn)評(píng)估方法及評(píng)估模型的研究。王旋等，以結(jié)構(gòu)方程為基礎(chǔ)開(kāi)展了在供應(yīng)鏈金融視角下對(duì)于中小企業(yè)信任風(fēng)險(xiǎn)的相關(guān)分析，但是分析未能量化引起風(fēng)險(xiǎn)的相關(guān)指標(biāo)，難以客觀反映風(fēng)險(xiǎn)真實(shí)情況。為了開(kāi)展定量評(píng)價(jià)，韓崗等，以 Logistic模型為基礎(chǔ)，并結(jié)合我國(guó)實(shí)際情況，建立了信用風(fēng)險(xiǎn)評(píng)價(jià)模型，并進(jìn)行了相關(guān)的實(shí)證分析，研究表明該模型具備較高的置信度。但是，這種模型僅適用于小變量模型，當(dāng)變量過(guò)多時(shí)，導(dǎo)致模型存在變量干擾以及多重共線等問(wèn)題，從而影響模型精度。也有研究者結(jié)合模糊分析，多層次灰色分析以及神經(jīng)網(wǎng)絡(luò)等方法對(duì)于供應(yīng)鏈金融所面臨的風(fēng)險(xiǎn)進(jìn)行定量評(píng)價(jià)，但是忽略了信用風(fēng)險(xiǎn)中的諸多不確定性以及復(fù)雜性，因而難以實(shí)現(xiàn)對(duì)于風(fēng)險(xiǎn)的高精度評(píng)價(jià)。

鑒于此，本文以Logistic模型為基礎(chǔ)，結(jié)合實(shí)際情況中相關(guān)變量的不確定性考慮變量間相互作用關(guān)系，對(duì)供應(yīng)鏈金融中的信用風(fēng)險(xiǎn)開(kāi)展相關(guān)分析，以達(dá)到客觀、全面以及準(zhǔn)確地評(píng)價(jià)信用風(fēng)險(xiǎn)的目的。

二、Logistic模型構(gòu)建

（一）評(píng)價(jià)指標(biāo)的建立

對(duì)于供應(yīng)鏈金融而言，其信用風(fēng)險(xiǎn)的影響因素是多樣的，為了達(dá)到客觀、全面及準(zhǔn)確的評(píng)價(jià)目的，要求所選取的指標(biāo)遵循全面性、科學(xué)性及可操作性原則。研究立足于中小企業(yè)與核心企業(yè)的實(shí)際狀況，結(jié)合其交易資產(chǎn)特征以及供應(yīng)鏈狀況進(jìn)行指標(biāo)的選擇;同時(shí)，考慮對(duì)風(fēng)險(xiǎn)靈敏度較高的定性指標(biāo)以及指標(biāo)之間的相互關(guān)系，結(jié)合指標(biāo)的實(shí)際操作特征進(jìn)一步確立所選擇的指標(biāo)。以上述原則為基礎(chǔ)，研究從企業(yè)狀況以及供應(yīng)鏈狀況等方面選擇了22個(gè)指標(biāo)建立相關(guān)的評(píng)價(jià)系，具體如表1所示。

（二）評(píng)價(jià)模型的建立

1. Logistic模型構(gòu)建

通常情況下，假設(shè)因變量Y的取值情況與發(fā)生概率如下所示：

Y=0，1-P1，P（1）

其中，0，1表示Y對(duì)應(yīng)的兩種情況，P表示Y=1對(duì)應(yīng)的概率，1-P表示Y=0對(duì)應(yīng)的概率，用P/（1-P）表示上述情況對(duì)應(yīng)的概率比，并進(jìn)行l(wèi)ogit變化如下所示：

logit（P）=In（P/（1-P））（2）

引入影響因素Xi（i=1，2，…，n），則二元Logistic回歸模型可以表示為：

In（P/1-P）=f（Xi）（3）

將上式子進(jìn)行線性回歸分析得到Logistic線性回歸模型，如下所示：

In（P/1-P）=β0+β1X1+β2X2+……+βnXn（4）

結(jié)合上述理論，研究將Y=1定義為企業(yè)守約，Y=0定義為企業(yè)違約，表1中的定義為影響因素的矩陣X22=（X1，X2…X22）T，β22=（β1，β2…β22）T定義為X的logistic系數(shù)，β0視為常數(shù)項(xiàng)，則預(yù)測(cè)模型可以表示為：

P=■（5）

2. 參數(shù)主成分分析

嚴(yán)重的多重共線性會(huì)導(dǎo)致模型的求解精度下降，應(yīng)用SPSS2.0軟件對(duì)22組參數(shù)進(jìn)行主分分析，以獲取一組獨(dú)立的綜合性指標(biāo)，進(jìn)行KMO和Bartlett檢驗(yàn)，具體結(jié)果如表2所示。

由表2可知，KMO>0.5且Sig<0.01，表明變量間具備較強(qiáng)的相關(guān)性;因此，所選取的22個(gè)變量可以進(jìn)行主成分分析。

三、模型分析

（一）樣本數(shù)據(jù)

本研究基于50家企業(yè)相關(guān)數(shù)據(jù)作為分析樣本，其中無(wú)風(fēng)險(xiǎn)企業(yè)35家，風(fēng)險(xiǎn)企業(yè)15家。其中樣本數(shù)據(jù)來(lái)自于新浪財(cái)經(jīng)、國(guó)泰安數(shù)據(jù)庫(kù)以及國(guó)家數(shù)據(jù)庫(kù)。

（二）回歸分析

將企業(yè)數(shù)據(jù)帶入對(duì)應(yīng)的回歸方程，求解相應(yīng)的Yi（i=1，2…8），將其作為新的自變量代替原有的數(shù)據(jù)評(píng)價(jià)指標(biāo)，同時(shí)引入Sig作為評(píng)價(jià)因變量相對(duì)于自變量影響的顯著性，其中當(dāng)Sig<0.05，認(rèn)為結(jié)果顯著。并對(duì)于每一個(gè)回歸分析結(jié)果利用SPSS去除不顯著的自變量，如表3所示。

由表3并結(jié)合式（5），預(yù)估模型可以表示為式（6）所示：

P=1/1+e■（6）

依據(jù)回歸分析結(jié)果顯示，Y1，Y2，Y3，Y5，Y6中所涉及的因素對(duì)于供應(yīng)鏈金融風(fēng)險(xiǎn)具有顯著的影響，其中參數(shù)的系數(shù)為正，表明因素與供應(yīng)鏈金融風(fēng)險(xiǎn)呈正向關(guān);反之為負(fù)相關(guān)。利用50家企業(yè)的相關(guān)數(shù)據(jù)進(jìn)行實(shí)證分析，分析結(jié)果如表4所示。

從上述分析可以看出，在15家風(fēng)險(xiǎn)企業(yè)中，準(zhǔn)確預(yù)測(cè)了其中13家，其準(zhǔn)確率為86.7%;在35家無(wú)風(fēng)險(xiǎn)企業(yè)中，準(zhǔn)確預(yù)測(cè)了33家，其準(zhǔn)確率為94.28%。綜合兩個(gè)指標(biāo)，50家企業(yè)中，準(zhǔn)確預(yù)測(cè)了46家，其準(zhǔn)確率為92%。由此可見(jiàn)，研究中所提出的模型具備較高的置信度。

四、結(jié)語(yǔ)

通過(guò)實(shí)證分析可以獲取如下結(jié)論：

第一，Y1、Y2、Y3所涉及的中小型企業(yè)的盈利能力、運(yùn)營(yíng)能力、償債能力以及成長(zhǎng)能力與金融信用風(fēng)險(xiǎn)呈正相關(guān)特性，上述能力越強(qiáng)，所面臨的風(fēng)險(xiǎn)也越低。

第二，Y3涉及的核心企業(yè)總資產(chǎn)周轉(zhuǎn)率與金融信用風(fēng)險(xiǎn)呈正相關(guān)特性，周轉(zhuǎn)能力越強(qiáng)，所面臨的風(fēng)險(xiǎn)就越低。

第三，Y6中涉及的供應(yīng)鏈狀況與金融信用風(fēng)險(xiǎn)呈正相關(guān)特性，即良好的產(chǎn)品質(zhì)量與合作強(qiáng)度對(duì)于降低信用風(fēng)險(xiǎn)具有積極意義。

第四，Y5中涉及的償債流動(dòng)比例與金融信用風(fēng)險(xiǎn)呈負(fù)相關(guān)特性，即流動(dòng)比例越大，所面臨風(fēng)險(xiǎn)越低。

同時(shí)，本文所構(gòu)建的金融風(fēng)險(xiǎn)評(píng)價(jià)體系適用于本研究所選擇的相關(guān)企業(yè)，當(dāng)涉及不同行業(yè)的信用風(fēng)險(xiǎn)評(píng)估時(shí)候，需要結(jié)合實(shí)際情況對(duì)于評(píng)估模型進(jìn)行優(yōu)化和修正。

參考文獻(xiàn)：

[1]Wu Y，Li X，Liu Q，et al. The Analysis of Credit Risks in Agricultural Supply Chain Finance Assessment Model Based on Genetic Algorithm and Backpropagation Neural Network[J].Computational Economics，2021：1-24.

[2]Liu Jingkuang，Yan Lemei，Wang Dong. A Hybrid Blockchain Model for Trusted Data of Supply Chain Finance[J]. Wireless Personal Communications，2021：1-25.

[3]楊晏忠.全面風(fēng)險(xiǎn)管理?xiàng)l件下商業(yè)銀行內(nèi)部控制體系的構(gòu)建[J].中國(guó)信用卡，2009（16）：45-50.

[4]鄒敏.供應(yīng)鏈金融融資模式的風(fēng)險(xiǎn)分析與防范[J].物流工程與管理，2010，32（06）：89-91.

[5]王旋.基于結(jié)構(gòu)方程模型的供應(yīng)鏈金融下中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)研究[D].杭州：浙江理工大學(xué)，2017.

[6]韓崗.國(guó)外信用風(fēng)險(xiǎn)度量方法及其適用性研究[J].國(guó)際金融研究，2008（03）：43-47.

[7]臧振春，歐陽(yáng)惠子.基于模糊層次分析法的農(nóng)產(chǎn)品供應(yīng)鏈金融風(fēng)險(xiǎn)評(píng)估[J].應(yīng)用泛函分析學(xué)報(bào)，2018，20（04）：407-416.

[8]劉霞.基于多層次灰色分析法的海外投資項(xiàng)目風(fēng)險(xiǎn)評(píng)估研究[D].北京：華北電力大學(xué)，2013.

[9]吳屏，劉宏，劉首龍.試析線上供應(yīng)鏈金融信用風(fēng)險(xiǎn)——基于BP神經(jīng)網(wǎng)絡(luò)的模型設(shè)計(jì)[J].財(cái)會(huì)月刊，2015（23）：104-108.

[10]呂明凡.供應(yīng)鏈金融視角下企業(yè)信用風(fēng)險(xiǎn)的評(píng)價(jià)研究[D].烏魯木齊：新疆財(cái)經(jīng)大學(xué)，2016.

*本文系國(guó)家自然科學(xué)基金項(xiàng)目“基于第三方電商平臺(tái)的線上供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警控制研究”（項(xiàng)目編號(hào) ：71662020）的階段性成果。

（作者單位：昆明理工大學(xué)管理與經(jīng)濟(jì)學(xué)院）