李倩LI Qian；蘇越良SU Yue-liang

（華南理工大學(xué)工商管理學(xué)院，廣州 510640）

（School of Business Administration，South China University of Technology，Guangzhou 510640，China）

0 引言

據(jù)統(tǒng)計(jì)，中小企業(yè)占我國企業(yè)數(shù)的99%，對(duì)我國的經(jīng)濟(jì)增長具有巨大的推動(dòng)作用。但是由于中小企業(yè)自身規(guī)模小且信用級(jí)別低，使得中小企業(yè)一直面臨著融資困難的尷尬局面。供應(yīng)鏈金融服務(wù)起源于20 世紀(jì)90年代，最開始是由國內(nèi)外的先進(jìn)物流企業(yè)和商業(yè)銀行開展的。供應(yīng)鏈金融業(yè)務(wù)是針對(duì)供應(yīng)鏈的業(yè)務(wù)結(jié)構(gòu)、交易方式及運(yùn)作特點(diǎn)而設(shè)計(jì)的，以供應(yīng)鏈中最具有信用實(shí)力的大企業(yè)為核心，圍繞與之在生產(chǎn)過程、銷售過程中開展業(yè)務(wù)的多家中小企業(yè)，將整個(gè)供應(yīng)鏈鏈條涉及到的上下游企業(yè)連起來，整體考察供應(yīng)鏈的信用狀況，更好地為中小企業(yè)提供金融服務(wù)，從而促進(jìn)整個(gè)供應(yīng)鏈價(jià)值的增長[1]。供應(yīng)鏈金融融資對(duì)中小企業(yè)而言是一個(gè)很好的融資文案，然而如何選取指標(biāo)對(duì)這種模式下中小企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行評(píng)估就是銀行亟需解決的問題，本文的研究具有很強(qiáng)的現(xiàn)實(shí)意義。

1 相關(guān)研究綜述

在國外，供應(yīng)鏈金融最初是從供應(yīng)鏈管理發(fā)展起來的，是它的重要組成部分，TowerGroup 咨詢公司對(duì)其定義如下：供應(yīng)鏈金融是以發(fā)生在供應(yīng)鏈上的商業(yè)交易價(jià)值為基礎(chǔ)，設(shè)計(jì)一系列的為供應(yīng)商提供流動(dòng)資本融資和現(xiàn)金流的解決方案[2]。圣加倫大學(xué)的Hofmann（2005）通過對(duì)供應(yīng)鏈的功能和結(jié)構(gòu)的分析，將供應(yīng)鏈金融視為一種實(shí)現(xiàn)供應(yīng)鏈價(jià)值增值的方法[3]；供應(yīng)鏈金融在國內(nèi)的發(fā)展是由實(shí)踐到理論的，深圳發(fā)展銀行最早開展供應(yīng)鏈金融業(yè)務(wù)，1999年，開始推出動(dòng)產(chǎn)及貨權(quán)質(zhì)押授信業(yè)務(wù)，2003年，提出了“自償性貿(mào)易融資”相關(guān)理念和“1+N”供應(yīng)鏈融資模式，再到2006年正式整合推出“供應(yīng)鏈金融”[4]，貿(mào)易融資的客戶數(shù)量以及相關(guān)業(yè)務(wù)量均取得50%的增長，2006 在保持整體不良率低于0.5%的情況下實(shí)現(xiàn)了全年累計(jì)近3000 億的融資額。由此可見，通過供應(yīng)鏈金融業(yè)務(wù)不僅可以擴(kuò)大商業(yè)銀行的授信范圍，為更多的中小企業(yè)提供貸款機(jī)會(huì)，同時(shí)有效的控制的銀行的不良貸款率，吸引了更多的銀行開展供應(yīng)鏈金融信貸業(yè)務(wù)。理念研究方面王琪（2010）從實(shí)踐需求出發(fā)，結(jié)合供應(yīng)鏈金融的特點(diǎn)，利用決策樹的方法建立評(píng)估體系[5]，黃靜、趙慶禎（2009）利用樸素的貝葉斯方法對(duì)測(cè)量融資企業(yè)的還款能力，在此基礎(chǔ)上，銀行可通過對(duì)不同還款能力的企業(yè)制定相應(yīng)融資政策來規(guī)避信用風(fēng)險(xiǎn)[6]?？祖骆碌龋?010）考慮到新融資模式下信用風(fēng)險(xiǎn)的評(píng)價(jià)范圍廣、不確定性太強(qiáng)，在評(píng)價(jià)時(shí)對(duì)難以量化的指標(biāo)和關(guān)系進(jìn)行模糊化處理[7]；胡海青、張瑯等（2011）通過實(shí)證對(duì)比支持向量機(jī)評(píng)估模型與BP 神經(jīng)網(wǎng)絡(luò)算法建立的信用評(píng)價(jià)體系發(fā)現(xiàn)SVM 分類模型更為準(zhǔn)確、穩(wěn)定性也更高[8]。

2 供應(yīng)鏈金融模式的信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系

供應(yīng)鏈金融模式最大的創(chuàng)新是：改變了傳統(tǒng)的商業(yè)銀行的授信模式，不再是對(duì)融資企業(yè)的個(gè)體信用進(jìn)行靜態(tài)考察（如圖1），在此基礎(chǔ)上，還重點(diǎn)分析整條供應(yīng)鏈信用狀況（如圖2）。傳統(tǒng)信貸業(yè)務(wù)中，在分析企業(yè)的還貸能力時(shí)，是以單個(gè)的企業(yè)作為考察主體，通過對(duì)財(cái)務(wù)報(bào)表的分析來確定授信與否；在新的融資模式下銀行在進(jìn)行審核時(shí)將關(guān)注重點(diǎn)由對(duì)個(gè)體企業(yè)財(cái)務(wù)狀況等傳統(tǒng)指標(biāo)的考察，轉(zhuǎn)到對(duì)整個(gè)供應(yīng)鏈信用水平、供應(yīng)鏈運(yùn)作狀況、核心企業(yè)實(shí)力及擔(dān)保意愿的關(guān)注。這種轉(zhuǎn)變要求銀行在對(duì)信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)時(shí)需要考慮更多的影響因素，指標(biāo)選擇范圍的擴(kuò)大以及指標(biāo)之間相互作用的不確定性加大了信用風(fēng)險(xiǎn)評(píng)估的難度，因此，指標(biāo)的選取和模型構(gòu)建決定了供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理的成敗。

圖1 傳統(tǒng)融資模式下各參與主體關(guān)系圖

圖2 供應(yīng)鏈金融模式下各參與主體關(guān)系圖

基于上文的分析，傳統(tǒng)模式下銀行的考察對(duì)象是融資企業(yè)個(gè)體，考察內(nèi)容是三大財(cái)務(wù)報(bào)表所反映的盈利能力、償債能力等指標(biāo)，而在供應(yīng)鏈金融融資模式下，銀行不再單單評(píng)估于單個(gè)企業(yè)的抵押物或資信水平，更側(cè)重于對(duì)整條供應(yīng)鏈及其交易的信用狀況進(jìn)行全方位的分析，不僅考察融資企業(yè)的經(jīng)營狀況，融資企業(yè)所處的行業(yè)狀況、供應(yīng)鏈上核心企業(yè)的資信狀況以及供應(yīng)鏈的運(yùn)作狀況等也列入其中。構(gòu)建評(píng)估指標(biāo)體系時(shí)應(yīng)遵循：①全面性原則（不漏），即選擇的指標(biāo)要全面、綜合的反正出融資企業(yè)的信用風(fēng)險(xiǎn)；②避免指標(biāo)相互涵蓋（不重），不同指標(biāo)對(duì)企業(yè)信用狀況的解釋程度不相同，容易出現(xiàn)相近或者重疊[9]；③層次性原則，建立從低到高、從單一到復(fù)雜的層次分布結(jié)構(gòu)；④操作性原則，指標(biāo)數(shù)據(jù)要便于采集，可以衡量。借鑒傳統(tǒng)的信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，結(jié)合供應(yīng)鏈金融融資模式的特點(diǎn)，重點(diǎn)關(guān)注中小企業(yè)與核心企業(yè)的業(yè)務(wù)關(guān)系，減弱對(duì)財(cái)務(wù)報(bào)表的依賴性，從而設(shè)計(jì)出基于供應(yīng)鏈金融的信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，主要包括以下四個(gè)方面：

1）融資企業(yè)自身狀況。即傳統(tǒng)的信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，主要包括融資企業(yè)的基礎(chǔ)能力指標(biāo)、盈利能力指標(biāo)、償債能力指標(biāo)、歷史信用記錄等，反映個(gè)體融資企業(yè)的還款能力和還款意愿。

2）核心企業(yè)資信分析。在供應(yīng)鏈金融融資模式中，核心企業(yè)為中小企業(yè)的融資起一定的擔(dān)保作用，核心企業(yè)的基本狀況、盈利能力、及擔(dān)保狀況反映核心企業(yè)的還款能力和還款意愿。

3）供應(yīng)鏈運(yùn)營狀況。包括融資企業(yè)在供應(yīng)鏈中的地位、供應(yīng)鏈的經(jīng)營現(xiàn)狀、穩(wěn)定性、發(fā)展?jié)摿Φ取?/p>

4）宏觀環(huán)境因素。包括供應(yīng)鏈產(chǎn)業(yè)所處的行業(yè)現(xiàn)狀及前景、競(jìng)爭(zhēng)態(tài)勢(shì)以及相關(guān)的經(jīng)濟(jì)法律政策等。

根據(jù)這4 個(gè)一級(jí)指標(biāo)，共選15 個(gè)二級(jí)指標(biāo)和56 個(gè)三級(jí)指標(biāo)。相關(guān)性分析結(jié)果顯示有9 個(gè)指標(biāo)的相關(guān)系數(shù)大于0.6，根據(jù)原則②，予以刪除，得到包含47 個(gè)三級(jí)指標(biāo)的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，如表1 所示。

表1 供應(yīng)鏈金融業(yè)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

3 基于Logistic 模型的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)實(shí)證研究

3.1 Logistic 模型原理

Logistic 回歸，是指應(yīng)變量為二級(jí)計(jì)分或二類評(píng)定的回歸分析，其因變量是一個(gè)二分類變量。構(gòu)建Logistic 模型時(shí)，設(shè)變量X=（X1，X2，…，Xn）T是一個(gè)n 維隨機(jī)變量，即文中所選取的指標(biāo)，n=21。因變量Yi表示第i 個(gè)企業(yè)的信用風(fēng)險(xiǎn)，Yi∈{0，1}。Yi=1 表示融資i 企業(yè)還款，Yi=0 表示融資企業(yè)i 不還款，融資企業(yè)還款的概率是關(guān)于X 的函數(shù)，其值為：P（Y=1｜X）=π（X）。定義：

θ=（θ0，θ1，θ2，…，θm）T是解釋變量X 的logit 系數(shù)，則相應(yīng)的logistic 方程為：

二項(xiàng)Logistic 模型在擬合時(shí)采用最大似然法來估計(jì)方程中解釋變量，似然函數(shù)為：

似然函數(shù)最大值求法是先對(duì)其取自然對(duì)數(shù)，然后再分別對(duì)θ0，θ1，θ2，…，θn，求偏導(dǎo)，得n+1 個(gè)似然方程，并令其為0，即：

解以上n+1 個(gè)似然方程即可得似然函數(shù)取得最大值時(shí)解釋變量的估計(jì)值，用表示，將其代入logistic 方程求出擬合值π（X），擬合值代表了指標(biāo)X=（X1，X2，…，Xn）T為的融資企業(yè)還款的概率，π（X）值越接近1，則申請(qǐng)人信用越好，π（X）值越接近0，則申請(qǐng)人信用越差。

3.2 樣本選擇及處理

本文選取西安汽車業(yè)的15 家中小作業(yè)作為樣本（樣本企業(yè)所處的行業(yè)及地域相同，可減少采集數(shù)據(jù)的難度），財(cái)務(wù)數(shù)據(jù)來自于“國泰君安”等數(shù)據(jù)庫，定性指標(biāo)如企業(yè)規(guī)模、員工素質(zhì)等的數(shù)據(jù)按照5 級(jí)量化標(biāo)準(zhǔn)通過問卷調(diào)查獲得。用SPSS 軟件對(duì)自變量取對(duì)數(shù)后的數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)，證實(shí)各變量的跨度與變化幅度較大，表明有較強(qiáng)的解釋力度。

3.3 主成分分析

主成分分析數(shù)學(xué)模型為：

其中a1i，a2i，…，ani（i=1，2，…m）為X 的協(xié)方差陣的特征值所對(duì)應(yīng)的特征向量，ZX1，ZX2，…，ZXn是標(biāo)準(zhǔn)化的原始變量[10]。主成分析前需通過KMO 檢驗(yàn)和球形檢驗(yàn)來判定是否適合做因子分析，結(jié)果如表2。

表2 KMO 檢驗(yàn)和球形檢驗(yàn)結(jié)果

KMO 值為0.683 大于適合做因子分析的最低值0.6，同時(shí)球形檢驗(yàn)P 值等于0，說明適合進(jìn)行因子分析。運(yùn)用SPSS 統(tǒng)計(jì)分析軟件的Factor 過程對(duì)表1 中的47 個(gè)指標(biāo)進(jìn)行主成分分析，結(jié)果顯示前21 個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到81.41%，符合累積貢獻(xiàn)率大于80%的標(biāo)準(zhǔn)，因此選取 F1，F(xiàn)2，…，F(xiàn)21作為最終指標(biāo)進(jìn)行分析并計(jì)算出主成分的值。

運(yùn)用SPSS 統(tǒng)計(jì)分析軟件的Factor 過程對(duì)表1 中的47 個(gè)指標(biāo)進(jìn)行主成分分析，結(jié)果顯示前21 個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到81.41%，符合累積貢獻(xiàn)率大于80%的標(biāo)準(zhǔn)，因此選取F1，F(xiàn)2，…，F(xiàn)21作為最終指標(biāo)進(jìn)行分析并計(jì)算出主成分的值。

3.4 Logistic 回歸結(jié)果及分析

采用SPSS 軟件對(duì)主成分分析得出的21 個(gè)指標(biāo)進(jìn)行Logistic 回歸模型分析，顯著性水平取0.05。選用向前逐步選擇引入法（Forward Stepwise）進(jìn)行迭代，至對(duì)數(shù)似然比不再變化為止。結(jié)果如表3。

表3 模型整體顯著性的對(duì)數(shù)似然比檢驗(yàn)結(jié)果

共進(jìn)行了9 次逐步迭代，最后一步似然比Chi-square值為150.406，df 為9，p 值為0.000，可認(rèn)為模型在顯著性水平為0.05 時(shí)是整體顯著的。此外，還需對(duì)此模型的擬合優(yōu)度進(jìn)行檢驗(yàn)，其結(jié)果如表4。

表4 模型擬合優(yōu)度評(píng)價(jià)結(jié)果

表4 中數(shù)據(jù)可見，2Log likelihood 結(jié)果從162.179 逐步減小直至46.179，同時(shí)cox&snell 及Nagelkerke 的所對(duì)應(yīng)的R2逐步增大到0.671 和0.893，即方程解釋了因變量89.3%以上的變動(dòng)，即說明模型擬合優(yōu)度是較高的。經(jīng)過9次迭代得出結(jié)果，第9 次的參數(shù)估計(jì)結(jié)果如表5。

表5 回歸系數(shù)估計(jì)值及其顯著性檢驗(yàn)結(jié)果

由表5 可以看到，選擇九步的回歸結(jié)果，F(xiàn)1、F2、F4、F9、F11、F14、F17、F18和F21主成分及常數(shù)系數(shù)的P值均小于0.05，因此都被保留在模型中，其系數(shù)由B 列給出。因此F1、F2、F4、F9、F11、F14、F17、F18和F21對(duì)于預(yù)測(cè)中小融資企業(yè)的是否違約影響顯著，即中小融資企業(yè)的基本素質(zhì)、營運(yùn)能力、盈利能力、短期償債能力、信用記錄；供應(yīng)鏈中中小融資企業(yè)與核心企業(yè)的關(guān)系質(zhì)量、關(guān)系強(qiáng)度、關(guān)系久度及中小融資企業(yè)在供應(yīng)鏈中的地位；核心企業(yè)的短期償債能力、盈利能力、信用狀況及供應(yīng)鏈所處的宏觀環(huán)境等因素對(duì)中小融資企業(yè)是否違約都有顯著影響。

估計(jì)的Logistic 回歸模型為：

因此，中小融資企業(yè)的違約概率為：

中小融資企業(yè)數(shù)據(jù)代入模型即可計(jì)算出π（X）值。令π（X）=0.5 分界值，大于0.5 視為融資企業(yè)履行還款約定，π（X）值越接近1，則融資信用越好；小于0.5 則視為融資企業(yè)違約，π（X）值越接近0，則融資企業(yè)信用越差。

Logistic 回歸模型對(duì)樣本總體的判定結(jié)果如表6，總體預(yù)測(cè)準(zhǔn)確率為91.8%，其中對(duì)履約中小融資企業(yè)判別的準(zhǔn)確率為93.6%，對(duì)違約企業(yè)判別的準(zhǔn)確率為89.1%，第一類錯(cuò)誤率（將“違約”判斷為“履約”）為10.9%，第二類錯(cuò)誤率（“履約”判定為“違約”）為6.4%。

表6 Logistic 模型對(duì)樣本總體的判定結(jié)果（供應(yīng)鏈金融模式）

3.5 傳統(tǒng)評(píng)價(jià)體系評(píng)估結(jié)果及對(duì)比分析

利用傳統(tǒng)的評(píng)價(jià)體系進(jìn)行評(píng)估時(shí)，只對(duì)融資企業(yè)自身狀況的指標(biāo)進(jìn)行主成分分析，即表1 中的前22 個(gè)指標(biāo)，按照同樣的方法最后得Logistic 回歸模型對(duì)樣本總體的判定結(jié)果如表7，可以看出傳統(tǒng)的評(píng)價(jià)體系下，履約中小融資企業(yè)判別的準(zhǔn)確率為60.1%，對(duì)違約企業(yè)判別的準(zhǔn)確率為70.5%，第一類錯(cuò)誤率為39.9%，第二類錯(cuò)誤率為29.5%。

表7 Logistic 模型對(duì)樣本總體的判定結(jié)果（傳統(tǒng)模式）

通過與供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估體系的結(jié)果比較可以看出，供應(yīng)鏈金融模式下的中小企業(yè)守約概率89.1%大于傳統(tǒng)模式下的守約概率60.1%；并且，供應(yīng)鏈金融模式下的第二類錯(cuò)誤6.4%也遠(yuǎn)遠(yuǎn)低于傳統(tǒng)模式下的29.5%，說明，供應(yīng)鏈金融業(yè)務(wù)的開展擴(kuò)大了銀行的授信范圍，降低用風(fēng)險(xiǎn)。

4 結(jié)語

本文分析了供應(yīng)鏈金融模式的特點(diǎn)，重點(diǎn)考慮了整條供應(yīng)鏈及其交易的信用狀況。在傳統(tǒng)的商業(yè)銀行傳統(tǒng)的信用評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，加入了核心企業(yè)資信狀況、供應(yīng)鏈運(yùn)作狀況以及宏觀環(huán)境的因素，建立了基于供應(yīng)鏈金融融資模式的新型信用風(fēng)險(xiǎn)評(píng)估體系。并且應(yīng)用定量的方式，對(duì)比分析新舊兩種不同風(fēng)險(xiǎn)評(píng)估體系下銀行對(duì)中小企業(yè)授信的信用風(fēng)險(xiǎn)，證實(shí)了供應(yīng)鏈金融融資模式對(duì)于供應(yīng)鏈金融業(yè)務(wù)的開展擴(kuò)大了銀行的授信范圍，降低用風(fēng)險(xiǎn)，能在一定程度上解決中小企業(yè)融資困難的局面。

[1]李雯靚.基于多主體的供應(yīng)鏈金融信用風(fēng)險(xiǎn)博弈仿真研究[D].廣州：華南理工大學(xué)，2011.

[2]Towergroup.While Supply Chain Finance is a Powerful Concept for Wholesale Banking[J].

[3]Hofmann E.Supply Chain Finance:some conceptual insights[J].Logistik Management,2005.

[4]深圳發(fā)展銀行-中歐國際工商學(xué)院“供應(yīng)鏈金融”課題組.供應(yīng)鏈金融[M].上海遠(yuǎn)東出版社,2009.

[5]王琪.基于決策樹的供應(yīng)鏈金融模式信用風(fēng)險(xiǎn)評(píng)估[J].新金融，2010(4).

[6]黃靜，趙慶禎.基于樸素貝葉斯的供應(yīng)鏈金融信用風(fēng)險(xiǎn)預(yù)測(cè)分析[J].物流科技，2009(8).

[7]孔媛媛，王恒山，朱珂，李晟.模糊影像圖評(píng)價(jià)算法在供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2010,40(21).

[8]胡海青,張瑯,張道宏.供應(yīng)鏈金融視角下的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估研究——基于SVM 與BP 神經(jīng)網(wǎng)絡(luò)的比較研究[J].管理評(píng)論，2012(11）.

[9]吳青.《巴塞爾協(xié)議Ⅱ》、內(nèi)部信用評(píng)級(jí)及小企業(yè)貸款[J].國際金融研究，2007(05).