陳疇鏞，邰少佳

（杭州電子科技大學(xué) 管理學(xué)院，浙江 杭州 310018）

第三方物流主導(dǎo)的中小企業(yè)供應(yīng)鏈金融信用風(fēng)險評價研究

陳疇鏞，邰少佳

（杭州電子科技大學(xué) 管理學(xué)院，浙江 杭州 310018）

在我國經(jīng)濟發(fā)展歷程中，中小企業(yè)以其自身靈活且數(shù)量龐大的優(yōu)勢解決了很多國民就業(yè)難的問題，為社會穩(wěn)定進步做出了不可磨滅的貢獻，但其自身卻因其資金、資源問題深陷融資難困境。而第三方物流主導(dǎo)的供應(yīng)鏈金融作為一種新型融資方式的出現(xiàn)，為中小企業(yè)的融資難問題提供了一個切實可行的解決方案，也得到了理論界的關(guān)注。在文章研究中，首先回顧以前學(xué)者研究文獻中關(guān)于供應(yīng)鏈金融的探討并進行分析。其次補充和完善了供應(yīng)鏈金融指標(biāo)體系，結(jié)合了第三方物流指標(biāo)和傳統(tǒng)的供應(yīng)鏈金融指標(biāo)，構(gòu)建了包含第三方物流在內(nèi)的27個指標(biāo)。最后采用構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型的方式對其可行性進行了分析評價，對銀行評估企業(yè)金融風(fēng)險以及企業(yè)自身融資方式的考量都提供了實踐指導(dǎo)和參考。

供應(yīng)鏈金融；第三方物流；BP神經(jīng)網(wǎng)絡(luò)

一、引言

2015年底我國工商局的調(diào)查數(shù)據(jù)顯示：中小企業(yè)登記在冊的統(tǒng)計數(shù)量已達到2000萬家，比例占企業(yè)總數(shù)的九成，并在經(jīng)濟發(fā)展中為國民提供的就業(yè)崗位達到了80%。由于中小企業(yè)普遍存在的經(jīng)營管理缺乏規(guī)范化運作、財務(wù)信息披露不夠透明化等問題，單個中小企業(yè)在傳統(tǒng)的融資模式下因其資金、資源限制處于劣勢無法從金融機構(gòu)獲取資金，供應(yīng)鏈金融的出現(xiàn)讓這些中小企業(yè)有了可以為其提供擔(dān)保的核心企業(yè)，有了為其提供質(zhì)保的第三方物流企業(yè)，因而帶來了更多有效的融資機遇，同時也帶給了學(xué)者理論研究的新的方向。

從學(xué)術(shù)研究的角度出發(fā)，為了解決供應(yīng)鏈金融中第三方物流主導(dǎo)的中小企業(yè)融資問題，建立一個完善的信用風(fēng)險評價指標(biāo)是進行后續(xù)研究的重要前提條件。但回顧以前的學(xué)者研究，大多聚焦于企業(yè)自身資信水平進行風(fēng)險信用評價體系模型的構(gòu)建，缺乏對第三方物流相關(guān)指標(biāo)的選用和評價，會導(dǎo)致整體信用風(fēng)險評價指標(biāo)的構(gòu)建不夠完善和深入。因此，本文在構(gòu)建指標(biāo)體系前，借鑒了往期相關(guān)文獻，構(gòu)建了較為完整的信用風(fēng)險評價指標(biāo)，然后基于完善后的指標(biāo)體系構(gòu)建了信用風(fēng)險模型，最后得出了對中小型企業(yè)供應(yīng)鏈金融操作層的合理建議。

二、理論基礎(chǔ)與文獻綜述

供應(yīng)鏈金融的定義就是銀行或相關(guān)金融機構(gòu)為以核心企業(yè)為依托的供應(yīng)鏈整體提供融資方案的一種新的融資方式，它的出現(xiàn)解決了很多中小企業(yè)面臨的融資難的問題（Klapper，2004；郭青，2016）[1-2]。隨著供應(yīng)鏈金融的進一步發(fā)展，其融資方式也趨于多樣化，如應(yīng)收賬款的保理融資、固定資產(chǎn)融資租賃方式融資、存貨質(zhì)押融資等（何昇軒，2016）[3]。閆俊宏等人（2007）[4]就選擇了進行應(yīng)收賬款融資等三種融資方式的對比分析研究，得出了供應(yīng)鏈金融方式的融資優(yōu)勢以及風(fēng)險評估指標(biāo)分析方法。信用風(fēng)險評價，指標(biāo)體系的構(gòu)建是核心，因此，在選取指標(biāo)的過程中，本文主要借鑒了范柏乃和朱文斌（2003）、黃英婷（2006）、馬佳（2008）、夏立明（2011）[5-8]等所用的指標(biāo)體系，為構(gòu)建本文的指標(biāo)體系打下了堅實的基礎(chǔ)。熊熊等（2009）[9]在分析了影響中小企業(yè)融資問題的因素的基礎(chǔ)上構(gòu)建了供應(yīng)鏈金融中的較為完善的信用評價指標(biāo)體系，并采用主成分分析和Logistic回歸方法對該指標(biāo)體系進行了驗證。胡海青等（2012）[10]將基于機器學(xué)習(xí)的SVM建立的信用評估模型和基于BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)法建立的模型對比，得出了SVM方法建立模型的比較優(yōu)勢。

與此同時，基于第三方物流的供應(yīng)鏈金融指標(biāo)體系研究也不斷興起，產(chǎn)生了許多新的理論成果。YIN等（2012）[11]利用案例分析方法通過構(gòu)建SCOR模型確定了融資活動的相關(guān)風(fēng)險，制訂了第三方物流參與下的存貨質(zhì)押融資活動的一個新的定性的評估體系。郭青（2016）[2]針對第三方物流對于供應(yīng)鏈金融融資模式的影響進行了深入研究和對比分析，得出了第三方物流將推動供應(yīng)鏈金融發(fā)展的結(jié)論。謝世清（2013）[12]以美國聯(lián)合公司為代表的第三方物流主導(dǎo)型供應(yīng)鏈融資方式、集團合作模式以及商業(yè)銀行融資模式為例進行詳細(xì)的對比分析，提供了我國開展金融業(yè)務(wù)的政策性啟示。田江等（2016）[13]經(jīng)過選擇指標(biāo)、進一步篩選以及確認(rèn)的程序，形成了比較完善的第三方物流作用下的供應(yīng)鏈金融企業(yè)風(fēng)險指標(biāo)評價體系，為后來學(xué)者的進一步研究和探討提供了借鑒。

綜上，國內(nèi)外關(guān)于供應(yīng)鏈金融以及基于第三方物流的供應(yīng)鏈金融模式構(gòu)建研究各具特點，相對成熟，但還存在不足。即：學(xué)者習(xí)慣將供應(yīng)鏈金融指標(biāo)構(gòu)建與第三方物流風(fēng)險指標(biāo)評估割舍開來，大都以中小企業(yè)本身的資信水平作為風(fēng)險評價的主要內(nèi)容，或者是對第三方物流企業(yè)進行單獨評價，并沒有側(cè)重于第三方物流對中小企業(yè)供應(yīng)鏈金融的主導(dǎo)作用。因此，本文選擇結(jié)合第三方物流和中小企業(yè)自身資信水平形成的風(fēng)險指標(biāo)作為構(gòu)建模型的前提，如此形成的模型對供應(yīng)鏈整體都具有較強的指導(dǎo)意義。

三、第三方物流主導(dǎo)的中小企業(yè)供應(yīng)鏈金融信用風(fēng)險指標(biāo)體系構(gòu)建

（一）指標(biāo)選取思路

在做風(fēng)險評價研究時，選取一套有效且完善的指標(biāo)評價體系是核心任務(wù)，指標(biāo)體系中的指標(biāo)需要相互關(guān)聯(lián)、相互補充，方可對目標(biāo)更有效的評價。在選取指標(biāo)體系時，本文將采用文獻回顧法、頻度統(tǒng)計法、專家評分法對指標(biāo)進行篩選、評分、分析，最終確定用來構(gòu)建模型的指標(biāo)體系。

1.供應(yīng)鏈金融信用風(fēng)險指標(biāo)選取。本文在選取指標(biāo)時，根據(jù)全面性、相關(guān)性、可操作性等原則，對以往相關(guān)文獻中各個指標(biāo)進行初步篩選，即通過頻度統(tǒng)計法進行篩選。最終甄選出行業(yè)增長率A1、行業(yè)環(huán)境A2、交易年限A3等21個衡量供應(yīng)鏈金融中小企業(yè)信用風(fēng)險的相關(guān)指標(biāo)，為接下來構(gòu)建完善的指標(biāo)體系奠定了基礎(chǔ)。

2.第三方物流主導(dǎo)作用指標(biāo)選取。以上的指標(biāo)篩選多是從供應(yīng)鏈金融中中小企業(yè)自身的信用風(fēng)險進行考量，并沒有充分地考慮第三方物流企業(yè)的主導(dǎo)作用，可能會導(dǎo)致風(fēng)險測量出現(xiàn)失誤。所以本文將熊熊的《供應(yīng)鏈金融模式下的信用風(fēng)險評價》[9]和田江的《第三方物流企業(yè)信用風(fēng)險評估指標(biāo)體系研究》[13]結(jié)合在一起，對原有的各自指標(biāo)評價進行了改進。主要做法是在已有的信用評價基本框架之上結(jié)合第三方物流主導(dǎo)因素,并將其單獨作為一級指標(biāo)進行考核，選取了一系列指標(biāo)，并采用專家評分法對該指標(biāo)評分并進行進一步的詳細(xì)評估。

采用問卷調(diào)查的方法進行指標(biāo)篩選。具體做法是采用5級Likert量表[13]對第三方物流對中小企業(yè)的主導(dǎo)作用大小進行度量，其中5分代表極大，4分代表很大，3分代表一般，2分代表很小，1分代表極小。向兩類管理和財務(wù)專家發(fā)放總共40份問卷，其中一類是在第三方物流企業(yè)中從事供應(yīng)鏈金融方面超過3年的20名管理人員，去掉無效有缺陷的回答，回收了完整的18份；另外一類是處于第三方物流主導(dǎo)的供應(yīng)鏈金融中的中小企業(yè)里超過3年的財務(wù)人員、管理人員，回收了完整的12份。將收回的問卷評分進行匯總，算平均值，得到如表1所示。

表1 第三方物流企業(yè)狀況初選指標(biāo)評分表

由表1可以看出，某些指標(biāo)的評分明顯偏低，可以認(rèn)為這些指標(biāo)對第三方物流產(chǎn)生主導(dǎo)作用的影響不大，屬于非相關(guān)指標(biāo)，故將其剔除，即舍去了質(zhì)押物自身價值、在外應(yīng)收賬款總額、物流企業(yè)監(jiān)管人員素質(zhì)這三個指標(biāo)。因此，就得到了第三方物流企業(yè)狀況的6個三級指標(biāo)，如表2所示。

表2 第三方物流企業(yè)狀況指標(biāo)表

（二）指標(biāo)體系構(gòu)建

結(jié)合以上兩部分，本文將指標(biāo)分為以下四個方面并做詳細(xì)解釋：

1.供應(yīng)鏈運營狀況，測量因素包括行業(yè)狀況、合作的密切程度、往期交易履約信用情況等。供應(yīng)鏈運營狀況是從整體角度顯示銀行等金融機構(gòu)對整個供應(yīng)鏈上的中小企業(yè)、核心企業(yè)、第三方物流企業(yè)整體狀況的全面把控。行業(yè)情況可以以行業(yè)增長率和行業(yè)環(huán)境兩個指標(biāo)來體現(xiàn)，合作密切度可以用交易年限和交易頻率來進行衡量，而往期履約情況則用履約率來表示。對供應(yīng)鏈運營狀況的考慮是對傳統(tǒng)金融機構(gòu)授信模式的區(qū)分，是供應(yīng)鏈金融模式最基本的要素。

2.中小企業(yè)資質(zhì)，考察因素大多是財務(wù)相關(guān)指標(biāo)，具體包括企業(yè)長短期償債能力、營運能力、盈利能力和發(fā)展能力。這部分的相關(guān)指標(biāo)考慮主要還是根據(jù)傳統(tǒng)中小企業(yè)授信指標(biāo)總結(jié)而來。企業(yè)素質(zhì)可以進一步細(xì)化為領(lǐng)導(dǎo)素質(zhì)、員工素質(zhì)和財務(wù)披露程度，而其他指標(biāo)則和傳統(tǒng)的評級標(biāo)準(zhǔn)一樣，利用相關(guān)財務(wù)指標(biāo)來完成。該項一級指標(biāo)既是對傳統(tǒng)授信模式指標(biāo)的傳承，也是指標(biāo)選取的核心，數(shù)據(jù)的真實性將對整個信用評價結(jié)果產(chǎn)生極大的影響。

3.核心企業(yè)資質(zhì)，考量因素主要是核心企業(yè)的信用級別、行業(yè)特征、經(jīng)營能力、償債能力。由于在供應(yīng)鏈金融模式運行的先決條件就是核心企業(yè)對中小企業(yè)的經(jīng)營以及財務(wù)狀況等信息有充分了解，所以核心企業(yè)與中小企業(yè)會有較為密切的聯(lián)系，因此，對核心企業(yè)資質(zhì)的考察也是變相地摸索目標(biāo)中小企業(yè)狀況的一種方式。和考察中小企業(yè)資質(zhì)一樣，該項指標(biāo)的數(shù)據(jù)真實性也對整個評價結(jié)果有很大的影響。

4.第三方物流企業(yè)狀況，包括質(zhì)押物特征、應(yīng)收賬款特征和物流企業(yè)監(jiān)管水平。通過上面的指標(biāo)篩選得知，質(zhì)押物特征和應(yīng)收賬款特征是衡量第三方物流主導(dǎo)中小企業(yè)的重要指標(biāo)，而物流企業(yè)監(jiān)管水平則可通過往期交易成功率來進行反映。隨著中小企業(yè)數(shù)量增多和經(jīng)濟的不斷發(fā)展，第三方物流主導(dǎo)下的供應(yīng)鏈金融模式越來越受到重視，已日趨形成供應(yīng)鏈發(fā)展的未來趨勢，所以本文在構(gòu)建指標(biāo)體系時將第三方物流企業(yè)狀況單獨作為一級指標(biāo)以突出其對供應(yīng)鏈金融的主導(dǎo)作用。

綜上所述，本文構(gòu)建了一個包含4個一級指標(biāo)、15個二級指標(biāo)、27個三級指標(biāo)在內(nèi)的三級指標(biāo)體系，具體體系及釋義如表3所示。

四、第三方物流主導(dǎo)的中小企業(yè)供應(yīng)鏈金融信用風(fēng)險模型構(gòu)建及實證分析

在已經(jīng)建立了較為完善的評價指標(biāo)體系后，將在此基礎(chǔ)上進行建模和實例驗證。由于BP神經(jīng)網(wǎng)絡(luò)模型具有自適應(yīng)的功能，它可以通過不斷學(xué)習(xí)和訓(xùn)練的過程來找出輸入和輸出之間的關(guān)系，而不是僅僅依靠經(jīng)驗判斷來完成。另外，BP神經(jīng)網(wǎng)絡(luò)還具有泛化和容錯的能力，對于處理這種指標(biāo)較多，數(shù)據(jù)不完全的指標(biāo)體系具有強大的兼容能力，因此，本文選取BP神經(jīng)網(wǎng)絡(luò)來構(gòu)建模型，可以有效地得出預(yù)期的評價結(jié)果。

（一）BP神經(jīng)網(wǎng)絡(luò)的基本原理

BP神經(jīng)網(wǎng)絡(luò)就是一種按照誤差反向傳播的多層前饋網(wǎng)絡(luò)，通過給定的輸入層和輸出層的關(guān)系，根據(jù)自身的訓(xùn)練，學(xué)習(xí)某種規(guī)則，最終得出一種適用的模型，該模型在對下次給定的輸入層數(shù)據(jù)進行處理后，就能得出預(yù)期的輸出層結(jié)果，具體流程如圖1所示。

表3 評價指標(biāo)體系及釋義

圖1 三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

（二）BP訓(xùn)練算法的步驟

1.確定網(wǎng)絡(luò)層次。采用BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)時，常常選擇單隱層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即三層的網(wǎng)絡(luò)結(jié)構(gòu)。

2.輸入層和輸出層的確定。本文所構(gòu)建的是一種信用評價指標(biāo)體系，三級指標(biāo)一共27個，即該BP神經(jīng)網(wǎng)絡(luò)輸入層的個數(shù)為27。而輸出層即信用風(fēng)險評價，本文所探討的是風(fēng)險評價問題，對輸出的結(jié)果一般設(shè)置為輕度、中度或重度，因此輸出節(jié)點只有一個。

3.隱含層的確定。通過在實際操作應(yīng)用中，選擇用試錯的方法來最終確定隱含層節(jié)點的最適合的數(shù)值。

4.BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)。確定好網(wǎng)絡(luò)模型的層數(shù)和每層節(jié)點之后，開始定義訓(xùn)練該模型的相關(guān)參數(shù)。多層網(wǎng)絡(luò)結(jié)構(gòu)常見的傳輸函數(shù)有Sigmoid、tansig和purelin，常用的訓(xùn)練函數(shù)為trainglm等。

（三）面向MATLAB的BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與實例驗證

1.數(shù)據(jù)來源與處理。由于中小企業(yè)的企業(yè)制度和財務(wù)制度的不完善，數(shù)據(jù)的收集較為困難,而上市中小企業(yè)的相關(guān)數(shù)據(jù)較為容易獲取，因此，本文選取了國內(nèi)10家處于供應(yīng)鏈金融中的第三方物流主導(dǎo)的上市中小企業(yè)2016年全年上述指標(biāo)體系中的17個定量指標(biāo)的數(shù)據(jù)作為訓(xùn)練樣本，數(shù)據(jù)的主要來源是國泰安數(shù)據(jù)庫（由于在選取定量指標(biāo)數(shù)據(jù)時，還要提取中小企業(yè)對應(yīng)的核心企業(yè)和第三方物流企業(yè)的數(shù)據(jù)，數(shù)據(jù)量過于龐大，在此不一一列舉）。而對于其余的幾個定性指標(biāo)，將通過專家評分法和依據(jù)以往相關(guān)文獻對其進行賦值評估。如定性指標(biāo)“行業(yè)環(huán)境A2”，考慮其政治、經(jīng)濟、文化環(huán)境，評價為優(yōu)、良、一般、差、極差的分別賦值為 5、4、3、2、1，這樣，就可以得到 A7、A8、A18、A19、A22、A23、A24、A25、A26 共 10 個 定 性指標(biāo)的評價賦值，加上17個來自國泰安數(shù)據(jù)服務(wù)中心的定量指標(biāo)數(shù)據(jù)，得到的原始數(shù)據(jù)表如表4所示。

首先，要運用最大最小值的方法對這些數(shù)據(jù)進行無量綱化處理，具體如下：

通過該處理步驟，就將這些原始數(shù)據(jù)都壓縮到[0，1]的范圍之內(nèi)，這樣既保留了數(shù)據(jù)的原始意義，又使得接下來的訓(xùn)練步驟更加方便地進行。處理后的數(shù)據(jù)如表5所示。

2.函數(shù)和結(jié)構(gòu)的選取。選用MATLAB作為BP神經(jīng)網(wǎng)絡(luò)的算法，一般情況下有三種傳遞函數(shù)予以提供，根據(jù)值域和適用條件的不同分別為S型傳遞函數(shù)Log-sigmoid、正切S型傳遞函數(shù)Tan-sigmoid和線性函數(shù)Purelin。本文在采用最大最小值法對數(shù)據(jù)進行處理之后的值域在[0，1]之間，因此，本文選取的輸出層到隱含層函數(shù)是Tan-sigmoid函數(shù)，隱含層到輸出層為Log-sigmoid函數(shù)。BP算法對應(yīng)的是trainglm函數(shù)，因此本文的訓(xùn)練算法采用trainglm函數(shù)。

表4 風(fēng)險評估原始數(shù)據(jù)表

表5 風(fēng)險評估數(shù)據(jù)處理后匯總表

3.網(wǎng)絡(luò)訓(xùn)練與實例驗證。通過以上分析，本文選取了一個輸出層到隱含層函數(shù)是Tan-sigmoid函數(shù)，隱含層到輸出層為Log-sigmoid函數(shù)，訓(xùn)練算法是trainglm函數(shù)的由MATLAB構(gòu)成的27×15×1的BP網(wǎng)絡(luò)基本模型開始訓(xùn)練。該模型設(shè)定的參數(shù)為：誤差0.001，學(xué)習(xí)率0.01，循環(huán)學(xué)習(xí)次數(shù)1 000。設(shè)定好參數(shù)之后，開始將處理后的數(shù)據(jù)進行訓(xùn)練學(xué)習(xí)：此案例中，將1～9號樣本數(shù)據(jù)作為訓(xùn)練樣本，10號樣本數(shù)據(jù)作為檢驗樣本進行驗證，具體流程如下：

得到訓(xùn)練結(jié)果實際輸出：

而這9家公司的實際信用評級分別為（輕度，中度，中度，重度，重度，中度，重度，重度，中度），從上面的輸出結(jié)果可以看出與模型的輸出值誤差極小，說明該模型已基本訓(xùn)練完好，可以對其它樣本進行檢驗。于是調(diào)用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，輸入10號樣本（0 1 1 1 0.21 1 0.5 1 1 0.36 0.21 0.25 0 0.30 0 0 0 1 1 0.21 0.62 1 1 1 1 1 0.78），得到的檢驗結(jié)果是0.51，該數(shù)據(jù)對應(yīng)的信用風(fēng)險評價等級為中度風(fēng)險。而該公司的實際信用風(fēng)險評價值為0.5，亦為中度風(fēng)險，由此看出本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型帶來的評估結(jié)果與樣本實際評級結(jié)果基本一致，因此該BP神經(jīng)網(wǎng)絡(luò)模型對于第三方物流主導(dǎo)的中小企業(yè)供應(yīng)鏈金融信用風(fēng)險評估具有良好的風(fēng)險評估能力。

五、結(jié)論與建議

在中小企業(yè)成為社會中流砥柱但深陷融資困境的背景下，本研究具有較大的價值。首先，本文補充和完善了供應(yīng)鏈金融指標(biāo)體系，結(jié)合了第三方物流指標(biāo)和傳統(tǒng)的供應(yīng)鏈金融指標(biāo)，構(gòu)建了包含第三方物流在內(nèi)的四個部分的27個指標(biāo)，為供應(yīng)鏈金融的后續(xù)研究提供了學(xué)術(shù)上的借鑒。其次，本文通過BP神經(jīng)網(wǎng)絡(luò)建立相關(guān)模型對構(gòu)建的指標(biāo)進行驗證，得出了其科學(xué)性和合理性，為學(xué)者研究供應(yīng)鏈金融提供了較好的方法。最后，該指標(biāo)體系作為第三方物流的主導(dǎo)方向來說，是具有創(chuàng)新意義的，一方面為銀行等金融機構(gòu)順利開展供應(yīng)鏈金融業(yè)務(wù)指明了方向，促進了第三方物流主導(dǎo)的供應(yīng)鏈金融業(yè)務(wù)的發(fā)展，另一方面也為中小企業(yè)融資方式的選擇提供了實踐指導(dǎo)。

但本文的研究還存在不足之處。一是樣本容量有限，限制了研究的廣度和深度；二是本文在構(gòu)建指標(biāo)時也利用了專家打分的方式，難免會有主觀意識影響指標(biāo)構(gòu)建的客觀性。后續(xù)學(xué)者可以選用大樣本容量對第三方物流主導(dǎo)供應(yīng)鏈金融的指標(biāo)選取和模型構(gòu)建進行深層次的研究，推動供應(yīng)鏈金融的進一步發(fā)展。

[1] Leora KLapper.The Role of Reverse Factoring in Supplier Financing of Small and Medium Sized Enterprises[J].World Bank，2004（9）：102-103.

[2] 郭青.基于供應(yīng)鏈金融理論的第三方物流企業(yè)融資模式研究[D].鄭州大學(xué)，2016.

[3] 何昇軒.基于B2B平臺的線上供應(yīng)鏈金融風(fēng)險評價研究[D].吉林大學(xué)，2016.

[4] 閆俊宏，許祥秦，2007.基于供應(yīng)鏈金融的中小企業(yè)融資模式分析[J].上海金融（2）：14-16.

[5] 范柏乃，朱文斌，2003.中小企業(yè)信用評價指標(biāo)的理論遴選與實證分析[J].科研管理（6）：83-88.

[6] 黃英婷.我國商業(yè)銀行的中小企業(yè)信用評級研究[D].暨南大學(xué)，2006.

[7] 馬佳.供應(yīng)鏈金融融資模式分析及風(fēng)險控制[D].天津大學(xué)，2008.

[8] 夏立明，宗恒恒，孟麗，2011.中小企業(yè)信用風(fēng)險評價指標(biāo)體系的構(gòu)建——基于供應(yīng)鏈金融視角的研究[J].金融論壇（10）：73-79.

[9] 熊熊，馬佳，趙文杰，等，2009.供應(yīng)鏈金融模式下的信用風(fēng)險評價[J].南開管理評論（4）：92-98，106.

[10] 胡海青，張瑯，張道宏，2012.供應(yīng)鏈金融視角下的中小企業(yè)信用風(fēng)險評估研究——基于SVM與BP神經(jīng)網(wǎng)絡(luò)的比較研究[J].管理評論（11）：70-80.

[11] Yin Y，Luo Z.Warehouse financing risk analysis and measurement with case study in carbon trading[J].High Voltage Engineering，2012，37（3）：726-731.

[12] 謝世清，何彬，2013.國際供應(yīng)鏈金融三種典型模式分析[J].經(jīng)濟理論與經(jīng)濟管理（4）：80-86.

[13] 田江，陳晨，2016.第三方物流企業(yè)信用風(fēng)險評估指標(biāo)體系研究——基于供應(yīng)鏈金融視角[J].科學(xué)與管理（2）：65-71.

（責(zé)任編輯：C 校對：R）

F276.3；F832.0

A

1004-2768（2017）09-0155-06

2017-07-17

國家自然科學(xué)基金項目（71171070，U1509220）

陳疇鏞（1955-），男，浙江紹興人，杭州電子科技大學(xué)管理學(xué)院教授，浙江省信息化與經(jīng)濟社會發(fā)展研究中心主任，研究方向：物流與供應(yīng)鏈管理、信息管理與商務(wù)智能；邰少佳（1993-），男，安徽六安人，杭州電子科技大學(xué)管理學(xué)院碩士研究生，研究方向：物流與供應(yīng)鏈管理。