基金項目： 國家自然科學基金項目（71561002）、北方民族大學重點科研項目（BMDK201705）

作者簡介： 李光榮（1980—），男，寧夏彭陽人，博士，北方民族大學商學院教師，韓國嶺南大學訪問學者，研究方向：風險管理、供應鏈金融、系統(tǒng)工程等。

摘 要：通過農業(yè)供應鏈金融信用風險致因分析系統(tǒng)框架構建結構方程模型，依據來自黃河中上游流域五個省份780份調研數據展開的實證研究發(fā)現(xiàn)：就農業(yè)供應鏈金融信用風險而言，所提出的致因分析系統(tǒng)框架能夠系統(tǒng)反映其影響因素;核心企業(yè)與融資企業(yè)作為主要參與主體，對其影響頗為關鍵，同時，作為信用風險直接載體的融資資產其風險屬性影響顯著;自然環(huán)境和經濟環(huán)境因素是對其產生重要影響的外在因素;產業(yè)政策和風險中介服務是重要的系統(tǒng)影響因素;供應鏈關系影響不容忽視，供應鏈關系質量是影響供應鏈關系的深層次因素，網絡信息技術應用效果有待提升。

關鍵詞： 供應鏈金融;信用風險;農業(yè);系統(tǒng)框架;實證研究

中圖分類號：F830.58 文獻標識碼： A 文章編號：1003-7217（2020）03-0017-08

一、引 言

近年來，供應鏈金融在解決中小企業(yè)融資難問題、增進金融服務投入實體經濟的供給側改革中顯現(xiàn)出積極作用[1]。自國務院辦公廳發(fā)布《關于積極推進供應鏈創(chuàng)新與應用的指導意見》（國辦發(fā)〔2017〕84號）將供應鏈金融列為重點任務以來，其發(fā)展更加迅速。世界著名金融咨詢公司Demica公司在2014年預測，2020年以前全球供應鏈金融業(yè)務的增長速率為10%以上，我國供應鏈金融規(guī)模預計將達到15萬億元[2]。農業(yè)供應鏈金融應用近幾年也取得一定進展，成為解決農業(yè)供應鏈上中小經營主體（包括農戶）融資問題的有效方式[3]。同時，也是實現(xiàn)農業(yè)金融供給側改革的有效途徑，對落實國務院支持小微企業(yè)和“三農”發(fā)展，以及“強化金融服務方式創(chuàng)新，提高金融服務鄉(xiāng)村振興能力和水平”具有重要意義。

但供應鏈金融快速發(fā)展的同時，也伴隨著不同于傳統(tǒng)金融業(yè)務的風險——其某一環(huán)節(jié)風險事件發(fā)生都可能導致整個產業(yè)鏈金融風險的放大，信用風險作為金融機構風險管理面臨的最大挑戰(zhàn)[4]就是這種傳導性會尤為突出。農業(yè)供應鏈將自然生產、經濟再生產以及生產性服務業(yè)緊密串聯(lián)為一體，因其經營管理的復雜性、影響因素的特殊性，導致農業(yè)供應鏈金融顯現(xiàn)出更大的信用風險。

農業(yè)供應鏈金融信用風險相關研究起步較晚，Wenner M D 認為農業(yè)企業(yè)融資主體的客戶情況、現(xiàn)金流情況、市場形勢、企業(yè)經營能力以及聲譽等是影響其信用風險的因素[5]。國內學者的研究有從供應鏈核心企業(yè)、宏觀經濟以及自然環(huán)境方面對其來源進行了定性分析[6];有認為其信用風險誘發(fā)根源主要是企業(yè)內在經營情況、生產要素市場波動、自然環(huán)境異常風險[7];有從企業(yè)經營狀況、盈利能力、償債能力、融資資產情況以及供應鏈狀況等方面分析主要影響因素[3]等。從既有關于農業(yè)供應鏈金融信用風險的研究看，研究維度呈現(xiàn)出多樣化特征，缺乏系統(tǒng)性分析框架，難以為管理決策提供系統(tǒng)化依據;其次，研究中對信用風險主體不夠明確，未能反映不同參與主體在信用風險演進中的角色;再次，對農業(yè)系統(tǒng)性風險、新經濟下網絡信息技術應用等影響因素考慮不足。因此，研究農業(yè)供應鏈金融信用風險致因的系統(tǒng)框架與路徑既是管理實踐之所需，也是對該領域理論研究的有益補充。

為此，本文擬基于系統(tǒng)論構建農業(yè)供應鏈金融信用風險致因分析理論框架，并基于陜、甘、寧、蒙、晉地區(qū)問卷調查數據，構建農業(yè)供應鏈金融信用風險致因分析結構方程模型，通過對模型進行檢驗、修正、實證，形成對農業(yè)供應鏈金融信用風險致因分析的基本判斷。

二、農業(yè)供應鏈金融信用風險致因分析系統(tǒng)框架

根據系統(tǒng)論，一切事物可看作內部元素、外部環(huán)境、元素之間相互作用、元素與環(huán)境之間相互作用而形成的有機系統(tǒng)[8]。解構農業(yè)供應鏈金融信用風險系統(tǒng)，核心企業(yè)、融資企業(yè)、融資資產構成了系統(tǒng)的內部元素;其所處自然環(huán)境、經濟環(huán)境等構成了系統(tǒng)的外在環(huán)境;供應鏈關系、網絡信息技術應用等反映了內部元素之間的關系及其實現(xiàn)途徑;政府政策調控、風險中介服務等反映了內部元素與外部環(huán)境之間的作用關系。同時，系統(tǒng)論發(fā)展觀認為，內、外因及其相互滲透、轉化和共同作用[8，9]，形成了系統(tǒng)演化的復雜動因。分析風險系統(tǒng)的演化形成的內因和外因：內因是風險主體自身及其行為因素，能夠自我控制;而外因是風險主體難以準確預知或控制的不確定因素。結合以上分析，構建農業(yè)供應鏈金融信用風險致因分析系統(tǒng)框架，如圖1所示。

農業(yè)供應鏈金融信用風險演化的內因：（1）融資企業(yè)、核心企業(yè)和融資資產是系統(tǒng)內部元素，其中融資企業(yè)是信用風險的直接主體;核心企業(yè)是信用風險的間接主體，對融資企業(yè)起到增信作用;融資資產則是其信用風險的直接載體。（2）融資企業(yè)、核心企業(yè)和融資資產內部元素之間聯(lián)系主要體現(xiàn)在供應鏈關系和網絡信息技術應用方面，供應鏈關系是核心企業(yè)與中小企業(yè)（融資企業(yè)）一定時期內形成的信息與利益共享、風險共擔的合作關系;網絡信息技術應用體現(xiàn)了供應鏈關系的實現(xiàn)途徑。

農業(yè)供應鏈金融信用風險演化的外因：（1）經濟環(huán)境和自然環(huán)境構成其外部環(huán)境。國內外經濟環(huán)境的變化對供應鏈關系、供應鏈上企業(yè)經營績效等產生影響，進而影響到供應鏈金融信用風險;自然環(huán)境對農業(yè)初級生產環(huán)節(jié)影響顯著，進一步影響到供應鏈金融信用風險。（2）內部元素與外部環(huán)境之間關系主要反映在政策調控和風險中介服務方面。政策調控是指國家或地區(qū)針對具體供應鏈金融及其相關領域的發(fā)展出臺的相應政策;中介服務是反映供應鏈金融主要參與主體與外部風險因素發(fā)生作用的過程中，有關風險分散、緩釋或抑制等風險中介服務，如信用評價、擔保和保險等。

三、農業(yè)供應鏈金融信用風險致因分析結構方程模型

（一）研究假設

（2）結構模型評價。檢驗假設模型參數估計結果是否得到統(tǒng)計數據支持，包括各變量之間的關系。標準化的最優(yōu)模型各路徑系數（限于篇幅，詳表略）中各潛變量之間的路徑系數臨界比值C.R.在12.422～2.401之間（C.R.值大于1.96表明顯著性較好）;33項估計中，5項P值小于0.05，28項P值小于0.001，各項系數估計顯著性較好。

通過整體擬合度分析、模型逐步修正，最終參數估計表明模型整體適配性和結構擬合度良好，所建構農業(yè)供應鏈金融信用風險致因系統(tǒng)分析模型總體上較為理想，假設H1～H9總體得到支持（研究過程中少量被棄假設與題項除外）。

四、研究結論

1.從系統(tǒng)視角解構分析，信用風險主體（供應鏈核心企業(yè)、融資企業(yè)）、直接載體（融資資產）、網絡信息技術應用以及供應鏈關系共同構成了影響農業(yè)供應鏈金融信用風險的內在動因;經濟環(huán)境、自然環(huán)境、產業(yè)政策以及風險中介服務等構成了農業(yè)供應鏈金融信用風險的外在動因。實證結果顯示，各因素對農業(yè)供應鏈金融信用風險的影響由大及小依次為：核心企業(yè)信用風險（0.917）、融資企業(yè)信用風險（0.893）、自然環(huán)境風險（0.855）、融資資產風險屬性（0.829）、產業(yè)政策風險（0.828）、經濟環(huán)境因素（0.813）、風險中介服務（0.812）、供應鏈關系因素（0.811）和網絡信息技術應用（0.617），這些要素并非孤立的存在，而是相互聯(lián)系的有機系統(tǒng)。

2.基于內因分析視角：（1）核心企業(yè)作為主要主體，其信用風險是農業(yè)供應鏈金融信用風險的“震中”，易于導致眾多圍繞核心企業(yè)開展的中小企業(yè)融資項目產生兌付風險，引致整個供應鏈金融信用風險系統(tǒng)性爆發(fā)。其影響因素包括行業(yè)地位、基礎素質、產品優(yōu)勢、盈利能力、償債能力和信用級別，路徑系數分別為0.804、0.779、0.787、0.781、0.838和0.774，顯然，償債能力對其影響相對顯著，其次是行業(yè)地位，而后是其余基礎性因素。（2）融資企業(yè)作為直接主體，被視作供應鏈金融信用風險的“震源”或起源，其信用風險影響因素包括基礎素質、相對地位、盈利能力、償債能力、運營能力、發(fā)展能力以及信用狀況七個方面，路徑系數分別為0.738、0.673、0.787、0.834、0.778、0.676和0.759，顯然，其償債能力、盈利能力、運營能力和信用狀況影響相對更為顯著。（3）融資資產是農業(yè)供應鏈金融信用風險的承載客體，其風險屬性影響因素包括資產價格穩(wěn)定性、融資資產保質性和資產變現(xiàn)能力，路徑系數分別為0.730、0.818和0.827，顯然，保質性與可變現(xiàn)性影響更為顯著。

3.農業(yè)供應鏈金融信用風險外在系統(tǒng)性因素包括自然環(huán)境風險和經濟環(huán)境因素。自然環(huán)境風險主要指氣象災害、地質災害、環(huán)境污染和病蟲災害，路徑系數分別為0.826、0.702、0.804和0.785，一般農業(yè)供應鏈上游初級供應商最易受其影響而導致核心企業(yè)面臨供應短缺或中斷，造成成本上升，特別是環(huán)境污染和氣象災害的影響相對顯著。經濟環(huán)境因素主要包括國際宏觀經濟形勢、國內經濟環(huán)境和國際貿易環(huán)境變化，其路徑系數分別為0.812、853和0.783。在當前供應鏈更加國際化的背景下，這種影響更加明顯。

4.考察系統(tǒng)內部元素與外部環(huán)境作用關系，包括風險中介服務和產業(yè)政策因素。風險中介服務反映了各主體面對各類風險時所采取的第三方措施，主要包括風險轉移、處置和評估三類中介服務，其路徑系數分別為0.822、0.801和0.785;產業(yè)政策體現(xiàn)了信用風險主體與外部經濟環(huán)境的作用關系，反映了政府根據宏觀經濟發(fā)展對微觀主體的指導調節(jié)，其測量變量產業(yè)指導計劃、財政政策及金融政策的路徑系數分別為0.823、0.818和0.798。

5.系統(tǒng)內部元素之間關系主要涉及供應鏈關系和網絡信息技術應用。供應鏈關系一定程度上影響供應鏈金融信用風險事件發(fā)生概率和處置后果，主要體現(xiàn)在關系強度、關系質量、關系久度和合作頻率四個方面，其路徑系數分別為0.813、0.835、0.797和0.799，其中合作意愿與承諾、業(yè)務人員及管理者私人關系等關系質量因素是深層次影響因素。近年來，網絡信息技術應用給供應鏈關系帶來深刻影響，但從實證結果來看，目前對農業(yè)供應鏈金融信用風險的影響效果相對較弱。

五、對策建議

根據前文研究，提出以下對策建議：

1.以系統(tǒng)思維分析和管控農業(yè)供應鏈金融信用風險。明確供應鏈金融信用風險的內在主體、載體以及將這些主體與載體聯(lián)結起來的供應鏈關系、信息系統(tǒng);重視外在誘因的影響，探索相應管控途徑;綜合考慮到各要素之間可能的相互關系、各參與主體之間的風險傳導性以及管理協(xié)同性，從產業(yè)共生的視角，構建融資方、核心企業(yè)、供應鏈中小微實體共同參與的供應鏈金融信用風險治理生態(tài)。

2.加強對信用風險源頭與核心的治理。從有效管控融資企業(yè)信用風險入手治理供應鏈金融信用風險的源頭;圍繞核心企業(yè)信用風險管控好其信用風險的核心;動態(tài)監(jiān)測、客觀評估融資資產風險，加強與核心企業(yè)、第三方資產托管機構的合作，盡可能降低、規(guī)避來自融資資產的信用風險損失。

3.針對外部信用風險誘因建立響應防控機制。建立外部信用風險誘因監(jiān)測響應機制，對由外部環(huán)境變化引致的信用風險進行預先預測分析，并在此基礎上分級分類制定應對方案，及時采取有效預控措施，阻斷系統(tǒng)性信用風險擴散路徑;引導信用風險關鍵主體借助保險等風險轉移工具，管控難以避免或緩釋的外在風險，以免引發(fā)供應鏈金融系統(tǒng)性信用風險。

4.重視供應鏈關系質量管理。供應鏈上交易方合作的意愿承諾、業(yè)務人員及管理者私人關系等因素是影響供應鏈關系的更深層次因素，加強供應鏈金融信用風險管理不僅要掌握供應鏈關系形成時間長短、合作頻率及契約情況等信息，更要通過深入了解和把握供應鏈關系質量情況，有效規(guī)避、降低潛在的信用風險。

5.補齊信息技術應用短板，消除農業(yè)供應鏈內在數字鴻溝?；谛畔⒔洕鷮W分析，解決好信息不對稱問題是降低供應鏈金融信用風險的有效途徑。信息技術環(huán)境下農業(yè)供應鏈金融信用風險管控，須在提升中小微經營實體網絡信息技術應用能力、補齊信息技術短板的同時，通過管理與技術創(chuàng)新的融合，加強各利益相關方電子商務協(xié)同，盡可能消除農業(yè)供應鏈上不同主體間的信息鴻溝，增進信用風險管控協(xié)同能力。

注釋：

① 正文中數據表述與圖中數據表述不一致，是因為 AMOS17.0軟件默認的模型路徑圖上數字輸出為小數點后面保留兩位數，而路徑系數表的輸出值為小數點后面保留三位數（文中結論闡述為與大部分統(tǒng)計參數保持格式一致，采用了路徑系數表輸出中保留小數點后面三位的格式）。

參考文獻：

[1] 宋華， 陳思潔.供應鏈金融的演進與互聯(lián)網供應鏈金融：一個理論框架[J].中國人民大學學報， 2016， 30（5）：95-104.

[2] 張莉莉，穆東，劉德紅，等.中國供應鏈金融指數編制（上篇）：意義、思路與體系構建[J].北京交通大學學報（社會科學版），2018，17（4）：96-104.

[3] 楊軍，房姿含.供應鏈金融視角下農業(yè)中小企業(yè)融資模式及信用風險研究[J].農業(yè)技術經濟， 2017（9）：95-104.

[4] Wu C， Guo Y， Zhang X， et al. Study of personal credit risk assessment based on support vector machine ensemble[J].International Journal of Innovative Computing， Information and Control， 2010， 6（5）： 2353-2360.

[5] Wenner M. Innovations in rural and agricultural finance： credit risk management in financing Agriculture[J]. Agricultural Science and Technology， 2015， 31（2）： 131-149.

[6] 劉秀莉.基于信用風險視角的農業(yè)供應鏈金融研究[J].農業(yè)經濟， 2014（7）：32-33.

[7] 張東博. 農業(yè)供應鏈金融風險源與風險控制研析[J]. 農業(yè)經濟， 2017（6）：95-96.

[8] 張強. 系統(tǒng)方法論與唯物辯證法[J]. 系統(tǒng)科學學報， 2004， 12（4）：7-11.

[9] 饒欣. 系統(tǒng)論與唯物辯證法發(fā)展觀的比較研究[J]. 系統(tǒng)科學學報， 2004， 12（4）：19-22.

[10]J B Hardaker， R B M Huirne， J R Anderson， et al.Coping with risk in agriculture （second ed.）[M].Oxfordshire：Centre Agriculture Bioscience International，2004.

[11]Boehlje M，Doehring T A. The farm security and rural investment act of 2002： what it means to you. （Agricultural Lending）[J]. Human Molecular Genetics，2002， 18（1）：97-104.

[12]Glauber J W， Collins K J. Risk management and the role of the federal government[J]. Scientia Canadensis， 2002， 30（2）：136-139.

[13]歐陽越秀，李貞玉. 逆向選擇、系統(tǒng)性風險與政策性農業(yè)保險可持續(xù)發(fā)展[J]. 保險研究， 2010（4）：66-71.

[14]譚湘渝. 農業(yè)產業(yè)化、系統(tǒng)性風險與農民收入損失的風險測度[J]. 統(tǒng)計與決策， 2006（19）：76-77.

[15]項桂娥，吳義根. 基于SEM模型的農業(yè)企業(yè)風險評價體系研究——以安徽省221家農業(yè)產業(yè)化龍頭企業(yè)為例[J]. 農業(yè)技術經濟， 2012（8）：113-120.

[16]柯柄生. 關于新農村建設中政府職能的思考[J].農村金融研究， 2006（6）：11-13.

[17]王寶森，王迪. 互聯(lián)網供應鏈金融信用風險度量與盯市管理[J]. 中國流通經濟， 2017， 31（4）：77-84.

[18]戴昕琦.商業(yè)銀行信用風險評估模型研究——基于線上供應鏈金融的實證[J].軟科學，2018， 32（5）：139-144.

[19]王叢，張在旭，孫燕芳.供應鏈金融利益主體的多階段博弈研究[J].財經理論與實踐，2018，39（4）：32-37.

[20]鞠彥輝， 許燕， 何毅. 信息混沌下銀行線上供應鏈金融信用風險盲數評價模型構建[J]. 企業(yè)經濟， 2018（6）：102-106.

[21]熊熊，馬佳，趙文杰，等.供應鏈金融模式下的信用風險評價[J].南開管理評論， 2009， 12（4）：92-98+106.

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

[23]鄒建國，李明賢.農業(yè)供應鏈金融視角的農戶信用增進研究[J].財經理論與實踐，2019，40（6）：32-38.

[24]劉遠亮， 高書麗. 供應鏈金融模式下的小企業(yè)信用風險識別——基于北京地區(qū)信貸數據的實證研究[J]. 新金融， 2013（1）：45-49.

[25]李勤，龔科. 供應鏈金融模式下中小企業(yè)信用風險的案例分析[J]. 金融理論與實踐， 2014（8）：66-71.

[26]田美玉，何文玉. 供應鏈金融融資模式下中小企業(yè)信用風險評估——以汽車行業(yè)實證研究為例[J]. 工業(yè)技術經濟， 2016， 35（6）：154-160.

（責任編輯：寧曉青）

Research on a Systemic Framework and Empirical Analysis?of Agricultural Supply Chain Finance Credit Risk Based on 780 Survey?Data from Participants in Five Provinces of China

LI Guangrong

（Business School of North Minzu Univesity，Yinchuan，Ningxia 750021，China）

Abstract：The system scheme of agriculture supply chain finance credit risk cause analysis is put forward and the structure equation model is established. With the 780 survey data from the major five agriculture provinces in the upper and middle Yellow River reaches， the empirical research on the system scheme and formation path of agriculture supply chain finance credit risk is carried on. For the agriculture supply chain finance credit risk， it is found how the cause factors influence： Firstly， the analysis scheme based on the system theory is in line with the credit risk management practice systematically. Secondly， as the major participants， the core enterprise and financing enterprise have critical impact on it， and at the same time， the financing assets attributes have a significant influence as the direct carrier. Thirdly， natural and economic environment are the important external systemic factors. Fourthly， the risk intermediary service and industrial policy are important factors. Finally， the impact from supply chain relation and Internet information technology application are also significantly.

Key words：supply chain finance; credit risk; agriculture; system framework; empirical study