劉昆侖

(齊魯師范學(xué)院 數(shù)學(xué)學(xué)院，山東 濟(jì)南 250013)

1 引言及文獻(xiàn)綜述

供應(yīng)鏈金融是一種以核心企業(yè)為主導(dǎo)的信用融資模式，銀行將核心企業(yè)與中小企業(yè)聯(lián)系在一起提供授信，以此來降低金融風(fēng)險(xiǎn)，改善中小企業(yè)融資難的問題.我國的供應(yīng)鏈金融雖然起步較晚，但近年來逐漸步入了良性循環(huán)，在國民經(jīng)濟(jì)中的作用越來越凸顯，2013年以來我國供應(yīng)鏈金融市場規(guī)模保持穩(wěn)定增長，到2018年達(dá)到2萬億元(數(shù)據(jù)來源：銀監(jiān)會).與供應(yīng)鏈金融相關(guān)的鼓勵政策不斷出臺：2016年2月，人民銀行等八部委印發(fā)《關(guān)于金融支持工業(yè)穩(wěn)增長調(diào)結(jié)構(gòu)增效益的若干意見》，大力發(fā)展應(yīng)收賬款融資；2017年10月，國務(wù)院辦公廳發(fā)布《關(guān)于積極推進(jìn)供應(yīng)鏈創(chuàng)新與應(yīng)用的指導(dǎo)意見》，鼓勵商業(yè)銀行、供應(yīng)鏈核心企業(yè)等建立供應(yīng)鏈金融服務(wù)平臺；2018 年4 月，商務(wù)部等八部門發(fā)布《關(guān)于開展供應(yīng)鏈創(chuàng)新與應(yīng)用試點(diǎn)的通知》，創(chuàng)新供應(yīng)鏈金融服務(wù)模式；2018 年5 月，財(cái)政部發(fā)布《關(guān)于開展2018 年流通領(lǐng)域現(xiàn)代供應(yīng)鏈體系建設(shè)的通知》，發(fā)展專項(xiàng)資金支持現(xiàn)代供應(yīng)鏈體系建設(shè)[1].

新冠肺炎疫情發(fā)生后，中小企業(yè)受到嚴(yán)重的沖擊，特別是餐飲、娛樂、旅游、進(jìn)出口等行業(yè)均受到了不同程度的影響.為幫助企業(yè)恢復(fù)正常的生產(chǎn)經(jīng)營活動，國家發(fā)展改革委、工信部、財(cái)政部等相關(guān)部門出臺了多項(xiàng)復(fù)工復(fù)產(chǎn)的舉措，2月3日，中央提出“要在做好防控工作的前提下，全力支持和組織推動各類生產(chǎn)企業(yè)復(fù)工復(fù)產(chǎn)”；3月4日，中央強(qiáng)調(diào)“根據(jù)疫情分區(qū)分級推動復(fù)工復(fù)產(chǎn)”；4月8日，中央首次提出“全面推進(jìn)復(fù)工復(fù)產(chǎn)”[2].為了支持企業(yè)的復(fù)工復(fù)產(chǎn)，金融機(jī)構(gòu)出臺了一系列的優(yōu)惠信貸政策，截止到3月15日，金融機(jī)構(gòu)累計(jì)發(fā)放優(yōu)惠利率貸款共1 114億元，增加低息貸款，以優(yōu)惠利率定向支持中小企業(yè).在中央一系列復(fù)工復(fù)產(chǎn)政策的推動下，2020年GDP從第一季度(206 504億元)的同比下降6.8%到第四季度(293 199億元)的同比上升2.3%，2020年GDP總量首次突破百萬億，比2019年增長2.3%(數(shù)據(jù)來源：中華人民共和國人民政府網(wǎng))，是全球唯一一個實(shí)現(xiàn)經(jīng)濟(jì)正增長的主要經(jīng)濟(jì)體.

國內(nèi)外學(xué)者在供應(yīng)鏈金融的風(fēng)險(xiǎn)研究方面做了很多的工作.國外學(xué)者對風(fēng)險(xiǎn)防范的研究可以從質(zhì)押融資方法和質(zhì)押物本身的價(jià)格波動等方面進(jìn)行，例如Lai等[3]研究存貨質(zhì)押融資對風(fēng)險(xiǎn)的共享作用，指出混合模式才能實(shí)現(xiàn)供應(yīng)鏈的效率最優(yōu).Seifert等[4]發(fā)現(xiàn)，在供應(yīng)鏈金融中應(yīng)加強(qiáng)各企業(yè)和金融機(jī)構(gòu)之間的協(xié)作，核心企業(yè)應(yīng)在分配資金和維系與供應(yīng)商的關(guān)系中起到更大的作用，以防范金融風(fēng)險(xiǎn)的傳遞.Finch[5]認(rèn)為應(yīng)加強(qiáng)信息系統(tǒng)的建設(shè)，尤其是提高中小型企業(yè)的信息透明度，并改善其經(jīng)營能力，以減少商業(yè)銀行的信用風(fēng)險(xiǎn).

在國內(nèi)，很多學(xué)者對供應(yīng)鏈金融的信用風(fēng)險(xiǎn)進(jìn)行研究.任文超[6]對銀行信貸的信用風(fēng)險(xiǎn)進(jìn)行了研究，提出了物資銀行的概念.彎紅地[7]研究了銀行的信貸風(fēng)險(xiǎn)，發(fā)現(xiàn)對應(yīng)收賬款的風(fēng)險(xiǎn)管理需要建立銀行與企業(yè)間的新型合作關(guān)系來提高避險(xiǎn)的能力，促使供應(yīng)鏈金融充分發(fā)揮作用.鮑旭紅[8]提出了供應(yīng)鏈金融在融資方面的優(yōu)勢，能夠有效地解決融資難的問題.田菁等[9]對線上供應(yīng)鏈金融進(jìn)行了研究，提出了信用風(fēng)險(xiǎn)的應(yīng)對措施.

在對供應(yīng)鏈金融的風(fēng)險(xiǎn)分析中用到了很多的統(tǒng)計(jì)模型，這有利于進(jìn)行實(shí)證研究和定量分析，從而更加精確、有效地控制風(fēng)險(xiǎn).熊熊等[10]分析了供應(yīng)鏈中雙評級的信用風(fēng)險(xiǎn)，使用了回歸分析和主成分分析的方法進(jìn)行信用風(fēng)險(xiǎn)度量；劉遠(yuǎn)亮等[11]使用了Logistic回歸模型對北京地區(qū)的數(shù)據(jù)進(jìn)行了實(shí)證分析；劉艷春等[12]借助SEM和灰色關(guān)聯(lián)模型對供應(yīng)鏈中的中小企業(yè)進(jìn)行了風(fēng)險(xiǎn)評估.

在目前研究的基礎(chǔ)上，本文將利用Logistic模型研究供應(yīng)鏈金融的信用風(fēng)險(xiǎn)，比較2020年疫情期間復(fù)工復(fù)產(chǎn)前后汽車行業(yè)的供應(yīng)鏈金融風(fēng)險(xiǎn)狀況.在實(shí)證分析中，運(yùn)用Logistic模型進(jìn)行信用風(fēng)險(xiǎn)分析，首先使用主成分分析降低變量維度，再利用生成的主成分進(jìn)行Logistic回歸，進(jìn)而得出企業(yè)的信用風(fēng)險(xiǎn)預(yù)測值.通過將預(yù)測結(jié)果與實(shí)際結(jié)果的比較，表明疫情過后，通過實(shí)施復(fù)工復(fù)產(chǎn)政策，汽車供應(yīng)鏈的信用風(fēng)險(xiǎn)狀況得到了很大的改善，并針對汽車行業(yè)的特點(diǎn)提出了對策與建議.

本文的創(chuàng)新之處在于從微觀的角度研究復(fù)工復(fù)產(chǎn)政策的成效，并以汽車行業(yè)為例，選取了汽車板塊全部22家上市公司的財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行定量研究，分析復(fù)工復(fù)產(chǎn)前后企業(yè)的信用風(fēng)險(xiǎn)狀況，為有效地控制汽車供應(yīng)鏈風(fēng)險(xiǎn)提供了參考.

2 供應(yīng)鏈金融信用風(fēng)險(xiǎn)的度量模型

Logistic回歸模型是度量供應(yīng)鏈信用風(fēng)險(xiǎn)的經(jīng)典方法之一，該模型的優(yōu)點(diǎn)是不要求樣本服從多元正態(tài)分布和協(xié)方差陣相等，結(jié)果有較強(qiáng)的穩(wěn)健性，可以利用保留樣本進(jìn)行直接的統(tǒng)計(jì)檢驗(yàn)，能夠處理非線性問題和大樣本問題.

本文主要是運(yùn)用Logistic模型對企業(yè)的違約率進(jìn)行估計(jì)，假設(shè)企業(yè)出現(xiàn)風(fēng)險(xiǎn)的概率為[13]

P(Y=1|X)=pi

(1)

這是一個條件概率，其中隨機(jī)變量X=(x1，x2，…，xn)T為解釋變量，本文選取企業(yè)的財(cái)務(wù)指標(biāo)作為解釋變量，表示影響風(fēng)險(xiǎn)的因素；Y為被解釋變量，表示企業(yè)的違約風(fēng)險(xiǎn)，Y=1表示高風(fēng)險(xiǎn)，Y=0表示低風(fēng)險(xiǎn)，則此條件概率表示某企業(yè)出現(xiàn)高風(fēng)險(xiǎn)的概率.Logistic回歸模型的關(guān)鍵就是通過樣本數(shù)據(jù)得出某企業(yè)風(fēng)險(xiǎn)概率pi的估計(jì)值，進(jìn)而對企業(yè)的風(fēng)險(xiǎn)狀況進(jìn)行定量評估.

Logistic回歸方程為

(2)

將上述回歸方程進(jìn)行線性變換，令

(3)

對式(2)、(3)整理，可得

(4)

式(4)為多元線性回歸模型.

Logistic模型中對系數(shù)的檢驗(yàn)采用的是Wald統(tǒng)計(jì)量：

(5)

通過對企業(yè)的財(cái)務(wù)數(shù)據(jù)進(jìn)行回歸分析，可以得出βj，j=0，1，2，…，n的估計(jì)值，再將數(shù)據(jù)代入式(2)便可以得出風(fēng)險(xiǎn)概率pi的估計(jì)值.若pi的估計(jì)值大于0.5，則企業(yè)的風(fēng)險(xiǎn)較高；若pi的估計(jì)值小于0.5，則企業(yè)的風(fēng)險(xiǎn)較低.

因此，Logistic回歸模型可按以下的步驟進(jìn)行：

1)適當(dāng)?shù)剡x取解釋變量和被解釋變量；

2)選取合適的樣本用于模型分析；

3)若解釋變量之間不存在高度相關(guān)性，被解釋變量發(fā)生概率的模型即為Logistic模型；

4)用回歸分析的方法對回歸參數(shù)進(jìn)行估計(jì)，并檢驗(yàn)參數(shù)的顯著性；

5)參照實(shí)際風(fēng)險(xiǎn)情況對模型進(jìn)行驗(yàn)證.

3 供應(yīng)鏈金融信用風(fēng)險(xiǎn)的評價(jià)指標(biāo)體系

3.1 指標(biāo)體系的建立

本著可量化、科學(xué)性、可獲得性的原則利用財(cái)務(wù)指標(biāo)構(gòu)建供應(yīng)鏈金融的風(fēng)險(xiǎn)評價(jià)指標(biāo)體系.為了更全面地反映供應(yīng)鏈的整體狀況，選擇融資企業(yè)與核心企業(yè)的22項(xiàng)指標(biāo)，并進(jìn)行分級量化處理，見表1.

表1 供應(yīng)鏈金融的信用風(fēng)險(xiǎn)評價(jià)初級指標(biāo)體系

3.2 指標(biāo)的選取

選取的財(cái)務(wù)指標(biāo)應(yīng)盡可能地有代表性，能夠充分反映企業(yè)的經(jīng)營狀況，然而指標(biāo)的數(shù)量過多，也會帶來一些冗余和重復(fù)的信息，并增加了模型計(jì)算的難度.參考已有的風(fēng)險(xiǎn)評價(jià)體系[14-15]，并考慮各個財(cái)務(wù)指標(biāo)的意義，將主營業(yè)務(wù)利潤率、營業(yè)利潤率、銷售毛利率、凈資產(chǎn)增長率、存貨周轉(zhuǎn)率、流動比率、主營業(yè)務(wù)收入行業(yè)排名等指標(biāo)剔除，最終確定信用風(fēng)險(xiǎn)評價(jià)指標(biāo)體系，見表2.

表2 供應(yīng)鏈金融的信用風(fēng)險(xiǎn)評價(jià)指標(biāo)體系

4 實(shí)證分析

4.1 樣本選取

為研究汽車行業(yè)2020年復(fù)工復(fù)產(chǎn)前后供應(yīng)鏈金融的信用風(fēng)險(xiǎn)狀況，本文選取了汽車供應(yīng)鏈的22家整車制造企業(yè)作為樣本進(jìn)行研究，企業(yè)信息見表3，分別選取了這些企業(yè)2020年第一季度和第三季度的財(cái)務(wù)指標(biāo)數(shù)據(jù)(數(shù)據(jù)來源：新浪網(wǎng)).

表3 樣本企業(yè)的股票名稱

汽車供應(yīng)鏈?zhǔn)且粋€以整車制造企業(yè)為核心企業(yè)，以零部件制造企業(yè)為上游企業(yè)，以銷售企業(yè)為

下游企業(yè)的龐大集成化產(chǎn)業(yè).高效協(xié)同的供應(yīng)鏈體系是各汽車企業(yè)之間不斷發(fā)展的重要支撐，核心企業(yè)的風(fēng)險(xiǎn)狀況對整個供應(yīng)鏈金融的信用風(fēng)險(xiǎn)起到?jīng)Q定性的作用，對核心企業(yè)進(jìn)行風(fēng)險(xiǎn)評價(jià)可以反映出整個供應(yīng)鏈的風(fēng)險(xiǎn)狀況.

依據(jù)表2的信用風(fēng)險(xiǎn)評價(jià)指標(biāo)體系，對22家整車制造企業(yè)(即核心企業(yè))兩個季度的財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行描述統(tǒng)計(jì)[16]，見表4、表5.本文數(shù)據(jù)處理使用SPSS軟件.

表4 第一季度指標(biāo)變量的描述統(tǒng)計(jì)量

表5 第三季度指標(biāo)變量的描述統(tǒng)計(jì)量

由于各個指標(biāo)之間的量綱不同，為了計(jì)算的方便需要對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化變換，這里選用標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化的方法，即

(6)

4.2 主成分分析

由于選取的指標(biāo)數(shù)量較多，同一指標(biāo)類型的變量之間存在較強(qiáng)的相關(guān)性，因此對標(biāo)準(zhǔn)化的指標(biāo)變量進(jìn)行主成分分析，以達(dá)到降低維度、濃縮信息的目的[17-18].

先研究第一季度的指標(biāo)數(shù)據(jù)，從公因子方差表(表6)可以看出，本次分析從每個指標(biāo)變量中提取的信息都超過了65%，除了凈資產(chǎn)收益率行業(yè)排名外，主成分幾乎包含了各個指標(biāo)至少80%的信息.

解釋的總方差表(表7)顯示了各主成分解釋原始變量的情況，前五個主成分的累積特征值為90.496%，大于85%，因此保留前五個主成分.

表7 第一季度指標(biāo)解釋的總方差

成分得分系數(shù)矩陣(表8)給出了主成分用第一季度標(biāo)準(zhǔn)化財(cái)務(wù)指標(biāo)表示的近似表達(dá)式，即：

表8 第一季度指標(biāo)成分得分系數(shù)矩陣

4.3 Logistic模型

實(shí)際風(fēng)險(xiǎn)狀況的確定，可以觀察股市波動，令Y=1表示高違約風(fēng)險(xiǎn)，Y=0表示低違約風(fēng)險(xiǎn).選取上述的5個主成分z1，z2，z3，z4，z5作為自變量進(jìn)行二元Logistic回歸，得出參數(shù)的估計(jì)結(jié)果見表9.

表9 第一季度指標(biāo)變量的參數(shù)估計(jì)

表9中的Sig值是對Wald檢驗(yàn)的顯著性概率，可以看到，第四個主成分的Sig值為0.241，大于0.05，Wald檢驗(yàn)不顯著，將其剔除，其余的主成分保留.通過系數(shù)的估計(jì)值“B”可以看出，第二、三個主成分系數(shù)的絕對值較大，因此營運(yùn)能力和成長能力是影響企業(yè)風(fēng)險(xiǎn)狀況的關(guān)鍵性指標(biāo)，在風(fēng)險(xiǎn)防控過程中應(yīng)加強(qiáng)對這些指標(biāo)的監(jiān)管.

根據(jù)表9的結(jié)果可以得到最終的Logistic回歸方程為

從表10中可以看出，在22家企業(yè)中只有三家企業(yè)的預(yù)測結(jié)果與實(shí)際觀察結(jié)果不一致，正確率的平均值為86.2%，表明Logistic回歸能夠很好地對企業(yè)的信用風(fēng)險(xiǎn)狀況進(jìn)行估計(jì).

表10 第一季度Logistic回歸結(jié)果正確率表

利用同樣的步驟可以對2020年第三季度汽車行業(yè)的信用風(fēng)險(xiǎn)狀況進(jìn)行分析，得到結(jié)果正確率見表11.

表11 第三季度Logistic回歸結(jié)果正確率表

從表11可以看出，只有兩家企業(yè)的預(yù)測結(jié)果與實(shí)際結(jié)果不一致，正確率的平均值為87.05%.

4.4 結(jié)果分析

將第一季度和第三季度汽車行業(yè)的信用風(fēng)險(xiǎn)狀況進(jìn)行比較發(fā)現(xiàn)，受到新冠肺炎疫情的影響第一季度的高風(fēng)險(xiǎn)企業(yè)較多.隨著疫情受到控制以及我國復(fù)工復(fù)產(chǎn)政策的實(shí)施，到了第三季度高風(fēng)險(xiǎn)企業(yè)的數(shù)量明顯減少，低風(fēng)險(xiǎn)企業(yè)占了絕大多數(shù).在Logistic模型構(gòu)建的過程中發(fā)現(xiàn)，第二主成分和第三主成分對企業(yè)信用風(fēng)險(xiǎn)的影響較大，即凈資產(chǎn)收益率、主營業(yè)務(wù)收入增長率、凈利潤增長率、總資產(chǎn)增長率、應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率等指標(biāo)是決定企業(yè)信用風(fēng)險(xiǎn)狀況的重要因素.

5 對策與建議

根據(jù)汽車供應(yīng)鏈的實(shí)證分析結(jié)果，并結(jié)合汽車行業(yè)的特點(diǎn)提出以下建議：

第一，關(guān)注上游零部件生產(chǎn)企業(yè)狀況，推動整個供應(yīng)鏈的協(xié)同高效運(yùn)作.盡管復(fù)工復(fù)產(chǎn)成效顯著，但產(chǎn)能的恢復(fù)需要供應(yīng)鏈上下游企業(yè)的協(xié)同配合，個別環(huán)節(jié)復(fù)工復(fù)產(chǎn)效率的低下會影響到整個供應(yīng)鏈的運(yùn)轉(zhuǎn).我國的汽車產(chǎn)業(yè)正處于降速調(diào)整期，新冠肺炎疫情對汽車供應(yīng)鏈產(chǎn)生了巨大的沖擊，汽車制造是長鏈條式生產(chǎn)，包含上萬個零件，全球化采購，某個上游供應(yīng)商的斷供，就會造成整個供應(yīng)鏈的停擺.武漢是我國重要的汽車零部件生產(chǎn)基地，武漢地區(qū)的復(fù)工復(fù)產(chǎn)狀況直接影響了眾多國內(nèi)汽車制造廠的生產(chǎn)效能.面對這種情況，汽車裝配企業(yè)應(yīng)積極采取自救措施，調(diào)整零部件供應(yīng)商，變更運(yùn)輸途徑，確保勞動力供應(yīng)，建立零部件供應(yīng)聯(lián)盟，優(yōu)化供應(yīng)布局，加強(qiáng)國內(nèi)各品牌之間的合作.

第二，積極拉動汽車消費(fèi)，改進(jìn)不合理的體制機(jī)制.疫情導(dǎo)致汽車銷售量減少，從而導(dǎo)致汽車市場產(chǎn)能大幅度下滑、汽車企業(yè)的負(fù)擔(dān)增加.相關(guān)部門應(yīng)本著長遠(yuǎn)發(fā)展的角度出臺一系列推動汽車供應(yīng)鏈復(fù)蘇的措施：一是繼續(xù)實(shí)施減稅降費(fèi)政策，降低企業(yè)負(fù)擔(dān)，扶持資金困難企業(yè)，幫助企業(yè)改善庫存.二是實(shí)施刺激消費(fèi)政策，增加傳統(tǒng)汽車的銷售量，鼓勵舊車報(bào)廢，部分城市取消汽車限購或增加限購配額.三是挖掘市場潛力，促進(jìn)新能源汽車的發(fā)展，繼續(xù)實(shí)施政策補(bǔ)貼，推動充電設(shè)施的建設(shè)，解決續(xù)航里程不穩(wěn)定等技術(shù)問題.

第三，實(shí)行供應(yīng)鏈內(nèi)外雙循環(huán)，解決進(jìn)口采購困難，加強(qiáng)關(guān)鍵零部件的開發(fā)研制工作.我國汽車行業(yè)的很多關(guān)鍵零部件依賴進(jìn)口，德、日、韓、美是主要的來源國，受疫情影響上述國家的汽車零部件生產(chǎn)停產(chǎn)或部分停產(chǎn)，再加上國際物流不暢的影響，使得我國汽車產(chǎn)業(yè)的關(guān)鍵零件及半導(dǎo)體產(chǎn)品斷供，無法進(jìn)行后續(xù)的生產(chǎn).國內(nèi)汽車行業(yè)應(yīng)大力增加科研創(chuàng)新投入，提高生產(chǎn)工藝，保證基礎(chǔ)元件的自給自足，形成完整的國內(nèi)大循環(huán)，使汽車的各個供應(yīng)鏈條逐步實(shí)現(xiàn)本土化，以弱化國際風(fēng)險(xiǎn)對我國汽車產(chǎn)業(yè)的影響.