陳 欽，施麗娟

（福州外語外貿(mào)學(xué)院，福建 福州 350202）

供應(yīng)鏈金融信用風(fēng)險實證研究*
——基于MF-Logistic模型

陳 欽，施麗娟

（福州外語外貿(mào)學(xué)院，福建 福州 350202）

供應(yīng)鏈金融是傳統(tǒng)商業(yè)銀行授信模式的轉(zhuǎn)變，帶來了各參與主體共贏的局面。供應(yīng)鏈金融在我國處于起步階段，商業(yè)銀行受收益驅(qū)動積極開拓供應(yīng)鏈金融業(yè)務(wù)，但對供應(yīng)鏈金融的信用風(fēng)險管理還處于相對落后狀態(tài)。本文選取宏觀經(jīng)濟指標和微觀企業(yè)信用風(fēng)險評估指標，使用計量經(jīng)濟學(xué)方法構(gòu)建出蘊含宏觀經(jīng)濟因素和反映企業(yè)內(nèi)部信用能力的財務(wù)指標的MF-Logistic模型，進而對2007年第一季度至2013年第三季度的27組樣本數(shù)據(jù)進行實證研究，并通過實證和規(guī)范分析給出研究結(jié)論。通過對供應(yīng)鏈金融信用風(fēng)險的度量和預(yù)測，為商業(yè)銀行提供供應(yīng)鏈金融信用風(fēng)險預(yù)警，并為制定相應(yīng)的應(yīng)對措施提供參考。

宏觀經(jīng)濟因素；Logistic模型；MF-Logistic模型；信用風(fēng)險；商業(yè)銀行

陳欽，施麗娟．供應(yīng)鏈金融信用風(fēng)險實證研究——基于MF-Logistic模型[J]．西南石油大學(xué)學(xué)報：社會科學(xué)版，2014，16（4）：27-35．

1 Logistic模型介紹和MF-Logistic模型的構(gòu)建

1.1 Logistic模型介紹

Logistic模型是假設(shè)企業(yè)守約概率服從Logistic分布，采用一系列財務(wù)和業(yè)務(wù)指標(Xk，k=n)作為自變量建立Logistic模型，預(yù)測企業(yè)的守約概率P，然后根據(jù)銀行和相關(guān)投資者的風(fēng)險偏好程度設(shè)立分界點P*，通過P與P*的比較，以確定融資企業(yè)的違約率是否偏高，最后決定是否對該企業(yè)進行貸款。Logistic模型的因變量Y僅有0和1兩個取值，1為守約，0為違約。如果P＜P*，則Y=0，說明該企業(yè)守約率較低，信用度較低，不宜對其進行貸款融資；如果P≥P*，則Y=1，說明該企業(yè)守約率較高，信用度較高，可以對其進行貸款融資。Logistic模型的函數(shù)形式見式（1）、（2）、（3）：

其中：β0，β1，…，βm是待估計的未知參數(shù)，X0，X1，…，Xm是解釋變量，即用來反映企業(yè)是否可能違約的特征變量。

1.2 MF-Logistic模型的構(gòu)建

結(jié)合我國宏觀經(jīng)濟因素，使用計量經(jīng)濟學(xué)方法選取宏觀經(jīng)濟指標和供應(yīng)鏈金融的企業(yè)信用風(fēng)險評估指標后，設(shè)計蘊含宏觀經(jīng)濟因素的MF-Logistic計量模型作為供應(yīng)鏈金融信用風(fēng)險評價模型見公式（4）。

假定對供應(yīng)鏈金融信用風(fēng)險有顯著影響的n個宏觀經(jīng)濟指標分別為：M1，M2，…，Mn。因此，對公式（3）進行修正，可得到MF-Logistic模型：

其中：M0，M1，…，Mn是對商業(yè)銀行信用風(fēng)險有顯著影響的n個宏觀經(jīng)濟變量。α1，α2，，αn是待估計的未知參數(shù)。

2 MF-Logistic模型對供應(yīng)鏈金融信用風(fēng)險的實證分析

2.1 宏觀經(jīng)濟指標選取

本文選取國內(nèi)生產(chǎn)總值（GDP）、城市人均收入(PCI)、貨物進出口總額(TIE)、固定資產(chǎn)投資(FIA)、貨幣供應(yīng)量(M2)、社會消費品零售總額(TSS)、居民消費價格指數(shù)(CPI)和匯率(ER)8個宏觀經(jīng)濟指標，來研究宏觀經(jīng)濟因素對供應(yīng)鏈金融中的企業(yè)信用風(fēng)險的影響。本文從國家統(tǒng)計局收集了從2003年至2012年的10組宏觀經(jīng)濟指標。

在宏觀經(jīng)濟指標原始數(shù)據(jù)中的8個宏觀經(jīng)濟指標除居民消費價格指數(shù)外均會因為居民消費價格指數(shù)的變動而受到影響，進而影響后面的分析結(jié)果，因此在此需要對這7個宏觀經(jīng)濟的原始指標進行相應(yīng)調(diào)整。其中CPI指數(shù)的計算方法為：以2003年為基期，定義為CPI＝1，則以后每期的CPI指數(shù)為前期所有CPI指數(shù)的連乘積，即第n期的CPI指數(shù)為CPIn＝CPIn-1×CPIn-2×…×CPI1。例如，調(diào)整后的2005年的居民消費價格指數(shù)為1×1.039× 1.018＝1.0577。

根據(jù)調(diào)整后的CPI指數(shù)宏觀經(jīng)濟指標的調(diào)整值等于宏觀經(jīng)濟指標的原始值除以當期的CPI指數(shù)，計算公式為：第n期宏觀經(jīng)濟指標調(diào)整值=第n期原始值/CPIn。例如，調(diào)整后的2005年的社會消費品零售總額值為68352.6÷1.0577＝64623.68。

由于國內(nèi)生產(chǎn)總值（GDP）、城市人均收入(PCI)、貨物進出口總額(TIE)、固定資產(chǎn)投資(FIA)、貨幣供應(yīng)量(M2)、社會消費品零售總額(TSS)、居民消費價格指數(shù)(CPI)等指標存在嚴重的季節(jié)性，本文借鑒山東財經(jīng)大學(xué)李強的《中小企業(yè)信用風(fēng)險研究》的研究成果，在實際操作過程，對以上數(shù)據(jù)進行對數(shù)化處理如下：

其中：C為常數(shù)項。

然后對處理后的數(shù)據(jù)進行最小二乘回歸分析，回歸結(jié)果見表1。

從表1中可以看出，雖然擬合優(yōu)度達到99.5%，但是僅有少數(shù)的指標值通過了t檢驗，該模型對違約率（DR）的擬合效果不好，需要對指標進行進一步的篩選。由于這些指標反映的是宏觀經(jīng)濟動態(tài)和整體趨勢，那么存在多重共線性的可能性就非常大，因此，可以選用SPSS針對多重共線性進行指標選取，結(jié)果見表2（取從2003年至2012年的10組數(shù)據(jù)，N=10）。從表2可以看出，各宏觀經(jīng)濟指標間都具有一定的相關(guān)性，參照8個宏觀經(jīng)濟指標對違約率的權(quán)重以及表1各指標間的相關(guān)系數(shù)，選擇國內(nèi)生產(chǎn)總值（GDP）、城市人均收入(PCI)、貨幣供應(yīng)量(M2)、社會消費品零售總額(TSS)和匯率(ER)5個宏觀經(jīng)濟指標，對違約率再次進行最小二乘回歸分析，回歸結(jié)果見表3。

表1 8個指標回歸結(jié)果

表2 SPSS分析得到宏觀經(jīng)濟指標的相關(guān)性

表3 5個指標回歸結(jié)果

顯然，經(jīng)過對宏觀經(jīng)濟指標的調(diào)整和篩選后，模型得到了優(yōu)化，F(xiàn)檢驗和模型的擬合優(yōu)度都較8個指標時有了很大的改觀，通過擬合效果圖1也可以得出模型擬合效果很好（擬合優(yōu)度達到99.8%）。于是，本文選取國內(nèi)生產(chǎn)總值（GDP）、城市人均收入(PCI)、貨幣供應(yīng)量(M2)、社會消費品零售總額(TSS)以及匯率（ER）5個宏觀經(jīng)濟指標作為影響供應(yīng)鏈金融信用風(fēng)險的主要宏觀因素。

圖1 違約率擬合效果圖

2.2 企業(yè)信用風(fēng)險評估指標選取

結(jié)合供應(yīng)鏈金融的特點和傳統(tǒng)信貸模式的信用風(fēng)險評價方式[6]，構(gòu)成初步的供應(yīng)鏈金融信用風(fēng)險評價指標體系，包括以下16個指標：

X1（每股收益）、X2（主營業(yè)務(wù)利潤率）、X3（營業(yè)利潤率）、X4（凈利潤率）、X5（凈資產(chǎn)收益率）、X6（應(yīng)收賬款周轉(zhuǎn)率）、X7（存貨周轉(zhuǎn)率）、X8（總資產(chǎn)周轉(zhuǎn)率）、X（9流動比率）、X1（0現(xiàn)金比率）、X1（1資產(chǎn)負債率）、X1（2現(xiàn)金流動負債比）、X1（3凈利潤增長率）、X1（4總資產(chǎn)增長率）、X1（5經(jīng)營現(xiàn)金凈流量對銷售收入比率）和X16（經(jīng)營現(xiàn)金凈流量與凈利潤的比率）[7-8]。

表4 主成分解釋的總方差

樣本數(shù)據(jù)來自滬深股市的家電行業(yè)，共選取了31家企業(yè)數(shù)據(jù)進行分析：指標數(shù)據(jù)來源于新浪財經(jīng)的數(shù)據(jù)源①數(shù)據(jù)來自http://vip.stock.finance.sina.com.cn/mkt/#new_jdhy。，主要截取2013年第三季度的報告數(shù)據(jù)作為基本數(shù)據(jù)來源；樣本數(shù)據(jù)中有16個指標，表4是利用SPSS將所有的數(shù)據(jù)做了一個主成分分析，最后將16個指標轉(zhuǎn)化為4個有代表性的綜合指標。

表4中主成分的特征根大于1的分別為4.612、3.702、2.317、1.283，分別解釋了原指標變量的28.824%、51.960%、66.443%、74.459%的信息，累積貢獻率達到了74.459%，所以這4個主成分能夠較好地表示原來所有的指標信息。

表5為運行得到的主成分系數(shù)矩陣。

表5 主成分系數(shù)矩陣

其中Zi(i=1，2，..，16)表示標準化后的指標變量，其中主成分得分系數(shù)（Zi前的系數(shù)）是由正交旋轉(zhuǎn)后的因子載荷矩陣中的數(shù)值除以相對應(yīng)的特征根的平方根。由表5的主成分得分系數(shù)矩陣，得出主成分表達式：

Y1代表企業(yè)償債能力的Z8（總資產(chǎn)周轉(zhuǎn)率）、Z9（流動比率）、Z10（現(xiàn)金比率）、Z11（資產(chǎn)負債率）和Z13（凈

利潤增長率）在公因子Y1上游較高的載荷，反映的是企業(yè)的償債能力，可稱Y1為償債能力因子。

Y

2代表企業(yè)盈利能力和成長能力的Z1（每股收益）、Z2（主營業(yè)務(wù)利潤率）、Z3（營業(yè)利潤率）、Z4（凈利潤率）和Z5（凈資產(chǎn)收益率）在公因子Y2上游較高的載荷，反映的是企業(yè)的盈利能力和成長能力，可稱Y2為盈利能力因子。

Y3代表企業(yè)現(xiàn)金流量的Z7（存貨周轉(zhuǎn)率）、Z12（現(xiàn)金流動負債比）和Z15（經(jīng)營現(xiàn)金凈流量對銷售收入比率）在公因子Y3上游較高的載荷，反映的是企業(yè)的現(xiàn)金流量，可稱Y3為現(xiàn)金流量因子。

Y4代表企業(yè)營運能力的Z6（應(yīng)收賬款周轉(zhuǎn)率）和Z16（經(jīng)營現(xiàn)金凈流量與凈利潤的比率）在公因子Y4上游較高的載荷，反映的是企業(yè)的營運能力，可稱Y4為營運能力因子。

2.3 MF-Logistic模型的實證分析

根據(jù)前面的分析結(jié)果，我們可以篩選出5個宏觀經(jīng)濟指標(國內(nèi)生產(chǎn)總值、城市人均收入、貨幣供應(yīng)量、社會消費品零售總額和匯率)，以及根據(jù)中國人民銀行石家莊中心支行課題組的《中小企業(yè)貸款信用風(fēng)險評估實證研究》的研究成果選取了能較好反映企業(yè)內(nèi)部信用能力的10個財務(wù)指標（總資產(chǎn)周轉(zhuǎn)率、流動比率、資產(chǎn)負債率、凈利潤增長率、營業(yè)利潤率、凈利潤率、凈資產(chǎn)收益率、現(xiàn)金流動負債比、應(yīng)收賬款周轉(zhuǎn)率、經(jīng)營現(xiàn)金凈流量與凈利潤的比率），這些指標分別取自2007年第一季度到2013年第三季度這個時間段，構(gòu)建出基于宏觀經(jīng)濟因素的MF-Logistic模型中的W為：

首先利用SPSS軟件對上式中的5個宏觀經(jīng)濟指標的原始數(shù)據(jù)進行相關(guān)性分析，發(fā)現(xiàn)各宏觀經(jīng)濟指標間都具有一定的相關(guān)性，接著把這5個宏觀經(jīng)濟指標的原始數(shù)據(jù)進行對數(shù)化處理，再進行最小二乘回歸分析。

由5個宏觀經(jīng)濟指標對違約率的權(quán)重以及各指標間的相關(guān)系數(shù)，選擇國內(nèi)生產(chǎn)總值（GDP）、貨幣供應(yīng)量（M2）和城市人均收入（PCI）這3個宏觀經(jīng)濟指標作為影響供應(yīng)鏈金融信用風(fēng)險的主要因素。因為CPI指數(shù)的變動均會影響這3個宏觀經(jīng)濟指標，所以我們利用CPI指數(shù)進行修正，并將經(jīng)CPI指數(shù)調(diào)整后的宏觀經(jīng)濟指標中的數(shù)據(jù)進行最小二乘回歸分析，結(jié)果如表6。

由表6可得回歸模型如下：

表6 3個指標回歸結(jié)果

微觀方面我們以格力電器2007年第1季度至2013年第3季度共27個季度的財務(wù)指標數(shù)據(jù)為樣本數(shù)據(jù)，先利用SPSS軟件將所有數(shù)據(jù)做一個主成分分析，最后將10個指標轉(zhuǎn)化為4個有代表性的綜合指標（表7）。

表7 解釋的總方差

從表7可以看出，主成分的特征根大于1的分別為3.288、2.632、1.501、1.102，分別解釋了原指標變量的32.88%、26.32%、15.01%、11.02%的信息，累積貢獻率達到了85.22%。因此，這4個主成分能夠較好地表示原來所有的指標信息。由運行得到的主成分系數(shù)矩陣,得出主成分表達式：

將宏觀分析得到的違約率與上文經(jīng)過主成分分析之后得到的表示格力電器Y1、Y2、Y3和Y4數(shù)值組合在一起，運用SPSS軟件對組合后數(shù)值進行回歸分析，結(jié)果見表8。

表8 主成分變量參數(shù)估計表

從而可以得到logistic模型中W值：

運用計量經(jīng)濟方法通過對宏觀經(jīng)濟指標和企業(yè)內(nèi)部財務(wù)指標進行篩選和分析，構(gòu)建出蘊含宏觀經(jīng)濟因素的MF-Logistic模型，結(jié)合宏觀經(jīng)濟因素對供應(yīng)鏈金融中企業(yè)信用風(fēng)險的影響，模型達到了很好的擬合效果，大大提高了對企業(yè)違約的預(yù)測精度。

3 結(jié)論及建議

3.1 結(jié)論

（1）以往的研究在運用Logistic模型計算違約概率時，主要考察企業(yè)的內(nèi)部指標而沒有考慮宏觀經(jīng)濟指標，或者即使考慮了宏觀經(jīng)濟指標，也只是使用定性而非定量的方法，分析結(jié)果缺乏精確性。

本文設(shè)計的MF-Logistic模型中，既包含影響企業(yè)違約率的企業(yè)自身經(jīng)營因素，還包括了整個宏觀經(jīng)濟因素對企業(yè)違約的影響作用。修正后的模型較之前的模型，考慮的影響因素更加全面，有利于商業(yè)銀行更加精確地預(yù)測企業(yè)違約風(fēng)險。

（2）國內(nèi)生產(chǎn)總值（GDP）、貨幣供應(yīng)量（M2）和城市人均收入（PCI）這3個宏觀經(jīng)濟指標，經(jīng)過CPI指數(shù)調(diào)整之后，可以對違約率進行很好的解釋，擬合優(yōu)度達到84.8%以上，并且所有指標值通過了t檢驗。從實際經(jīng)濟分析的角度講，即宏觀經(jīng)濟對違約率存在直接的影響，印證了人們“經(jīng)濟形勢會影響企業(yè)還款”的認識[9]。

（3）我們選擇了違約率（DR）作為聯(lián)系宏觀經(jīng)濟指標和微觀企業(yè)內(nèi)部財務(wù)指標的紐帶，使得MFLogistic模型更具合理性和科學(xué)性。

3.2 建議

（1）由于國內(nèi)開拓供應(yīng)鏈金融這種全新的融資業(yè)務(wù)還處于發(fā)展階段，因此要逐步建立企業(yè)的信用檔案，注重完善信貸數(shù)據(jù)庫，加快企業(yè)和個人征信系統(tǒng)建設(shè)，在全國范圍內(nèi)實現(xiàn)企業(yè)和個人征信系統(tǒng)信息資源共享。

對于信用較差的企業(yè)采用懲戒機制，對于信用較好的企業(yè)實行獎勵機制，有助于改善整個社會的信用環(huán)境，同時在建設(shè)信貸數(shù)據(jù)庫時應(yīng)側(cè)重于企業(yè)的非財務(wù)指標數(shù)據(jù)的收集工作。

（2）本文的樣本主要來自家電行業(yè)的上市公司，只能反映這一行業(yè)的供應(yīng)鏈金融信用風(fēng)險識別模型。

由于不同行業(yè)有各自不同的屬性，因此本文得出的信用風(fēng)險識別模型未必能完全適用于其他行業(yè)，需要根據(jù)各行業(yè)的不同屬性對模型進行相應(yīng)的調(diào)整。所以要加強對供應(yīng)鏈金融信用風(fēng)險的控制，就要考慮信用風(fēng)險評價體系中的評價指標，考慮模型對不同行業(yè)的適用性問題[10]。

（3）由于我國正處于經(jīng)濟轉(zhuǎn)型期，企業(yè)的外部環(huán)境變化較快，宏觀經(jīng)濟因素對商業(yè)銀行的穩(wěn)健經(jīng)營有著深刻影響，對MF-Logistic模型需要定期進行檢驗，以考察該模型是否能較好地反映小企業(yè)的信用變化情況。

[1] 初曉. 基于Logistic回歸模型的中小企業(yè)財務(wù)危機預(yù)警研究[D]. 北京：中國地質(zhì)大學(xué)，2010.

[2] 劉明. 基于Logistic模型的供應(yīng)鏈金融信用風(fēng)險評價研究[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)，2013.

[3] 李關(guān)政. 基于宏觀經(jīng)濟因子的我國商業(yè)銀行信用風(fēng)險度量研究[D]. 長沙：湖南大學(xué)，2010.

[4] 左淋丞. 基于宏觀經(jīng)濟影響的商業(yè)銀行風(fēng)險預(yù)警模型的構(gòu)建[D]. 長沙：湖南大學(xué)，2012.

[5] 劉平，梁瑜. 宏觀經(jīng)濟因素對商業(yè)銀行信貸風(fēng)險的影響分析[J]. 區(qū)域金融研究，2011（2）：45-50.

[6] 劉遠亮，高書麗. 基于供應(yīng)鏈金融的小企業(yè)信用風(fēng)險識別研究[J]. 海南金融，2013（2）：20-24.

[7] 胡海青，張瑯，張道宏，等. 基于支持向量機的供應(yīng)鏈金融信用風(fēng)險評估研究[J]. 軟科學(xué)，2011(5)：26-36.

[8] 李強. 中小企業(yè)信用風(fēng)險研究[D]. 濟南：山東財經(jīng)大學(xué)，2012.

[9] 齊雅坤. 基于CPV模型對我國商業(yè)銀行信用風(fēng)險的研究[D]. 長春：吉林大學(xué)，2009.

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

An Empirical Study of Credit Risk of Supply Chain Finance——Based on MF-Logistic Model

CHEN Qin, SHI Li-juan
(Fuzhou College of Foreign Studies and Trade, Fuzhou Fujian, 350202, China)

Supply chain finance, a transition from the traditional credit mode in commercial banks, has brought the participants into a win-win situation. In China, supply chain finance is still in the initial stage. Aiming to gain profits, the commercial banks actively develop their supply chain finance businesses, but their credit risk management of the supply chain finance is relatively backward. This paper chooses macroeconomic indicators and credit risk assessment indicators of enterprise at the micro level, and uses econometrics methods to build an MF-Logistic model containing macroeconomic factors and reflecting the financial index of enterprise credit capacity. And then we conduct an empirical study on 27 groups of sample data from the first quarter of 2007 to the third quarter of 2013, and come to conclusions by the empirical study and normative analysis. Through measurement and prediction of credit risk of supply chain finance, this paper offers pre-warning against credit risk of supply chain finance for commercial banks, and provides reference for formulating corresponding measures.

macroeconomic factors; logistic model; MF-Logistic model; credit risk; commercial bank

10.11885/j.issn.1674-5094.20137561

1674-5094（2014）04-00027-35

F830.33

A

編 輯：鐘 青

編輯部網(wǎng)址：http://pxsy.cbpt.cnki.net/WKC/

2014-04-24

福建省教育廳社會科學(xué)研究項目A類項目（JA13362S）。

陳欽（1979-），女（漢族），福建福州人，講師，碩士，研究方向：金融和信用風(fēng)險。

施麗娟（1985-），女（漢族），福建南平人，助教，碩士，研究方向：應(yīng)用數(shù)學(xué)和數(shù)據(jù)統(tǒng)計。