沈 波，薛冰玉，楊仙佩，萬(wàn)杉杉，雷星竹，楊忻悅

（江西財(cái)經(jīng)大學(xué) 信息管理學(xué)院，江西 南昌 330032）

1 引言

改革開(kāi)放以來(lái)，我國(guó)國(guó)民經(jīng)濟(jì)迅猛發(fā)展，而中小企業(yè)已經(jīng)成為國(guó)民經(jīng)濟(jì)結(jié)構(gòu)的重要組成力量。對(duì)于中小企業(yè)而言，融資問(wèn)題成為阻礙其發(fā)展的關(guān)鍵因素。基于此，我國(guó)從歐美發(fā)達(dá)國(guó)家引入供應(yīng)鏈金融模式，為中小企業(yè)的融資拓寬渠道。供應(yīng)鏈金融，即銀行將核心企業(yè)與上下游中小企業(yè)聯(lián)系起來(lái)，將原材料采購(gòu)、加工制成中間產(chǎn)品及最終產(chǎn)品、銷售給消費(fèi)者這些環(huán)節(jié)連成一個(gè)整體，為供應(yīng)鏈中每個(gè)節(jié)點(diǎn)提供融資支持的一種模式。本文以汽車制造業(yè)為分析對(duì)象，以汽車整車制造企業(yè)為核心企業(yè)，以上游銷售零部件的企業(yè)為融資企業(yè)，通過(guò)建立融資企業(yè)的指標(biāo)模型，對(duì)融資企業(yè)進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)，以評(píng)價(jià)分析整個(gè)供應(yīng)鏈金融中的信用風(fēng)險(xiǎn)。這對(duì)于解決中小企業(yè)融資難的問(wèn)題具有一定的實(shí)踐價(jià)值[1]。

2 國(guó)內(nèi)外研究現(xiàn)狀

為解決中小企業(yè)在融資過(guò)程中信用缺失、融資難等問(wèn)題，我國(guó)引進(jìn)了供應(yīng)鏈金融這一全新的融資模式[2]。Iris Heckmanna（2015）從供應(yīng)鏈中斷導(dǎo)致的嚴(yán)重后果出發(fā)，提出新型的量化供應(yīng)鏈風(fēng)險(xiǎn)管理的方法[3]。周涵（2015）認(rèn)為我國(guó)供應(yīng)鏈金融在發(fā)展的黃金時(shí)期遇上了互聯(lián)網(wǎng)金融的發(fā)展，供應(yīng)鏈金融2.0的發(fā)展帶動(dòng)了各類企業(yè)對(duì)供應(yīng)鏈金融的創(chuàng)新熱情，推動(dòng)了產(chǎn)融結(jié)合的互聯(lián)網(wǎng)金融之路[4]。同時(shí)，張小雪（2017）認(rèn)為供應(yīng)鏈金融能夠解決上下游的整體融資問(wèn)題[5]。然而國(guó)內(nèi)供應(yīng)鏈行業(yè)發(fā)展的風(fēng)險(xiǎn)，逐漸成為了商業(yè)銀行開(kāi)展供應(yīng)鏈金融的潛在風(fēng)險(xiǎn)[4]。隨著我國(guó)供應(yīng)鏈金融業(yè)務(wù)呈現(xiàn)出多元化趨勢(shì)，供應(yīng)鏈金融業(yè)務(wù)在風(fēng)險(xiǎn)管理方面的諸多問(wèn)題開(kāi)始逐漸顯露[4]。因此，為了更好的應(yīng)對(duì)供應(yīng)鏈金融特有的風(fēng)險(xiǎn)，在供應(yīng)鏈金融不斷發(fā)展的過(guò)程中，如何控制其信用風(fēng)險(xiǎn)顯得尤為重要[6]。針對(duì)供應(yīng)鏈金融的風(fēng)險(xiǎn)管理，國(guó)內(nèi)外學(xué)者應(yīng)用不同的量化風(fēng)險(xiǎn)評(píng)估模型和方法來(lái)度量和應(yīng)對(duì)供應(yīng)鏈金融中的風(fēng)險(xiǎn)[7]。基于前人的理論基礎(chǔ)和研究結(jié)果，本文將選取國(guó)內(nèi)較為具有代表性的汽車行業(yè)為研究對(duì)象，著重從理論的角度采用定量分析方法對(duì)汽車供應(yīng)鏈金融的信用風(fēng)險(xiǎn)進(jìn)行分析。

3 汽車類上市公司供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系構(gòu)建

隨著供應(yīng)鏈金融的產(chǎn)生，信用風(fēng)險(xiǎn)成為商業(yè)銀行等金融機(jī)構(gòu)提供融資時(shí)面臨的主要風(fēng)險(xiǎn)，銀行要做出正確的融資決策，就必須先對(duì)中小企業(yè)進(jìn)行信用評(píng)級(jí)[7]。我們通過(guò)建立評(píng)價(jià)指標(biāo)體系來(lái)測(cè)量中小企業(yè)的信用風(fēng)險(xiǎn)。

3.1 信用風(fēng)險(xiǎn)評(píng)價(jià)體系構(gòu)建的基本原則

信用風(fēng)險(xiǎn)評(píng)價(jià)體系構(gòu)建依據(jù)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的全面性、科學(xué)性、層次性和可操作性四大原則，為解決指標(biāo)來(lái)源有據(jù)可依的問(wèn)題，從上市公司的財(cái)務(wù)報(bào)告中提取信息，從各個(gè)方面建立信用風(fēng)險(xiǎn)評(píng)價(jià)體系。

3.2 供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的選擇

總指標(biāo)共分為三個(gè)部分：融資企業(yè)、核心企業(yè)和供應(yīng)鏈運(yùn)行狀況。對(duì)于融資企業(yè)，綜合了相關(guān)文獻(xiàn)[6，8-10]，選取了與供應(yīng)鏈金融信用風(fēng)險(xiǎn)相關(guān)的20個(gè)指標(biāo)，分別從盈利能力、償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力以及企業(yè)基本情況五個(gè)方面對(duì)上市公司進(jìn)行全面的分析，從而得到較客觀的企業(yè)信用風(fēng)險(xiǎn)的評(píng)價(jià)結(jié)果。對(duì)于核心企業(yè)，從盈利能力、償債能力、信用狀況、行業(yè)地位四個(gè)方面建立指標(biāo)。對(duì)于領(lǐng)導(dǎo)者素質(zhì)、供應(yīng)鏈運(yùn)行情況等需要定性分析的指標(biāo)，采用了問(wèn)卷調(diào)查的形式，向行業(yè)內(nèi)較專業(yè)的人士進(jìn)行問(wèn)卷調(diào)查，將各個(gè)指標(biāo)用分級(jí)的方式量化，從而得到更專業(yè)、客觀的評(píng)價(jià)。

3.3 供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的建立

由于核心企業(yè)一般為大型公司，信用水平較高，供應(yīng)鏈金融主要是為中小型融資企業(yè)提供融資服務(wù)，因此本文只分析汽車供應(yīng)鏈中融資企業(yè)的信用風(fēng)險(xiǎn)狀況，以此來(lái)預(yù)測(cè)整個(gè)供應(yīng)鏈金融的信用風(fēng)險(xiǎn)。最終的指標(biāo)體系見(jiàn)表1。

表1 傳統(tǒng)模式下信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

4 建立信用風(fēng)險(xiǎn)評(píng)價(jià)模型

4.1 數(shù)據(jù)來(lái)源及處理

本文中小企業(yè)選擇50家中小板、創(chuàng)業(yè)板上市企業(yè)中的汽車零配件制造商，具體企業(yè)見(jiàn)表2。

表2 樣本企業(yè)

所有具體樣本數(shù)據(jù)來(lái)自各個(gè)上市公司2016年年報(bào)，通過(guò)通達(dá)信終端獲取，對(duì)于某些要求不是很精確并且比較模糊的指標(biāo)，如融資企業(yè)的領(lǐng)導(dǎo)者素質(zhì)、員工素質(zhì)、企業(yè)榮譽(yù)、供應(yīng)鏈狀況的合作強(qiáng)度、合作久度，采用問(wèn)卷調(diào)查的方式獲取數(shù)據(jù)并通過(guò)加權(quán)平均獲得最后指標(biāo)得分。

信用風(fēng)險(xiǎn)評(píng)價(jià)模型即通過(guò)對(duì)企業(yè)進(jìn)行數(shù)據(jù)分析能夠得出企業(yè)違約風(fēng)險(xiǎn)概率的一種模型，Logistic模型是目前計(jì)算違約概率方面研究比較成熟的一種模型，二分類的Logistic回歸模型的變量取值只有兩個(gè)值，而企業(yè)在貸款中也只有違約和不違約兩種情況，因此二分類的Logistic模型非常符合企業(yè)計(jì)算違約概率風(fēng)險(xiǎn)度量的預(yù)測(cè)[9]。

本文在構(gòu)建Logistic信用風(fēng)險(xiǎn)評(píng)價(jià)模型前，需要先對(duì)評(píng)價(jià)指標(biāo)進(jìn)行因子分析和主成分分析。因子分析的目的在于得到比原始指標(biāo)少、能夠解釋絕大部分指標(biāo)的主因子，以此為基礎(chǔ)進(jìn)行主成分分析，得到主成分的數(shù)據(jù)后，再和已觀測(cè)到樣本企業(yè)的數(shù)據(jù)結(jié)合構(gòu)建Logistic模型。

4.2 因子分析

4.2.1 KMO和Bartlett球形檢驗(yàn)。用SPSS19軟件運(yùn)行，結(jié)果見(jiàn)表3。根據(jù)統(tǒng)計(jì)學(xué)家的觀點(diǎn)，如果KMO值小于0.5，則不適合進(jìn)行因子分析；如果KMO值大于0.5，則適合進(jìn)行因子分析。檢驗(yàn)結(jié)果顯示，KMO值為0.625＞0.5，表示樣本數(shù)據(jù)適合進(jìn)行因子分析。

Bartlett球形檢驗(yàn)顯著性水平Sig.＜0.05，適合進(jìn)行因子分析。

表3 KMO和Bartlett的檢驗(yàn)

4.2.2 解釋的總方差。利用最大方差法旋轉(zhuǎn)成分矩陣，公共因子進(jìn)行主成分分析。以公共因子的特征值大于1為納入標(biāo)準(zhǔn)進(jìn)行判定，若特征值小于1，則不納入。從表4可知，特征值大于1的公共因子有7個(gè)，這7個(gè)公共因子旋轉(zhuǎn)因子解的累計(jì)解釋方差的百分比為76.415%，說(shuō)明這7個(gè)公共因子很好地解釋了所有指標(biāo)[9]。

表4 解釋的總方差

4.2.3 主成分系數(shù)矩陣及其分析。根據(jù)表5，選取主成分分析得到的7個(gè)主成分，分別用F1,F2,F3,F4,F5,F6,F7表示，并作為主成分進(jìn)行分析[3]。

表5 成分系數(shù)矩陣

旋轉(zhuǎn)后的因子載荷矩陣見(jiàn)表6。

表6 旋轉(zhuǎn)成分矩陣

F1主要代表了營(yíng)業(yè)利潤(rùn)率、資產(chǎn)凈利率、成本費(fèi)用利潤(rùn)率、銷售凈利率、凈資產(chǎn)收益率、銷售毛利率等指標(biāo)的信息量，反映的是融資企業(yè)的盈利能力，故命名為盈利能力因子。

F2主要代表了速動(dòng)比率、流動(dòng)比率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負(fù)債率等指標(biāo)的信息量，反映的是融資企業(yè)的償債能力，故命名為償債能力因子。

F3主要代表了總資產(chǎn)增長(zhǎng)率、資本積累率、營(yíng)業(yè)收入增長(zhǎng)率等指標(biāo)的信息量，反映的是融資企業(yè)的成長(zhǎng)能力，故命名為成長(zhǎng)能力因子。

F4主要代表了總資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、企業(yè)規(guī)模等指標(biāo)的信息量，反映的是融資企業(yè)的營(yíng)運(yùn)能力和基本情況，命名為營(yíng)運(yùn)和規(guī)模因子。

F5主要代表了合作強(qiáng)度、企業(yè)聲譽(yù)、合作久度等指標(biāo)的信息量，反映的是融資企業(yè)的基本情況和供應(yīng)鏈的合作穩(wěn)定性，命名為聲譽(yù)和穩(wěn)定性因子。

F6主要代表了利息保障倍數(shù)、領(lǐng)導(dǎo)者素質(zhì)等指標(biāo)的信息量，反映的是融資企業(yè)的償債能力和基本情況，命名為利息倍數(shù)與領(lǐng)導(dǎo)者素質(zhì)因子。

F7主要代表了現(xiàn)金流動(dòng)負(fù)債比率、凈利潤(rùn)增長(zhǎng)率、員工素質(zhì)等指標(biāo)的信息量，反映的是融資企業(yè)的償債能力、成長(zhǎng)能力和基本情況，命名為綜合因子。

4.3 Logistic回歸分析

4.3.1 數(shù)據(jù)處理。本文將主成分分析的7個(gè)公共因子F1-F7作為解釋變量[10]，是否有違約風(fēng)險(xiǎn)作為被解釋變量，對(duì)50個(gè)樣本數(shù)據(jù)進(jìn)行Logistic分析。用p表示企業(yè)的信用風(fēng)險(xiǎn)，信用狀況正常的企業(yè)記為p=0，有信用風(fēng)險(xiǎn)的企業(yè)記為p=1。

本文基于國(guó)務(wù)院國(guó)資委財(cái)務(wù)監(jiān)督與考核評(píng)價(jià)局頒發(fā)的《企業(yè)績(jī)效評(píng)價(jià)標(biāo)準(zhǔn)值》2016版的已獲利息倍數(shù)較低值來(lái)評(píng)價(jià)企業(yè)的信用風(fēng)險(xiǎn)狀況。將低于已獲利息倍數(shù)0.5的企業(yè)劃分為有違約風(fēng)險(xiǎn)的企業(yè)。本文將50個(gè)企業(yè)分為6個(gè)有違約風(fēng)險(xiǎn)的企業(yè)和44個(gè)沒(méi)有違約風(fēng)險(xiǎn)的企業(yè)，見(jiàn)表7。

表7 企業(yè)違約風(fēng)險(xiǎn)程度

4.3.2 建立模型。對(duì)已經(jīng)標(biāo)準(zhǔn)化的數(shù)據(jù)采用SPSS22，對(duì)50家汽車零部件上市公司得出的主成分?jǐn)?shù)據(jù)進(jìn)行Logistic回歸分析，用以分析每個(gè)主成分對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)影響程度，結(jié)果見(jiàn)表8[11]。

表8 檢驗(yàn)樣本分類表

從表8中可以看出，在這50個(gè)樣本中，有信用風(fēng)險(xiǎn)的企業(yè)預(yù)測(cè)的正確率為83.3%，沒(méi)有信用風(fēng)險(xiǎn)的企業(yè)預(yù)測(cè)的正確率為95.5%，總預(yù)測(cè)正確率為94%，說(shuō)明回歸模型的預(yù)測(cè)準(zhǔn)確率較高。

可以得出如下Logistic模型回歸概率方程，即：

4.3.3 模型檢驗(yàn)。由表9可以得到Logistic回歸模型的Cox-SnellR2的值為40.3%和77.5%，模型的擬合度一般。從表10可以看出，Hosmer檢驗(yàn)的sig.值為1遠(yuǎn)大于0.05，說(shuō)明在95%的顯著性水平上模型得出的預(yù)測(cè)值與實(shí)際的觀測(cè)值間的差異不顯著，分組的劃分與變量取值不相關(guān)，不能拒絕關(guān)于模型擬合數(shù)據(jù)較好的假設(shè)。

表9 模型摘要

表10 Hosmer和Lemeshow檢驗(yàn)

5 結(jié)論

使用Logistic回歸分析預(yù)測(cè)模型中的評(píng)價(jià)指標(biāo)進(jìn)行分析，影響供應(yīng)鏈金融信用風(fēng)險(xiǎn)的指標(biāo)有盈利能力、償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力和供應(yīng)鏈穩(wěn)定性。根據(jù)預(yù)測(cè)模型的公式，最主要的指標(biāo)應(yīng)為償債能力、成長(zhǎng)能力和盈利能力。本文基于實(shí)證分析結(jié)果，結(jié)合時(shí)代背景，對(duì)汽車類供應(yīng)鏈金融的各個(gè)環(huán)節(jié)提出以下幾點(diǎn)相關(guān)建議：

（1）企業(yè)應(yīng)當(dāng)加強(qiáng)自身的建設(shè)，提高自身的信用水平，減少不良貸款記錄，追求業(yè)績(jī)的穩(wěn)定和提升。同時(shí)要避免財(cái)務(wù)杠桿過(guò)高，要適當(dāng)降低負(fù)債水平，根據(jù)企業(yè)的發(fā)展?fàn)顩r調(diào)整公司戰(zhàn)略。

（2）銀行等金融機(jī)構(gòu)應(yīng)當(dāng)順應(yīng)信息化的潮流，對(duì)企業(yè)及時(shí)進(jìn)行數(shù)據(jù)更新分析，同時(shí)完善自身評(píng)價(jià)體系，并不斷修正指標(biāo)體系。

（3）供應(yīng)鏈之間應(yīng)當(dāng)加強(qiáng)合作。對(duì)于一類企業(yè)而言，一家企業(yè)的違約，不僅會(huì)影響自身，還會(huì)對(duì)供應(yīng)鏈的其他企業(yè)造成影響。因此，供應(yīng)鏈內(nèi)部也應(yīng)當(dāng)互相監(jiān)督，加強(qiáng)合作。

[參考文獻(xiàn)]

[1]楊軍.供應(yīng)鏈金融信用風(fēng)險(xiǎn)測(cè)算分析—來(lái)自汽車行業(yè)50家上市公司經(jīng)驗(yàn)數(shù)據(jù)[J].物流技術(shù),2015,(1):229-230.

[2]劉云星.我國(guó)上市服務(wù)型中小企業(yè)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理研究[D].湘潭:湘潭大學(xué),2015.

[3]呂明凡.供應(yīng)鏈金融視角下企業(yè)信用風(fēng)險(xiǎn)的評(píng)價(jià)研究[D].烏魯木齊:新疆財(cái)經(jīng)大學(xué),2016.

[4]周涵.國(guó)內(nèi)商業(yè)銀行供應(yīng)鏈金融及其風(fēng)險(xiǎn)研究[D].昆明:云南財(cái)經(jīng)大學(xué),2015.

[5]張小雪.供應(yīng)鏈金融解困中小企業(yè)融資難的優(yōu)勢(shì)分析[J].產(chǎn)業(yè)與科技論壇,2017,(1):110-111.

[6]李勤,龔科.供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險(xiǎn)的案例分析[J].金融理論與實(shí)踐,2014,(8):66-71.

[7]潘煒.基于中小企業(yè)供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估的H公司授信評(píng)估研究[D].南京:南京理工大學(xué),2015.

[8]程昌華.基于汽車產(chǎn)業(yè)的供應(yīng)鏈金融運(yùn)作及風(fēng)險(xiǎn)管理[D].廣州:華南理工大學(xué),2015.

[9]顧治程,蔣艷,等.基于供應(yīng)鏈金融的汽車行業(yè)上市公司信用風(fēng)險(xiǎn)實(shí)證研究[J].物流科技,2017,(2):136-141.

[10]萬(wàn)云輝.基于供應(yīng)鏈金融的汽車零配件企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)研究[D].贛州:江西理工大學(xué),2014.

[11]劉明.基于Logistic模型的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2013.