李 昕，湯 健 （江蘇大學(xué) 管理學(xué)院，江蘇 鎮(zhèn)江212013）

LI Xin, TANG Jian (School of Management, Jiangsu University, Zhenjiang 212013, China)

0 引 言

化工行業(yè)作為國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一，在國民經(jīng)濟(jì)中占有重要的地位。由于產(chǎn)品種類繁多，生產(chǎn)流程長并且復(fù)雜的特點，化工行業(yè)上下游情況較為復(fù)雜。同時，化工行業(yè)匯集著數(shù)以萬計的中小企業(yè)。據(jù)《中國化學(xué)工業(yè)年鑒》數(shù)據(jù)，我國化工行業(yè)的企業(yè)整體數(shù)量已達(dá)數(shù)十萬家，值得注意的是中小化工企業(yè)占90%以上。在化工行業(yè)，中小企業(yè)貢獻(xiàn)了行業(yè)持續(xù)穩(wěn)定發(fā)展的決定動力。與其他行業(yè)類似，“融資難”同樣困擾著化工中小企業(yè)。由于化工行業(yè)具有的輕資產(chǎn)性、價格波動性、交易分散性等特點，化工中小企業(yè)的“融資難”問題與其他中小企業(yè)相比更加復(fù)雜多變。在面臨化工中小企業(yè)的融資需求時，銀行等金融機(jī)構(gòu)如何開展風(fēng)險控制識別及措施值得進(jìn)一步深入研究。

1 相關(guān)研究綜述

供應(yīng)鏈金融是當(dāng)下金融與供應(yīng)鏈管理的重要構(gòu)成[1]。對供應(yīng)鏈金融的概念界定，Kouvelis（2015） 認(rèn)為，資金提供者基于供應(yīng)鏈環(huán)節(jié)真實發(fā)生的商業(yè)貿(mào)易開發(fā)的一系列融資、服務(wù)產(chǎn)品[2]。近年來，我國學(xué)者也對供應(yīng)鏈金融進(jìn)行了深入研究，蘭軍（2019） 提出供應(yīng)鏈金融是一種銀行等金融機(jī)構(gòu)從供應(yīng)鏈管理的角度，涉及供應(yīng)鏈多個節(jié)點如供應(yīng)、生產(chǎn)、銷售、運(yùn)輸，針對中小融資企業(yè)采購生產(chǎn)所需原料或半成品等不同行為，幫助其提高信用等級并提供階段性融資及配套服務(wù)的業(yè)務(wù)模式[3]。具體到銀行等金融機(jī)構(gòu)的實踐層面，深圳發(fā)展銀行是國內(nèi)最早開展供應(yīng)鏈金融業(yè)務(wù)的金融機(jī)構(gòu)[4]，通過引入供應(yīng)鏈金融概念，在國內(nèi)商貿(mào)融資的基礎(chǔ)上推出全新的“1+N”融資模式，將部分資金覆蓋到供應(yīng)鏈上下游流動資金緊缺的中小企業(yè)是該模式的最大亮點[5]。近年來，供應(yīng)鏈金融穩(wěn)步發(fā)展，預(yù)付賬款類融資、存貨類融資和應(yīng)收賬款類融資構(gòu)成了供應(yīng)鏈金融主要類型，具體可以劃分為倉單質(zhì)押授信、先票/款后貸授信、保兌倉、融通倉、國內(nèi)信用證業(yè)務(wù)等[6]。

涉及到供應(yīng)鏈金融信用風(fēng)險評價的文獻(xiàn)，Hu 和Ansell（2007） 運(yùn)用專家評分法考慮企業(yè)財務(wù)指標(biāo)及宏觀環(huán)境變量對供應(yīng)鏈金融信用風(fēng)險的影響[7]；黃靜思等（2014） 研究發(fā)現(xiàn)供應(yīng)鏈系統(tǒng)風(fēng)險對供應(yīng)鏈金融的信用風(fēng)險影響較大[8]；Su 和Lu（2017）考慮上下游產(chǎn)業(yè)及貫穿供應(yīng)鏈整體的物流企業(yè)，建立模型結(jié)合仿真技術(shù)測量信用風(fēng)險[9]；范方志等（2017） 采用多目標(biāo)決策分析法，將供應(yīng)鏈核心企業(yè)及融資企業(yè)的財務(wù)數(shù)據(jù)設(shè)為變量納入指標(biāo)體系[10]；顧治程和蔣艷（2017） 采用Logistic 回歸模型分析供應(yīng)鏈金融信用風(fēng)險[11]。與此同時，胡海清等（2012） 建立了支持向量機(jī)預(yù)警模型[12]；葉曉楓和魯亞會（2017） 運(yùn)用數(shù)學(xué)思想，依靠財務(wù)指標(biāo)建立隨機(jī)森林考慮樸素貝葉斯的信用風(fēng)險預(yù)警模型[13]；蔣曼曼（2017） 采用主成分分析研究企業(yè)的財務(wù)指標(biāo)并設(shè)定一個Logistic 預(yù)警模型[14]；戴昕琦（2018） 以線上供應(yīng)鏈金融為研究對象，分析其融資模式，從SMOTE 算法角度考慮信用風(fēng)險大小[15]。

近年來，不少學(xué)者發(fā)現(xiàn)將人工智能模型與信用風(fēng)險評價相結(jié)合可以繼續(xù)完善信用風(fēng)險評價的準(zhǔn)確度，因此以BP 神經(jīng)網(wǎng)絡(luò)為代表的人工智能模型逐漸成為預(yù)警企業(yè)財務(wù)危機(jī)的主流方式。其中，Hamadi 和Abdelmoula（2010） 以資金需求企業(yè)的財務(wù)數(shù)據(jù)運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)建立了預(yù)警模型[16]；Lang Zhang 等（2015） 采用SVM 模型和BP 神經(jīng)網(wǎng)絡(luò)分析供應(yīng)鏈上下游中小企業(yè)的信用風(fēng)險狀況[17]。楊斌等（2016） 將29 家有融資需求的企業(yè)數(shù)據(jù)結(jié)合信用風(fēng)險評價模型證明了BP 神經(jīng)網(wǎng)絡(luò)對信用風(fēng)險評價具有一定的可行性[18]。蔡靜雯等（2016） 則從金融機(jī)構(gòu)的角度出發(fā)，運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)模型測量出樣本判別分類的準(zhǔn)確率高達(dá)92%[19]。綜上所述，對供應(yīng)鏈金融信用風(fēng)險的研究近年來趨向客觀、復(fù)雜，本文將利用BP 神經(jīng)網(wǎng)絡(luò)來構(gòu)建評價指標(biāo)體系，以預(yù)測供應(yīng)鏈中化工行業(yè)中小企業(yè)的信用風(fēng)險。

2 基于BP 神經(jīng)網(wǎng)絡(luò)的化工行業(yè)供應(yīng)鏈金融信用風(fēng)險指標(biāo)體系構(gòu)建

2.1 化工行業(yè)供應(yīng)鏈金融信用風(fēng)險指標(biāo)的選取

供應(yīng)鏈金融未興起時，金融機(jī)構(gòu)在面對化工企業(yè)融資需求時，僅僅考慮融資企業(yè)本身存在的信用風(fēng)險，調(diào)查分析其靜態(tài)財務(wù)指標(biāo)，導(dǎo)致大多數(shù)的融資都匯集到大型化工企業(yè)?，F(xiàn)實中面臨融資難問題的化工企業(yè)往往規(guī)模較小，財務(wù)數(shù)據(jù)較為零散、不透明，甚至?xí)霈F(xiàn)不符合法律法規(guī)的相關(guān)問題，因此，真正有融資需求的企業(yè)往往得不到融資貸款。而供應(yīng)鏈金融從動態(tài)的視角出發(fā)，通過分析中小融資企業(yè)的信用風(fēng)險，選取一套有效且完善的指標(biāo)評價體系并結(jié)合化工產(chǎn)業(yè)鏈上下游企業(yè)尤其是核心企業(yè)相關(guān)特點，對中小融資企業(yè)所處產(chǎn)業(yè)鏈整體進(jìn)行評價。

因此實施化工供應(yīng)鏈金融的前提是為相關(guān)融資企業(yè)建立一套適用于化工行業(yè)供應(yīng)鏈金融的信用風(fēng)險體系。而化工中小企業(yè)的信用風(fēng)險主要體現(xiàn)在融資企業(yè)、上下游核心企業(yè)、物流企業(yè)及供應(yīng)鏈整體運(yùn)營狀況等，所以本文將依托以下4 個與化工中小企業(yè)的信用風(fēng)險息息相關(guān)的層面建立化工行業(yè)供應(yīng)鏈金融的信用風(fēng)險指標(biāo)體系：

（1） 化工中小融資企業(yè)：化工中小企業(yè)因其規(guī)模較小往往沒有直接的信用等級。企業(yè)素質(zhì)、經(jīng)營能力、盈利能力、償債能力和發(fā)展能力等指標(biāo)直接反應(yīng)了融資企業(yè)的信用高低?；ぶ行∑髽I(yè)信用越高，越能按時履行融資合同，對金融機(jī)構(gòu)的風(fēng)險也就越小。

（2） 核心企業(yè)信用狀況：核心企業(yè)因其規(guī)模、行業(yè)地位往往有一定的信用評級，掌握核心企業(yè)的財務(wù)和運(yùn)營等狀況可以在化工中小企業(yè)違約時，履行部分擔(dān)保責(zé)任，對銀行等金融機(jī)構(gòu)降低信用風(fēng)險具有一定的意義。

（3） 化工供應(yīng)鏈運(yùn)營狀況：作為供應(yīng)鏈金融主體的融資企業(yè)，既可以通過抵押廠房等固定資產(chǎn)又能夠憑借半成品等存貨進(jìn)行抵押，然而化工產(chǎn)品價值伴隨著化工行業(yè)的發(fā)展程度上下波動，因此化工中小企業(yè)所處行業(yè)的發(fā)展?fàn)顩r十分重要。

（4） 第三方物流企業(yè)：化工產(chǎn)品因其特殊性往往需要專業(yè)的物流運(yùn)輸和倉儲服務(wù)，第三方物流企業(yè)的運(yùn)營狀況直接決定著化工供應(yīng)鏈上下游交易的穩(wěn)定性，第三方物流企業(yè)在化工供應(yīng)鏈的運(yùn)轉(zhuǎn)中起到一定的監(jiān)管作用。

在大量文獻(xiàn)研究和專家調(diào)查的基礎(chǔ)上，依據(jù)指標(biāo)設(shè)計的原則和方法，建立了供應(yīng)鏈金融視角下化工行業(yè)中小企業(yè)信用風(fēng)險評價指標(biāo)體系。指標(biāo)體系及評分準(zhǔn)則如表1 所示。

2.2 化工行業(yè)供應(yīng)鏈金融信用風(fēng)險BP 神經(jīng)網(wǎng)絡(luò)模型的設(shè)計

對信用風(fēng)險BP 神經(jīng)網(wǎng)絡(luò)模型而言，首先要確定網(wǎng)絡(luò)的層級數(shù)目以及各個層級的神經(jīng)元數(shù)目。Kolmogrov 理論證明具有3 層結(jié)構(gòu)的BP 網(wǎng)絡(luò)其學(xué)習(xí)性較好。因此，本文利用3 層級BP 網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練。

（1） 確定輸入層和輸出層：本文構(gòu)建的是化工行業(yè)供應(yīng)鏈金融信用風(fēng)險評價指標(biāo)體系，將上文28 個評價指標(biāo)作為BP 神經(jīng)網(wǎng)絡(luò)模型的輸入。由于信用風(fēng)險評價的目標(biāo)是判斷某個企業(yè)融資風(fēng)險的高低，因此神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果只有一個，具體可以設(shè)置為［-1,1 ］之間的數(shù)值，信用風(fēng)險從高到低遞增。

表1 評價指標(biāo)體系及釋義

（2） 確定隱含層：在實際操作過程中可以通過試錯的方式確定隱含層的具體數(shù)值，具體而言可以通過下式確定：

式中：m表示輸出神經(jīng)元；n代表輸入神經(jīng)元；a為1～10 之間的常數(shù)。為確定最佳的隱含層單元數(shù)，本文設(shè)計了一個隱含層神經(jīng)元可變的BP 神經(jīng)網(wǎng)絡(luò)。

3 基于BP 神經(jīng)網(wǎng)絡(luò)的信用風(fēng)險模型訓(xùn)練與實例驗證

（1） 數(shù)據(jù)來源與整理。本文樣本數(shù)據(jù)來源于Wind 數(shù)據(jù)庫，選取并篩選出在新三板掛牌的化工企業(yè)共112 家，根據(jù)《中小企業(yè)劃型標(biāo)準(zhǔn)規(guī)定》對化工行業(yè)營業(yè)收入在300 萬元至40 000 萬元之間為化工中小企業(yè)的標(biāo)準(zhǔn)剔除27 家，剩85 家化工中小企業(yè)。依據(jù)其財務(wù)報表將主營業(yè)務(wù)為醫(yī)藥化學(xué)、高端材料制造等企業(yè)共43 家剔除，剩42 家化工中小企業(yè)。

考慮到化工中小企業(yè)沒有直接可得的信用等級，直接用化工企業(yè)的信用評級進(jìn)行BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練不可取。對新三板上市的化工中小企業(yè)而言，其信用風(fēng)險的高低可以從股價波動看出。對一定期限內(nèi)股價上漲的企業(yè)，可以歸類為“低風(fēng)險企業(yè)”，金融機(jī)構(gòu)可以授信；對一定期限內(nèi)股價沒有明顯波動的企業(yè)，歸類為“中性企業(yè)”，金融機(jī)構(gòu)授信時需謹(jǐn)慎；對一定期限內(nèi)股價下降的企業(yè)，歸類為“高風(fēng)險企業(yè)”，金融機(jī)構(gòu)拒絕授信?；诖藰?biāo)準(zhǔn)，本文利用國泰安數(shù)據(jù)庫對42 組數(shù)據(jù)中化工企業(yè)自2019 年下半年的股價進(jìn)行分析，發(fā)現(xiàn)有11 家企業(yè)受交易不活躍等因素的影響沒有形成完整的市場價格，另外8 家企業(yè)因財務(wù)信息不完整剔除，剩23 家。其中訓(xùn)練樣本集包括20 家企業(yè)，測試樣本集包括3 家企業(yè)。在20 家訓(xùn)練樣本集中，低風(fēng)險企業(yè)8 家、中性企業(yè)6 家以及高風(fēng)險企業(yè)6 家；在測試樣本集中，低風(fēng)險企業(yè)1 家、中性企業(yè)1 家以及高風(fēng)險企業(yè)1 家。不同企業(yè)信用風(fēng)險的高低可以通過具體賦值表示：低風(fēng)險企業(yè)為1，中性企業(yè)為0，高風(fēng)險企業(yè)為-1。

表2 風(fēng)險評價原始數(shù)據(jù)表

本文從國泰安數(shù)據(jù)庫選取了樣本企業(yè)的相關(guān)定量指標(biāo)作為訓(xùn)練樣本數(shù)據(jù)。而對于“行業(yè)環(huán)境”等定性指標(biāo)通過已有的文獻(xiàn)來進(jìn)行賦值評價。這樣可以得到BP 神經(jīng)網(wǎng)絡(luò)的原始數(shù)據(jù)表，如表2 所示。

BP 神經(jīng)網(wǎng)絡(luò)對輸入有要求，訓(xùn)練樣本被標(biāo)準(zhǔn)化處理后，屬性數(shù)據(jù)可以轉(zhuǎn)化為無量綱數(shù)據(jù)，有利于統(tǒng)一衡量。最大最小值法是目前運(yùn)用最廣泛的標(biāo)準(zhǔn)化處理方法，具體處理為：

其中：cp是經(jīng)過轉(zhuǎn)化后的樣本個體，是樣本數(shù)據(jù)X的單個個體，MIN（X）和MAX（X）分別表示樣本數(shù)據(jù)X的最大值及最小值。經(jīng)過標(biāo)準(zhǔn)化處理后的數(shù)據(jù)維持在［0,1 ］之間，具體數(shù)據(jù)如表3 所示。

（2） 網(wǎng)絡(luò)訓(xùn)練與仿真檢驗。BP 神經(jīng)網(wǎng)絡(luò)提供Log-sigmoid 類S 型傳遞函數(shù)、Tan-sigmoid 類正切S 型傳遞函數(shù)、Purelin 類線性函數(shù)等函數(shù)。鑒于樣本已經(jīng)通過最大最小值法處理，本文將Tan-sigmoid 函數(shù)運(yùn)用到BP 神經(jīng)網(wǎng)絡(luò)的輸入層到隱含層，將Log-sigmoid 函數(shù)運(yùn)用在網(wǎng)絡(luò)的隱含層到輸出層，訓(xùn)練算法則選擇trainglm 函數(shù)。最后構(gòu)成一個28×20×1 的BP 神經(jīng)網(wǎng)絡(luò)模型。模型的設(shè)定參數(shù)誤差為0.001，學(xué)習(xí)率為0.01，循環(huán)學(xué)習(xí)次數(shù)為1 000 次。在設(shè)定好BP 神經(jīng)網(wǎng)絡(luò)的各項參數(shù)后，將已經(jīng)處理好的數(shù)據(jù)訓(xùn)練學(xué)習(xí)：訓(xùn)練樣本包含1～20 號樣本數(shù)據(jù)，檢驗樣本包含21 號到23 號樣本，具體的驗證如下：

表3 標(biāo)準(zhǔn)化處理數(shù)據(jù)表

本文通過設(shè)定round 函數(shù)，對訓(xùn)練結(jié)果進(jìn)行取整以便訓(xùn)練結(jié)果更加直觀。經(jīng)過訓(xùn)練得到：Y=（0,-1,0.5,1,0.5,-1,0,1,-1,1,0.5,1,1,-1,-0.5,1,1,0.5,1,0）；與實際情況相結(jié)合（見圖1） 可以發(fā)現(xiàn)，經(jīng)過BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練的輸出結(jié)果與現(xiàn)實結(jié)果誤差較小，說明本文采用的BP神經(jīng)網(wǎng)絡(luò)具有一定的有效性，可以應(yīng)用到其他樣本檢驗測試。

圖1 BP 神經(jīng)網(wǎng)絡(luò)回歸分析圖

將21 號至23 號樣本輸入調(diào)試好的信用風(fēng)險評價模型中，經(jīng)過多次運(yùn)算得到的檢驗結(jié)果為：0.137,-0.924,0.839。

依據(jù)股價波動將檢驗結(jié)果與實際信用風(fēng)險高低對比，可以發(fā)現(xiàn)21 號至23 號所代表的XX 化成、君X 科技、連X 化學(xué)3家企業(yè)的信用風(fēng)險值分別為0,-1,1。以連X 化學(xué)為例，該企業(yè)的運(yùn)算結(jié)果與實際信用風(fēng)險誤差最小。在資料分析過程中，該企業(yè)的財務(wù)信息相對透明，所處供應(yīng)鏈運(yùn)營狀況較好，對應(yīng)核心企業(yè)為國內(nèi)鋼鐵龍頭企業(yè)，承擔(dān)運(yùn)輸?shù)钠髽I(yè)同樣為5A 級物流企業(yè)，因此在3 家企業(yè)中信用風(fēng)險最低。從實際運(yùn)算來看，本文構(gòu)建的化工行業(yè)供應(yīng)鏈金融信用風(fēng)險評價模型的評價結(jié)果與實際誤差較小，該BP 神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的風(fēng)險評價能力。對融資難的化工企業(yè)而言，其財務(wù)信息透明度，供應(yīng)鏈上下游之間的運(yùn)營狀況以及物流企業(yè)的穩(wěn)定性直接影響著企業(yè)自身的信用風(fēng)險大小。對銀行等金融機(jī)構(gòu)而言，供應(yīng)鏈金融業(yè)務(wù)順利開展的決定因素往往來源于信用風(fēng)險評價結(jié)果，因此化工行業(yè)的中小企業(yè)必須對自身財務(wù)數(shù)據(jù)如盈利能力、償債能力等加以重視。

4 研究結(jié)論與展望

本文基于供應(yīng)鏈金融視角，充分考慮供應(yīng)鏈管理的相關(guān)理論，依托現(xiàn)有的供應(yīng)鏈金融指標(biāo)體系，充分考慮化工供應(yīng)鏈上下游中小企業(yè)財務(wù)狀況、供應(yīng)鏈整體運(yùn)營情況，增加了第三方物流企業(yè)運(yùn)營狀況等影響因素，構(gòu)建了經(jīng)營能力、償債能力、發(fā)展能力等28 個評價指標(biāo)在內(nèi)的化工行業(yè)供應(yīng)鏈金融信用風(fēng)險評價體系，并通過BP 神經(jīng)網(wǎng)絡(luò)建立相關(guān)檢驗?zāi)Ｐ?，研究發(fā)現(xiàn)本文選取的指標(biāo)，為學(xué)者研究供應(yīng)鏈金融信用風(fēng)險提供了較好的方法。

在缺少化工中小企業(yè)信用評級的背景下，化工中小企業(yè)想要獲得銀行等金融機(jī)構(gòu)的融資，必須意識到信用風(fēng)險的重要性，要保證自身信用風(fēng)險相對較低，這就要求其平穩(wěn)發(fā)展，不斷完善財務(wù)信息，尋求行業(yè)地位高的核心企業(yè)合作。另外，除了金融機(jī)構(gòu)，在投資多元化的熱潮中，風(fēng)投以及依托貿(mào)易開展融資的第三方供應(yīng)鏈金融都可以成為化工中小企業(yè)的融資選擇，面對不同的融資方，信用風(fēng)險應(yīng)是最被關(guān)注，被認(rèn)為是否融資的決定因素。因此本文建立的化工行業(yè)中小企業(yè)供應(yīng)鏈金融信用風(fēng)險評價模型可以為融資機(jī)構(gòu)提供一定的參考，在我國融資機(jī)構(gòu)對化工中小企業(yè)的信用風(fēng)險管理中具有較好的發(fā)展前景。