胡雯莉（博士）

（廣東省科技干部學院財會與金融學院 廣東珠海 519090）

一、前言

據(jù)中國電子商務(wù)研究中心監(jiān)測數(shù)據(jù)顯示，2018年上半年B2B電商交易規(guī)模為11.2萬億元，同比增長14.2%；B2B電商投融資金額高達211.74億元，同比增長59.5%[1]。供應鏈金融正成為B2B電商的核心競爭力和利潤增長點。供應鏈金融實質(zhì)上是幫助企業(yè)盤活應收賬款、存貨和預付賬款等流動資產(chǎn)，相應融資模式為賣方票據(jù)類融資、融通倉和買方保兌倉[2]。其中賣方票據(jù)類融資包括質(zhì)押融資、保理和票據(jù)貼現(xiàn)[3][4]；融通倉包括倉單質(zhì)押、動產(chǎn)質(zhì)押[5][6]；買方保兌倉包括保兌倉、訂單融資和回購擔保融資[7]。供給側(cè)改革、“互聯(lián)網(wǎng)+”行動計劃使眾多傳統(tǒng)企業(yè)借助B2B電商轉(zhuǎn)型為網(wǎng)商企業(yè)?；贐2B電商的供應鏈金融把物化的商品流、物流、資金流和信息流轉(zhuǎn)化為在線的數(shù)據(jù)，減少了實際融資活動中人為因素以及運營活動的不規(guī)范。與知名B2B電商尋求合作是銀行發(fā)展在線供應鏈金融的主要做法。近年來，委托B2B電商對網(wǎng)商企業(yè)進行授信審查越來越受銀行青睞。由于B2B電商在快速、批量授信上具備更多話語權(quán)，銀行只能被動接受越來越低的收益分配比例。為擺脫對第三方B2B電商的過度依賴，自2012年起，建行、交行和工商行分別推出善融商務(wù)、交博匯和融e購自營電商，但實際效果并不理想。如何改善“銀弱電強”的合作關(guān)系、保證自己的話語權(quán)和收益水平，是銀行當前亟待解決的問題。實踐中，區(qū)塊鏈、大數(shù)據(jù)等金融科技的支撐，使得供應鏈金融走向產(chǎn)業(yè)和金融深度融合的垂直模式。如南方某合資品牌汽車廠商為解決鏈條中經(jīng)銷商中小企業(yè)資金不足，在對質(zhì)押物回購承諾條件下，通過向B2B電商支付一定報酬等方式參與供應鏈金融業(yè)務(wù)。因此，核心企業(yè)參與能否提升銀行在銀電合作中的話語權(quán)和收益水平，能否激勵B2B電商更努力工作是值得探討的問題。

研究銀行、B2B電商、核心企業(yè)和物流企業(yè)等多主體間利益分配與協(xié)調(diào)合作對供應鏈金融的發(fā)展、提高供應鏈競爭力具有重要的理論與現(xiàn)實意義。傳統(tǒng)供應鏈金融協(xié)調(diào)主要集中在最優(yōu)質(zhì)押率[8][9]、最佳訂購量[10][11]、最優(yōu)定價[12]、供應鏈整體協(xié)調(diào)[13][14]等方面。李毅學等[15]建立報童模型確定借款企業(yè)的最優(yōu)再訂購量，建立Stackelberg博弈模型研究物流企業(yè)質(zhì)押率問題。程帆[16]運用博弈論分別討論了合作與不合作模式下的融資企業(yè)最優(yōu)訂購量、物流企業(yè)最佳質(zhì)押率以及供應商核心企業(yè)收益優(yōu)化問題；林強等[17]對比分析了傳統(tǒng)保兌倉融資、核心企業(yè)制造商實施單純銷售獎懲激勵以及支持回購銷售獎懲激勵下的供應鏈協(xié)調(diào)問題。竇亞芹等[18]分別從集中、分散決策兩種情形探討了零售商最優(yōu)采購量以及供應鏈聯(lián)合利潤最優(yōu)化問題。在線供應鏈金融協(xié)調(diào)的定量研究較少，史金召等[19]分聯(lián)合授信、委托授信建立激勵模型，得出銀行、B2B電商間最優(yōu)收益分配比例和各自最佳努力水平的數(shù)學表達式。汪克峰和石巋然[20][21]通過引入B2B電商“公平偏好”，分析了對稱信息下銀行對B2B電商的激勵機制設(shè)計，以及非對稱信息下銀行對電商的激勵和監(jiān)督問題。徐鵬等[22]針對農(nóng)產(chǎn)品質(zhì)押融資的特點，構(gòu)建委托代理模型，分析供應鏈核心企業(yè)參與下，銀行對第三方物流企業(yè)的激勵、監(jiān)督問題。何娟等[23]引入物流企業(yè)“道德風險”，通過建立重復博弈模型研究銀行和物流企業(yè)間的隱性激勵問題。

本文與上述文獻不同的是：（1）直接以當前理論與實務(wù)前沿熱點“基于B2B電商的在線供應鏈金融”為研究對象，探討銀行對B2B電商的激勵問題。（2）分別構(gòu)建了銀行獨自對B2B電商激勵和銀行、核心企業(yè)共同對B2B電商激勵模型，求解出最優(yōu)解，并通過對最優(yōu)解的解析為線上供應鏈金融銀行激勵機制設(shè)計提供一些新的思路。

二、模型建立

（一）相關(guān)概念及業(yè)務(wù)流程

與傳統(tǒng)供應鏈金融模式在內(nèi)涵上保持一致，可以將在線供應鏈融資劃分為電子網(wǎng)絡(luò)保理融資、倉單融資和電子訂單融資三類。[24]本文以下游買方電子訂單融資為例[25]來梳理業(yè)務(wù)流程，并建立模型。融資企業(yè)（中小經(jīng)銷商）以其與核心企業(yè)（供應商）簽訂的電子訂單為擔保向銀行在線融資申請，銀行要求核心企業(yè)承諾回購，同時委托B2B電商對融資企業(yè)進行授信審查。由于銀行和B2B電商間信息不對稱，B2B電商可能會利用私人信息選擇利己的努力水平，以實現(xiàn)自身收益最大化，甚至可能會選擇幫助融資企業(yè)隱瞞、造假以獲取超額收益，影響銀行信貸安全。當融資企業(yè)違約、核心企業(yè)按規(guī)定比例回購質(zhì)押物時，質(zhì)押貨物價格波動、產(chǎn)品升級、市場供求變化等因素會對核心企業(yè)正常經(jīng)營產(chǎn)生較大影響，造成潛在損失。基于此，銀行和核心企業(yè)均有意愿促使B2B電商努力工作。本文構(gòu)建的核心企業(yè)參與激勵下電子訂單融資運作流程如圖1所示。

圖1 核心企業(yè)參與激勵下買方電子訂單融資流程

（二）研究假設(shè)

在銀行和B2B電商合作中，銀行委托B2B電商授信審查，并根據(jù)B2B電商提交的評估報告向核心企業(yè)支付貨款I(lǐng)，利率為r，期限為d，則銀行貸款利息收入為R=Ird。

借鑒汪克峰等[20]、石巋然等[21]的分析思路，假設(shè)因融資企業(yè)無法按時償還貸款本息給銀行帶來的損失額為L(e)，且L(e)與B2B電商努力水平滿足以下線性關(guān)系：L(e)=-Ae+L0+ε,其中，L0＞Ae。A為B2B電商授信審查能力，具體由數(shù)據(jù)搜集、處理、分析的審查工作環(huán)境、技術(shù)水平等決定；e為B2B電商的努力水平，取值[0，1]；L0表示B2B電商不付出努力時銀行的貸款損失額，電商越努力工作，該損失額就被彌補的越多，銀行最終的信貸損失額就越少，則

結(jié)合徐鵬等[22]和陳疇鏞、黃貝拉[26]的研究，銀行的激勵契約設(shè)計形式為：銀行對B2B電商的報酬支付滿足以下線性函數(shù)：P(e)=α+β[L (0)-L(e) ]，并且 ?P＞0，B2B電?e商工作越努力，獲得的報酬就越多。其中，α為銀行對B2B電商支付的固定報酬，β(0≤β≤1)為銀行對B2B電商支付的變動報酬，即本文討論的激勵系數(shù)，銀行因B2B電商努力工作使得自身風險損失相對減少而給予電商的激勵。當e=0時，P(e)=α，當e＞0時，P(e)=α+β[L (0)-L(e) ]=α+βAe，獲取額外收入。由此，銀行的收益UB是貸款利息收入扣除支付給B2B電商的報酬和融資企業(yè)違約帶來的損失。UB=R-P(e)-L(e)=Ird+(1-β)Ae-α-L0-ε。

假設(shè)銀行是風險中性，則其確定性等價收入MB可以用期望收益E(UB)表示，則：

B2B電商的收益UE是其從銀行獲得的報酬扣除努力授信審查付出的成本。假設(shè)B2B電商的努力成本其中b為成本系數(shù)，則。

假設(shè)B2B電商是風險規(guī)避，ρ表示其風險規(guī)避程度，ρ＜0表示風險偏好，ρ=0表示風險中性，ρ＞0表示風險規(guī)避，則B2B電商的確定性等價收入ME可以表示為：

實踐中，供應鏈金融中出現(xiàn)了銀行獨自對B2B電商的激勵和銀行、核心企業(yè)共同對B2B電商的激勵兩種主流模式。共同激勵模式下，又分協(xié)助激勵（即以銀行收益最大化確定激勵系數(shù)）和聯(lián)合激勵（即以銀行和核心企業(yè)雙方總收益最大化確定激勵系數(shù)）。

三、銀行獨自對B2B電商的激勵契約設(shè)計

借鑒徐鵬[22]和胡雯莉、唐華軍[25]的研究，作為理性經(jīng)濟人，B2B電商愿意參與銀行授信業(yè)務(wù)的必要條件是從中獲得的效用要高于自身保留效用M0。否則，B2B電商就不會參與。在授信審查過程中，B2B電商以利潤最大化為決策目標選擇最佳努力水平；銀行設(shè)計激勵契約既要滿足上述參與約束和激勵約束條件，又要確保自身利益最大化?；诖?，構(gòu)建激勵模型：

式（5）激勵約束IR對努力水平e求導，并令其等于零，可得：

在均衡條件下，式（4）參與約束IC等式成立，即：

計算可得B2B電商從銀行獲得的固定報酬：

將α和e*代入式（3）可得：

式（7）對β求導，并令其等于零，可得：

將β*再代入，可得：

將e*和β*代入式（6）可得銀行支付的最優(yōu)固定報酬為：

將e*、β*、α*代入式（1）可得銀行最大收益：

由式（8）得到結(jié)論1：銀行對B2B電商的激勵系數(shù)β與B2B電商的授信審查能力A正相關(guān)，與B2B電商的風險規(guī)避程度ρ負相關(guān)。由式（9）得到結(jié)論2：B2B電商的努力水平e與自身的授信審查能力A正相關(guān)，與成本系數(shù)b、風險規(guī)避程度ρ負相關(guān)。

進一步，假設(shè)核心企業(yè)與銀行確認回購比例協(xié)議，承諾回購比例為x，0＜x＜1。核心企業(yè)回購分擔了因融資企業(yè)違約給銀行帶來的損失，損失分擔比例為g(x)，并且，即核心企業(yè)承諾回購比例越大，損失分擔比例也越大，核心企業(yè)分擔的損失額可表示為

假設(shè)核心企業(yè)向融資企業(yè)銷售貨物的利潤率為m，則核心企業(yè)的收益Us是利潤扣除分擔的融資企業(yè)違約帶來的損失。

假設(shè)核心企業(yè)是風險中性，確定性等價收入MS可以表示為：

將式（8）β*和式（9）e*代入上式可得：

四、銀行和核心企業(yè)共同對B2B電商的激勵契約設(shè)計

新經(jīng)濟形勢下，企業(yè)間的競爭已然上升到企業(yè)所處的供應鏈間的競爭。因此，有必要探討核心企業(yè)參與銀行對B2B電商的激勵能否有效提升B2B電商授信審查的工作積極性。本文將從協(xié)助激勵與聯(lián)合激勵兩種情況來分別展開研究。

（一）協(xié)助激勵

融資企業(yè)到期違約會給核心企業(yè)帶來損失，因此核心企業(yè)支付部分報酬參與銀行激勵B2B電商努力工作的基礎(chǔ)是存在的。假設(shè)銀行支付給B2B電商的報酬為：P1(e)=α1+ β1[L (0)-L(e)]，核心企業(yè)支付給B2B電商的報酬為P2(e)=α2+β2[L (0)-L(e) ]，其中，α1為銀行支付給電商的固定報酬，β1為銀行的激勵系數(shù)；α2為核心企業(yè)支付給電商的固定報酬，β2為核心企業(yè)的激勵系數(shù)，即支付給B2B電商的變動報酬。

銀行的收益為：

因銀行是風險中性，則銀行確定性等價收入可以表示為：

B2B電商的收益為：

因B2B電商是風險規(guī)避，則B2B電商的確定性等價收入可以表示為：

在滿足參與約束的基礎(chǔ)上，B2B電商選擇最優(yōu)努力水平以實現(xiàn)自身收益最大化。協(xié)助激勵下，銀行設(shè)計激勵契約，選擇最優(yōu)報酬激勵系數(shù)、最佳固定報酬以實現(xiàn)自身收益最大化。激勵模型構(gòu)建如下：

激勵約束IR對努力水平e求導，并令其等于零，求解可得：

在均衡條件下，參與約束IC等式成立，即：

將α1和e**代入（14）式，并對β1求導，可得：

將β*1*、e**代入（15）式，可得：

進一步計算，核心企業(yè)的收益為：

確定性等價收入即核心企業(yè)的期望收益為：

將e**代入上式，可得：

核心企業(yè)愿意參與共同激勵的前提條件是：式（20）參與后的收益式（12）參與前的收益MS，化簡可得：

因此，在事先簽訂回購比例承諾的前提下，只要核心企業(yè)固定報酬支付和激勵系數(shù)滿足式（21），核心企業(yè)就愿意參與，與銀行共同激勵B2B電商授信。

銀行和核心企業(yè)的總收益由式（19）和式（20）組成：

（二）聯(lián)合激勵

聯(lián)合激勵下，以雙方總收益UT最大化為決策目標，銀行和核心企業(yè)共同選擇最優(yōu)激勵系數(shù)β（β=β1+β2）和最優(yōu)固定報酬α（α=α1+α2），以實現(xiàn)對B2B電商的授信激勵。

確定性等價收入即總收益的期望值為：

生產(chǎn)者支持估計百分比（%PSE）是指PSE占農(nóng)業(yè)總收入（按生產(chǎn)者價格計算的農(nóng)產(chǎn)品產(chǎn)值加上對生產(chǎn)者的財政預算支持）的比例，該指標反映了農(nóng)業(yè)總收入中來自農(nóng)業(yè)支持政策的份額。通過查詢OECD數(shù)據(jù)庫，比較四個國家2006-2016年生產(chǎn)者支持估計百分比，數(shù)據(jù)結(jié)果見表3。

進一步構(gòu)建模型如下：

沿用協(xié)助激勵方式下的求解思路和方法，可得：

將e***、β***、α***代入總體收益函數(shù)式（23），可得聯(lián)合激勵方式下銀行和核心企業(yè)總收益：

式（22）恒大于式（24），得到結(jié)論7：銀行、核心企業(yè)共同對B2B電商激勵的條件下，核心企業(yè)協(xié)助銀行激勵帶來的總收益恒大于與銀行聯(lián)合激勵的總收益。因此，銀行會優(yōu)先選擇協(xié)助銀行激勵方式以提高自身的收益。即，選擇協(xié)助激勵方式可以達到銀行和核心企業(yè)收益的帕累托最優(yōu)狀態(tài)。

五、算例分析

假設(shè)中小企業(yè)利用動產(chǎn)質(zhì)押融資獲得銀行貸款額度=15 000，貸款年利率r=7.25%，貸款期限d=1年。假設(shè)B2B電商不進行評估時該筆銀行貸款損失額L0=525。對符合各條件的參數(shù)任意賦值一組數(shù)據(jù)：A=15，ρ=4，b=0.3，M0=120，ε∈N（0，1350）的正態(tài)分布。

銀行獨自對B2B電商的激勵模式：將上述變量取值代入前文式（8）—（11），計算可得：e*=6.098，β*=0.122，α*=154.578，M*B=488.232。

核心企業(yè)協(xié)助銀行激勵模式：將上述變量取值代入前文式（16）—（19），計算可得：e**=6.098（1+β2），β*1=0.122-0.878β2，α1*=120+34.578（1+β2）2-α2，M**B=442.5+45.732（1+β2）2+α2。

為了直觀地體現(xiàn)本文主要決策變量，B2B電商最佳努力水平，銀行最優(yōu)激勵系數(shù)、固定報酬和收益水平分別與核心企業(yè)激勵系數(shù)間的關(guān)系如圖2—5所示。圖2顯示核心企業(yè)協(xié)助銀行激勵下，B2B電商的最佳努力水平隨著核心企業(yè)激勵系數(shù)的增加而顯著提高，且恒大于銀行獨自對B2B電商激勵下的最佳努力水平，這說明在銀行對B2B電商的激勵中，核心企業(yè)的參與是必要且有意義的。圖3表明核心企業(yè)協(xié)助激勵下，銀行的收益水平衡大于銀行獨自對B2B電商激勵下的收益水平，且與核心企業(yè)激勵系數(shù)呈正向關(guān)系，這無疑提高了銀行開展買方電子訂單融資業(yè)務(wù)的積極性，同時也為銀行積極促成核心企業(yè)的激勵參與并選擇何種參與方式提供了理論依據(jù)。從圖4、圖5可以看出，銀行報酬支付與核心企業(yè)激勵系數(shù)間呈負向關(guān)系，這說明核心企業(yè)的參與分擔了銀行對B2B電商的部分報酬支付。至于具體分擔了多少比例，則主要取決于銀行和核心企業(yè)在業(yè)務(wù)關(guān)系中的地位、雙方討價還價能力及融資企業(yè)對核心企業(yè)績效的影響程度。

圖2 B2B電商努力水平與核心企業(yè)激勵系數(shù)間的關(guān)系

圖3 銀行最佳收益水平與核心企業(yè)激勵系數(shù)間的關(guān)系

圖4 銀行固定報酬支付與核心企業(yè)激勵系數(shù)間的關(guān)系

圖5 銀行激勵系數(shù)與核心企業(yè)激勵系數(shù)間的關(guān)系

六、結(jié)論及展望

在線供應鏈金融中，銀行與B2B電商合作處于劣勢地位，收益水平越來越低。通過自建電商平臺亦無法抗衡B2B電商的強勢。本文通過引入核心企業(yè)向B2B電商支付一定報酬方式，探討在線供應鏈金融“銀弱電強”現(xiàn)狀能否改善，銀行的話語權(quán)和收益水平能否提升，B2B電商是否更努力工作。研究發(fā)現(xiàn)：第一，變動報酬對B2B電商努力水平的激勵效果要優(yōu)于固定報酬。由最優(yōu)努力水平分析可得，B2B電商努力水平與固定報酬支付無關(guān)，而隨變動報酬支付的增加而增加。因此，銀行或供應鏈核心企業(yè)激勵系數(shù)越高，B2B電商努力水平就越高。第二，與銀行獨自對B2B電商的激勵模式相比，核心企業(yè)協(xié)助銀行激勵方式必然導致銀行收益水平提高。因此，銀行應積極促成核心企業(yè)參與激勵。進一步求解得出核心企業(yè)愿意參與銀行激勵的數(shù)學表達式，為核心企業(yè)提供了參與決策方面的量化依據(jù)。第三，與聯(lián)合激勵方式相比，協(xié)助激勵方式下銀行和核心企業(yè)總收益更高。因此，銀行應優(yōu)先選擇協(xié)助參與方式使自身收益最大化。并進一步求解出銀行最優(yōu)激勵系數(shù)的解析式，為銀行激勵B2B電商授信提供了科學的實踐參考。

然而，本研究也存在一些局限與不足之處：一是核心企業(yè)參與銀行激勵，雙方報酬支付的分擔比例問題尚未探討，需要進一步研究。二是信息透明、對稱是在線供應鏈金融中B2B電商的最大優(yōu)勢，這一信息優(yōu)勢在激勵過程中對B2B電商的影響還需進一步探討。