□ 劉明靜 房艷君

一、引言

中小企業(yè)在我國國民經(jīng)濟中的地位日益顯著，供應鏈金融對解決中小企業(yè)融資難、融資貴難題具有顯著功效。但與傳統(tǒng)的融資方式相比，由于其本身的局限性和不確定性，供應鏈金融面臨較大的風險和新的挑戰(zhàn)。并且因中小電商企業(yè)具有規(guī)模小、成長性高的特點，傳統(tǒng)的供應鏈金融風險控制方法實效性較差。本文通過建立供應鏈金融信用評價指標體系，將中小電商企業(yè)的案例帶入Logistic風險度量模型中，評價指標與企業(yè)資信水平的關(guān)系，由此提出相應的風控措施，希望可以對破解我國中小電商企業(yè)的融資難題提供一定的參考。

國內(nèi)外學者對供應鏈金融風險的研究主要包括評價、度量和控制三個方面。

馬佳（2008）利用主成分分析法和logistic回歸方法構(gòu)建了一個更加客觀的供應鏈金融信用風險評價體系，并且應用套期保值設(shè)計并實例分析了針對市場風險的供應鏈金融業(yè)務(wù)方案。夏泰鳳（2011）針對金融倉儲服務(wù)模式，通過構(gòu)建數(shù)理模型，分析了風險控制指標的選擇，得出銀行對貸款風險的限制能夠有效控制季節(jié)性存貨質(zhì)押融資業(yè)務(wù)風險這一結(jié)論。雷曉燕（2012）針對應收賬款融資，分別利用主成分分析方法和VaR風險評估方法對其信用風險和操作風險進行定性定量分析，并提出相應的控制措施。田家歡（2013）在對比供應鏈金融模式與傳統(tǒng)信貸模式的基礎(chǔ)上，給出供應鏈金融信用風險識別、度量方法，最終從商業(yè)銀行和宏觀環(huán)境兩方面提出了管控供應鏈金融風險的決策建議。范堃（2013）對供應鏈金融風險識別和關(guān)鍵變量的控制進行了研究，用中信銀行的實例驗證了授信額度模型的有效性，并對提高管控制度標準化提出對策和建議。白瑞（2014）在中小企業(yè)融資視角下，研究了如何對三種融資模式中面臨的具體操作風險進行控制，總結(jié)出把控信用風險的四個方面（產(chǎn)業(yè)選擇、現(xiàn)金流管理、貸后檢查及信息溝通），提出了基于質(zhì)押率和金融衍生產(chǎn)品的市場風險控制措施。平宇可（2019）基于信息不對稱和貿(mào)易自償理論，利用單案例研究法，研究了京東金融在大數(shù)據(jù)環(huán)境下如何對供應鏈金融信用風險、市場風險和操作風險進行識別、分析和控制。金香淑等人（2020）在分銷商-零售商兩級供應鏈中引入收益共享-雙向期權(quán)契約，構(gòu)建了聯(lián)合契約模型，并通過數(shù)值算例對關(guān)鍵參數(shù)進行了敏感性分析。

Jan k. Bruckner（2000） 提出了基于期權(quán)的抵押貸款定價模型，分析了違約成本信息的不對稱性對供應鏈金融風險的影響。Vipul Agrawal和Sridhar Seshadri （2000）指出零售商通過和風險中立的經(jīng)銷商簽訂商業(yè)風險共享合同，可以降低其所面臨的金融風險，最大程度增加訂單量，從而提高供應鏈的整體效率。Dawn Barnes-Schuster（2002）通過建立一個兩周期模型，研究了期權(quán)等金融衍生工具可以提高供應鏈的協(xié)調(diào)能力和靈活性，在控制金融風險中發(fā)揮著重要作用。George A. Zsidisin （2003）針對供應管理專業(yè)人員，提出了供應風險可以通過購買的商品服務(wù)對企業(yè)盈利能力的影響、市場因素和供應商特點來感知的觀點。]Chih-Yang Tsai（2007） 通過建立供應鏈金融現(xiàn)金周轉(zhuǎn)模型，得出了資產(chǎn)證券化（ABS）為應收賬款融資，可以縮短現(xiàn)金周轉(zhuǎn)周期（CCC）、降低現(xiàn)金流入風險的結(jié)論。J?rn-Henrik Thun和Daniel Hoenig（2009）在對德國汽車工業(yè)的調(diào)查的基礎(chǔ)上，得出了相比于反應性供應鏈金融管理，預防性供應鏈金融風險管理的企業(yè)在靈活性和安全性方面具有更好的價值的結(jié)論。George Baryannis和Sahar Validi等人（2019）審查了使用人工智能、大數(shù)據(jù)分析和數(shù)據(jù)編程方法解決供應鏈風險管理問題的供應鏈文獻，并為先進技術(shù)與供應鏈風險管理相融合的未來研究提出了方向。Zulqurnain Ali和Bi Gongbing （2019）采用交易成本法，針對中小企業(yè)研究了無風險融資方案，認為供應鏈金融能夠降低違約風險，降低信貸交易成本，提高供應鏈有效性。Ram L. Kumar和Sung June Park（2019）綜合考慮了供應鏈風險、風險管理策略和供應鏈價值度量的各種關(guān)系，提出了基于財務(wù)理論的供應鏈價值度量方法。

總體來看，在理論研究方面，國內(nèi)在此領(lǐng)域的研究起步較晚，研究深度上略顯不足，在供應鏈金融風險控制中缺乏創(chuàng)造性意見，但我國相關(guān)學者研究熱情不減，近幾年發(fā)展迅速，成果頻出。

二、指標體系的構(gòu)建

本文的指標選取參考了劉頎桓的B2B電商企業(yè)信用評價體系。B2B（Business to Business）顧名思義是一種企業(yè)與企業(yè)之間的電子商務(wù)模式，具有應用廣泛和接受度高的特點。因此，本文在此體系的基礎(chǔ)上進行了中小電商企業(yè)的普適化處理（表1）。為了全面、系統(tǒng)地對供應鏈金融信用風險的影響因素進行研究，本文從宏觀和微觀兩個角度，選取了中小電商融資企業(yè)、核心企業(yè)、供應鏈和宏觀環(huán)境四個一級指標。針對中小電商企業(yè)具有規(guī)模小、成長性高的特點，本文全方面地選擇了償債能力、盈利能力等短期能力指標和發(fā)展能力、創(chuàng)新能力等長期能力指標，即兼有財務(wù)指標和非財務(wù)指標。

表1 指標體系及其描述

三、樣本選取

根據(jù)2011年6月18日工業(yè)和信息化部、國家統(tǒng)計局、國家發(fā)展和改革委員會、財政部聯(lián)合印發(fā)的《關(guān)于印發(fā)中小企業(yè)劃型標準規(guī)定的通知》可知，中?。ㄎⅲ╇娚唐髽I(yè)是指從業(yè)人員（10～300人）300人以下或資產(chǎn)總額（100～12000萬元）12000萬元以下的企業(yè)。本文選取了中小企業(yè)板和創(chuàng)業(yè)板2020年的20家上市電商公司（其中不良公司9家，優(yōu)質(zhì)公司11家），用以代表我國中小型電商企業(yè)。截至2020年12月31日為止，我國上市的電商企業(yè)共有74家，規(guī)模相對較小，因此中小企業(yè)板和創(chuàng)業(yè)板上市的電商企業(yè)可以在一定程度上反映我國中小型電商企業(yè)的現(xiàn)狀。數(shù)據(jù)主要來源于國泰安數(shù)據(jù)庫和其他專業(yè)的財經(jīng)類網(wǎng)站。

由于部分非財務(wù)指標無法衡量，我們依據(jù)呂躍進的評價等級確定理論，根據(jù)心理因素對搜集到的數(shù)據(jù)按照5個等級:1、3、5、7、9進行打分，分數(shù)越高說明樣本數(shù)據(jù)表現(xiàn)越好，企業(yè)的守約概率越大。

四、模型分析

（一）模型建立

信用評價指標篩選方法主要有：主成分分析法、層次分析法（AHP）和專家打分、相關(guān)性分析、鑒別性分析法等。層次分析法和專家打分、相關(guān)性分析、鑒別性分析法具有主觀性較強的缺點；而主成分分析法具有客觀科學的特點。信用風險度量模型主要有：Logistic、SVM和樸素貝葉斯（NB）等。由于SVM是借助二次規(guī)劃來求解支持向量，這涉及到m階矩陣的計算，對大規(guī)模樣本實施難度大且解決多分類問題存在困難；而Logistic雖存在多重共線性及無關(guān)變量的干擾，但其具有數(shù)據(jù)要求較低、實用性較好、計算簡便、變量解釋能力強等諸多有點。通過優(yōu)缺點的對比，本文決定選擇了主成分分析法和Logistic回歸模型來進行研究。

（二）主成分分析

通過SPSS26.0對樣本數(shù)據(jù)進行基本描述統(tǒng)計，統(tǒng)計結(jié)果如表2所示：

表2 數(shù)據(jù)描述統(tǒng)計量

研發(fā)人員投入 20 1 9 2.7 2.364企業(yè)征信狀況 20 1 9 7.5 2.666核心企業(yè)成本費用利潤率20 -0.13584 1.052151 0.174062 0.276807核心企業(yè)凈資產(chǎn)收益率 20 -0.13703 0.366781 0.093097 0.109702核心企業(yè)速動比率 20 0.3597 2.6833 1.239925 0.639532核心企業(yè)資產(chǎn)負債率 20 0.205445 0.930843 0.499415 0.186943合作久度 20 1 9 4.4 3.185合作深度 20 1 9 2 2行業(yè)發(fā)展狀況 20 1 7 3.8 2.191行業(yè)競爭狀況 20 1 9 2.8 2.745政府政策 20 1 9 6.2 3.205法律法規(guī) 20 1 9 6.8 3.037有效個案數(shù)（成列） 20

圖1 散點圖Fig.1:scatter diagram

圖1為主成分的碎石圖，分析圖可得特征值隨組件號個數(shù)的變化而變化，從第9個開始下降趨勢逐漸減弱，我們可以通過解釋方差更準確客觀地判斷主成分的個數(shù)。

表3 總方差解釋

18 0.036 0.133 99.935 19 0.018 0.065 100 20 1.77E-15 6.55E-15 100 21 5.77E-16 2.14E-15 100 22 3.93E-16 1.45E-15 100 23 1.91E-16 7.06E-16 100 24 -3.63E-17 -1.35E-16 100 25 -1.32E-16 -4.89E-16 100 26 -2.72E-16 -1.01E-15 100 27 -4.59E-16 -1.70E-15 100

提取方法：主成分分析法。

表3是利用SPSS26.0對原始數(shù)據(jù)進行主成分分析，主成分特征根大于1且累計貢獻率達到80%以上說明主成分解釋良好。從上表可得，9個具有代表性的綜合指標能夠有效代替27個原始數(shù)據(jù)。

表4 成分矩陣a

提取方法：主成分分析法。

a. 提取了 9 個成分。

將上述得出的九個主成分分別命名為F1,F2,F3,F4,F5,F6,F7,F8,F9,再根據(jù)主成分系數(shù)得分矩陣計算出主成分得分，得出如下關(guān)系式：

表5 旋轉(zhuǎn)后的成分矩陣a

提取方法：主成分分析法。

旋轉(zhuǎn)方法：凱撒正態(tài)化最大方差法。

a. 旋轉(zhuǎn)在 11 次迭代后已收斂。

表5為用最大方差法正交旋轉(zhuǎn)后得出的成分矩陣，這樣所處理出來的數(shù)據(jù)各主成分代表的意義更加明確。

F1主要表達了X6,X7,X8的信息量，反映了融資企業(yè)的盈利能力。

F2主要表達了X17的信息量，反映了融資企業(yè)的履約狀況。

F3主要表達了X2,X12,X15,X16的信息量，反映了融資企業(yè)創(chuàng)新能力和發(fā)展。

F4主要表達了X8的信息量，反映了融資企業(yè)的履約狀況。

F5主要表達了X20,X26,X27的信息量，反映了核心企業(yè)償債能力和政治環(huán)境。

F6主要表達了X18,X19,X24的信息量，反映了核心企業(yè)盈利能力和行業(yè)狀況。

F7主要表達了X4,X5,X9的信息量，反映了融資企業(yè)償債能力和經(jīng)營能力。

F8主要表達了X21的信息量，反映了核心企業(yè)償債能力。

F9主要表達了X13的信息量，反映了融資企業(yè)發(fā)展能力。

（三）Logistic回歸分析

本文根據(jù)各公司財務(wù)報表中的違約訴訟情況和同花順中的牛叉診股對其進行信用等級評價，并運用SPSS26.0進行Logistic回歸分析。

將上述線性關(guān)系式做矩陣相乘運算，得出各主成分綜合得分情況（表6）。

表6 各主成分綜合得分情況

運用SPSS26.0將上述的9個主成分代入二元Logistic回歸模型中，采取向前步進（似然比）法，得到結(jié)果如表7、表8所示：

表7 方程中的變量

表8 模型

根據(jù)表8可知，F(xiàn)1、F2、F6除去項之后的顯著性水平p值均小于0.05，由此可判斷這3個主成分對企業(yè)守約狀況有較大的影響，應予以保留，其他成分則剔除。

估計的回歸模型如下：

（四）模型檢驗

由表9所示，步驟3正確的百分比為90%，說明表7、8所示數(shù)據(jù)準確有效。

表9 分類表a

a. 分界值為 .500。

（五）實證結(jié)果分析

通過上文用多元Logistic回歸對中小電商企業(yè)供應鏈金融信用風險進行實證分析，可得到以下結(jié)論：

1.在所構(gòu)建的四層面的指標中中小電商融資企業(yè)、核心企業(yè)和宏觀環(huán)境對企業(yè)的守約狀況有影響。在提取的9個主成分里，最終保留了3個主成分，中小電商企業(yè)的盈利能力和履約狀況、核心企業(yè)的盈利能力和行業(yè)狀況有著較為顯著的影響。

2.中小電商融資企業(yè)的盈利能力與供應鏈金融的信用水平成正比。在主成分F1中，中小電商融資企業(yè)的成本費用利潤率、凈資產(chǎn)收益率、營業(yè)凈利率的成分得分系數(shù)為正，說明此3個下屬指標的值越大，主成分F1的值越大，從而中小電商融資企業(yè)的守約概率越大，供應鏈金融信用風險越小。中小電商企業(yè)的盈利能力可以在一定程度上代表企業(yè)的財務(wù)狀況，財務(wù)狀況越好，違約風險越低。

3.中小電商融資企業(yè)的履約狀況與供應鏈金融的風險水平成反比。在主成分F2中，中小電商融資企業(yè)的違約狀況的成分得分系數(shù)為負，說明此下屬指標的值越大，主成分F2的值越小，從而中小電商融資企業(yè)的守約概率越小，供應鏈金融風險越大。中小電商企業(yè)的履約狀況代表歷史的違約率，歷史違約率越高，未來的違約率越高，違約風險越高。

4.核心企業(yè)的盈利能力和行業(yè)狀況與供應鏈金融的風險水平成正比。在主成分F6中，核心企業(yè)的成本費用利潤率、凈資產(chǎn)收益率和行業(yè)發(fā)展狀況的成分得分系數(shù)為正，說明此3個下屬指標的值越大，主成分F6的值越大，從而中小電商企業(yè)的守約概率越大，供應鏈金融信用風險越小。核心企業(yè)的盈利能力代表核心企業(yè)的財務(wù)狀況，財務(wù)狀況越好，核心企業(yè)的實力越強，核心企業(yè)對中小電商融資企業(yè)的擔保能力越強，中小電商企業(yè)違約風險越低；宏觀環(huán)境可以在一定程度上反映行業(yè)的發(fā)展前景和市場的發(fā)展?jié)摿?，宏觀環(huán)境越優(yōu)越，中小電商企業(yè)的違約風險越低。

五、結(jié)語

本文研究了大數(shù)據(jù)背景下中小電商企業(yè)的供應鏈金融信用風險問題，首先構(gòu)建了電商特有的供應鏈金融信用風險評價的指標體系，然后運用主成分分析法和Logistic回歸進行案例分析，最終得出融資企業(yè)的盈利能力和履約狀況、核心企業(yè)的盈利能力以及宏觀環(huán)境都對中小電商企業(yè)的供應鏈金融信用水平有著較大的影響這一結(jié)論。因此，為了有效控制供應鏈金融信用風險，本文引申出如下建議：

1.重視高相關(guān)度關(guān)鍵因素的評價審核。商業(yè)銀行在開展電商供應鏈金融相關(guān)業(yè)務(wù)時應抓住事物的主要矛盾，著重審核與企業(yè)守約狀況相關(guān)性高的融資企業(yè)和核心企業(yè)的財務(wù)狀況以及宏觀環(huán)境狀況。將關(guān)鍵因素代入供應鏈金融信用風險評價模型中，可以得出企業(yè)的守約概率，據(jù)此判斷銀行是否可以為其授信。

2.建立健全風險監(jiān)測預警和應急處理機制。隨著經(jīng)濟活動的不斷進行，企業(yè)的信用狀況是一個不斷發(fā)展變化的過程，因此商業(yè)銀行需建立風險監(jiān)測預警機制，分析潛在風險，時刻關(guān)注風險變化情況，一旦發(fā)生變化，立即啟用應急處理機制進行有效地控制，維持供應鏈金融業(yè)務(wù)長久穩(wěn)健地進行。

3.優(yōu)化完善供應鏈金融信息服務(wù)系統(tǒng)。整合中小融資企業(yè)、核心企業(yè)、供應鏈和宏觀環(huán)境信息，加強數(shù)據(jù)情報的傳遞與交流，實現(xiàn)信息資源有效共享，有利于商業(yè)銀行及時準確獲取信息，為充分應對突發(fā)狀況，控制處理供應鏈金融風險提供了保障。只有通過數(shù)據(jù)的整合分析不斷完善基礎(chǔ)數(shù)據(jù)庫，商業(yè)銀行才能更加準確、科學地做出決策。

4.應用金融科技升級供應鏈金融風險控制體系。隨著互聯(lián)網(wǎng)技術(shù)和產(chǎn)業(yè)信息化進程的不斷發(fā)展，金融科技為解決金融問題提供了多種可能。如大數(shù)據(jù)、物聯(lián)網(wǎng)、區(qū)塊鏈等金融科技在解決供應鏈金融過程中的信息不對稱、貿(mào)易欺騙篡改等問題上發(fā)揮著重要作用。為了推進金融科技在供應鏈金融風控中的應用進程，國家政府應做好頂層設(shè)計，企業(yè)在戰(zhàn)略規(guī)劃、企業(yè)文化、技術(shù)開發(fā)、人才建設(shè)等方面要做到統(tǒng)籌兼顧。

另外，由于我國電商企業(yè)數(shù)量不足以及獲取數(shù)據(jù)受限，本文采用的樣本數(shù)據(jù)雖有一定的科學依據(jù)，但未能很好的代表電商企業(yè)現(xiàn)狀，在一定程度上影響了信用評價體系的有效性。商業(yè)銀行在開展供應鏈金融業(yè)務(wù)時時，應基于全面、高質(zhì)量的數(shù)據(jù)庫，以此建立出的評價模型將更為有效。當今電子商務(wù)企業(yè)日新月異，希望隨著電商行業(yè)的發(fā)展壯大，電商企業(yè)的信用評價體系可以日益成熟，電商企業(yè)的供應鏈金融風控研究也可以不斷完善。