廖 望 蔡文學

（華南理工大學 電子商務系，廣東 廣州 510006）

一、引言

近年來，我國的大宗商品貿(mào)易蓬勃發(fā)展，對國民經(jīng)濟的影響逐步增強。1990—2017年，我國對幾類主要大宗商品的消費量占全球比重均呈上升趨勢。2017年，我國煤炭和鋼鐵消費量分別占世界總消費量的65.2%和46.7%，成為世界第一大煤炭、鋼鐵消費大國。而現(xiàn)今，我國大宗商品貿(mào)易融資面臨著許多風險，如2012年“上海鋼貿(mào)信貸違約事件”、2014年“青島港銅融資事件”，給銀行及相關企業(yè)造成了巨大經(jīng)濟損失。銀行在大宗商品貿(mào)易融資業(yè)務中面臨的風險主要分為信用風險、貨物風險以及操作風險[1-2]，其中信用風險是最重要也是最難控制的風險[3]。因此，對銀行來說，完善的企業(yè)信用風險評價體系可以保證銀行的收益，降低融資風險[4-5]。

長期以來很多學者對供應鏈金融中企業(yè)的信用風險評價進行了研究，大部分研究側(cè)重于對融資企業(yè)的盈利能力、償債能力、經(jīng)營狀況等方面的考量。李敬明和阮素梅等（2015）選取資產(chǎn)負債率、資本積累率、企業(yè)償債能力及行業(yè)增長率四個評價指標，評價供應鏈金融中企業(yè)信用風險[6]。劉兢軼和王彧婧等（2019）從融資企業(yè)的償債能力、盈利能力、發(fā)展能力、核心企業(yè)的信用狀況以及行業(yè)發(fā)展情況等方面對融資企業(yè)的信用風險進行考察[7]。Wang和Ding等（2020）綜合考慮融資項下資產(chǎn)情況、供應鏈的整體情況、融資企業(yè)資質(zhì)、核心企業(yè)資質(zhì)、宏觀行業(yè)環(huán)境等因素構建企業(yè)信用風險評價體系[3]。Zhu和Xie等（2016）從融資企業(yè)的財務狀況和運營情況出發(fā)，提出針對供應鏈金融的中小企業(yè)信用風險評價體系[8]。

綜合國內(nèi)外文獻看，目前研究存在以下局限：第一，大多研究采用靜態(tài)指標數(shù)據(jù)對企業(yè)的信用進行評估，這些靜態(tài)指標數(shù)據(jù)一般是在企業(yè)申請融資時對企業(yè)進行調(diào)查收集得到，如企業(yè)的資信數(shù)據(jù)以及企業(yè)的財務數(shù)據(jù)。通過這類靜態(tài)指標數(shù)據(jù)只能得到企業(yè)貸前的信用情況，而隨著時間推移，企業(yè)的信用水平會發(fā)生動態(tài)變化。第二，目前針對供應鏈金融中企業(yè)信用風險評價主要圍繞融資企業(yè)的資產(chǎn)情況進行評價，財務數(shù)據(jù)是其進行指標構建以及信用評估的主要依據(jù)，但這些研究對財務數(shù)據(jù)存在缺失的中小企業(yè)來說有一定的局限[9]。第三，銀行受到信息不對稱的制約[10]，由于這些數(shù)據(jù)由融資企業(yè)掌控，數(shù)據(jù)容易偽造，商業(yè)銀行無法直接獲取原始交易數(shù)據(jù)并且無法驗證企業(yè)提供數(shù)據(jù)的真實性，虛假交易、虛構融資、非法獲利現(xiàn)象不能避免[11]。因此，企業(yè)相關信息的不透明、不真實現(xiàn)象使銀企之間信息不對稱，大大增加銀行風險評估的難度[12]。

互聯(lián)網(wǎng)和大數(shù)據(jù)技術的日趨成熟為企業(yè)信用評價數(shù)據(jù)的收集和處理帶來了機遇[13]，從而能夠在信用風險評價中引入更多維度的數(shù)據(jù)。供應鏈金融中，融資主體在實際經(jīng)營中存在交易行為，這些交易行為產(chǎn)生的數(shù)據(jù)具有數(shù)據(jù)量大、覆蓋面廣、實時性強等優(yōu)點，能全面客觀地反映企業(yè)的經(jīng)營狀況、償債能力和發(fā)展能力。融資企業(yè)的經(jīng)營情況直接反映了企業(yè)能否按時償還貸款，是銀行決定是否融資的關鍵因素，因而基于企業(yè)的營運數(shù)據(jù)及非財務數(shù)據(jù)能夠?qū)ζ髽I(yè)信用進行更加全面準確的評估[14-16]。在信用評價中利用企業(yè)的交易信息能夠減少信息不對稱[17]，解決傳統(tǒng)融資企業(yè)信用評價體系中企業(yè)信用評價滯后、財務數(shù)據(jù)缺失、數(shù)據(jù)不真實等問題。

大宗商品貿(mào)易中，貨物進出倉庫過程中會產(chǎn)生大量的倉儲流水數(shù)據(jù)，這些流水數(shù)據(jù)是貿(mào)易商正常經(jīng)營交易過程中產(chǎn)生的客觀真實數(shù)據(jù)，能夠真實反映貿(mào)易商的交易活動、庫存變動及貨物存儲情況。對因資信信息不可信或財務數(shù)據(jù)無法獲得的企業(yè)來說，倉儲流水數(shù)據(jù)為其信用風險評估提供了新角度。通過對這些流水數(shù)據(jù)穩(wěn)定性和趨勢性進行分析，可以根據(jù)流水特征判斷其交易行為的真實性及經(jīng)營能力，從而對企業(yè)的信用水平以及履約能力進行判斷，大幅降低貿(mào)易商與銀行之間的信息不對稱，為銀行大宗商品貿(mào)易融資業(yè)務提供決策支持。

倉儲流水數(shù)據(jù)作為貿(mào)易商在進行大宗商品的交易動態(tài)過程的體現(xiàn)，可以從時間特征及強度特征角度衡量[18]，時間特征體現(xiàn)為流水數(shù)據(jù)的時間變化狀態(tài)等，強度特征體現(xiàn)為流水的次數(shù)及數(shù)量等，因此，本文構建基于動態(tài)倉儲流水數(shù)據(jù)的貿(mào)易商信用評估模型，通過貿(mào)易商的歷史倉儲流水數(shù)據(jù)計算其信用值，從倉儲流水數(shù)據(jù)的穩(wěn)定性和趨勢性反映貿(mào)易商經(jīng)營的穩(wěn)固性，同時也能間接反映融資企業(yè)的償債能力和發(fā)展能力，為大宗商品貿(mào)易融資提供有效信用評估手段。

二、基于倉儲流水數(shù)據(jù)的貿(mào)易商信用評估模型構建

貿(mào)易商的倉儲流水數(shù)據(jù)屬于時間序列數(shù)據(jù)，通過構造衡量指標，對倉儲流水數(shù)據(jù)進行多視角分析，能夠反映貿(mào)易商信用的變化情況。本文將倉儲流水數(shù)據(jù)中影響貿(mào)易商最終信用的因素進行整合，構建基于動態(tài)倉儲流水數(shù)據(jù)的貿(mào)易商信用評估模型。模型中，貿(mào)易商信用值有以下影響因素。

時間影響因子：時間影響因子反映時間遠近對貿(mào)易商信用產(chǎn)生的影響，不同時間點的出庫流水情況對貿(mào)易商信用有不同的影響，對銀行而言，最關心的是貿(mào)易商當前的經(jīng)營情況與貨物水平，離當前時間點越近的流水數(shù)據(jù)，越能真實地反映貿(mào)易商的信用情況。因此，離當前時刻近的流水數(shù)據(jù)參考價值更高，最近的流水記錄所占的比重應高于其他時刻的流水記錄。設tk為第k月流水數(shù)據(jù)的時間節(jié)點，t當前時間為當前時間點，時間影響因子的定義如式（1）所示：

月出庫次數(shù)影響因子：指當月出庫次數(shù)，反映貿(mào)易商當月出庫的頻繁程度，貿(mào)易商倉儲流水中出庫次數(shù)越多，說明其訂單越多，表示貿(mào)易商越可信；引入月出庫次數(shù)影響因子以增加信任值計算的準確性和可信性。設n為流水數(shù)據(jù)包含的總月份數(shù)，fk為貿(mào)易商第k月出庫次數(shù)，為流水數(shù)據(jù)中出庫次數(shù)的總和，F(xiàn)k為月出庫次數(shù)影響因子，則月出庫次數(shù)影響因子如式（2）所示：

月出庫貨物量影響因子：月出庫貨物量影響因子，表示當月出庫貨物量與倉儲流水數(shù)據(jù)時間窗口內(nèi)最大月出庫貨物量之比。當月出庫貨物量變大時，因子值會相應增大，出庫量越大的月份，對其最終信用值的影響越大，隨著出庫貨物量規(guī)模的增大，信用值也將提高，因此得到月出庫貨物量影響因子的計算公式如式（3）所示，mk代表第k月的月出庫貨物量，mMax為流水數(shù)據(jù)時間窗口中月出庫貨物量的最大值。

累計出庫貨物量占累計入庫貨物量比：在貿(mào)易商正常經(jīng)營情況下，其累計出庫貨物量應與累計入庫貨物量大致相當，若累計出庫貨物量與累計入庫貨物量相差過大則說明經(jīng)營流水存在問題，因此引入累計出庫貨物量占累計入庫貨物量比來反映貿(mào)易商倉儲流水數(shù)據(jù)的總體情況，計算公式如式（4）所示，其中mk代表第k月的月出庫貨物量，ek代表第k月的月入庫貨物量。

波動懲罰因子：貿(mào)易商每月出庫流水的波動情況反映了貿(mào)易商經(jīng)營的穩(wěn)定性，因此引入出庫流水波動懲罰因子。計算公式如式（5）所示，其中n代表流水數(shù)據(jù)的時間跨度，l代表時間窗口內(nèi)當月出庫貨物量相比于上月減少m的次數(shù)（m為設定的閾值范圍），在波動懲罰因子的作用下，若貿(mào)易商的出庫流水產(chǎn)生較大的波動，貿(mào)易商的信用值會受到懲罰。

綜上，構建基于倉儲流水數(shù)據(jù)的貿(mào)易商信用評估計算公式：

三、仿真實驗與結果分析

（一）仿真參數(shù)設置

為了驗證模型的有效性，對該信用評估模型進行倉儲流水數(shù)據(jù)的仿真測試，比較仿真生成的不同特征的倉儲流水數(shù)據(jù)下模型計算結果的差異。鋼材作為大宗商品，具有交易量大、交易金額高、價格波動大等特征，容易受到宏觀經(jīng)濟的影響。對經(jīng)營鋼材貿(mào)易的貿(mào)易商來說，易面臨融資難和融資貴的問題。因此，本仿真實驗以鋼材行業(yè)為例，通過在Arena仿真軟件中構建鋼鐵貿(mào)易商仿真模型模擬鋼鐵貿(mào)易商接收客戶訂單和原材料物資采購庫存流程。假設鋼鐵貿(mào)易商的補貨提前期L均值μ=15天，方差σ2=2，鋼材最大庫存量為1000噸，安全庫存量為400噸。本文選取近15年國內(nèi)月度鋼材出口量的數(shù)據(jù)①數(shù)據(jù)來源：西本咨詢網(wǎng)。（見圖1），通過仿真軟件對鋼材日均需求量進行參數(shù)分布擬合，擬合結果顯示鋼材日需求量服從參數(shù)為TRIA（4，15.8，38）的三角分布，以此作為鋼鐵貿(mào)易商日需求量分布的依據(jù)，仿真時長設置為三年，通過改變鋼鐵貿(mào)易商的訂單時間間隔模擬具有不同流水特征的鋼鐵貿(mào)易商，根據(jù)仿真結果計算得到鋼鐵貿(mào)易商相應的月出入庫貨物量以及月出入庫次數(shù)，根據(jù)信用評估模型計算得出貿(mào)易商三年間的月度信用值（懲罰因子的閾值m設定為月出庫貨物量的兩倍標準差），并將貿(mào)易商的信用值歸一化到[0—1]區(qū)間內(nèi)。

圖1 國內(nèi)鋼材月度出口量與日需求量擬合

表1 仿真實驗參數(shù)設置

（二）不同類型鋼鐵企業(yè)信用風險演化特征

仿真模型中，主要從訂單時間間隔對不同類型的鋼鐵貿(mào)易商進行設置。假設不同類型貿(mào)易商的鋼材需求量均服從參數(shù)為 TRIA（4，15.8，38）的三角分布，而訂單時間間隔根據(jù)泊松分布進行模擬。仿真針對的貿(mào)易商類型主要分為三類：成長型貿(mào)易商、平穩(wěn)型貿(mào)易商和衰退型貿(mào)易商。

由于不同類型的貿(mào)易商訂單時間間隔不同，假設對成長型貿(mào)易商，其訂單時間間隔越來越短，第一年服從參數(shù)為λ=3的泊松分布，第二年服從參數(shù)為λ=2的泊松分布，第三年服從參數(shù)為λ=1的泊松分布；對穩(wěn)定經(jīng)營的貿(mào)易商，其訂單時間間隔保持一定，設置為服從參數(shù)為λ=2的泊松分布；對衰退型貿(mào)易商，其訂單時間間隔越來越長，第一年服從參數(shù)為λ=1的泊松分布，第二年服從參數(shù)為λ=2的泊松分布，第三年服從參數(shù)為λ=3的泊松分布。訂單時間間隔參數(shù)設置如表2所示。以此進行時長三年的仿真實驗，對仿真結果進行統(tǒng)計可以得到鋼鐵貿(mào)易商每月出庫貨物量及每月出庫次數(shù)等出庫流水數(shù)據(jù)（見圖2）。

圖2 月出庫貨物量、月出庫次數(shù)對比

表2 訂單時間間隔設置

可以看出，對平穩(wěn)型貿(mào)易商，由于其訂單時間間隔在三年間均服從一致的泊松分布，所以統(tǒng)計得到的月出庫流水數(shù)據(jù)較為平穩(wěn)，波動程度不大。對成長型貿(mào)易商，隨著訂單時間間隔的縮短，其月出庫次數(shù)以及月出庫貨物量總數(shù)逐漸增加；對衰退型貿(mào)易商，隨著訂單時間間隔的延長，接到的訂單越來越少，月出庫次數(shù)以及月出庫貨貨物量總數(shù)逐漸減少。

通過信用評估模型對三年36個采樣時間點上的仿真數(shù)據(jù)進行信用值計算，可得到成長型貿(mào)易商、平穩(wěn)型貿(mào)易商及衰退型貿(mào)易商的信用變化狀態(tài)趨勢、波動情況（見圖3）及不同時間點的信用值（見表3）。綜合對比成長型、平穩(wěn)型和衰退型貿(mào)易商的信用值曲線，可以發(fā)現(xiàn)三組貿(mào)易商的信用值曲線由于仿真參數(shù)不同而存在差異，最終呈現(xiàn)不同的趨勢。對成長型貿(mào)易商，第一年由于其訂單時間間隔較長，月出庫貨物量及月出庫次數(shù)保持在較低水平，因此其信用值也較低。而隨著貿(mào)易商所接到的訂單越來越頻繁，信用值也持續(xù)增長，最終達到較高的信用值，最高信用值為0.838。平穩(wěn)型貿(mào)易商由于訂單時間間隔較穩(wěn)定，在前兩年信用值總體呈現(xiàn)出穩(wěn)定上升的趨勢，隨著倉儲流水數(shù)據(jù)的時間跨度增大，所包含的流水數(shù)據(jù)增多，信用值逐漸收斂。對衰退型貿(mào)易商，第一年月出庫次數(shù)和月出庫貨物量較為穩(wěn)定，一段時間后達到較高的信用值，其最高信用評價值為0.721。然后由于其訂單時間間隔逐漸延長，接到的訂單越來越少，導致其出庫貨物量和出庫次數(shù)減少，在時間影響因子、月出庫次數(shù)影響因子、月出庫貨物量影響因子及波動懲罰因子的共同作用下，其信用值與原來相比呈現(xiàn)下降趨勢。

圖3 信用值曲線對比

表3 貿(mào)易商在不同時間點上的信用值

（續(xù)表）

可以看出，對上述不同類型的貿(mào)易商在不同時間點的信用值分析，信用值會受到貿(mào)易商實際經(jīng)營的影響，對成長型貿(mào)易商和衰退型貿(mào)易商，由于其信用值變化幅度較大，若在大宗商品貿(mào)易融資中不能夠?qū)ζ湫庞眠M行動態(tài)評價，將會與貿(mào)易商實際的信用評估產(chǎn)生較大誤差，增大信用風險的發(fā)生概率。

因此，本文研究的基于動態(tài)倉儲流水數(shù)據(jù)的信用評估模型，能夠?qū)⒕哂胁煌魉卣鞯馁Q(mào)易商進行有效劃分，同時模型能夠根據(jù)貿(mào)易商動態(tài)的倉儲流水對其信用值進行動態(tài)調(diào)節(jié)，銀行能夠以此作為參考從倉儲流水數(shù)據(jù)的角度對融資企業(yè)的信用風險進行更加全面的評估。

四、結論

銀企之間的信息不對稱是供應鏈金融發(fā)生風險的重要原因，針對目前大宗商品貿(mào)易融資過程中銀行對貿(mào)易商信用評估沒有較好的解決方案，本文基于動態(tài)倉儲流水數(shù)據(jù)構建了貿(mào)易商的信用評估模型，模型綜合考慮貿(mào)易商歷史倉儲流水數(shù)據(jù)的時間、出庫次數(shù)、出庫貨物量、累計出庫貨物量占累計貨物量入庫比例以及出庫貨物量的波動情況對貿(mào)易商最終信用值的影響，并通過對企業(yè)的訂單時間間隔進行參數(shù)設計仿真出具有不同流水特征的貿(mào)易商，仿真實驗結果表明該模型對具有不同倉儲流水特征的貿(mào)易商有區(qū)分作用，并能根據(jù)流水特征動態(tài)調(diào)節(jié)貿(mào)易商的信用值，驗證了模型的有效性。銀行可以將基于倉儲流水數(shù)據(jù)的動態(tài)信用評估與靜態(tài)指標信用評估相結合，從而更加全面、準確地評估貿(mào)易商的信用水平。