李詩(shī)華 張語(yǔ)濤

摘要：隨著國(guó)際貿(mào)易和“一帶一路”的發(fā)展，越來(lái)越多企業(yè)參與到全球供應(yīng)鏈當(dāng)中，拓展跨境業(yè)務(wù)，產(chǎn)生了巨大的融資需求?？缇彻?yīng)鏈金融能有效解決“一帶一路”供應(yīng)鏈企業(yè)的資金約束問(wèn)題，但同時(shí)也面臨諸多風(fēng)險(xiǎn)。本文旨在探討供應(yīng)鏈金融的國(guó)際化發(fā)展背景和趨勢(shì)，以1 22家參與跨境業(yè)務(wù)的“一帶一路”供應(yīng)鏈企業(yè)的面板數(shù)據(jù)為樣本，探討模型的構(gòu)建方法和優(yōu)化策略，同時(shí)借助主成分分析和Logistic回歸，建立跨境供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警模型，并對(duì)該模型進(jìn)行實(shí)證分析，提出相應(yīng)的預(yù)警策略和管理建議，以更好促進(jìn)跨境供應(yīng)鏈金融業(yè)務(wù)開(kāi)展和“一帶一路”建設(shè)成效。

關(guān)鍵詞：跨境供應(yīng)鏈金融；風(fēng)險(xiǎn)預(yù)警；“一帶一路”

中圖分類號(hào)：F830. 56?????? 文獻(xiàn)標(biāo)志碼：A???? 文章編號(hào)：1003-5559-（2024）01-0081-05

一、引言

近年來(lái)，供應(yīng)鏈金融在中國(guó)的快速發(fā)展已經(jīng)引起了整個(gè)業(yè)界的廣泛關(guān)注。在全球經(jīng)濟(jì)一體化背景下，隨著“一帶一路”建設(shè)的持續(xù)深入推進(jìn)，我國(guó)跨境行業(yè)迎來(lái)了全新的貿(mào)易增長(zhǎng)契機(jī)。根據(jù)中國(guó)海關(guān)總署發(fā)布的《中國(guó)跨境電商貿(mào)易年度報(bào)告》顯示，2022年，中國(guó)跨境電商進(jìn)出口規(guī)模首次突破 2萬(wàn)億元人民幣，達(dá)到 2. 1萬(wàn)億元，比20 21年增長(zhǎng)7. 1% 。隨著跨境貿(mào)易企業(yè)的融資需求不斷增加，跨境供應(yīng)鏈金融迎來(lái)了新一輪的發(fā)展機(jī)遇，對(duì)其風(fēng)險(xiǎn)預(yù)警的需求也隨之日益增加。由于供應(yīng)鏈參與各方的經(jīng)營(yíng)數(shù)據(jù)的不完善，供應(yīng)鏈金融機(jī)構(gòu)無(wú)法對(duì)企業(yè)的行為進(jìn)行全面、準(zhǔn)確的研判，不僅影響融資企業(yè)的發(fā)展，還造成整個(gè)供應(yīng)鏈的整體效率低下。而跨境供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警可以及時(shí)發(fā)現(xiàn)和預(yù)測(cè)供應(yīng)鏈金融國(guó)際合作中的各種風(fēng)險(xiǎn)，建立一整套風(fēng)險(xiǎn)監(jiān)測(cè)和預(yù)警機(jī)制，包括數(shù)據(jù)采集和處理、風(fēng)險(xiǎn)評(píng)估、信息共享和協(xié)同等，以幫助金融機(jī)構(gòu)和相關(guān)企業(yè)及時(shí)發(fā)現(xiàn)和防范信貸風(fēng)險(xiǎn)，提高跨境供應(yīng)鏈管理效率。

現(xiàn)有研究方面，Ghadge 等（2019）闡述了供應(yīng)鏈金融以及信用風(fēng)險(xiǎn)的概念，并且考慮到主體的評(píng)級(jí)和債務(wù)等級(jí)，確立了信用風(fēng)險(xiǎn)計(jì)量模型，有助于修訂和完善現(xiàn)有的信用預(yù)警體系，提高衡量當(dāng)前供應(yīng)鏈金融風(fēng)險(xiǎn)的準(zhǔn)確性；Zulqurnain等（2019）針對(duì)供應(yīng)鏈企業(yè)分析以及融資模式，發(fā)現(xiàn)供應(yīng)鏈金融對(duì)上下游經(jīng)濟(jì)的發(fā)展具有顯著的影響，供應(yīng)鏈金融可以提高供應(yīng)鏈的有效性，降低信用風(fēng)險(xiǎn)；Wetzel 等（2019）研究了影響供應(yīng)鏈金融信用風(fēng)險(xiǎn)的因素，并對(duì)供應(yīng)鏈融資過(guò)程中可能發(fā)生的信用風(fēng)險(xiǎn)進(jìn)行案例解析；Fayyaz 等（202 0）在分析供應(yīng)鏈金融網(wǎng)絡(luò)中合作參與者的網(wǎng)絡(luò)屬性的基礎(chǔ)上，提出了一種將供應(yīng)鏈的網(wǎng)絡(luò)特征作為預(yù)測(cè)信用風(fēng)險(xiǎn)關(guān)鍵屬性的方法。

風(fēng)險(xiǎn)管理方面，匡海波（2020）綜合考慮了全鏈條面臨的整體風(fēng)險(xiǎn)，對(duì)供應(yīng)鏈金融模式下供應(yīng)鏈企業(yè)如何構(gòu)建有效的信用風(fēng)險(xiǎn)指標(biāo)體系進(jìn)行了研究；宋華（2019）認(rèn)為，供應(yīng)鏈金融將實(shí)體經(jīng)濟(jì)與金融業(yè)務(wù)有效聯(lián)系起，能夠有效降低供應(yīng)鏈企業(yè)的融資和運(yùn)營(yíng)成本；徐源（2019）在大數(shù)據(jù)助推信貸風(fēng)險(xiǎn)管理的研究中指出，大數(shù)據(jù)技術(shù)應(yīng)用于信貸風(fēng)險(xiǎn)管理中，能夠?yàn)樯虡I(yè)銀行的信貸風(fēng)控提供更多元化的應(yīng)對(duì)措施；李淑錦（2020）運(yùn)用Lasso-Logistic 模型對(duì)金融風(fēng)險(xiǎn)進(jìn)行評(píng)估，結(jié)果表明預(yù)測(cè)準(zhǔn)確性比僅使用單一的Logistic模型更高。

綜上所述，目前大部分研究主要偏向于單一信用風(fēng)險(xiǎn)，對(duì)供應(yīng)鏈金融風(fēng)險(xiǎn)的整體評(píng)估有限；風(fēng)險(xiǎn)管理研究主要集中在風(fēng)險(xiǎn)理論模型描述，缺乏實(shí)證分析；對(duì)跨境供應(yīng)鏈金融研究十分有限，結(jié)合“一帶一路”供應(yīng)鏈企業(yè)營(yíng)運(yùn)實(shí)際和融資屬性的相關(guān)研究更是少見(jiàn)。本文在相關(guān)的理論基礎(chǔ)上，結(jié)合跨境供應(yīng)鏈企業(yè)的業(yè)務(wù)特點(diǎn)與資金約束條件，解析跨境供應(yīng)鏈金融風(fēng)險(xiǎn)的產(chǎn)生因素和風(fēng)險(xiǎn)特點(diǎn)，探討跨境供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警的相關(guān)問(wèn)題。主要研究?jī)?nèi)容包括構(gòu)建跨境供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系、構(gòu)建風(fēng)險(xiǎn)預(yù)警模型、對(duì)模型進(jìn)行效度和信度檢驗(yàn)、分析模型的實(shí)用性和有效性，并針對(duì)構(gòu)建的跨境供應(yīng)鏈金融風(fēng)險(xiǎn)等級(jí)劃分標(biāo)準(zhǔn)帶入已獲取的“一帶一路”供應(yīng)鏈企業(yè)面板數(shù)據(jù)進(jìn)行實(shí)證研究，提出相應(yīng)的預(yù)警策略和建議。

二、跨境供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的構(gòu)建

（一）預(yù)警指標(biāo)選取的原則

只有客觀、科學(xué)的預(yù)警指標(biāo)體系才能準(zhǔn)確反映跨境供應(yīng)鏈金融風(fēng)險(xiǎn)的變化特征，對(duì)潛在的風(fēng)險(xiǎn)進(jìn)行科學(xué)合理的預(yù)測(cè)。因此，建立跨境供應(yīng)鏈金融預(yù)警指標(biāo)體系應(yīng)該遵循相關(guān)性、可靠性、可操作性原則對(duì)跨境供應(yīng)鏈金融風(fēng)險(xiǎn)進(jìn)行綜合的評(píng)估。

（二）數(shù)據(jù)來(lái)源

考慮到供應(yīng)鏈金融的參與者是整個(gè)供應(yīng)鏈鏈條上以核心企業(yè)為主的供應(yīng)鏈鏈條企業(yè)，他們當(dāng)中大多數(shù)規(guī)模較小且正處于成長(zhǎng)期，資金需求較大同時(shí)能獲得金融機(jī)構(gòu)貸款的額度也較低。本文借助 CSMAR數(shù)據(jù)庫(kù)公布的數(shù)據(jù)，選擇參與“一帶一路”跨境業(yè)務(wù)的相關(guān)供應(yīng)鏈制造企業(yè)作為研究樣本，選取了1 22家典型供應(yīng)鏈企業(yè)在20 23 年第二季度（截至20 23 年 6 月3 0日）的各項(xiàng)財(cái)務(wù)數(shù)據(jù)，在剔除數(shù)據(jù)不完整的企業(yè)后，最終選擇 98 家經(jīng)營(yíng)正常的供應(yīng)鏈企業(yè)和24家被標(biāo)記為 ST 的供應(yīng)鏈企業(yè)作為研究對(duì)象，運(yùn)用“主成分分析（PCA）+二元 Logistic 回歸法”構(gòu)建跨境供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警模型。

（三）預(yù)警指標(biāo)的篩選與確定

本文在參考各類金融機(jī)構(gòu)及學(xué)者構(gòu)建預(yù)警指標(biāo)選擇文獻(xiàn)的基礎(chǔ)上，結(jié)合跨境供應(yīng)鏈供應(yīng)鏈企業(yè)的實(shí)際情況和業(yè)務(wù)特征，選擇了 5個(gè)盈利能力指標(biāo)、6個(gè)償債能力指標(biāo)、4個(gè)發(fā)展?jié)摿χ笜?biāo)和 3個(gè)營(yíng)運(yùn)風(fēng)險(xiǎn)指標(biāo)總共 18個(gè)二級(jí)指標(biāo)構(gòu)建跨境供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系，如表1所示。

三、指標(biāo)分析

（一）描述性統(tǒng)計(jì)

從 CSMAR 數(shù)據(jù)庫(kù)選取的樣本中， 24家供應(yīng)鏈企業(yè)被 ST 處理，占總樣數(shù)的19.7%，其中X 10和 X 18的標(biāo)準(zhǔn)差分別為7 .8 和11.4，表明研究樣本中各供應(yīng)鏈制造企業(yè)的現(xiàn)金流到期債務(wù)保障倍數(shù)和營(yíng)運(yùn)指數(shù)相差較大。

（二）主成分分析

采用 SPSS統(tǒng)計(jì)軟件對(duì)數(shù)據(jù)進(jìn)行主成分分析，通過(guò)輸出的 KMO 和 Bartlett 數(shù)值，判斷上述構(gòu)建的各項(xiàng)指標(biāo)數(shù)據(jù)是否適合使用主成分分析。結(jié)果顯示，有五個(gè)較大的特征值5.554、4.486、1.60 3、1.445、1.185，累計(jì)貢獻(xiàn)率達(dá)到79. 3%。代表原來(lái)的1 8個(gè)指標(biāo)大部分信息能被較好地解釋，選取 F1、F2、F3、F4、F 5作為主成分指標(biāo)進(jìn)行分析，成份得分系數(shù)矩陣如表2所示。

由成份得分系數(shù)矩陣，表2，可以分別將原來(lái)18個(gè)指標(biāo)表示為：

由于篇幅有限，F(xiàn)3、F4、F 5可同理獲得，本文在此不再贅述。

（三）Logistic模型風(fēng)險(xiǎn)評(píng)估

根據(jù)相關(guān)供應(yīng)鏈企業(yè)股票是否被劃分為 ST 股票，選取兩組樣本，并設(shè)置啞變量。將被標(biāo)記為 ST 的股票，即出現(xiàn)財(cái)務(wù)狀況或其他經(jīng)營(yíng)異常的企業(yè)賦值為1，未被標(biāo)記為 ST 的股票賦值為 0。將上文所得 5個(gè)主成分指標(biāo)進(jìn)行 Logistic 回歸，得到的回歸模型預(yù)測(cè)結(jié)果分類匯總情況，如表3。

依據(jù)百分比校正值以及預(yù)測(cè)精度來(lái)衡量該模型評(píng)估的準(zhǔn)確性，在概率界限為0 .5的條件下，總體預(yù)測(cè)精確度為93.4%，其中對(duì)風(fēng)險(xiǎn)水平低（分類情況為0 ）的企業(yè)判為守信率高的準(zhǔn)確率為96.9%，對(duì)風(fēng)險(xiǎn)水平高（分類情況為1）的企業(yè)判為守信率低的準(zhǔn)確率為79.2%，總體預(yù)測(cè)精確度理想。保留 P 值小于0. 05的變量，得到 logistic 模型的預(yù)測(cè)函數(shù)為：

根據(jù)企業(yè)守約概率得出各等級(jí)企業(yè)的授信區(qū)間，具體如表4所示。

由于總體預(yù)測(cè)精確度為93.4%，公式所求得的P值近似代表授信企業(yè)的守約概率。將需要預(yù)測(cè)企業(yè)的財(cái)務(wù)數(shù)據(jù)代入模型測(cè)算其信用風(fēng)險(xiǎn)狀況，計(jì)算出 P 值。P 值越接近0，則表明該企業(yè)的信貸風(fēng)險(xiǎn)較高，P 值越接近1，則表明該企業(yè)的信貸風(fēng)險(xiǎn)較低。

四、實(shí)證研究

為了進(jìn)一步探究上述模型結(jié)果及授信等級(jí)劃分標(biāo)準(zhǔn)的準(zhǔn)確性，特在 CSMAR 數(shù)據(jù)庫(kù)中隨機(jī)選取 9家相關(guān)供應(yīng)鏈制造企業(yè)：香雪制藥、福能東方、正業(yè)科技、蘇大維格、中船應(yīng)急、ST 新研、ST 金運(yùn)、ST紅相、ST路通及其202 3年 6月30日公布的財(cái)務(wù)數(shù)據(jù)，分別計(jì)算上述各企業(yè)的主成分 1 到主成分5的值，如表5所示。

將主成分1到主成分5的值分別帶入Logistic 預(yù)測(cè)模型，得到對(duì)應(yīng)的守約概率和所屬授信等級(jí)，如表6所示。

根據(jù)計(jì)算結(jié)果，被標(biāo)記為 ST的企業(yè)授信水平均為 B 級(jí)及以下，可以認(rèn)為根據(jù)本文所建模型計(jì)算出的守約概率與該企業(yè)是否被劃分為 ST 基本吻合，具有較高的擬合精度和判別能力。

五、結(jié)論

本文從跨境供應(yīng)鏈企業(yè)的研究視角出發(fā)，通過(guò)對(duì)國(guó)內(nèi)外有關(guān)文獻(xiàn)的梳理，闡述了供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警相關(guān)的理論知識(shí)，并對(duì)跨境供應(yīng)鏈相關(guān)企業(yè)的特征進(jìn)行解析。建立了 4個(gè)一級(jí)指標(biāo)、 18個(gè)二級(jí)指標(biāo)的風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。聯(lián)合主成分分析法和二元 Logistic 回歸模型構(gòu)建了跨境供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警模型，計(jì)算得到了反映供應(yīng)鏈企業(yè)金融風(fēng)險(xiǎn)水平的P值。通過(guò)觀察納入模型因子貢獻(xiàn)大小，總結(jié)幾條關(guān)于跨境供應(yīng)鏈企業(yè)的管理建議：

第一，風(fēng)險(xiǎn)預(yù)警使供應(yīng)鏈金融各方在開(kāi)展融資業(yè)務(wù)時(shí)可以更準(zhǔn)確把握借款企業(yè)的風(fēng)險(xiǎn)，降低貸款的不確定性。跨境供應(yīng)鏈金融主體可以根據(jù)跨境供應(yīng)鏈企業(yè)的風(fēng)險(xiǎn)水平制定更有針對(duì)性、更合理的貸款利率，減少對(duì)信貸配給的依賴，實(shí)現(xiàn)銀企雙贏。

第二，盈利能力對(duì)于跨境供應(yīng)鏈企業(yè)信用水平影響較大。盈利是企業(yè)正常開(kāi)展經(jīng)營(yíng)活動(dòng)之本，跨境供應(yīng)鏈企業(yè)唯有搶抓“一帶一路”歷史機(jī)遇，主動(dòng)融入國(guó)際供應(yīng)鏈，加強(qiáng)合作，不斷拓展境外業(yè)務(wù)和市場(chǎng)，實(shí)現(xiàn)連續(xù)盈利可降低發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的危機(jī)，授信水平也就相應(yīng)越高。

第三，合規(guī)管理水平對(duì)跨境供應(yīng)鏈企業(yè)的運(yùn)轉(zhuǎn)至關(guān)重要。尤其是跨境供應(yīng)鏈制造企業(yè)更易受供應(yīng)鏈上下游相關(guān)企業(yè)應(yīng)收賬款的影響，經(jīng)營(yíng)存在較大的不確定性，企業(yè)運(yùn)營(yíng)不暢會(huì)導(dǎo)致資金鏈斷裂，這將進(jìn)一步影響整個(gè)供應(yīng)鏈條的正常運(yùn)轉(zhuǎn)，因此相關(guān)企業(yè)應(yīng)提高運(yùn)營(yíng)效率，同時(shí)建立適用于企業(yè)管理的現(xiàn)代企業(yè)制度。

總之，本文構(gòu)建的跨境供應(yīng)鏈金融風(fēng)險(xiǎn)預(yù)警模型具有較高的擬合精度和判別能力，適用于“一帶一路”供應(yīng)鏈企業(yè)的實(shí)際情況與信用評(píng)級(jí)的真實(shí)需求，可為跨境供應(yīng)鏈金融相關(guān)方開(kāi)展風(fēng)險(xiǎn)評(píng)估及信貸決策提供借鑒參考。但鑒于現(xiàn)實(shí)中的跨境供應(yīng)鏈金融服務(wù)對(duì)象多為對(duì)資金需求較高、跨境業(yè)務(wù)數(shù)據(jù)資料不全、信息共享程度不高的非上市企業(yè)，他們的財(cái)務(wù)信息披露情況不如上市企業(yè)的數(shù)據(jù)那么及時(shí)、透明和準(zhǔn)確，因此本文在財(cái)務(wù)數(shù)據(jù)獲取方面尚且存在一定的局限性。

參考文獻(xiàn)：

[1]GHADGE A， DANI S， CHESTER M. A systems ap- proach for modelling supply chain risks[J]. Supply Chain Management： An International Journal， 2013， 18（5）：52 3-538.

[2]ZULQURNAIN A， GONGBING B， MEHREEN A. Sup -ply chain network and information sharing effects of SMEs ’credit quality on firm performance[J]. Journal of Enterprise Information Management， 2019， 32（5）：714-73 4.

[3]WETZEL P， HOFMANN E. Supply chain finance， finan- cial constraints and corporate performance： an explorative network analysis and future research agenda[J]. Interna- tional Journal of Production Economics， 2019， 216：36 4-383.

[4]FAYYAZ M， RASOULI M， AMIRI B. A data-driven and network-aware approach for credit risk prediction in sup- ply chain finance[J]. Industrial Management & Data Sys- tems， 2020， 121（4）：785-808.

[5]匡海波，杜浩，豐昊月，供應(yīng)鏈金融下供應(yīng)鏈企業(yè)信用風(fēng)險(xiǎn)指標(biāo)體系構(gòu)建［J］.科研管理，2020，41（4）：209－219.

[6]徐源.大數(shù)據(jù)助推信貸風(fēng)險(xiǎn)管理創(chuàng)新探討[J].現(xiàn)代營(yíng)銷（信息版），2019（7 ）：150.

[7]李淑錦， 嵇曉佳.基于 Lasso-Logistic 模型的個(gè)人信用風(fēng)險(xiǎn)評(píng)估——來(lái)自微貸網(wǎng)的數(shù)據(jù)分析[J].杭州電子科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020， 16（06）： 8-15.

[8]李逸君.論析供應(yīng)鏈企業(yè)信貸風(fēng)險(xiǎn)管理審計(jì)評(píng)價(jià)指標(biāo)[J ].時(shí)代金融，2022（6）：38-39+95.

[9]陳欣欣， 郭洪濤.因子分析和Logistic回歸在農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警中的聯(lián)合運(yùn)用[J].數(shù)理統(tǒng)計(jì)與管理，2022， 41 （1 ）：11-24.

[10]區(qū)夢(mèng)怡.大數(shù)據(jù)背景下上市公司財(cái)務(wù)預(yù)警模型選擇與實(shí)證研究[J].廣西經(jīng)濟(jì)，2022，40（04）：89-93.

[11]高曉靈.中國(guó)制造業(yè)供應(yīng)鏈企業(yè)的信用風(fēng)險(xiǎn)評(píng)估[D ].杭州電子科技大學(xué)，2022.

[12]高柳娜.供應(yīng)鏈金融下供應(yīng)鏈企業(yè)的信用評(píng)級(jí)分析[J ].全國(guó)流通經(jīng)濟(jì)，2020（25 ）：15 0-152 .

Empirical Research on Early Warning of Financial Risks in Cross-borderSupply Chain under the Belt and Road Initiative

LI Shihua， ZHANG Yutao

（School of Management， Wuhan Textile University，Wuhan， China， 430200）

Abstract：With the development of international trade and the Belt and Road ， more and more enterprises are par- ticipating in the global supply chain， expanding cross-border business， which generates huge financing needs. Cross-border supply chain finance can effectively solve the financial constraints of enterprises in the Belt and Road supply chain， but it also faces many risks. This paper aims to explore the international development background and trend of supply chain fiance. With the panel data of 122 supply chain enterprises engaged in cross-border busi- ness along the Belt and Road this paper discusses the construction methods and optimization strategies of the eary warning model. At the same time， with the help of principal component analysis and logistic regression， this paper establishes a cross-border supply chain financial risk early warning model， makes empirical analysis of the model， and puts forward corresponding early warning strategies and management suggestions， thus to better promote the development of cross-border supply chain finance and the construction of the Belt and Road.

Keywords：cross-border supply chain finance; risk warning; the Belt and Road Initiative

（責(zé)任編輯：周?。?/p>