基于主成分和灰色層次關聯的供應鏈金融信用風險研究

李佳桐，劉媛華 （上海理工大學 管理學院，上海200093）

LI Jia-tong, LIU Yuan-hua (Management School, University of Shanghai for Science and Technology, Shanghai 200093, China)

0 引 言

近年來，隨著銀行之間競爭形勢的不斷變化，商業銀行為了獲取更大的利益，不斷拓寬信貸的渠道，開發研究更多的金融產品，加之我國的實體經濟正處在快速發展的階段，對信貸的需求也頗為旺盛，因此，供應鏈金融模式得到了越來越多的關注，成為了中小企業解決融資困難和銀行獲利的有效渠道。供應鏈金融，簡單地說，就是銀行將核心企業和上下游企業聯系在一起提供靈活運用的金融產品和服務的一種融資模式。目前，供應鏈金融的運作模式主要包括存貨抵押融資模式、應收賬款融資模式、保兌倉融資模式等三種模式，關鍵因素是：覆蓋主要貿易渠道和定位相關企業和安全參與[1]。

隨著供應鏈金融的不斷發展和變革，中小企業的信用問題也越來越得到重視，企業的資信成了銀行考慮的首要因素，信用風險也成了制約供應鏈金融發展的障礙，從而促使了國內學者紛紛在供應鏈金融信用風險度量模型上進行了研究。羅齊（2002） 提出來融通倉的概念并進行了詳細闡述，同時還分析了融通倉獲得金融機構的授信額度和成立獨特的信用擔保體系兩種運作模式[2]。彎紅地（2008） 通過對應收賬款融資模式的風險模型分析，認為供應鏈金融依賴的風險規避機制存在失靈的可能性，需要銀行與核心企業建立新型合作的關系，并發揮他們各自的優勢，才能達到供應鏈金融期望實現的作用[3]。熊熊、馬佳（2009） 研究了在供應鏈金融模式下的信用風險評價，提出了考慮主體評級和債項評級的信用風險評價體系，用主成分分析法和Logistic 回歸方法建立信用風險評價模型并提出應加強對客戶基礎數據庫的建設，從而有利于對現有信用評價體系的修正和完善，提高其準確性[4]。胡海青、張瑯、張道宏、陳亮（2011） 運用支持向量機（SVM） 建立信用風險評估模型研究了在供應鏈金融模式下的信用風險評估，提出了綜合考慮核心企業資信狀況及供應鏈關系的信用風險評估指標體系，結果表明基于SVM 的信用風險評估體系具有優越性[5]。夏立明、曾樂樂、孟麗（2011） 從銀行的視角，建立了中小企業信用風險評價指標體系，運用灰色層次分析法和一次門限法，建立了基于供應鏈金融的中小企業信用風險評價模型[6]。何金蔭、孟志青、崔后卿（2013） 對中小企業信用風險的影響因素，建立較為全面的綜合評價指標體系，并結合AHP-云重心理論對企業信用風險進行評價，通過將一個待測企業風險指標與理想企業相關指標做比較，計算出偏離度，判定待測企業的風險大小接著又將AHP 方法與AHP-云重心方法作對比，計算出一個區分度，從而幫助銀行、信貸公司選擇合適的中小企業[7]。

目前，由于供應鏈金融發展的時間還不長，在信用風險度量模型方面還不夠成熟，還沒有出現專門度量模型來評價和防范風險。本文在前人研究的基礎上，采用主層次分析法和灰色多層次關聯建立信用風險模型。由于信用風險指標過多，不易操作，先采用主成分分析法選擇具有代表性的指標，并且這些指標具有層次性，且部分指標無法確知，只是近似估計，所以有一定的關聯性，因此選擇層次分析法確定各指標的權重，再結合灰色關聯分析法得出關聯系數，計算出與標準序列的關聯度，進行評價。

1 供應鏈金融模式企業信用風險指標的識別

根據中國銀監會公布的《銀行開展小企業授信工作制度意見》 （銀監發[2007] 53 號） 銀行應建立和完善小企業客戶信用風險評估體系，可依據企業經營狀況、存續時間、償債能力、經營者素質、發展前景、資信狀況等指標，制定小企業信用評分體系，突出對小企業業主或主要股東個人的信用，以及小企業所處市場環境和信用環境的評價[8]。由此可以看出，銀行在傳統的信貸模式下，主要考查的是企業的財務狀況。然而我國的中小企業的財務制度還不夠健全、透明度還不夠高，以及規模上的一些限制，使企業不能夠達到銀行的要求來進行抵押，難以獲得授信，嚴重制約了企業的發展。

相比較傳統模式，供應鏈金融信用評價體系從關注中小企業自身的風險，轉變成關注供應鏈的整體風險，從對中小企業的靜態財務數據進行評價，轉變到關注單筆交易的自償性，對交易全過程進行評價[9]。銀行站在供應鏈全局的角度，對供應鏈的單個企業或上下游多個企業進行授信，不再以單個企業的財務指標作為唯一授信標準，更多的是考慮整條供應鏈真實的貿易背景、抗風險能力，以及融資企業與核心企業的關系程度，借助于核心企業的資信狀況，拓展了自身的信貸范圍，也幫助眾多中小企業解決了融資難的問題。

本文在借鑒銀行信用評價體系的基礎上，遵循全面性、科學性、系統性、針對性、可操作性的原則，并結合供應鏈金融自身的特點，建立了供應鏈金融信用風險評價指標。包括以下5 個方面：

（1） 申請企業資質，包括企業素質、營運能力、盈利能力、償債能力和發展能力，是融資企業真實情況的反映，也符合傳統模式下信貸的考察內容，是主要的評價指標。

（2） 企業資產狀況，包括質物特征和應收賬款特征。質物特征直接影響到質押物的安全問題，也是質押物價值的保障。應收賬款特征則考慮了退貨比率、應收賬款到賬率和應收賬款賬期。銀行通過對這兩項的評估，若申請企業違約時，銀行將其變現來彌補損失。因此，企業資產狀況是銀行考察的重中之重。

（3） 供應鏈運營能力，包括合作密切程度、以往違約率，是對供應鏈整個真實背景的考察，是供應鏈金融新的考察指標。當申請企業與核心企業合作時間越長、關系越密切，則銀行的信貸風險可能就越小。

（4） 核心企業資質，包括信用記錄、盈利能力和償債能力。通過對核心企業的考察，了解核心企業的狀況，即使申請企業在違約的情況下，也可以通過核心企業來降低銀行的風險。

（5） 行業環境，包括行業發展前景和宏觀環境。整個行業所處的現狀、GDP 的增長趨勢以及相關法律法規、政策的支持程度，對信用風險也有一定的影響。

本文將這5 個方面作為一級指標，并選取了企業素質、營運能力、盈利能力等14 個二級指標和管理者素質、職工素質等38 個三級指標，如表1 所示。

2 供應鏈金融模式下企業信用風險模型的構建

2.1 主成分分析法選取主要評價指標

主成分分析（Principal Component Analysis） 是利用降維的思想，將多個變量轉化為少數幾個綜合變量（即主成分），其中每個主成分都是原始變量的線性組合，各主成分之間互不相關，從而這些主成分能夠反映始變量的絕大部分信息，且所含的信息互不重疊[10]。采用這種方法可以將多個指標進行篩選，避免了一些具有相關性的指標進一步計算，使得復雜問題得以簡化，同時得到更為科學、準確的信息。

主成分分析法選取主要評價指標有以下幾個步驟：

（1） 估計樣本數，選取指標，并對指標數據進行標準化處理：

p維隨機向量個樣品i=1,2,…,n，且n＞p，構造樣本陣，對樣本陣進行如下標準化變換：

表1 信用風險識別指標體系及描述

（2） 根據標準化數據矩陣Z，建立協方差矩陣：

（3） 根據協方差矩陣R求出特征值、主成分貢獻率和累計方差貢獻率，確定主成分個數：

2.2 層次分析法確定指標的權重

層次分析法（The Analytic Hierarchy Process，AHP） 在20 世紀70 年代中期由美國運籌學家托馬斯·塞蒂（T.L.Saaty） 正式提出。它是一種定性和定量相結合的、系統化、層次化的分析方法。層次分析法確定指標權重的步驟有如下：

（1） 建立層次結構模型

將上面中確定的m個指標作為準則層，待評價的n個企業作為方案層，建立層次結構模型。

（2） 構造兩兩比較矩陣

在這一步驟，我們要結合德爾菲法。先邀請一些專家對指標層進行打分，不是要求他們直接確定指標的權重，而只要確定指標i與指標j之間的相對重要性，即相對權重aij構造兩兩比較矩陣。aij的取值可以參考Saaty 的1～9 比例標度，如表2[12]。

（3） 計算各指標權向量并做一致性檢驗

已知m個指標的兩兩比較矩陣為A，其相對權重向量形式為W

表2 1～9 比例標度

①計算矩陣權重向量

在計算矩陣的權重向量W，本文采用和法，即：

②一致性檢驗

矩陣A一致性檢驗指標CI：

且：

矩陣A一致性比率C.R.：

其中R.I.查表可得，如表3：

表3 R.I.值

當C.R.＜0.1 時，認為判斷矩陣的一致性是可以接受的；當C.R.≥0.1 時，應該對判斷矩陣做適當修正。

2.3 利用灰色關聯分析確定關聯度，綜合評價企業信用風險大小

灰色關聯分析是研究事物、因素之間關聯性的一種方法，根據序列曲線幾何形狀的相似程度來判斷其聯系是否緊密。曲線越緊密，相應序列之間的關聯度就越大，反之就越小[11]。具體步驟如下：

（1） 確定分析數據序列

（2） 變量的無量綱化

當系統行為特征映射量和各個相關因素的意義、量綱不同時，不便于做進一步的量化研究分析，因此就要對他們進行無量綱化處理。初值化法、均值化法和區間值化法都可用來將序列化為無量綱化且數量級相同的序列，在這里我們選取初值化法。

式中xi（k）為各數據序列中的分值，xi（1 ）為數據序列的初始值，yi（k）為無量綱化處理過后的值。

（3） 計算關聯系數

①求差序列

②求兩極最大差和最小差

③求關聯系數

（4） 結合權重，建立灰色多層次關聯綜合評價模型，求綜合關聯度

通過最終比較n個方案的綜合關聯度，篩選出最佳方案。

3 實證分析

本文選取了中小企業板上的甲、乙、丙、丁、戊5 個醫藥公司為例，進行供應鏈信用風險的分析，旨在篩選出最佳的信貸合作伙伴。其中相關的定量指標可以通過企業的財務報表得出，定性指標則通過專家評分的方法給出，評分范圍在1～9 之間。

（1） 提取主成分

本文通過SPSS18.0 軟件對甲、乙、丙、丁、戊5 個公司的38 個指標進行主成分篩選，前3 個成分累積貢獻率就已經達到86.776%，符合大于85%的原則，即選取前3 個作為主成分，如表4，由于篇幅有限，本文只截取了前面一部分。

表4 解釋的總方差

根據前3 個主成分，得到突出反映的15 個指標，分別為：C6固定資產周轉率、C10成本費用利潤率、C11流動比率、C12速動比率、C13資產負債率、C15總資產增長率、C16銷售收入增長率、C19價格穩定性、C21退貨比率、C22應收賬款壞賬率、C23應收

賬款賬期、C25交易頻度、C28核心企業凈資產收益率、C33核心企業資產負債率、C37宏觀經濟狀況。

（2） 確定權重

本文結合專家對各個指標進行的相對權重的判定，再利用yaahp7.5 軟件計算各個指標的權重，得到以下具體數據，并且其一致性比率C.R.為0.0391，C.R.＜0.1，即一致性是可以接受的。

（3） 計算綜合關聯度

本文選取5 家企業的每個指標的最優值組成標準數據序列，將所有序列經過變量的無量綱化后，再分別計算出差序列：

并且進一步得到極差的最大值和最小值：

取ξ=0.5，計算得到關聯系數矩陣R：

再結合權重，計算出綜合關聯度U：

由此可以看出，銀行最佳的授信對象為戊公司。

4 結束語

本文在考慮供應鏈金融信用風險影響因素的基礎上，較為全面、合理地選擇了信用風險評價指標，構建了信用風險評價體系。通過主成分分析法，將多個指標轉化為幾個主要指標，避免了一些指標之間的相關性影響，又通過層次分析法確立各指標權重，并與灰色關聯系數結合，得到綜合關聯度，以此來確立銀行的最佳授信對象。將定量方法與定性方法相結合，得到較為客觀的結果，有效地對供應鏈的金融信用風險進行評價。本文的研究也有不足之處，指標的權重是通過專家打分得來，具有一定的主觀性。在進一步的研究中可以選擇更加客觀的方法來確定權重，使模型更加完善和符合實際需求。

[1] Nicolas. Supply chain finance-From myth to reality[J]. McKinsey on Payments, 2010(10):22-28.

[2] 羅齊，朱道立，陳伯銘. 第三方物流服務創新：融通倉及其運作模式初探[J]. 中國流通經濟，2002(2):11-14.

[3] 彎紅地. 供應鏈金融的風險模型分析研究[J]. 經濟問題，2008(11):109-111.

[4] 熊熊，馬佳，趙文杰,等. 供應鏈金融模式下的信用風險評價[J]. 南開管理評論，2009(4):92-98.

[5] 胡海青，張瑯，張道宏,等. 基于支持向量機的供應鏈金融信用風險評估研究[J]. 軟科學，2011(5):26-30.

[6] 夏立明，宗恒恒，孟麗. 中小企業信用風險評價指標體系的構建——基于供應鏈金融視角的研究[J]. 金融論壇，2011(10):73-79.

[7] 何金蔭，孟志青，崔后卿. 供應鏈金融環境下的中小企業信用風險評價——基于AHP-云重心的綜合評價模型[J]. 經濟與管理，2013(10):92-95.

[8] 劉遠亮，高書麗. 基于供應鏈金融的小企業信用風險識別研究[J]. 海南金融，2013(2):20-24.

[9] 劉長義，孫剛. 基于聚類分析與模糊可拓AHP 的中小企業信用評價——一個供應鏈金融的視角[J]. 現代管理科學，2011(5):83-85.

[10] 朱星宇，陳勇強. SPSS 多元統計分析方法及應用[M]. 北京：清華大學出版社，2011:241.

[11] Saaty T L. The Analytic Hierarchy Process：Planning, P rioritySetting[M]. Resource AllocationMcGraw-H ill, New York,1980.

[12] 劉思峰，謝乃明. 灰色系統理論及其應用[M]. 北京：科學出版社，2013.