供應鏈金融模式下中小企業信用風險評價模型

張嘉欣

摘 要：供應鏈金融在一定程度上降低了中小企業的融資門檻。本文分析了供應鏈融資模式下中小企業信用風險的來源，確定了評價指標體系。然后，通過主成分分析和logistic回歸，建立中小企業信用風險評價模型。對模型的準確性進行了較高的測試，并將供應鏈財務模型下中小企業的違約風險概率預測的準確性與傳統模式的準確性進行了比較。確定中小企業的信用風險主要來自于自身的情況，為銀行、中小企業提高中小企業信用評級提供了建議。

關鍵詞：供應鏈金融 中小企業 信用風險

1引言

近年來，在全球產業一體化和金融深度一體化的趨勢下，供應鏈金融具有產業與金融的雙重屬性，能夠為產業鏈上下游企業提供基于業務的融資服務，從而實現快速發展。供應鏈金融作為社會經濟的背景，將核心企業和上下游企業聯系在一起，整合和優化物流、資金流和信息流，有效地降低了金融機構與中小企業之間的溝通成本。同時銀行通過對供應鏈企業間的真實交易追蹤，確保每項業務的資金都可以及時支付來控制風險，從而可以為資信普遍較低的中小企業提供融資服務，拓展了銀行的業務領域，增加了金融機構對中小企業融資服務的積極性，提升了整個供應鏈的運作效率和價值。

國內學者周純敏（2009）認為供應鏈金融模式的主要風險就是信用風險。韓明輝（2011）選取農業企業來研究供應鏈，針對其行業特征、經營環境，得出影響中小型農業企業信用的因素。薛娟娟（2012）認為供應鏈金融模式下中小企業的能力是影響其信用風險的主要因素，經過研究最終得到凈資產收益率、應收轉款周轉率、總資產周轉率等16個指標對中小企業的信用風險進行評估。

在上述研究的基礎上，提出了影響中小企業在供應鏈財務模式下信用風險的因素，建立了評價指標體系，克服了專家評分的主觀性，運用主成分分析和邏輯回歸建立了評價模型。通過比較傳統模式下中小企業在供應鏈財務模型下的風險概率的準確性，確定中小企業的信用風險主要來自于自身的情況，并分別對中小企業的銀行和中小企業提出建議。

2供應鏈金融模式下中小企業信用風險影響因素分析

2.1中小企業自身信用狀況

中小企業作為供應鏈金融模式下的授信主體，其自身的綜合實力和信用狀況是銀行開展供應鏈金融授信業務時必須考慮的因素。目前大多數中小企業涉足范圍小，技術水平和創新能力相對落后，財務信息透明度低，總體信譽度不高，因此融資門檻高。具體而言，影響中小企業信用狀況的因素主要包括：基本質量、盈利能力、運營能力、償付能力和發展潛力。

2.2核心企業資信狀況

供應鏈金融模式的開展與核心企業的資信狀況關系重大，商業銀行在評價中小企業的信用狀況時，是以評估核心企業的資信狀況為起點的。商業銀行通過核心企業進行風險緩釋，核心企業對中小企業提供信用支持，降低中小企業的信用風險，商業銀行才對中小企業進行授信。同時，在供應鏈金融業務中，與中小企業相關的核心企業發揮著支付賬戶的作用，核心企業的信用狀況是中小企業信用風險評估的關鍵，也是中小企業信用風險的來源之一。

2.3行業狀況

中小企業所處的行業因素主要包括產業所處的宏觀環境和未來的發展空間。在供應鏈金融業務中，作為銀行信貸的質押，如原材料、成品、半成品、應收賬款和訂單等。企業價值與企業所處行業的狀態密切相關。行業的變化直接關系到中小企業的資產質量以及市場供求之間的關系，從而影響中小企業的信用水平，因此，行業形勢也是影響中小企業信用風險的重要因素。

2.4供應鏈關系狀況

產品從生產制造到最終用戶使用，要經歷供、產、銷三個環節，而供應鏈金融恰好是基于供應鏈上穩定的上下游企業間產品的運轉來解決中小企業資金難題的，即供應鏈的穩定性也是影響中小企業信用風險的一個重要因素。供應鏈的核心理念是將單個企業置于與其主營業務相關的交易鏈條中考察，即中小企業通過與核心企業合作，其經營穩定性和未來現金流得到保證，其主要通過與核心企業的合作時間、合作頻率、合作強度等三方面進行考量。

3供應鏈金融模式下中小企業信用風險評價模型的研究設計

3.1研究樣本選取

之前很多研究都采取上市企業中小板塊里的所有企業作為樣本，這樣雖然樣本數據較多，但是這些樣本中的企業屬于不同的行業，不同行業之間有著顯著的差別，財務指標差別較大，且某些行業產業鏈不清晰，企業間連接不緊密，并不適合供應鏈金融業務。

統計顯示，制造業從整體上來看，其主要組成部分是中、小型企業，制造產業在生產過程中供應鏈形態明顯，上下游企業信息共享度高，供應鏈合作緊密穩定，且近年來我國制造業中小企業貸款大幅增長，所以本文選取制造業中小企業為研究對象。但由于非上市公司的數據獲取困難，且基于供應鏈金融發展的現狀和中小企業作為供應鏈金融業務的主要對象，本文從深圳證券交易所上市公司中小企業板里選取40所制造業中小企業作為研究樣本，其中ST公司10家，非ST公司30家，研究的時間區間為2018年1月1日至2018年12月31日。

3.2變量的選擇及數據獲取說明

上述的供應鏈金融模式下中小企業信用風險評價指標體系針對的是開展供應鏈金融業務的各個行業，但由于本文選取的是某個具體行業即制造業，所研究的樣本面臨的行業狀況是相同的，所以選擇變量時不再考慮行業因素。同時考慮到部分定性指標數據的獲得性，本文基于上述建立的指標體系，將核心企業資信狀況、供應鏈關系狀況的三級指標分別合成一個變量整體，前16個影響因素分別對應指標X1，…，X16，核心企業資信狀況作為指標X17，供應鏈關系狀況作為指標X18，即最終得到18個變量，其中同時包括定性和定量指標。

4基于Logistic回歸的供應鏈金融模式下中小企業信用風險評價模型

4.1數據標準化處理

由于指標數據的量綱不同，直接計算得到的測量結果可靠性不高，所以在數據分析之前需要將其標準化處理，以減弱各個指標之間的差異性。利用SPSS25.0采取Z標準化法，將原數據與均值之差除以標準差來實現數據的標準化，記Z（X_i）為標準化處理之后得到的變量。

4.2主成分分析

用來評估中小企業信用風險的指標數量眾多，且本文的數據來源于上市中小企業年度報表，指標之間具有高度的相關性，在后續回歸分析時可能出現共線性問題，所以在評估之前，要先利用主成分分析選擇具有代表性的指標，通過降維的手段，使原先多個具有相關性的變量轉化為少數幾個主成分變量以減少候選指標之間的相關性。

KMO 值為0.623， KMO值反映了指標之間公因子的數量，KMO值越大，表明指標間的公因子越多，變量間的相關性越高，越適合作因子分析;Bartlett球形度檢驗的值為 0.000，小于0.05，說明變量之間相關性高，所以可得數據適合做因子分析。

4.3 Logistic回歸分析

本文計劃選取線性評分方法對中小企業的信用風險進行評估，其中Logistic回歸方法對數據變量要求不高，且該模型具有較好的穩定性，比較適用于我國現階段的供應鏈金融市場。

將上述的6個主成分（F1、F2、F3、F4、F5、F6）當作自變量，而將企業的違約情況Y作為因變量（ST企業為1，非ST企業為0），運用SPSS25.0進行Logistic模型回歸分析，本文選擇向前逐步選擇引入法，結果如表6所示，F1、F5這兩個主成分被保留在模型中，說明企業的財務狀況、盈利能力、營運能力、償債能力和發展能力對于中小企業的信用狀況影響顯著。

該方程所求得的P值即為供應鏈金融模式下中小企業的違約概率，能夠反映其信用風險大小。如果P>0.5，說明該企業的違約概率高，即企業的信用風險較高，銀行等商業機構需規避此類企業;如果P<0.5，則說明企業的違約概率較低，銀行可以考慮給予信貸支持。

5模型檢驗

對模型進行檢驗是判斷模型優劣性的重要方法，分別比較供應鏈金融模式下和傳統模式下中小企業違約概率的預測值和實際值的符合程度，進而確定中小企業融資難的原因，以便后續為中小企業融資提供建議。

5.1供應鏈金融模式下

在預測模型的準確率上，如表4所示，在概率界限為0.5的條件下，供應鏈金融模式下對信用較好的企業判為違約率低的準確率為96.7%，對信用較差的企業判為違約率高的準確率為70%，該模型判定的總準確率為90%，說明該模型較可靠。

在概率界限為0.5的條件下，傳統模式下對信用較好的企業判為違約率低的準確率為93.3%，對信用較差的企業判為違約率高的準確率為90%，該模型判定的總準確率為92.5%，所得結果比較理想。

6結論與建議

本文在分析供應鏈金融模式下中小企業信用風險來源的基礎上，提出了供應鏈金融業務信用風險評價指標體系，并選取深圳證券交易所上市公司中小企業板里的制造業中的40家企業為研究對象，采用SPSS軟件進行主成分分析，提取最能反映企業信用風險的指標，運用Logistic回歸方法，建立供應鏈金融模式下中小企業信用風險評價模型。回代結果說明該模型的預測準確率較高，為銀行準確識別融資企業的信用狀況提供了依據。同時通過比較傳統模式下和供應鏈金融模式下企業違約概率的預測準確度，確定了中小企業信用風險主要來源于自身狀況，這提醒中小企業在開展供應鏈金融業務時要注意完善好公司的基礎數據庫，客觀準確地披露信息。銀行要加強對客戶基礎數據庫的建設，注重對客戶信息的搜集，通過供應鏈金融模式更準確地把握融資企業的違約風險，減少對中小企業貸款的不確定性。同時，銀行可以據此更合理地確定貸款利率，減少對信貸配給的依賴，給中小企業發放更多的貸款，實現銀企雙贏。

參考文獻：

[1]周純敏.商業銀行對供應鏈融資的風險管理[J].山西財經大學學報， 2009，31（S2）：115-116.