供應鏈金融信用風險文獻綜述

劉思賢

摘 要

供應鏈金融自提出以來就受到社會各界的廣泛關注，而信用風險在風險管理乃至金融管理中都有著至關重要的作用。因此，對供應鏈金融信用風險的了解與掌握是學習供應鏈金融的重要一步。故本文從供應鏈金融信用風險的識別與評價、度量、控制三方面對供應鏈金融信用風險的相關文獻做出了梳理與總結，提出現有研究存在的不足之處，并對如何管控風險提出對策建議。

關鍵詞：供應鏈金融，信用風險，文獻綜述

abstract

Supply chain finance has been widely concerned since it was put forward， and credit risk plays a vital role in risk management and even financial management. Therefore， understanding and mastering the credit risk of supply chain is an important step in learning supply chain finance. Therefore， this paper starts from three aspects including the identification and evaluation， measurement and control of the credit risk of supply chain to sort out and summarize the relevant literature on the credit risk of supply chain， and puts forward the shortcomings of existing research and countermeasures and suggestions on how to control risks.

Key words： supply chain financial 、credit risk 、literature review

一、引言

改革開放以來，我國中小企業發展勢頭迅猛，在數量上，其占到全國企業總量的 99% ;在貢獻上，其解決了80%的社會勞動人口的就業問題;在經濟上可以分散風險，體制上可以深化改革，并且在完善市場體系和競爭機制方面也發揮著積極作用，可見其在我國經濟社會中扮演著十分重要的角色。但中小企業在發展過程中也面臨著嚴峻的問題：融資難。僅從銀行信貸比這一數據來看，其占比極低，僅為活動資本的12%。由于處于傳統供應鏈條上的中小企業融資難、融資貴的問題難以解決，所以供應鏈金融隨之產生，為解決其融資問題提出了新的思路與方法。

供應鏈金融作為一種新興模式，社會各界積極響應，而其也不負眾望，成績顯著。國家政策方面，自十九大政府提出“應對供應鏈金融給予高度重視”以來，政府相繼出臺了一系列文件， 例如：2018 年商務部等八部委發布的《關于開展供應鏈創新與應用試點的通知》等，都表現出對供應鏈金融的高度支持。學術界方面，眾多學者研究了涉及供應鏈金融的多個方面：供應鏈金融的模式、風險、業務、管理等，已有相關文獻將近5000多篇，為其發展提供理論支撐。市場規模方面，截止2019年三月，中國已經形成了13萬億市場規模。

在供應鏈金融中，中小企業進行融資時，銀行不僅只關注其企業本身，而且要參考其核心企業及供應鏈情況，最終做出是否貸款決定。因此，相較于傳統的銀行信貸融資活動，此模式下，中小企業的融資效率能有效提高，但由于出現新的考察對象，對風險問題又有了新的考量：考察對象的增加意味著風險的增加，而風險的增加則意味著的信用風險的增加。因此對于供應鏈金融中信用風險的研究就顯得非常必要。為使初學者對供應鏈金融信用風險有初步了解，本文主要在供應鏈金融信用風險評價，度量，控制三方面展開論述，并在結尾部分針對現有研究提出其存在的不足之處，并給出一定建議。

（一）供應鏈金融的定義

學術界普遍認為，供應鏈金融是一種新形式的融資模式。馮瑤（2008）認為供應鏈金融應既能提升中小企業信用等級，又能降低銀行信貸風險。商業銀行在供應鏈管理中，把企業放在供應鏈的某一環節，來考慮其不同的資金需求。Tower Group認為供應鏈金融可根據供應鏈環節上的商業交易，以此設計出各種融資和服務產品，從而可以解決供應商短期融資問題，使供應商資金鏈情況得到改善。牟偉明（2018）認為供應鏈金融作為創新性的融資模式，為核心企業和上下游中小企業提供金融產品和服務。Alyon 認為供應鏈金融在對供應鏈條上企業進行整合過程中，不只是對資金的整合，而且還包括信用、信息及商品材料。Michael提出供應鏈金融是對鏈條上資金可獲得性及資本運營成本的管理。

綜上所述，供應鏈金融是提供全面金融服務的新型融資模式。參與主體：金融機構，中小企業，核心企業，物流企業，監管部門;特征：信用加成，風險分散;目的：緩解中小企業融資難，使供應鏈金融為實體經濟服務。途徑：提升中小企業的信用等級。

（二）供應鏈金融信用風險研究現狀

本文對于供應鏈金融相關資料的搜集主要在中國知網進行。首先通過關鍵詞“供應鏈金融”進行初步搜索，出現2646個目標，接著在結果中檢索“信用風險”，出現二百多個目標，去除學位論文、新聞、雜志等類型的文章，僅留期刊類型文獻126篇，最終手動選擇屬于核心期刊并與本文寫作相關的65篇文獻進行參考。

在文獻整理過程中發現：從學術界來看國內學者對于供應鏈金融的研究始于2006年，2009-2014年發文量快速增長，在2015年之后，年發文量較多，但增速減緩。可以看出，供應鏈金融在當前仍屬于熱門話題。而針對供應鏈金融出現次數較多的關鍵詞有：供應鏈金融，信用風險，中小企業，logistics模型，風險管理。故從重要關鍵詞來看，經統計信用風險出現的頻率占到39%，可見信用風險問題是當前學者在供應鏈金融研究中的重點內容。故本文的主要工作是對供應鏈金融信用風險的相關研究進行歸納整理。

二、供應鏈金融信用風險研究

（一）供應鏈金融信用風險評價與識別

供應鏈金融的信用風險的產生是由多種因素共同造成的，主要有環境因素與企業因素兩大方面。其中環境因素主要是宏觀經濟環境、自然環境、政策環境與供應鏈環境，企業因素主要是中小融資企業與核心企業。另外監管部門的監管有效性也是產生信用風險的主要原因。李健（2019）針對供應鏈金融信用風險的產生提出兩條傳導機制：一條是：宏觀環境→供應鏈→個體企業;另一條是：融資企業不良行為→核心企業違約率增加→不利于產業發展→宏觀環境受影響。

關于信用風險評價指標體系的構建，學者大多采用定性的方法來做。褚雪儉等（2017）基于運力供應鏈信用風險，使評價體系由靜態轉為動態，建立了結合資產端，交易端和監管端三方面的評估。夏立明等（2011）在信用風險評價指標中加入非財務指標，克服了傳統指標選取籠統性的缺點，增加了對融資企業未來、管理者的風險指標。劉遠亮，高書麗（2013）通過對傳統供應鏈的靜態分析與供應鏈金融的動態分析的對比，得出信用風險的指標評價體系應為五個方面：行業，融資企業自身、融資項下資產，核心企業以及供應鏈關系。熊莉（2019）構建四個方面評級指標體系：申請人資質，交易對手資質，融資項資產情況，供應鏈運營狀況。

在對信用風險評價指標進行篩選時，因子分析法與主成分法被較多的使用。例如侯博等（2016）、熊熊等（2009）等。田美玉，何文玉（2016）用專家打分、相關性分析法和鑒別性分析法。徐洪峰，朱玥（2018）利用層次分析法和多層次灰色綜合評價法來評價信用風險。為使評價體系的建立更為客觀，李健（2019）根據指標的特性，分別使用隨機森林特征篩選方法、盲數理論變量篩選法對評價指標進行篩選。下文對評價指標篩選方法的一些特點及優勢做出總結。見表2-1：

（二）供應鏈金融信用風險度量

當金融機構面對企業的融資要求時，需要對其及相關方的信用進行考察，這時就需要對信用風險進行度量。學者多采用定量研究的方法。其中，運用較多的方法是Logistic模型，用到此模型的有楊軍，房姿含（2017）、胡波等（2017）、劉遠亮，高書麗（2013）、侯博（2016）、逯雨鐸，金艷玲（2016）、熊熊等（2009）。他們均是結合主成分分析法或因子分析法得出信用風險的評價指標，然后建立Logistic風險評價模型，最后對其結果進行檢驗，都可以證明在供應鏈金融模式下，中小企業的信用違約風險將下降。其中付博把企業分為三種情況：資信狀況較好、資信狀況較差、綜合情況，分別對其進行模型準確率判別，指出所建立的模型對資信狀況好的企業的判別率更高。逯雨鐸，金艷玲是運用Lasso-Logistic模型對汽車行業進行信用風險評價，行業針對性較強，且其模型的檢驗結果較低，僅為79.5%。熊熊等則通過傳統模式與供應鏈金融模式下的守約概率的對比分析，得出供應鏈金融模式下的守約概率較高。

劉艷春，崔永生（2016）應用探索性因子分析和SEM結構方程，說明在此模式下可建立供應鏈下的中小企業信用風險評價模型，并用灰色綜合評價方法對企業信用風險進行評價，得出公司間的信用排名情況。徐勇戈，李冉（2018）利用房地產行業的財務數據，結合Lasso模型的指標篩選法，分別用Logistic和SVM模型進行信用風險的測度與檢驗，得出SVM模型要優于Logistic模型。

為克服多層次灰色綜合模型和主成分分析法的缺點，在信用風險的度量中用到人工智能。胡海青等（2012）分別用支持向量機（SVM）與BP神經網絡算法建立評估模型，并對其實證檢驗結果進行對比分析，得出在小樣本下，SVM模型更具有效性和優越性。周茜等（2019）基于免疫理論，依據189家小微企業的數據，利用Rought和GA-DEMATEL計算出風險指標的權重，并利用Logistic模型進行檢驗，得出了各風險因素的重要程度并建立利益主體的風險管控模型。田美玉，何文玉（2016）運用到的信用評價模型是熵值法，并對其進行了結果檢驗，證明該模型的準確率達到89.33%，可較大程度的幫助銀行做出貸款決策。褚雪儉（2017）運用熵權-TOPSIS模型對信用風險進行了綜合評價，提出該模型對金融機構實現最優貸款組合有實質性的幫助。趙亞星，王春紅（2017）在建筑業中用隨機森林算法評價風險，說明在此行業中，該方法具有可行性。李健，張金林（2019）以Logistic模型為基礎，構建POS-SVM信用風險預警模型，并通過與其他主流模型的對比，證明此模型在結果預測和準確性方面都優于其他模型，并建議在實際中應用推廣。

進入互聯網+時代，面對大數據和移動互聯的雙重沖擊，對信用風險測度提出了更高的要求。葉曉楓，魯亞會（2017）建立了基于隨機森林融合樸素貝葉斯的信用評估模型，運用German數據集進行實證研究，其結果表明該模型的預測準確性更高。戴昕琦（2018）選取汽車行業的數據，分別建立三種模型對其信用風險進行評估： SMOTE-RF模型、C-SMOTE-RT 模型與 Logistic 模型，結果表明C-SMOTE-RT預測效果更加準確。

（三）供應鏈金融信用風險控制

關于供應鏈金融信用風險的控制，總結學者表述，主要從四方面來進行闡述。一是企業自身加強風險抵御能力。借助金融衍生品工具，信貸保險等進行風險轉移與風險分散;加強技術創新，建立企業間信息傳遞平臺、以國家政策為導向。二是嚴格風險考核機制。在主體準入上嚴格金融運營機構、金融服務機構的準入，建立合理的信用額度，風險預警機制，完善監管職能。其中劉秀莉（2014）提出在風險考核中堅持全面性、科學性、層次性、可操作性、合法性的原則。三是加強對新技術的應運。劉思璐，李華民（2019）提出將區塊鏈技術融入供應鏈征信系統中，形成“區塊鏈+監管”的格局，實現穿透性監管和精準性服務，從而合理有效的控制信用風險。

三、結論與建議

通過上文的總結，可以看出，目前對于供應鏈金融信用風險的研究大都在于計量模型的分析上，并根據實證結論簡要提出一些針對性的風險控制措施。但認為研究中仍存在不足之處，故在下文提出，并在信用風險管控方面提出自己的建議。

（一）不足之處

第一，目前對于供應鏈信用風險的研究大都采取定性與定量的研究方法，但定量的研究較少，且缺乏統一的適用性較強的方法，重復研究較多，有些學者的研究時效性較弱。第二，在進行供應鏈金融信用風險評價時，很多學者研究仍是側重于中小企業本身，而非基于供應鏈金融整體來考慮，導致評價體系中的因素不全面，使學術研究落后于業界實踐。第三，對于指標體系的選取，缺乏全面的、科學的方法，而此可能會對指標的可獲得性與真實性產生影響，并且指標的評價較為模糊，根據心理因素劃分評價等級和信用等級，模糊了準確性，以致影響結果的科學性。第四，未能根據各行業的特殊性，綜合各因素的考慮，建立具有行業特色的信用風險評估模型。第五，選取的指標大都適用于定性研究，而從定性研究過渡到定量研究，將是未來的研究重點。

（二）對策建議

1.建立供應鏈金融數據庫。數據庫的建立應從三方面來建設：金融機構，中小企業，監管部門。金融機構主要負責信用資料的收集，整理，分析，給出客觀性的意見，推進信用檔案的建設，為權威平臺建設，為行業的發展提供保障;中小企業應致力于基礎信息的建設，盡可能做到數據公開，以便于數據整理存儲與共享工作的順利進行，為供應鏈金融信用體系的建設與評價體系的不斷檢驗做好基礎服務;監管部門應把我全局，在供應鏈金融信用風險的管控中做好應盡的職責。總之，對于數據庫的建設要實現電子化，大數據化，模型化。

2.完善相應體制機制。包括準入機制，預警機制，失信懲戒機制，激勵機制。其中預警機制非是金融機構獨有，企業也應建立;制定行業規范，對于失信企業建立懲處機制，對于業績優良企業給予獎勵。

3.提高核心主體相關能力。企業應提高風險抵御能力，從根源上杜絕信用風險的產生;銀行應對企業間的貿易往來加強核實，對融資企業進行定期抽查，在過程中減少信用風險的發生。

參考文獻

[1]馮瑤.供應鏈金融：實現多方共贏的金融創新服務[J].新金融，2008（02）：60-63.

[2]牟偉明.供應鏈金融信用風險評價[J].財會月刊，2018（05）：163-169.

[3]李健，張金林.供應鏈金融的信用風險識別及預警模型研究[J].經濟管理，2019，41（08）：178-196.

[4]儲雪儉，李聘飛.供應鏈金融信用風險擴散防控機制研究[J]金融發展研究，2017（02）：63-67

[5]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，2011，16（10）：73-79.

[6]劉遠亮，高書麗.供應鏈金融模式下的小企業信用風險識別——基于北京地區信貸數據的實證研究[J].新金融，2013（01）：45-49.

[7]熊莉.供應鏈金融信用風險評價體系構建研究[J].財會學習，2019（26）：202+204.

[8]侯博，劉思聰，莊新田.基于供應鏈金融創新業務的銀行信用風險評價[J].財會通訊，2016（20）：85-88.

[9]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+106.

[10]田美玉，何文玉.供應鏈金融融資模式下中小企業信用風險評估——以汽車行業實證研究為例[J].工業技術經濟，2016，35（06）：154-160.

[11]徐宏峰，朱玥.供應鏈金融信用風險灰色層次法評價研究[J].會計之友，2018（07）：31-34

[12]楊軍，房姿含.供應鏈金融視角下農業中小企業融資模式及信用風險研究[J].農業技術經濟，2017（09）：95-104.

[13]胡波，姚新宇，樊清華.供應鏈金融下P2P平臺為中小企業提供融資的風險研究[J].首都經濟貿易大學學報，2017，19（03）：29-39.

[14]逯宇鐸，金艷玲.基于Lasso-logistic模型的供應鏈金融信用風險實證研究[J].管理現代化，2016，36（02）：98-100.

[15]劉艷春，崔永生.供應鏈金融下中小企業信用風險評價——基于SEM和灰色關聯度模型[J].技術經濟與管理研究，2016（12）：14-19.

[16]徐勇戈，李冉.供應鏈金融視角下的房地產企業信用風險[J].財會月刊，2018（08）：164-169.

[17]胡海青，張瑯，張道宏.供應鏈金融視角下的中小企業信用風險評估研究——基于SVM與BP神經網絡的比較研究[J].管理評論，2012，24（11）：70-80.

[18]周茜，謝雪梅，張哲.供應鏈金融下科技型小微企業信用風險測度與管控分析——基于免疫理論[J].企業經濟，2019（08）：146-154.

[19]趙亞星，王紅春.隨機森林算法在建筑供應鏈風險評價中的應用[J].物流技術，2017，36（8）：136-139+143.

[20]葉曉楓，魯亞會.基于隨機森林融合樸素貝葉斯的信用評估模型[J].數學的實踐與認識，2017，47（2）：68-73.

[21]戴昕琦.商業銀行信用風險評估模型研究——基于線上供應鏈金融的實證[J].軟科學，2018，32（5）：139-144.

[22]劉秀莉.基于信用風險視角的農業供應鏈金融研究[J].農業經濟，2014（07）：32-33.

[23]劉思璐，李華民.嵌入區塊鏈技術的供應鏈金融征信系統優化[J].征信，2019，37（08）：16-20.

[24]顧振偉.基于銀行視角的供應鏈金融風險分析[J].商業時代，2012（25）：69-70.

[25]李慧敏.供應鏈金融信用風險研究綜述[J].甘肅金融，2017（05）：36-39.

[26]牟偉明.基于核心企業視角的供應鏈金融及其信用風險評價[J].財會通訊，2016（35）： 92-96.

[27]汪小華.農業供應鏈金融信用風險的評價及控制研究[J].農業經濟，2015（12）：110-111.