供應鏈金融下中小企業的信用評級分析

摘要：供應鏈金融作為一種新的金融業務，是當前緩解中小企業融資困境的主要方式。然而，當前信用評級體系仍處于發展中并且尚未完善。因此本文希望建立一定的信用評級體系，構建一定的信用評級指標體系，以中小企業守約概率表示中小企業的信用水平，為中小企業取得融資提供一定的參考標準。在本文的信用評級構建過程中，提出代表企業盈利能力、營運能力、發展能力以及償債能力的信用評級指標，選取滬深股市中小板中處于供應鏈上下游的汽車配件制造行業數據進行研究，該行業為生產整車的核心企業提供配套服務。最后，本文使用Logistics模型預測企業的守信概率，鑒于供應鏈金融可以緩解中小企業的融資困境，本文對供應鏈上下游的中小企業進行信用評級分析具有一定的意義。

關鍵詞：供應鏈金融;中小企業;信用評級

中圖分類號：F831? 文獻識別碼：A? 文章編號：2096-3157（2020）25-0150-03

一、引言

中小型企業為我國經濟發展貢獻了大比例的產值，在我國經濟發展中是必不可少的一部分，中小企業由于金融體系不完善不健全、實力水平低、信用風險大，很難從銀行獲取信貸，因此融資困境極大地阻礙了中小企業的發展。供應鏈金融的推出可以有效地解決中小企業的困境，供應鏈金融通過審核需融資企業的上游核心企業信用資質，根據企業間、銀行與企業間真實的業務往來，使用自償性、貿易性等方式，通過抵押企業的應收賬款并通過第三方進行風險監控，對需要融資的上下游企業提供專業性的金融服務。由于在供應鏈金融中需要貸款的企業可以以其核心企業為信用抵押，使中小企業獲得更高的信用評價，增大獲得貸款的幾率。

二、供應鏈金融的現狀

由于企業生產方式的不斷發展及改變，從20世紀70年代開始，企業的相互合作不斷增加，企業相互合作的生產模式使處于核心地位的企業要整合不同的企業進行生產，由此產生了供應鏈業務。起初，供應鏈業務重點關注企業的物流狀況和信息傳遞狀況并且不注重財務。20世紀后期，各機構開始綜合考量供應鏈金融業務，財務狀況是首先被考慮的因素。1999年，中國儲運總公司和銀行開始向客戶提供簡單的質押融資服務。2001年下半年，深圳發展銀行開始試點，2006年率先推出供應鏈金融服務，形成“供應鏈品牌深度發展”。

供應鏈金融在我國有廣大的發展前景，國家也相繼推出在一系列的政策支持該業務的發展。當前我國供應鏈金融的運行過程中，銀行等金融機構率先引導了供應鏈金融的發展。我國首個供應鏈金融業務于2003年在深圳銀行成功推出。此后，平安銀行、浦發銀行、招商銀行等商業銀行以及國內一些傳統的國有銀行紛紛開始開展供應鏈金融業務。根據國家統計局數據，我國各個模式的供應鏈金融業務都得到了一定規模的增加，應收賬款模式的工業企業的凈額由2005年的3萬億元增加到2016年的12.6萬億元，增長3.2倍。2017年～2020年供應鏈金融業務的增長率約為4.5%至5%。

三、供應鏈金融下中小企業信用評級的實證分析

1.供應鏈金融下中小企業信用評級體系的構建

本文研究的對象是供應鏈上下游的中小企業，因此本文對供應鏈上下游的中小企業進行信用評價。由于汽車行業屬于制造行業，具有完整的供應鏈體系，因此本文依據汽車整車制造企業，根據供應鏈關系選出其上下游的汽車配件企業進行分析。同時由于上市企業的財務數據透明容易獲得，可以使分析結果更加準確，因此樣本企業的篩選從上市企業選取，并且樣本企業屬于滬深股市中小板中的汽車配件企業。

本文在選取信用評價指標時首先參考前人的研究經驗，并體現供應鏈金融的獨特評價方式以及參照傳統信用評級模式，為全面解釋企業的信用水平，最終選取代表企業盈利能力、營運能力、發展能力以及償債能力的十四個評級指標，構建供應鏈金融信用風險評價指標體系。本文構建的信用評級體系如表1所示。

通過樣本企業數據的選取和評價指標的構建，經過篩選，在150家中小板汽車行業上市企業中共選出符合條件的50家中小企業共279個數據作為信用分析的樣本，對于樣本指標的定量指標數據主要來自于2018 年第三季度各企業的年報以及新浪財經的財務數據。

根據原始數據描述性統計量，參考標準偏差，由于一些企業存在自身原因，因此其部分指標數據與平均數據相比偏差過大，為使研究結果具有代表性并減小誤差，剔除10家企業的偏差數據。對剩余數據進行單樣本T檢驗，根據顯著性首先剔除X14，最終指標確定為X1至X13。

2.基于Logistic模型的中小企業信用評級分析

（1）因子分析

在使用Logistic模型進行回歸分析前，為確定變量間的相關性，對篩選過的數據進行因子分析，用SPSS 22.0軟件運行結果如表2所示，根據該檢驗的評判標準，如果 KMO 值小于0.5，原有變量間的相關性較弱，因子分析的方法不適合該數據。從表2可以看出，原始數據KMO值為0.488，不適宜進行因子分析。

（2）模型回歸分析

將信用評價指標X1至X13作為自變量，將樣本企業的失信與守信Z作為因變量，同時取=0.5。在選取樣本企業的評判指標因變量Z時，主要依據和訊數據中對所選取樣本企業的2018 年前三季度所做的財務評估，評價標準從企業的盈利能力、成長能力、償債能力和綜合能力出發，企業的綜合能力評價結果最低為兩顆星，且其余三項能力的評價結果最低為一顆白星，則Z值為1，否則Z值為0。

根據評價指標，運用SPSS軟件，使用移去檢驗基于Wald 統計量的概率的逐步向后去除法，對樣本數據進行回歸分析。回歸結果如表3所示。

表3最終得到了Logistic實證模型的擬合結果。根據第九步回歸的結果，被保留在方程中的變量為X4、X5以及X11，被保留變量的顯著性均小于0.05。估計的Logistic回歸模型如下：

式（1）P值的大小代表了企業的守信概率，根據P值大小可以判斷中小企業信用風險的狀況。以0.5為分界線，若P值大于等于0.5并且越接近1，說明該企業信用風險低首信概率大，因此銀行等金融機構可以為其授信;若P值小于0.5并且越接近0，說明該企業信用風險大并且守信概率較小，因此若為其授信則會面臨違約。

（3）樣本企業守約概率分析

①單個企業守約概率計算

選取富奧股份的相關數據，根據模型可得：

P=11+e-（-0.457×11.565+0.860×10.73+1.491×1.592-3.757）=92.76%

根據P值可得富奧股份的守信概率為92.76%，可以得出富奧股份的信用水平很高，違約風險低，可以有效獲得銀行的授信。

②樣本企業守約概率分析

同時計算出隨機選取的樣本中30家中小企業的P值，如表4所示。

四、中小企業提高信用水平的建議

1.完善核心業務提高盈利能力

企業盈利能力是衡量企業信用評級的主要因素，中小企業雖然規模較小，但其核心業務具備一定的競爭力，當中小企業處于良性發展過程中，其盈利能力也會不斷增長，因此中小企業要提高信用水平并且進一步取得借款，需加強自身的盈利能力。

2.建立有效償債機制

供應鏈上下游企業由于規模較小，相較核心企業其信用水平低，償債能力得不到有效保障，因此可能產生一定的信用風險，不利于企業取得融資。中小企業提高信用水平可以提升其償債能力，通過建立有效償債機制對可能產生的違約風險進行防范。首先中小企業需合理評估自身的實力，加強與核心企業的業務合作，進一步提升盈利能力增加償債保障;同時密切監控各個企業財務的實時狀況以及企業的運營水平，設定一定的資金用于償債，通過風險監測以及有效的償債機制提高企業的信用水平以便取得融資。

3.加強與核心企業的合作完善擔保

由于供應鏈金融主要依據核心企業的信用水平為上下游的中小企業提供一定的擔保，因此中小企業應加強與核心企業的合作，依據核心企業的信用水平提高自身的信用水平。同時，對于擔保政策，國家應進一步完善擔保政策，對于有較強核心企業合作的中小企業，相關政策可以進一步擴大可貸資金范圍，使中小企業的融資困境得到改善，促進中小企業獲取融資的能力。

4.培養信用評級意識

中小企業應具備信用評級意識，可以自身建設信用評級體系，評估自身信用風險水平;同時中小企業也應該積極配合外部信用檢查以及信用評級，對相關信息公開透明，在供應鏈基礎下，促進整條供應鏈的透明以及促進信息交換，從而提升中小企業的信用水平。

基于本文的研究結果，供應鏈上下游的中小企業信用風險可以得到更為準確的識別，因此中小企業在申請信貸的過程中也能進一步通過資金提供方銀行的評估，最終獲得信貸。同時針對本文的研究成果，提出了中小企業進一步提升信用水平的建議，希望有效解決中小企業的融資困境。

本文的研究結果顯示，使用預測模型可以有效測評中小企業的信用風險。為了保證數據的客觀有效性以及結果的準確性，本文選取我國滬深股市中小板的汽車行業的上市公司的數據作為樣本，因此模型結果主要反映了該行業公司的信用風險水平。而不同的行業具有其自有的獨特性，因此本文得到的信用評級結果未必能完全符合不同行業的標準，在用于其他行業公司的信用評級時，應依據各個行業的獨特性對評級模型進行一定的調整。因此，為更準確地識別中小企業的信用風險水平，就需要考慮不同行業所依據的不同要素，加強模型的靈活性。

參考文獻：

[1] Erik Hofmann.Supply chain finance：someconceptual insights[J].Logistik Management Innovative Logistik konzepte，2005，（5）：203～214.

[2] William Atkinson.Supply Chain Finance：The Next Big Opportunity[J].Supply Chain，2008.

[3] Jing，B，& Seidmann，A.Finance sourcing in a supply chain[J].Decision Support Systems.Management Review，2013，（4）：57～60.

[4]Hofmann，E.Strewe，U.M，& Bosia，N.Supply chain finance and blockchain technology：the case of reverse securitization，2017.

[5] Caniato F，Gelsomino L M，Perego A，et al.Does finance solve the supply chain financing problem？ [J]Supply Chain Management，2016，21（5）：534～549.

[6] Sunil Chopra and Peter Meindl.Supply Chain Management[J].Pearson ESL，2009.

[7] Bob Dyckman.Supply chain finance：risk mitigation and revenue growth[J].Journal of corporate treasury management，2011，4（2）：168～173.

[8] Martin，J.Suppliersparticipationin supply chain finance practices：predictors and outcomes[J].International Journal of Integrated Supply Management，2017，11（2/3）：193～193.

[9] H Erandi，S Peter.A conceptual framework to assess supply chain risk in the apparel industry[J].International Research Symposium on Pure and Applied Sciences，2017，（5）.

[10]李媛媛，馬玉國.供應鏈金融視角下的小微企業信用風險評價[J].現代電子技術，2014，（12），32～36.

[11]蔣曼曼.供應鏈金融視角下企業信用風險評價研究[J].經營與管理，2017，（02）：140～142.

[12]范黎波，賈軍，賈立.供應鏈金融模式下中小企業信用風險評級模型研究[J].國際經濟合作2014，（1）：90～94

[13]劉園，陳浩宇，任淮源.中小企業供應鏈融資模式及風險管理研究[J].經濟問題，2016，（05）：57～61.

[14]范方志，蘇國強，王曉彥.供應鏈金融模式下中小企業信用風險評價及其風險管理研究[J].中央財經大學學報，2017，（12）：34～43

作者簡介：

高柳娜，西交利物浦大學碩士研究生;研究方向：經濟與金融。