基于生豬產業的供應鏈金融信用風險評價研究*——來自新三板數據

○東北財經大學創新創業與實驗教學中心 趙宇凌

○東北財經大學金融學院 畢金玲

供應鏈金融優化了鏈上企業間的現金流配置，提高了鏈上資金的使用效率，推動了中小企業融資難問題的解決，加快了中小企業的健康發展。2020年9月22日中國人民銀行等八部委聯合發布的《關于規范發展供應鏈金融支持供應鏈產業鏈穩定循環和優化升級的意見》(銀發〔2020〕226號)(以下簡稱“《意見》”)首次明確供應鏈金融定義，指出“供應鏈金融是指從供應鏈產業鏈整體出發，運用金融科技手段，整合物流、資金流、信息流等信息，在真實交易背景下，構建供應鏈中占主導地位的核心企業與上下游企業一體化的金融供給體系和風險評估體系……”。《意見》中六提“真實”，指明防范供應鏈金融風險的重要性，其中首要評估和防范的即是借貸中的信用風險。供應鏈金融從供應鏈產業鏈整體出發考察中小企業和核心企業的整體信用情況，信用主體呈現多層次、跨行業、跨地域等特點，對信用風險的評估對象層次化、評估指標個性化、評估方法科學性都提出了更高的要求。

我國是生豬生產和消費第一大國，據國家統計局數據顯示，2020年我國生豬存欄 40 650 萬頭。2021年2月21日發布的《中共中央 國務院關于全面推進鄉村振興加快農業農村現代化的意見》指出“加快構建現代養殖體系，保護生豬基礎產能，健全生豬產業平穩有序發展長效機制”。鑒于我國生豬產業規模龐大、對經濟影響深遠的特點，亟需對生豬產業供應鏈金融信用風險進行研究。

一、文獻綜述

經濟全球一體化引領了現代企業管理的發展，比較優勢理論和利潤最大化的企業目標衍生出現代供應鏈。供應鏈是一個不斷發展的動態網絡結構系統，包含了對物流、信息流、資金流的管理。供應鏈金融源于供應鏈管理中的資金流管理，學界先后從核心企業、交易平臺、銀行、物流等不同參與主體及供應鏈整體的角度，分別界定供應鏈金融概念。供應鏈金融概念來自并發展于實踐，其理論研究與實踐聯系十分緊密。夏雨等[1]認為運營管理與金融學交叉衍生出供應鏈金融領域。從業務流程看，供應鏈金融信用風險評價，是評估整個供應鏈是否能夠穩定運行、是否能夠優化鏈上現金流的基本要求，屬于金融學視角下的供應鏈風險信息處理研究。

國外文獻主要對供應鏈金融信用風險的不同評價方法進行研究，國內文獻包括了供應鏈金融信用風險的不同評價方法與實踐相結合的研究。Moretto et al.[2]指出傳統信用風險評價，是對貸款企業自身財務狀況、業務發展等的審核。中小企業由于規模、財務狀況等原因，難于通過信用風險審查。供應鏈金融信用風險評價將財務信息與供應鏈信息相結合評價鏈上中小企業信用風險，可規避財務信息的局限性和中小企業規模的限制。吳世農和盧賢義[3]運用三種方法預測公司信用風險，發現Logit模型的預測誤判率最低。陳雄華等[4]指出運用神經網絡模型評估企業信用風險，比其他判別模型更準確。熊熊等[5]運用Logit模型對中小板102家企業進行供應鏈金融信用風險評估，發現供應鏈金融部分緩解了中小企業融資問題。張建同等[6]驗證了修正KMV模型評價汽車供應鏈金融風險的有效性。楊軍和房姿含[7]指出Logit模型預測農業中小企業供應鏈金融信用風險“準確性較高”。李杰輝和陳珊珊[8]運用Logit模型分析41家房地產企業，能夠一定程度地預測企業的違約概率。

已有文獻從全行業角度，研究不同方法對供應鏈金融信用風險的評價，驗證了方法的有效性。進一步，學者們對鋼鐵、房地產、汽車、農業等行業的供應鏈金融信用風險進行評價，研究了不同方法與行業的匹配性和檢驗的有效性。對于行業特點與指標體系建立的對應關系，以及各指標、尤其行業特有指標對供應鏈金融信用風險的影響程度尚少有研究。本文擬從生豬產業出發對供應鏈金融信用風險的評價進行研究。

二、方法的選擇

(一)供應鏈金融信用風險評價方法

供應鏈金融信用風險指在一定時間范圍內，核心企業與上下游企業一體化的金融供給體系中貸款方可能違約的概率。供應鏈金融信用風險評價，指基于企業間視角的企業信用風險評價，沿用了單一企業視角的信用風險評價模型。Wojcicka-Wojtowicz[9]將企業信用風險評價方法分為傳統方法和現代方法，前者包括評分法、Logit模型、神經網絡模型等判別分析模型，后者一般指基于特定數理統計方法構建的信用風險評價模型，包括KMV模型、Credit Metrics模型、Credit Portfolio View模型等。

Altman[10]將多元判別分析應用于企業破產預測，提出了著名的Z-score法。Ohlson[11]首次將Logit模型應用于企業財務窘境預測，避免了多元判別分析數據正態分布、相同協方差等要求，估計更具魯棒性。Tam和Kiang[12]將神經網絡模型用于銀行業財務困境預測，發現具有較高的準確性和穩定性，但缺少了“解釋能力”。2004年的《巴塞爾新資本協議》推動了信用風險現代評價方法的發展。KMV公司基于Black-Scholes模型，建立了運用財務、股價數據計算預期違約概率的KMV模型。該模型因運用股價等公開信息，而不適合于非上市企業的信用風險評價。Credit Metrics模型是估算由于違約和信用降級引起的、在未來一段時間內資產組合的最大可能損失，該模型所依據的違約概率和信用降級兩個歷史數據庫尚缺少對中小企業的記錄。麥肯錫公司將信用降級概率與宏觀經濟因素相聯系計算損失分布，建立Credit Portfolio View模型，補充了Credit Metrics模型不同經濟周期信用降級概率不變的特點。Credit Portfolio View模型所要求的國家、行業層面的違約數據往往難以獲得。

(二)生豬產業特點分析與方法選擇

生豬產業是我國農業的支柱產業之一，2020年生豬產業產值近1.3萬億元。我國生豬產業鏈以生豬養殖為核心，包括飼料加工、獸藥、生豬養殖、屠宰、加工、銷售等諸多行業。理論研究與實踐數據顯示，生豬養殖業具有顯著的周期性，即“豬周期”。豬價周期性波動的現象，得到了經濟學中蛛網理論的支持。由此，生豬養殖具有生產周期長、資金季節性需求量大、市場空間大、利潤不穩定等特點。此外，生豬產業鏈上下游行業關聯緊密，供需傳導速度快，行業間依存度高。為平滑“豬周期”影響，增強抗風險能力，大部分生豬養殖企業向產業鏈上下游擴張，這為生豬產業的供應鏈融資提供了條件。

國家統計局發布，2020年全國生豬出欄 52 704 萬頭，前十家豬企生豬出欄量僅占全國的10.4%，可知當前我國生豬養殖仍以農散戶、中小企業為主。利用農產品鮮明的季節性特點，供應鏈金融可實現優化生豬產業鏈上的資金配置。如，在購買豬苗、養殖階段，養殖企業為資金需求方，在生豬出欄時，養殖企業資金充沛，可成為資金提供方。這為生豬產業供應鏈金融提供了理論上的可能性。

綜上，生豬產業供應鏈金融信用風險評價主體多為非上市中小企業，我國非上市中小企業的違約和信用評級歷史數據、行業違約數據尚不完善，本文選擇傳統方法進行評價。為進一步研究生豬產業特點與供應鏈金融信用風險的關系，本文選擇具有一定解釋能力的、對變量總體分布和方差要求不高的Logit模型進行生豬產業供應鏈金融信用風險評價。

三、生豬產業供應鏈金融信用風險評價模型的建立

(一)Logit模型

Logit模型又稱對數單位模型，是一種常用的離散選擇模型，解決因變量y為二分類定性變量的問題，自變量x服從Logistic分布函數，建立Logit模型，

(1)

(2)

其中，Pi表示企業i發生違約風險的概率；y=1表示企業發生違約風險，y=0表示企業未發生違約風險；xi表示第i個自變量；α為常數項；βi為第i個自變量的系數。

(二)評價指標體系的建立

從供應鏈產業鏈整體出發，生豬產業供應鏈金融信用風險評價指標體系應包含中小企業資質、核心企業資質、質押資產特征、宏觀環境特征和供應鏈行業特征。本文根據《中國人民銀行信用評級管理指導意見》(銀發[2006]95號)構建了中小企業資質指標，并選擇盈利能力、經營能力及償債能力指標評價核心企業資質。

生豬產業鏈上的產品具有易變質特點，不適合以存貨質押方式融資。本文以鏈上中小企業向下游核心企業供貨的交易方式為對象，研究應收賬款質押模式的生豬產業供應鏈融資信用風險，選取應收賬款賬齡指標評價質押資產特征。豬肉是我國重要的農副產品之一，易振華[13]指出生豬價格在我國消費品價格指數(CPI)中權重高，與CPI走勢相似，故選取GDP增長率指標，揭示生豬產業所處的宏觀經濟環境特征。我國生豬養殖集中度較低，生豬企業處于完全競爭狀態，企業業績與豬價關聯緊密，生豬產業受豬周期影響較大，筆者推測生豬價格與生豬產業鏈上的中小企業信用風險具有相關性。故選取生豬價格指標揭示行業狀況。供應鏈的盈利能力說明供應鏈的穩定性，即鏈上中小企業交易活動的穩定性，本文選取供應鏈利潤率指標進行評價。具體評價指標體系如表1。

表1 生豬產業供應鏈金融信用風險評價指標體系

(三)樣本選擇

我國生豬養殖規?；^低，具有公開財務數據的生豬養殖中小企業集中于“新三板”。根據《新三板掛牌公司管理型分類結果(截至2021年1月底)》名單，本文選取“新三板”飼料加工、牲畜飼養、屠宰及肉類加工、獸用藥品制造等行業的企業75家，經手工篩選，主營項目與豬有關的企業有36家。本文將“新三板”企業發生被ST、未按時披露公司年報，或者多次違規、訴訟并被發布風險提示性公告等情形之一者，視為風險企業。通過查詢Wind金融數據庫，樣本企業中有27家正常企業和9家風險企業。通過Wind金融數據庫的關系網文件及網絡搜索，確定了與36家樣本企業一一對應的真實發生或可能發生業務的核心企業。

由于信用風險的滯后性和當年年報次年披露的時滯性，本文選取Wind金融數據庫中樣本企業2016—2018年年報數據對2019年的違約與否狀態進行回歸。本文建立的評價體系包含了連續計量和離散計數指標，隨時間變化而有不同含義。為盡量減少信息丟失，本文借鑒彭建剛等[14]采用的方法，對2016—2018年各指標進行時間加權平均，作為回歸的各指標數據：

(3)

其中，T表示指標數據涵蓋的總年數，Xij表示i指標第j年的數值。

四、實證分析

Logit模型簡單易理解，對變量數據分布和方差沒有嚴格要求，但是自變量之間可能存在的多重共線性會降低估計的準確性。評價供應鏈金融信用風險的指標眾多，且財務指標間存在一定的相關性，本文在Logit模型回歸前，運用主成分分析降維處理自變量，解決多重共線性問題。

(一)主成分分析

本文采用SPSS25.0進行主成分分析。首先，對樣本數據相關性進行檢驗，KMO的值為0.524，巴特利特檢驗P值<0.001，說明變量之間存在相關性，適合進行主成分分析。其次，對樣本數據進行標準化，以消除不同量綱產生的數量級差異影響。為有效降維，主成分分析選取貢獻率超過75%、且特征值大于所有主成分特征值均值1的因子作為主成分。由表2可知，選擇F1-F8這8個因子作為主成分。

表2 總方差解釋

由旋轉后成分矩陣可知：

F1主要是總資產利潤率、成本費用利潤率、銷售凈利率、凈利潤增長率、資本金利潤率、現金流量負債比率、流動比率的線性組合，反映了中小企業的盈利能力和償債能力。

F2主要是核心企業速動比率、供應鏈利潤率、核心企業銷售凈利率的線性組合，反映了核心企業和供應鏈的盈利能力。

F3主要是應收賬款賬齡、豬價、GDP增長率的線性組合，反映了行業周期、宏觀經濟、質押資產特征的環境影響。

F4主要是存貨周轉率、總資產周轉率的線性組合，反映了中小企業的經營能力。

F5主要是流動資產周轉率的線性組合，反映了中小企業流動資產的經營能力。

F6主要是應收賬款賬齡、員工得分的線性組合，反映了中小企業素質。

F7主要是應收賬款周轉率的線性組合，反映了中小企業運營應收賬款的能力。

F8主要是總資產增長率的線性組合，反映了中小企業的發展能力。

由成分得分系數矩陣可得，主成分F1、F2、F3、F4、F5、F6、F7、F8由原始指標表示的線性組合：

F1=-0.007X1-0.029X2+0.056X3-0.003X4+0.048X5+0.075X6+0.134X7+0.152X8+0.145X9+0.168X10+0.061X11+0.094X12-0.089X13+0.133X14-0.019X15-0.091X16-0.139X17+0.021X18+0.012X19-0.030X20+0.025X21+0.054X22+0.004X23-0.005X24-0.005X25

……

F8=0.221X1+0.028X2-0.188X3-0.257X4+0.070X5+0.008X6-0.027X7+0.000X8+0.019X9-0.102X10+0.272X11+0.158X12+0.004X13-0.148X14+0.247X15-0.064X16+0.054X17+0.446X18-0.097X19-0.243X20+0.082X21-0.003X22+0.444X23-0.199X24-0.257X25

(二)Logit模型回歸與分析

通過主成分分析，選取F1-F8主成分作為協變量進行Logit回歸分析。采用向后逐步回歸進行變量選擇，經3步回歸F1、F2、F3、F4、F7、F8被留在模型中，其中F1、F3、F7、F8具有統計顯著性。由表 2知，F1、F2、F3、F4、F7、F8主成分涵蓋了83.502%的原始指標信息，代入Logit模型得

(4)

模型(4)中的因變量P表示公司違約的概率。P值越接近于1，說明企業違約的概率越大；P值越接近如0，說明企業違約的概率越小。由預測分類檢驗可知，模型(4)預測正常企業的準確率為94.1%，預測風險企業的準確率為83.3%，總的預測準確率為91.3%，表明該模型的預測精確度很高。

由Logit模型原理，模型(4)中具有統計顯著性的主成分系數可判斷其與信用風險的相關性。結果顯示，主成分F1、F3、F7、F8與信用風險顯著負相關。由表 2知，F1對信用風險的解釋能力最大，說明中小企業自身的盈利能力和償債能力與信用風險具有較高負相關性。F3主要反映了行業周期、宏觀經濟、中小企業債項資質的借貸環境影響因素，說明豬周期、宏觀經濟與生豬產業供應鏈金融信用風險負相關，驗證了前文的推測。F7和F8分別反映了中小企業的應收賬款運營能力和發展能力，說明這兩項能力與信用風險具有相關性。

五、結論與未來研究方向

(一)結論

我國生豬養殖規?；^低，生豬產業鏈上企業多集中于新三板，新三板掛牌的中小企業財務數據公開，為本文研究提供了適合的數據基礎。研究發現：在供應鏈金融信用風險評價中，生豬產業鏈上企業自身的盈利能力和償債能力、豬周期、供應鏈盈利能力與信用風險具有相關性。Logit模型評價生豬產業供應鏈金融信用風險，具有總預測91.3%的高準確率。

(二)有關未來研究方向的建議

第一，結合生豬產業研判，完善指標體系。本文在《中國人民銀行信用評級管理指導意見》(銀發[2006]95號)信用風險評價體系的基礎上，引入了核心企業資質、供應鏈盈利能力、生豬價格等指標，未來可通過對生豬產業供應鏈的深入探索，進一步增加核心企業擔保貸款額度、供應鏈信息共享程度及豬糧比等評價指標，提高模型預測準確率。

第二，考慮時間因素，優化評價模型。本文選擇生豬價格作為豬周期的表征變量，由回歸結果可知，含有豬周期變量的主成分與信用風險顯著相關。豬價對生豬產業鏈上企業影響的時點可能不同，如豬價下降對上游飼料企業的影響會有滯后期，而對生豬養殖企業則是即時影響，即本期豬價下降影響本期銷售收入，影響本期盈利能力和償債能力。本文未區別時間進行回歸檢驗，未能反映豬價對不同企業的時點影響。未來可優化評價模型，進一步細化豬周期與生豬產業供應鏈金融風險的關系。