銀行供應鏈金融風險管理和對策研究

商業銀行發展供應鏈金融的勢頭迅猛，紛紛在其重點發展規劃中納入了供應鏈金融，但供應鏈金融全生命周期的風險管理不容忽視。本文歸類研究市場上現有的銀行及非銀行機構供應鏈金融業務案例及風險特征，通過TVP-SV-VAR模型實證研究產業非預期事件對供應鏈金融系統性風險沖擊，以云南省高速公路行業場景下未來應收賬款類供應鏈金融業務作為典型案例梳理風控模式，主要研究結論如下：一是商業銀行在做好自身供應鏈金融平臺的同時，需及時調整優化組織機構，強化行業研究，加強全球供應鏈建設金融支持。依托供應鏈核心企業擴大行業類別合作，分散供應鏈金融系統性風險。理性應對第三方供應鏈金融平臺發展趨勢，加強平臺合作轉移供應鏈風險；二是從銀行信貸路徑和企業成本路徑來看，非預期事件發生時，基準利率對商業信用產生負向沖擊，利率下調推動大宗商品價格下行，企業備貨行為產生資金占用，產業鏈之間形成鏈條債，推高商業信用規模，此時供應鏈金融系統性風險顯著積聚；三是未來應收賬款類供應鏈金融業務進行創新時，對行業重點法規政策的利用可以強化供應鏈資金風險控制，與保理公司等非銀行金融機構合作可以解決核心企業不確權的難題，應用金融科技通過平臺數據交互可以有效緩解中小企業信息不對稱問題。

供應鏈金融市場潛力巨大，2024 年我國供應鏈金融市場規模將達 40.3 萬億元，5年復合增長率為 11.7%。供應鏈金融底層資產以應收賬款為主，其底層資產主要分為應收賬款、預付賬款和存貨，未來5年內應收賬款占底層資產融資余額比重將從 58%提升至 60%。當前供應鏈金融業務融資來源主要為銀行，其融資來源主要分為資產證券化、信托直接融資、銀行直接融資、商業保理及其他，其中銀行直接融資占比最高，占比超過75%。供應鏈金融是商業銀行必爭的戰場，在整個供應鏈中，商業銀行圍繞其核心的企業，調整供應鏈上下游中小企業資金流通和信息流通，采取化個體為整體的方式，降低供應鏈上的單個企業面臨的風險，將風險調整到最低（陳小憲和何珊，2022）。這種模式一定程度上解決了小微企業“融資難、融資貴、融資繁”的問題，積極響應國家支持實體經濟、支持民營企業和中小企業、支持供應鏈金融發展、加快建設全國統一大市場等相關政策，是貫徹落實國家戰略的重要體現。

商業銀行發展供應鏈金融的勢頭迅猛，紛紛在其重點發展規劃中納入了供應鏈金融，但供應鏈金融全生命周期的風險管理不容忽視。供應鏈金融屬于銀行低頻業務，穩定性得不到保證，無法匹配借貸雙方的風控需求，致使供應鏈金融業務難以落實（歐邦才，2022）。尤其在經濟下行期，小微企業更為脆弱，風險完全不獨立，放貸之后銀行則成了“弱勢群體”，“大數法則”失靈（薛小飛和范姿妤，2022）。產業鏈整體風險通過“鐵索連環”的方式從生態圈中小企業更多集中到鏈條的焦點企業上，使得產業系統性風險面對非預期事件沖擊傳染性更強（鄭莉，2022）。因此，歸類研究市場上現有的銀行及非銀行機構供應鏈金融業務案例及風險特征，實證研究產業非預期事件對供應鏈金融系統性風險沖擊，具有非常強的現實意義。

一、文獻綜述

（一）供應鏈金融定義

在中國人民銀行等八部委的定義中，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，提供系統性的金融解決方案，以快速響應產業鏈上企業的結算、融資、財務管理等綜合需求，降低企業成本，提升產業鏈各方價值①。但不同學者有不同看法，有的強調核心企業主導，認為供應鏈金融是核心企業通過對供應鏈生態圈的管理及維護，達到降低供應鏈成員企業融資門檻與融資成本目的的融資管理方式（Lamoureux，2007）；有的強調商業銀行主導，認為供應鏈金融是商業銀行結合供應鏈上核心企業提供的信息流與信用擔保，為供應鏈上下游企業提供了更為靈活的融資方案與金融服務的金融模式（陳四清，2014；施逸文，2022；陳小憲和何珊，2022）；有的強調供應鏈資金管理，認為供應鏈金融是金融機構與技術提供商共同提出的用于優化供應鏈上各成員企業間資金流動的資金管理模式（李健等，2020）；有的強調解決銀企信息不對稱，認為供應鏈金融是通過匹配供應鏈上下游各環節成員間的物流、資金流與信息流，提高產業鏈生產經營效率，解決供應鏈上中小企業融資困難的問題（王霄和張捷，2003；林毅夫和孫希芳，2005）。本文使用官方定義。

（二）供應鏈金融發展階段

上世紀80年代，隨著各國工業規模擴張的與經濟全球化的推進，生產各個環節中合作較為穩定的企業逐步加強相互間的合作并形成了早期的供應鏈生產模式。此時供應鏈管理作為一項企業運營的策略，當供應鏈上的成員企業能形成從原料采購到銷售給最終消費者的封閉網絡后，供應鏈上企業的競爭能力將會得到有效提升（Michael，1987）。我國最早的供應鏈金融實踐可追索到深圳發展銀行提出的“1+ N”模式，以核心企業為依托，以供應鏈條上下游企業為服務對象，以企業間真實交易為基礎的分配金融資源的活動模式（褚旋和湯敏，2020）。這一模式打破了以往銀行只針對單一企業的經營狀況進行評估授信的融資方式，轉而把供應鏈上的各個企業結合在一起，作為整體看待，供應鏈上的所有企業都可以分享資源，中小企業也可以參與進來（朱玉純，2022）。到目前為止，基本上所有的商業銀行都開展了各具特色的供應鏈金融相關服務（高潔，2022），供應鏈金融模式的發展在一定程度上對中小企業受到的融資約束有緩解效果（張丹，2017）。

現有研究對供應鏈金融的發展模式分為三個或者四個階段，前兩個階段基本一致。第一階段是以商業銀行等金融機構主導的傳統供應鏈金融模式，核心邏輯為自償性貿易融資及核心企業信用外溢。金融機構會依據供應鏈內核心企業的信用與擔保意愿，為其上下游提供融資支持，并委托三方物流公司監管供應鏈成員企業提供的質押商品，此階段也叫貿易融資、物流金融等，代表產品包括保理、倉單質押、保兌倉等。主要缺陷在于，一是金融機構未實際參與供應鏈體系管理，因此融資范圍僅覆蓋了少量的供應鏈節點。二是中小企業規模小、經營不穩定，在核心企業不確權的情況下，此類企業難以通過與核心企業間的交易信用來減緩融資約束（Roberts，2015）。三是若核心企業對其上下游約束能力較弱，將導致商業銀行很容易受到多頭質押、虛假交易等問題影響（Kowalski et al，2021）。

第二階段為供應鏈核心企業主導，金融機構提供協助的線上供應鏈階段。在這個階段中，商業銀行從單純的資金提供者轉而為供應鏈管理模式中的運營者，由于將自身嵌入整個供應鏈的生產運營中，商業銀行較為全面的掌握了供應鏈的資金、貨物與信息流動數據，與產業鏈運作流程（Hofmann， 2005）。這種方式不僅進一步減少了中小企業受到的融資約束，同時也使得商業銀行能設計出更符合供應鏈上不同企業運作模式的金融產品，如銀行與汽車財務公司深度合作，開展汽車金融服務。主要缺陷在于，對核心企業產業整體布局規劃能力要求較高、對產業鏈上下游中小企業管理難度大。

第三階段（含第四階段）為數字化技術推動平臺化，多個專業主體相互合作形成平臺化的供應鏈服務網絡。隨著供應鏈產業模式的快速發展，產業鏈上各節點的需求也越來越豐富。供應鏈網絡的建立與維護需要依賴于鏈條上各參與主體間保持穩定且持續的合作關系，其本質是合作的主體間能持續“保持信任”（Barrane et al. 2020）。這種信任的基礎很大程度上依靠于供應鏈成員對其上下游間生產交付能力的預測與確認。因此供應鏈上成員企業需要更為多元化、特色化的服務來保持其網絡各部分的生產效率穩定可靠。業內對供應鏈網絡平臺建立的需求愈發高漲，供應鏈金融平臺以互聯網技術為基礎，將供應鏈內各參與主體鏈接在網絡內（徐鵬杰，吳盛漢，2018）。除了傳統供應鏈模式中的商業銀行、核心企業、供應鏈上下游和物流監管公司外，電商平臺、科技公司等平臺企業也將加入供應鏈金融平臺的建設與維護中。供應鏈上各成員企業除了對其縱向交易對象能加深合作外，也能實現不同環節成員間的橫向信息溝通，從而更好安排自己的生產經營計劃，達到業務在廣度與深度方面的拓展（宋華和楊雨東，2019）。依托區塊鏈技術的共識機制、智能合約等技術手段保證鏈上所有數據的不可篡改性與可追溯性，實現供應鏈金融平臺“數據上鏈”，可以有效解決貨物監管不力、多頭抵質押等問題（龔強、班銘媛、張一林，2021）。Omran（2017）等研究者通過對反向保理與動態貼現的實證研究，論證了區塊鏈技術對增加供應鏈上企業透明度做出的貢獻。Casado-Vara等（2018）認為數字供應鏈模式可以實現循環經濟的概念，并創造一個多方代理系統模式協助供應鏈運營企業管理鏈上所有交易信息。Choi（2020）通過制造商和零售商之間的納什均衡模型推導出每個供應鏈中的最優合同和數量，分析性地展示供應鏈金融平臺收益共享機制。

（三）供應鏈金融風險研究

供應鏈金融的發展欣欣向榮，但也存在較多問題。一是授信范圍局限，銀行會重點給核心企業授信，然后由給下游企業進行垂直衍生授信，出于風險傳遞的可能性，銀行通常控制授信范圍，如只允許一二級經銷商企業準入；二是鏈上企業信息不對稱，隨著供應鏈上下游企業數量急速增長，當核心企業無法做到全權管理時，授權分層管理會致使鏈上企業信息不對稱；三是供應鏈信息管理約束力低、違約風險高（高潔，2022）。因此對于供應鏈金融風險管理，國內外已進行較多研究。

供應鏈金融風險度量方面。在金融機構向供應鏈中的企業進行資金投放前，對企業及其所屬供應鏈的風險評級與研究供應鏈運營情況十分重要。王一鳴等人（2017）站在商業銀行角度，認為供應鏈金融風險主要分為兩大類：一類是宏觀行業風險、另一類則是信用風險。宋華等人（2018）提出供應鏈中的風險主要來源于參與者的外部環境、供應鏈內部網絡、供應鏈企業之間。Barsky和Catanach （2005）將風險分為融資過程、信息技術、人力資源、環境與公司結構五個部分。Liu（2015）基于供應鏈金融發展的時代和現實背景，根據全面風險管理的內在要求和研究邏輯，構建了供應鏈金融風險管理理論模型框架。Leung和Kwok（2009）通過構建馬爾可夫鏈來分析供應鏈上關聯企業間信用風險傳導現象，論證了集體違約事件往往來源于信用風險的傳導。Rosenberg和Schuermann（2006）從金融管理的實踐出發，為供應鏈金融內發生的各類風險給出了測量方法。熊熊等（2009）研究者則運用logistic回歸模型對某石油公司為案例，對商業銀行對企業投放的信貸風險進行了分析測量。張建同等人（2019）以上市企業的汽車供應鏈金融為案例，采用了修正的 KMV 模型分析出經銷商、供應商、核心企業的違約風險大小。

供應鏈金融風險控制方面。陳輝強（2017）指出，商業銀行可以通過對貸款資金的封閉管理來降低供應鏈金融的整體風險。田火青（2020）提出，通過電子化、無紙化審批流程和管理系統，將供應鏈上下游之間的交易進行全程收集并及時向鏈上各關鍵主體進行通知和公示，從根源上杜絕虛假貿易背景、虛假票據，嚴控抵質押手續和貨物周轉，防止貸款資金挪用。李毅學（2007）等運用“主體+債項”的風險評估策略對SFZ銀行和WXZC物流有限公司的存貨質押融資業務現貨價格參數進行分析，得出了價格隨機波動下符合實際情況的銀行質押率的計算結果。Burnetas和Ritchken（2005）研究了當需求曲線向下傾斜時期權合約在供應鏈中的作用，并發現期權合約的引入會導致供應鏈內成員間交易批發價格上漲和零售價格的波動性降低。

總的來說，現有研究存在以下不足：一是尚未結合《民法典》的施行對未來應收賬款類供應鏈金融業務拓展研究；二是案例研究較多，實證研究較少，特別地對供應鏈金融業務系統性風險沖擊的研究極少；三是政策及建議往往偏向宏觀，對于銀行業深入發展供應鏈金融業務缺乏營銷指引作用。因此，本文的創新之處在于：一是采用TVP-SV-VAR模型實證研究產業非預期事件對供應鏈金融系統性風險沖擊；二是針對應收賬款類供應鏈金融業務風控模式進行具體的案例分析；三是單獨配套撰寫銀行業供應鏈金融平臺營銷指引（詳見配套論文），細化政策及建議。

二、業務現狀：同業市場供應鏈金融典型案例對比研究

本文將我國5類較為常見的供應鏈金融平臺按照主導方的不同，將其業務特點、資金來源及缺點進行歸納對比，詳見表1。

（一）銀行主導的供應鏈金融業務發展情況

中國銀行憑借在國際貿易金融上的優勢，早在2007年便推出了基于供應鏈融資的產品“融易達”，2009年成立供應鏈團隊并正式發力供應鏈金融，通過搭建“區塊鏈福費廷交易平臺”和“數字票據交易平臺”以“電子化+全球化”的方向拓展供應鏈金融業務。

農業銀行發力供應鏈金融首先體現在制度建設上，2018年農行總行建立了“普惠金融事業部+八大后臺中心”，通過發展“數據網貸”業務，向核心企業上下游小微客戶提供全線上化融資服務，并與中企云鏈合作推出“保理e融”。

工商銀行供應鏈金融業務的新變化主要體現在其線上小微金融服務平臺上，平臺主要包含純信用類的“經營快貸”、抵質押類的“網貸通”，以及“線上供應鏈融資”三大主要產品，小微金融業務中心的布局已超過258個。

建設銀行供應鏈金融在組織建設上實現普惠金融事業部在一、二級分行的全覆蓋，累計組建小企業中心達288家，設計研發了包括應收賬款融資、金銀倉、動產質押融資、訂單融資、動產質押融資等十余個供應鏈線上化融資產品。

交通銀行開展供應鏈金融業務主要通過“蘊通供應鏈”平臺進行，并主要圍繞汽車及其他各行業核心企業，通過與國內大型物流公司開展質押監管合作，并與保險公司開展信用保險合作，推出了“快易貼”“快易收”“快易付”“蘊通e鏈”等一系列供應鏈融資產品。

中信銀行的供應鏈金融業務思路是“三年三步走”的思路，2020年上線30支交易銀行產品已實現產品整體領先；2021年累計上線50支交易銀行產品、搭建9大平臺建設、形成行業方案，已實現交易銀行業務整體領先；2022年搭建“三態一數”體系，將實現交易銀行體系整體領先。截至2021年12月末，中信銀行銀行交易筆數、交易金額同比增速位列同業第1。交易筆數近2億筆、交易金額破百萬億，市場份額達到近25%，在同業市場具有領先位置。

招商銀行將供應鏈業務的“全國做一家”模式升級為“全國服務一家”模式，為核心企業及其產業鏈上下游解決融資難題的同時，進一步以客戶為中心，整合本公司跨分行、跨條線的資源，形成合力滿足客戶需求，形成全行性客戶服務網絡。以該模式累計服務222家核心企業，拓展16，149家供應商，并為其中13，314家供應商提供了融資支持，放款金額1，598億元。實現應收賬款雙保理業務全流程線上化，并針對制造業、零售批發、物流等行業，通過差異化服務方案，在核心企業的經營深度及其上下游企業的覆蓋廣度上均有明顯突破。核心企業客戶數同比增長29.74%，上下游客戶數同比增長58.39%。通過“賬權池”產品，為汽車行業供應鏈客戶提供數據融資創新服務，實現場景交互數字化、操作流程線上化及風險控制智能化。截至2021年，供應鏈融資業務量6，120.08億元，同比增長49.75%。

平安銀行是國內最早涉足并提倡發展供應鏈金融業務的商業銀行，供應鏈金融數字化轉型策略主要通過線上供應鏈金融、橙e網以及星云物聯網平臺三個方面實施。截至2021年，平安銀行供應鏈金融融資發生額為9599.11億元，同比增長33.7%。以線上供應鏈金融平臺“平安好鏈”為例，該平臺累計為21，690家企業客戶提供金融服務，全年交易量1498.73億元，同比增長81.2%；全年融資發生額519.76億元，同比增長62.8%。此外，橙e網是由平安銀行2014年推出的綜合性金融服務平臺，是一家專注為熟人之間做生意提供免費的電商平臺，收錄了平安銀行發展供應鏈金融的產品及服務。橙e網借助大數據、云計算等技術手段，實現了平安銀行與其合作客戶的平臺對接和數據交換，有助于平安銀行對商流、物流、資金流、信息流進行一體化管理，形成商業生態圈。

浦發銀行最早在2007年推出“企業供應鏈融資解決方案”，2011年打造具有特色的供應鏈金融平臺，并與中國移動、神龍汽車、中遠物流等多家核心企業和物流公司合作。在線上供應鏈金融領域推出“政采e貸”“票據池秒貸”以及云資金監管、e企行綜合服務平臺等創新產品。

光大銀行2018年2月推出“陽光融e鏈”產品，屬于“陽光財富供應鏈金融”業務的為客戶提供全流程電子化保理金融服務的創新型金融產品。截至2019年，光大銀行利用“陽光融e鏈”產品累計完成應收賬款轉讓291億元，融資投放252億元。2019年7月光大銀行推出了“陽光供應鏈云平臺”，該平臺采用SaaS平臺模式和云服務技術，為企業客戶提在線供應鏈金融綜合服務的互聯網云平臺，截至2019年，光大銀行利用該平臺完成應收賬款轉讓34.1億元，融資投放達30億元。

浙商銀行從2016年開始研究區塊鏈技術應用，并于2017年8月率先投產基于區塊鏈技術開發的應收款鏈平臺。圍繞供應鏈金融，浙商創新“池化”及“線上化”的融資業務模式，在三池（涌金票據池、涌金資產池、涌金出口池）的基礎之上，繼續圍繞三大業務平臺進行展業。

（二）產業龍頭主導的供應鏈金融業務發展情況

供應鏈核心企業基于多年經營積累的行業大數據以及實地調研考察，熟知合作伙伴的經營狀況和融資需求特點，能夠充分利用產業數據、交易數據，精準定位伙伴需求，深入剖析伙伴交易場景，運用數字化思維，設計金融產品，實現風險控制。但這種模式將顯著增加核心企業工作量，同時核心企業自身風險對產業鏈系統性風險影響較大。接下來以伊利集團為例進行分析。

1.案例背景。伊利集團位居全球乳業五強，連續八年蟬聯亞洲乳業第一，也是中國規模最大、產品品類最全的乳制品企業。該企業高度重視全球供應鏈建設，全球合作伙伴總計2000多家，遍及6大洲，分布在39個國家。2022年上半年，伊利立足全球供應鏈協同運營平臺，實現了國內與東南亞、新西蘭基地間的高效聯動，產品輻射全球60多個國家和地區，國際化業務收入比去年同期增長58%。伊利所在的乳業產業鏈橫跨第一產業農牧業、第二產業制造業及第三產業商貿流通行業，涉及產業面較廣，乳業產業鏈呈現“中間大、兩頭小”的格局。伊利堅信未來企業競爭是產業鏈的競爭，合作伙伴缺乏資金會導致供應鏈產業鏈不穩定，直接影響產業競爭力。伊利作為核心企業，重投入搭建系統、開發產品、建立團隊與制度，主動取得內蒙古惠商融資擔保有限公司、惠商商業保理有限公司、內蒙古惠商互聯網小貸公司和伊興奶業投資公司4類金融牌照，制定以全局長效性和系統性產業賦能為導向的產業融資解決方案，搭建產業鏈金融服務平臺，解決上游供應商、牧場及下游經銷商的融資問題，保障產業供應鏈可持續發展。

2.運作模式。一是在客戶準入方面，伊利產業鏈金融對牧場以忠誠度、專業度、專營度作為三個考量指標。二是在客戶評價與額度建議方面，伊利下達的下月銷售任務是經銷商獲批額度的重要參考指標，一般要求經銷商至少配套50%的自有資金。三是在鏈路閉環方面，經銷商無論通過小貸公司融資還是通過銀行融資，獲批的資金全部打到伊利的貨款賬戶，防止信貸資金挪用，實現資金閉環。四是在抵質押物方面，從2014年開始，伊利就不斷探索將奶牛資產進行標準化，建立奶牛的標準化抵押體系。同時，積極實踐將存貨、應收賬款等流動資產轉為有效增信。五是在運營方面，全國范圍內一線業務員兼任信貸員，在當地完成融資需求收集及經營情況調查的工作，減少盡調成本；融資業務由銷售代表、城市經理發起，由區域經理和大區經理等人員審核，同時由業務部門、財務部門、金融團隊組成風險管理三道防線。截至2021年末，伊利累計為8590戶產業鏈上下游合作伙伴提供融資金額930億元，其中80%從未獲得過融資，戶均150萬元；上下游合作伙伴的平均融資成本從9%降到6%，減輕了沉重的資金負擔；伊利產業鏈金融業務不良率0.52%，遠低于中小微企業的平均不良率。

3.案例啟示。對于銀行供應鏈金融風險管理的啟示主要體現在：一是調整優化組織機構，商業銀行往往是部門銀行的組織架構，業務部門既要對上級部門負責，又要接受相關職能部門的指導，可能在組織溝通不暢的情況下，導致執行效率低下、風控把關不嚴，案例中伊利集團組建跨部門項目團隊開展工作，運營方面形成較好的成效；二是強化行業研究，不同產業間的交易模式、架構特點、關注點以及供應鏈的分散度、資金密集度、投入回報周期特點等多方面差異化較大，沒有統一的模式，銀行需要持續深化行業研究，應對不同產業的特色化供應鏈融資需求，案例中伊利集團作為核心企業對產業鏈非常了解，已建立起創新性的信用評價體系，如奶牛的標準化抵押體系；三是加強全球供應鏈建設金融支持，當前伊利集團注重發展海外業務，銀行需要布局整合全球優質金融資源，協助核心企業完成全球供應鏈體系建設。

（三）平臺主導的供應鏈金融業務發展情況

從表1中對各類供應鏈金融平臺的比較分析可以看出，以綜合性管理平臺為基礎設立的供應鏈管理模式能夠在一定程度上減弱其他平臺遇到風險問題，例如平臺對中小企業信息掌握不全、平臺資金不充足、融資門檻高等。作為供應鏈金融平臺，綜合性管理平臺也存在對完備的經濟體制支撐、政府政策支持和信息交流保障等的需求。接下來以中企云鏈為例進行分析。

1.中企云鏈背景。中國中車在2015 年聯合中國鐵建、國機集團、金蝶軟件等眾多大型企業，利用互聯網技術打造了一種新型模式的供應鏈金融平臺。平臺旨在充分發揮大型國企在產業鏈中的核心作用，利用金融科技及互聯網技術，貫通大中小企業以及金融機構各類生產經營及金融融資業務，實現提升核心企業競爭優勢、助力中小企業融資環節改善的戰略目標，實現互利互惠，多方共贏的局面。中企云鏈作為央企投資協會首個合作落地項目，以其自身優勢充分利用大企業產業資源，打破了傳統的供應鏈金融模式，以“ N（銀行）+N（核心企業）+N（供應商）”的“云鏈平臺”模式，盤活企業應收應付余額，降低大企業和供應商財務費用，為平臺各參與方打造互惠互利、協同共享、富有競爭力的供應鏈管理生態圈。該平臺基本實現以下核心目標： 第一，鏈上成員企業通過平臺可以隨時、持續性地和循環式地自動取得具有真實貿易背景核定的融資支持；第二，平臺各參與方均能在平臺上以線上電子方式核實和發放融資，并獲取相應貿易背景信息；第三，以預設的融資價格實現實時用信；第四，鏈上成員企業均能在平臺上獲取其他相關增值服務（如數據歸集和分析、擔保物權登記、債權轉讓通知等）；第五，多層次的資金提供方能在平臺上方便地提供不同門檻、不同價格的債權融資，而不僅只提供單一級別金融機構資金支持；第六，平臺利益在參與方之間能合理分配，形成新的激勵機制和供應鏈生態。

2.中企云鏈平臺的運作模式。中企云鏈的核心產品主要是云信及云信有關附屬產品。云信是持有銀行或其他金融機構授信擁有空余額度的核心企業在中企云鏈平臺申請開立的一種電子虛擬票據，其實質是一種付款承諾函。它可以將核心企業信用實現拆分和流轉到鏈屬成員企業，鏈屬成員企業可以選擇繼續將云信拆分流轉，或者向平臺內資金提供方申請融資或持有到期等。云信的運行流程如圖1所示。

中企云鏈有三點顯著的創新：首先是實現了具有金融機構支持的電子化買方付款承諾，因此提高了小微企業獲得融資的成功率和效率；二是實現了電子付款承諾的多級分拆和轉授，使與核心企業距離遠的長尾上游中小供應商也能基于核心企業的信用從平臺內金融機構取得較低成本融資；三是供應商可用收到的電子付款承諾再支付給自身的上游供應商，解決中小企業之間的支付信任問題。

3.案例啟示。對于銀行供應鏈金融風險管理的啟示主要體現在：一是擴大行業類別合作，分散供應鏈金融系統性風險。中企云鏈作為一種創新型第三方平臺，創新出一種“N”家銀行+“N”家核心企業+“N”家上下游企業的全線上“N+N+N”供應鏈金融平臺模式，打破了當前供應鏈金融以金融機構、核心企業為主導的傳統模式，多條供應鏈放置于同一個平臺，平臺整體的風險會由平臺上多個主體共同分擔，從而減少了風險集中爆發于某一參與方帶來的影響。二是理性應對第三方供應鏈金融平臺發展趨勢，加強平臺合作轉移供應鏈風險。銀行主導的供應鏈金融平臺難以滿足逐漸豐富的供應鏈金融市場需求，尤其是對于遠離核心企業的小微企業而言，銀行主導的供應鏈平臺無法真正解決其融資問題，不如與第三方供應鏈金融平臺加強合作，作為其資金提供方，讓平臺承擔及管理小微企業的信用風險。

三、實證研究：產業非預期事件對供應鏈金融系統性風險沖擊

（一）數據與模型

1.模型。本文擬采用Primiceri（2005）的TVP-SV-VAR模型檢驗基準利率、大宗商品價格及商業信用的互動關系，研究產業非預期事件對供應鏈金融系統性風險沖擊程度、傳導路徑及異質性差異。為了介紹TVP-SV-VAR模型，首先從一個基礎的結構VAR模型開始，定義如下：

其中，為（）維的可觀察列向量A，F1，…，FS為（kk）的系數矩陣，擾動項為（）維的結構沖擊，并且假設，其中：

本文參考Nakajima（ 2011），通過遞推識別來指定結構沖擊的同時關系（指定順序：基準利率在前，大宗商品價格次之，商業信用凈額最后），假設A為下三角矩陣：

則式（3.7）可以改寫為下面遞推的VAR模型：

其中，i=1，…，s，將中的各元素堆積為維的列向量，并定義，其中表示Kronecker積。則式（4）可以簡寫為：

目前為止，在式（5）中的參數都是不隨時間而變化的。接下來，允許系數隨著時間而變化將模型擴展為TVP-VAR模型。

在TVP-VAR模型中考慮了隨機波動SV就設定為：

其中，系數、參數和都是隨時間而變化的狀態變量，為系數向量，表示結構化模型的約束矩陣，表示沖擊的同期相關系數矩陣。對這些時變參數進行建模的方法有很多，本文參考Primiceri（2005），將中下三角元素堆積為，記，其中。為了減少估計的參數，假定時變參數服從隨機游走過程：

其中。

本文選擇滯后期數為2②、截距項為非時變參數、時變系數與時變方差的三變量TVP-SV-VAR模型，本文的變量y =（i，p，x）中i代表基準利率，p是大宗商品價格，x是商業信用凈額。

2.數據。本文中所有數據的樣本區間為2006年9月到2022年9月，樣本頻率為月度數據。基準利率變量使用SHIBOR 7天同業拆借利率，數據來源于CEIC數據庫，日度轉換為月度數據，進行對數差分處理以保證其平穩性。大宗商品價格變量使用中國大宗商品價格指數，數據來源于CEIC中國經濟數據庫，日度轉換為月度數據，同樣進行差分處理。商業信用變量參照張新民（2012）使用凈商業信用 （ NTC） = （ 應付賬款 + 應付票據 + 預收賬款） － （ 應收賬款 + 應收票據 + 預付賬款） ，用總資產標準化，數據來源于CSMAR數據庫，季度轉化為月度數據，并按研究慣例刪除金融類上市公司及股東權益小于零的公司。為了研究結果的穩健性，我們在 1% 水平下對公司層面的所有連續變量進行縮尾處理。

（二）實證檢驗

1.參數估計。從參數的自相關系數、樣本路徑和后驗密度的圖形來看，MCMC算法有效地模擬了參數的后驗分布，如圖2。由自相關系數和樣本路徑圖可以得出，三個變量的樣本自相關性都迅速下降，抽樣數據圍繞抽樣樣本均值附近穩定波動；從模擬分布密度來看，三個變量的后驗分布密度函數形態十分理想，表明MCMC算法有效模擬了參數的后驗分布。

1.參數估計

從參數的自相關系數、樣本路徑和后驗密度的圖形來看，MCMC算法有效地模擬了參數的后驗分布，如圖2。由自相關系數和樣本路徑圖可以得出，三個變量的樣本自相關性都迅速下降，抽樣數據圍繞抽樣樣本均值附近穩定波動；從模擬分布密度來看，三個變量的后驗分布密度函數形態十分理想，表明MCMC算法有效模擬了參數的后驗分布。

2.波動方差分析。接著，我們運用TVP-SV -VAR模型特有的分析工具可變隨機方差（stochastic volatility）對基準利率、大宗商品價格及商業信用結構沖擊的隨機波動時變特征進行分析，如圖3所示。

基準利率波動較大，2008年金融危機后政府多項舉措刺激經濟、2010年央行年內6次上調存款準備金率并加息、2015年“股災”后央行宣布“雙降”結束中國利率管制等事件，引發SHIBOR 7天同業拆借利率劇烈波動。大宗商品價格主要受2008年金融危機及新冠疫情影響，投資替代及供給斷檔引發大宗商品價格劇烈波動。商業信用波動與利率調整有關聯，2010年央行上調存款準備金率并加息收緊利率環境后，上市公司商業信用維持在較高的波動水平，處境惡化，在2015年央行釋放流動性并加快利率市場化進程后，上市公司商業信用逐漸平穩，但在2019年新冠疫情后，商業信用劇烈波動。

3.不同時點的脈沖響應時變特征分析。脈沖響應是觀察估計的VAR系統所捕獲的宏觀經濟動態的基本工具，TVP-VAR模型允許脈沖響應可以估計所有時間點的時變參數，以便直觀觀測不同時點上沖擊形成的脈沖響應。比較時點選取的是2008年金融危機、2015年“股災”、2019年新冠疫情、2021年房地產“三條紅線”政策出臺，探討非預期事件對供應鏈金融系統性風險的沖擊。

圖4顯示，雖然在四個比較時點施加不同的沖擊，但脈沖響應函數變化趨勢都是相似的。從銀行信貸路徑來看，商業信用當期對基準利率的沖擊就有負向響應，沖擊程度達到5-30個基點，沖擊時間持續到1年后才回到初始水平；從企業成本路徑來看，大宗商品價格當期對基準利率的沖擊為正向響應，沖擊程度為約2.5個基點，4個月后回到初始水平，但商業信用對大宗商品價格的沖擊具有1個月左右的滯后性，體現為負向沖擊，沖擊在3個月后達到最大值，沖擊程度接近4個基點，后續9個月內回到初始水平，整體來講，商業信用在企業成本路徑來看為負向沖擊，利率上調推動大宗商品價格上行，企業備貨行為產生資金占用，產業鏈之間形成鏈條債，推高商業信用規模。

（三）穩健性檢驗

由于篇幅關系，本部分不再進行展開。穩健性檢驗中對三項變量進行替代性指標測試，并區分企業產權屬性、市場地位、產業鏈條等進行分組檢驗，實證結果與基準結果基本保持一致。

四、研究結論與政策建議

（一）研究結論

本文歸類研究市場上現有的銀行及非銀行機構供應鏈金融業務案例及風險特征，通過TVP-SV-VAR模型實證研究產業非預期事件對供應鏈金融系統性風險沖擊，主要結論如下：

一是供應鏈金融市場主流模式是銀行主導、供應鏈核心企業主導和綜合管理平臺主導三種模式，商業銀行在做好自身供應鏈金融平臺的同時，需及時調整優化組織機構，強化行業研究，加強全球供應鏈建設金融支持；依托供應鏈核心企業擴大行業類別合作，分散供應鏈金融系統性風險；理性應對第三方供應鏈金融平臺發展趨勢，加強平臺合作轉移供應鏈風險。

二是通過測算2008年金融危機、2015年“股災”、2019年新冠疫情、2021年房地產“三條紅線”政策發布等四項非預期事件對供應鏈金融系統性風險的脈沖響應發現，從銀行信貸路徑來看，商業信用當期對基準利率的沖擊就有負向響應；從企業成本路徑來看，大宗商品價格當期對基準利率的沖擊為正向響應，但商業信用對大宗商品價格的沖擊具有1個月左右的滯后性，體現為負向沖擊，整體來講，商業信用在企業成本路徑來看為負向沖擊，利率下調推動大宗商品價格下行，企業備貨行為產生資金占用，產業鏈之間形成鏈條債，推高商業信用規模，此時供應鏈金融系統性風險顯著積聚。

三是未來應收賬款類供應鏈金融業務進行創新時，對行業重點法規政策的利用可以強化供應鏈資金風險控制，與保理公司等非銀行金融機構合作可以解決核心企業不確權的難題，應用金融科技通過平臺數據交互可以有效緩解中小企業信息不對稱問題。

（二）政策建議

第一，強化行業研究，借助戰略性客群優選行業布局，分散供應鏈金融系統性風險。不同產業的供應鏈生態體系和運營邏輯差異極大，銀行需充分理解行業特性和結算周期，授信服務匹配網絡節點之間的賬期，信用貸款和結算融資相結合，鎖定采購流向和銷售回款。依托戰略性客群在產業鏈中的強勢地位，重點布局交通運輸、新能源汽車、裝備制造、新能源新材料等優質行業。

第二，迭代金融科技，數字化驅動解決銀企信息不對稱問題。充分利用銀行金融科技研發力量，積極介入戰略性客群供應鏈金融平臺搭建，加大科技投入，在客戶供應鏈內部的封閉授信系統中，更好地發揮數據對實體擔保的替代作用，增加對中小企業的信用貸款支持。當客戶供應鏈系統轉型為開放平臺時，依托核心企業產業鏈管理能力，通過數據開放互聯完成海量長尾客戶的金融服務。

第三，做好開放金融，積極與第三方供應鏈金融平臺開展合作。大量對公客戶分布在動態的產業鏈網絡中，僅依靠銀行自身的供應鏈金融平臺無法觸達全量客戶資源，也無法觀測潛在客戶在產業鏈網絡中的資金流向。平臺間數據開放互通在滿足特定的監管條件下更容易實現，數字化時代不應當“以鄰為壑”，合作才能共贏。

注釋：

①中國人民銀行等八部委《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。

②通過LR/FPE/AIC三類最優滯后階數信息準則計算出的也是滯后2階。

參考文獻：

［1］陳小憲，何珊.商業銀行供應鏈金融風險測度研究——基于金融科技視角［J］.西南民族大學學報，2022（7）：123-128.

［2］薛小飛，范姿妤.供應鏈金融創新能否成為小微企業融資突破口——來自民營銀行的實踐［J］. 華北金融，2022（6）： 55-66.

［3］歐邦才. 供應鏈金融存在的風險與管理對策研究［J］. 商業經濟，2022（8）：186-188.

［4］施逸文.“區塊鏈+供應鏈金融”視角下中小企業融資探究［J］.北方經貿，2022（06）：150-152.

［5］褚旋，湯敏.中小銀行供應鏈金融實踐與發展研析［J］.甘肅金融，2020（12）：31-34+39.

［6］朱玉純. 供應鏈金融應用研究——以大宗商貿公司為例［J］. 河北企業，2022（7）：115-117.

［7］田火青. 招商銀行供應鏈金融業務模式研究［D］.山東大學， 2020. DOI： 10.27272/d.cnki.gshdu. 2020.006523.

［8］張建同，張敏，郭卓琦.基于修正 KMV 模型的汽車供應鏈金融風險分析［J］.工業工程與管理， 2019， 24（01）： 128-135+143.

［9］王一鳴， 寧葉， 周天，等. 商業銀行供應鏈金融的風險及防范——基于交易對手信用風險的視角［J］. 金融理論與實踐， 2017， 000（008）：37-41.

［10］王霄，張捷. 銀行信貸配給與中小企業貸款——一個內生化抵押品和企業規模的理論模型［J］. 經濟研究，2003（07）：68-75+92.

［11］林毅夫，孫希芳. 信息、非正規金融與中小企業融資［J］. 經濟研究，2005（07）：35-44.

［12］熊熊，馬佳，趙文杰，王小琰，張今．供應鏈金融模式下的信用風險評價［J］．南開管理評論，2009，12（4） ： 92-98.

［13］Lamoureux M．2007.A Supply Chain Finance Prime．Supply Chain Finance，4（ 5） ： 34-48.

［14］陳四清．貿易金融［M］．北京： 中信出版社，2014.

［15］李健，王亞靜，馮耕中，汪壽陽，宋昱光. 供應鏈金融述評：現狀與未來［J］. 系統工程理論與實踐，2020，40（08）：1977-1995.

［16］Porter， M.1987.From Competitive Advantage to Corporate Strategy， Harvard Business Review，， pp 43–59.

［17］張丹. 供應鏈金融對中小企業融資約束的緩解效應研究［D］.山東大學，2017.

［18］Hofmann，E.2005.Supply Chain Finance：Some Conceptual Insights.Beitr ge Zu Beschaffung Und ogistik，vol.149，pp.203～214.

［19］Barrane， F. Z.， Ndubisi， N. O.， Kamble， S.， Karuranga， G. E.， & Poulin， D. （2020）. Building trust in multi-stakeholder collaborations for new product development in the digital transformation era. Benchmarking： An International Journal.

［20］Roberts， M. R. （2015）. The role of dynamic renegotiation and asymmetric information in financial contracting. Journal of Financial Economics， 116（1）， 61-81.

［21］徐鵬杰，吳盛漢. 基于“互聯網+”背景的供應鏈金融模式創新與發展研究［J］. 經濟體制改革，2018（05）：133-138.

［22］宋華，楊雨東. 現代ICT賦能的智慧供應鏈金融創新與發展［J］. 中國流通經濟，2019，33（12）：34-41.

［23］龔強，班銘媛，張一林. 區塊鏈、企業數字化與供應鏈金融創新［J］. 管理世界，2021，37（02）：22-34+3.

［24］Omran， Y， Henke， M， Heines， R， & Hofmann， E. （2017）. Blockchain-driven supply chain finance： Towards a conceptual framework from a buyer perspective.

［25］Casado-Vara， R.， Prieto， J.， De la Prieta， F.， & Corchado， J. M. （2018）. How blockchain improves the supply chain： Case study alimentary supply chain. Procedia computer science， 134， 393-398.

［26］Choi， T. M. （2020）. Supply chain financing using blockchain： impacts on supply chains selling fashionable products. Annals of Operations Research， 1-23.

［27］Barsky， N. P.， & Catanach Jr， A. H. （2005）. Evaluating business risks in the commercial lending decision. Com. lending Rev.， 20， 3.

［28］Liu， J. （2015）. Supply chain finance business risk evaluation scheme based on fuzzy theory. In 2015 International Conference on Intelligent Transportation， Big Data and Smart City （pp. 809-812）. IEEE.

［29］Leung， K. S.， & Kwok， Y. K. （2009）. Counterparty risk for credit default swaps： Markov chain interacting intensities model with stochastic intensity. Asia-Pacific Financial Markets， 16（3）， 169-181.

［30］Rosenberg， J. V.， & Schuermann， T. （2006）. A general approach to integrated risk management with skewed， fat-tailed risks. Journal of Financial economics， 79（3）， 569-614.

［31］李毅學，馮耕中，徐渝. 價格隨機波動下存貨質押融資業務質押率研究［J］. 系統工程理論與實踐，2007（12）：42-48.

［32］Burnetas， A.， & Ritchken， P. （2005）. Option pricing with downward-sloping demand curves： The case of supply chain options. Management Science， 51（4）， 566-580.

作者單位：中信銀行昆明分行，中信銀行昆明分行課題組成員：周禹、葉皓宇、蔣偲煊、 施歡瑜、 佘林峰。