線上供應鏈金融平臺效率研究

喬 玥 姚世越 王漢興

（首都經濟貿易大學，北京 100070）

一、引言

隨著中小型企業融資需求的不斷加大以及“互聯網+技術”的不斷普及，商業銀行傳統的供應鏈金融模式已經不能滿足當下的發展。各大銀行紛紛將互聯網技術與傳統的供應鏈金融模式相結合，將業務從“線下”搬到“線上”，據此，線上供應鏈金融應運而生。同時，國家連續出臺鼓勵線上供應鏈金融發展的政策，致力于供應鏈金融的革新。基于此，線上供應鏈金融成為人們日益青睞的創新型金融模式，獲得了長足的發展。

但是在線上供應鏈金融平臺的研究中存在兩種情形：一方面，研究內容多集中于運行模式、融資模式以及風險控制，而平臺運行效率及影響因素研究甚少；另一方面，研究的對象聚焦于大型的商業銀行，對于小型城市商業銀行的研究少之又少。本文基于DEA—Tobit數據分析方法，以12家上市城市商業銀行為例，深入研究基于銀行層面的線上供應鏈金融平臺運行效率及其影響因素，以期為其他城市商業銀行線上供應鏈金融平臺的發展革新提供一定的借鑒意義。

二、城商行線上供應鏈金融平臺運行效率測度及評價

1.數據包分析法（DEA）

數據包絡分析（DEA）利用線性規劃方式，結合多種投入與產出項目，計算出一個代表效率的綜合指標，是評價效率最有效的一種非參數型方法。DEA模型是一種基于投入和產出的多指標評價方法，可用于評價相同部門之間的相對有效性，第一階段采用BCC模型，在規模可變的條件下可以得到綜合技術效率（TE）、純技術效率（PE）和規模效率（SE）。DEA方法的優點在于其測算不受人為因素影響，不同性質的投人產出的決策單元之間也能進行效率高低的評估，因此本文采用DEA作為測算線上供應鏈金融平臺運行效率的方法。

應用DEA方法進行績效評價時，首先需要在投人導向和產出導向之間進行判斷。線上供應鏈平臺運行過程中，對于銀行而言投入往往相比于產出更容易被控制，因此本文選擇了以投入為導向的DEA方法，這也可以激勵城商行增加線上供應鏈金融平臺投入。基于以上考慮，本文選取投入導向模型。

2.決策單元及投入產出指標的選取

決策單元的選取。根據我國銀行的分類以及線上供應鏈金融平臺運行效率的目標，考慮到一些銀行的信息披露程度不高，在剔除缺失數據后，選取已經上市的12家城市商業銀行，作為本次研究的12個決策單元進行分析（見表1）。

表1 線上供應鏈金融平臺運行效率決策單元

投入與產出指標的選取。要準確測算城商行線上供應鏈金融平臺的運行效率，關鍵是選擇合理的投入與產出指標。從銀行自身角度來看，銀行的線上供應鏈金融平臺的目的是緩解各個產業中小企業的融資問題，并以此促進各產業的結構優化升級。因此，從投入產出來看，投入指標的選取主要是城商行投入的線上供應鏈金融資源，產出指標主要是城商行的“三性”，即安全性、流動性和盈利性。

（1）投入指標

通過對商業銀行年報的研究及已有效率分析文獻的研究，投入指標主要是在業務規模、人力資源、資金投入三方面解釋。

業務規模方面：城商行的線上供應鏈金融平臺的業務通過該行供應鏈融資余額體現，供應鏈融資余額越大，則業務規模越大，銀行對該平臺業務越重視，線上供應鏈平臺資金的運作效率越高。因此本文采用指標X1代表線上供應鏈融資余額。

人力資源方面：城商行的線上供應鏈金融平臺業務相對于傳統業務而言，發展時間較短，需要專業技術人員參與。因此，本文選取指標X2代表城商行金融科技業務的從業人員數。

資金投入方面：現階段線上供應鏈金融平臺的運作，離不開商業銀行的金融科技資金投入。因此，本文選取指標X3代表金融科技資金投入。

（2）產出指標

線上供應鏈平臺能夠更好的盤活資金，降低銀行的貸款風險，因此產出指標主要從城商行的安全性、流動性和營利性三方面進行考慮。安全性方面選取指標X4代表資本充足率，資本充足率越高，則安全性越高；流動性方面選取指標X5代表流動性比率，流動性比率越高，則流動性越好；盈利性方面選取指標X6代表凈資產收益率，凈資產收益率越高，則盈利性越好。

表2 線上供應鏈金融平臺運行效率指標體系

3.線上供應鏈金融平臺運行效率

首先采用DEAP軟件，將表中投入產出數據代入，最終可得2019年12家上市城市商業銀行線上供應鏈金融平臺運行效率。

三、城商行線上供應鏈金融平臺運行效率影響因素分析

選取DEA方法得出的12家城商行線上供應鏈金融平臺運行效率值之后，我們將DEA計算所得的運行效率值作為回歸的因變量，以相關因素作為自變量，進行回歸分析，目的是根據自變量的系數和顯著性程度，判斷不同因素對平臺運行效率的影響方向與程度。由于DEA方法所衡量出來得效率值介于0～1之間，因此其數值與普通二乘法中因變量為連續變數得假設有所不同。Greene（1981）指出在這種因變量滿足某種約束條件下進行取值得情況下，若是以普通最小二乘法估計，將對結果造成偏誤。因此，本文采取Tobit模型進行分析。

1.假設提出與模型設定

商業銀行經營績效越好，盈利能力越強，就越能在線上供應鏈金融平臺業務中投入更多的資源，提高平臺的運營效率，從而不斷提高銀行的競爭能力。而經營效率差的商業銀行則難以承受優化線上供應鏈金融平臺的成本。因此，本文選取資產回報率（ROA）作為商業銀行經營績效的替代變量。基于此，本文提出以下假設。

假設一：城商行的經營績效越好，則線上供應鏈金融平臺的運行效率越高。

城商行對于各企業經營、信貸信息因為該銀行年限而存在一定的差異。年齡大的城商行在長時間的存貸款業務中會積累更多的企業信息，從而擁有比年齡小的銀行因為信息不對稱而產生的風險少的多。因此，平臺年限越長，積累企業數據和信息越多，線上供應鏈金融平臺的風險就越小，運行效率就可能越高。本文采用銀行的上市年限（AGE）作為衡量銀行年限的指標。基于此，本文提出假設。

假設二：城商行上市年限越長，則平臺的運行效率越高。

一方面，城市發展環境越好，政府對于金融創新、金融科技的支持力度越大；另一方面，城市發展環境越好，中小微企業的成長環境越好，由此產生的道德風險相對越少。因此，城市發展越好的城市由于政策環境和企業成長環境，各城商行對于金融科技的重視程度越高，線上供應鏈金融平臺的運行效率可能會更高。本文采取城市指標評分（SCORE）作為衡量城市發展狀況的指標。基于此，本文提出假設。

假設三：城商行所在城市發展環境越好，線上供應鏈金融平臺的運行效率越高。

線上供應鏈金融平臺借助大數據、云計算等技術，使得貸款審核相對快捷，放款速度加快，這給小微企業帶來便利的同時也可能導致放款過多而無法收回的現象，導致信用違約風險，使得銀行產生大量的逾期貸款。逾期貸款過多會一定程度上影響銀行的資金流轉，從而影響銀行的正常運行，進一步影響銀行線上供應鏈金融平臺的運行。本文采取逾期貸款率（ODL）作為衡量指標。基于此，本文提出假設。

假設四：城商行的逾期貸款率越大，線上供應鏈金融平臺的運行效率越低。

基于以上假設，本文進行12家城商行線上供應鏈金融平臺效率的面板Tobit模型設定，具體如下：

其中，BEi代表第i家城商行線上供應鏈金融平臺的運行效率，C代表回歸方程的常數項，β1～β4分別代表各變量的回歸系數，ROAi代表第i家城商行的資產回報率，AGEi代表第i家城商行的上市年限，SCOREi代表第i家城商行所在城市的指標評分，ODLi代表第i家城商行的逾期貸款率。

2.實證分析

本文使用Stata12.0軟件中的Tobit回歸模型進行計量分析，結果如表3所示。

表3 變量的描述性統計

以上描述性統計的結果顯示線上供應鏈金融平臺運行效率良好，均值為0.7333，標準差為0.2845 。研究樣本的ROA值在0.0039～0.0059之間，均值為0.0049，差異不大；上市年限均值為4.6742，但標準差4.7322較大，說明上市年限存在明顯的差異；城市指標評分和逾期貸款率都存在明顯的差異，這使得本文對于線上供應鏈金融平臺運行效率的影響因素更具有研究意義。

從相關系數來看，線上供應鏈金融平臺的運行效率與資產回報率、逾期貸款率成正相關，與上市年限和城市指標評分成負相關，但僅與城市指標評分在10%的水平上正相關，有顯著的相關性，與原假設不符，有待進一步檢驗。

此外，變量之間的相關系數均小于0.5，表明模型不存在嚴重的多重共線問題。

根據相關回歸結果可以得出以下結論：

第一，銀行的資產回報率與線上供應鏈金融平臺運行效率成正相關，且在10%的水平上顯著。在其他條件不變的情況下，銀行的資產回報率提高，銀行的線上供應鏈金融平臺的運行效率也隨之提高，與假設一相符。這表明城商行的經營績效越好，越能在線上供應鏈金融平臺的建設中投入更多的資金，更能重視該平臺的建設和發展。

第二，上市年限與運行效率負相關，且在5%的水平上顯著。這說明銀行上市年限越長，平臺的運行效率越低，這與假設二不符。可能一方面是本文樣本數量少，具有一定的偏差；另一方面，雖然銀行的年限長且企業信息掌握的更多，但早期銀行獲取企業信息的途徑較少全面性得不到保證，且與部分企業的黏性較強，對于整條供應鏈上的中小企業信任度過高，產生較多的風險。由此，銀行應積極運用大數據等技術，對于銀行的信息庫進行更新升級。

第三，銀行所在城市指標評分與運行效率負相關，但顯著性不強。這說明城市指標評分越高，平臺的運行效率越低。城市指標評分較高的城市經濟發展普遍較好，這就促進更多金融科技企業的孵化，而國家加大對新型企業的扶持，一定程度上使得金融科技企業瓜分了城商行的部分市場，使得平臺效率低下，但對于金融科技的重視促使平臺的投入加大，消減了一部分影響，因此顯著性并不強。

第四，逾期貸款率與運行效率成負相關，但沒有通過顯著性檢驗，這表明銀行的逾期貸款了對于線上供應鏈金融平臺運行效率的影響并不顯著。銀行的線上供應鏈金融平臺的貸款主體一般為中小型企業，融資額相對而言較小，因此銀行的逾期貸款率的增加不會對銀行的資金流轉產生太大的影響，因此逾期貸款率對平臺的運行效率并沒有顯著的影響。

三、結論及對策

1.結論

本文以12家上市城市商業銀行作為樣本進行實證研究，從微觀層面對各家銀行線上供應鏈金融平臺運行效率進行了評價，并進一步研究了線上供應鏈金融平臺的影響因素，得出了以下結論：

第一，整體來看，僅有少部分上市城市銀行線上供應鏈金融平臺運行效率已經達到了最優，仍有過半銀行的平臺效率低下，有待改善。

第二，資產回報率和上市年限是顯著影響城商行線上供應鏈金融平臺運行效率的因素，同時銀行所在城市的指標評分也影響著平臺的運行效率。

2.對策

（1）增強銀行盈利能力，加大平臺建設資金投入

線上供應鏈金融平臺的進一步發展依賴于銀行資金的投入，是供應鏈金融需求累積和模式創新的必然結果。互聯網金融、金融科技、智慧銀行等新興技術與金融業務的結合深刻地改變了消費者、投資者的行為，也加速重構銀行經營發展模式和市場競爭格局。在這種外部的沖擊下，銀行不得不也必須進行科技戰略的轉型。銀行應該從自身基礎業務著手，不斷提高自身的盈利能力，從而擴大供應鏈金融線上平臺建設的資金流，更好的升級線上平臺的運營結構，提高其運營效率。

（2）充分利用大數據等技術，加強風險控制

相比于其他金融機構雖然商業銀行在風險控制上有一定的優勢，但在線上供應鏈金融平臺中簡單的延續傳統金融的風險控制理念已經不足以支撐平臺健康發展。通過大數據技術設計一系列貸后監測的數據模型，利用數據模型在大數據中尋找與客戶信用信息風險間的關聯，并提取出異常信息，再對異常信息進行排查，有利于及時了解客戶的信用動態，防范潛在風險。從而加強整條供應鏈中的風險控制。

（3）加大科技創新投入，彌補科技短板

部分城商行雖已開展供應鏈金融多年，但相科技實力依舊偏弱，落后于近幾年新興的金融科技公司，所以即使在國家政策支持、城市發展環境良好的情況下，仍然被金融科技公司瓜分一部分市場。因此，銀行應加大科技創新投入，大力培養金融科技人才，彌補科技短板。疫情期間，供應鏈金融極大提高，各銀行業抓住機會進行數字化轉型，轉型過程中不僅僅要注重發展新新型業務，也要注重內部治理。組織結構層面，一方面，可以通過線上供應鏈金融平臺產品和業務，讓管理層體驗客戶感受，同時直接了解市場當前需求，從而更好的調整組織管理模式，快速應對客戶需求和線上供應鏈金融平臺創新，提高信息傳遞和組織運營的效率；另一方面，要加快落實線上供應鏈金融平臺工作的制度完善，隨著數字化的推進發展，業務的實施細則和操作規范應當應時而變，及時調整。技術架構層面，可以利用數字化的網絡和技術優勢，調整技術架構，提高業務系統、風控系統的科技含量，從而實現有效控制技術風險。