供應鏈金融信用風險管理問題與防范對策

韋誼成 劉小瑜

引言

供應鏈金融作為面向供應鏈系統成員企業的新型融資模式，不僅能在一定程度上紓解鏈條內中小微企業的融資困境，而且有助于金融機構提升盈利空間、落實服務實體經濟職能。近年來，供應鏈金融在我國得到了較快發展，其市場規模從2018年的13.05萬億元增長至2019年的14.31萬億元，年增速接近9.7%。在此背景下，國內諸多金融機構開始發力供應鏈金融服務。但在追求規模增長的同時忽視了金融創新蘊含的風險管理，加之審慎風險管理尚未得到充分重視，使得供應鏈金融市場備受風險管理考驗，尤其是由債務人違約引發的信用風險，給金融機構帶來了不小的損失，諸如“諾亞”和“承興”等暴雷事件成為公眾熱議話題。如何通過科學管理，防范供應鏈金融信用風險，成為監管部門及金融機構關注和亟待解決的重要問題。

2020年9月，中國人民銀行會同司法部、商務部、國資委、國家市場監管總局、銀保監會等八大部門出臺了《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》，指出要穩步推進供應鏈金融規范發展，明確加強供應鏈金融信用風險的防控。2021年11月，銀保監會召開專題會議，要求金融機構加強供應鏈金融相關風險管理水平，通過探索更富系統性的風險管理機制，有效防范供應鏈金融信用風險。雖然供應鏈金融信用風險管理被監管部門提升至前所未有的高度，但學界的研究多聚焦于供應鏈金融的內涵及作用、信用風險影響因素等，鮮有觸及系統管理和防范供應鏈金融信用風險的方案，這使得我們有必要深化對供應鏈金融信用風險管理問題與系統防范對策的研究。鑒于此，本文結合全面風險管理理論中識別、分析、評估、應對框架系統，對近年來金融創新背景下供應鏈金融信用風險管理問題以及防范對策展開研究，以期豐富細分相關領域的文獻，為金融機構強化供應鏈信用風險管理、有效防范相關風險提供系統可行的方案。

文獻綜述與理論框架

文獻綜述

現有國內文獻多圍繞供應鏈金融的內涵及積極作用、供應鏈金融信用風險影響因素及關鍵解決路徑等角度展開研究，但亦較少觸及供應鏈金融信用風險管理現實問題以及系統化解決方案。

國外研究。國外針對供應鏈金融及信用風險的研究起步較早，運作模式相對成熟，供應鏈金融信用風險管理的研究成果也相應比較豐富。Allen和Hofman（1968）開創性地提出“供應鏈金融”的思想，但并未對該概念作出清晰界定與劃分。William（1988）基于供應鏈與金融職能的關系，提出供應鏈金融是供應鏈鏈條中經濟組織借助特定方式融通資金，降低企業融資成本，且有效提高供應鏈現金流周轉速度的融資服務模式。Walton和Gupta（1999）認為，信息不對稱程度是引致供應鏈金融信用風險爆發的核心來源之一。Gonzalo、Guillen等（2007）提出，供應鏈金融將企業生產與融資進行了整合管理，從而實現企業高效運作與資金融通，有助于增加整體收益。與此同時，供應鏈金融亦面臨多維風險，有效開展風險管理活動是確保業務成功的關鍵。Peter（2016）經過研究發現，商業銀行在供應鏈金融信用風險管理中增強供應鏈金融信息化系統建設，將有助于和融資企業之間形成良性合作，同時促使供應鏈金融的持久、健康發展。Martin（2017）研究得出，在供應鏈金融實踐中，核心企業與上下游企業保持良好關系是降低供應鏈金融信用風險、提高供應鏈總體應用效率的有效途徑之一。

國內研究。魯其輝（2014）基于供應鏈金融創新趨勢，指出供應鏈金融是紓解中小微經濟組織融資難困境、降低供應鏈中資金成本的有效途徑，針對供應鏈金融風險管理研究是金融創新中亟待強化的研究分支。熊熊（2009）認為，有效管理供應鏈金融風險是金融機構供應鏈金融業務能夠實現“雙贏”的關鍵影響因素，而信用風險作為供應鏈金融業務最易發生的風險來源，對之科學管理將有利于保障供應鏈金融業務更加健康和有序發展。夏立明等（2011）基于供應鏈金融的業務特性，探討了基于供應鏈金融的中小企業信用風險評價指標體系，并為金融機構進行客觀、公允的信用風險評價提供借鑒。胡海青等（2012）突破傳統統計方法局限，基于學習算法支持向量機模型對供應鏈金融視角下中小企業信用風險進行評估，發現其能更精準地判斷融資企業的信用狀況，有效紓解融資企業的融資困境。范方志（2017）指出，商業銀行應強化風險防控意識，加強供應鏈金融模式下的信息溝通，掌握關聯組織多維有效數據，提高其風險管理水平。李健（2019）在構建供應鏈金融的信用風險預警模型的基礎上提出，金融機構應及時、全面掌握融資企業的經營信息及供應鏈運營狀況，運用風險理論與預警模型，實現大數據化、模型化和電子化管理，以有效降低供應鏈金融信用風險。李光榮等（2020）通過構建系統動力學模型，利用結構方程剖析供應鏈金融信用風險動態變化狀況，并從非對稱信息角度解釋演變機理，提出以信息技術及全過程管理為核心的供應鏈金融信用風險控制建議。此外，該學者建議金融機構可借助核心企業與融資企業交易關系，構建供應鏈金融信用風險協同管理平臺，動態監測與管控相關信用風險。

理論框架

全面風險管理理論表明，單一、零散和分化的風險管理活動難以形成合力以有效降低風險，只有實施系統和長效化的風險管理機制，特別是推動由風險識別、分析至評估、應對的全面風險管理活動，才能真正弱化風險水平，并將其降至可容忍的范圍內（Purnanandam，2008）。因此，全面風險管理理論為包括供應鏈金融違約在內的風險管理提供了理論框架，啟發我們要以供應鏈金融信用風險的識別、分析、評估與應對為抓手，理解供應鏈金融信用風險演變機理并構建相應的防范機制。

借鑒全面風險管理理論及四因素模型，構建針對供應鏈金融信用風險傳導及管理整合框架（見圖1）。理論上說，核心企業實力、長尾客群資質、融資項目狀況、供應鏈整體狀況等被廣泛視為引發供應鏈金融信用風險的源頭，其一旦表現出“負面”狀態，將傳導至整條供應鏈，最終誘發供應鏈金融信用風險水平激增。而若要及時、精準、有效控制上述風險源將“負面”影響擴散，金融機構必須系統安排和科學實施全面風險管理活動，尤其是圍繞供應鏈條中的核心企業，從識別、分析、評估與應對環節著手，多元識別供應鏈核心企業財務等綜合實力，客觀分析與之相關的客群資質變化及危害，綜合評估以融資項目為載體的供應鏈金融信用風險水平，最終系統實施有助于降低整個供應鏈群信用風險水平的應對策略。因此，構建集供應鏈金融信用風險識別、分析、評估與應對于一體的風險管理整合框架，將有助于突破以往“分而治之”的風險管理局限，從而能夠系統、全面防范供應鏈金融信用風險。

圖1 供應鏈金融信用風險傳導及管理整合框架

我國供應鏈金融信用風險管理中存在的問題

以全面風險管理理論為基礎，國內金融機構圍繞風險的識別、分析、評估與應對，進行了諸多有益的供應鏈金融信用風險管理探索。但在金融創新不斷提速及融資業務需求增加的形勢下，金融機構風控面臨著不小的挑戰，供應鏈金融信用風險管理也暴露出有損風控質量的現實問題。

供應鏈金融業務發展迅猛，主體擴圍下信用識別不夠系統

近年來，供應鏈金融業務發展迅猛，業務規模從2016年的9.5萬億元增加到2020年的24.9萬億元，年均增長超過10%，應收賬款供應鏈金融模式幾乎占據總體量的一半以上，為供應鏈金融模式中最關鍵的業務（見表1）。伴隨著供應鏈金融體量及模式的快速拓展，融資鏈條中信用主體隨之增加，鏈上核心企業、中小微企業、物流服務商、金融科技運營平臺、資本投資類機構等均不同程度地參與了供應鏈金融業務，使得金融機構信用風險識別信息因供應鏈聯結和參與者數量增加而呈現幾何級增長態勢，潛在信用風險隨之倍增，加大了鏈內信用風險事項及風險源識別難度，將對其供應鏈的金融信用風險識別帶來不利影響。

表1 2016—2020年供應鏈金融規模與結構情況（萬億元）

相較而言，早期供應鏈參與主體數量較少，主要以核心企業為主，信用風險識別相對簡單。而金融創新下的供應鏈金融參與主體眾多，主體從核心企業拓展至物流服務商、往來中小微企業等，信用風險源信息收集、分類和測度給金融機構帶來新挑戰。金融機構雖著力適應主體擴圍下的信用識別管理工作，但部分金融機構仍未實現信用識別由“核心企業”向“全鏈條”轉變，鏈上其他參與主體的負面信息及風險源未能充分關注，評價、測度和監控舉措無法系統反映全鏈條面臨的綜合信用風險，致使供應鏈金融信用風險管理過程中識別不系統、效果不顯著。

供應鏈金融長尾客群多樣，科技創新下信用分析不夠精準

伴隨供應鏈金融的業務創新，“1+N”電子供應鏈融資方案成為金融機構拓展多樣客群的突破口，信用風險分析從傳統的“一對一”模式逐步向更復雜的“一對多”和“多對多”模式演變。但部分金融機構采用既往較簡單的“一對一”信用風險分析方式，無疑表現出低效、粗放的問題，難以客觀、有效地形成供應鏈金融信用發生概率及潛在損害的分析證據，這使得選擇和應用智能化分析手段迫在眉睫。

隨著前沿科技的逐漸滲透，區塊鏈、人工智能等智能技術對金融行業風險管理影響日漸增大，其決定著供應鏈金融信用分析的精準性（見表2），而傳統金融信用風險分析手段在廣度及深度方面的弊端日益凸顯，無法有效保證供應鏈金融信用風險的分析質量。一方面，國內部分金融機構在開展“1+N”供應鏈融資業務時，尚未高效利用大數據、人工智能、云計算等新技術緩解違約風險分析信息的不對稱現象，使之難以精準甄別、剖析和研判供應鏈金融信用風險爆發的概率及損害；另一方面，現有供應鏈金融信用風險分析并不系統，不僅較少涉及長尾客群引發違約事件發生的事前分析，而且缺乏集成分析海量供應鏈參與客群細分風險的能力，影響了信用風險分析精度與效度。

表2 2016—2020年智能技術影響金融行業風險管理程度占比情況(%)

供應鏈金融業務場景復雜，人才短缺下智能評估不夠充分

供應鏈金融作為紓解中小微企業融資難題的金融創新業務，其場景亦表現出不斷創新的趨勢，由傳統線下場景逐步拓展至更為復雜的線上化、平臺化和數字化供應鏈金融場景。這些新業務場景去“中心化”的特征較明顯，使得信用風險評估不得不擺脫圍繞以供應鏈核心企業為重點的評估，繼而探索智能評估方式適應去“中心化”金融場景。

根據《2020年金融科技人才流動趨勢報告》，我國金融機構對金融科技人才需求較旺盛，但金融科技人才總量面臨緊缺困境，尤其是智能風險評估類金融科技人才不足。截至2020年，在現有金融科技人才中，有10年以上工作經驗的智能評估人才僅占19%，而有5—10年工作經驗的占比38%（見表3），目前金融機構更需要從業經驗更豐富的智能評估人才。隨著2019年央行印發《金融科技發展規劃（2019—2021）》，通過數字化轉型升級實現智能風險評估成為金融機構不可忽視的發展目標，在現有金融科技以及風險評估人才短缺情景下，勢必難以滿足供應鏈金融高質量發展以及智能風險評估要求，影響供應鏈金融信用風險評估智能化、充分化發展。

表3 金融行業智能風險評估人才分布情況（%）

供應鏈金融違約成本偏低，懲戒有限下風險應對不夠有力

近年來，由供應鏈金融信用風險而引發的違約、詐騙事件層出不窮，供應鏈鏈內失信主體在信息不對稱場景下虛構貿易背景、自融行為和重復虛假倉單等機會主義行為未得到有效應對與遏制。究其原因，在于供應鏈鏈內企業失信行為違約成本偏低，還未得到有力懲戒。目前，供應鏈金融主要政策及法規要點更多從支持業務發展角度施加扶持政策，較少涉及供應鏈金融違約懲罰機制（見表4），這使得相關企業違約成本較低，不足以施加明顯的信用風險懲戒影響。

表4 供應鏈金融主要政策及法規情況

在此背景下，部分金融機構也未能對鏈內企業群體的失信行為作出有效應對，不僅違約懲戒力度較小，而且信用聯合獎懲機制也較匱乏，造成部分供應鏈金融服務對象審慎履約意識薄弱，難以為違約違規行為付出足夠代價，而守信行為未得到及時激勵，給供應鏈信用風險管理帶來一定阻礙。總體而言，守信激勵與失信懲戒的聯合獎懲模式缺失，使得金融機構只能被迫采取轉嫁、回避、延期和保留等處置方式，難以從根本上顯著降低其信用風險水平，即無法有效應對供應鏈金融風險。

以全面風險管理防范供應鏈金融信用風險的對策建議

全面風險管理理論及理論框架的分析表明，金融機構若要精準和有效控制供應鏈金融信用風險，應避免信用風險在風險管理各環節發生“傳染”效應，并以識別、分析、評估及應對環節為著力點，防范供應鏈金融信用風險。據此，結合理論框架及供應鏈金融信用風險管理問題，提出以全面風險管理為導向的供應鏈金融信用風險防范對策。

多維度識別風險源，構筑更完備的供應鏈金融信用風險測度與防控。基于主體擴圍下供應鏈金融信用風險識別不系統的難點，以金融機構為代表的鏈內資金融出方可采取以下措施。首先，嚴格控制鏈內核心企業和中小微企業的準入資格，定期篩查優質供應鏈合作同盟并建立白名單，綜合考察與客觀評價鏈內參與者的歷史信用質量、業務交易狀況、上下游合作關系、償付能力等要素，從根源上實現精準滴灌，識別由準入資質引發的供應鏈信用違約風險。其次，擴大研究對象的樣本數量，在定量測度基礎上關注非財務的定性指標，綜合甄別鏈上核心企業實力、中小微企業資質、融資項目動態狀況、供應鏈整體運營概況。核心企業實力層面，應覆蓋核心企業自身的實力、信用等級、行業地位、運營能力、盈利能力和償付能力；中小微企業資質層面，應納入其信用評級、盈利能力、償債能力和成長能力；融資項目動態狀況層面，應涵蓋信息管理能力、質押物的價值波動與變現能力、應收賬款的賬期與壞賬損失、業務合作穩定性等。

聚合客群強化風控，借助區塊鏈技術促進全鏈信用風險剖析更精準。為有效應對長尾客群信用分析不夠精準的難題，弱化金融機構與客群間信息不對稱瓶頸，可從以下層面改善。第一，積極推動銀保互動直聯，金融機構可加強與保險機構在信息共享、欠款追償、出險賠付等維度的合作；同時，保險機構可通過提供貸款保證險為中小微企業實現增信支持，進一步強化長尾客群增信，緩釋信息不對稱引發的供應鏈金融信用風險。第二，嚴格把控上鏈源頭信息質量，綜合采用大數據、人工智能、移動互聯網、云計算、物聯網等信息技術，剖析、挖掘海量數據足跡，保證上述區塊鏈在信息分析、甄別、交叉核驗層面的應用落地。第三，在強化隱私保護和安全共享的前提下，鼓勵更多供應鏈參與主體將自身業務系統接入區塊鏈平臺并完成信息的登記和存儲，金融機構借助區塊鏈高透明、可追溯、難篡改的共識機制，采用不同算法完成信息的充分交叉分析與核驗，打破鏈內主體信息孤島，最終實現信用的多級無損傳遞。

在新一輪供應鏈金融信用風險管理中，除了構建更合理的供應鏈金融的信用評估模型外，還應拓寬人才吸納渠道來強化供應鏈金融信用風險評估能力，通過校園招聘儲備大數據風險評估人才，運用社會招聘、獵頭、特聘等方式吸引尖端成熟的大數據風險評估人才。第一，金融機構應主動構建大數據風控人才培養計劃，推進校企深度合作培育金融科技專項人才，為金融機構輸入更多擅長大數據智能評估、精準量化信用風險水平、信貸風險智能篩選、云計算、金融AI、區塊鏈等前沿技術的復合型人力資源，繼而為供應鏈金融信用管理的人才儲備層面保駕護航。第二，金融機構應持續擴大金融科技人才隊伍，建立、完善與金融市場相適宜的差異化薪酬激勵方案與考核制度，以吸引、激勵和發展大量成熟的大數據風控金融科技人才，突破大數據風控金融科技人才的短缺瓶頸。第三，當前國內僅有二十多所院校開設金融科技或人工智能等相關學院或專業，專業培養和人才輸送難以滿足市場需求。因此，高校也應加快大數據智能評估與風控的金融科技人才的規劃進程和專業建設，積極開設大數據智能評估、大數據風控類金融科技相關專業。

金融機構針對供應鏈鏈內被授信主體違約成本低，違約收益高，且外部缺少失信懲戒舉措的難點，可從以下維度著手應對。首先，金融機構及監管部門應加快共同建設聯合信用懲戒模式，適當開放、共享、收集政府、市場征信數據，構建供應鏈失信企業、個人數據庫。對供應鏈鏈上誠信企業應予以多元激勵，對供應鏈鏈內失信企業、個人應跨區域、跨部門進行聯合懲戒。例如，將其失信行為記入聯合信用懲戒名單，承擔應負法律后果或經濟成本，以合法途徑向其他主體公布其惡意失信記錄。其次，金融機構應制定供應鏈金融失信分級細化方案，根據供應鏈被授信主體的不同程度的違約違規行為采取相對應的懲戒力度和限制政策，對于嚴重惡意失信主體可從授信白名單中剔除。借助信用激勵與經濟約束手段，強化信用監督與警示作用。最后，金融機構應將供應鏈信用聯合獎懲的責任明確到人，在辦理信貸審批等日常業務中形成“守信收益、失信受限”的獎懲政策。