供应链金融模式下的信用风险评价

供应链金融模式下的信用风险评价*

○ 熊 熊 马 佳 赵文杰 王小琰 张 今

摘要 以往银行对中小企业信用风险评价主要是把单个企业作为主体，关注企业的财务数据，而在供应链金融融资模式中，对中小企业风险的认识和评价则换了一个新的视角。本文研究了在供应链金融模式下的信用风险评价，提出了考虑主体评级和债项评级的信用风险评价体系，用主成分分析法和Logistic回归方法建立信用风险评价模型，减少目前对供应链金融业务评价大多依靠专家评价的局限，并通过比较供应链金融融资模式和传统银行授信模式下的中小企业守约概率的不同，揭示了供应链金融在一定程度上缓解了中小企业的融资困境，并提出应加强对客户基础数据库的建设，从而有利于对现有信用评价体系的修正和完善，提高其准确性。

关键词 供应链金融；信用风险；风险评价；守约概率

（70603021）、教育部博* 本文受国家自然科学基金项目士点基金（20060056013）资助

合，提升商品供应链的核心竞争能力，构筑银行、企业和商品供应链互利共存、持续发展、良性互动的产业生态。银行主要通过资金(贷款、保理等)、银行信用(承兑、保函、信用证、保贴函等)、服务(结算与增值服务、账户管理、公司理财等)等进入供应链，借助对大企业支付能力和强势信用支持等方面的评估，为其配套中小企业的存货或应收账款进行质押融资，解决供应链资金缺口和信用失衡等问题，实现物流企业、中小企业和银行三方共赢的局面。

中小企业很难得到银行授信的主要原因是财务信息的透明度比较低，财务指标难以符合评判标准以及可抵押资产少等，而供应链金融模式则较好地解决了这一问题。在供应链金融模式下，银行更关注中小企业整个供应链的交易风险，对风险的评价不只是对主体进行评估，而是更多地对交易进行评估，通过依赖交易对手（核心企业）的资信、供应链的整体实力，中小企业信用等级获得提升。这样既准确评价了业务的真实风险，同时也使更多的中小企业能够进入银行的服务范围。目前，国内外各银行已经在此领域展开了激烈竞争。

国际上银行巨头已采取了一系列金融创新和业务运作手段。2005年，JP摩根收购了美国物流公司Vastera，以期完善其在供应链上的金融服务。渣打银行用自己开发的模型给供应商和买方之间的关系设置信用值，无需传统担保就可以向企业及其供应商提供供应链融资服务。Aberdeen Group的报告提到，美国银行、德意志银行、汇丰银行、渣打银行和花旗银行等多家银行也正在开发“供应链金融”服务。法国巴黎银行、荷兰万贝银行等对大宗商品提供融资服务、以销售收入支付采购贷款等服务。此外，并不仅仅只有银行看到了贸易融资中的新机遇，联合包裹服务公司(UPS)也创立了自己的

引言

近年来，银行业的竞争形势不断发生变化，商业银行传统收入来源──利差不断缩小，拓展中小企业贷款业务的竞争正在不断升温，各银行纷纷加快了金融产品的研发，充分利用供应链和中小企业的特点开发而成的“供应链金融”模式成为解决中小企业融资难的有效方式。国际知名的金融顾问和咨询公司TowerGroup对供应链金融做出如下定义：供应链金融是以发生在供应链上的商业交易价值为基础，设计一系列的为供应商提

[1]

供流动资本融资和现金流的解决方案。推出供应链金

融的目的在于：银行将资金或信用注入供应链，促进供应链核心企业及其上下游配套企业“供—产—销”流转畅顺、链条稳固，以实现金融资本与实业经济的高度契

内部银行——专业负责贸易融资的UPS金融公司。又如世界排名第一的船公司马士基也是这一业务模式的参与者，并且其也已经成为这两个超大型公司的最重要的利润来源。

与欧美发达国家相比，供应链金融在我国是一个较新的商业活动，但国内银行也已经认识到可以通过货物流、信息流和资金流的整合，通过企业之间的优势互补、紧密合作，达到增强成本控制、优化资源配置、改善服务质量和提高最终收益的效果。深圳发展银行开创了“深发展供应链品牌”；光大银行则在汽车、钢铁等行业做得有声有色；四大银行中，中国银行则在尝试贸易链金融等。Nokia、TCL和DHL等国内外厂商都通过开展和参与供应链金融服务，应对激烈的市场竞争，物流创新已经成为企业打开利润之源的钥匙。随着社会发展，会有更多的银行和企业投入到供应链金融服务领域之中。

国内外学者针对这一金融业务，也从不同角度进行了分析。Allen N Berger等人最早提出了关于中小企业融资的一些新的设想及框架，初步提出了供应链金融的

[2] 思想；Leora Klapper就供应链中的中小企业采用存货[3]融资模式的机理及功能进行了分析； Gonzalo Guillen

的风险模型分析，指出供应链金融依赖的风险规避机制存在失灵的可能性，需要银行与核心企业建立新型合作的关系，并发挥其各自的优势，才能达到供应链金融期望实现

[9]

的作用。随后，鲍旭红进一步分析了供应链金融的融资在

改善我国中小企业融资困境的优势，并针对供应链金融在

[10]我国开展面临的问题，提出操作性较强的应对策略。

但是，如何结合风险来源加强相应的风险管理，从而有效控制风险，是供应链金融业务能否成功的关键。风险管理是金融管理的一个核心问题，信用风险则是风险管理中最为重要的问题，而且随着信用交易的扩大，信用风险越来越大。已有的研究多从供应链金融业务的模式设计与分析上展开，未能对其风险管理提出系统的评价方法。因此，从理论上提出供应链金融模式下的信用风险评价指标，建立风险评价的模型，将是对已有研究的进一步深化，并将对实践中供应链金融业务的健康有序发展，起到指导作用。

从实际情况来看，供应链金融业务所面临的现状是业务开展只有三四年，银行对于此类业务正在不断地探索之中，这就增加了信用风险评价的难度，而且目前银行在对供应链金融业务的信用评价中，对于指标的选择及权重的设定完全是由专家根据以往业务经验给出，这种完全依靠专家对于业务的判断，使决策过于主观，影响对企业评价的科学性。

基于以上分析，本文在传统融资模式的信用风险评价基础上，提出了在供应链金融模式下的信用风险评价，用主成分分析法和Logistic回归方法建立信用风险评价模型，克服了专家评价过于主观的缺点，提高评价的客观性。通过实例比较供应链金融融资模式和传统银行授信模式下的中小企业守约概率的不同，揭示供应链金融在一定程度上缓解了中小企业的融资困境，并提出应加强对客户基础数据库的建设，从而有利于对现有信用评价体系的修正，提高其准确性。

等研究了集生产与企业融资计划于一体的短期供应链管理，提出合理的供应链管理模式可以影响企业的运作与

[4]

资金融通，从而增加整体收益。

我国学者进行了较多的研究。早在1998年，任文超

[5]

等就提出物资银行的设想，将银行不动产贷款为主的信

贷模式转变为不动产贷款和动产质押贷款相结合的信贷模式。1999年第三方物流公司——中国储运公司与银行合作，开始向客户提供简单的质押融资担保服务。2000年，复旦大学朱道立教授在主持广东顺德物流基地项目时，首次提出了“融通仓”概念，并组织相关人员开始了相关理论的研究。2002年，罗齐在“第三方物流创新：融通仓及其运作模式初探”一文中详细阐述了融通仓的概念以及融通仓获得金融机构的授信额度和成立独特的信用担保体系两种运

[6]作模式。随后，陈祥峰在“融通仓与物流金融服务创新”[7]

闫俊中提出了融通仓的一个理论框架和风险管理系统。

一、供应链金融模式的信用风险评价

在银行的传统信贷政策框架下，主要考查企业的规模实力、资产负债表、抵押物和保证等。根据中国人民银行信用评级管理指导意见（银发〔2006〕95号），信用评级机构对企业进行信用评级应主要考察企业素质、经营能力、获利能力、偿债能力、履约情况以及发展前景等。又如中国银行发展银行客户信用等级测评表包括：基本指标，即偿债能力状况、财务效益状况、资产营运状况、发展能力状况；评议指标，即信誉状况、管理水平、经营状况、市场竞争力和发展前景等。

宏在“基于供应链金融的中小企业融资模式分析”中，从供应链的角度分析了中小企业融资问题，主要针对供应链中中小企业的供应链金融融资模式及其信用风险管理，研究运营资本管理模式，运用供应链金融的核心理念，系统地分析供应链金融的相关理论及三种基本融资模式，从而更清楚、深刻地揭示供应链金融的特性，并对其信用风险

[8]

进行评估和管理研究。弯红地通过对应收账款融资模式

由以上分析可以看出，银行在传统信贷政策框架下对企业的信用风险评价主要是通过考查企业的财务指标，但由于中小企业财务制度不健全，企业管理透明度差，又不能按照银行规定提供担保或其它抵押资产，所以银行评价得出其守约概率很低，很难获得银行授信，无法解决自身资金短缺问题。

相对于传统的授信方式，供应链金融融资模式淡化了财务分析和准入控制，以对物流和资金流的动态控制代替对财务报表的静态分析，其信用评价最核心的特点是把主体评级和债项评级合二为一。银行淡化企业自身限制，只针对单笔业务进行授信，从而规避了中小企业在披露信息和财务等方面存在的融资障碍。在风险评价中，不仅考查财务指标，而且考查交易对手资信、涉及商品的价格稳定性、交易流程的控制能力、企业过往交易记录及整个供应链运营状况等，在风险管理制度上发生了根本的变化。

要建立供应链金融信用评价指标体系，应遵循全面性、科学性、针对性、公正性、合法性、可操作性等原则。本文借鉴传统业务信用评价的基本框架，根据供应链金融自身业务的特点进行设计，即结合借款人的资信水平，重点考察单笔融资业务自我清偿的特征以及贷款人组织该笔交易的能力，对该笔业务进行信用评价。评价指标体系主要考察以下四方面内容：

1. 申请人资质，包括企业素质、经营能力、盈利能力、偿债能力、发展潜力。

申请人资质是与传统贷款业务中银行评价指标类似，主要考察申请贷款企业的基本财务情况及企业管理和发展能力。着重选取传统业务评级中的主要指标构成。

2. 交易对手资质，包括交易对手信用级别、交易对手行业特征、经营能力、偿债能力。

此评价指标就是考察供应链金融业务中的核心企业的资质，因为在此业务中核心企业对中小企业起到了反担保的作用，核心企业的信用状况直接影响了中小企业与其发生交易的质量。由于供应链金融业务是对单笔交易进行授信，所以更关注中小企业的本笔交易质量。

3. 融资项下资产情况，包括质物特征、应收账款特征。

融资项下资产情况是银行考察的重中之重，原因在于银行是对交易资产的价值进行评估，然后根据评估结果给予授信，若受信人违约，交易资产也是银行将其变现弥补损失的保证。如果是融通仓、保兑仓融资则要充分考虑质物价格的变动性，质物的变现能力，在贷款期间可能的磨损程度。如是应收账款还应考虑应收账款

4.供应链运营状况

行业状况

3. 融资项下资产情况

应收账款特征质物特征

2. 交易对手资质

交易对手信用级别交易对手行业特征盈利能力偿债能力发展潜力偿债能力

1. 申请人资质

盈利能力经营能力企业素质

账期，退货记录情况、受信人坏账率等因素。

4. 供应链运营状况，包括行业状况、合作的密切程度、以往交易履约情况。

供应链运营状况是银行对受信企业交易质量的整体评价。从整个供应链上综合考虑其业务能力、履约情况、与交易对手的合作情况，使银行评价范围更大，减轻企业隐瞒信息而产生信息不对称问题造成的评估质量下降。

整个评价体系分四大类，共27个指标。指标体系如表1所示。

表1 评价指标及其描述

一级指标

二级指标

三级指标

领导素质C1职工素质C2 管理素质C3 财务披露质量C4经营周转能力C5销售利润率C6净资产收益率C7流动比率C8速动比率C9资产负债率C10

指标描述

学历、管理者在本行业持续经营年限

专业技术、职业道德

管理制度、产权结构、内部监管财务报表审计及信息披露情况销售收入/(预付平均余额+应收平均余额+存货平均余额)销售利润/销售收入

税后利润/[(期初净资产余额+期末净资产余额)/2]流动资产-流动负债(流动资产-存货)/流动负债负债总额/资产总额

企业营运能力现金流

企业营运能力现金流/流动负债

与流动负债比率C11利息保障倍数C12销售收入增长率C13净利润增长率C14总资产增长率C15信用级别C16行业地位C17销售利润率C18速动比例C19价格稳定性C20 变现能力C21质物易损程度C22账龄与账期C20退货记录C21受信人坏账率C22行业增长率C23 行业环境C24交易年限C25交易频度C26违约率C27

税息前利润/利息支出(本期销售收入-上年同期销售收入)/上年同期销售收入(本期实现净利润-上年同期实现净利润)/上年同期实现净利润(本期总资产-上年同期总资产)/上年同期总资产

交易对手在银行的信用级别行业集中、垄断、周期特点销售利润/销售收入(流动资产一存货)/流动负债上季波动幅度

质物流动性、转换成现金能力质物自然属性，是否利用保存80%应收账款账期长短是否存在购买方退货到期不能收回比率结合行业平均水平判断政治、社会、经济、技术环境受信人与交易对手交易年数结合行业平均次数违约次数/总交易次数

合作密切程度以往履约情况

供应链金融信用评价指标如图1所示。图中虚线部分为供应链金融融资模式所特有的指标。

Θ ζ

据储备不足，而且并没有建立起完整的数据存储及管理体系，因此，鉴于供应链金融业务开展现状以及数据量不足的约束和供应链金融业务主要适用于中小企业的背景，本文选取的样本数据为国泰安数库中中小企业板2006年12月31日以前的102家上市公司财务数据，其

х

Θ х

它指标由于无法获得，使用随机数据模拟而成。（其中好客户67个，坏客户35个。）由于评价指标均为财务指标，其相对评价标准界限模糊，根据吕跃进提出的依

[11]据心理因素划分评价等级以及数量等级确定理论，对

二、供应链金融模式信用风险评价模型

信用评价使用较多的方法，包括判别分析、Logistic回归、线性规划法、神经网络方法以及分类树法。判断评估方法或模型的优劣，不应仅仅以错误分类率为唯一标准，而应同时结合该模型的稳健性。模型的稳健性是针对模型对训练样本以外的样本的预测能力而言的。稳健性较好的模型在对训练样本以外的样本进行预测时，其预测精度不应该有较大幅度的下降。若仅从预测的精度考察，神经网络等非线性方法具有独特的优势。虽然判别分析、Logistic回归及线性规划等线性评分方法的预测精度比神经网络等非线性方法低但这些模型的稳健性要强于神经网络等非线性方法，这一点对信贷市场正处于快速发展时期的中国而言可能更加重要。由于市场的快速发展，当模型投入使用后，新的信用产品申请人总体可能很快就与建模总体有差异，一个稳健性较强

[9]

的模型的预测能力反而更好。

因此，对于转型中的中国而言，非对称信息的程度很深，其影响作用大，要获得好的综合效果，宁愿用一定程度的精度损失来换取模型较高的稳健性，也就是说，判别分析、Logistic回归及线性规划等线性评分方法是相对较优的选择。所以，本文选用Logistic回归方法建立模型。但由于Logistic回归方法对模型中自变量的多维相关性较为敏感，需要利用主成分分析或变量聚类分析等手段来选择代表性的自变量，以减少候选变量之间的相关性。故本文先对数据进行主成分分析，再利用logistic回归模型计算企业的守约概率。

由于各银行对供应链金融业务的中小企业客户数

ˉ

ζ

于精度要求不高的数据进行四级评价，将样本数据按照每个指标分为10，7，4，0四个档次予以打分，并对打分结果进行标准化，然后对数据进行分析。

表2 因子得分系数矩阵

Component

Θ ζ

C1C2C3C4C5C6C7C8C9C10C11C12C13C14C15C16C17C18C19C20C21C22C23C24C25C26C27

ˉ

ˉ х

х

F1F2F3F4F5F60.0560.0200.115-0.013

F70.1620.0960.0230.285

F80.161-0.0960.099

F9-0.3030.152-0.215

F100.1170.0300.318

-0.024-0.049-0.085-0.033-0.3600.0790.030

-0.102-0.125

0.1730.1080.0900.020

0.0510.0280.0020.045

-0.4490.2910.222

-0.020-0.130-0.009-0.0220.0880.0530.2960.3020.2340.273-0.046

0.0060.038-0.049

-0.056-0.064-0.154

0.6660.3040.1690.0450.1130.073-0.1300.0390.049-0.007-0.170

0.0530.1080.1080.0180.065-0.0980.021-0.1990.7370.0100.052

-0.058-0.022-0.035-0.0280.169

-0.131

0.211

0.009

-0.162-0.3430.0340.012

0.3810.018

-0.005-0.072-0.065-0.100-0.0110.035

0.0240.0160.0020.0040.105

-0.023-0.0240.000-0.063-0.0050.1670.0000.0300.2660.071

0.0590.0100.0030.301-0.0270.0310.064-0.1180.5080.062

-0.047-0.058-0.0690.057-0.042-0.159

-0.052-0.025-0.0910.0050.008

0.0150.0590.029

-0.028-0.015

-0.001-0.002-0.0190.011

-0.015

-0.040-0.0160.0290.118-0.0340.002

-0.002-0.0970.016

-0.017-0.420

0.2250.033

-0.081-0.032-0.105-0.0440.0050.038-0.0250.017-0.0200.0230.035-0.0030.0000.049-0.063

0.118

0.267

-0.045-0.019-0.0430.026

0.0500.004

-0.032-0.025-0.0280.0930.0710.1850.3400.0190.0600.0990.3350.0130.295

-0.058-0.0950.0480.4150.181

0.0390.035-0.075

-0.401-0.020-0.0020.076-0.017-0.1800.022

0.025-0.0160.021

-0.0260.0070.026

-0.262-0.053-0.0910.366

-0.057-0.0400.0230.1940.005

-0.034-0.0500.0740.056-0.114-0.0700.196

-0.200-0.054-0.0140.1230.500-0.0850.1100.0720.120

0.388-0.0440.0120.035-0.470

-0.0490.157

-0.054-0.063

0.0090.031

-0.041-0.054-0.374-0.006

-0.077-0.0390.0330.060

0.0030.159

-0.097-0.039-0.0160.0260.173

-0.0130.088

0.1250.014

-0.085-0.206-0.084

1. 采用SPSS统计软件进行主成分分析，前十个主成分的特征值的累计贡献率已经达到了74.687%。选取F1，F2，F3，F4，F5，F6，F7，F8，F9，F10作为最终指标进行分析。由因子得分系数矩阵（表2），可以分别将原来27个指标表示为：

F2，F3，F4，F5，F6，F7，F8，F9，F10作为最终选取F1，指标进行分析。

2. 采用SPSS软件进行回归模型分析。回归方法为向前逐步选择引入法，即通过最大似然估计所得的似然比的概率作为引入变量的标准，采取迭代法逐步计算，直到对数似然比不再变化为止。

F1、F2、由表3可以看到，选择第五步的回归结果，F3、F8和F9被保留在模型中，说明F1、F2、F3、F8和F9对于预测受信人的守约率影响显著。其参数估计以及其统计检验见表3，各系数统计量检验的效果显著。

估计的Logistic回归模型如下：

+

F1+

F2+

3+

F8+

F9

(1)

(2)

公式(2)所求得的P值表示了该客户的守约概率。将客户数据代入模型预测信用状况，计算出P值。P值越接近1，则申请人信用较好，P值越接近0，则申请人信用较差。

表3 进入回归方程的变量

…

*

其中Ci*为利用数据标准化公式Ci=

）值。（C为Ci平均数，Si为标准差。

C 标准化后的i

B

Step 5(e)

F1F2F3F8F9Constant

0.9761.6761.1541.4760.7831.286

S.E.

0.3820.3590.4070.4370.3500.384

Wald

6.52421.8578.04411.4185.01611.247

df

111111

Sig.

0.0110.0000.0050.0010.0250.001

Exp(B)

2.6545.3453.1724.3742.1883.619

F1，F2，F3，F4，F5，F6，F7，F8，F9，F10根据表2可以得出。由旋转后的因子载荷矩阵可以看出：

F1主要表达了变量C8、C9、C10和C11四个指标的信息量，反映的是受信人的偿债能力；

F2主要表达了变量C20、C21、C25和C27三个指标的信息量，反映的是质物的状况和供应链合作程度；

F3主要表达了变量C16、C18和C24三个指标的信息量，反映的是交易对手信用等级、盈利能力和行业环境；

F4主要表达了变量C6、C7、C14和C15四个指标的信息量，反映的是受信人的盈利能力和发展潜力；

F5主要表达了变量C1、C2、C3和C4四个指标的信息量，反映的是受信人的企业素质；

F6主要表达了变量C19和C23两个指标的信息量，反映的是交易对手的偿债能力和行业增率；

F7主要表达了变量C22和C26两个指标的信息量，反映的是货物易损程度和交易频度；

F8主要表达了变量C12、C17和C20三个指标的信息量，反映的是利息保障倍数，交易对手行业地位和货物价格的稳定性指标；

F9主要表达了变量C5指标的信息量，反映的是受信人的经营能力；

F10主要表达了变量C13指标的信息量，反映的是受信人的销售增长能力。

预测分类的准确率，在概率界限为0.5的条件下，该模型判定的总准确率为86.3%，其中对信用好的客户判为守信率高的准确率为91.0%，对信用较差的客户判为守信率低的准确率为77.1%。

3. 方法小结

Logistic Regression模型的优点有：(1) 预测结果是介于0和1之间的概率；(2) 可以适用于连续性或类别性自变量；(3) 容易使用，容易解释。

Logistic Regression模型的缺点有：

(1) 对模型中自变量的多维相关性较为敏感，需要利用因子分析或变量类聚分析等手段来选择代表性的自变量，以减少候选变量之间的相关性；

(2) 预测结果的概率转换呈“S”型，因此从log(odds)向概率转化的过程是非线性的，在两端随着log(odds)值的变化，概率的变化很小，而在中间概率的变化很大。

随着银行供应链金融业务发展，企业数据信息所

含内容及其准确性会得到大幅度的提高，会有更多企业信息进入模型，拟合模型的准确性也会随之提高。

和F'7作为最终指标进行分析，前七个主成分的特征值的累计贡献率已经达到了77.609%。

三、实证研究

A石化公司是某省的地方炼油企业，其上游供货商为中国石油化工股份有限公司B分公司。中石化B分公司每月按照原油指标给与A石化公司稳定的原油供应，A石化公司进行炼制生产。A石化公司与上游供货商中石化B分公司采取预付货款的方式。由于A石化公司存在预付货款的资金需求，向银行申请基于预付货款的供应链金融融资，用于向上游中石化B分公司预付货款。

按照A公司的公司状况，财务状况及交易状况对其进行初始评分。

1. 计算供应链金融模式下企业的守约概率根据A公司情况为其打分，如表4所示。

表4 A公司评分(供应链金融模式)

三级指标

领导素质C1 职工素质C2管理素质C3财务披露质量C4经营周转能力C5销售利润率C6净资产收益率C7流动比率C8速动比率C9

采用logistic回归方法，得出守约概率的表达式为

p=

1

0.694+0.690F1+0.499F5

(3)1+e

′

′

F'5分别为：先对C1到C15进行标准化，再计算出F'1、

F'1=-0.9547； F'5=-0.9739，将上述结果代入公式(3)得出：

p=

1

0.694+0.690F1′+0.499F5′ =0.389191+e

概率P值38.919%，说明A石化公司的守约概率为38.919%，信用状况较差，银行难以为其授信。

评分

471074710410

评分

74770100410

三级指标

资产负债率C10

企业营运能力现金流

与流动负债比率C11利息保障倍数C12销售收入增长率C13净利润增长率C14总资产增长率C15 信用等级C16 行业地位C17销售利润率C18

评分

7047 10101077

三级指标

速动比例C19 价格稳定性C20变现能力C21 质物易损程度C22 行业增长率C23行业环境C24交易年限C25交易频度C26违约率C27

3. 小结

通过供应链金融融资模式和传统融资模式下的信用评价体系的对比可知，A企业如果按照传统授信模式，由于信用水平不高，守约概率只有38.919%，很难获得银行的信贷支持，这是大多数中小企业所面临的困境。但是，供应链金融信用评价体系更为全面地评价了中小企业，从专注于对中小企业本身信用风险的评估，转变为对整个供应链的评估，从对中小企业静态财务数据的评估，转变到对整个交易过程的动态评估，更注重其单笔交易的自偿性。A企业由于与核心企业(即上游供货商中石化B分公司)有较稳定的业务往来，在供应链金融模式下的守约概率为87.079%，银行可以为其授信。因此，供应链金融融资模式既正确评价了业务的真实风险，同时也使更多的中小企业能够进入银行的服务范围。银行可以通过对融资项下资产的有效控制，规避大部分风险，有效解决了中小企业融资难问题。

首先对C1到C27进行标准化，再计算出F1、F2、F3、F8、F9分别为：

F1=-0.91364；F2=1.75525；F3=-0.71896；F8=-0.00172；F9=-0.76100

将上述结果代入下式得出

：

=0.87079

概率p值为87.079%，说明A石化公司的守约概率为87.079%，信用风险较小。

2. 计算传统模式下企业的守约概率

传统模式只考虑企业自身情况(如企业素质、经营能力、盈利能力、偿债能力、发展潜力等)为前16个指标。仍以102个数据为样本，按主成分分析法和logistic方法算出其概率守约概率。

F'2、F'3、F'4、F'5、F'6主成分分析法结果为：选取F'1、

四、结论与讨论

本文在分析供应链金融模式下的信用风险评价基础上，提出供应链金融信用风险评价的指标体系，并用主成分分析法和Logistic回归方法建立信用风险评价模型，进一步通过比较供应链金融融资模式和传统银行授信模式下的中小企业守约概率的不同，揭示供应链金融在一定程度上缓解了中小企业的融资困境，并提出应加强对客户基础数据库的建设，从而有利于对现有信用评价体系的修正和完善，提高其准确性。

信用评价使银行在开展供应链金融业务时可以更准确把握借款人的违约风险，使银行对中小企业贷款的不确定性减少。同时，银行还可以根据借款人的违约风险确定更有针对性、更合理的贷款利率，减少对信贷配给的依赖，更多地发放中小企业贷款，实现银企双赢。采用信用评价技术后，银行贷款风险利差扩大，说明银行的风险管理能力增强。

但在引入信用评价技术时必须注意到，仅有信用评价模型是不够的，更重要的是要培育良好的信用文化，信用评价模型只是银行信用风险管理的一个手段。银行应以建立信用评价模型为契机，推动信用文化的建设。在信用文化的理念下，建立新的信用风险管理模式，将信用评价落实到银行的授信政策、资产定价、贷后管理、业绩考核评估等各项业务之中，最大限度地发挥信用评价模型的作用。

也应注意到，本文建立的供应链金融信用评价体系，由于样本容量较小且一部分数据(如交易资产特征，交易对手资质等)无法获得，所以采用随机数据生成，影响了信用评价体系权重的有效性。所以，银行在开展供应链金融业务时，应注重对申请人信息的收集、整理及储存，建立较为完善的数据库，以便为日后修正信用评价模型提供高质量的数据。在以后能够获得高质量，大容量样本数据时，可以建立更为有效的信用评价体系。

从本文的研究中过程中，引申出来的相关建议有：(1) 基础数据库的完善是建立信用评价模型的根本。在银行业刚刚开展供应链金融业务两三年的时间里引入和应用信用评价模型,企业信用数据的缺乏将是遇到的第一个问题。银行本身必须切实做好收集整理和存储企业的财务信息、交易信息,与之相关的供应链信息，建立自己的基础数据库。不同银行的客户群特性是不一样的,只有做好银行基础数据的收集整理存储工作,才能选择或开发适合自己业务的信用评价方法，提高决策的科学性与准确性。

(2) 在设计新模型时, 不仅要关注借款人目前的风险,也应关注经济周期的走势，考虑经济周期的影响。经济周期的影响因素对于供应链金融业务十分重要，因为供应链融资主要针对供应链上的商品交易价值进行授信，价格的波动性将直接导致银行承担较大的风险。

(3) 对模型的检验。我国目前还处于经济转型期，企业经营状况变化很大，对企业信用评价应根据情况及时调整。信用评价结果的检验是保证评价模型有效性的重要手段。对信用评价模型，需要持续不断的检验以考察其能否很好地反映银行客户的信用状况。一个好的

检验指标体系及其切实执行,是完善信用评价模型的关键。所以应加强检验意识，通过检验发现问题，改善信

[10]

用评价模型。

中小企业融资牵涉因素众多，彻底解决这一问题，

[12]

战略还可以从小企业本身的动态投融资的有效策略、

扩张的过程

[13]

等方面进行考虑。此外，也可以考虑供

[15]

[14]

例如民间商会应链融资相关的关系型融资，

等中

介的作用方面进行考虑。

总体看来，随着我国银行信用风险管理技术的完善及中小企业在经济发展中的作用日益凸显，各银行为优化客户结构、拓宽自身发展空间的需要将会大力开拓中小企业客户市场，信用评价技术必然占有重要地位，它将保证供应链金融业务的有序健康发展。

参与文献

[1] Towergroup. While Supply Chain Finance is a Powerful Con-cept for Wholesale Banking, It is Also Widely Misunderstood.

[2] Alen N. Berger, Gregory F. Udell. A More Complete Concep-tual Framework for SME Finance. World Bank Conference on Small and Medium Enterprises: Overcoming Growth Con-straints, 2004, (10): 14-15.

[3] Leora Mapper. The Role of Reverse Factoring in Supplier Fi-nancing of Small and Medium Sized Enterprises. World Bank, 2004, (9): 102-103.

[4] Gonzalo Guillen, Mariana Badell. A Holistic Framework for

Short-term Supply Chain Management Integrating Production and Corporate Financial Planning. Production Economics, 2006, (7): 25-27.

[5] 任文超. 物资银行及其实践. 科学决策, 1998, (2) : 15-18.[6] 罗齐, 朱道立, 陈伯铭. 第三方物流创新: 融通仓及其运作模

式初探. 中国流通经济, 2002, (2): 11-14.

[7] 陈祥锋, 石代伦, 朱道立. 融通仓与物流金融服务创新. 科技

导报, 2005, (230): 30-33.

[8] 闫俊宏, 许祥秦. 基于供应链金融的中小企业融资模式分析.

上海金融, 2007, (2): 14-16.

[9] 弯红地. 供应链金融的风险模型分析研究. 经济问题, 2008,

(11): 109-112.

[10] 鲍旭红. 基于供应链金融的中小企业融资渠道创新研究. 科

技和产业, 2009, (1): 75-77.

[11] 吕跃进, 张维. 指数标度在AHP标度系统中的重要作用. 系

统工程学报，2003, (5): 14-19.

[12] 秦学志, 吴冲锋. 道德风险与企业动态投融资的有效策略集

分析, 管理科学学报, 2005, 8(2): 1-6.

(下转第106页）

的收盘价数据。

③ BEKK模型向量表达式是Engle和Kroner于1995年在综

合了Baba、Engle、Kraft和Kroner(1991未发表手稿)研究基础上提出的由四人名字的第一个字母命名的一类多元GARCH模型的表示形式。

作者简介 张信东，山西大学管理学院教授、博士，研究方向为财务管理和金融工程；赵芳，山西大学管理科学与工程硕士研究生，研究方向为财务管理和金融工程

(上接第98页）

[13] 古志辉. 战略扩张与融资选择, 管理科学学报, 2004, 7(1): 19-24.[14] 周好文, 李辉. 中小企业的关系型融资实证研究及理论释义,

南开管理评论, 2005, 8(1): 69-74.

[15] 林海, 王鑫. 以民间商会为信用中介的中小企业投融资模式研

究, 南开管理评论, 2007, 10(4): 86-91.

作者简介 熊熊，天津大学管理学院副教授、博士、硕士生导师，研究方向为金融工程与金融风险管理；马佳，天津大学管理学院硕士研究生；赵文杰，深圳发展银行高级经济师；王小琰，天津大学管理学院硕士研究生；张今，天津财经大学商学院

Spillover Effects between Shanghai, Shenzhen and Hong

Kong: A Comparative Analysis Based on “The Through Train of Hong Kong Stocks”

Zhang Xindong, Zhao Fang

School of Management, Shanxi University

Abstract Focusing on whether “the through train of Hong Kong stock” has a significant impact on return and volatility spillover re-lationships between the Hong Kong, Shanghai and Shenzhen stock markets, this paper applies the VAR and Multiple GARCH model to data from the three stock markets. The evidence shows that no return spillover effect existed between the Hong Kong stock market and the other two markets before the announcement of “the through train of Hong Kong stock”, while a one-way volatility spillover effect emerged after the announcement. Additionally, the results indicate a bi-directional volatility spillover effect between the Hong Kong and Shanghai stock markets, and a one-way effect between the Hong Kong and Shenzhen stock markets. This shows that the launch of “the through train of Hong Kong stock” had a significant impact on the linkage between the Hong Kong stock market and the Shanghai and Shenzhen stock markets (in terms of mean and volatility spillovers). We believe, therefore, in the economic environment of continuing turmoil in global capital markets, we should speed up the gradual transformation of mainland market policy from one emphasizing administrative policy to one promoting economy policy. Restoring investor confidence by making reasonable policy adjustments should be a priority, as should the prudent promotion of financial product innovation. This should help to lay a solid foundation for the smooth, coordinated, healthy, and sustainable development of the mainland and Hong Kong capital markets. The time for enacting “the through train of Hong Kong stock” has not yet arrived. Given the deepening of the globalization process and the ever-increasing degree of open-ness in mainland stock markets, more and more capital will flow to Hong Kong stocks and the linkages between the Shanghai, Shenzhen and Hong Kong stock markets will become increasingly close. When and how “the through train of Hong Kong stock” can be successfully implemented will continue to be a topic worthy of further exploration.Key Words Stock Market; Spillover Effect; VAR Model; Multi-variate GARCH Model

Credit Risk Analysis of Supply Chain Finance

Xiong Xiong1, Ma Jia1, Zhao Wenjie2, Wang Xiaoyan1, Zhang Jin3

1. School of Management, Tianjin University; 2. Shenzhen Development Bank; 3. Business School, Tianjin University of Finance and EconomicsAbstract Rather than rely on credit models that mainly focus on individual SMEs’ financial data, supply chain finance models have provided a new and creative perspective to identify and evaluate the risks of SMEs. This paper concentrates on credit risk evaluation in the supply chain finance model, as well as developing a credit risk evaluation system that emphasizes both overall and debt ratings. In addition, we use Principal Component Analysis and logistic re-gression to construct a credit risk evaluation model that may solve the limitations of traditional methods of expert evaluation and thus make the entire evaluation system more objective and scientific. As for Principal Component Analysis that is conducted with the help of SPSS, the paper aims to identify the critical indices to use in logistic regression, since logistic regression is very sensitive to the relevance of the variables. Furthermore, comparing the differences between compliance probability for SMEs in both supply chain finance models and traditional banking credit models, we notice that supply chain finance may mitigate the difficulties of SMEs’ financing and thus enhance the efficiency of SMEs’ funding processes. To some extent, supply chain finance also serves to motivate the construction of basic customer databases. This is the primary prerequisite for the establishment of a fair and efficient SME financing system. The modification and perfection of the current credit evaluation system will improve financing efficiency. Finally, this paper examines eco-nomic trends and their effect on supply chain finance during the de-sign of the supply chain finance model. According to the results of related empirical analysis, the supply chain finance model combined with a perfect credit evaluation system will create a win-win situa-tion for banks and SMEs. That is a crucial contribution to the SME financing research in China.

Key Words Supply Chain Finance; Credit Risk; Risk Analysis; Confidence Probability

本文来源：https://www.bwwdw.com/article/o8s4.html