王婷 廖斌

摘要：供应链金融风险评价是一个具有多因素、随机性、知识不完备性和复合不确定性的复杂综合评价问题。本文针对评价信息中普遍存在的不确定性和随机性，采用粗糙集理论和云模型结合的方法，提出一种供应链金融风险综合评价方法：利用粗糙集的分辨矩阵和信息量对评价指标体系进行属性约简，确定权重;其后将权重与评价数据输入云发生器，得到由云模型数字特征刻画的综合评价结果。该结果不仅可以对供应链金融系统风险程度作出合理评价，而且可以描述评价结果的可信度和不确定度，为供应链金融风险评价提供了一条比传统风险评估法更优越的新途径。

关键词：供应链金融;风险评价;粗糙集;不确定性;云模型

中图分类号：X820.4

文献标识码：A

文章编号：1000-5099（2019）01-0042-07

供应链金融是一种多主体资源交互的复杂多维金融模式。在该模式下，银行立足于全局视角，以提高整个供应链系统的资金利用率和竞争力为目标，协调各金融主体，使其实现资源整合、信息共享、金融服务联动，进而解决传统供应链中资金流动性低、资金周转困难、融资成本高等问题。

然而，多金融主体频繁复杂的业务交互与资金流转也使供应链金融模式的风险远高于传统金融模式。Pfohl[1]等最早提出供应链金融风险这一概念，并认为供应链多主体之间的利益博弈是风险的根源。Dyckman[2]则认为风险主要源自主体资信度低，其主要表现为债务方不愿或不能履行协议而使债权方造成的经济损失。孙敏[3]通过产权理论对供应链金融风险进行分析，提出银行与第三方物流企业存在委托代理关系，所以供应链金融中也存在委托代理产生的道德风险。因此，许多学者和企业仍对该模式持观望态度。如何合理降低甚至规避供应链金融模式中的潜在风险是供应链金融应用和推广亟待解决的问题，而要想解决这些问题，首先应该建立合理、有效的供应链金融风险识别方法和评价体系。

杨晏忠[4]指出供应链金融风险应该来自多个维度，不是单一的某个因素导致的，其风险应包括自然环境风险、产业政策风险、市场风险、信用风险、法律风险、企业文化差异风险、信息不对称的风险等。张浩[5]认为还应该将企业内部因素纳入风险范畴，如管理者素质、企业信誉状况、经营状况等。李稚[6]从宏观经济、国际供应链关系、第三方物流企业、商业银行4方面提出国际供应链金融风险的评价指标。李毅学[7]将供应链风险分为包含宏观风险、行业风险和供应链系统风险的系统性风险和包含操作风险、存货变现风险和信用风险的非系统性风险。以上研究对供应链金融风险识别工作起到了一定的推进作用，一定程度上完善了供应链金融风险评价体系。在评价方法方面，风险价值模型作为风险研究中的重要方法被广泛应用。史金召[8]运用Var模型对供应链金融中的信用风险进行了研究。王旋等[9]基于结构方程模型对供应链金融视角下的中小企业信任风险进行了分析。然而，以上研究都是对风险的定性分析，未能对引起风险的指标进行量化分析。而目前较多的定量评价模型都没有考虑到供应链金融险评价中的复杂内生性、不确定性和随机性，因而难以对供应链金融风险的真实状况作出全面、客观的评价[10-13]。

供应链金融模式本身就是一个复杂的系统工程，该系统在运转过程中，既具有各金融主体实时交互、联动互通、资源共享产生的内生性风险，又具有企业集聚结构而受到的外部性风险。具体而言，内部性风险主要源于系统内部信息的不对称，包括道德风险、资信风险、监管风险、经营风险等;外部性风险主要源于系统外部环境的干扰，包括市场风险、政策风险、法律风险等。目前尚未有文献从内生性和外部性两方面来考虑供应链金融风险。本文从系统工程视角出发，运用粗糙集和云模型结合的方法，从系统内部风险、环境风险、政策风险3个方面构建综合、全面的评价指标体系。首先对指标集进行海选，形成知识集合;之后利用粗糙集理论对海选指标集进行约简，保留核指标、生成权重;最后将评价数据与指标权重输入云风险评价模型进行综合评价，获取风险识别结果与云风险图。

四、实例分析

为响应贵州省大扶贫政策的号召，M市政府提出特色农产品冷链加工生产模式，考虑到贫困地区中小型企业融资困难，地方银行积极参与提供资金服务与金融服务，形成了稳定的供应链金融模式。该模式促进了地方经济的发展，但也存在一定的潜在风险。为有效识别风险，按本文评价方法，对该供应链金融风险进行综合评价。

1.評价数据获取

通过走访调研、公司年报及政府相关数据，获得该供应链各企业2015—2018年的相关数据，并对数据做离散化处理。

2.各评价指标云与目标云计算

利用逆向云发生器算法，对数据进行数据处理，可算出各评价指标的均值（Ex），熵（En）和超熵（He）。以“物流企业监管风险”为例，应用逆向云发生器可以算出这一指标的云数字特征为（0533，0.032，0.010）。同理，可算出其他各项指标的云数字特各个指标云数字特征及相应权重如表3所示。

3.评价结果分析

应用Matlab程序将M市供应链金融评价对象云（0.476，0.023，0.007）生成云图，如图3所示。其中，红色图形为供应链金融风险评价标度，蓝色图形为M市供应链金融风险评价云图。可见，其风险程度是处于重大风险和中等风险之间，更偏向于中等风险，可信度与稳定性都较高。

从图4、图5、图6可以看出，导致该金融供应链风险程度较高的主要原因是系统内部风险。结合当地实际情况分析：首先贵州省近年来正在加大精准扶贫力度，而“黔货出山”正是主要扶贫手段之一，该供应链金融体系的构建受到了较大政策扶持;其次，当地土地资源优渥，气候适宜，自然危害较小;再次，作为重点精准扶贫项目，受到的社会关注较大，企业监管程度高。因此，该供应链金融的外部性风险较小。

而由于优秀人才紧缺、核心技术落后等因素，系统内部性风险成为影响整体风险的主要原因。为有效降低系统内部性风险，可从信息沟通效率和成员配合度两方面进行优化：

一是提高合作企业间的协同认知度。系统内部风险源自企业间的利益博弈，

只有让各企业主体意识到协同合作的收益远大于短期的竞争收益，才能提高合作的积极性和配合度，实现共生共赢、持续发展。

二是搭建企业信息共享平台。信息不对称、信息滞后是企业间互信度低的主要原因之一，只有搭建信息共享平台，实现信息的实时交互、透明公开，才能从本质上提高企业主体间的合作效率。

五、小结

供应链金融风险评价是一个具有不确定性的多指标综合评价问题。本文基于系统工程视角，从内生性与外部性出发，将专门研究不确定性问题的粗糙集理论、云模型理论结合，提出基于粗糙集和云模型的供应链金融风险综合评价模型。该模型的优点主要有两点：

一是在应用方面，充分利用粗糙集的指标择优算法和云模型的不确定性转换机制，使得评价体系既能兼顾主观性和客观性，又能兼顾内生性与外部性，相对于传统的供应链金融风险评价模型具有更好的灵活性和全面性。

二是采用依次向上递归拟合风险曲线的方式，既能得到目标层的最终评价结果，也能进一步发现产生评价结果的主要影响因素，有利于后续对风险的优化与规避。

参考文献：

[1]

PFOHL，H C，GOMM M.Suppy chain finance：optimizing financial flows in supply chains[J].Logistics R e￣search，2009，1（3/4）：149-161.

[2]DYCKMAN B. Supply chain finance：risk mitigation and revenue growth[J].Joumal of Corporate Treasury Management，2011，4（2）;168-173.

[3]孙敏.供应链金融给各方带来的优势和风险及对策分析[J].物流工程与管理，2010，32（10）：120-122.

[4]杨晏忠.论商业银行供应链金融的风险防范[J].金融论坛，2007（10）：42-45.

[5]张浩.基于供应链金融的中小企业信用评级模型研究[J].东南大学学报（哲学社会科学版），2008，10（S2）：54-58.

[6]李稚，董士浩.国际供应链金融风险评估[J].国际经济合作，2018（08）：83-87.

[7]李毅学.供应链金融风险评估[J].中央财经大学学报，2011（10）：36-41.

[8]史金召，王长春，亓晖.基于VaR模型的供应链金融信用风险动态控制方法研究[J].管理现代化，2014，34（06）：99-101.

[9]王旋，祝錫永.供应链金融视角下中小企业信用风险影响因素研究[J].经营与管理，2016（11）：108-111.

[10]何娟，王建，蒋祥林，等.基于Copula-CVaR-EVT方法的供应链金融质物组合优化[J].系统工程理论与实践，2015，35（1）：1-16.

[11]刘颖，张丽娟，韩亚男，等.基于粒子群协同优化算法的供应链金融信用风险评价模型[J].吉林大学学报（理学版），2018，56（1）：119-125.

[12]刘艳春，崔永生.供应链金融下中小企业信用风险评价——基于SEM和灰色关联度模型[J].技术经济与管理研究，2016（12）：14-19.

[13]傅琳，金爱华.流通业小微企业供应链金融的风险评价及防范[J].商业经济研究，2018（8）：156-159.

（责任编辑：钟昭会）