郑志远

(南京财经大学，江苏 南京 210023)

一、导论

(一)研究背景

自从十五大以来，中小企业的成长堪称风起云涌。 2009年9 月国务院发布的《国务院关于进一步促进中小企业发展的若干意见》，明确指出中小企业的发展是关系民生和社会稳定的重大战略任务。 然而，中小企业的贡献与其得到的融资服务却不呈同向关系，尽管政府专门建立了针对中小企业的金融机构和信用制度，但中小企业能够得到融资的比例仍旧非常低。 一方面，中小企业本身财务披露机制不健全，抵押物无法满足金融机构的放贷要求，导致金融机构不愿意过多放贷；另一方面，金融机构为降低自身风险，会优先贷给大企业、有相应担保物的中等规模企业，致使银行业追寻二八准则，造成中小企业除了应急性需求，不会为了扩大再生产或者日常交易需求去主动寻求贷款，造成了融资难、融资贵等实质性问题。

(二)研究目的及意义

本文在参考了大量文献并设计信用风险评价指标后，从中小企业板选取29 家通信企业2016 ～ 2018年的数据，来测度在供应链金融模式下哪些指标对于信用风险的评估有着重要的意义，并希望能够对面临高风险的企业起到一定指导作用。

(三)创新之处

通过对国内外文献的研究，作者发现部分学者侧重点在于运用什么样的模型去进行分析，以及比较倾向于去研究供应链金融的各种业务模式，而对于供应链金融下中小企业信用风险评估指标体系并没有更多的关注。 基于此，本文考虑在供应链金融模式下企业会遇到什么新的风险，并且在数字金融快速发展的背景下，是否能够运用大数据来对一些重要指标进行实时监测以防止对于企业信贷问题一刀切，是否有新的手段能够对供应链信用风险进行检测。

二、文献综述

(一)供应链金融的概念

Hofmann首先将供应链与金融进行整合，实现了重要突破。 冯瑶认为供应链金融是一种好的金融产品，能够更好地帮助中小企业缓解资金短缺的窘迫。 胡海青等认为供应链金融是商业银行拓展业务广度和深度，向上游和下游企业提供信贷服务从而提高盈利水平的一种模式。

(二)供应链金融的信用风险

范柏乃和朱文斌列举了许多如Altman 的Z 值模型、Chesser 信用预测模型、运营资产评价模型等对于企业风险管理且被广泛接受的评估方法。 于立勇和詹捷辉通过对国内外文献的研究，提出用Logistic 回归模型来进行测度，对于风险的评测更加细化、更有说服力，也为本文的模型选择提供了帮助。 He 等学者运用模糊综合评价法将许多定性的风险因素量化，提供了实验的可行性，为其他学者提供了借鉴。 朱通通过深入分析供应链金融的主要模式，构建了新的指标体系，并通过Logistic 回归证明了供应链金融模式下企业的履约能力大幅提升。 任歌进行实证分析， 认为LSSVM 模型能够助力于金融机构去评估企业信用风险。 庞浩认为研究供应链金融视角下中小企业信用风险，有助于相关风险评估系统的政策制定者和参与者能够更加精准地实现风险评估。 刘艳春和崔永生运用探索因子分析法和SEM 验证分析方法，构建出一种信用风险评价模型，有效分析了中小企业的风险，为银行如何放心选取授信对象提供参考。 范方志等在数字金融的背景下建议通过大数据来追溯信用风险源头。

(三)供应链金融的相关研究

Beck率先将供应链金融产品与中小企业结合在一起。Pfaff 等学者通过对供应链金融的深入研究，认为基于订购、账单、兑现支付的订单管理相当重要。 闫俊宏和许祥秦以供应链信用传导为核心，讨论了应收账款、预付账款、存货的资金流状况，并设计了应收账款融资、保兑仓融资和融通仓融资三种基本融资模式。 Constantion Blome认为将用户、生产方、金融服务机构等主体置于一个系统且进行明确的分工能够降低交易成本并且使信息公开透明。 胡跃飞和黄少卿认为供应链金融不是供应链与金融的简单结合，而是在真实的贸易背景下，金融机构为更好地服务于企业创新出的新模式。 Guo 等对于当时发展迅猛的互联网金融P2P 模式进行研究，并通过Logistic 模型进行评估。 马蕾认为在供应链金融不断发展下，需要有与之配套的供应链金融生态环境，才能够呈阶梯式发展，出现更多新的超越。 鲍新中等将B2B 电商平台与供应链金融模式结合，发现了在信用融资和订单融资方面比传统模式更有优势，拓宽了供应链金融模式的运行渠道。 Ma 等认为在供应链模式下企业之间协作这个因素能以最大的程度实现互惠互利。

(四)中小企业结合供应链金融的相关研究

郑绍庆针对中小企业融资存在的问题，探索了新的解决方式。 郑冰以中小板、新三板为例，从中小企业自身因素进行实证分析证明了中小企业融资难的事实。 张敏指出中小企业融资难、融资贵的真实境况，提出企业、银行、政府之间相互协作加以解决的美好愿景。 熊熊等提出了主体评级和债项评级的风险评价体系，建议用数据来实证分析而不是过度依赖专家的评价，揭示了供应链金融模式能够在一定程度上缓解中小企业融资困境。 张诚通过运用系统动力学理论，把独立的中小企业通过供应链连接起来，将传统模式下独立的中小企业与供应链金融下的中小企业来进行比较，认为中小企业供应链金融资金链更加稳定。 李思海认为需要尽快建设完备的基础数据库系统，安排相关部门进行信息的质量监控，结合中小企业自身特点，构建保护中小企业权益的合法体系。

(五)文献综述小结

文章查阅了大量的相关文献，发现国外对于供应链金融的研究理论更早、更深、更多元化，突破了供应链融资，延伸到了资本结构、资金流周期，逐渐形成了一个完备的体系，视角更加全面；而国内学者对于供应链金融的研究比较单一，往往侧重于研究供应链的融资功能。 对于供应链模式下是否会产生新的信用风险关注较少，且目前存在一些例如定性指标量化片面性等问题，再加上中小企业信息披露机制不健全导致许多数据不好收集，造成了一定程度的困难。 但国内外学者对于供应链研究的机理和模式主张还是比较一致的，且普遍承认供应链金融模式能够为中小企业融资提供有效的帮助，从而更好地服务于实体经济。

三、供应链金融信用风险评价

(一)指标选取和构建的原则

供应链金融信用风险评价指标建立原则如表1 所示。

表1 供应链金融信用风险评价指标建立原则

序号 原则 说明1 可获取性 影响企业信用风险的因素众多，但并不是所有因素都可获取，因此要在尽可能获取的基础上做到更加全面2 全面性 要从各个角度尽量全面反映企业的信用风险3 独立性 尽可能选取相关性较弱的指标来提高评价结果的准确性，减少不必要的复杂程度4 合理性 将定性指标与定量指标相结合，定量指标对于定性指标进行补充5 科学性 要从客观实际出发，运用科学合理的方法，避免空谈理论

(二)供应链金融信用风险评价指标体系设计

企业的基本情况可从企业规模、财务披露质量2 个二级指标来分析；企业的偿债能力可从有形净值债务率、资产负债率、产权比率、速动比率、现金流量比率、已获利息倍数6个二级指标来分析；企业的盈利能力可从销售净利率、净资产收益率2 个二级指标来分析；企业的资金周转能力可从应收账款周转率、存货周转率、流动资产周转率3 个二级指标来分析；企业的履约能力可从交易履约情况这个指标来分析。

通过以上剖析供应链金融信用风险的特点、中小企业自身的发展状况以及金融机构对于中小企业信贷评估所考虑的因素，选取14 个指标如表2 所示。

表2 供应链金融信用风险评价指标体系

一级指标 二级指标 指标描述企业基本情况企业规模X1 企业的总资产财务披露质量X2 财务披露是否出现问题偿债能力有形净值债务率X3 企业负债总额/ 有形净值资产负债率X4 负债总额/ 资产总额产权比率X5 负债总额/ 所有者权益总额速动比率X6 速动资产/ 流动负债现金流量比率X7 经营活动产生的现金净流量/ 期末流动负债已获利息倍数X8 息税前利润总额/ 利息支出盈利能力 销售净利率X9 净利润/ 销售收入净资产收益率X10 税后利润/ 所有者权益资金周转能力应收账款周转率X11 赊销净收入/ 平均应收账款余额存货周转率X12 销货成本/ 平均存货余额流动资产周转率X13 主营业务收入净额/ 平均流动资产总额履约能力 交易履约情况X14 是否因履约问题遭到诉讼

四、基于通信行业供应链信用风险实证检验分析

(一)样本来源

通过上述指标评选体系分析，在通信行业筛选出企业规模、财务披露质量、有形净值债务率等14 个风险指标。 由于本文选取行业为通信行业，为了获取更详细的信息披露情况，在中小板上市公司中进行筛选，但只有29 家，所以又找了2016～2018 三年的数据。 其中，定量指标X1、X3 ～ X13 来源于万德数据库中各上市公司的报表数据、X2 以1 分为满分，通过查询企业是否因为财务披露问题而受到处分或通告，一次扣0.2 分，信息同样来源于万德数据库中的案由披露。 X14 同样以1 分为满分，通过查询企业是否因为履约问题被诉讼，一次扣0.2 分，信息来源于天眼查。 而评测企业信用状况则通过2016～2018《企业绩效评价标准值》，行业带息负债率高于平均值的则视为信用风险组，低于平均值的则视为无信用风险组，根据评判标准，23 组为信用风险组，64 组为无信用风险组。

(二)实证分析

1.描述性统计分析

由描述性统计量的结果(表3)，可以看出本文所选数据合理，可以用来进行计量分析。

表3 描述性统计量

指标 样本量 极小值 极大值 均值 标准差企业规模 87 389871318.6 15930807160 4090211444 3325530923财务披露质量 87 0.000 1.000 0.931 0.164有形净值债务率 87 0.086 772.491 77.371 118.471资产负债率 87 7.896 70.119 39.726 16.539产权比率 87 0.086 2.347 0.810 0.582速动比率 87 0.428 9.227 1.904 1.498现金流量比率 87 －0.255 19.777 1.587 2.365已获利息倍数 87 －1642.364 1390.716 8.821 242.056销售净利率 87 －60.979 22.803 2.013 16.090净资产收益率 87 －29.654 23.280 3.676 10.599应收账款周转率 87 0.425 45.670 4.100 6.011存货周转率 86 0.567 83.500 6.749 14.431流动资产周转率 87 0.193 1.748 0.862 0.348交易履约情况 87 0.000 1.000 0.802 0.279

2.主成分分析

由于各项数据所对应的单位、大小有显著的差异，我们需要对数据进行标准化处理，首先计算各指标样本的算术平均值和方差:

之后采用标准化处理公式:

以确保数据结构的准确性。

首先对数据进行主成分分析与可行性检验，由KMO 和Bartlett 检验结果(表4)知，在输出结果中，KMO 值为0.595>0.5，另外近似卡方值为684.816，自由度为91，显著性概率的值为0.000＜0.01，通过检验，可以进行主成分分析。

表4 KMO 和Bartlett 的检验结果

取样适切度的Kaiser－Meyer－Olkin 度量 0.595 Bartlett 的球形度检验近似卡方 684.816 df 91 Sig.0.000

由表5 可知，公因子方差最大为0.922，最小方差为0.488。总体来说公因子方差比较合适，可以对原变量进行解释。

表5 公因子方差

指标 初始 提取企业规模 1.000 0.533财务披露质量 1.000 0.665有形净值债务率 1.000 0.508资产负债率 1.000 0.888产权比率 1.000 0.812速动比率 1.000 0.843现金流量比率 1.000 0.670

续表

指标 初始 提取已获利息倍数 1.000 0.488销售净利率 1.000 0.829净资产收益率 1.000 0.922应收账款周转率 1.000 0.794存货周转率 1.000 0.760流动资产周转率 1.000 0.555交易履约情况 1.000 0.652

如表6 和图1 所示，有5 个变量的特征值大于1，累计贡献率为70.816%。 可以将其视为主成分来对原始数据进行解释。 在这里我们将F1 设为第一主成分，F2 至F5 为第二至第五主成分。 下面我们将对旋转成分矩阵(表7)进行研究。

表6 解释的总方差

成分初始特征值 提取平方和载入 旋转平方和载入合计 方差百分比累积百分比 合计 方差百分比累积百分比 合计 方差百分比累积百分比1 3.876 27.688 27.688 3.876 27.688 27.688 3.136 22.403 22.403 2 2.296 16.399 44.087 2.296 16.399 44.087 2.264 16.171 38.574 3 1.442 10.302 54.389 1.442 10.302 54.389 1.704 12.168 50.742 4 1.276 9.115 63.504 1.276 9.115 63.504 1.443 10.310 61.052 5 1.030 7.357 70.861 1.030 7.357 70.861 1.373 9.810 70.861 6 0.976 6.970 77.831 7 0.773 5.520 83.351 8 0.723 5.167 88.518 9 0.511 3.651 92.170 10 0.489 3.491 95.660 11 0.347 2.481 98.141 12 0.158 1.126 99.267 13 0.086 0.613 99.880 14 0.017 0.120 100.000

图1 碎石图

表7 旋转成分矩阵

成分1 成分2 成分3 成分4 成分5企业规模 0.525 0.119 －0.057 0.477 0.110财务披露质量 －0.147 0.008 0.059 －0.080 0.796有形净值债务率 0.284 0.005 －0.095 0.205 0.613资产负债率 0.784 －0.112 －0.261 0.370 0.236产权比率 0.699 －0.170 －0.179 0.437 0.267速动比率 －0.893 0.054 0.203 －0.039 0.017现金流量比率 －0.781 0.019 －0.064 0.171 0.160已获利息倍数 0.024 0.406 0.078 －0.372 0.422销售净利率 －0.258 0.869 －0.075 0.017 0.044净资产收益率 －0.111 0.949 －0.076 0.009 0.063应收账款周转率 －0.087 －0.058 0.884 －0.009 0.051存货周转率 －0.153 0.006 0.856 －0.037 －0.045流动资产周转率 0.364 0.612 0.102 0.169 －0.097交易履约情况 －0.060 －0.089 －0.013 －0.800 0.019

通过分析每个主成分的载荷，可以看出各主成分的解释能力较好。 其中第一主成分主要包含了企业的负债情况，因此将其命名为债务情况；第二主成分主要包含了企业收益方面的能力，因此将其命名为盈利能力；第三主成分主要包含了企业资金周转方面的能力，因此将其命名为资金周转能力；第四主成分主要包含了企业交易履约方面能力的信息，因此将其命名为履约能力；第五主成分主要包含了企业财务披露的质量，因此将其命名为财务披露质量。

另外，我们可以得到主成分得分系数矩阵，如表8 所示。

表8 主成分得分系数矩阵

成分1 成分2 成分3 成分4 成分5企业规模 0.103 0.066 0.055 0.274 0.022财务披露质量 －0.087 －0.051 0.030 －0.062 0.615有形净值债务率 0.022 －0.025 －0.006 0.079 0.435资产负债率 0.192 －0.033 －0.052 0.110 0.116产权比率 0.145 －0.066 －0.007 0.192 0.147速动比率 －0.345 －0.025 0.020 0.189 0.072现金流量比率 －0.392 －0.054 －0.126 0.324 0.162已获利息倍数 0.107 0.170 0.052 －0.349 0.308销售净利率 －0.074 0.374 －0.059 0.050 －0.006净资产收益率 －0.006 0.418 －0.040 0.005 －0.006应收账款周转率 0.067 －0.015 0.558 0.055 0.063存货周转率 0.052 0.016 0.531 0.048 －0.008流动资产周转率 0.171 0.304 0.131 0.052 －0.139交易履约情况 0.158 －0.027 －0.056 －0.672 0.055

根据系数矩阵，我们可以得到五个主成分的表达式(

X

采用标准化后数据):

根据式(4)～ 式(8)，可以计算出企业的债务情况、盈利能力、资金周转能力、履约能力、财务披露质量的得分，并将计算得到的得分变量作为自变量加入Logistic 回归模型。

3.Logistic 回归

根据所构建的企业指标，将企业的债务情况、盈利能力、资金周转能力、履约能力、财务披露质量的得分作为模型的解释变量，并设置哑变量(是否有信用风险)作为被解释变量(表9)，运用SPSS 软件计算各个变量之间的相关系数，通过对其进行Logistics 回归，并估计回归系数，最后对方程和模型进行拟合优度检验。

表9 变量定义

变量类型 指标 变量因变量 是否有信用风险 Y自变量债务情况 F1盈利能力 F2资金周转能力 F3履约能力 F4财务披露质量 F5

通过分析相关系数矩阵(表10)，可以发现被解释变量是否有信用风险与企业的债务情况之间有着显著的正相关性，这说明企业的负债增加会显著地引起信用风险提升；此外，被解释变量是否有信用风险与企业的盈利能力、资金周转能力、履约能力之间有着显著的负相关性，这说明这三个变量对企业的信用风险影响较大，当企业的盈利情况变好，或是资金周转能力增加，或是履约能力提升，都会引起企业的信用风险降低。 方程中的变量见表11。

表10 相关系数矩阵

注:和分别表示在5% 和1% 水平上显著。

是否有信用风险债务情况盈利能力资金周转能力履约能力财务披露质量是否有信用风险 1.000债务情况 0.147** 1.000盈利能力 －0.124*** 0.000 1.000资金周转能力 －0.175*** 0.000 0.000 1.000履约能力 －0.090** 0.000 0.000 0.000 1.000财务披露质量 －0.084 0.000 0.000 0.000 0.000 1.000

表11 方程中的变量

注:、分别表示在10% 和1% 水平上显著。

回归系数(B)标准误差(S.E)Wald 统计量 df 显著性(Sig.)发生比率Exp(B)债务情况 0.479* 0.301 3.091 1.000 0.082 0.620盈利能力 －1.460*** 0.210 48.135 1.000 0.000 0.232资金周转能力 －0.992*** 0.326 9.256 1.000 0.002 0.371履约能力 －2.523* 1.413 3.188 1.000 0.074 0.080财务披露质量 0.160 0.178 0.811 1.000 0.368 1.174截距项 0.334 0.203 2.700 1.000 0.100 1.397

得出以下结论:

(1)企业的债务情况对企业信用风险有着明显的正向影响，即当企业的负债增加时，企业的信用风险将会增加。

(2)企业的盈利能力对企业信用风险有着明显的负向影响，即当企业的收益增加时，企业的信用风险将会降低。

(3)企业的资金周转能力对企业信用风险有着明显的负向影响，即当企业的周转资金增加时，企业的信用风险将会降低。

(4)企业的履约能力对企业信用风险有着明显的负向影响，即当企业的履约情况变好时，企业的信用风险将会降低。

4.模型检验

从表12 来看， 模型的Cox ＆ Snell

R

的值为0.318，Nagelkerke

R

的值为0.424，说明模型拟合的结果较好。

表12 模型汇总

步骤 －2 对数似然值 Cox ＆ Snell R2 Nagelkerke R2 1 513.841 0.318 0.424

通过表11，可以得到Logistic 回归模型的方程为:

通常情况下，我们取

P

＝0.5 为警戒值，即将主成分分析中计算得到的5 个自变量的数据代入Logistic 模型，得到的

P

>0.5，则说明企业 “存在信用风险” 的可能性较大，反之若

P

＜0.5，则说明企业 “不存在信用风险” 的可能性较大。 另外，我们根据原始样本的数据进行检验，得到表13 所示检验结果(部分)。

根据检验结果，该回归模型存在两种情形:①观测企业无信用风险，但评估出的企业存在信用风险；②观测企业有信用风险，但评估出的企业不存在信用风险。 由表13 错判分类表可见，模型的总体准确性为88.5%，在对 “不存在信用风险” 的样本判别中，有58 个样本被判别为“不存在信用风险” ，6 个样本被误判为 “存在信用风险” ，准确率为90.6%；在对 “存在信用风险” 的判别中，有19 个样本被判别为 “存在信用风险” ，4个样本被误判为“不存在信用风险” ，准确率为82.6%。

表13 错判分类表

已观测已预测是否存在信用风险否是百分比校正步骤0 是否存在信用风险 否 58 6 90.6是 4 19 82.6总计百分比 88.5

五、结论与建议

通过以上分析，可以发现资产负债率、净资产收益率、应收账款周转率、交易履约情况、企业财务披露质量对于供应链金融下中小企业信用风险有很大的影响。 因此，提出以下相关建议:从企业视角来看，在如今全球贸易一体化的背景下，供应链的各个主体要确立整体意识，加强对自身企业的信用风险监控来保证供应链上各个环节都能够流畅运转。从金融机构来看，在数字金融的势头愈发猛烈的情况下，原有的评判标准较为刻板，因此要逐步建立数据库，利用大数据来实时观测企业的资产负债率、应收账款周转率等上述结论所验证的指标，对于波动较大的企业要及时关注，并结合减税降费、金融扶持等政策，做到真正的普惠而不是口号。从监管部门来看，供应链其中一环的停滞会造成很大的影响，因此要致力于对供应链安全的保障，在以安全为目标的前提下给予供应链金融模式进行适当的创新，并利用监管沙箱等新型监管来监管新型模式。 此外，应该收集更多的数据指标，建立绿色的供应链金融生态系统，完备各个企业的数据档案，为金融机构提供技术保障和金融风险管控支持，减少由信息不对称带来的信用风险。