中小企業(yè)供應(yīng)鏈融資的風險度量
——基于R銀行交易數(shù)據(jù)的研究

趙杰

（中國人民銀行日照市中心支行，山東 日照 276800）

中小企業(yè)供應(yīng)鏈融資的風險度量
——基于R銀行交易數(shù)據(jù)的研究

趙杰

（中國人民銀行日照市中心支行，山東 日照 276800）

本文以某城市商業(yè)銀行開展汽車行業(yè)供應(yīng)鏈融資數(shù)據(jù)為樣本，運用信用計量模型（CreditMetrics）進行信貸資產(chǎn)組合的信用風險度量模擬，將供應(yīng)鏈融資中涉及的主要風險和收益轉(zhuǎn)化成整條供應(yīng)鏈融資資產(chǎn)組合的在險價值，探討城市商業(yè)銀行運用該模型進行信貸風險量化管理的可行路徑。

供應(yīng)鏈融資；風險管理；CreditMetrics模型

一、引言

近年來，供應(yīng)鏈金融融資模式得到快速發(fā)展，成為解決中小企業(yè)融資難的有效方式。供應(yīng)鏈金融是銀行等金融機構(gòu)以特定產(chǎn)品供應(yīng)鏈上的真實貿(mào)易為背景，以企業(yè)貿(mào)易行為所產(chǎn)生的確定的未來現(xiàn)金流為直接還款來源，結(jié)合核心企業(yè)信用水平，配合金融機構(gòu)各種金融產(chǎn)品所進行的融資業(yè)務(wù)。在供應(yīng)鏈金融模式下，基于對供應(yīng)鏈和核心企業(yè)的認可，銀行對供應(yīng)鏈實行綜合授信，改變了過去銀行對單一企業(yè)主體授信模式，并將對單個企業(yè)的風險管理轉(zhuǎn)變?yōu)楣?yīng)鏈的風險管理。

供應(yīng)鏈金融在我國還處于起步階段，對其風險管理的研究和實踐還不成熟。中小商業(yè)銀行，特別是城市商業(yè)銀行仍較多地依靠感性分析，對建立或引用適當?shù)男庞蔑L險度量模型，準確地進行定量分析嘗試不足。本文借鑒已有研究成果，采用某城市商業(yè)銀行開展汽車行業(yè)供應(yīng)鏈融資的實際數(shù)據(jù)，建立了VaR理論信用風險模型來測度中小企業(yè)供應(yīng)鏈融資風險。

二、文獻綜述

在國外對供應(yīng)鏈融資領(lǐng)域的研究中，約翰和雷切爾（John和Rachel，2004）通過定量方法研究供應(yīng)鏈融資中利率和授信額度等重要指標的確定方法及對業(yè)務(wù)風險的影響，嘗試將資產(chǎn)抵押融資納入供應(yīng)鏈中企業(yè)的生產(chǎn)決策。巴斯基和卡坦納奇（Barsky和Catanach，2005）認為與物流金融密切相關(guān)的供應(yīng)鏈融資不同于傳統(tǒng)的信用貸款，對此進行風險控制時應(yīng)由主體準入為基礎(chǔ)的風險控制轉(zhuǎn)變?yōu)榛谶^程控制的風險管理。

國內(nèi)關(guān)于供應(yīng)鏈融資的研究中，熊熊等（2009）運用主成分分析法和Logistic回歸方法，建立了供應(yīng)鏈金融的信用風險評價體系。趙忠、李波（2011）針對供應(yīng)鏈金融信用風險評價的特點構(gòu)建了評價指標體系，并運用模糊層次分析法確定了各指標在評價體系中的權(quán)重。李毅學（2011）將供應(yīng)鏈金融的復(fù)雜風險歸納為系統(tǒng)和非系統(tǒng)兩大類，構(gòu)建了評估指標體系，將供應(yīng)鏈金融的系統(tǒng)風險分為宏觀與行業(yè)系統(tǒng)風險和供應(yīng)鏈系統(tǒng)風險，將供應(yīng)鏈金融的非系統(tǒng)風險分為信用風險、存貨變現(xiàn)風險和操作風險，并展示了供應(yīng)鏈金融風險的評估過程。

在風險管理定量分析模型的開發(fā)上，美國KMV公司提出一種資產(chǎn)組合風險管理KMV模型，以債權(quán)和股票期權(quán)相結(jié)合的方式，計算借款人的違約距離和企業(yè)的預(yù)期違約率。瑞士信貸銀行開發(fā)的度量信貸風險的精算方法CreditRisk+模型，認為通過貸款組合的違約概率和損失的嚴重程度，就可以計算出貸款組合的損失分布。J.P摩根提出CreditMetrics模型，認為通過借款人的信用評級、評級轉(zhuǎn)移矩陣、違約貸款的回收率、債券市場上的信用風險價差計算出貸款的市場價值及其波動性，得出個別貸款和貸款組合的VaR值。

由于供應(yīng)鏈企業(yè)間，既屬于經(jīng)營型關(guān)聯(lián)企業(yè)，又屬于債務(wù)型關(guān)聯(lián)企業(yè)，供應(yīng)鏈金融中的企業(yè)信用風險之間具有高度關(guān)聯(lián)性。相比于其他模型，CreditMetrics模型對供應(yīng)鏈融資風險不僅適用于測度單一貸款的風險，而且適合測度貸款組合的風險，可為銀行組合貸款管理提供借鑒。雖然在通過信用評級確定不同信用狀況資產(chǎn)的違約率上，我國目前信用評估中介機構(gòu)剛剛起步，覆蓋面小、權(quán)威性不強，但各銀行內(nèi)部多年來傳統(tǒng)信用評級和信用評分方法的推廣以及貸款五級分類法的推行，都為完善信用評級體系及建立大型違約數(shù)據(jù)庫奠定了基礎(chǔ)。

三、供應(yīng)鏈融資業(yè)務(wù)及風險影響因素

（一）R銀行中小企業(yè)供應(yīng)鏈融資方案

WZ集團是我國機械制造重點骨干企業(yè)之一，現(xiàn)已形成農(nóng)用車、汽車、現(xiàn)代農(nóng)業(yè)裝備和現(xiàn)代農(nóng)業(yè)四大主導(dǎo)產(chǎn)業(yè)，擁有三大制造事業(yè)部，總資產(chǎn)68億元，員工14000人。R銀行供應(yīng)鏈融資業(yè)務(wù)始于2008年，以WZ集團為核心，將農(nóng)用車和汽車供應(yīng)商、制造商、分銷商、零售商連成一個整體，全方位地為鏈條上的企業(yè)提供融資服務(wù)。針對供應(yīng)鏈上下游企業(yè)的不同特點，R銀行創(chuàng)建了“核心企業(yè)+多家下游配套中小企業(yè)（1+n）”或“多家上游配套中小企業(yè)+核心企業(yè)+多家下游中小企業(yè)（m+1+n）”等多種合作模式。

首先，針對WZ集團的上游中小零部件供應(yīng)商，R銀行主要通過提供國內(nèi)保理和商票貼現(xiàn)來幫助企業(yè)融資。供應(yīng)商可以將與核心企業(yè)訂立的貨物銷售合同產(chǎn)生的應(yīng)收賬款或WZ集團對其簽發(fā)并承兌尚未到期的商業(yè)承兌匯票轉(zhuǎn)讓給R銀行，然后由銀行幫助供應(yīng)商快速融通資金。

其次，針對WZ集團的下游中小經(jīng)銷商，R銀行從采購和經(jīng)營兩個環(huán)節(jié)分別推出了預(yù)付賬款融資和動產(chǎn)及貨權(quán)質(zhì)押融資模式。前者主要是借助WZ集團信用，由第三方物流企業(yè)（倉儲監(jiān)管方）進行監(jiān)管，經(jīng)銷商以R銀行指定倉庫的既定倉單向銀行申請質(zhì)押貸款。后者主要是經(jīng)銷商將自有的農(nóng)用車、汽車或農(nóng)用車和汽車的貨權(quán)憑證質(zhì)押給銀行，銀行通過對貨物實施占管和控制來發(fā)放融資，同時，R銀行與WZ集團簽訂擔保合同或質(zhì)押物回購協(xié)議，約定在經(jīng)銷商違約時，由WZ集團負責償還或回購質(zhì)押動產(chǎn)。

（二）影響供應(yīng)鏈融資的風險因素

從R銀行上下游整體供應(yīng)鏈融資方案看，實際需要考慮的風險源大致包括：

1.中小供應(yīng)商和經(jīng)營商的信用狀況。銀行需要根據(jù)企業(yè)的基本情況，判斷企業(yè)的盈利能力與償債能力，從而給出企業(yè)的信用等級。但信用情況并不是一成不變的，一旦行業(yè)景氣程度波動，企業(yè)的信用等級就會變動。為降低銀行風險，銀行需要對企業(yè)的資信質(zhì)量進行事前或定期評估。

2.企業(yè)經(jīng)營情況。主要指企業(yè)經(jīng)營的穩(wěn)定性、成長性及現(xiàn)金流狀況，企業(yè)自身經(jīng)營性越好，其履行合同的能力越強，對于銀行來說，風險也就越小。

3.抵質(zhì)押品的價值變動。一旦宏微觀經(jīng)濟面發(fā)生波動，質(zhì)押品或抵押品市值下跌過大，會導(dǎo)致企業(yè)違約可能性的上升，為銀行帶來一定的信貸風險。

4.銀行融資成本收益。對于已經(jīng)簽訂的融資合同，銀行應(yīng)隨時關(guān)注融資合同帶給銀行的綜合收益率與資本市場上的融資收益率之間的變化。當資本市場上的融資收益率提高時，金融機構(gòu)和公司的融資成本提高，則融資合同的市值下降。

5.貸款組合間相關(guān)性。上下游各融資對象的融資業(yè)務(wù)是緊密相連的，一個鏈條上的融資變化對銀行參與的所有供應(yīng)鏈條的融資業(yè)務(wù)都會產(chǎn)生影響，所以要對不同供應(yīng)鏈融資的相關(guān)性進行測算，從而推算整條供應(yīng)鏈融資業(yè)務(wù)的組合信用風險。

為反映上述五個方面的供應(yīng)鏈金融風險，本文選取以下指標：貸款行業(yè)、貸款信用評級、擔保方式、貸款金額、貸款期限、貸款利率、存款金額、回收率、國債收益率和風險溢價數(shù)據(jù)和違約回收率（指在發(fā)生極端的情況下，銀行能夠收回的部分占債權(quán)面值的百分比，這主要是由商業(yè)銀行根據(jù)在不同擔保模式下的貸款損失的經(jīng)驗考察估算得出）。

四、模型選擇

CreditMetrics模型是以VaR理論等為依據(jù)，以信用評級為基礎(chǔ)建立的貸款組合價值的完全分布模型?？蚣苤饕蓛蓚€模塊構(gòu)成，一是單個資產(chǎn)的VAR值，二是資產(chǎn)組合的VAR值。

（一）單個資產(chǎn)的VAR值

1.確定信用等級轉(zhuǎn)移矩陣。信用等級轉(zhuǎn)移矩陣顯示1個企業(yè)在1年內(nèi)從一個信用等級轉(zhuǎn)變?yōu)榱硪粋€信用等級的概率，不同初始信用等級向所有可能等級轉(zhuǎn)移的概率匯集起來構(gòu)成轉(zhuǎn)移概率矩陣。

2.估算未來不同信用等級下的貸款遠期價值。假定評估一筆n年期、信用評級從年初的k級轉(zhuǎn)移到年末的j級、每年定期支付利息為C、本金為F的貸款，在第一年末的價值用Vj表示。其中，k=1，…，d-1；j=1，…，d；d表示按從高到低的順序排列共有1到d個信用等級，1級信用等級最高，d級表示違約。

（1）在非違約狀態(tài)下在第一年末的遠期信用定價公式為：

在公式中，F(xiàn)j為信用評級為j的貸款從第1年末開始的i年期的年化遠期利率。

（2）當?shù)谝荒昴﹤鶆?wù)人處于違約狀態(tài)時，貸款的價值Vd由債務(wù)本金F和違約損失率LGDj決定，即：

（3）VaR計算。

利用（1）公式和（2）公式，求出這筆貸款在第一年末的貸款價值的均值和方差，即：

其中，Pj和Pd分別表示債務(wù)人在第一年末信用等級轉(zhuǎn)移到j(luò)級的概率和違約概率，Zα為1-α置信水平下正態(tài)分布的分位數(shù)。

（二）資產(chǎn)組合的VAR值

1.用（V1，V2，…，VN）表示N項信用資產(chǎn)價值的組合，則N項信用資產(chǎn)組合價值的方差為：

2.當資產(chǎn)組合的數(shù)量太多時，需要根據(jù)每筆信用資產(chǎn)的評級轉(zhuǎn)移概率和信用資產(chǎn)之間的相關(guān)系數(shù)，運用Monte Carlo方法來模擬10000次或者更多次N項信用資產(chǎn)組合的價值，然后得到對應(yīng)于一定置信水平下N項信用資產(chǎn)組合的VaR值。

五、實證分析

（一）樣本采集

鑒于供應(yīng)鏈金融業(yè)務(wù)開展現(xiàn)狀以及數(shù)據(jù)量不足的約束和供應(yīng)鏈金融業(yè)務(wù)主要適用于中小企業(yè)的背景，本文選取以WZ汽車集團為核心的供應(yīng)鏈上的20家中小零配件制造業(yè)企業(yè)進行分析。

（二）模型分析

1.構(gòu)建信用等級轉(zhuǎn)移矩陣。CreditMetrics模型的基礎(chǔ)是通過信用等級歷史轉(zhuǎn)換求出資產(chǎn)風險價值，因大部分中小企業(yè)信用評級數(shù)據(jù)并不完整，本文以信貸資產(chǎn)五級分類取代客戶信用等級。任一筆貸款經(jīng)過五級分類后，都對應(yīng)1個風險等級（正常、關(guān)注、次級、可疑、損失），貸款風險等級之間的轉(zhuǎn)移可以通過統(tǒng)計分析風險等級轉(zhuǎn)移記錄得到。例如，在某一時間段，等級由正常變?yōu)榇渭壍霓D(zhuǎn)移概率，就等于等級從正常變?yōu)榇渭壍馁J款信用轉(zhuǎn)移總數(shù)與所有信用等級為正常的賓貸款總數(shù)的比值，依次類推可得到各個貸款等級轉(zhuǎn)移的概率。根據(jù)R銀行7年間的連續(xù)貸款評級的數(shù)據(jù)，可以歸納得出貸款轉(zhuǎn)移系數(shù)矩陣如表1所示。

表1：信用等級轉(zhuǎn)移矩陣

2.計算單筆融資業(yè)務(wù)價值。本文以汽車供應(yīng)鏈融資中的某筆貸款為例，A汽車零部件供應(yīng)企業(yè)當前信貸質(zhì)量級為正常，擔保方式為質(zhì)押，貸款金額為70萬元，貸款期限為5年，年貸款利率為8.3%，無風險利率為4.4%，風險溢價為0.3%。根據(jù)R銀行（2004—2008年）4年間的違約數(shù)據(jù)，質(zhì)押擔保下違約收復(fù)率約為25%。

根據(jù)信用轉(zhuǎn)移矩陣和收益率，該筆供應(yīng)鏈融資在下一期的價值為：

V=貸款面值×貸款利率×年金折現(xiàn)因子+貸款面值×終值折現(xiàn)因子，計算結(jié)果見表2。

表2：案例貸款現(xiàn)值計算結(jié)果

設(shè)μ，σ分別是供應(yīng)鏈融資一年后價值的期望和標準差，得：

在符合正態(tài)分布的情形下，該筆貸款的VaR值為：

VaR=1.65×0.145=0.239（百萬）（95%置信度下）

VaR=2.33×0.145=0.339（百萬）（99%置信度下）

基于上述方法，可依次計算出其他貸款的相應(yīng)數(shù)值。結(jié)果表明，在貸款價值為正態(tài)分布的假設(shè)條件下，該筆貸款有1%的可能性在第二年的損失超過33.9萬元，有5%的可能性在第二年的損失超過23.9萬元。

3.計算組合資產(chǎn)的在險價值。對于資產(chǎn)組合風險價值，需要考慮采用蒙特卡羅模擬（Monte Carlo）方法來解決。因為不同中小企業(yè)均從WZ集團為核心進行差異化生產(chǎn)經(jīng)營，在行業(yè)所屬上均屬于汽車零部件供應(yīng)企業(yè)，各企業(yè)間相互影響較小，因此可假設(shè)各貸款的中小企業(yè)之間是獨立的，相關(guān)系數(shù)為0。但若供應(yīng)鏈核心企業(yè)或上下游行業(yè)發(fā)生變化時，不同貸款組合間的相關(guān)性會有差異。

（1）利用表1的信用等級轉(zhuǎn)移矩陣表，用累計標準正態(tài)分布的反函數(shù)來推導(dǎo)不同貸款等級的門檻價值，即資產(chǎn)回報閾值。推導(dǎo)計算得出不同級別債務(wù)人信貸質(zhì)量閾值見表3。

表3：信貸質(zhì)量閾值

（2）利用蒙特卡羅仿真，進行至少10萬次模擬，產(chǎn)生資產(chǎn)組合價值的實際分布情況，如圖1所示。

模擬結(jié)果：資產(chǎn)組合μ=0.193（百萬）；資產(chǎn)組合σ=0.0205（百萬）

風險值分析：

①在符合正態(tài)分布的情形下，該筆貸款的VaR值為：VaR=1.65×0.0205=0.0338（95%置信度下），此時銀行應(yīng)持有經(jīng)濟資本為0.193-0.0338=0.1592（百萬）。

②使用模擬出的組合價值分布數(shù)據(jù)可以產(chǎn)生相應(yīng)的累計分布數(shù)值，根據(jù)所要設(shè)定的置信區(qū)間，可以得到資產(chǎn)組合的經(jīng)濟資本，并確定資產(chǎn)組合的風險價值。組合價值分布如表4所示：

圖1：供應(yīng)鏈融資資產(chǎn)組合在險價值VaR分布圖

表4：蒙特卡羅模擬的組合價值分布表

根據(jù)表4，當置信區(qū)間5%，累積分布為95%時，貸款資產(chǎn)組合價值大約為0.181（百萬元），則此時銀行的損失=0.193-0.181=0.012（百萬元）。也就是說，在置信度為5%時，銀行在95%的可能下，最大的損失為0.012（百萬元），銀行應(yīng)最少持有同等數(shù)值的經(jīng)濟資本（風險資本）。

（三）結(jié)論分析

1.通過對單筆貸款業(yè)務(wù)測算分析，可以非常直觀、明確地揭示其風險分布，這樣銀行可以依據(jù)在險價值決定是否進行授信，也可以基于測算結(jié)果與供應(yīng)鏈中的核心企業(yè)簽訂風險共擔條款。

2.對供應(yīng)鏈融資資產(chǎn)組合的風險進行測算，可以揭示銀行企業(yè)經(jīng)營不善時因為供應(yīng)鏈金融而面臨的最大損失，進而提前計提準備。本實例中，從實證分析得出的在險價值和銀行需求的經(jīng)濟資本來看，銀行當前貸款組合的風險價值合理，處于風險可接受狀態(tài)。

3.通過計算銀行所需經(jīng)濟資本，發(fā)現(xiàn)假定正態(tài)分布情形下的銀行經(jīng)濟資本大于利用蒙特卡羅仿真后利用組合價值分布表計算出來的經(jīng)濟資本（0.1592＞0.012。這說明信用風險的概率分布具有可偏性，是典型的非正態(tài)分布。通過組合價值分布來計量經(jīng)濟資本較假定正態(tài)情況下具有更高的準確性。

4.在對供應(yīng)鏈融資組合風險進行度量后，銀行可以根據(jù)每筆貸款的預(yù)期收益率和違約回收率，計算全部貸款的預(yù)期收入和預(yù)期損失，從而得出風險調(diào)整資本收益率（即RAROC=（凈收益－預(yù)期損失）/經(jīng)濟資本）（因涉及筆數(shù)多，計算量較大，本文不再贅述），將未來可預(yù)計風險損失量化為當期成本，進一步對當期收益進行調(diào)整，以便更好地調(diào)整中小企業(yè)貸款策略。

六、風險管理建議

（一）加強信用數(shù)據(jù)管理

要進行信用風險的定量分析，需要足夠的行業(yè)、企業(yè)、銀行等方面的歷史數(shù)據(jù)。由于我國商業(yè)銀行開展供應(yīng)鏈融資的時間較短，而供應(yīng)鏈融資本身又涉及眾多中小企業(yè)，數(shù)據(jù)積累的長期性和準確性都面臨很多困難，從而導(dǎo)致模型的應(yīng)用受到限制，一般情況只能采用簡化問題假設(shè)來解決，導(dǎo)致模型的說服力減弱。為此，金融機構(gòu)應(yīng)著手建立中小企業(yè)信用數(shù)據(jù)庫，全面系統(tǒng)地收集相關(guān)企業(yè)風險數(shù)據(jù)，并實現(xiàn)數(shù)據(jù)共享。作為宏觀經(jīng)濟管理部門、銀行業(yè)監(jiān)督管理機構(gòu)等部門，應(yīng)做好對行業(yè)相關(guān)數(shù)據(jù)的計量與分析。

（二）加強信用評級機構(gòu)建設(shè)

CreditMetrics模型對信用評級的要求較高，而我國至今未建立起相對完善的信用評級機構(gòu)，尤其是缺乏相應(yīng)的中介信用評級機構(gòu)。本文將五級分類方法改造利用，但五級分類是債項評級，而信用等級是客戶資信評級，二者有聯(lián)系，但也有明顯的區(qū)別。在級別劃分上，信用等級一般都超過五個，這樣使用五級分類在精度上仍存在一定誤差。下一步，一方面政府應(yīng)完善激勵與約束機制，積極推動企業(yè)參與信用評級，并重點培育一批高質(zhì)量、真正獨立的信用評級機構(gòu)。另一方面，作為評級機構(gòu)，應(yīng)不斷加強評級方法研究，建立系統(tǒng)違約數(shù)據(jù)庫，引入科學方法確定有效指標，建立準確的信用等級評價。

[1]馬堅等.現(xiàn)代信用風險模型比較分析[J].商業(yè)研究，2004，（8）.

[2]于瑞峰等.基于供應(yīng)鏈的企業(yè)信貸風險評估研究[J].中國管理科學，2007，（3）.

[3]熊熊，馬佳，趙文杰，王小琰，張今.供應(yīng)鏈金融模式下的信用風險評價[J].南開管理評論，2009，（4）.

[4]李毅學.供應(yīng)鏈金融風險評估[J].中央財經(jīng)大學學報，2011，（10）.

[5]趙忠，李波.基于模糊層次分析法的供應(yīng)鏈金融信用風險評價[J].河南科學，2011，（1）.

[6]徐永紅，徐鵬.基于CreditMetrics模型的商業(yè)銀行信用風險管理應(yīng)用研究[J].現(xiàn)代金融，2009，（4）.

[7]深圳發(fā)展銀行、中歐國際工商學院“供應(yīng)鏈金融”課題組.供應(yīng)鏈金融—經(jīng)濟下的新金融[M].上海：上海遠東出版社，2009.

[8]王琪.基于決策樹的供應(yīng)鏈金融模式信用風險評估[J].新金融，2010，（4）.

[9]畢家新.供應(yīng)鏈金融：出現(xiàn)動因、運作模式及風險防范[J].華北金融，2010，（3）.

[10]劉長義，孫剛.基于聚類分析與模糊可拓AHP的中小企業(yè)信用評價——一個供應(yīng)鏈金融的視角[J].現(xiàn)代管理科學，2011，（5）.

[11]彭磊，鄭晗.我國汽車行業(yè)供應(yīng)鏈金融模式研究[J].金融與經(jīng)濟，2011，（9）.

[12]牛曉健等.供應(yīng)鏈融資的風險測度與管理[J].金融研究，2012（11）.

[13]DuffleDarrell，DavidLand.1997，Term strueture of Credit Spreads w ith Incomplete Accounting Information，Journalof Preliminary Draft，39.

[14]Bob Bernabucci.2005，Helping Customers Cure Cash—Flow ills through Better Supply[J].Journal of The Seeured lender，11.

Risk M easurement of SME Supp ly Chain Financing-Based on Study of Transaction Data of R Bank

Zhao Jie
（PBCRizhao Sub-branch，Shandong Rizhao 276800）

This paper uses the data of R Bank’s supply chain financing business in automotive industy as an example，and employs the CreditMetrics model to simulate the credit risk measurement of the credit portfolio. It turns themajor risks and profits into the value at risk of the asset portfolio in the supply chain financing and explores the feasiblepath of using CreditMetrics model to quantify credit portfolio risk in city commercial banks.

supply chain financing，riskmanagement，CreditMetricsmodel

F830

B

1674-2265（2014）08-0028-05

（責任編輯 王 馨；校對 YJ，WX）

2014-6-15

趙杰，男，山東煙臺人，中國人民銀行日照市中心支行副行長。