基于供應(yīng)鏈金融的汽車行業(yè)上市公司信用風(fēng)險實證研究

顧治程+蔣艷

摘 要：供應(yīng)鏈金融，在傳統(tǒng)的信貸模式基礎(chǔ)上，將核心企業(yè)與供應(yīng)鏈上下游的多個中小企業(yè)聯(lián)系起來，為其解決融資難的問題。文章從融資企業(yè)狀況、核心企業(yè)狀況、供應(yīng)鏈狀況三個大的方面構(gòu)建了中小企業(yè)信用風(fēng)險評價體系。選取了30家汽車行業(yè)中小型上市公司，利用因子分析法以及Logistic回歸分析對其信用風(fēng)險進(jìn)行評價、驗證，得出結(jié)論，提出改進(jìn)建議，對供應(yīng)鏈金融信用風(fēng)險評估提供了有效的解決方法。

關(guān)鍵詞：供應(yīng)鏈金融；信用風(fēng)險；因子分析；Logistic模型

Abstract： Supply chain finance， based on the traditional credit model， link up the core enterprises and several of the supply chain upstream and downstream small enterprises to solve the financing difficulties. This paper designs the credit risk evaluation system from three aspects： the financing enterprise condition， the core enterprise condition and the supply chain condition. This paper selects thirty small and medium-sized listed companies from automobile industry，uses the method of factor analysis and logistic regression analysis to evaluate the credit risk， verify and draw the conclusion. In the end， this paper puts forward some suggestions to improve the accuracy of credit risk assessment.

Key words： supply chain finance； credit risk； factor analysis； Logistic model

引 言

供應(yīng)鏈金融，即在傳統(tǒng)的信貸模式基礎(chǔ)上，將核心企業(yè)與供應(yīng)鏈上下游的多個合作企業(yè)聯(lián)系起來，從原材料采購的供應(yīng)商、加工制造半成品的制造商，直至銷售產(chǎn)品的經(jīng)銷商，最后到消費客戶手中，形成的一個整體，對供應(yīng)鏈中的各節(jié)點企業(yè)提供所需的金融和融資類服務(wù)。結(jié)合目前我國各大銀行供應(yīng)鏈金融業(yè)務(wù)的開展情況來看，我國供應(yīng)鏈金融業(yè)務(wù)的開展主要集中在汽車、鋼鐵、能源和電信等幾大板塊，其中汽車制造業(yè)是我國供應(yīng)鏈活動中較為典型的組織。汽車制造業(yè)供應(yīng)鏈的組成可以分為上游汽車零部件的購買、中游汽車整車的組裝制造和下游成品的分銷物流三部分。本文以大型的汽車整車制造企業(yè)作為核心企業(yè)，與整車制造企業(yè)有合作關(guān)系的上游汽車零部件及配件供應(yīng)商及下游的汽車分銷商的融資企業(yè)為研究對象，進(jìn)行信用風(fēng)險的評價分析。

1 信用風(fēng)險評價模型的建立

1.1 確定評價方法

選擇Logistic模型進(jìn)行供應(yīng)鏈金融的信用風(fēng)險評價，Logistic模型是目前計算違約概率方面研究比較成熟的一種模型，二分類的Logistic回歸模型的變量取值只有兩個值，而企業(yè)在貸款中也只有違約和不違約兩種情況，因此二分類的Logistic模型非常符合企業(yè)計算違約概率風(fēng)險度量的預(yù)測。采用一系列財務(wù)和業(yè)務(wù)指標(biāo)X， i=n作為自變量建立Logistic模型，預(yù)測企業(yè)的守約概率P。然后根據(jù)銀行和相關(guān)風(fēng)險評級機(jī)構(gòu)資料設(shè)立分界點P，通過P與P的比較，以確定融資企業(yè)的守約率大小，最后決定是否對該企業(yè)進(jìn)行貸款，P值越接近于1，表示融資企業(yè)的信用較好，P值越接近于0，則融資企業(yè)的信用較差。在進(jìn)行Logistic回歸分析之前，采用因子分析法選擇具有代表性的自變量，設(shè)法將原來眾多具有一定相關(guān)性（比如m個指標(biāo)），重新組合成一組新的互相無關(guān)的綜合指標(biāo)因子來代替原來的指標(biāo)，以減少候選變量間的相關(guān)性，作為新的綜合指標(biāo)因子。

1.2 評價體系的建立

供應(yīng)鏈金融業(yè)務(wù)改變了金融機(jī)構(gòu)的傳統(tǒng)融資視角，融資過程中參與主體和風(fēng)險來源更加復(fù)雜，對于信用風(fēng)險的評價不僅局限于申請融資的中小企業(yè)本身，而是將供應(yīng)鏈上復(fù)雜多變的運行狀況和核心的參與主體納入了信用風(fēng)險評價管理，本文從融資企業(yè)、核心企業(yè)和供應(yīng)鏈狀況三個方面出發(fā)，客觀科學(xué)地建立了供應(yīng)鏈金融信用風(fēng)險的指標(biāo)體系：

（1）融資企業(yè)是決定整條供應(yīng)鏈信用風(fēng)險大小的關(guān)鍵因素，包括企業(yè)基本情況、盈利能力、營運能力、償債能力、成長性五個方面。

（2）核心企業(yè)的擔(dān)保承諾是開展供應(yīng)鏈金融的基礎(chǔ)，核心企業(yè)多為大型公司，其信用水平一般較高，發(fā)展穩(wěn)定，因此只考慮核心企業(yè)的盈利能力和償債能力兩個方面。

（3）供應(yīng)鏈狀況即融資企業(yè)與核心企業(yè)間的合作穩(wěn)定性、產(chǎn)品競爭力也是影響供應(yīng)鏈金融信用風(fēng)險的重要因素。

整個評價體系共三個部分，16個指標(biāo)。指標(biāo)體系如表1所示：

2 實證分析

2.1 樣本采集及數(shù)據(jù)處理

本文選取我國汽車制造行業(yè)作為研究對象。由于供應(yīng)鏈金融主要是為中小企業(yè)提供相應(yīng)的信貸服務(wù)，因此樣本的篩選主要依據(jù)以下兩個標(biāo)準(zhǔn)：一是屬于滬深股市，二是屬于中小企業(yè)板塊，以汽車整車制造企業(yè)為核心企業(yè)，搜索其供應(yīng)鏈上游行業(yè)的汽車零部件生產(chǎn)企業(yè)及下游的汽車分銷商、服務(wù)商作為融資企業(yè)。經(jīng)過篩選，共選出符合條件的30家上、下游中小企業(yè)作為研究樣本，其中23家來自于滬深板塊，7家來自中小板塊，25家公司為上游的汽車零部件公司，5家為下游的汽車分銷、服務(wù)公司。

從定性和定量這兩個角度可以對樣本指標(biāo)進(jìn)行整體上的劃分，對于樣本指標(biāo)的定量指標(biāo)數(shù)據(jù)主要來自于2016年第三季度各家公司的年報、和訊網(wǎng)、中國財經(jīng)信息網(wǎng)；另外一部分定性指標(biāo)數(shù)據(jù)，由于評價指標(biāo)相對評價標(biāo)準(zhǔn)界限模糊，根據(jù)呂躍進(jìn)提出的依據(jù)心里因素劃分評價等級以及數(shù)量等級確定理論，請相關(guān)專家依據(jù)樣本企業(yè)對象及其所在供應(yīng)鏈的實際情況，將樣本數(shù)據(jù)按指標(biāo)進(jìn)行10、8、6、4、2五個檔次的打分評價。

2.2 因子分析

2.2.1 KMO和Bartlett球形檢驗

用SPSS22.0軟件運行結(jié)果如表2所示，根據(jù)學(xué)者Kaiser（l974）的觀點，如果KMO值小于0.5，較不適宜進(jìn)行因子分析；如果KMO值大于0.5，表示適合進(jìn)行因子分析。表中的KMO值為0.515>0.5，表示樣本數(shù)據(jù)適合進(jìn)行因子分析。同時表中Bartlett的球形檢驗P值為0，達(dá)到顯著水平，說明共同因素存在，適合進(jìn)行因子分析。

2.2.2 解釋的總方差

利用最大方差法旋轉(zhuǎn)成分矩陣，提取公共因子中勾選主成分法。如果得到的一般旋轉(zhuǎn)因子解其解釋的總方差中“累計%”值大于60%，則說明解釋程度較好，可以接受；或者以公共因子的特征值大于1為納入標(biāo)準(zhǔn)進(jìn)行判定，若特征值小于1，則不納入。從解釋的總方差表中可以看出，特征值大于1的公因子共有6個，這6個公因子旋轉(zhuǎn)因子解的累計解釋總方差的百分比為82.834%，說明這6個公因子良好地解釋了所有的16個指標(biāo)。如表3所示：

2.2.3 主成分系數(shù)矩陣及其分析

根據(jù)表4的成分得分系數(shù)矩陣，選取主成分分析得到的前6個主成分，將這6個主成分用F，F(xiàn)，F(xiàn)，F(xiàn)，F(xiàn)，F(xiàn)表示，并作為主成分進(jìn)行分析， 可將6個主成分的函數(shù)表示如表4所示：

2.3 模型回歸分析

將提取的6個公共因子F至F作為自變量，將樣本企業(yè)的違約與守約Y作為因變量，Logistic模型的因變量Y僅有0和1兩個取值，守約事件的發(fā)生取值為1，違約事件的發(fā)生取值為0。如果P

選取樣本企業(yè)的評判指標(biāo)F數(shù)值參考了和訊網(wǎng)中對所選取樣本企業(yè)的2016年前三季度的財務(wù)評估，綜合考慮企業(yè)的盈利能力、成長能力、償債能力和綜合能力（根據(jù)諸多學(xué)者研究經(jīng)驗，將綜合能力在兩顆星及以上，并且其他三項能力都沒有出現(xiàn)一顆白星，即設(shè)定F值為1，反之則設(shè)定F值為0）。運用SPSS22.0軟件運行后結(jié)果如表6所示。

從表6可以看出，在30個樣本中，對于已觀測到的10個違約風(fēng)險企業(yè)中，模型預(yù)測為違約風(fēng)險企業(yè)的數(shù)量為9個，預(yù)測準(zhǔn)確率為90.0%。在已觀測到的20守約企業(yè)中，得出的模型預(yù)測為守約企業(yè)的數(shù)量為19個，預(yù)測準(zhǔn)確率為95.0%，整個模型的綜合預(yù)測率為93.3%。

概率方程中的P值，即表示汽車零配件企業(yè)的守約概率，代表了其信用程度，P值越大，則企業(yè)信用越高；反之，則越低。將具體某汽車企業(yè)的相關(guān)指標(biāo)數(shù)據(jù)代入方程，即可得到該企業(yè)守約概率的P值。以0.5為分界線，P值越大表示融資企業(yè)的守約概率越大，即違約風(fēng)險也就越小。

2.4 模型的檢驗

選取樣本中的某一具體公司進(jìn)行檢驗，以濰柴動力為例，公司主營業(yè)務(wù)為內(nèi)燃機(jī)、液壓產(chǎn)品、新能源動力總成系統(tǒng)及其配套產(chǎn)品的設(shè)計、開發(fā)、生產(chǎn)、銷售、維修、進(jìn)出口等，公司屬于汽車行業(yè)上游的汽車零配件公司，該企業(yè)想向銀行申請貸款，此時銀行在考慮其他方面的因素的同時，應(yīng)將本實證模型對應(yīng)的各個指標(biāo)數(shù)值，F(xiàn)=10.9879，F(xiàn)=7.7873，F(xiàn)=4.9439，F(xiàn)

=-2.5151，帶入公式：

可得該企業(yè)的守約概率為98.3%，說明信用風(fēng)險較小，在其他條件適當(dāng)?shù)那闆r下，銀行可以考慮給予信貸。其他公司的守約概率同上求得，對比觀測值，可得該模型的預(yù)測準(zhǔn)確率較高。對比表如表8所示。

2.5 結(jié) 論

利用logistic回歸分析得出的最終的預(yù)測模型看，評判供應(yīng)鏈金融信用風(fēng)險的主要影響因素還是集中在融資企業(yè)的財務(wù)狀況，其中包括償債能力、盈利能力，以及核心企業(yè)的財務(wù)狀況，其中主要是償債能力和盈利能力，其次是融資企業(yè)自身的經(jīng)營情況與成長能力。

3 供應(yīng)鏈金融信用風(fēng)險管理的建議

3.1 使用有針對性的信用風(fēng)險評估指標(biāo)體系

供應(yīng)鏈金融這種融資模式的特點決定了處于供應(yīng)鏈上的中小融資企業(yè)的信用不僅僅取決于其行業(yè)風(fēng)險和自身的財務(wù)狀況很大程度上依賴于與中小融資企業(yè)交易的核心企業(yè)的財務(wù)狀況、信用狀況以及中小融資企業(yè)與其上下游核心企業(yè)的關(guān)系穩(wěn)定與否。因此，在評估供應(yīng)鏈金融信用風(fēng)險時，考慮了核心企業(yè)狀況和供應(yīng)鏈關(guān)系狀況的評估指標(biāo)體系來進(jìn)行供應(yīng)鏈中中小融資企業(yè)信用風(fēng)險的綜合評估。

3.2 結(jié)合使用定量分析和定性分析

目前，我們己經(jīng)采用定量分析與定性分析相結(jié)合的方法，但是在實際的評估工作中，信用風(fēng)險評估所要涉及定性分析的內(nèi)容細(xì)致而繁雜，不是所有信息都能用數(shù)字描述清楚的，因此應(yīng)堅持定量方法和定性方法相結(jié)合的評估理念，單一的定量分析有其優(yōu)點，但信用風(fēng)險評估專家的經(jīng)驗更值得借鑒。所以在實際評估工作中，要將定量分析和定性分析結(jié)合使用。

3.3 建立多行業(yè)、多區(qū)域供應(yīng)鏈金融信用風(fēng)險評估體系

中小融資企業(yè)所處的供應(yīng)鏈所屬行業(yè)不同、地區(qū)不同，可能導(dǎo)致相互之間的差距很明顯，如果不加選擇的將所有中小融資企業(yè)混合在一起用同一種指標(biāo)體系或同一種方法進(jìn)行信用評估，勢必會影響評估的效果。本文選擇的是汽車行業(yè)，如果分析其他行業(yè)信用風(fēng)險，則考慮建立不同的評估體系。

3.4 建立中小企業(yè)信用數(shù)據(jù)庫

分析和有效評價能幫助銀行更科學(xué)準(zhǔn)確地做出信貸決策，是信用風(fēng)險管理的有效手段，因此應(yīng)加強(qiáng)并完善對供應(yīng)鏈金融交易信息數(shù)據(jù)庫的建立，充足的數(shù)據(jù)能使實證分析的結(jié)果更可信并且有意義。

參考文獻(xiàn)：

[1] 閆俊宏，許祥秦. 基于供應(yīng)鏈金融的中小企業(yè)融資模式分析[J]. 上海金融，2007（2）：14-16.

[2] 方煥，孟楓平. 基于Logistic模型的供應(yīng)鏈金融信用風(fēng)險實證研究——以農(nóng)業(yè)類上市公司為例[J]. 山西農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2015（11）：1158-1164.

[3] 楊軍. 供應(yīng)鏈金融信用風(fēng)險測算分析——來自汽車行業(yè)50家上市公司經(jīng)驗數(shù)據(jù)[J]. 物流技術(shù)，2015（1）：229-230，253.

[4] 李佳桐，劉媛華. 基于主成分和灰色層次關(guān)聯(lián)的供應(yīng)鏈金融信用風(fēng)險研究[J]. 物流科技，2014（11）：16-21.

[5] 陳欽，施麗娟. 基于Logistic模型的供應(yīng)鏈金融信用風(fēng)險實證研究[J]. 重慶工商大學(xué)學(xué)報（自然科學(xué)版），2014（7）：14-20.

[6] 彎紅地. 供應(yīng)鏈金融的風(fēng)險模型分析研究[J]. 經(jīng)濟(jì)問題，2008（11）：109-112.

[7] 熊熊，馬佳，趙文杰，等. 供應(yīng)鏈金融模式下的信用風(fēng)險評價[J]. 南開管理評論，2009（4）：92-98，106.