供应链金融模式下的信用风险评价探讨
黄建淼
摘 要：本文分析和阐述了供应链金融模式信用风险的研究成果、模型构建的关键点，阐述了供应链金融进行信用风险管理的对策和策略，为中小企业发展提供一个更加可行的资金获取渠道，为互联网金融的有效运行奠定一个更加坚实的基础。
关键词：供应链金融 ?信用风险 ?评价 ?模型 ?因素
一、文献综述
2000年，首次提出了供应链金融的概念，其在研究融资和供应之间的关系过程中发现了供应链金融的内涵。2004年，对中小企业存货融资模式背后的金融学原理进行了阐释。2005年，对供应链金融的发展趋势进行了预测和分析，并研究了供应链金融的内在驱动要素。国外学者在提升供应链金融应用价值、探索供应链金融应用之路上进行了系统性的研究。2005年，对供应链金融的定义和特征进行了完整阐述，通过实证分析和案例分析指出了物流和信息流在供应链金融之中的重要意义。2011年，建立了供应链分析模型，通过量化的方式来阐明供应链金融巨大的发展潜力。
而在供应链金融信用风险评价方面，我国学者是从两个视角展开的。一是表现方式、评价机制和防范措施的研究：2008年，发现风险规避机制一直是供应链金融运行的基础，而风险规避机制在新的经济发展时代是存在失灵的可能性的，在这种情况下，银行需要和企业建立新型合作关系，以期实现更好的合作和更佳的经济效益，进而为供应链金融作用的发挥奠定良好的基础;2013年，构建了信用风险评价机制，通过熵值客观赋权的方法来量化信用风险;2016年，梳理了供应链金融的三大影响因素暨核心企业信用水平、中小企业偿债能力、核心企业与中小企业之间的合作关系。二是供应链金融信用风险的评价机制构建和评价方法选择;2009年，运用主成分分析和回归分析法构建了供应链金融信用风险评价机制;2011年，在供应链分层模型的基础上进行了风险变量体系的构建;2011年，借助机器向量机进行信用风险评估模型的构建;2014年，针对中小企业特殊情况制定了专门的多层次模糊评价法，来对其供应链金融信用进行针对性评价;2015年，引入了银行运作方式，将风险动态评价机制引入到供应链金融信用评价机制之中来。
通过上述梳理和分析可以得知，我国学者在供应链金融评价机制的构建上一直将重点放在数学模型构建和数学方法运用上。但是信用风险评价工作更多的是一种主观评价，依赖于评价者自身的风险接受程度、风险偏好、知识水平和工作经验;数学模型构建等客观评价所需相关指标往往也是复杂和多层次的;因此，筆者认为在信用风险评价机制的构建中引入灰色理论是十分必要的，只有定性分析和定量分析结合在一起，评价结果才会更具科学性和合理性。
二、供应链金融模式下信用风险评价的重点探析
供应链金融需要在一个公正、公开和透明的环境下进行，在信用风险评价的过程中更要坚持科学、全面原则，在这种情况下笔者认为供应链金融信用风险评价至少应当包含如下内容：
（一）申请人资质
即对资金申请人的综合素质、盈利能力、成长能力、偿债能力等指标进行全面考核。从这个层面来看，我们不难发现申请人的资质考核标准和传统金融业务之中金融机构对贷款人的考核标准大体相同，也就是说二者都是为了对申请人的素养和能力进行全面了解而设定的指标。指标内容也涵盖了财务状况、经营成果和发展能力等多个层次。
（二）核心企业资质
对核心企业的考察重点集中在经营能力、信用级别、行业地位和偿债能力之上。之所以要对核心企业资质进行考核，主要原因在于供应链金融之中很多企业都可以参与到业务办理环节之中来，对核心企业资质考核直接影响则企业信用质量和反担保的水平。
（三）融资资产状况
这一环节的评价主要集中在质押物特征、应收账款账龄上。金融机构要对企业资产进行全面和系统的评价，科学合理地确定融资资产价值，为自身和企业之间的交易确定合理的基础前提。融资资产的质量关乎到授信人一旦发生违约行为，金融机构能否及时变现、挽回自身经济损失。
（四）供应链实际运行情况
供应链运行实际金融的评价包含了中小企业和核心企业之间合作程度、行业整体发展前景等信息，历史交易之中的毁约信息也会囊括其中。从整个供应链的运行情况来看，评价的重点在于交易的质量、履约情况和申请企业的业务能力。供应链实际运行情况的评价能够极大地减少信息不对称和信息欺诈。
（五）金融环境
当供应链企业的银行融资成本低于其经营所带来的收入，企业将获得盈利。如果因市场流动性紧张或市场利率出现波动所造成的金融环境恶化，那么供应链融资成本将提升，企业经营收入降低，甚至不再盈利。
三、供应链金融信用风险评价方法简介
对供应链金融的信用评价方法是多元的，学者大多将目光放在了Logistic回归分析、线性规划、判别分析、神经网络和分类树等模型构建方法上。在评价方法的选择中不能仅仅将目光放在错误分类率上，而是要从模型程度的视角来探索模型全面评价效果。稳健的模型能够在样本之外的其他案例之中发挥准确的预测能力，在样本测试、评价之中不会呈现出明显的精度变化。因此我们可以看到，作为一种非线性的评估模型，神经网络方式预测精度上远远胜于线性的Logistic回归法、线性规划法、判别分析法等方法;而在预测稳健性上，Logistic回归法、线性规划法、判别分析法则表现得要比神经网络方式优越。在市场经济高速运行的时代，将供应链金融和信用风险评估联系在一起，很有可能造成信用产品申请人和建模总体之间呈现出明显差异的情况。在这种情况下，如果模型稳健性较强，那么预测能力才有基本的保障。
如前文所述，供应链金融受到多种因素影响，单纯地运用线性回归方式和量化模型方式难以对信用风险进行全面评估，引入多层次灰色信用风险评价机制是十分必要的。总体来讲，多层次综合信用风险评价机制应当遵循如下原则：
第一，确定供应链金融信用风险评价指标体系。从中小企业实力视角来看，评价指标应当包含企业素质（信息披露质量、人员素质）、盈利能力（净资产收益率、销售净利率、销售毛利率）、偿债能力（现金比率、流动比率、资产负债率）、经营能力（存货周转率、固定资产周转率）、发展潜力（行业发展前景、销售收入增长率、总资产周转率、研发资本投入）;从核心企业实力来看，评价指标应当包含行业地位（综合能力评价系数、行业排名）、盈利能力（净资产收益率、销售净利率）、偿债能力（流动比率、资产负债率）等;从供应链本身的状况来看，评价指标应当包含合作时间、信息共享程度、交易次数;从交易资产特征视角来看，评价指标应当包含质押物变现能力和质押物价格波动趋势。
第二，构建判断矩阵。在选取的评价指标体系之中，对同一类型的评价指标进行重要性确认，借此构建判断矩阵。
第三，进行一致性检测。对同一类型的重要性指标判断结果进行一致性检测。
第四，挑选最佳信用风险评价方案。在判断矩阵和一致性检测之后，要选择出最佳指标和最佳方案来形成指标序列，然后通过关联系数运算对原始数据序列进行对比，进而选择出最佳信用风险评价机制方案。
第五，进行单层次评价和综合评价结果计算。在确定了指标体系和指标等级之后，就要从下至上进行指标评价值的计算，再借助向量法来计算综合评价的结果，最后得出评价结论。
四、供应链金融模式下信用风险评价的保障措施阐述
（一）針对核心企业建立资信状况数据库
供应链金融之中，核心企业资信状况对信用风险评价的影响是决定性的。大数据时代，商业银行要落实供应链金融业务，就需要针对核心企业进行资信数据库的建立，对其行业地位、偿债能力、盈利能力信息进行全面收集，为供应链金融信用风险评估奠定良好的数据基础，为供应链金融业务的顺利开展提供坚实的前提条件。
（二）建立信用风险预警机制
金融机构为了能够有效地防范因为信用风险造成的经济损失，就会将目光更多地放在中小企业资金状况、信用状况和抵押物质量上，建立信用风险预警机制是十分必要的。
（三）加强对第三方物流企业的监管
供应链金融之中，不仅包含核心企业和中小企业，还包含了第三方物流企业。要将信用风险控制在可控范围内，就需要对物流企业进行筛选，并建立供应链金融体系的物流企业准入制度，对其进行资质和能力评估，这样才可以保证抵押物在运输过程中的安全性和完整性，使得供应链金融的运行得到良好的环境保障。
（四）研究行业状况和行业属性
中小企业所处的行业发展前景及其与供应链企业之间的合作关系直接影响了信用风险评估的结果。如果中小企业所处的行业发展前景比较好。那么其供应链金融信用风险评价结果也会比较低;相反，如果行业发展前景，整个行业进入到夕阳期，那么信用风险评价结果也会比较高，金融机构会认为其违约的可能性比较高。
（五）进行贷款后跟踪管理
金融机构需要设置一套专属于互联网金融的贷后管理体系，实现对交易流程和交易货物的动态监督，在第一时间发现供应链金融之中潜在的问题和风险。
参考文献：
[1]黄湘萌.绿色供应链管理视域下中小企业社会责任履行的内驱力——基于江苏省的实证研究[J].中国市场，2017（34）.
[2]宋辉艳.中小企业信用风险控制措施[J].财会学习，2017（23）.
