P2P平台供应链融资业务内部风险评估

广东科学技术职业学院财会与金融学院 缪苗

P2P平台供应链融资业务内部风险评估

广东科学技术职业学院财会与金融学院 缪苗

随着依托于互联网的P2P融资平台在我国的快速发展，基于P2P融资平台的供应链金融服务也应运而生。本文旨在对P2P供应链融资业务中的风险进行分析研究，进而对其进行有效评估。本文基于Merton结构模型和KMV模型，结合CoVaR的方法来综合评价供应链的内部风险，并以国内P2P供应链融资平台胖胖猪为例，验证其可行性与实用性。

供应链金融 P2P融资平台 内部风险

一、引言

自2007年拍拍贷成立以来，我国P2P行业快速发展，包括银行、上市公司、券商等在内的多行业企业纷纷涉足，供应链金融服务作为一种安全性较高的模式逐渐成为了众多平台的选择。与商业银行不同，P2P平台进行供应链融资服务，一般都是由核心企业发起建立平台，之后为与围绕自身的上下游中小企业融资，或者为同行业的其他供应链进行融资服务。这样的模式诚然有它的风险性，但是核心企业由于身处供应链之中，对于行业和具体项目了解详尽，相比银行拥有着先天的优势。对于账款对应项目的审核也无需繁琐的程序，是一种对中小企业很有利的融资方式。

但与此同时，供应链金融的风险评估与管理尚有待于进一步探索，加之其与P2P平台这一在我国还处在发展的起步阶段的融资平台相结合，其风险评估与管理就更加是一个在研究当中相对空白的领域。本文基于P2P平台供应链融资中最为重要的内部风险，希望提出一种能有效评价其风险的方式，从而准确地把控风险，为我国互联网金融企业的进一步发展提供一定的借鉴。

二、P2P平台供应链融资业务的内部风险

（一）P2P平台供应链融资模式P2P（Peer-to-peer）是指突破传统金融方式的个人对个人的信贷平台，主要表现为个人通过网络等第三方平台在收取一定费用的前提下向其他人提供小额贷款的金融模式。

P2P平台相比传统的商业银行贷款，融资效率更高，对于中小微企业门槛较低，是解决中小微企业融资问题的一种可行的途径。但如何控制其风险始终是一个难以解决的问题。大致而言，风险分为两大类型：第一是资金安全，即所谓的“跑路”风险，这一类风险随着监管的完善以及资金存管要求的提出，变得不再突出（至少未来必将如此）。第二类风险主要是借款人是否能够按时足额还款的风险，也即资产端的质量问题。这一类风险是目前以及未来P2P平台的主要风险。

第二类风险使得P2P平台陷入一种两难的境地：如果对于借款人进行极为严格的、类似于商业银行的信用审核，那么P2P平台的存在就完全失去了意义，而实际上大多数平台也并不是如此处理。如果不进行严格的审核，则风险无法把控。要解决这一问题，最好的办法就是寻找优质资产，保证资产端的质量。而应收账款作为一种在实际贸易背景下产生的债权——债务关系，有着信誉水平极高的核心企业承诺支付，自然而然地成为了P2P平台在资产端的首选。目前，大多数的P2P平台都在积极布局供应链融资业务。

P2P平台进行供应链融资服务，具体来说主要是应收账款融资，有两种基本形式：第一是与保理公司合作，利用P2P平台对保理公司收购的应收账款进行债权转让，这一模式广受欢迎，许多平台的母公司同时设有保理公司与融资租赁公司，即融资租赁公司将应收款转让给保理公司，保理公司再利用P2P平台进行债权转让，从而实现资金的持续循环流动，如图1所示。第二种形式是借款企业将应收款质押给借款人，从而在P2P平台上获得融资。两种形式目前都很普遍，这在一定程度上降低了P2P平台融资的风险，但是又带来了新的风险特点，其中最重要的是业务中的内部风险。

图1 P2P平台与保理公司合作方式

（二）P2P平台供应链融资业务的内部风险

（1）核心企业信用风险。核心企业是供应链金融的中枢，也是资金的实际偿还者，因此供应链融资的信用风险应当集中研究核心企业的信用风险，而中小企业的信用风险则退居次要位置，这才是供应链金融题中应有之义。

（2）核心企业对于供应链的风险溢出。供应链上的企业是相互关联的，可以说是“一损俱损，一荣俱荣”。因此，在考虑风险时，不能仅仅考虑单一企业的风险，而要考虑整个供应链的风险，即要考虑企业之间，特别是核心企业与上下游中小企业之间的相关性，如果核心企业对于其他中小企业的风险的贡献度很大，说明核心企业是供应链上传染性连锁式风险的最可能的爆发点，与此同时，如果核心企业自身经营状况、资信水平良好，则可以保证不会发生祸及整条供应链的连锁风险。因此，度量核心企业对于供应链的风险溢出强度是必要的。

三、P2P平台供应链融资业务内部风险评估方法设计

（一）核心企业信用风险评估方法设计目前，学术界和金融业普遍推广的信用风险度量模型主要有：KMV公司的KMV模型、JP摩根的Credit Metrics、Swiss Bank金融产品开发部的Credit Risk+和McKinsey Company的Credit Portfolio View。其中，KMV模型依托于现代期权定价理论，将企业的股权价值看作是企业资产价值的看涨期权，利用公开的资本市场数据和企业股权价值波动率估算出企业资产价值波动率，进而求解出企业的违约率。实证研究表明，KMV模型可以较好地估计我国上市公司的违约率。但是，KMV模型只能通过违约距离或违约率来间接衡量企业的信用风险，其结果不够直观。而国内外相关研究表明，信用溢价可以准确地反映出企业的信用风险。鉴于此，本文在KMV模型的基础上，通过违约率推导出内生信用溢价，进而可以用VaR指标来直观反映核心企业信用风险。

（1）KMV模型原理。KMV模型从借款人的角度，结合期权定价理论，计算其资产价值低于违约点的概率，从而得到违约率的一种信用风险模型。首先，企业的股权价值可以看作是一个企业资产价值的看涨期权，股权实际上是对于企业资产的剩余索取权，当企业股权价值高于企业债务价值时，企业的股权价值是随着资产价值的提高而提高的；相反地，如果企业的资产价值低于企业的债务价值，企业将面临破产，此时股权价值为0，但是由于现代股份公司的特点，股东的损失也仅限于其出资额。这种收益和损失的特点与看涨期权完全相同（如图2所示）。

图2 企业股权价值的期权特性

图中B为企业的债务价值，L为股东的出资额。如果可以知道企业资产价值的波动率，就可以估算出企业资产价值低于负债价值的概率，进而可以得到企业的违约率。但是实际情况中，企业的资产是不拿到市场中交易的，拿到市场中交易的是企业的股票，因此，需要利用股票（代表股权）价值波动率估算出资产价值波动率就可以达到预期的目的。以上过程可以用公式描述如下：

t时刻企业股权价值：

其中Vt为t时刻企业的资产价值；σν为企业资产价值波动率；r为无风险利率；D为企业债务价值，τ是债务平均到期期限。h（.）为某一函数关系。

在上式中S，r，D，τ全都是可以直接观测到的。而Vt与σν是无法直接得到的，需要另外一个方程。因为股权价值的可得性，如果可以得到股权价值波动率与资产价值波动率的相互关系，就可以得到企业的资产价值。这一关系由下式给出：

其中，σS为公司股权价值波动率，h（.）表示函数关系。

h（.）的形式可以由B-S定价公式给出：

g（.）的形式可以由弹性的概念给出：

其中ηS，ν表示股权价格对于资产价格的点弹性。假定公司资产价值运动符合几何布朗运动，即有：

其中，随机变量ε服从标准正态分布，进一步地，两边同时积分，整理可得：

进一步地，求解企业资产价值小于负债价值的概率，就可以得到企业的违约率。KMV公司同时指出，不需要企业的资产低于企业负债时企业才出现违约，只需要达到企业短期债务加上二分之一的长期债务时，企业就会出现违约，因此，企业的违约率可以表示为：

最终可得：

KMV模型利用公开资本市场数据估算企业的违约率，其优点是有着现代期权定价理论作为坚实的理论依据，缺点是需要股票市场能够公允地反映公司的股权价值。

（2）核心企业内生信用溢价的推导。KMV模型较好地利用公开的资本市场数据分析企业的信用风险，是一种应用较为广泛的方法。但其结果是以违约率和违约距离呈现，不够直观，结果之间也缺乏可比性。Merton（1974）认为信用风险可以从市场上尚未出现违约的正常债券或贷款的信用升水幅度中隐含的风险信息推导而出。假如市场对债券的定价是有效的，能够及时有效地反映出债券发行企业的信用风险，那么这种变化就将反映在债券的信用溢价中。内生信用溢价可以表示为：

式中含义与KMV模型相同，利用KMV模型求解出资产价值及其波动率之后，进一步地，可以利用上式求解出企业的内生信用溢价，进而拟合可以得到企业信用风险的分布函数。大量研究表明，信用溢价服从beta分布，据此，Rcredit的密度函数可以表示为：

其中T（.）为gamma函数。通过参数估计可以得到信用溢价的边缘分布，进而通过蒙特卡洛模拟的方法可以得到信用风险VaR。

（二）核心企业风险溢出效应评估方法设计对于风险溢出效应的测量，本文采用CoVaR的方法。CoVaR方法由Aidan等人提出，考虑了金融机构之间的风险联动效应，主要用于测度一家金融机构陷人困境后给其它金融机构乃至金融业带来的风险溢出效应。而供应链中的企业无疑存在着极强的关联性和溢出效应，本文将该方法移植到供应链金融领域，用以分析核心企业的风险溢出效应。CoVaR是指在一定的概率水平下，当某个主体在未来特定时间内达到最大损失的时候，其他主体所可能达到的最大损失。如果给定置信水平为1-α，当主体i达到最大损失即VaRi时，主体j的条件在险价值CoVaR可以表示为：

P（ΔRjt≤CoVaRtj|i|ΔRjt=VaRia，t）=α

根据定义很容易看出，CoVaR其实是当置信度为α时，当某一随机变量处于分位点时另一随机变量的条件概率分布的α分位数。进一步地，将供应链上企业的在险价值CoVaR分解为无条件在险价值VaR与溢出在险价值CoVaR，可以反映出当某一主体发生损失时，对于其他主体的影响。此后，只需要得到CoVaR与整体VaR的比值，就可以得到个体i对于个体j的风险贡献度，也即溢出效应的强度。上述过程可以表示为：

式中s表示供应链中异于i的主体。

由于在本文中，信用溢价与用KMV模型计算出的预期违约率可以相互推导，因此，可以将其映射到一个以预期违约率为区间标准的标准评级体系中。香港中银信用评级曾经公布过以预期违约率为标准的评级方式，如表1所示。

表1 香港中银信用评级违约率与信用等级对应关系

四、P2P平台供应链融资业务内部风险评估应用——以平台胖胖猪为例

胖胖猪平台是国内首家A股上市公司背景的P2P供应链融资平台，平台依托于建筑装饰行业，针对该行业中大量采用赊销方式进行交易，存在着大量应收账款的特点，基于自身在行业中掌握的详实的交易数据，为行业内中小企业提供应收账款融资服务，以解决行业内中小微企业的短期资金周转问题。平台的发起者是建材装饰行业上市公司建元控股，利用公司在行业中多年的资源，为其上下游企业进行金融服务。之后又吸纳了山西古建筑集团、K2地产等作为合作伙伴，利用这些企业在行业内的资源，有效确保供应链金融的安全。

（一）核心企业信用风险评估

（1）样本选取与参数设定。以核心企业建元控股为研究对象，由于企业是上交所e版上市企业，股票基本不进行交易，无法得到股权价值波动率，故选取同行业内与其相似的建筑装饰股份有限公司T的股票日收益率作为替代。为了避免2015年下半年股市异常波动的影响，数据选取起始于2012年1月1日，截止到2015年4月1日，筛选后共计1010个交易日的股票日收益率数据。进一步地，对KMV模型中的参数进行设定：

一是股权价值。股权价值的确定十分简单，只需要用T公司股票的收盘价乘以总股数即可。应当指出的是，如果所选的企业存在这非流通股，一般采用每股净资产乘以非流通股数的方法来确定非流通股的价值。

二是违约点。KMV模型的理论基础是现代期权定价理论，而其中行权价格也就是违约点是以债务总价值作为标准。但在实际中，短期债务与长期债务带给公司的偿债压力是不同的，长期债务实际上为公司提供了缓冲的空间。一般地，违约点可以由下式表示：

其中，D表示违约点，SL表示公司短期债务价值，LL表示公司长期债务价值，k在区间（0，1）上取值。这意味着长期债务的违约影响略小于短期债务。根据KMV公司的研究发现，k=0.5时与现实情况最为符合。我国学者对此进行过多次修正，但结果没有明显改善，因此本文沿用k=0.5来设置违约点。

三是股权价值波动率。股票价格收益率波动情况见图3。

描述性统计量见表2。由描述性统计可知，T公司股票日收益率的偏度为0.1930，大于零，序列具有长的右尾。峰度为4.5974高于正态分布的标准值3，存在尖峰。对应的J-B统计值为112.9589，P值为0，拒绝序列符合正态分布假设。

图3 股票价格日收益率波动图

表2 T公司股票日收益率描述性统计

平稳性与异方差性检验见表3。

表3 T公司股票日收益率序列单位根检验

可以看到，在5%与1%的显著性水平下，序列的t统计量均小于临界值，即序列不存在单位根，可以认为序列是平稳的。之前的波动图中可以看出，收益率存在丛集性效应，可能存在异方差。经过比较，ARMA（2，2）较为适合原序列。利用ARCH-LM检验序列是否存在GARCH效应。取滞后阶数分别为4、8、20时，对日收益率的残差序列做ARCH效应的LM检验，结果如表4所示。

表4 样本收益率序列的ARCH-LM检验

可以看到，在各个滞后阶数下，对应的LM统计量均大于临界值，即序列存在高阶ARCH效应，即GARCH效应。综合之前的检验，发现序列是平稳的、不存在序列相关性而且存在GARCH效应，因此，可以利用GRACH（1，1）模型计算股权价值波动率。GARCH模型参数估计结果如表5所示。可以看到，利用GARCH模型进行回归，所有参数均通过检验。

表5 GARCH模型参数估计结果

四是债务期限与无风险利率。债务平均到期期限取1年（365天），实践证明该值选取对结果影响不大。无风险利率以财政部公布的利率期限结构中的3年期国债收益率为准。

（二）信用溢价计算在得到了相关参数之后，带入KMV模型给出的关系，利用迭代法可以得到资产价值和资产价值波动率，进而带入信用溢价公式可以得到信用溢价。表6显示了信用溢价的描述性统计。信用溢价变化图像如图5所示。利用beta分布拟合信用溢价，参数估计结果如表7所示。

利用beta分布拟合信用溢价的分布，进而利用蒙特卡洛模拟的方法计算VaR值。根据计算出的信用溢价，反推回KMV模型得到预期违约率，映射到表1中可以发现对应的等级为AA级。

表6 信用溢价的描述性统计

图5 信用溢价波动情况

表7 信用溢价beta分布参数估计

表8 建元控股信用风险VAR

（三）核心企业风险溢出效应评估供应链的一个重要特点是供应链上的企业相互存在着密切的关联。因此，需要考虑各个企业之间的风险溢出效应，即供应链会不会出现相互传播的系统风险，本部分内容拟引入Copula函数描述各个企业之间的相关关系。选取建筑业板块44家企业构成的建筑业指数作为整体行业的代表，利用核心企业建元控股的收益率数据，则建元控股对于行业总体的溢出在险价值如表9所示。

表9 建元控股风险溢出效应测度结果

考虑建元控股溢出的风险价值，将其映射到标准评级表中，即将溢出的比例当作额外的信用溢价附加到原有的溢价水平上，此时违约率应当以一个指数形式发生变化，但依然对应着AA级评价，证明在考虑了溢出效应后，并没有降低建元控股的评分。并且由于行业分散度极高，几乎可以排除其他非上市小企业存在重大溢出的可能。因此可以得出结论：胖胖猪平台的供应链融资业务内部风险可控，所涉及的供应链以及其相应的融资服务较为安全。

五、结论

供应链金融依托于供应链中的核心企业，基于真实交易过程向核心企业及其上下游相关企业提供综合金融服务的模式。通过与核心企业的合作，供应链金融将中小企业分散的、不可控的风险变为了整体的、可控的风险。供应链金融服务为处于供应链上的中小企业融资打开了新的渠道，为解决我国中小企业“融资难”的问题提供了一个有效的途径。而基于P2P融资平台的供应链金融服务助力供应链金融的发展迈上了一个新台阶。但由于P2P平台在风控要求、信息质量、资金成本等方面与商业银行存在着较大的区别，因此，需要建立适合于P2P平台的供应链融资风险评估方式。

P2P平台供应链融资的风险主要来源于内部风险，其评价主要从两个角度出发：一是核心信用风险；二是核心企业风险溢出效应。依据供应链金融的特点，信用风险主要集中于核心企业，本文利用Merton结构模型结合KMV模型的部分思想，测度核心企业的信用风险水平。同时用CoVaR方法测量核心企业对于整个供应链上的其他企业的风险溢出水平，将二者综合评价，得出供应链内部风险评级。通过将其应用于国内P2P供应链融资平台胖胖猪，验证了方法的可行性与实用性。

［1］罗齐、朱道立、陈伯铭：《第三方物流服务创新：融通仓及其运作模式初探》，《中国流通经济》2010年第2期。

［2］王光石、马宁：《供应链金融服务模式探讨》，《物流技术》2008年第8期。

［3］常凯、王维红：《金融服务创新——仓单质押的风险分析》，《现代商业》2008年第11期。

［4］弯红地：《供应链金融的风险模型分析研究》，《经济问题》2008年第11期。

［5］熊熊、马佳、赵文杰：《供应链金融模式下的信用风险评价》，《南开管理评论》2009年第4期。

［6］李毅学：《供应链金融风险研究》，《中央财经大学学报》2011年第10期。

［7］胡海青、张琅、张道宏：《供应链金融视角下的中小企业信用风险评估研究——基于SVM与BP神经网络的比较研究》，《运作管理》2012年第24期。

（编辑 成方）