基于大数据下的供应链金融风险研究

● 徐思媛 陆德宇 罗 捷 陆晓芬 王 旭

一、引言

2016年2月，在人民银行等八部委印发《关于金融支持工业稳增长调结构增效益的若干意见》中提到要大力发展应收账款融资，探索推进产融结合。随着政策契机的到来，供应链金融迅速发展，不仅解决了小企业融资难题的问题，还延伸银行的纵深服务，起到了双赢的作用。但随着供应链金融的发展，许多矛盾诸如信用风险、市场风险、操作风险等相继浮出水面。矛盾是事物发展的源泉和动力，虽然目前供应链金融面临着很多风险，但现在的时代科技高速发展，诞生了大数据技术。大数据技术下，可以有效的规避供应链融资环节的各类风险、解决供应链金融体系中的各类问题，提高供应链效率。为银行和企业构建良好的金融环境。

二、大数据背景下供应链金融的发展现状分析

中国人民银行发布的2018年5月的金融统计数据报告显示，5月份我国社会的融资总规模增量为7608亿元，较去年5月份减少了超过3000亿元，狭义货币M1余额是52.63万亿元，同比增长6%，但增速却分别比4月末和2017年5月下降了1.2个与11个百分点。2018年5月社会融资规模大幅减少，并且商业银行的表外融资进一步收缩，企业债券融资也是负增长。

由此可见，我国供应链金融在快速发展的同时也出现了很多的问题。概括来说有信用体系的建设不完善、风险控制机制不到位、交易成本依然较高、核心企业权利过大等问题。中小企业依然存在缺乏资本、信用难以评定、融资难的问题，供应链上相关企业依然存在需求不够清楚，计算和预测不够准确等问题，导致银行贷款依然存在较大风险的现状。

但是大数据背景下，大数据及数据分析技术可以在风险控制、信息平台建设、信用体系建设等多个方面帮助供应链金融突破困难更好的发展。在我们的走访调查中了解到如今大数据已在供应链金融中起到一些作用，如云税贷——商业银行通过大数据与税务局联网审查贷款企业的纳税情况来判断企业的信用状况；云电贷——商业银行通过大数据与国家电网联网审查企业缴纳电费的情况来判断企业的经营状况；账户云贷——商业银行通过大数据检测客户的资金流水状况等。

三、大数据背景下供应链金融的主要风险

（一）信用风险

1．核心企业信用风险。核心企业不仅是整个供应链金融过程中整合物流、信息流及资金流为一体的关键角色，更是商业银行对上下游中小企业展开授信业务的基础标准。核心企业的经营状况与发展前景对整条供应链上的企业的生存状况与融资质量起到了举足轻重的作用。如果核心企业出现问题，其可能会利用其中心地位向银行隐瞒信息骗取银行融资，使得整个供应链受到牵连，导致银行面临极大的风险。因此，保障核心企业资信评估等信息真实、有效对整个供应链金融整体安全至关重要。

2．上下游企业信用风险。上下游中小企业是供应链金融中的直接承贷主体。如今，中小企业的信用风险不仅只受企业自身如管理不够规范、缺乏资本、抗风险能力弱等的风险因素影响，还受供应链整体效益、企业之间的交易和合作情况等各种因素的综合的影响，当然，上下游企业的经营信息是否真实也同样重要，若是企业向银行或核心企业隐瞒其经营状况信息，则同样会使银行和核心企业面临极大的信用风险。

大数据背景下，相关企业的各类信息都可以被实时的采集和分析，结合不可篡改与可追溯信息的区块链技术可以保证数据的真实性，降低供应链的信息不对称，增加产业链资信。

（二）市场风险

1．贸易背景真实性风险。供应链金融是自偿性的交易结构，贸易背后真实的交易数据是自偿性授信融资的前提和根本保证，商业银行根据企业经营和交易过程中产生的真实数据如订单生产量、安全库存、现金流量、应收应付账款等来参考给企业的授信规模。如果没有的真实贸易背景，出现伪造贸易合约、隐瞒抵押资产问题、造假交易数据牟利、交易过程透明度差等问题，银行给贷款企业授信的风险就会很大。

2．抵质押资产风险。供应链金融中，贷款的第一还款源是融资企业的抵质押资产。它是银行审批融资贷款的重要参考条件，也是企业出现经营不当等原因造成违约时银行弥补损失的第一而且重要的担保；同时，企业的还款意愿也受抵押资产的价值影响，如果抵押资产价值低于银行的授信额度，企业的违约风险就会增大。

3．物流监管方风险。为了降低抵押资产贷款成本，商业银行让第三方物流企业实施对抵质押资产的监管权，但是如此便缺少了对质押物的质押信息的动态掌握。物流监管方可能会因为自身经营不当或为了追求自身的利益而做出有风险的行为如伪造提单、非法进行投机、操作失误等使得银行的利益受损。

而大数据背景下，可以建立对抵押物的实时动态追踪系统，使得银行在降低成本的同时依然能够掌握质押物的质押信息，加强质押物权属。还可以建立电子提单来代替质押物监管中的人工提单来减少风险。

（三）操作风险

1．操作风险。供应链金融资凭借物流、资金流的控制以及自偿性的结构化操作模式和专业化的操作环节流程安排，引入了独立的第三方监管，用以防范企业信用风险，但这带来了大量的贷后操作环节，如果操作不规范或者失误，就会带来风险，这无疑将信用风险转化为了操作风险。对操作的严密性和规范性提出了很高的要求。但在大数据背景下，从数据采集、数据预处理、数据存储、数据分析与挖掘、数据展示与可视化、数据存储等过程全部通过计算机完成，实现高效的自动化，可以减少操作风险。

2．合约风险。供应链金融贷款需要银行与企业之间签订一定的合约，进而对双方之间的权益进行保护。但是，就目前的实际情况来看，人工合约总会存在漏洞，相关企业也有伪造交易合同的可能，为商业银行带来了较大的风险。大数据背景下，利用大数据与区块链技术的结合可以建立智能合约，减少合约风险。

四、大数据下的供应链金融风险对策研究

核心：建立大数据供应链金融信息共享平台和风控模型

（一）构建信息化风险控制平台

利用大数据连接供应链金融的商业银行、核心企业、上下游中小企业等各类参与方，建立各方信息真实、数据共享、交易透明、业务协同、降低交易成本的大数据供应链金融信息共享平台，各主体能够利用这个平台进行资源搜寻、资源分享、资源汇集、达成数据的交换、共享，完善数据交互。

整合的产业资源通过平台进行系统化的组织配置，建立实时动态的数据采集系统，实现可视化跟踪，界定不同节点上成员之间的利益分配，做到平衡每个节点的自我利益与供应链整体的利益，将各主体主动寻找信息变成信息主动匹配各主体。

银行也能在平台上跟踪抵押资产的监管状况，平台还可通过大数据与税务局联网审查贷款企业的纳税情况来判断企业的信用状况；与国家电网联网审查企业缴纳电费的情况来判断企业的经营状况；还可检测客户的资金流水状况等，缓解信息不对称问题，增加产业链资信，降低信用风险。提高了银行的获取、分析数据和控制风险的能力。降低了供应链金融的成本。

（二）建立智能合约

利用大数据与区块链技术结合，将金融合同的要件进行合理的调整，设计一体式的全智能合约，所有合约交易都会进行哈希函数算法加密，盖上时间戳，储存在区块链中，区块链的可追溯性可确保精准的合约跟踪，区块链的不可篡改和加密的特点可以降低合约诈骗等风险。如此一来就可以减少合约漏洞或不规范的设计风险。

（三）构建合理的信用风险评估模型

大数据技术的核心思想之一是机器学习，通过先进的数据分析与数据挖掘等技术，可以对企业纳税能力、财务状况、生产情况、水电缴费、债务负担、历史信用、履约情况等各类数据进行全方位采集和分析，反映企业经营状况和发展水平。

通过分析和挖掘的这些数据能够构建合理的信用风险评估模型，对企业信用进行评级，还能够对行业发展、价格波动等信息进行实时、客观、综合的分析，全面的评估融资风险，优化资信评估程序，提高放贷效率，进而客观地作出授信等服务决策。

（四）建立风险管理数据库与风险评估体系

目前，我国商业银行大多都很少建立对损失和出错的数据进行累积和分析的损失数据库。这样会导致在出现风险时没有机制来及时预测和判断。

所以需要通过大数据来搜集风险出错数据和违约数据，建立风险管理数据库与风险评估体系，大数据在对数据建立相关关系即可建立关系模型，能尽可能的提前预测行业风险，来加强风控预警。

（五）建立预警机制和应急处理机制

核心企业和商业银行通过大数据供应链金融信息化平台建立一套统一的标准化的设立风险警报机制和应急处理机制的风险评价指标体系。中小企业通过供应链金融大数据共享平台定期报送各项反映经营状况与财务状况的预警指标，使得核心企业和商业银行能够把控贷款过程中的各项风险。当出现系统预警时及时采取紧急措施，如冻结资金、停止放款等，并立刻进行调查。

五、结语

综上所述，大数据可以对供应链金融发展起到极大的作用，大数据可将供应链金融风险控制在最小范围，同时提升供应链管理的效率和银行贷款效率。对企业来说，将大数据应用到供应链金融中可以帮助企业提高拿到贷款的效率，掌握资金流动方向，提高企业管理和企业发展效率。对银行来说，通大数据加强信息管理，可以更好地匹配贷款企业的真实需求，优化贷款流程，提高放贷效率和放贷质量，不断的提高风险模型的精确度，研究和预测市场动态，解决企业信用的难以评定、融资难等问题，有效降低银行对外投资的风险性。