农业供应链金融信用风险致因研究:系统框架与实证分析

基金项目： 国家自然科学基金项目（71561002）、北方民族大学重点科研项目（BMDK201705）

作者简介： 李光荣（1980—），男，宁夏彭阳人，博士，北方民族大学商学院教师，韩国岭南大学访问学者，研究方向：风险管理、供应链金融、系统工程等。

摘 要：通过农业供应链金融信用风险致因分析系统框架构建结构方程模型，依据来自黄河中上游流域五个省份780份调研数据展开的实证研究发现：就农业供应链金融信用风险而言，所提出的致因分析系统框架能够系统反映其影响因素;核心企业与融资企业作为主要参与主体，对其影响颇为关键，同时，作为信用风险直接载体的融资资产其风险属性影响显著;自然环境和经济环境因素是对其产生重要影响的外在因素;产业政策和风险中介服务是重要的系统影响因素;供应链关系影响不容忽视，供应链关系质量是影响供应链关系的深层次因素，网络信息技术应用效果有待提升。

关键词： 供应链金融;信用风险;农业;系统框架;实证研究

中图分类号：F830.58 文献标识码： A 文章编号：1003-7217（2020）03-0017-08

一、引 言

近年来，供应链金融在解决中小企业融资难问题、增进金融服务投入实体经济的供给侧改革中显现出积极作用[1]。自国务院办公厅发布《关于积极推进供应链创新与应用的指导意见》（国办发〔2017〕84号）将供应链金融列为重点任务以来，其发展更加迅速。世界著名金融咨询公司Demica公司在2014年预测，2020年以前全球供应链金融业务的增长速率为10%以上，我国供应链金融规模预计将达到15万亿元[2]。农业供应链金融应用近几年也取得一定进展，成为解决农业供应链上中小经营主体（包括农户）融资问题的有效方式[3]。同时，也是实现农业金融供给侧改革的有效途径，对落实国务院支持小微企业和“三农”发展，以及“强化金融服务方式创新，提高金融服务乡村振兴能力和水平”具有重要意义。

但供应链金融快速发展的同时，也伴随着不同于传统金融业务的风险——其某一环节风险事件发生都可能导致整个产业链金融风险的放大，信用风险作为金融机构风险管理面临的最大挑战[4]就是这种传导性会尤为突出。农业供应链将自然生产、经济再生产以及生产性服务业紧密串联为一体，因其经营管理的复杂性、影响因素的特殊性，导致农业供应链金融显现出更大的信用风险。

农业供应链金融信用风险相关研究起步较晚，Wenner M D 认为农业企业融资主体的客户情况、现金流情况、市场形势、企业经营能力以及声誉等是影响其信用风险的因素[5]。国内学者的研究有从供应链核心企业、宏观经济以及自然环境方面对其来源进行了定性分析[6];有认为其信用风险诱发根源主要是企业内在经营情况、生产要素市场波动、自然环境异常风险[7];有从企业经营状况、盈利能力、偿债能力、融资资产情况以及供应链状况等方面分析主要影响因素[3]等。从既有关于农业供应链金融信用风险的研究看，研究维度呈现出多样化特征，缺乏系统性分析框架，难以为管理决策提供系统化依据;其次，研究中对信用风险主体不够明确，未能反映不同参与主体在信用风险演进中的角色;再次，对农业系统性风险、新经济下网络信息技术应用等影响因素考虑不足。因此，研究农业供应链金融信用风险致因的系统框架与路径既是管理实践之所需，也是对该领域理论研究的有益补充。

为此，本文拟基于系统论构建农业供应链金融信用风险致因分析理论框架，并基于陕、甘、宁、蒙、晋地区问卷调查数据，构建农业供应链金融信用风险致因分析结构方程模型，通过对模型进行检验、修正、实证，形成对农业供应链金融信用风险致因分析的基本判断。

二、农业供应链金融信用风险致因分析系统框架

根据系统论，一切事物可看作内部元素、外部环境、元素之间相互作用、元素与环境之间相互作用而形成的有机系统[8]。解构农业供应链金融信用风险系统，核心企业、融资企业、融资资产构成了系统的内部元素;其所处自然环境、经济环境等构成了系统的外在环境;供应链关系、网络信息技术应用等反映了内部元素之间的关系及其实现途径;政府政策调控、风险中介服务等反映了内部元素与外部环境之间的作用关系。同时，系统论发展观认为，内、外因及其相互渗透、转化和共同作用[8，9]，形成了系统演化的复杂动因。分析风险系统的演化形成的内因和外因：内因是风险主体自身及其行为因素，能够自我控制;而外因是风险主体难以准确预知或控制的不确定因素。结合以上分析，构建农业供应链金融信用风险致因分析系统框架，如图1所示。

农业供应链金融信用风险演化的内因：（1）融资企业、核心企业和融资资产是系统内部元素，其中融资企业是信用风险的直接主体;核心企业是信用风险的间接主体，对融资企业起到增信作用;融资资产则是其信用风险的直接载体。（2）融资企业、核心企业和融资资产内部元素之间联系主要体现在供应链关系和网络信息技术应用方面，供应链关系是核心企业与中小企业（融资企业）一定时期内形成的信息与利益共享、风险共担的合作关系;网络信息技术应用体现了供应链关系的实现途径。

农业供应链金融信用风险演化的外因：（1）经济环境和自然环境构成其外部环境。国内外经济环境的变化对供应链关系、供应链上企业经营绩效等产生影响，进而影响到供应链金融信用风险;自然环境对农业初级生产环节影响顯著，进一步影响到供应链金融信用风险。（2）内部元素与外部环境之间关系主要反映在政策调控和风险中介服务方面。政策调控是指国家或地区针对具体供应链金融及其相关领域的发展出台的相应政策;中介服务是反映供应链金融主要参与主体与外部风险因素发生作用的过程中，有关风险分散、缓释或抑制等风险中介服务，如信用评价、担保和保险等。

三、农业供应链金融信用风险致因分析结构方程模型

（一）研究假设

（2）结构模型評价。检验假设模型参数估计结果是否得到统计数据支持，包括各变量之间的关系。标准化的最优模型各路径系数（限于篇幅，详表略）中各潜变量之间的路径系数临界比值C.R.在12.422～2.401之间（C.R.值大于1.96表明显著性较好）;33项估计中，5项P值小于0.05，28项P值小于0.001，各项系数估计显著性较好。

通过整体拟合度分析、模型逐步修正，最终参数估计表明模型整体适配性和结构拟合度良好，所建构农业供应链金融信用风险致因系统分析模型总体上较为理想，假设H1～H9总体得到支持（研究过程中少量被弃假设与题项除外）。

四、研究结论

1.从系统视角解构分析，信用风险主体（供应链核心企业、融资企业）、直接载体（融资资产）、网络信息技术应用以及供应链关系共同构成了影响农业供应链金融信用风险的内在动因;经济环境、自然环境、产业政策以及风险中介服务等构成了农业供应链金融信用风险的外在动因。实证结果显示，各因素对农业供应链金融信用风险的影响由大及小依次为：核心企业信用风险（0.917）、融资企业信用风险（0.893）、自然环境风险（0.855）、融资资产风险属性（0.829）、产业政策风险（0.828）、经济环境因素（0.813）、风险中介服务（0.812）、供应链关系因素（0.811）和网络信息技术应用（0.617），这些要素并非孤立的存在，而是相互联系的有机系统。

2.基于内因分析视角：（1）核心企业作为主要主体，其信用风险是农业供应链金融信用风险的“震中”，易于导致众多围绕核心企业开展的中小企业融资项目产生兑付风险，引致整个供应链金融信用风险系统性爆发。其影响因素包括行业地位、基础素质、产品优势、盈利能力、偿债能力和信用级别，路径系数分别为0.804、0.779、0.787、0.781、0.838和0.774，显然，偿债能力对其影响相对显著，其次是行业地位，而后是其余基础性因素。（2）融资企业作为直接主体，被视作供应链金融信用风险的“震源”或起源，其信用风险影响因素包括基础素质、相对地位、盈利能力、偿债能力、运营能力、发展能力以及信用状况七个方面，路径系数分别为0.738、0.673、0.787、0.834、0.778、0.676和0.759，显然，其偿债能力、盈利能力、运营能力和信用状况影响相对更为显著。（3）融资资产是农业供应链金融信用风险的承载客体，其风险属性影响因素包括资产价格稳定性、融资资产保质性和资产变现能力，路径系数分别为0.730、0.818和0.827，显然，保质性与可变现性影响更为显著。

3.农业供应链金融信用风险外在系统性因素包括自然环境风险和经济环境因素。自然环境风险主要指气象灾害、地质灾害、环境污染和病虫灾害，路径系数分别为0.826、0.702、0.804和0.785，一般农业供应链上游初级供应商最易受其影响而导致核心企业面临供应短缺或中断，造成成本上升，特别是环境污染和气象灾害的影响相对显著。经济环境因素主要包括国际宏观经济形势、国内经济环境和国际贸易环境变化，其路径系数分别为0.812、853和0.783。在当前供应链更加国际化的背景下，这种影响更加明显。

4.考察系统内部元素与外部环境作用关系，包括风险中介服务和产业政策因素。风险中介服务反映了各主体面对各类风险时所采取的第三方措施，主要包括风险转移、处置和评估三类中介服务，其路径系数分别为0.822、0.801和0.785;产业政策体现了信用风险主体与外部经济环境的作用关系，反映了政府根据宏观经济发展对微观主体的指导调节，其测量变量产业指导计划、财政政策及金融政策的路径系数分别为0.823、0.818和0.798。

5.系统内部元素之间关系主要涉及供应链关系和网络信息技术应用。供应链关系一定程度上影响供应链金融信用风险事件发生概率和处置后果，主要体现在关系强度、关系质量、关系久度和合作频率四个方面，其路径系数分别为0.813、0.835、0.797和0.799，其中合作意愿与承诺、业务人员及管理者私人关系等关系质量因素是深层次影响因素。近年来，网络信息技术应用给供应链关系带来深刻影响，但从实证结果来看，目前对农业供应链金融信用风险的影响效果相对较弱。

五、对策建议

根据前文研究，提出以下对策建议：

1.以系统思维分析和管控农业供应链金融信用风险。明确供应链金融信用风险的内在主体、载体以及将这些主体与载体联结起来的供应链关系、信息系统;重视外在诱因的影响，探索相应管控途径;综合考虑到各要素之间可能的相互关系、各参与主体之间的风险传导性以及管理协同性，从产业共生的视角，构建融资方、核心企业、供应链中小微实体共同参与的供应链金融信用风险治理生态。

2.加强对信用风险源头与核心的治理。从有效管控融资企业信用风险入手治理供应链金融信用风险的源头;围绕核心企业信用风险管控好其信用风险的核心;动态监测、客观评估融资资产风险，加强与核心企业、第三方资产托管机构的合作，尽可能降低、规避来自融资资产的信用风险损失。

3.针对外部信用风险诱因建立响应防控机制。建立外部信用风险诱因监测响应机制，对由外部环境变化引致的信用风险进行预先预测分析，并在此基础上分级分类制定应对方案，及时采取有效预控措施，阻断系统性信用风险扩散路径;引导信用风险关键主体借助保险等风险转移工具，管控难以避免或缓释的外在风险，以免引发供应链金融系统性信用风险。

4.重视供应链关系质量管理。供应链上交易方合作的意愿承诺、业务人员及管理者私人关系等因素是影响供应链关系的更深层次因素，加强供应链金融信用风险管理不仅要掌握供应链关系形成时间长短、合作频率及契约情况等信息，更要通过深入了解和把握供应链关系质量情况，有效规避、降低潜在的信用风险。

5.补齐信息技术应用短板，消除农业供应链内在数字鸿沟。基于信息经济学分析，解决好信息不对称问题是降低供应链金融信用风险的有效途径。信息技术环境下农业供应链金融信用风险管控，须在提升中小微经营实体网络信息技术应用能力、补齐信息技术短板的同时，通过管理与技术创新的融合，加强各利益相关方电子商务协同，尽可能消除农业供应链上不同主体间的信息鸿沟，增进信用风险管控协同能力。

注释：

① 正文中数据表述与图中数据表述不一致，是因为 AMOS17.0软件默认的模型路径图上数字输出为小数点后面保留两位数，而路径系数表的输出值为小数点后面保留三位数（文中结论阐述为与大部分统计参数保持格式一致，采用了路径系数表输出中保留小数点后面三位的格式）。

参考文献：

[1] 宋华， 陈思洁.供应链金融的演进与互联网供应链金融：一个理论框架[J].中国人民大学学报， 2016， 30（5）：95-104.

[2] 张莉莉，穆东，刘德红，等.中国供应链金融指数编制（上篇）：意义、思路与体系构建[J].北京交通大学学报（社会科学版），2018，17（4）：96-104.

[3] 杨军，房姿含.供应链金融视角下农业中小企业融资模式及信用风险研究[J].农业技术经济， 2017（9）：95-104.

[4] Wu C， Guo Y， Zhang X， et al. Study of personal credit risk assessment based on support vector machine ensemble[J].International Journal of Innovative Computing， Information and Control， 2010， 6（5）： 2353-2360.

[5] Wenner M. Innovations in rural and agricultural finance： credit risk management in financing Agriculture[J]. Agricultural Science and Technology， 2015， 31（2）： 131-149.

[6] 刘秀莉.基于信用风险视角的农业供应链金融研究[J].农业经济， 2014（7）：32-33.

[7] 张东博. 农业供应链金融风险源与风险控制研析[J]. 农业经济， 2017（6）：95-96.

[8] 张强. 系统方法论与唯物辩证法[J]. 系统科学学报， 2004， 12（4）：7-11.

[9] 饶欣. 系统论与唯物辩证法发展观的比较研究[J]. 系统科学学报， 2004， 12（4）：19-22.

[10]J B Hardaker， R B M Huirne， J R Anderson， et al.Coping with risk in agriculture （second ed.）[M].Oxfordshire：Centre Agriculture Bioscience International，2004.

[11]Boehlje M，Doehring T A. The farm security and rural investment act of 2002： what it means to you. （Agricultural Lending）[J]. Human Molecular Genetics，2002， 18（1）：97-104.

[12]Glauber J W， Collins K J. Risk management and the role of the federal government[J]. Scientia Canadensis， 2002， 30（2）：136-139.

[13]欧阳越秀，李贞玉. 逆向选择、系统性风险与政策性农业保险可持续发展[J]. 保险研究， 2010（4）：66-71.

[14]谭湘渝. 农业产业化、系统性风险与农民收入损失的风险测度[J]. 统计与决策， 2006（19）：76-77.

[15]项桂娥，吴义根. 基于SEM模型的农业企业风险评价体系研究——以安徽省221家农业产业化龙头企业为例[J]. 农业技术经济， 2012（8）：113-120.

[16]柯柄生. 关于新农村建设中政府职能的思考[J].农村金融研究， 2006（6）：11-13.

[17]王宝森，王迪. 互联网供应链金融信用风险度量与盯市管理[J]. 中国流通经济， 2017， 31（4）：77-84.

[18]戴昕琦.商业银行信用风险评估模型研究——基于线上供应链金融的实证[J].软科学，2018， 32（5）：139-144.

[19]王丛，张在旭，孙燕芳.供应链金融利益主体的多阶段博弈研究[J].财经理论与实践，2018，39（4）：32-37.

[20]鞠彦辉， 许燕， 何毅. 信息混沌下银行线上供应链金融信用风险盲数评价模型构建[J]. 企業经济， 2018（6）：102-106.

[21]熊熊，马佳，赵文杰，等.供应链金融模式下的信用风险评价[J].南开管理评论， 2009， 12（4）：92-98+106.

[22]夏立明， 宗恒恒， 孟丽. 中小企业信用风险评价指标体系的构建——基于供应链金融视角的研究[J]. 金融论坛， 2011（10）： 73-79.

[23]邹建国，李明贤.农业供应链金融视角的农户信用增进研究[J].财经理论与实践，2019，40（6）：32-38.

[24]刘远亮， 高书丽. 供应链金融模式下的小企业信用风险识别——基于北京地区信贷数据的实证研究[J]. 新金融， 2013（1）：45-49.

[25]李勤，龚科. 供应链金融模式下中小企业信用风险的案例分析[J]. 金融理论与实践， 2014（8）：66-71.

[26]田美玉，何文玉. 供应链金融融资模式下中小企业信用风险评估——以汽车行业实证研究为例[J]. 工业技术经济， 2016， 35（6）：154-160.

（責任编辑：宁晓青）

Research on a Systemic Framework and Empirical Analysis of Agricultural Supply Chain Finance Credit Risk Based on 780 Survey Data from Participants in Five Provinces of China

LI Guangrong

（Business School of North Minzu Univesity，Yinchuan，Ningxia 750021，China）

Abstract：The system scheme of agriculture supply chain finance credit risk cause analysis is put forward and the structure equation model is established. With the 780 survey data from the major five agriculture provinces in the upper and middle Yellow River reaches， the empirical research on the system scheme and formation path of agriculture supply chain finance credit risk is carried on. For the agriculture supply chain finance credit risk， it is found how the cause factors influence： Firstly， the analysis scheme based on the system theory is in line with the credit risk management practice systematically. Secondly， as the major participants， the core enterprise and financing enterprise have critical impact on it， and at the same time， the financing assets attributes have a significant influence as the direct carrier. Thirdly， natural and economic environment are the important external systemic factors. Fourthly， the risk intermediary service and industrial policy are important factors. Finally， the impact from supply chain relation and Internet information technology application are also significantly.

Key words：supply chain finance; credit risk; agriculture; system framework; empirical study