复工复产背景下供应链金融信用风险演进机理与管理研究

李光荣 赵斯昕

在国务院办公厅发布的《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，其发展迅速，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的作用[1]。根据供应链金融当下实施情况来看，有效缓解了疫情期间的中小微企业融资困境、促活了产业链，对新冠疫情后期的复工复产支持效果明显[2]。为深入贯彻落实党中央、国务院新冠肺炎疫情防控下的经济社会发展决策部署，推动产业链协同复工复产，中国银保监会2020年3月26日发布《关于加强产业链协同复工复产金融服务的通知》，再次提出“加大产业链核心企业金融支持力度，优化产业链上下游企业金融服务”。但因供应链将自然生产、经济再生产以及生产性服务业联结为一体，其管理复杂、影响因素特殊，在此基础上建立的供应链金融其信用风险则显现出自身的特点，特别是其某一环节的风险事件都可能导致整个产业链金融风险的放大。此外，以信息技术开发应用为特征的新经济迅速发展，对传统产业影响深远，形成了与传统产业发展深度融合、甚至对其运营模式重构的趋势[3]。在此背景下，展开供应链金融信用风险识别与演化机理研究，为供应链金融信用风险系统监测与管控提供认知基础[4]，对支持新冠疫情防控背景下金融服务中小微企业、激活产业链协同，促进产业链复工复产平稳健康开展具有积极意义。

一、系统科学视角下供應链金融信用风险

系统科学发展观认为，系统是两个或两个以上不同要素组成的有机集合体，其要素可分为内部要素（内因）与外部要素（外因），它们相互渗透、转化而构成了系统真实演化过程的复杂动因，形成系统发展的整体效应[5]。系统科学分析供应链金融信用风险（取其英文首字母简写为“SCFCR”）是以供应链上核心企业信用为依托向上下游中小企业融资而产生的信用风险，所涉及要素包括融资提供方、核心企业、融资企业、供应链关系、技术载体以及外部环境等，其信用风险形成的内因主要指能够自我控制的基本要素，包括信用风险主体及其行为等;而外因是风险主体难以准确预知或控制的外在不确定因素。

据此分析SCFCR形成的内外因要素：其内因主要包括银行信用风险管控、核心企业信用风险、融资企业信用风险、供应链关系及信息技术应用，其中，融资企业是SCFCR演进的基本主体，融资资产是融资直接载体，源自融资企业与核心企业的信用风险、融资资产的风险属性，是形成SCFCR的直接要素;企业之间所形成的供应链关系，不仅影响到企业的稳定经营与信用风险，并对SCFCR事件发生概率和处置后果产生影响;信息技术应用，贯穿于供应链金融业务发生全过程，包括企业间、银企间信用风险信息共享及信用风险处置过程中各方网络化协同，对企业与供应链整体信用风险均产生影响;外因主要指环境风险，包括自然灾害、环保风险、经济环境以及政策风险等，其风险后果对融资企业和核心企业正常经营造成破坏，客观上削弱其偿债能力，进而影响其信用风险，最终影响到SCFCR。当然，在以上内外部因素之间也可能存在相互作用关系，并共同影响SCFCR的形成。

二、 供应链金融信用风险演进模型构建

通过建立结构方程模型，探索SCFCR形成的基本路径结构，为进一步构建系统动力学模型奠定基础，由此亦可获得关键辅助变量方程系数。

（一）模型假设

外部环境风险越大，核心企业、融资企业信用风险越大;用以抵质押的融资资产是供应链金融风险的第一道屏障，其风险越低，对供应链融资信用风险保障功能就越好，SCFCR越低;核心企业、融资企业信用风险增大，使SCFCR加大;供应链关系的质量在影响融资企业与核心企业信用风险的同时，对SCFCR事件的处置后果也产生影响;SCFCR增大，将引起银行信用风险管控的加强，从而促使提升对相关企业信用风险的管控;而在银行展开SCFCR管控过程中，信息技术应用发挥的作用越来越显著，信息技术应用水平越高，越有利于提升SCFCR管控效果。为此，对于SCFCR的影响因素，本研究提出以下假设：

1.外部环境风险。影响企业风险的外部环境因素包括自然风险、环保风险、政策风险以及经济环境等，它们对不同供应链上企业信用风险产生不同程度影响。一般地，自然风险（地质灾害、气象灾害以及生物病虫灾害等）越大，导致企业经营信用风险越大，但对不同产业的影响有所差异，例如农业企业受其影响相对其他行业的企业更为显著;环保风险是指来自因生产经营过程导致环境破坏并处置不当引起的风险，企业所面临的环保风险越大，其信用风险越大;产业政策经常给企业经营带来风险，尤其在国家调结构去产能背景下，各行业企业信用风险受其影响不一，政策风险越大则企业信用风险越大;经济环境因素主要指宏观经济景气、国际贸易环境等，如国际单边保护主义的冲击导致经济环境不确定性有所增大，企业信用风险也随之增大。为此，提出以下假设：

H11：外部环境对核心企业信用风险正向影响显著。

H12：外部环境对融资企业信用风险正向影响显著。

H13：自然灾害、环保风险、政策风险、经济环境是重要的外部环境风险因素。

2.核心企业信用风险。核心企业信用风险被认为是整个SCFCR的“震中”，源自核心企业的信用风险极易通过供应链关系传导至上下游企业，进而导致整个供应链乃至产业链金融信用风险放大，甚至诱发危机产生，被视为影响SCFCR的关键要素[4]。结合管理实践情况，核心企业行业地位越高、产品优势越明显、基础素质越好、盈利能力与偿债能力越强，其信用风险越低。由此提出以下假设：

H21：核心企业信用风险越高，导致SCFCR越高。

H22：核心企业信用风险越低，对降低融资企业信用风险作用越大。

H23：行业地位越高、产品优势越明显、基础素质越好、盈利能力越强或者偿债能力越强，核心企业信用风险越低。

3.融资企业信用风险。融资企业信用风险主要反映在管理基础、盈利能力、运营能力、偿债能力方面。融资企业管理基础越好，其运营越规范、发生道德风险的可能性越低，从而信用风险越低;盈利能力、偿债能力反映了融资企业对还款来源的保障能力，显然对融资企业信用风险产生正向影响;融资企业营运能力反映了企业资产的经营效率与效益，该指标越好，企业信用风险越低。由此提出以下假设：

H31：融资企业信用风险越大，导致SCFCR越大。

H32：融资企业基础素质越高、盈利能力越强、偿债能力越强或者营运能力越强，其信用风险越低。

4.融资资产风险属性。融资资产风险属性对SCFCR规避、缓释乃至违约损失产生直接影响，但不同行业背景下的影响程度存在差异，比如农业与汽车制造业的差异就较大。具体来讲，资产价格稳定性、融资资产保质性和资产变现能力是影响资产风险属性的3个方面。资产价格波动越大，对以其为质押标的所产生债务的保障性相对较弱;融资资产保质性是指产品质量稳定性，不同行业产品保质期差异较大，对于保鲜期较短或对存储条件要求较高的存货质押资产，其债务保障风险相对较高;资产变现能力一定程度上是资产专用性的体现，一般来说，资产专用性越高，其市场相对较小、变现能力相对较弱，其债务保障风险就相对较大。由此，并提出以下假设：

H41：融资资产风险越高，SCFCR越大。

H42：融资资产价格越稳定、保质期越长或者变现能力越强，融资资产风险越低。

5.供应链关系因素。供应链关系是供应链各方一定时期内在信息共享、风险分担基础上形成共赢发展的合作关系。供应链关系质量受关系强度、潜在关系、关系久度以及合作频率等因素影响。其中，关系強度取决于供应链各方之间合作的强约束，通常交易方之间建立长期合作契约关系，表明其关系强度大，在此基础上形成的供应链金融其信用风险相对较低;潜在关系是对供应链上合作各方潜在契约关系的综合反映，包括合作的意愿承诺、管理者私人关系甚至是业务人员私人关系等，合作意愿承诺越强烈、当事人私人关系越密切，表明供应链关系质量越高，就越利于降低SCFCR;关系久度是供应链合作关系的时间维度反映，一般合作时间越长，表明合作关系久经考验，信用风险越低;合作频率是对供应链各方交易行为的反映，交易频次越高，累积信用度越高，信用风险就越低。此外，供应链关系因素在一定程度上还影响SCFCR事件发生概率和处置后果。基于以上分析，提出以下假设：

H51：供应链关系质量越高，越有利于降低SCFCR。

H52：关系强度越大、潜在关系越密切、关系越久或合作频率越高，供应链关系质量越高。

6.信息技术应用。新经济下，信息技术的创新发展与应用，深刻影响到信息共享及管理协同效率。不同产业环境下的企业对信息技术应用水平存在不均衡情况，其影响因素反映在信息共享程度、网络协同处理能力和信息化应用水平等方面，信息共享度越高表明融资企业与核心企业之间的信息对称性越高;网络协同能力越强表明核心企业与融资企业之间通过网络信息技术实现业务与管理协同的效率越高;企业信息化应用水平越高，反映出企业内部管理及供应链管理效率越高。并且，信息技术应用也与银行信用风险管控存在相关关系，银行信息技术应用越深入，越有利于提升信用风险管控效率;而银行要提升其信用风险管控水平，必然要求加强其信息技术应用。基于此分析，提出以下假设：

H61：信息技术应用与银行SCFCR管控紧密相关。

H62：信息技术应用水平越高，越有利于降低核心企业信用风险。

H63：信息共享程度越高、网络协同处理能力越高，反映网络信息技术应用水平越高。

7.银行信用风险管控。银行信用风险管控间接促进供应链核心企业与融资企业管理改善，最终实现对SCFCR的影响。影响银行信用风险管控的因素，包括内、外部两个方面：就内部影响因素而言，主要受银行风险管理战略实施的影响较大，银行风险战略规划越完善、执行效率越高，其信用风险管控效果越好;从外部影响因素看，主要受国家金融政策影响较大，在当下政府非常重视金融供给侧改革、加大中小微企业融资服务的背景下，对银行向中小微企业贷款余额有目标性要求，并适当放宽其违约容忍度，这对银行信用风险管控措施的落实与调整产生直接影响。因此，提出以下假设：

H71：银行信用风险管控措施越完善，越有利于降低核心企业信用风险。

H72：银行信用风险管控措施越完善，越有利于降低融资企业信用风险。

H73：银行风险管理战略执行率越高或金融政策导向越明确，其信用风险管控效果越好。

8.供应链金融信用风险。SCFCR是指供应链金融模式下融资违约引发风险后果，沿供应链金融价值链传导、进而导致供应链金融系统信用风险发生的可能性。通过观察历史违约率情况和评估当前违约可能性来判断其信用风险状态。为此，提出以下假设：

H81：供应链金融融资违约率（历史）越高，SCFCR越高。

H82：供应链金融融资违约可能性（当前）越大，SCFCR越高。

（二）供应链金融信用风险SEM模型构建

在以上分析与假设的基础上，构建SCFCR演进基本路径的SEM模型，如图1所示。

研究中采取问卷调查方法获取SCFCR影响因素相关数据，调查数问卷测量题项采用“从完全不同意到完全同意”的Likert五点量表，一条示例题项为“融资资产风险越高，SCFCR越大”。被访问者根据在业务、管理实践中的认知，根据题项内容做出1-5的判断打分。

为确保问卷有较好的效度，课题组针对题项设计进行多次讨论，并通过地方金融学会、企业协会及其相关省份分会向陕西、宁夏、河南、山东及广东地区开展供应链金融业务的部分银行、企业管理部门征求意见，对问卷进行修改完善。研究中数据来自团队于2016-2019年期间对供应链金融主要参与主体关键岗位人员的问卷调研，受调查对象（以有效问卷为准）主要为以上地区开展供应链金融业务的多家银行下属支行（45家）风控部门、信贷部门主管或高管人员;各受调查银行所推荐、筛选的供应链核心企业（45家）财务管理部门主管及高管人员;再由受调查核心企业推荐相关中小企业（96家）财务管理岗位及高管人员，以及各类专业合作社（26家）负责人。

问卷发放过程中，原则上商业银行风控部门与信贷部门主管各发放问卷1份，每家支行发放2份;核心企业财务部门主管及相关高管人员各发放问卷1份，每家企业发放2份;相关中小企业财务管理岗位及高管人员（企业负责人）各发放问卷1份，每家企业发放2份;各类专业合作社负责人每家发放问卷1份。共计发放调查问卷530份，回收442份，剔除漏答题较多或倾向性过于明显的问卷，共获得392份有效问卷。所获问卷调研主要通过以下方式实现：（1）通过相关金融、财务管理类高级人才培训班发放完成调研问卷117份（占26.47%）;（2）经地方金融学会、企业协会协调并提供银行和企业联系方式，通过微信发出问卷120份、回收109份（占24.66%），通过电子邮件发放调研问卷200份、回收79份（占17.87%）;通过电话访谈形式完成调研问卷69份（占15.61%），通过专门现场访谈完成调研问卷68份（占15.38%）。最终获得有效问卷结构特征如表1所示。

总体来看，调查样本数据涵盖我国东西南北中地区供应链金融应用的主要典型行业，能够反映SCFCR各主要相关主体关键岗位工作人员认知情况，具有良好代表性。

（三） 模型检验、评价与修正

1.信度检验

信度检验是指测试设计的可靠程度，反映了测验结果的再现性、一致性和一贯性特征。运用SPSS 21.0 进行CITC分析，样本数据Cronbach α 系数的统计结果显示：总量表的Cronbach α 系数为0.829，大于0.8的可接受水平，所有观测变量的CITC 值最低为0.702，大于0.5;分量表中信度检验Cronbachs α值均大于0.7的一般可接受水平（具体见表2），量表具有较高的信度。并删除CITC值小于0.5的题项盈利能力I与盈利能力II 2个题项。

2.效度检验

量表题项是在前文研究假设基础上设计，并通过领域内专家们多次讨论确定，一致认为具有较好的内容效度。此外，通过统计分析方法对样本数据效度进行检验（结果见表3），模型KMO值为0.728（符合大于0.7的因子分析要求;Bartlets球状检验结果Sig.=0.001<0.05（即p值<0.05），说明各变量间相关性较好，量表具有较好的效度。

3.模型拟合评价

（1）測量模型评价。重在检验整体结构信度和效度，根通过AMOS软件所得模拟合的绝对适配指标与相对适配指标，根据协方差修正指数，逐次释放修正参数，直至模型最优。修正后的模型拟合指数如表4所示，达到理想水平。

（2）结构模型评价。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（由于篇幅所限，详表略）中各潜变量之间的路径系数临界比值C.R.在 16.312-3.004之间（C.R.值大于1.96表明显著性较好）;36项估计中，5项P值小于0.05，31项P值小于0.001，各项系数估计显著性较好。

4.模型修正

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SCFCR致因系统分析模型总体上较为理想，假设H1-H8总体得到支持（研究过程中被弃假设与题项除外）。最终标准化路径系数如表5所示。

从实证研究结果看，外部环境、内部因素对供应链金融信用风险产生影响的基本路径如下：（1）外部环境风险加大，导致处于其中的企业信用风险增大，进而使供应链金融信用风险增大;反之亦然。（2）信息技术应用水平提升，意味着企业之间、银企之间信息共享与管理协同能力提升，有利于管控、降低供应链金融信用风险;反之亦然。（3）供应链关系质量越高，越有利于企业在动态博弈过程中减缓供应链金融信用风险;反之亦然。（4）融资企业是信用风险的直接主体，对信用风险后果负有直接责任，融资企业信用风险增大，直接导致供应链金融信用风险增大;反之亦然。（5）融资资产是供应链金融信用风险的首要直接载体，融资资产风险越高，导致信用风险后果处置时违约损失越大，最终导致供应链金融信用风险增加;反之亦然。（6）核心企业在融资过程中起到信用担保和背书作用，其信用风险越大，对融资企业的增信力度越低，从而使融资企业信用风险增大，进而使供应链金融信用风险增大;反之亦然。

三、 供应链金融信用风险演进系统动力学模型构建

（一） 基本模型提出

上述SCFCR结构方程模型实证结果，较好的反映出SCFCR各影响因素的结构，以及进而形成SCFCR的基本路径，但由于结构方程模型是建立在多元统计与矩阵计算基础上，难以刻画系统因素之间的反馈关系及反作用过程的演化机理。系统动力学理论与建模方法为这一问题的研究提供了可行路径。在前述系统分析与实证研究基础上，提出SCFCR演进系统动力学基本模型（如图2）。

其中来自环境、企业、银行、融资资产、供应链关系、风险中介以及信息技术等方面的因素共同驱动形成SCFCR，金融机构根据SCFCR状态调整信用风险管控策略，这将反过来对核心企业与融资企业信用风险、供应链关系、信息技术应用以及针对环境风险因素的应对措施等产生影响，反过来又影响SCFCR的演进。

（二） 模型因果关系

系统论认为，系统是指由一些相互联系、相互作用、相互影响的组成部分构成并具有某些功能的整体，系统结构和系统环境以及它们之间的关联关系，决定了系统的整体性;系统内部自组织与外部环境的相互渗透、转化和共同作用形成了其发展演变的动力。在供应链金融信用风险系统中，核心企业、融资企业、供应链关系和信息技术应用等共同构成了其内部组织要素;自然环境、经济环境、政治环境以及法律环境等构成了系统的外在风险环境。外部风险环境作用于内部组织要素，对系统内部主体信用风险产生加剧或减缓的作用，并与内外部子系统共同作用演化形成供应链金融系统信用风险。SCFCR状态反馈至融资提供方，将通过银行信用风险管控不同程度反作用于各影响因素。结合前文结构方程实证研究结果与基本模型，形成SCFCR系统因果回路图（图3）。

（三） SD流图与方程构建

SD流图是以形象的符号系统分别表示状态变量、速率变量、辅助变量和常量，更为直观反映系统要素之间的相互关系。其中，状态变量反映系统动态演进中的累积效应，速率变量反映状态变量的变化快慢，辅助变量表示其他变量之间的中间转换过程，常量是给定时期内相对不变的量。为对SCFCR演进机理进行仿真分析，利用以上流图变量构建SD模型（如图4所示）。研究中既涉及定性变量也涉及定量变量，因此需要在不改变其逻辑关系前提下进行无量纲化处理。

四、 SD模型仿真与结果分析

（一） 仿真环境与主要参数

采用系统动力学vensim6.4仿真软件对建立的SCFCR系统进行仿真和分析。选取BS银行以A公司为核心企业的供应链金融基本情况为系统初始设置参考，因供应链金融主要针对中小企业短期融资问题，因此设定模型运行期间为36个月，仿真步长为1。

SD模型中的参数，通过结构方程模型所获得的系数，结果如表6所示。

（二） 模型检验

1.极端条件检验。在检查实际运行系统与因果关系图、流图一致性，以及系统边界合理性的基础上，通过设定系统运行极端条件（各因素变量初值为0，且效率值为0）进行仿真，结果显示供应链金融信用风险值在0附近波动，说明在系统边界内因素不发生作用情形下，因受系统外部因素影响，在一定程度上供应链金融信用风险仍然存在。这符合实际情况（如图5所示）。

2.拟合检验。选取研究系统状态变量信贷余额，比较模型运行结果与实际历史数据拟合效果，验证模型有效性，2015-2018年期间BS银行供应链金融业务中核心企业A公司创新产品实际值与仿真值如图6所示，其误差率绝对值在0-5%之间，因此模型运行结果与实际数据拟合度好，适合对供应链金融信用风险演进展开仿真研究。

（三） 供应链金融信用风险演进仿真

1.协同管控、企业信用风险与SCFCR演进仿真

以各变量水平为纵坐标、时间为横坐标，仿真其演进关系如图7所示。结果显示，供应链金融信用风险水平（a0）与核心企业信用风险（a1）、融资企业信用风险（a2）呈同趋势变化，而与供应链关系（a6）和银行信用风险管控（a4）呈反向变化趋势，根据前文实证研究及模型构建逻辑，表明在SCFCR演进过程中，核心企业信用风险与融资企业信用风险对SCFCR起到正向促进作用，而融资企业与核心企业的良好供应链关系有助于减缓来自融资企业的信用风险影响，同時银行信用风险管控反过来通过间接传导作用使SCFCR得到缓释。

2.SCFCR协同管控与企业管理演进仿真

仿真SCFCR演进过程中银行信用风险管控与企业管理变化情况如图8所示。从仿真结果看，银行信用风险管控变量与核心企业管理基础和产品优势、融资企业基础素质和营运能力变量呈同趋势变化关系，其中，融资企业营运能力变量的同趋势变化特征尤为显著。根据模型构建过程中的因果关系分析与流图构建过程，这一仿真结果表明，金融机构根据SCFCR状况相机采取的风险管控措施，将对核心企业管理基础产生正向影响，进而促使其产品竞争力提升;同时，也促进融资企业基础素质提高，并进一步使其运营能力不断增强。

3.环境风险应对与融资信用风险演进仿真

根据前文分析，在SCFCR管控过程中，引入风险中介服务是应对环境风险的重要措施。因此，对风险中介服务余额与供应链金融融资余额、融资企业偿债能力变化情况进行仿真，如图9和图10所示。仿真结果显示，伴随着风险中介服务余额的增长，供应链金融融资资产呈现同趋势增长态势，同时融资企业偿债能力也呈现出不断增强的趋势。根据前文实证分析与系统动力学模型构建过程，金融机构出于应对外部风险因素的需要，其信用风险管控行为将促使风险中介服务的引入，进而促进供应链融资余额持续增长;同时，对改善融资企业偿债能力作用明显。

4.供应链关系与SCFCR演进仿真

对供应链关系与SCFCR、企业信用风险的变化情况进行仿真（如图11所示），结果显示，伴随着供应链关系质量逐渐提高，来自企业主体的信用风险及整体SCFCR都呈下降趋势，SCFCR的下降趋势最为明显。基于前文实证结果与系统动力学模型构建过程分析，供应链关系的加强对核心企业、融资企业信用风险以及SCFCR具有改善作用，但SCFCR相对改善程度更为明显，在其他条件相同的情况下，可能是供应链关系得以改善的过程中，系统内部核心企业信用风险与融资企业信用风险同时降低时产生耦合效应的结果。

5.信息技术应用与SCFCR演进仿真

对信息技术应用与SCFCR、企业信用风险以及供应链关系之间的变化情况仿真（如图12），结果显示，伴随信息技术应用水平的不断提升，企业及整体SCFCR呈下降趋势，供应链关系质量在后期的增长趋势较为明显。基于前文实证结果与系统动力学模型构建过程分析，信息技术应用水平提升，对核心企业、融资企业信用风险以及SCFCR具有改善作用，减缓SCFCR作用随时间推移的积累效应更为明显;同时表明信息技术在供应链金融系统内部及其信用风险协同管理过程中逐渐发挥出明显作用。

五、结论与启示

本文以供应链金融信用风险系统为研究对象，分析了供应链金融信用风险系统演进的影响因素，通过构建结构方程模型和系统动力学模型，揭示供应链金融信用风险的演进机制，并得出以下结论：（1）核心企业信用风险、融资企业信用风险、外部环境风险是供应链金融信用风险形成的源头，以上风险（信用风险）越大，供应链金融信用风险越大;（2）风险中介服务是应对来自外部自然环境及经济环境、政治环境变化所引发不确定性的重要措施，风险中介服务的增长，有效降低了融资企业信用风险，从而减缓了供应链金融信用风险;供应链金融信用风险过高，将迫使银行（金融机构）加强信用风险管控，并在客观上促进企业管理提升以及风险中介服务增加，反过来有助于降低供应链金融信用风险;（3）供应链关系是联系、调节融资企业与核心企业的纽带，同时受到外部环境风险的影响，供应链关系质量越高，对供应链金融信用风险的缓释作用越明显;（4）融资资产风险属性对信用风险产生最直接影响，融资资产价值能否覆盖相关融资额，将直接影响融资企业的信用风险，最终对核心企业乃至供应链金融信用风险产生影响;（5）信息技术应用贯穿于供应链金融信用管理过程之中，对改善供应链金融信息对称性、提升供应链金融主体的管理基础、提高供应链金融信用风险管控效率与效果起到关键作用，信息技术应用基础越好，供应链金融信用风险就越低。

上述研究结论表明，降低供应链金融信用风险的根本途径是要消除或管控好其产生的源头。在此过程中，利用好供应链关系、风险中介服务、信息技术因素等中间要素的作用，有利于从系统协同层面更好地实现供应链金融信用风险管理目标。基于此，在供应链金融信用风险管理层面，得出如下启示：

（1）构建银企共管的供应链金融信用风险管理协同治理机制，提升整体管理效果。金融机构要从风险战略管理层面，深刻认识到供应链金融信用风险系统性演进机理，识别出其信用风险产生的源头、相互关系及其传导路径，并形成融资服务方、核心企业、融资企业及第三方服务商等利益相关方共同参与的供应链金融信用风险协同治理机制，可以有效提高供应链金融风险管理的效率。

（2）抓好以企业信用风险为核心的源头治理，从根本上管控信用风险产生。从信用风险源头治理的视角看，注重提升供应链金融信用风险关键主体——核心企业与融资企业的综合实力与管理水平，夯实信用风险管理基础，改善其经营能力、提升其偿债能力，是降低供应链金融信用风险的根本。

（3）加强与第三方风险中介服务商的合作，积极应对外在环境风险的影响。根据供应链金融不同环节、不同模式下的融资情况，客观识别外部环境可能誘发的具体信用风险，积极引入风险评估、风险转移及风险处置等相关中介服务，防止信用风险扩大化，以最大程度地降低外部环境因素的信用风险事件损失后果。

（4）加强供应链关系质量管理，通过降低供应链金融信用风险事件发生概率和处置损失来缓释、控制信用风险后果。因为高质量的供应链关系，可以有效降低供应链金融信用风险事件发生概率和处置损失。因此，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基础信息，更要深入了解和把握供应链关系质量，以便更有效地控制、缓释供应链金融信用风险。

（5）利用好信息技术这一关键要素，提升信用风险管理效率。信息技术是贯穿供应链金融信用风险管理过程的关键要素，银行在统筹开发供应链金融企业征信系统的基础上，应重视借助核心企业与融资企业交易关系构建供应链金融信用风险协同管理平台，增进各方信用信息的对称性，提升对信用风险动态监测与协同管控的能力。

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] 新华社.供应链金融促活产业链，建行多举措助力企业复工复产[EB/OL].（2020-03-02）[2020-04-04]. http：//www.xinhuanet.com/politics.

[3] 胡鞍钢， 王蔚， 周绍杰， 等.中国开创“新经济”——从缩小“数字鸿沟”到收获“数字红利”[J].国家行政学院学报， 2016（3）：4-13，2.

[4] 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.

[5] 卫郭敏.系统科学对内外因作用机制的诠释[J].系统科学学报，2019（1）：41-44.

（责任编辑：周正）