供应链金融信用风险文献综述

刘思贤

摘 要

供应链金融自提出以来就受到社会各界的广泛关注，而信用风险在风险管理乃至金融管理中都有着至关重要的作用。因此，对供应链金融信用风险的了解与掌握是学习供应链金融的重要一步。故本文从供应链金融信用风险的识别与评价、度量、控制三方面对供应链金融信用风险的相关文献做出了梳理与总结，提出现有研究存在的不足之处，并对如何管控风险提出对策建议。

关键词：供应链金融，信用风险，文献综述

abstract

Supply chain finance has been widely concerned since it was put forward， and credit risk plays a vital role in risk management and even financial management. Therefore， understanding and mastering the credit risk of supply chain is an important step in learning supply chain finance. Therefore， this paper starts from three aspects including the identification and evaluation， measurement and control of the credit risk of supply chain to sort out and summarize the relevant literature on the credit risk of supply chain， and puts forward the shortcomings of existing research and countermeasures and suggestions on how to control risks.

Key words： supply chain financial 、credit risk 、literature review

一、引言

改革开放以来，我国中小企业发展势头迅猛，在数量上，其占到全国企业总量的 99% ;在贡献上，其解决了80%的社会劳动人口的就业问题;在经济上可以分散风险，体制上可以深化改革，并且在完善市场体系和竞争机制方面也发挥着积极作用，可见其在我国经济社会中扮演着十分重要的角色。但中小企业在发展过程中也面临着严峻的问题：融资难。仅从银行信贷比这一数据来看，其占比极低，仅为活动资本的12%。由于处于传统供应链条上的中小企业融资难、融资贵的问题难以解决，所以供应链金融随之产生，为解决其融资问题提出了新的思路与方法。

供应链金融作为一种新兴模式，社会各界积极响应，而其也不负众望，成绩显著。国家政策方面，自十九大政府提出“应对供应链金融给予高度重视”以来，政府相继出台了一系列文件， 例如：2018 年商务部等八部委发布的《关于开展供应链创新与应用试点的通知》等，都表现出对供应链金融的高度支持。学术界方面，众多学者研究了涉及供应链金融的多个方面：供应链金融的模式、风险、业务、管理等，已有相关文献将近5000多篇，为其发展提供理论支撑。市场规模方面，截止2019年三月，中国已经形成了13万亿市场规模。

在供应链金融中，中小企业进行融资时，银行不仅只关注其企业本身，而且要参考其核心企业及供应链情况，最终做出是否贷款决定。因此，相较于传统的银行信贷融资活动，此模式下，中小企业的融资效率能有效提高，但由于出现新的考察对象，对风险问题又有了新的考量：考察对象的增加意味着风险的增加，而风险的增加则意味着的信用风险的增加。因此对于供应链金融中信用风险的研究就显得非常必要。为使初学者对供应链金融信用风险有初步了解，本文主要在供应链金融信用风险评价，度量，控制三方面展开论述，并在结尾部分针对现有研究提出其存在的不足之处，并给出一定建议。

（一）供应链金融的定义

学术界普遍认为，供应链金融是一种新形式的融资模式。冯瑶（2008）认为供应链金融应既能提升中小企业信用等级，又能降低银行信贷风险。商业银行在供应链管理中，把企业放在供应链的某一环节，来考虑其不同的资金需求。Tower Group認为供应链金融可根据供应链环节上的商业交易，以此设计出各种融资和服务产品，从而可以解决供应商短期融资问题，使供应商资金链情况得到改善。牟伟明（2018）认为供应链金融作为创新性的融资模式，为核心企业和上下游中小企业提供金融产品和服务。Alyon 认为供应链金融在对供应链条上企业进行整合过程中，不只是对资金的整合，而且还包括信用、信息及商品材料。Michael提出供应链金融是对链条上资金可获得性及资本运营成本的管理。

综上所述，供应链金融是提供全面金融服务的新型融资模式。参与主体：金融机构，中小企业，核心企业，物流企业，监管部门;特征：信用加成，风险分散;目的：缓解中小企业融资难，使供应链金融为实体经济服务。途径：提升中小企业的信用等级。

（二）供应链金融信用风险研究现状

本文对于供应链金融相关资料的搜集主要在中国知网进行。首先通过关键词“供应链金融”进行初步搜索，出现2646个目标，接着在结果中检索“信用风险”，出现二百多个目标，去除学位论文、新闻、杂志等类型的文章，仅留期刊类型文献126篇，最终手动选择属于核心期刊并与本文写作相关的65篇文献进行参考。

在文献整理过程中发现：从学术界来看国内学者对于供应链金融的研究始于2006年，2009-2014年发文量快速增长，在2015年之后，年发文量较多，但增速减缓。可以看出，供应链金融在当前仍属于热门话题。而针对供应链金融出现次数较多的关键词有：供应链金融，信用风险，中小企业，logistics模型，风险管理。故从重要关键词来看，经统计信用风险出现的频率占到39%，可见信用风险问题是当前学者在供应链金融研究中的重点内容。故本文的主要工作是对供应链金融信用风险的相关研究进行归纳整理。

二、供应链金融信用风险研究

（一）供应链金融信用风险评价与识别

供应链金融的信用风险的产生是由多种因素共同造成的，主要有环境因素与企业因素两大方面。其中环境因素主要是宏观经济环境、自然环境、政策环境与供应链环境，企业因素主要是中小融资企业与核心企业。另外监管部门的监管有效性也是产生信用风险的主要原因。李健（2019）针对供应鏈金融信用风险的产生提出两条传导机制：一条是：宏观环境→供应链→个体企业;另一条是：融资企业不良行为→核心企业违约率增加→不利于产业发展→宏观环境受影响。

关于信用风险评价指标体系的构建，学者大多采用定性的方法来做。褚雪俭等（2017）基于运力供应链信用风险，使评价体系由静态转为动态，建立了结合资产端，交易端和监管端三方面的评估。夏立明等（2011）在信用风险评价指标中加入非财务指标，克服了传统指标选取笼统性的缺点，增加了对融资企业未来、管理者的风险指标。刘远亮，高书丽（2013）通过对传统供应链的静态分析与供应链金融的动态分析的对比，得出信用风险的指标评价体系应为五个方面：行业，融资企业自身、融资项下资产，核心企业以及供应链关系。熊莉（2019）构建四个方面评级指标体系：申请人资质，交易对手资质，融资项资产情况，供应链运营状况。

在对信用风险评价指标进行筛选时，因子分析法与主成分法被较多的使用。例如侯博等（2016）、熊熊等（2009）等。田美玉，何文玉（2016）用专家打分、相关性分析法和鉴别性分析法。徐洪峰，朱玥（2018）利用层次分析法和多层次灰色综合评价法来评价信用风险。为使评价体系的建立更为客观，李健（2019）根据指标的特性，分别使用随机森林特征筛选方法、盲数理论变量筛选法对评价指标进行筛选。下文对评价指标筛选方法的一些特点及优势做出总结。见表2-1：

（二）供应链金融信用风险度量

当金融机构面对企业的融资要求时，需要对其及相关方的信用进行考察，这时就需要对信用风险进行度量。学者多采用定量研究的方法。其中，运用较多的方法是Logistic模型，用到此模型的有杨军，房姿含（2017）、胡波等（2017）、刘远亮，高书丽（2013）、侯博（2016）、逯雨铎，金艳玲（2016）、熊熊等（2009）。他们均是结合主成分分析法或因子分析法得出信用风险的评价指标，然后建立Logistic风险评价模型，最后对其结果进行检验，都可以证明在供应链金融模式下，中小企业的信用违约风险将下降。其中付博把企业分为三种情况：资信状况较好、资信状况较差、综合情况，分别对其进行模型准确率判别，指出所建立的模型对资信状况好的企业的判别率更高。逯雨铎，金艳玲是运用Lasso-Logistic模型对汽车行业进行信用风险评价，行业针对性较强，且其模型的检验结果较低，仅为79.5%。熊熊等则通过传统模式与供应链金融模式下的守约概率的对比分析，得出供应链金融模式下的守约概率较高。

刘艳春，崔永生（2016）应用探索性因子分析和SEM结构方程，说明在此模式下可建立供应链下的中小企业信用风险评价模型，并用灰色综合评价方法对企业信用风险进行评价，得出公司间的信用排名情况。徐勇戈，李冉（2018）利用房地产行业的财务数据，结合Lasso模型的指标筛选法，分别用Logistic和SVM模型进行信用风险的测度与检验，得出SVM模型要优于Logistic模型。

为克服多层次灰色综合模型和主成分分析法的缺点，在信用风险的度量中用到人工智能。胡海青等（2012）分别用支持向量机（SVM）与BP神经网络算法建立评估模型，并对其实证检验结果进行对比分析，得出在小样本下，SVM模型更具有效性和优越性。周茜等（2019）基于免疫理论，依据189家小微企业的数据，利用Rought和GA-DEMATEL计算出风险指标的权重，并利用Logistic模型进行检验，得出了各风险因素的重要程度并建立利益主体的风险管控模型。田美玉，何文玉（2016）运用到的信用评价模型是熵值法，并对其进行了结果检验，证明该模型的准确率达到89.33%，可较大程度的帮助银行做出贷款决策。褚雪俭（2017）运用熵权-TOPSIS模型对信用风险进行了综合评价，提出该模型对金融机构实现最优贷款组合有实质性的帮助。赵亚星，王春红（2017）在建筑业中用随机森林算法评价风险，说明在此行业中，该方法具有可行性。李健，张金林（2019）以Logistic模型为基础，构建POS-SVM信用风险预警模型，并通过与其他主流模型的对比，证明此模型在结果预测和准确性方面都优于其他模型，并建议在实际中应用推广。

进入互联网+时代，面对大数据和移动互联的双重冲击，对信用风险测度提出了更高的要求。叶晓枫，鲁亚会（2017）建立了基于随机森林融合朴素贝叶斯的信用评估模型，运用German数据集进行实证研究，其结果表明该模型的预测准确性更高。戴昕琦（2018）选取汽车行业的数据，分别建立三种模型对其信用风险进行评估： SMOTE-RF模型、C-SMOTE-RT 模型与 Logistic 模型，结果表明C-SMOTE-RT预测效果更加准确。

（三）供应链金融信用风险控制

关于供应链金融信用风险的控制，总结学者表述，主要从四方面来进行阐述。一是企业自身加强风险抵御能力。借助金融衍生品工具，信贷保险等进行风险转移与风险分散;加强技术创新，建立企业间信息传递平台、以国家政策为导向。二是严格风险考核机制。在主体准入上严格金融运营机构、金融服务机构的准入，建立合理的信用额度，风险预警机制，完善监管职能。其中刘秀莉（2014）提出在风险考核中坚持全面性、科学性、层次性、可操作性、合法性的原则。三是加强对新技术的应运。刘思璐，李华民（2019）提出将区块链技术融入供应链征信系统中，形成“区块链+监管”的格局，实现穿透性监管和精准性服务，从而合理有效的控制信用风险。

三、结论与建议

通过上文的总结，可以看出，目前对于供应链金融信用风险的研究大都在于计量模型的分析上，并根据实证结论简要提出一些针对性的风险控制措施。但认为研究中仍存在不足之处，故在下文提出，并在信用风险管控方面提出自己的建议。

（一）不足之处

第一，目前对于供应链信用风险的研究大都采取定性与定量的研究方法，但定量的研究较少，且缺乏统一的适用性较强的方法，重復研究较多，有些学者的研究时效性较弱。第二，在进行供应链金融信用风险评价时，很多学者研究仍是侧重于中小企业本身，而非基于供应链金融整体来考虑，导致评价体系中的因素不全面，使学术研究落后于业界实践。第三，对于指标体系的选取，缺乏全面的、科学的方法，而此可能会对指标的可获得性与真实性产生影响，并且指标的评价较为模糊，根据心理因素划分评价等级和信用等级，模糊了准确性，以致影响结果的科学性。第四，未能根据各行业的特殊性，综合各因素的考虑，建立具有行业特色的信用风险评估模型。第五，选取的指标大都适用于定性研究，而从定性研究过渡到定量研究，将是未来的研究重点。

（二）对策建议

1.建立供应链金融数据库。数据库的建立应从三方面来建设：金融机构，中小企业，监管部门。金融机构主要负责信用资料的收集，整理，分析，给出客观性的意见，推进信用档案的建设，为权威平台建设，为行业的发展提供保障;中小企业应致力于基础信息的建设，尽可能做到数据公开，以便于数据整理存储与共享工作的顺利进行，为供应链金融信用体系的建设与评价体系的不断检验做好基础服务;监管部门应把我全局，在供应链金融信用风险的管控中做好应尽的职责。总之，对于数据库的建设要实现电子化，大数据化，模型化。

2.完善相应体制机制。包括准入机制，预警机制，失信惩戒机制，激励机制。其中预警机制非是金融机构独有，企业也应建立;制定行业规范，对于失信企业建立惩处机制，对于业绩优良企业给予奖励。

3.提高核心主体相关能力。企业应提高风险抵御能力，从根源上杜绝信用风险的产生;银行应对企业间的贸易往来加强核实，对融资企业进行定期抽查，在过程中减少信用风险的发生。

参考文献

[1]冯瑶.供应链金融：实现多方共赢的金融创新服务[J].新金融，2008（02）：60-63.

[2]牟伟明.供应链金融信用风险评价[J].财会月刊，2018（05）：163-169.

[3]李健，张金林.供应链金融的信用风险识别及预警模型研究[J].经济管理，2019，41（08）：178-196.

[4]储雪俭，李聘飞.供应链金融信用风险扩散防控机制研究[J]金融发展研究，2017（02）：63-67

[5]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，2011，16（10）：73-79.

[6]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（01）：45-49.

[7]熊莉.供应链金融信用风险评价体系构建研究[J].财会学习，2019（26）：202+204.

[8]侯博，刘思聪，庄新田.基于供应链金融创新业务的银行信用风险评价[J].财会通讯，2016（20）：85-88.

[9]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（4）：92-98+106.

[10]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（06）：154-160.

[11]徐宏峰，朱玥.供应链金融信用风险灰色层次法评价研究[J].会计之友，2018（07）：31-34

[12]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（09）：95-104.

[13]胡波，姚新宇，樊清华.供应链金融下P2P平台为中小企业提供融资的风险研究[J].首都经济贸易大学学报，2017，19（03）：29-39.

[14]逯宇铎，金艳玲.基于Lasso-logistic模型的供应链金融信用风险实证研究[J].管理现代化，2016，36（02）：98-100.

[15]刘艳春，崔永生.供应链金融下中小企业信用风险评价——基于SEM和灰色关联度模型[J].技术经济与管理研究，2016（12）：14-19.

[16]徐勇戈，李冉.供应链金融视角下的房地产企业信用风险[J].财会月刊，2018（08）：164-169.

[17]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[J].管理评论，2012，24（11）：70-80.

[18]周茜，谢雪梅，张哲.供应链金融下科技型小微企业信用风险测度与管控分析——基于免疫理论[J].企业经济，2019（08）：146-154.

[19]赵亚星，王红春.随机森林算法在建筑供应链风险评价中的应用[J].物流技术，2017，36（8）：136-139+143.

[20]叶晓枫，鲁亚会.基于随机森林融合朴素贝叶斯的信用评估模型[J].数学的实践与认识，2017，47（2）：68-73.

[21]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.

[22]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（07）：32-33.

[23]刘思璐，李华民.嵌入区块链技术的供应链金融征信系统优化[J].征信，2019，37（08）：16-20.

[24]顾振伟.基于银行视角的供应链金融风险分析[J].商业时代，2012（25）：69-70.

[25]李慧敏.供应链金融信用风险研究综述[J].甘肃金融，2017（05）：36-39.

[26]牟伟明.基于核心企业视角的供应链金融及其信用风险评价[J].财会通讯，2016（35）： 92-96.

[27]汪小华.农业供应链金融信用风险的评价及控制研究[J].农业经济，2015（12）：110-111.