基于改进KMV模型农产品供应链金融信用风险研究

蒋林伶， 李碧珍,2

(1.福建师范大学经济学院，福建 福州 350108； 2.福建师范大学协和学院，福建 福州 350108)

农产品企业发展是促进中国实体经济发展的重点之一，但由于其经济规模相对较小，经营管理水平较低，金融信用不高，抵押品种较少，能够从正规金融机构获得的贷款有限。再加上农业自身的风险性以及低效益性等特征很难满足银行资金的趋利性,农产品企业在融资过程中困难重重。农产品供应链金融是商业银行将农业核心企业与上下游企业联系起来，通过应收账款质押融资、应收账款保理融资、保兑仓融资、存货质押融资以及预付账款融资等模式来提供可灵活运用的金融产品和服务的一种新兴融资模式。这种模式能够在很大程度上缓解农产品供应链企业的融资难，有助于我国农产品产销平衡，流通渠道畅通。农产品供应链金融在我国尚处于起步阶段。但农业本身不可控因素较多，有的来源于自然环境，也有的来源于社会环境，增大了农产品供应链金融的信用风险。本文以农产品供应链金融为对象，选择供应链节点的农业上市公司作为研究对象，利用KMV模型对各类型企业在宏观环境发生变化下的信用风险进行量化研究，并根据违约距离及风险概率提出针对性的解决策略。

一、文献综述

较欧美等西方国家而言，我国研究供应链金融的时间较晚。2005年，供应链金融概念在我国正式提出。深圳发展银行在次年便推出供应链金融品牌。此后，供应链金融所产生的巨大能量吸引了许多银行的加入。国内的学者最初是以物流金融和商业银行的业务活动为切入点对供应链金融展开研究的。李碧珍对我国农产品物流的发展历史进行描写，研究我国当前农产品物流的现状，并对缺乏金融供给的相关问题进行了详细的分析[1]。张璟等认为物流金融的流程简单且服务对象单一，与供应链金融相较，二者的运作模式存在许多的差异[2]。杨绍辉认为，在商业银行业务活动方面，通过供应链金融的相关服务，商业银行能为供应链的融资企业进行合理的资金流分配，并对供应链金融的应收账款模式和存货融资模式进行介绍[3]。李巍认为，农产品供应链需要靠金融扶持，这才是解决困境的唯一办法[4]。胡天石认为，将供应链金融服务运用于农产品的交易市场，更能促进农产品供应链上游企业、下游企业之间建立战略关系，这样不仅有助于企业自身的发展，解决信息不对称等问题，还能增强供应链的竞争力[5]。邹建国认为，农业供应链金融的信用考察是整合供应链上的农业融资企业与核心企业，并将其视为一个整体来进行信用衡量，该种服务改变了对农业企业贷款的传统信用考察方式，不仅能提高企业的信用、缓解融资约束，还能解决信息不对称问题[6]。

KMV模型是国外经典的信用风险模型。传统的KMV模型能更好地应用于国外的资本市场，但我国的资本市场情况与国外存在较大的差异，因此需对传统模型进行修正。蒋正权等认为，使用GARCH模型对股权价值波动率的计算比传统KMV模型中的方法更适合应用于我国[7]。史小坤等修正了原有KMV模型的资产价值增长率、股权价值波动率以及违约点，并对沪、深的多家上市公司进行实证分析，衡量其信用风险[8]。

综上所述,现有文献从运营模式等方面进行分析，证实了农产品和供应链的结合对农产品企业融资有很大的帮助。得益于国内学者和国外学者的研究，KMV模型的改进已逐渐走向成熟，并得到广泛的应用。但利用KMV模型对我国农产品供应链中各节点类型的上市公司的信用风险进行评估的研究仍在少数。本文选取2018年11月1日至2020年10月31日4种类型的12家上市公司的股票价格数据,将KMV模型进行修正后，最终算出各个企业的违约距离，并将不同类型企业的违约距离进行比较，得出相对信用风险大小。

二、供应链金融及其信用风险

传统的供应链金融是指以供应链为基础，企业为链条各节点，围绕核心企业，将下游企业、上游企业与核心企业相结合，由金融机构向该供应链上的企业提供金融服务的一种融资方式。

(一)供应链金融的模式

供应链金融主要包括3种业务模式，分别是预付账款融资、存货融资和应收账款融资。

1.预付账款融资。预付账款是指下游企业在未收到货物时便向上游企业支付的款项。在下游企业需要采购货物时，一些处于上游地位的核心企业有时会要求下游企业事先支付部分或全部货款后再发货，这就容易造成下游企业在短期内资金紧缺。此时，预付账款融资方式能为商家有效解决采购资金的缺口问题：以下游企业与上游核心企业签订的商务合同为基础，通过协议约定，由金融机构为下游企业提供预付账款融资，若下游企业不能按照合同约定如数购买，则上游核心企业需要将剩下的货物回购。在这种融资方式下，上游核心企业需要将货物发至金融机构指定的物流公司保管。

2.存货融资。当企业的商品库存太多，导致企业的资金周转困难时，存货融资方式能够帮助企业获得资金。在这种融资方式下，企业需要先将存货交给金融机构指定的物流公司进行评估和管理，然后金融机构根据物流公司的存货评估报告及整个供应链的信用情况对融资企业的贷款进行考核。另外，金融机构还会要求与供应链中的核心企业签署协议，约定当融资企业不能还款或还款困难时，核心企业要对存货进行回购，这样便能降低金融机构的风险。

3.应收账款融资。应收账款是指上游企业已将货物发给下游企业，但下游企业还未向上游企业支付的款项。应收账款融资是指当上游企业需要资金时，可将与下游核心企业之间的应收账款作为抵押，向金融机构寻求贷款，并将与下游核心企业的应收账款作为还款的主要来源。

(二)供应链金融信用风险来源

1.融资主体。融资主体的信用风险从始至终都是金融机构贷款面临的最根本的风险。在供应链金融模式下，虽以核心企业为融资主体在资金获取环节能增强信用，但这不代表融资主体的信用风险也同步降低，因而有必要对企业的业务能力、管理人诚信、财务状况以及不利于企业的外部事件(如重大诉讼等)进行考察和评估。

2.核心企业。供应链金融的本质是核心企业为上下游企业提供增信作用，从而降低中小企业的融资门槛。因此，供应链实质是“信用链”，核心企业必须有充足的能力和资格为上下游企业提供担保。倘若核心企业由于经营不善，或在行业中的地位向不利的方向变化，则该条“信用链”将变得脆弱，甚至断裂。一旦融资企业不能偿还贷款，在供应链金融模式下，核心企业将负有对货物进行回购的承诺，并承担连带责任。如果核心企业的状况也恶化，金融机构便面临贷款无法收回的风险。此外，实践中还存在融资主体与核心企业串通，欺骗金融机构，伪造合同和金额，骗取金融机构贷款的情况，这也是金融机构面临的一大风险。

3.宏观环境变化。由于市场整体下行，各行各业的运行状况都变得不如人意，甚至部分中小企业因资金周转问题而破产。再加上2020年新冠肺炎疫情的冲击，更多中小企业因运营不佳而破产。在当前环境下，供应链的整体运行和交易不仅会遭到破坏，并且会使银行面临巨大的信用风险甚至损失。

4.价格波动。价格风险是指质押、抵押在金融机构的资产价格下降，使得抵押物的价值不能覆盖贷款敞口的风险。在供应链金融中，金融机构收回贷款的最后防线便是质押、抵押的存货等资产。存货等资产价格下跌，会导致金融机构的敞口相对增加，银行等金融机构将会面临资不抵债的风险。

5.监管问题。在对货物等资产进行监管时，由金融机构指定第三方物流公司提供服务。第三方物流公司向金融机构提供虚假评估报告及信息，抑或是评估方法不专业造成评估价值或品质不合理，会增大金融机构的风险敞口。此外，由于第三方物流公司的疏忽而造成资产丢失，或第三方物流公司与融资企业串通，欺骗金融机构，也会将金融机构置于极大的风险中。

为了更好地量化信用风险，本文选取KMV模型对风险进行实证分析。

三、修正KMV模型介绍

由于我国国情和金融市场环境不同于国外，直接照搬国外经典KMV模型很难反映出我国真实的情况和效果，无法准确估算企业的违约概率。本文通过修正KMV模型来提高该模型的适应性，并对农产品供应链中的企业信用风险进行衡量。

(一)改进股权价值波动率

KMV模型建立在BSM模型基础之上。KMV模型将负债、资产和权益渗入BSM模型中，如股东将手中拥有的权益当作拥有看涨期权，企业的资产则当作看涨期权的标的资产，期权的行权价便是该公司的全部负债。若企业的全部负债比资产的市场价格低，则有利可图，公司不会发生违约；若企业的全部负债比资产市场价格高，企业就会发生亏损，可能导致违约。本文在修正的KMV模型的基础上，选取GARCH(1，1)模型来预测企业股权价值波动率，并通过算式量化企业的违约距离。具体公式如下：

E=VN(d1)-De-rTN(d2)

(1)

(2)

公式(1)和(2)中，E代表股权价值，V代表资产的市场价值，D代表全部负债的账面价值，r代表无风险利率，T是期限，N是累计概率函数，σA代表资产波动率。由公式(1)和(2)可得：

(3)

其中，σE代表股权波动率。而GARCH(1，1)模型的表达式为：

(4)

其中，α代表的是收益系数，β为滞后系数，c为常数项。α+β<1，c不为0。

(二)改进违约点P

KMV模型提出违约点的原设定表达式为：

P=S+0.5L

(5)

其中，P代表违约点，S代表流动负债，L代表非流动负债。本文除了借鉴国外的研究经验，还参考了本国学者对违约点修正的实证研究结果，最终表明，当流动负债和非流动负债的系数分别为1和0.75的时候，能够给量化结果带来更好的效果。经修正后的公式为：

P=S+0.75L

(6)

四、实证分析

(一)企业介绍

如前所述，供应链金融包含核心企业、上下游企业，以及为整个供应链金融提供仓储物流服务的物流公司，因此，本文根据股票市场(同花顺金融终端)里的分类来选取龙头企业，再对所选取企业的股票数据进行GARCH模型检验，能够通过检验的则作为样本企业，进行KMV模型建模。最终，选取了12家通过检验的企业，具体如下：

1.供应商类企业。(1)农发种业。中国农发集团是国务院国资委直接管理的唯一一家大型综合性农业类中央企业，业务涵盖农、牧、渔业，拥有全资及控股子公司17家，包括农发种业、中牧股份、中水渔业3家上市公司，在世界40多个国家建有分支机构或海外基地、海外农场，业务遍及全国及世界80多个国家和地区。(2)神农科技。海南神农科技股份有限公司是一家以杂交水稻种子的选育、制种、销售和技术服务为主的公司,主要产品为农作物种子,包括杂交水稻种子、玉米种子、蔬菜瓜果种子、棉花种子等。公司是国内少数具有“育、繁、推”一体化经营能力的杂交水稻企业之一，是农业产业化国家重点龙头企业，并设立了博士后科研工作站，在业内具有良好声誉和较高地位。(3)隆平高科。袁隆平农业高科技股份有限公司主要从事农作物高科技种子及种苗的研发、繁育、推广及服务。公司主要产品包括杂交水稻种子、玉米种子、蔬菜瓜果种子、小麦种子等,其中水稻种子、玉米种子、蔬菜种子为公司核心业务板块。公司被认定为农业产业化国家重点龙头企业、中国种业信用明星企业等,公司的隆平高科、湘研商标被认定为中国驰名商标。

2.核心加工类企业。(1)中粮科技。中粮生物科技股份有限公司的主营业务是玉米深加工，拥有的资产超过180亿元，是目前中国最具规模且技术先进的玉米深加工企业之一。该企业以具有“黄金玉米带”之称的东北地区生产的玉米为深加工的主要原料，具有700万 t玉米加工能力，主要产品为淀粉、果糖等。(2)中粮糖业。在国内甘蔗、甜菜制糖领域，中粮糖业是服务“三农”、提升国内糖业种植及加工能力的积极力量。在进口及港口炼糖环节，中粮糖业作为国家食糖进口的主渠道，年自营及代理进口量约占中国进口总量的50%，拥有每年150万 t的港口炼糖厂，是衔接海外资源与国内市场的桥梁。(3)梅花生物。梅花生物科技集团股份有限公司的产品包括味精、鸡精、谷氨酸、淀粉、饲料蛋白、玉米胚芽、生物肥料、硫酸、液氨，以及谷氨酰胺、苏氨酸等10多种氨基酸产品，横跨基础化工、传统农业深加工、高端生物技术三大产业范畴。2019年12月16日，入选农业产业化国家重点龙头企业名单。

3.分销商类企业。(1)三江购物。三江购物俱乐部股份有限公司是一家连锁平价超市，也是国际独立零售商联盟成员，公司主要产品包括纺织、服装及日用品、化工产品、一类医疗器械、农产品和家用电器的批发等。在浙江省的连锁超市中，三江购物规模最大，是浙江省重点支持的大型连锁企业，也是中国排名前100位的连锁店之一。(2)兰州民百。兰州民百(集团)股份有限公司是成立于1992年4月的大型商贸企业集团，以百货零售业为主，是甘肃省唯一一家百货零售上市公司，也是零售企业贸易联合会成员。(3)翠微股份。北京翠微大厦股份有限公司是以百货零售业务(百货业务、租赁业务、超市业务)为主的北京市海淀区区属商业龙头企业，是目前海淀区首家发行上市的区属国有控股企业，连续多年销售额位居北京百货市场前列，是北京市著名商的大型商业企业。

4.仓储物流类企业。(1)顺丰控股。顺丰控股(集团)股份有限公司是一家主要经营国际、国内快递业务的港资快递企业，是目前中国速递行业中投递速度最快的快递公司之一。在持续强化速运业务的基础上，其围绕快递物流产业链，针对电商、食品、农产品、医药等不同类型客户提供一站式供应链解决方案。(2)中储股份。中储发展股份有限公司是一家主要经营商品储存、物资配送的公司，共占地641 hm2,其中物流货场面积245 hm2,库房面积118 hm2。公司拥有各类物流设备近1 000台套,业务涵盖期现货交割物流、大宗商品供应链、互联网+物流、金融物流等领域，资产规模达217亿元，净资产达106亿元，年均利润10亿元以上，是我国特大型仓储物流企业。(3)德邦股份。德邦物流股份有限公司是致力于仓储与供应链、跨境等多元业务的综合性物流供应商。2019年,公司快运业务收入107.46亿元,居行业前列。

(二)数据取样及处理

考虑新冠肺炎疫情对各类企业信用状况的影响，本文扩大时间范围，选取2018年11月1日至2020年10月31日各企业的股票收盘价的期限样本为研究对象。

1.股票收益率的确定。假设股票价格服从对数正态分布，那么股票收益率为：Re=lnPi-lnPi-1。其中，Re为股票收益率，Pi和Pi-1分别代表当天和前一天的股票日收盘价格(数据来源：同花顺)。

2.股权价值的确定。由于模型中还存在公司股权价值的计算，且我国股市不存在非流通股，因此设定：股权价值=后10日平均股价×总股本数。

3.无风险利率的确定。本文选取一年期的国债利率作为无风险利率，基于本文取样2年，因而取2年平均数作为无风险利率，算出r=2.49%。

(三)GARCH(1，1)模型的构建

在修正的KMV模型的基础上，本文通过GARCH(1，1)模型来量化股权价值日波动率，进而得出年波动率σE。

1.正态性检验。时间序列模型是基于具有正态分布特征的白噪声，所以利用EViews对股票数据作正态性检验，得到Jarque-Bera统计量。结果显示，12家企业的J-B统计结果均远高于显著性水平α= 5%的阈值，应当拒绝服从正态分布的原假设，因此都呈非正态分布。另外，因为12家企业的偏度均不为0，且峰度值都大于标准值3，所以可认定上述企业的时间序列都具有尖峰肥尾的特征。

2.平稳性检验。分析股票的时间序列需要以数据的稳定性为前提，因此使用ADF方法进行平稳性检验。结果显示，12家企业的P值均为0，小于显著性水平5%，因此拒绝存在单位根，时间序列为非平稳的原假设，得到企业的日收益率序列在5%显著度下是平稳的结论。

3.自相关性检验。自相关函数反映了时间序列变量内部的一种相互依赖的关系。因此，使用R语言，并利用Ljung-Box方法进行检验，得出各家企业的P值均大于显著度5%，不拒绝原假设，因而不存在自相关关系。

4.ARCH效应检验。建立GARCH(1,1)模型之前，需要检验数据是否具有ARCH效应。若数据存在ARCH效应，可以构建GARCH(1,1)模型；反之，则不能。本文使用EViews软件对各企业的数据进行检验，均满足ARCH效应的检验。

5.构建GARCH(1,1)模型。利用EViews软件来对该模型进行建模,结果如表1所示。

表1 GARCH(1，1)模型系数

从表1可知，c和α的P值都小于5%，且满足t检验，还满足α和β之和小于1的约束条件，最终可得股权价值日波动率为：

(7)

(8)

公式(8)中的n为交易天数。根据上述数据和公式，可得到企业的年波动率情况，具体如表2所示。

(四)计算企业违约点P、违约距离D和违约概率E

通过公式(6)计算企业违约点P，结果如表3所示。

利用R语言进行建模，可知D的计算公式为：

(9)

表2 年波动率

表3 企业违约点P计算结果

E的计算公式为：

E=N(-D)

(10)

公式(9)和(10)中,E(VA)代表的是预期资产价值,σA为资产波动率,N是累计概率函数。结果如表4所示。

表4 企业违约距离D和违约概率E计算结果

从表4可以看出，供应商类、核心加工类、分销商类和仓储物流类企业的平均违约概率分别为0.103、0.138、0.093和0.031。可见，相对的违约风险即信用风险从高到低排序为：核心加工类企业、供应商类企业、分销商类企业、仓储物流类企业。本次实证结果跟一般情况有一定的差别：核心加工类企业的信用风险比其他三类企业都要大，核心加工类企业自身之间的差距也较大；仓储物流类企业整个信用良好且稳定，供应商类企业和分销商类企业的信用差距也不大。在供应链金融中，上下游的中小企业本是借由核心企业的信用而获得融资的，其自身的信用风险本应大于核心企业的信用风险。产生以上情况最大的原因之一是受新冠肺炎疫情的影响，宏观环境发生变化，对企业产生了影响和冲击。

(五)实证结果分析

1.核心加工类企业的违约概率大于仓储物流类企业。可以看到，在核心加工类企业中违约概率最大的中粮糖业和在仓储物流类企业中违约概率最小的顺丰控股，两者的违约点数值在各自企业类别中都较为突出，甚至顺丰控股的数值比中粮糖业的更大。究其原因，很大程度上是因为行业所受新冠肺炎疫情冲击的程度不同。从GARCH(1,1)模型可以看出，顺丰控股的股权价值波动率波动较小，仍在稳中前行。物流行业是当下发展迅猛且有良好发展前景的行业，疫情发生前后，都离不开物流服务，尤其在疫情防控期间，更需要物流进行物资和药品等的输送。顺丰物流在业界具有较高的地位，其信用风险小，能强有力地抗衡宏观环境所带来的变化。而中粮糖业，由于农产品行业变动因素较多，波动性较大，信用风险非常突出，加上外部环境发生，其信用风险效应进一步放大。

2.核心企业信用风险大于上下游企业。上下游企业是通过核心企业的信用来获得融资的。为了交易能顺利进行，也为了自身良好信誉能维持，上下游企业往往比较保守，没有太多的负债。因而在新冠肺炎疫情来临时，其通常不会因为资金周转问题而发生违约，甚至倒闭。且供应链金融是为上下游企业提供的短期、小额贷款，只要上下游企业保守、稳定发展，则还款压力即使在疫情期间也不会太大。反观核心企业，虽然融资实力强大，但常常过度举债以扩展业务。一旦停工停产(因疫情原因)，就容易造成收入下降和现金流缩减，进而导致企业股票波动剧烈。且供应链金融是以核心企业的信用为抵押，在宏观环境发生变化时，极大部分的金融压力都会放置到核心企业身上，从而导致核心企业在模型中量化出的信用风险较大。

3.负债少的企业信用风险也比较小。同类型上下游企业间的信用风险差距不大，但在核心企业中，企业间的信用风险差距较大。如梅花生物的违约点数值介于中粮科技和中粮糖业之间，但从财务报表来看，梅花生物的偿债能力、现金流能力以及运营能力都比较稳定，因而通过GARCH(1,1)模型得出的股票波动率最小。可见，相较于其他两家企业，梅花生物风险小，整体表现良好。此外，神农科技在供应商类企业中股票波动率比其他两家高，但是负债非常小，负债差距较其他两家企业更宽，因此，从综合考虑，神农科技的信用风险也不高。

综上所述，股市的稳定性及负债情况对企业的信用状况影响很大。当新冠肺炎疫情发生，宏观环境发生变化时，投资者的情绪波动等对企业的股票稳定性有非常大的影响，而要使投资者情绪保持稳定，需要企业的各项能力如偿债能力、运营能力以及现金流都保持稳定。因此，建议企业采取保守发展策略，尽量降低自身负债，提高业务能力，保持良好信用，方可在宏观环境和市场发生变化时从容应对。

五、对策建议

在对信用风险进行量化评估以后，要加强对信用风险的管理，采取有效风控措施，将潜在风险控制在合理水平。

(一)供应链企业维度

企业应从以下几方面管理信用风险。

1.实施压力测试。核心企业在负债时，应进行压力测试，在特殊情况下还需考虑投资者情绪，在宏观环境发生变化时，努力降低负债，稳定市场情绪，避免出现较大波动，造成自身违约风险上升。上下游企业虽然不会承担较大负债，但也需要进行情景分析，评判自身的现金流能否偿还负债，维持供应链的健康。

2.建立准入和退出机制。在供应链系统中，上下游企业主要是依靠核心企业的信用，并用与核心企业的交易为兜底进行融资的。虽然核心企业在特殊情况下信用状况会发生变化，但其企业规模和地位仍较高，有一定的话语权。因此，为了维持供应链的稳定和健康发展，应当建立严格的核心企业准入和退出机制，对想要进入供应链的企业进行严格的审查和评估。

(二)金融机构维度

金融机构在进行放贷时应建立一套完善的风险评估体系和流程。

1.衡量整条供应链的信用质量。传统金融中，金融机构在进行放贷时，只需考虑融资主体自身的风险，但是供应链金融不同，融资主体在融资时以核心企业的交易作为抵押，具有传导性，因此对企业放贷时，需衡量整条供应链的信用质量。对上下游企业、核心企业授信权重还需金融机构继续探索和完善。

2.根据运营情况限制贷款额度。金融机构在对业务进行监管时，应根据供应链上的经营状况对融资企业贷款额度进行综合评定，设定限额。限额实质上是对金融机构的一种保护机制，提前为防范信用风险作准备。

3.需要加强对应收账款、预付账款和存货等质押品的信息掌握和监管力度。严控上下游企业业务往来的真实度，减少因信息不对称而引发的信用风险。

(三)法律政策维度

完备的政策及法律能够为供应链金融发展提供一个健康的环境。

1.金融健康发展的前提是需要有完备的法律体系、政策和框架标准。在供应链金融的发展中，要明确划分各企业主体的责任，不断完善法律法规，加强法规政策对信用风险和供应链金融的监管作用，有效约束业务的规范化。

2.完善企业信用风险防控机制。随着技术进步和大数据的发展，金融机构需建立并不断完善、更新企业的信用数据库，保证企业的信用状况数据的易得性、真实性及便捷性，从而更加有效地管理和防控信用风险。当然，在特殊情况下，如2020年新冠肺炎疫情发生，应适度放宽政策，协助金融机构对遭受重大冲击的供应链企业进行政策性帮助。