本文關(guān)鍵詞：供應(yīng)鏈金融模式下的信用風(fēng)險(xiǎn)評(píng)價(jià)，由筆耕文化傳播整理發(fā)布。

當(dāng)前所在位置：中國(guó)論文網(wǎng) > 科技論文發(fā)表 > 供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險(xiǎn)的評(píng)價(jià)研究

供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險(xiǎn)的評(píng)價(jià)研究

發(fā)布日期： 2014-03-20 發(fā)布：  

  2014年2期目錄       本期共收錄文章20篇

　　摘 要：過(guò)去銀行對(duì)中小企業(yè)信用風(fēng)險(xiǎn)的研究主要是把單個(gè)企業(yè)作為主體，僅僅只關(guān)注中小企業(yè)的財(cái)務(wù)狀況。而在供應(yīng)鏈金融模式中，對(duì)中小企業(yè)風(fēng)險(xiǎn)的評(píng)價(jià)則換了一個(gè)新的角度。文章主要針對(duì)在供應(yīng)鏈金融模式下對(duì)中小企業(yè)信用風(fēng)險(xiǎn)的測(cè)度進(jìn)行系統(tǒng)性研究，提出用主成分分析法和Logistic回歸方法建立信用風(fēng)險(xiǎn)評(píng)價(jià)體系的模型。
中國(guó)論文網(wǎng)
　　關(guān)鍵詞：供應(yīng)鏈金融；信用風(fēng)險(xiǎn)；Logistic回歸模型
　　中圖分類號(hào)：F275.6 文獻(xiàn)標(biāo)識(shí)碼：A
　　Abstract： Banks in the past study to SMEs credit risk is mainly to a single enterprise as the main body. Banks only focus on the financial situation of SMEs. However， banks meet the risk evaluation to the small and medium-sized enterprise is changed to a new point of view in the supply chain finance mode. The article mainly aims at the credit risk of medium-sized and small enterprises in the supply chain finance mode is studied.
　　Key words： supply chain finance； credit risk； logistic regression model
　　0 引 言
　　隨著經(jīng)濟(jì)的發(fā)展，我國(guó)中小企業(yè)市場(chǎng)發(fā)展迅速，映射出很多問(wèn)題和困難。其中，融資難是中小企業(yè)發(fā)展的最大障礙之一，中小企業(yè)資產(chǎn)小，質(zhì)量差、信用級(jí)別低、財(cái)務(wù)制度不完善。為了解決中小企業(yè)融資難的問(wèn)題，開(kāi)辟了供應(yīng)鏈金融。隨著這種業(yè)務(wù)的產(chǎn)生和發(fā)展，迫切需要有效的機(jī)制來(lái)審定中小企業(yè)的貸款風(fēng)險(xiǎn)，最重要的就是信用風(fēng)險(xiǎn)。本文就是站在金融機(jī)構(gòu)的角度上對(duì)處在供應(yīng)鏈上中小企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)研究，提煉出基于供應(yīng)鏈下的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)模型。
　　1 綜 述
　　在國(guó)外，Black（1999）[1]利用logistic回歸模型研究供應(yīng)鏈金融的信用風(fēng)險(xiǎn)。Jarrow[2]建立了信用風(fēng)險(xiǎn)模型，發(fā)現(xiàn)：（運(yùn)營(yíng)收入+折舊）/總負(fù)債、流動(dòng)比率、利息保障倍數(shù)、權(quán)益/總資產(chǎn)、公司年齡、地區(qū)虛擬變量的作用比較顯著。在國(guó)內(nèi)，自從2006年深圳發(fā)展銀行首先提出供應(yīng)鏈金融業(yè)務(wù)品牌并且獲得了巨大的成功。學(xué)術(shù)界才正式開(kāi)始關(guān)注“供應(yīng)鏈金融”這一金融創(chuàng)新模式。供應(yīng)鏈金融作為一種新的信貸模式，不可避免地具有風(fēng)險(xiǎn)性。國(guó)內(nèi)有關(guān)供應(yīng)鏈金融的風(fēng)險(xiǎn)主要是定性分析，近兩年才開(kāi)始了定量分析。黃靜、趙慶禎（2009）利用樸素的貝葉斯方法試圖更準(zhǔn)確的評(píng)價(jià)中小企業(yè)的信用風(fēng)險(xiǎn)[3]。白少布（2009）根據(jù)供應(yīng)鏈融資的業(yè)務(wù)特點(diǎn)以及影響融資企業(yè)信用風(fēng)險(xiǎn)的供應(yīng)鏈要素或績(jī)效，建立指標(biāo)體系，將多層次AHP法和FCE法相結(jié)合，為企業(yè)風(fēng)險(xiǎn)管理和風(fēng)險(xiǎn)評(píng)估提供了建議和策略[4]�？祖骆碌热耍�2010）采用模糊集和影響圖相結(jié)合的方法分析風(fēng)險(xiǎn)因素之間的模糊影響關(guān)系，確定模糊概率進(jìn)而進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)[5]。芮婧等人（2010）建立了新的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)系統(tǒng)，發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)模型對(duì)供應(yīng)鏈金融中的中小企業(yè)信用風(fēng)險(xiǎn)的誤判率比較低[6]。
　　綜上，國(guó)外學(xué)者的研究具有一定的借鑒意義，但其中的一些變量數(shù)據(jù)在我國(guó)不易得到而難以使用。在當(dāng)前我國(guó)信用風(fēng)險(xiǎn)的研究中，多數(shù)研究都是關(guān)于度量模型的比較，實(shí)證的成分很少，而且有些國(guó)際上流行的模型不能很好地應(yīng)用在我國(guó)中小企業(yè)，原因是這些模型需要建立一套完整的數(shù)據(jù)庫(kù)和比較成熟的金融市場(chǎng)，而這恰恰是我國(guó)中小企業(yè)所欠缺的[7]。鑒于我國(guó)中小企業(yè)信用風(fēng)險(xiǎn)的實(shí)際情況和特點(diǎn)，本文將主成分分析與Logistic回歸模型相結(jié)合對(duì)中小企業(yè)進(jìn)行信用風(fēng)險(xiǎn)評(píng)估。期望為評(píng)估中小企業(yè)信用風(fēng)險(xiǎn)提供一條新的思路。
　　2 Logistic回歸模型和主成分分析方法介紹
　　Logistic回歸模型（Logistic Regression Model）采用二元Logistic概率函數(shù)作為模型的方程。對(duì)于二分類因變量的分析需要使用非線性函數(shù)事件發(fā)生的條件概率PY■=1/X■與X■之間的非線性關(guān)系通常是單調(diào)函數(shù)，即隨著X■的增加單調(diào)增加或者單調(diào)減少一個(gè)自然的選擇是值域在0，1之間且具有S形狀的曲線，這樣在X■趨近于負(fù)無(wú)窮時(shí)有EY■趨近于0，在X■趨近于正無(wú)窮時(shí)有EY■趨近于1，這種曲線類似于一個(gè)隨機(jī)變量的累積分布曲線，在二分類因變量分析中曾使用多種分布函數(shù)，最常用的函數(shù)是Logistic分布函數(shù)。Logistic模型的函數(shù)形式如下：
　　P■=■ （1）
　　z■=β■+β■x■+β■x■+…+β■x■=β■+■β■x■ （2）
　　Z■為諸自變量（這里指財(cái)務(wù)比率指標(biāo)）的共同作用，稱為第i個(gè)融資公司的財(cái)務(wù)狀況得分；p■為因變量取1時(shí)的概率即借款人的違約概率；x■為信用風(fēng)險(xiǎn)評(píng)定義中第i個(gè)借款人的第k個(gè)財(cái)務(wù)比率指標(biāo)變量；β■為x■的回歸系數(shù)。根據(jù)違約的定義可以看出p■越大，則說(shuō)明企業(yè)違約的可能性越大。
　　3 供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系設(shè)計(jì)
　　根據(jù)上文關(guān)于供應(yīng)鏈金融信用風(fēng)險(xiǎn)的特征和影響因素及供應(yīng)鏈金融典型的三種模式中可能出現(xiàn)的信用風(fēng)險(xiǎn)點(diǎn)的分析，借鑒以往有關(guān)中小企業(yè)的信用風(fēng)險(xiǎn)評(píng)估的相關(guān)文獻(xiàn)，本文從中小企業(yè)綜合實(shí)力、核心企業(yè)綜合實(shí)力、交易資產(chǎn)特征、供應(yīng)鏈本身自帶的風(fēng)險(xiǎn)和目前的宏觀環(huán)境等方面的影響要素進(jìn)行剖析建立指標(biāo)體系。本文一共設(shè)計(jì)了4個(gè)一級(jí)指標(biāo)，14個(gè)二級(jí)指標(biāo)，30個(gè)三級(jí)指標(biāo)（如表1所示）。
　　本文借鑒了天津大學(xué)熊熊教授的《供應(yīng)鏈金融模式下的信用風(fēng)險(xiǎn)評(píng)價(jià)》論文的研究成果，主要影響因素以及主要信用風(fēng)險(xiǎn)點(diǎn)，采用了以上30個(gè)指標(biāo)，但是有些指標(biāo)因?yàn)閿?shù)據(jù)采集及主觀因素的影響而選擇去掉，或者作為輔助評(píng)判的依據(jù)，只留下了16個(gè)指標(biāo)（如表2所示）。 　　4 Logistic實(shí)證模型的建立
　　設(shè)融資企業(yè)出現(xiàn)信用風(fēng)險(xiǎn)的條件概率為Pz=1/X=πX，z是融資企業(yè)的信用風(fēng)險(xiǎn)其中1代表融資企業(yè)還款，0代表融資企業(yè)不還款。令X=X■，X■，…，X■■是一個(gè)P維隨機(jī)變量，X是上文選取的16個(gè)指標(biāo)，i是指標(biāo)數(shù)量，β=β■，β■，…，β■■是解釋變量X的logit系數(shù)，β■是常數(shù)項(xiàng)，則相應(yīng)的logistic方程等于：
　　πX=■ （3）
　　logistic 回歸分析采用最大似然法并通過(guò)似然函數(shù)來(lái)估計(jì)方程中解釋變量的系數(shù)，在二項(xiàng) logistic 回歸分析中，似然函數(shù)等于：
　　lβ=■πX■■1-πX■■， i=1，2，3，…，p （4）
　　為了求解能夠使lβ達(dá)到最大化的β需要對(duì)lβ分別求β■和β■的微分，得到P+1個(gè)似然方程式，并令其等于0，即：
　　■Z■-πX■=0， i=1，2，3，…，p （5）
　　■X■Z■-πX■=0， i，j=1，2，3，…，p， i≠j （6）
　　本文的數(shù)據(jù)來(lái)源于同行業(yè)中小企業(yè)的財(cái)務(wù)報(bào)表，具有相關(guān)性，為了規(guī)避logistic回歸方法中的共線性問(wèn)題，本文采用主成分logistic模型。由logistic回歸分析法和多元判別分析法相結(jié)合而來(lái)的。主成分logistic模型以主成分分析得到的k個(gè)主成分作logistic回歸分析的解釋變量來(lái)預(yù)測(cè)融資企業(yè)的違約風(fēng)險(xiǎn)，這樣做可以克服的logistic回歸分析存在的共線性和原始數(shù)據(jù)信息丟失等問(wèn)題，從而得到真正意義上的度量供應(yīng)鏈金融信用風(fēng)險(xiǎn)的模型。
　　5 數(shù)據(jù)的取得與處理分析
　　數(shù)據(jù)取為證券之星和和訊數(shù)據(jù)庫(kù)提供的2009年12月31日至2011年9月30日的8個(gè)季度財(cái)務(wù)報(bào)表數(shù)據(jù)作為基本數(shù)據(jù)來(lái)源，其他定量數(shù)據(jù)從“個(gè)股寶典”資料中的報(bào)表中獲得。定性指標(biāo)數(shù)據(jù)采用專家團(tuán)隊(duì)百分制打分，并對(duì)其進(jìn)行算術(shù)平均而獲得。而且選取的16個(gè)數(shù)據(jù)基本上都是采用比值的形式。
　　根據(jù)表2，，表3進(jìn)行主成分分析，計(jì)算得出最小值，最大值，均值和標(biāo)準(zhǔn)差見(jiàn)表4，表5。
　　然后利用spss19.0將所有的數(shù)據(jù)做了一個(gè)主成分分析。
　　主成分的特征根大于1的分別為6.832、5.59、1.936、1.164，分別解釋了原指標(biāo)變的42.645%、34.94%、12.097%、7.278%的信息，累積貢獻(xiàn)率達(dá)到了96.96%，主成分變量較好地反映了原所有指標(biāo)的信息。根據(jù)主成分結(jié)果，計(jì)算出主成分得分，線性關(guān)系如下：
　　y■=0.1007sx■+0.3544sx■+…+0.0612sx■+0.0202sx■ （7）
　　y■=0.1877sx■+0.0583sx■+…+0.1023sx■+0.4186sx■ （8）
　　y■=0.3161sx■+0.3132sx■+…-0.8563sx■+0.0092sx■ （9）
　　y■=0.671sx■+0.3132sx■+…-0.8563sx■+0.0092sx■ （10）
　　其中isxi=1，2，…，16表示標(biāo)準(zhǔn)化后的指標(biāo)變量，主成分得分系數(shù)（isx前的系數(shù)）是由正交旋轉(zhuǎn)后的因子載荷矩陣中的數(shù)值除以相對(duì)應(yīng)的特征根的平方根。通過(guò)方程式（7）～（10）及指標(biāo)變量數(shù)據(jù)，可以獲得主成分變量的標(biāo)準(zhǔn)化觀測(cè)數(shù)據(jù)。將上文得到的數(shù)據(jù)主成分分析之后Y■、Y■、Y■和Y■數(shù)值與各個(gè)公司的評(píng)價(jià)指標(biāo)F數(shù)值組合在一起。用SPSS19.0軟件對(duì)數(shù)值進(jìn)行回歸分析，所擇的方法是向后Wald，即向后去除Wald，移去檢驗(yàn)基于Wald統(tǒng)計(jì)量概率。SPSS19.0統(tǒng)計(jì)分析軟件運(yùn)行的結(jié)果。根據(jù)回歸的結(jié)果，F(xiàn)■、F■被保留在方程中，概率均小于0.05。估計(jì)的Logistic回歸模型如下：
　　ln■=2.659+0.493F■+0.212F■ （11）
　　p=■ （12）
　　P值表示企業(yè)的守約概率，來(lái)預(yù)測(cè)中小企業(yè)的信用風(fēng)險(xiǎn)。預(yù)測(cè)值小于0.5，表示企業(yè)的守約概率小于0.5，屬于高風(fēng)險(xiǎn)；若P值大于0.5，表示守約概率大于0.5，屬于低風(fēng)險(xiǎn)。本文選取了一個(gè)具體的企業(yè)作為實(shí)證模型，經(jīng)營(yíng)范圍是物流和貨運(yùn)，X■
　　=33.165，X■=10.211，X■=8.729，X■=10.011，X■=0.909，X■=1.821，X■=5.749，X■=21.411，X■=3.019，X■=0.609，X■=0.011，X■=1.009，X■=66.839，X■=5.169，X■=1.579，X■=0.528，Y=1.01，帶入主成分分析式中，F(xiàn)■=13.88，F(xiàn)■=6.98，F(xiàn)■=4.61，F(xiàn)■
　　=14.21，F(xiàn)■=4.71。得出該企業(yè)的守約概率為94%，屬于低風(fēng)險(xiǎn)企業(yè)，銀行可以考慮給予貸款。
　　參考文獻(xiàn)：
　　[1] Charnes. A， Cooper. W. W， Rhodes. E. Measuring the Efficicecy of DMU[J]. European journal of Operational Research， 1978（2）：429-444.
　　[2] Jarrow. Data Envelopment Scenario Analysis for setting targets to electricity generating plants[J]. European Journal of Operational Research， 1999（115）：413-424.
　　[3] 黃靜，趙慶楨. 基于樸素貝葉斯的供應(yīng)鏈金融信用風(fēng)險(xiǎn)預(yù)測(cè)分析[J]. 物流科技，2009（8）：134-137.
　　[4] 白少布. 面向供應(yīng)鏈融資企業(yè)信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系設(shè)計(jì)[J]. 經(jīng)濟(jì)經(jīng)緯，2009（6）：90-94.
　　[5] 孔媛媛，王恒山，朱珂，等. 模糊影像圖評(píng)價(jià)算法在供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2010，40（21）：80-85.
　　[6] 芮婧，潘淑娟. 供應(yīng)鏈金融業(yè)務(wù)的信用風(fēng)險(xiǎn)評(píng)價(jià)體系系統(tǒng)設(shè)計(jì)[J]. 鄭州航空工業(yè)管理學(xué)院學(xué)報(bào)，2010，28（5）：131-134.

  本文關(guān)鍵詞：供應(yīng)鏈金融模式下的信用風(fēng)險(xiǎn)評(píng)價(jià)，由筆耕文化傳播整理發(fā)布。