本文關鍵詞：供應鏈金融模式下的信用風險評價，由筆耕文化傳播整理發(fā)布。

當前所在位置：中國論文網(wǎng) > 科技論文發(fā)表 > 供應鏈金融模式下中小企業(yè)信用風險的評價研究

供應鏈金融模式下中小企業(yè)信用風險的評價研究

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：過去銀行對中小企業(yè)信用風險的研究主要是把單個企業(yè)作為主體，僅僅只關注中小企業(yè)的財務狀況。而在供應鏈金融模式中，對中小企業(yè)風險的評價則換了一個新的角度。文章主要針對在供應鏈金融模式下對中小企業(yè)信用風險的測度進行系統(tǒng)性研究，提出用主成分分析法和Logistic回歸方法建立信用風險評價體系的模型。
中國論文網(wǎng)
　　關鍵詞：供應鏈金融；信用風險；Logistic回歸模型
　　中圖分類號：F275.6 文獻標識碼：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)濟的發(fā)展，我國中小企業(yè)市場發(fā)展迅速，映射出很多問題和困難。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、信用級別低、財務制度不完善。為了解決中小企業(yè)融資難的問題，開辟了供應鏈金融。隨著這種業(yè)務的產(chǎn)生和發(fā)展，迫切需要有效的機制來審定中小企業(yè)的貸款風險，最重要的就是信用風險。本文就是站在金融機構的角度上對處在供應鏈上中小企業(yè)的信用風險進行評價研究，提煉出基于供應鏈下的中小企業(yè)信用風險評價模型。
　　1 綜 述
　　在國外，Black（1999）[1]利用logistic回歸模型研究供應鏈金融的信用風險。Jarrow[2]建立了信用風險模型，發(fā)現(xiàn)：（運營收入+折舊）/總負債、流動比率、利息保障倍數(shù)、權益/總資產(chǎn)、公司年齡、地區(qū)虛擬變量的作用比較顯著。在國內(nèi)，自從2006年深圳發(fā)展銀行首先提出供應鏈金融業(yè)務品牌并且獲得了巨大的成功。學術界才正式開始關注“供應鏈金融”這一金融創(chuàng)新模式。供應鏈金融作為一種新的信貸模式，不可避免地具有風險性。國內(nèi)有關供應鏈金融的風險主要是定性分析，近兩年才開始了定量分析。黃靜、趙慶禎（2009）利用樸素的貝葉斯方法試圖更準確的評價中小企業(yè)的信用風險[3]。白少布（2009）根據(jù)供應鏈融資的業(yè)務特點以及影響融資企業(yè)信用風險的供應鏈要素或績效，建立指標體系，將多層次AHP法和FCE法相結合，為企業(yè)風險管理和風險評估提供了建議和策略[4]。孔媛媛等人（2010）采用模糊集和影響圖相結合的方法分析風險因素之間的模糊影響關系，確定模糊概率進而進行風險評價[5]。芮婧等人（2010）建立了新的供應鏈金融信用風險評價系統(tǒng)，發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡模型對供應鏈金融中的中小企業(yè)信用風險的誤判率比較低[6]。
　　綜上，國外學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)在我國不易得到而難以使用。在當前我國信用風險的研究中，多數(shù)研究都是關于度量模型的比較，實證的成分很少，而且有些國際上流行的模型不能很好地應用在我國中小企業(yè)，原因是這些模型需要建立一套完整的數(shù)據(jù)庫和比較成熟的金融市場，而這恰恰是我國中小企業(yè)所欠缺的[7]。鑒于我國中小企業(yè)信用風險的實際情況和特點，本文將主成分分析與Logistic回歸模型相結合對中小企業(yè)進行信用風險評估。期望為評估中小企業(yè)信用風險提供一條新的思路。
　　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■趨近于負無窮時有EY■趨近于0，在X■趨近于正無窮時有EY■趨近于1，這種曲線類似于一個隨機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（這里指財務比率指標）的共同作用，稱為第i個融資公司的財務狀況得分；p■為因變量取1時的概率即借款人的違約概率；x■為信用風險評定義中第i個借款人的第k個財務比率指標變量；β■為x■的回歸系數(shù)。根據(jù)違約的定義可以看出p■越大，則說明企業(yè)違約的可能性越大。
　　3 供應鏈金融信用風險評價指標體系設計
　　根據(jù)上文關于供應鏈金融信用風險的特征和影響因素及供應鏈金融典型的三種模式中可能出現(xiàn)的信用風險點的分析，借鑒以往有關中小企業(yè)的信用風險評估的相關文獻，本文從中小企業(yè)綜合實力、核心企業(yè)綜合實力、交易資產(chǎn)特征、供應鏈本身自帶的風險和目前的宏觀環(huán)境等方面的影響要素進行剖析建立指標體系。本文一共設計了4個一級指標，14個二級指標，30個三級指標（如表1所示）。
　　本文借鑒了天津大學熊熊教授的《供應鏈金融模式下的信用風險評價》論文的研究成果，主要影響因素以及主要信用風險點，采用了以上30個指標，但是有些指標因為數(shù)據(jù)采集及主觀因素的影響而選擇去掉，或者作為輔助評判的依據(jù)，只留下了16個指標（如表2所示）。 　　4 Logistic實證模型的建立
　　設融資企業(yè)出現(xiàn)信用風險的條件概率為Pz=1/X=πX，z是融資企業(yè)的信用風險其中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P維隨機變量，X是上文選取的16個指標，i是指標數(shù)量，β=β■，β■，…，β■■是解釋變量X的logit系數(shù)，β■是常數(shù)項，則相應的logistic方程等于：
　　πX=■ （3）
　　logistic 回歸分析采用最大似然法并通過似然函數(shù)來估計方程中解釋變量的系數(shù)，在二項 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達到最大化的β需要對lβ分別求β■和β■的微分，得到P+1個似然方程式，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)來源于同行業(yè)中小企業(yè)的財務報表，具有相關性，為了規(guī)避logistic回歸方法中的共線性問題，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合而來的。主成分logistic模型以主成分分析得到的k個主成分作logistic回歸分析的解釋變量來預測融資企業(yè)的違約風險，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)信息丟失等問題，從而得到真正意義上的度量供應鏈金融信用風險的模型。
　　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)庫提供的2009年12月31日至2011年9月30日的8個季度財務報表數(shù)據(jù)作為基本數(shù)據(jù)來源，其他定量數(shù)據(jù)從“個股寶典”資料中的報表中獲得。定性指標數(shù)據(jù)采用專家團隊百分制打分，并對其進行算術平均而獲得。而且選取的16個數(shù)據(jù)基本上都是采用比值的形式。
　　根據(jù)表2，，表3進行主成分分析，計算得出最小值，最大值，均值和標準差見表4，表5。
　　然后利用spss19.0將所有的數(shù)據(jù)做了一個主成分分析。
　　主成分的特征根大于1的分別為6.832、5.59、1.936、1.164，分別解釋了原指標變的42.645%、34.94%、12.097%、7.278%的信息，累積貢獻率達到了96.96%，主成分變量較好地反映了原所有指標的信息。根據(jù)主成分結果，計算出主成分得分，線性關系如下：
　　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表示標準化后的指標變量，主成分得分系數(shù)（isx前的系數(shù)）是由正交旋轉后的因子載荷矩陣中的數(shù)值除以相對應的特征根的平方根。通過方程式（7）～（10）及指標變量數(shù)據(jù)，可以獲得主成分變量的標準化觀測數(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)值與各個公司的評價指標F數(shù)值組合在一起。用SPSS19.0軟件對數(shù)值進行回歸分析，所擇的方法是向后Wald，即向后去除Wald，移去檢驗基于Wald統(tǒng)計量概率。SPSS19.0統(tǒng)計分析軟件運行的結果。根據(jù)回歸的結果，F(xiàn)■、F■被保留在方程中，概率均小于0.05。估計的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，來預測中小企業(yè)的信用風險。預測值小于0.5，表示企業(yè)的守約概率小于0.5，屬于高風險；若P值大于0.5，表示守約概率大于0.5，屬于低風險。本文選取了一個具體的企業(yè)作為實證模型，經(jīng)營范圍是物流和貨運，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%，屬于低風險企業(yè)，銀行可以考慮給予貸款。
　　參考文獻：
　　[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鏈金融信用風險預測分析[J]. 物流科技，2009（8）：134-137.
　　[4] 白少布. 面向供應鏈融資企業(yè)信用風險評估指標體系設計[J]. 經(jīng)濟經(jīng)緯，2009（6）：90-94.
　　[5] 孔媛媛，王恒山，朱珂，等. 模糊影像圖評價算法在供應鏈金融信用風險評估中的應用[J]. 數(shù)學的實踐與認識，2010，40（21）：80-85.
　　[6] 芮婧，潘淑娟. 供應鏈金融業(yè)務的信用風險評價體系系統(tǒng)設計[J]. 鄭州航空工業(yè)管理學院學報，2010，28（5）：131-134.

  本文關鍵詞：供應鏈金融模式下的信用風險評價，由筆耕文化傳播整理發(fā)布。