【基于银行视角的供应链金融风险分析】 银行供应链金融 例子

　　内容摘要：本文从信用风险、法律风险、操作风险三个角度出发，对供应链金融的风险识别、评价、控制进行分析，揭示供应链金融可以相对缓解中小企业的融资难问题。并针对供应链金融风险的不同种类提出相应的控制方法，从而有利于修正现有的供应链金融信用评价体系，使之更好地服务于银行与中小企业。
　　关键词：供应链金融 风险评价 Logistic模型
　　供应链金融风险识别
　　风险管理的前提与基础是风险识别。所以，本文基于银行视角，从供应链金融自身特点出发，从以下三个角度阐释该业务所具有的风险：
　　（一）信用风险
　　1.企业自身原因产生的信用风险。企业自身原因主要是指企业经营战略的变化。虽然在供应链融资中，银行关注的主体信用风险在于供应链中的核心企业，但是受信企业自身的经营战略变化依然会给银行带来信用风险。
　　2.供应链环境中的不确定性引起的信用风险。由于供应链的行业跨度大，银行工作人员不仅需要对核心企业的财务状况与信用状况十分了解，还应对整条供应链各个成员企业的经营状况与发展前景有所掌握。因此，这就增加了银行对供应链融资企业判断是否授信的难度。
　　3.道德风险。道德风险所涉及的不仅仅是受信企业，而是涵盖了整条供应链，即核心企业、监管公司、第三方管理机构等关联方。在银行和企业之间存在着明显的信息不对称或不完全对称的情况下，银行和企业之间的融资往往会变成一种博弈行为，并由此产生道德风险。
　　（二）法律风险
　　法律风险包含了三个层面：第一，操作风险的转化，包括合法经营、人员授权控制、业务管理控制等出现问题以及外部法律法规变动带来的风险；第二，信用风险的转化，包括授信管理、准入退出机制、授信制度、风险政策等出现问题以及交易风险、利率风险等市场风险引起的法律风险；第三，由于供应链金融业务属于新兴的信贷业务，往往会涉及到许多新型金融信贷产品，而这些产品往往在契约设计与操作流程中存在一定的法律隐患与漏洞，容易侵害银行的权益，从而产生法律风险。
　　（三）操作风险
　　供应链金融操作风险主要是指质押物所有权的落空，包括应收账款的所有权落空、存货的所有权落空等。供应链金融复杂的流程往往加大了操作风险，可以从以下三个方面进行识别：第一，内部流程风险；第二，人员因素风险。银行员工的素质、能力对操作风险的大小起着至关重要的作用；第三，系统风险和外部事件。这主要是指突发事件、国家政策变动等给应收账款、存货等带来的损失。
　　此外，供应链金融风险还具有“自我扩散”的特征。供应链金融的显著特点是：在供应链中寻找一个核心企业，并以其信用为基础为供应链提供金融支持。在这种融资模式下，银行会相对降低对融资企业本身的信用评价从而对其授信，以尽量促成整个供应链交易的完成。随着融资工具向上下游的延伸，风险也相应扩散。如果供应链上某个节点出现问题，风险将迅速蔓延至整条供应链，甚至将引起整条供应链的崩溃。
　　供应链金融信用风险评价
　　本文在前人研究的基础上，对供应链金融的风险进行深入探讨，提出了用主成分分析法和Logistic回归方法建立信用风险评价模型，揭示供应链金融可以相对缓解中小企业的融资难问题，并针对供应链金融风险的不同种类提出相应的控制方法，以争取为银行等金融机构对该业务的风险控制做出一点贡献。
　　本文样本数据选用154家中小板上市公司2010年年报财务数据，数据来源于Wind咨询，其中守约客户126个，违约客户28个。本文以22个指标构建供应链金融信用风险评价指标体系。通过对数据的描述分析，可知各变量的平均值与标准差存在很大差异，这种差异可能对后续分析产生不利影响。因此本文通过对数据作标准化处理以消除差异，并利用SPSS软件进行主成分分析，对每个指标以1到10分进行打分，得到因子特征值表（见表1）。
　　由表1可知，前九个主成分包含原始数据的信息总量已达76.861%，后13个主成分的累计方差贡献率只有23.139%。这说明用这九个主成分代表原来22个指标评价企业经济效益有较足够的把握。并且主成分的经济意义由各线性组合中权数较大的几个指标的综合意义来确定。以方差极大法对因子载荷矩阵进行旋转后，主要因子变量含义更加清楚，基本上反映了财务指标之间的相互联系。在显著水平为0.05时，相关系数矩阵与单位矩阵有显著差异。KMO值为0.752，可以进行因子分析。
　　本文选取F1、F2、F3、F4、F5、F6、F7、F8、F9九个因素指标进行分析。F1主要表达了变量营业毛利率、销售净利率、资产报酬率、总资产净利率，反映的是受信人的盈利能力；F2主要表达了变量流动比率、速动比率、营运资金比率、营运资金对资产总额比率，反映的是受信人的短期偿债能力；F3主要表达了变量P/S、综合杠杆系数、财务杠杆比率、经营杠杆比率，反映的是受信人的收入乘数；F4主要表达了变量资产负债率、利息保障倍数、长期负债比率、所有者权益比率，反映的是受信人的长期偿债能力；F5主要表达了变量应收账款周转率、存货周转率、总资产周转率，反映的是受信人的营运能力；F6主要表达了变量资本积累率、净利润增长率、营业收入增长率，反映的是受信人的发展能力；F7主要表达了变量交易对手的流动比率、速动比率、营运资金比率，反映的是交易对手的短期偿债能力；F8主要表达了变量行业存货周转率、营业收入增长率、销售净利率，反映的是行业经营状况；F9主要表达了变量交易对手的资产负债率、利息保障倍数、长期负债比率、所有者权益比率，反映的是交易对手的长期偿债能力。
　　在进行主成分分析之后，本文利用SPSS对样本数据进行Logistic回归模型分析，SPSS输出只包括常数项的Logistic回归模型。回归方法采用的是向前逐步选择引入法，拟合度检验结果可知，投入9个自变量的Logistic回归模型的拟合优度卡方值为126.162，已达到0.05显著水平，表示所投入的自变量中至少有一个自变量可以有效解释与预测样本在因变量的结果。而且，Hosmer and Lemeshow检验值为0.261，并未达到0.05显著水平，表示投入9个自变量的Logistic回归模型的拟合优度相当良好，可以有效解释与预测因变量的结果。