摘要：随着市场经济的发展，中小企业的融资需求不断增强，供应链金融为中小企业和各类金融机构提供了新的利润增长点。但是随着供应链金融的发展，信用风险成为制约中小企业融资发展的一大障碍。因此，本文基于有色金属行业的特性，从可持续发展的角度建立有色金属行业的中小企业信用风险评估体系，在传统的评价指标体系中引入中小企业的实际生产能力、环境绩效、完税情况等指标，更为全面地评估融资企业的履约能力，进一步丰富信用风险评估体系，有助于金融机构更好地开展供应链金融业务。最后，本文对常用于供应链金融模式的信用风险评价方法及相关模型进行比较与总结。
关键词：供应链金融,信用评估,有色金属行业,中小企业
1引言
随着市场经济的发展，国家金融扶持实体经济政策不断推进，中小企业融资需求逐渐增强，供应链金融服务应运而生，在此背景下，产业发展与金融支持相互作用，供应链金融在推进各要素相互融合的进程中发挥重要作用。长期以来，中小企业是国民经济和社会发展的重要组成部分，是激励市场经济活力、促进经济发展的关键点，面对外部环境复杂性、不确定性加剧等因素，主力保障中小微企业平稳健康发展。
我国在有色金属的生产和消费领域具有十分庞大的体量，有色金属行业是发展国民经济、提高人民生活、维护国家安全的基础性和战略性产业，在国民经济和社会发展中发挥着重要的作用。有色金属行业内的中小企业自身金融需求的解决重点是融资难、融资贵的问题，在全产业链上下游协同发展的同时，着力改善中小企业的资本结构、优化融资条件。而作为供应链金融重要的资金参与者，各类金融机构需要突破传统的授信管理方式，结合金融产品及服务的创新和可持续发展等，助力行业内中小企业发展。因此，需要进一步对有色金属行业供应链金融企业的授信情况与风险进行评估，进而实现对风险的有效管理。
2有色金属行业供应链金融及现状
对有色金属行业供应链金融风险管理策略进行分析，应当先明确认知有色行业供应链金融风险的内涵。对于有色行业而言，供应链金融风险是在行业发展过程中必然存在的问题，有色金属企业必须全面把握供应链金融风险的特点与内涵，才能够提出有针对性的管理策略，有效防范和化解供应链金融风险。以下对有色金属行业供应链金融概念以及供应链金融下中小企业进行分析阐述。
2.1供应链金融概念分析
供应链金融是一种针对中小企业的新型融资模式，将资金流有效整合到供应链管理的过程中，既为供应链各环节企业提供贸易资金服务，又为供应链弱势企业提供新型贷款融资服务，以核心客户为依托，以真实贸易背景为前提，运用自偿性贸易融资方式。供应链金融作为一种服务于供应链节点企业间交易的综合融资方案，实质是依靠风险控制变量，帮助企业盘活流动资产，即应收、预付和存货。
供应链金融资金供应方呈现多样化趋势。供应链金融开展的初期阶段是银行所推动的以应收账款、动产和预付款为基础的M+1+N式的融资业务，作为融资方的银行并不参与到供应链运营中。目前供应链金融的实施主体不只是传统的商业银行，还包括产业中的龙头企业、供应链管理企业、B2B平台、物流企业、金融信息平台、金融科技公司等。供应链金融资金供应方日益呈现多样化。
对于有色金属行业而言，完整健全的供应链能够显著地提高制造过程中各个环节企业的经济收益以及工作开展的效率和水平，并推动有色金属行业内金属材料、技术、设备等不断创新优化，不仅能够带动有色金属行业内中小企业良好发展，也能够推动有色金属行业整体有序稳步健康发展。
2.2供应链金融下有色金属行业中小企业分析
有色金属行业的中小企业是整个行业市场经济发展的重要支撑，是有色金属行业发展中不可缺少的活跃力量。但是，随着产业链不断协同发展，由于中小企业风险不可控、运营成本高、难以规模化的固有局限性，融资难、融资贵等问题阻碍产业链上下游的进一步发展。有色金属行业供应链中，中小企业的发展面临如下困境。
（1）产业链下游较为低端。有色金属行业产业链下游多为中小加工企业，具有数量多、规模小、分布散的特点，同时存在产品成本较高、技术含量偏低、部分产品质量稳定性较差以及高耗能、低产出等问题，创新能力不足，缺乏技术进步，因此导致自身发展受困，企业和行业效益不佳。此外，部分企业受产能落后的制约，在生产过程中产生的污染物对环境造成一定程度的破坏。
（2）中小企业资产抵押能力低下。目前多数中小企业处于初创期，自有资本投入较少，公司发展规模较小，可抵押资产少；此外，产品所占市场份额较小，产品竞争力不足，企业用于资产投资、生产经营以及开拓市场的成本费用占比较高，导致企业盈利能力低下，经营现金流不稳定，资金链脆弱，抗风险能力差。
（3）中小下游加工企业盈利水平低下。对下游加工企业而言，大多通过购买冶炼后的金属产品，如电解铜等，进行下游加工，制造加工产品，如铜棒、铜板带、铜箔等，并对外出售，其盈利模式主要为收取加工费，经营业绩受宏观经济及下游制造行业的需求影响较大。
3有色金属行业供应链金融信用风险影响分析
供应链金融作为一种新的金融业务形态，在解决上下游企业融资问题、协调供应链管理等方面都发挥了积极的作用。由于信息不对称的问题会导致融资企业发生信用风险，并有可能传递到整条供应链，进而引发系统性风险。因此深入探究影响融资企业发生信用风险的关键因素，构建行之有效的预警模型，降低融资企业发生信用违约事件的概率，对促进供应链金融的稳定发展具有重要意义。
3.1供应链金融信用风险的含义
供应链金融信用风险，即违约风险，是指供应链上的融资企业通常是中小企业，在进行融资活动过程中，由于融资企业自身因素违约或者其他环境的影响，拒绝或无力按时偿还银行等金融机构的贷款本息，使金融机构而面临贷款损失的可能性。
3.2供应链金融信用风险的影响因素
在供应链金融的融资模式中，中小企业作为融资主体，其信用是履约意愿与履约能力的最直接体现。并且从有色金属行业供应链的视角来看，该供应链是一个高度契合的开采、冶炼、加工的生产链条，上下游参与主体众多，链条结构清晰，供应链上的稳定性影响着链条上其他主体的经营质量，各主体的偿债能力不仅仅由其本身的财务状况所决定，更与整体活跃度、信息传递效率有关，因此贸易的真实系与交易的稳定性是信用风险的主要来源。有色金属行业供应链信用风险的影响因素可以从以下四个维度进行分析。
（1）中小企业自身的因素。中小制造企业是融资的主体，它只有凭借自身的实力才能获得相关联的核心企业的授信。影响中小企业自身实力的因素主要包括中小企业素质、盈利能力、营运能力、偿债能力和成长能力。在供应链金融业务中，金融机构根据对中小企业自身实力因素的评估，提供相应的融资服务。
中小制造企业素质主要考虑企业高层管理者的素质。领导者素质表现为学历水平，具有高素质的领导者是企业长足发展的保证之一，公司的治理情况也会较好。
中小企业的盈利能力最能体现企业的业绩，一个企业只有在持续盈利的情况下才能不断发展，反映企业盈利能力的财务指标有净资产收益率和净利率等。
中小企业的偿债能力最能体现该企业的信用状况，衡量短期偿债能力的财务指标有流动比率，衡量长期偿债能力的财务指标有资产负债率等。
（2）核心企业的因素。核心企业在整个供应链运作中是主导性企业，具有核心作用。核心企业通常表现为经营规模较大、信用水平较高、资金实力比较雄厚。核心企业在供应链金融业务中充当着中小企业会按期支付账款的保证角色，因此核心企业的因素在中小企业信用风险评估中比较关键。本文核心企业的因素主要考虑公司的信用水平、行业地位、盈利能力和偿债能力等。
（3）供应链因素。供应链因素，有效地连接了中小企业与核心企业，使之成为一个整体。中小企业所处的供应链的因素对其信用风险状况也将产生直接影响。供应链运营状况良好，整个供应链抵抗风险的能力就会更强，也有助于带动中小企业的发展，扩大经营规模，增强抗风险能力，进而降低其信用风险。供应链的因素主要考虑关联的供应链的关系质量以及合作密切程度等。
（4）融资资产因素。融资项下资产情况，包括质物特征、应收账款特征。融资项下资产情况是金融机构授予信贷考察的重点，原因在于金融机构需要对交易资产的价值进行评估，然后根据评估的结果给予授信，若被授信人违约，交易资产是金融机构将其变现用以弥补损失的直接保证。如果是融通仓、保兑仓融资则要充分考虑质物价格的变动性，质物的变现能力，在贷款期间可能的磨损程度。如是应收账款还应考虑应收账款账期，退货记录情况、受信人坏账率等因素。
4有色金属行业供应链金融风险评估指标体系的确定
本文聚焦有色金属行业，以有色金属行业的中小制造企业为主要研究对象，从供应链金融可持续发展的理念出发，基于有色金属行业特色，在传统的供应链金融的评价指标体系中加入中小企业的实际生产能力、环境绩效、完税情况等指标，对融资企业以及核心企业等因素进行综合分析，更为全面地评估融资企业的履约能力，进一步丰富信用风险评估体系，有助于金融机构更好地开展供应链金融业务。
4.1实际生产能力指标
基于工业企业的特性，有色金属企业在生产经营中产生大量的用电和用水的需求，通过用电量和用水量可以判断企业的基础情况，真实反映企业的生产实力、开工情况以及企业规模。用电量和用水量稳定，说明企业生产经营较为稳定，用电量和用水量增速平稳上升，说明企业发展总体稳中向好。同时，用电量和用水量的变化侧面揭示了企业风险，如果用电量和用水量明显下降，企业可能存在开工不足、停产等现象，也可能是产品销量不畅，库存积压所致。
因此，本文在实际生产能力二级指标下，增加年均用电增长率、年均用水增长率、存货增长率等三个三级指标，衡量中小企业真实的生产能力。
4.2环境绩效指标
有色金属行业具有的高耗能、高污染的一般工业属性，随着有色金属行业产能的不断增大，废水排放、重金属排放、大气污染物排放、固体废弃物排放等环境污染问题不断加剧。因此，对于整个有色金属行业来说，推行清洁生产是实现节能减排、协同增效的重要手段，也是实现有色金属行业绿色可持续发展的重要途径。在以往的研究中，对于信用风险评估指标体系的建立，很少有学者考虑供应链金融的环境绩效因素。
因此本文引入环保设备占比、环保设备支出、水资源循环利用率、三废排放达标率、排污许可证等五个三级指标，从融资企业综合绩效的角度衡量其信用风险。
4.3税务数据指标
在中小企业的诸多数据维度中，税务数据具有很高的信息价值度，可以更加客观反映出企业的真实经营状况。因此，在供应链金融信用风险评估过程中，资金方供应方对企业的评估、授信等环节，引入税务数据可以很大程度提升数据分析的效果。
但是，税务数据具有很高的敏感性和保密性，在数据使用方面，税务部门对数据管理也是极为严格，因此，在选取税务评价指标时尽量使用公开可获得的数据。参照国家税务总局《纳税评估管理办法（试行）》的通知中企业所得税纳税评估基本分析指标，本文创新性地引入中小企业的纳税信用评级、企业所得税税收负担率和利润税负率等指标，进一步丰富信用风险评级指标体系。
基于以上分析，探索构建了三级信用风险评级指标体系，其中一级指标有四类，即企业自身状况（A）、核心企业的实力（B）、供应链关系状况（C）以及融资资产情况（D）。
在一级指标下，梳理构建了二级指标体系，其中企业自身状况（A）包括了9个二级指标，具体包括管理层素质（A1）、盈利能力（A2）、营运能力（A3）、长期偿债能力（A4）、短期偿债能力（A5）、成长能力（A6）、实际生产能力（A7）、环境绩效（A8）、税务数据（A9）。核心企业的实力（B）涵盖了6个二级指标。具体包括交易对手信用级别（B1）、交易对手行业特征（B2）、盈利能力（B3）、营运能力（B4）、偿债能力（B5）、成长能力（B6）。供应链关系状况（C）涵盖了1个二级指标，即上下游合作情况（C1）。融资资产情况（D）涵盖了2个二级指标，即质押物特征（D1）与应收账款特征（D2）。
在二级指标的基础上，进一步细化筛选出三级指标，其中A1包含2个三级指标，即管理层的道德品质及社会声誉与经营者从事管理年限长短；A2包含3个三级指标，即净资产收益率、营业净利率与毛利率；A3包含3个三级指标，即存货周转率、应收账款周转率与总资产周转率；A4包含3个三级指标，即资产负债率、利息保障倍数与现金流量保障倍数；A5包含3个三级指标，即速动比率、流动比率与现金流量比率；A6包含3个三级指标，即营业收入增长率、净利润增长率与总资产增长率；A7包含3个三级指标，即年均用电增长率、年均用水增长率与存货增长率；A8包含5个三级指标，即环保设备占比、环保设备支出、水资源循环利用率、三废排放达标率与排污许可证；A9包含3个三级指标，即纳税信用等级、企业所得税税收负担率与利润税负率。B1包含1个三级指标，即信用级别；B2包含1个三级指标，即行业地位；B3包含2个三级指标，即营业净利率与净资产收益率；B4包含1个三级指标，即流动资产周转率；B5包含2个三级指标，即流动比率与资产负债率；B6包含1个三级指标，即净利润增长率。C1包含3个三级指标，即交易时间、交易频率与核心企业合作情况。D1包含3个三级指标，即价格稳定性、变现能力与易损坏程度；D2包含3个三级指标，即应收账款平均账期长短、购买方退货情况与应收账款坏账率。
5供应链金融模式信用风险评价模型
信用评价使用较多的方法主要包括主成分分析与Logistic回归模型、TOPSIS模型、KMV模型、MLP神经网络、向量机机器学习（SVM）以及GBDT决策树类算法等。
在以往研究中，主成分分析与Logistic回归模型是最为常见运用于信用评价的方法。主成分分析是一种利用降维思想，在确保较少信息缺失的前提下通过一定的变换，把原来较多的指标转化为主要的少数几个综合指标的多元统计方法。一般情况下，利用主成分分析而获得的主成分与原始变量之间有以下关系：所得到的每一个主成分都是各个原始变量的线性组合；主成分的数量会远少于原始变量的数量；主成分保存了原始变量的大多数信息并且各个主成分之间是互不相关的。采用这样的方法，可以从复杂事物的关系中找到一些主要成分，减少了大量的计算，从而可以对统计数据进行有效的定量分析，展现各个变量之间内在的联系，进而能够得到对事物特性及其发展规律的启发。Logistic回归模型可以表述成p=1/1+e-z，z=β0+∑βkxk，其中xk（k=1,2,...,m）为供应链金融信用风险评价中的影响变量，βi（i=1,2,...,m）为技术系数，它可通过回归或者极大似然估计的方法得到，Logistic回归值p∈（0,1）是供应链金融信用风险分析判别得出来的结果，p是z的连续增函数，z∈（-∞,+∞),而且当z趋于正无穷时limp=1，当z趋于负无穷时，limp=0。对于某一个公司i（i=1,2,...,n）来说，若其Logistic回归值pi≈0，则就会被判定为有信用风险类型的企业，若pi≈1，则被判定为无信用风险类型的企业。pi的值距离0越远，说明企业会违约的风险越小；反之，则说明企业会违约的风险越大。
基于熵权法的Topsis模型也是一种常用的综合评价方法，能充分利用原始数据的信息，客观进行权重幅值，其结果能客观地反映各评价方案之间的差距。除了传统统计模型意外，21世纪以来，基于人工智能模型的信用风险评价方法大幅度提高了预测精度，以神经网络为代表，该方法被广泛应用于企业财务危机预警中。神经网络是一种模仿人类中枢神经系统，由大量相互连接的神经元组成的模型，通过算法调整神经元之间的连接关系实现信息处理。作为神经网络的典型代表，MLP神经网络（又称多层感知机)包括一个输入层、一个或多个隐藏层以及一个输出层，各层之间通过带有非线性激活函数的神经元全连接，每个连接都赋有不同的权值，使得各层神经元的输入为前一层神经元输出值的加权和。神经网络适用于非线性及非正态情况，具有对数据分布情况要求不严格的特点，其性能一般来说优于传统的统计方法。但是该方法存在训练效率及收敛性问题。
但是由于供应链金融业务背景下，中小企业信用数据匮乏，传统统计方法和神经网络都无法很好地解决新视角下中小企业信用风险评估问题。因此，随着大数据算法的进步，通用学习算法支持向量机（Support Vector Machines，SVM）模型的发展突破了过往局限，逐渐用于供应链金融视角下的中小企业信用风险评估。
不同类别的信用风险评价模型各有其优缺点。判断评估方法或模型的优劣，应综合考虑模型的预测精度和稳健性。模型的稳健性是针对模型对训练样本以外的样本的预测能力而言的。稳健性较好的模型在对训练样本以外的样本进行预测时，其预测精度不应该有较大幅度的下降。就预测精度而言，神经网络、向量机机器学习等非线性方法相较于Logistic回归等线性评分方法具有独特的优势。但线性评价模型的稳健性要强于神经网络等非线性方法。针对我国信贷市场快速发展这一现实状况来看，模型的稳健性更为重要。由于市场的快速发展，当模型投入使用后，新的信用产品申请人总体可能很快就与建模总体有差异，一个稳健性较强的模型的预测能力反而更好。因此，由于中小企业非对称信息的程度较深，影响作用更大，要获得好的综合预测效果，不得不牺牲一定程度的精度来换取模型较高的稳健性。所以，总体而言，Logistic回归模型及Topsis模型等线性评分方法是相对较优的选择。
6结论
供应链金融是一种应运而生的新型金融模式，对于解决中小企业融资难的发展瓶颈意义重大。过往研究对于供应链金融的研究分析多着重关注煤炭行业、汽车行业等传统链条较长的产业。有色金属行业作为关系国计民生的基础产业，行业内同样拥有大量中小企业亟需解决发展困境。本文立足于有色金属中小企业的发展现状，对供应链金融业务及其信用风险进行深入解读和探讨，构建了具有行业特色的包含生产经营指标的信用评估体系，比传统银行授信更贴近有色金属行业的生产实际，对现实供应链金融背景下的保理业务中的信用风险评估具有较强的指导意义和实践价值。最后，本文对常用于供应链金融模式的信用风险评价方法进行了分析比较，尝试探索构建了供应链金融模式下有色金属行业中小企业信用风险评价研究，为金融机构开展供应链金融相关业务提供了有益参考。
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/ligonglunwen/80561.html
