基于Logistic模型的供應(yīng)鏈金融信用風(fēng)險(xiǎn)實(shí)證研究*

陳 欽， 施麗娟

(福州外語(yǔ)外貿(mào)學(xué)院 經(jīng)濟(jì)學(xué)院，福州 350202)

1 Logistic模型的理論基礎(chǔ)

選擇Logistic模型進(jìn)行供應(yīng)鏈金融的信用風(fēng)險(xiǎn)評(píng)價(jià)，對(duì)利用供應(yīng)鏈金融進(jìn)行融資的企業(yè)的違約率進(jìn)行實(shí)證分析。采用主成分分析法選擇具有代表性的自變量，以減少候選變量間的相關(guān)性，對(duì)模型進(jìn)行修正簡(jiǎn)化。Logistic模型是目前計(jì)算違約概率方面研究比較成熟的一種模型。方法假設(shè)企業(yè)守約概率服從Logistic分布。采用一系列財(cái)務(wù)和業(yè)務(wù)指標(biāo)(Xk，k=n)作為自變量建立Logistic模型，預(yù)測(cè)企業(yè)的守約概率P。然后根據(jù)銀行和相關(guān)投資者的風(fēng)險(xiǎn)偏好程度設(shè)立分界點(diǎn)P*，通過P與P*的比較，以確定融資企業(yè)的違約率是否偏高，最后決定是否對(duì)該企業(yè)進(jìn)行貸款。Logistic模型的因變量Y僅有0和1兩個(gè)取值，1為守約，0為違約。如果P

2 供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的構(gòu)成

借鑒前人的研究成果，并結(jié)合供應(yīng)鏈金融的特點(diǎn)和傳統(tǒng)信貸模式的信用風(fēng)險(xiǎn)評(píng)價(jià)方式，構(gòu)成初步的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，其中包括14個(gè)指標(biāo)。這14個(gè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)分別是：X1(每股收益)、X2(主營(yíng)業(yè)務(wù)利潤(rùn)率)、X3(營(yíng)業(yè)利潤(rùn)率)、X4(凈利潤(rùn)率)、X5(凈資產(chǎn)收益率)、X6(主營(yíng)業(yè)務(wù)收入增長(zhǎng)率)、X7(凈資產(chǎn)增長(zhǎng)率)、X8(應(yīng)收賬款周轉(zhuǎn)率)、X9(存貨周轉(zhuǎn)率)、X10(總資產(chǎn)周轉(zhuǎn)率)、X11(流動(dòng)比率)、X12(現(xiàn)金比率)、X13(資產(chǎn)負(fù)債率)、X14(現(xiàn)金流動(dòng)負(fù)債比)。

3 樣本選取及原始數(shù)據(jù)描述性統(tǒng)計(jì)量

樣本數(shù)據(jù)來自滬深股市的紡織行業(yè)，共選取其中41家企業(yè)數(shù)據(jù)進(jìn)行分析。指標(biāo)數(shù)據(jù)來源于新浪財(cái)經(jīng)的數(shù)據(jù)源(http：∥vip.stock.finance.sina.com.cn/mkt/#new_fzhy)，主要截取2013年第3季度的報(bào)告數(shù)據(jù)作為基本數(shù)據(jù)來源。表1為SPSS運(yùn)行的原始數(shù)據(jù)描述性統(tǒng)計(jì)量。

表1 原始數(shù)據(jù)描述性統(tǒng)計(jì)

4 主成分分析

樣本數(shù)據(jù)中有14個(gè)指標(biāo)，由于數(shù)量過多，應(yīng)將各指標(biāo)進(jìn)行主成分分析。為了使數(shù)據(jù)具有標(biāo)準(zhǔn)性和可加性，便于后續(xù)分析，削除不同量級(jí)指標(biāo)的影響，應(yīng)將樣本的原始數(shù)據(jù)標(biāo)準(zhǔn)化。運(yùn)用SPSS統(tǒng)計(jì)軟件進(jìn)行主成分分析，表2為運(yùn)行得到的主成分解釋的總方差，表3為運(yùn)行得到的主成分系數(shù)矩陣。

表2是利用SPSS將所有的數(shù)據(jù)做了一個(gè)主成分分析，發(fā)現(xiàn)將14個(gè)指標(biāo)轉(zhuǎn)化為了4個(gè)有代表性的綜合指標(biāo)。根據(jù)主成分分析原理，主成分特征根大于等于1就認(rèn)為是滿意的主成分變量。表2中，主成分的特征根大于1的分別為5.019、2.275、1.993、1.132，分別解釋了原指標(biāo)變量的35.853%、52.102%、66.341%、74.427%的信息，累積貢獻(xiàn)率達(dá)到了74.427%，所以這4個(gè)主成分能夠較好地表示原來所有的指標(biāo)信息。

由表3的主成分得分系數(shù)矩陣，得出主成分表達(dá)式：

Y1代表企業(yè)獲利能力的Z1(每股收益)、Z2(主營(yíng)業(yè)務(wù)利潤(rùn)率)、Z3(營(yíng)業(yè)利潤(rùn)率)、Z4(凈利潤(rùn)率)和Z5(凈資產(chǎn)收益率)在公因子Y1上游較高的載荷。反映的是企業(yè)的盈利能力，可稱Y1為盈利能力因子。

Y2代表企業(yè)償債能力的Z11(流動(dòng)比率)、Z12(現(xiàn)金比率)和Z13(資產(chǎn)負(fù)債率)在公因子Y2上游較高的載荷。反映的是企業(yè)的償債能力和現(xiàn)金流量，可稱Y2為現(xiàn)金流因子。

Y3代表企業(yè)償債能力的Z6(主營(yíng)業(yè)務(wù)收入增長(zhǎng)率)、Z9(存貨周轉(zhuǎn)率)和Z10(總資產(chǎn)周轉(zhuǎn)率)和在公因子Y3上游較高的載荷。反映的是企業(yè)的營(yíng)運(yùn)能力，可稱Y2為營(yíng)運(yùn)因子。

表2 主成分解釋的總方差

表3 主成分系數(shù)矩陣

Y4代表企業(yè)發(fā)展前景和成長(zhǎng)能力的Z8(應(yīng)收賬款周轉(zhuǎn)率)在公因子Y4上游較高的載荷。反映的是企業(yè)的成長(zhǎng)能力，可稱Y4為成長(zhǎng)因子。

5 模型回歸分析

用經(jīng)過主成分分析之后得到的表達(dá)式計(jì)算各公司的Y1、Y2、Y3和Y4數(shù)值與各個(gè)企業(yè)的評(píng)判指標(biāo)F數(shù)值組合在一起，組合后的數(shù)值見表4。各個(gè)企業(yè)的評(píng)判指標(biāo)F數(shù)值是參考了和訊網(wǎng)(http：∥www.hexun.com/)中對(duì)各家企業(yè)的最新財(cái)務(wù)評(píng)估，綜合考慮企業(yè)的綜合能力、盈利能力、償債能力和成長(zhǎng)能力。一般把綜合能力在兩顆星及以上的評(píng)判指標(biāo)F數(shù)值設(shè)為1，特別要說明的是如果綜合能為兩顆星以上，但是盈利能力、償債能力和成長(zhǎng)能力中只要其中一個(gè)能力為一顆白星的，認(rèn)定評(píng)判指標(biāo)F數(shù)值設(shè)為0。

表4 各企業(yè)的Y1、Y2、Y3和Y4數(shù)值與評(píng)判指標(biāo)F數(shù)值的對(duì)照

續(xù)表4

運(yùn)用SPSS軟件對(duì)組合后的數(shù)值進(jìn)行回歸分析，選擇的方法是向后去除，逐步向后選擇，移去檢驗(yàn)基于Wald統(tǒng)計(jì)量的概率。SPSS統(tǒng)計(jì)分析軟件運(yùn)行的結(jié)果，見表5。

表5 主成分變量參數(shù)估計(jì)表

表5得到的結(jié)果是Logistic實(shí)證模型的擬合結(jié)果。根據(jù)第三步回歸的結(jié)果，Y1、Y2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：

(1)

式(1)P值的大小表示了企業(yè)的守約概率，可以用來預(yù)測(cè)融資企業(yè)的信用風(fēng)險(xiǎn)的大小。若P值越接近1，則表示守約概率較大，屬于低風(fēng)險(xiǎn)類，銀行可以考慮給予信貸；若P值越接近0，表示守約概率較小，屬于高風(fēng)險(xiǎn)類，銀行應(yīng)慎重考慮是否給予信貸。

6 檢驗(yàn)與結(jié)論

6.1 檢 驗(yàn)

以浙江富潤(rùn)為例：

即浙江富潤(rùn)的守約概率為98.43%，說明浙江富潤(rùn)的守約概率很高，銀行可以考慮為其提供融資。

同理可得樣本中41家的P值，見表6。

表6 企業(yè)評(píng)判指標(biāo)Y和守約概率P對(duì)照表

從表6知，樣本中共有41家企業(yè)，只有4家企業(yè)它們的F值與P值有誤差，模型整體預(yù)測(cè)正確率為90.70%，其中判斷信用良好的企業(yè)違約率較低的準(zhǔn)確率為92.59%，判斷信用較差的企業(yè)違約率較高的準(zhǔn)確率為85.71%。由此可見，根據(jù)Logistic回歸分析得出的供應(yīng)鏈金融模式下的融資企業(yè)守約概率模型可以幫助測(cè)算企業(yè)在供應(yīng)鏈金融模式下的信用水平，使評(píng)估方法從對(duì)企業(yè)靜態(tài)的財(cái)務(wù)數(shù)據(jù)評(píng)估變成對(duì)動(dòng)態(tài)的交易過程評(píng)估，并且準(zhǔn)確度較高。

6.2 結(jié) 論

(1) 由于國(guó)內(nèi)開拓供應(yīng)鏈金融這種全新的融資業(yè)務(wù)還處于發(fā)展階段，要逐步建立企業(yè)的信用檔案，注重完善信貸數(shù)據(jù)庫(kù)。加快企業(yè)和個(gè)人征信系統(tǒng)建設(shè)，在全國(guó)范圍內(nèi)實(shí)現(xiàn)企業(yè)和個(gè)人征信系統(tǒng)信息資源共享。對(duì)于信用較差的企業(yè)采用懲戒機(jī)制，對(duì)于信用較好的企業(yè)實(shí)行獎(jiǎng)勵(lì)機(jī)制，有助于改善整個(gè)社會(huì)的信用環(huán)境。同時(shí)在建設(shè)信貸數(shù)據(jù)庫(kù)應(yīng)側(cè)重企業(yè)的非財(cái)務(wù)指標(biāo)數(shù)據(jù)的收集工作。

(2) 樣本主要是來自紡織行業(yè)的上市公司，只能反映這一行業(yè)的供應(yīng)鏈金融信用風(fēng)險(xiǎn)識(shí)別模型。由于不同行業(yè)有各自不同的屬性，因此本文得出的這個(gè)信用風(fēng)險(xiǎn)識(shí)別模型未必能完全適用于其它行業(yè)，需要根據(jù)各行業(yè)的不同屬性對(duì)模型進(jìn)行相應(yīng)的調(diào)整，所以要加強(qiáng)對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)的控制，就要考慮信用風(fēng)險(xiǎn)評(píng)價(jià)體系中的評(píng)價(jià)指標(biāo)，考慮模型對(duì)不同行業(yè)的適用性問題。

(3) 由于我國(guó)正處于經(jīng)濟(jì)轉(zhuǎn)型期，企業(yè)的外部環(huán)境變化較快，宏觀經(jīng)濟(jì)因素對(duì)商業(yè)銀行的穩(wěn)健經(jīng)營(yíng)有著深刻影響，不足之處是沒有把宏觀經(jīng)濟(jì)因素考慮在內(nèi)。所以加強(qiáng)對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)的控制，就要加強(qiáng)對(duì)風(fēng)險(xiǎn)識(shí)別模型的檢驗(yàn)。要定期對(duì)信用識(shí)別模型進(jìn)行檢驗(yàn)，考察該模型是否能較好地反映企業(yè)的信用變化情況。

參考文獻(xiàn)：

[1] 彎紅地.供應(yīng)鏈金融的風(fēng)險(xiǎn)模型分析研究[J].經(jīng)濟(jì)問題，2008(11)：109-112

[2] 閆俊宏，許祥秦.基于供應(yīng)鏈金融的中小企業(yè)融資模式分析[J].上海金融，2007(2)：14-16

[3] 鮑旭紅.基于供應(yīng)鏈金融的中小企業(yè)融資渠道創(chuàng)新研究[J].科技和產(chǎn)業(yè)，2009(1)：74-77

[4] 熊熊，馬佳，趙文杰，等.供應(yīng)鏈金融模式下的信用風(fēng)險(xiǎn)評(píng)價(jià)[J].南開管理評(píng)論，2009(4)：92-98

[5] 胡海青，張瑯，張道宏，等.基于支持向量機(jī)的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估研究[J].軟科學(xué)，2011(5)：26-36