劉思賢
摘 要
供應(yīng)鏈金融自提出以來(lái)就受到社會(huì)各界的廣泛關(guān)注,而信用風(fēng)險(xiǎn)在風(fēng)險(xiǎn)管理乃至金融管理中都有著至關(guān)重要的作用。因此,對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)的了解與掌握是學(xué)習(xí)供應(yīng)鏈金融的重要一步。故本文從供應(yīng)鏈金融信用風(fēng)險(xiǎn)的識(shí)別與評(píng)價(jià)、度量、控制三方面對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)的相關(guān)文獻(xiàn)做出了梳理與總結(jié),提出現(xiàn)有研究存在的不足之處,并對(duì)如何管控風(fēng)險(xiǎn)提出對(duì)策建議。
關(guān)鍵詞:供應(yīng)鏈金融,信用風(fēng)險(xiǎn),文獻(xiàn)綜述
abstract
Supply chain finance has been widely concerned since it was put forward, and credit risk plays a vital role in risk management and even financial management. Therefore, understanding and mastering the credit risk of supply chain is an important step in learning supply chain finance. Therefore, this paper starts from three aspects including the identification and evaluation, measurement and control of the credit risk of supply chain to sort out and summarize the relevant literature on the credit risk of supply chain, and puts forward the shortcomings of existing research and countermeasures and suggestions on how to control risks.
Key words: supply chain financial 、credit risk 、literature review
一、引言
改革開(kāi)放以來(lái),我國(guó)中小企業(yè)發(fā)展勢(shì)頭迅猛,在數(shù)量上,其占到全國(guó)企業(yè)總量的 99% ;在貢獻(xiàn)上,其解決了80%的社會(huì)勞動(dòng)人口的就業(yè)問(wèn)題;在經(jīng)濟(jì)上可以分散風(fēng)險(xiǎn),體制上可以深化改革,并且在完善市場(chǎng)體系和競(jìng)爭(zhēng)機(jī)制方面也發(fā)揮著積極作用,可見(jiàn)其在我國(guó)經(jīng)濟(jì)社會(huì)中扮演著十分重要的角色。但中小企業(yè)在發(fā)展過(guò)程中也面臨著嚴(yán)峻的問(wèn)題:融資難。僅從銀行信貸比這一數(shù)據(jù)來(lái)看,其占比極低,僅為活動(dòng)資本的12%。由于處于傳統(tǒng)供應(yīng)鏈條上的中小企業(yè)融資難、融資貴的問(wèn)題難以解決,所以供應(yīng)鏈金融隨之產(chǎn)生,為解決其融資問(wèn)題提出了新的思路與方法。
供應(yīng)鏈金融作為一種新興模式,社會(huì)各界積極響應(yīng),而其也不負(fù)眾望,成績(jī)顯著。國(guó)家政策方面,自十九大政府提出“應(yīng)對(duì)供應(yīng)鏈金融給予高度重視”以來(lái),政府相繼出臺(tái)了一系列文件, 例如:2018 年商務(wù)部等八部委發(fā)布的《關(guān)于開(kāi)展供應(yīng)鏈創(chuàng)新與應(yīng)用試點(diǎn)的通知》等,都表現(xiàn)出對(duì)供應(yīng)鏈金融的高度支持。學(xué)術(shù)界方面,眾多學(xué)者研究了涉及供應(yīng)鏈金融的多個(gè)方面:供應(yīng)鏈金融的模式、風(fēng)險(xiǎn)、業(yè)務(wù)、管理等,已有相關(guān)文獻(xiàn)將近5000多篇,為其發(fā)展提供理論支撐。市場(chǎng)規(guī)模方面,截止2019年三月,中國(guó)已經(jīng)形成了13萬(wàn)億市場(chǎng)規(guī)模。
在供應(yīng)鏈金融中,中小企業(yè)進(jìn)行融資時(shí),銀行不僅只關(guān)注其企業(yè)本身,而且要參考其核心企業(yè)及供應(yīng)鏈情況,最終做出是否貸款決定。因此,相較于傳統(tǒng)的銀行信貸融資活動(dòng),此模式下,中小企業(yè)的融資效率能有效提高,但由于出現(xiàn)新的考察對(duì)象,對(duì)風(fēng)險(xiǎn)問(wèn)題又有了新的考量:考察對(duì)象的增加意味著風(fēng)險(xiǎn)的增加,而風(fēng)險(xiǎn)的增加則意味著的信用風(fēng)險(xiǎn)的增加。因此對(duì)于供應(yīng)鏈金融中信用風(fēng)險(xiǎn)的研究就顯得非常必要。為使初學(xué)者對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)有初步了解,本文主要在供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià),度量,控制三方面展開(kāi)論述,并在結(jié)尾部分針對(duì)現(xiàn)有研究提出其存在的不足之處,并給出一定建議。
(一)供應(yīng)鏈金融的定義
學(xué)術(shù)界普遍認(rèn)為,供應(yīng)鏈金融是一種新形式的融資模式。馮瑤(2008)認(rèn)為供應(yīng)鏈金融應(yīng)既能提升中小企業(yè)信用等級(jí),又能降低銀行信貸風(fēng)險(xiǎn)。商業(yè)銀行在供應(yīng)鏈管理中,把企業(yè)放在供應(yīng)鏈的某一環(huán)節(jié),來(lái)考慮其不同的資金需求。Tower Group認(rèn)為供應(yīng)鏈金融可根據(jù)供應(yīng)鏈環(huán)節(jié)上的商業(yè)交易,以此設(shè)計(jì)出各種融資和服務(wù)產(chǎn)品,從而可以解決供應(yīng)商短期融資問(wèn)題,使供應(yīng)商資金鏈情況得到改善。牟偉明(2018)認(rèn)為供應(yīng)鏈金融作為創(chuàng)新性的融資模式,為核心企業(yè)和上下游中小企業(yè)提供金融產(chǎn)品和服務(wù)。Alyon 認(rèn)為供應(yīng)鏈金融在對(duì)供應(yīng)鏈條上企業(yè)進(jìn)行整合過(guò)程中,不只是對(duì)資金的整合,而且還包括信用、信息及商品材料。Michael提出供應(yīng)鏈金融是對(duì)鏈條上資金可獲得性及資本運(yùn)營(yíng)成本的管理。
綜上所述,供應(yīng)鏈金融是提供全面金融服務(wù)的新型融資模式。參與主體:金融機(jī)構(gòu),中小企業(yè),核心企業(yè),物流企業(yè),監(jiān)管部門(mén);特征:信用加成,風(fēng)險(xiǎn)分散;目的:緩解中小企業(yè)融資難,使供應(yīng)鏈金融為實(shí)體經(jīng)濟(jì)服務(wù)。途徑:提升中小企業(yè)的信用等級(jí)。
(二)供應(yīng)鏈金融信用風(fēng)險(xiǎn)研究現(xiàn)狀
本文對(duì)于供應(yīng)鏈金融相關(guān)資料的搜集主要在中國(guó)知網(wǎng)進(jìn)行。首先通過(guò)關(guān)鍵詞“供應(yīng)鏈金融”進(jìn)行初步搜索,出現(xiàn)2646個(gè)目標(biāo),接著在結(jié)果中檢索“信用風(fēng)險(xiǎn)”,出現(xiàn)二百多個(gè)目標(biāo),去除學(xué)位論文、新聞、雜志等類(lèi)型的文章,僅留期刊類(lèi)型文獻(xiàn)126篇,最終手動(dòng)選擇屬于核心期刊并與本文寫(xiě)作相關(guān)的65篇文獻(xiàn)進(jìn)行參考。
在文獻(xiàn)整理過(guò)程中發(fā)現(xiàn):從學(xué)術(shù)界來(lái)看國(guó)內(nèi)學(xué)者對(duì)于供應(yīng)鏈金融的研究始于2006年,2009-2014年發(fā)文量快速增長(zhǎng),在2015年之后,年發(fā)文量較多,但增速減緩??梢钥闯觯?yīng)鏈金融在當(dāng)前仍屬于熱門(mén)話(huà)題。而針對(duì)供應(yīng)鏈金融出現(xiàn)次數(shù)較多的關(guān)鍵詞有:供應(yīng)鏈金融,信用風(fēng)險(xiǎn),中小企業(yè),logistics模型,風(fēng)險(xiǎn)管理。故從重要關(guān)鍵詞來(lái)看,經(jīng)統(tǒng)計(jì)信用風(fēng)險(xiǎn)出現(xiàn)的頻率占到39%,可見(jiàn)信用風(fēng)險(xiǎn)問(wèn)題是當(dāng)前學(xué)者在供應(yīng)鏈金融研究中的重點(diǎn)內(nèi)容。故本文的主要工作是對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)的相關(guān)研究進(jìn)行歸納整理。
二、供應(yīng)鏈金融信用風(fēng)險(xiǎn)研究
(一)供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)與識(shí)別
供應(yīng)鏈金融的信用風(fēng)險(xiǎn)的產(chǎn)生是由多種因素共同造成的,主要有環(huán)境因素與企業(yè)因素兩大方面。其中環(huán)境因素主要是宏觀經(jīng)濟(jì)環(huán)境、自然環(huán)境、政策環(huán)境與供應(yīng)鏈環(huán)境,企業(yè)因素主要是中小融資企業(yè)與核心企業(yè)。另外監(jiān)管部門(mén)的監(jiān)管有效性也是產(chǎn)生信用風(fēng)險(xiǎn)的主要原因。李?。?019)針對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)的產(chǎn)生提出兩條傳導(dǎo)機(jī)制:一條是:宏觀環(huán)境→供應(yīng)鏈→個(gè)體企業(yè);另一條是:融資企業(yè)不良行為→核心企業(yè)違約率增加→不利于產(chǎn)業(yè)發(fā)展→宏觀環(huán)境受影響。
關(guān)于信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的構(gòu)建,學(xué)者大多采用定性的方法來(lái)做。褚雪儉等(2017)基于運(yùn)力供應(yīng)鏈信用風(fēng)險(xiǎn),使評(píng)價(jià)體系由靜態(tài)轉(zhuǎn)為動(dòng)態(tài),建立了結(jié)合資產(chǎn)端,交易端和監(jiān)管端三方面的評(píng)估。夏立明等(2011)在信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)中加入非財(cái)務(wù)指標(biāo),克服了傳統(tǒng)指標(biāo)選取籠統(tǒng)性的缺點(diǎn),增加了對(duì)融資企業(yè)未來(lái)、管理者的風(fēng)險(xiǎn)指標(biāo)。劉遠(yuǎn)亮,高書(shū)麗(2013)通過(guò)對(duì)傳統(tǒng)供應(yīng)鏈的靜態(tài)分析與供應(yīng)鏈金融的動(dòng)態(tài)分析的對(duì)比,得出信用風(fēng)險(xiǎn)的指標(biāo)評(píng)價(jià)體系應(yīng)為五個(gè)方面:行業(yè),融資企業(yè)自身、融資項(xiàng)下資產(chǎn),核心企業(yè)以及供應(yīng)鏈關(guān)系。熊莉(2019)構(gòu)建四個(gè)方面評(píng)級(jí)指標(biāo)體系:申請(qǐng)人資質(zhì),交易對(duì)手資質(zhì),融資項(xiàng)資產(chǎn)情況,供應(yīng)鏈運(yùn)營(yíng)狀況。
在對(duì)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)進(jìn)行篩選時(shí),因子分析法與主成分法被較多的使用。例如侯博等(2016)、熊熊等(2009)等。田美玉,何文玉(2016)用專(zhuān)家打分、相關(guān)性分析法和鑒別性分析法。徐洪峰,朱玥(2018)利用層次分析法和多層次灰色綜合評(píng)價(jià)法來(lái)評(píng)價(jià)信用風(fēng)險(xiǎn)。為使評(píng)價(jià)體系的建立更為客觀,李?。?019)根據(jù)指標(biāo)的特性,分別使用隨機(jī)森林特征篩選方法、盲數(shù)理論變量篩選法對(duì)評(píng)價(jià)指標(biāo)進(jìn)行篩選。下文對(duì)評(píng)價(jià)指標(biāo)篩選方法的一些特點(diǎn)及優(yōu)勢(shì)做出總結(jié)。見(jiàn)表2-1:
(二)供應(yīng)鏈金融信用風(fēng)險(xiǎn)度量
當(dāng)金融機(jī)構(gòu)面對(duì)企業(yè)的融資要求時(shí),需要對(duì)其及相關(guān)方的信用進(jìn)行考察,這時(shí)就需要對(duì)信用風(fēng)險(xiǎn)進(jìn)行度量。學(xué)者多采用定量研究的方法。其中,運(yùn)用較多的方法是Logistic模型,用到此模型的有楊軍,房姿含(2017)、胡波等(2017)、劉遠(yuǎn)亮,高書(shū)麗(2013)、侯博(2016)、逯雨鐸,金艷玲(2016)、熊熊等(2009)。他們均是結(jié)合主成分分析法或因子分析法得出信用風(fēng)險(xiǎn)的評(píng)價(jià)指標(biāo),然后建立Logistic風(fēng)險(xiǎn)評(píng)價(jià)模型,最后對(duì)其結(jié)果進(jìn)行檢驗(yàn),都可以證明在供應(yīng)鏈金融模式下,中小企業(yè)的信用違約風(fēng)險(xiǎn)將下降。其中付博把企業(yè)分為三種情況:資信狀況較好、資信狀況較差、綜合情況,分別對(duì)其進(jìn)行模型準(zhǔn)確率判別,指出所建立的模型對(duì)資信狀況好的企業(yè)的判別率更高。逯雨鐸,金艷玲是運(yùn)用Lasso-Logistic模型對(duì)汽車(chē)行業(yè)進(jìn)行信用風(fēng)險(xiǎn)評(píng)價(jià),行業(yè)針對(duì)性較強(qiáng),且其模型的檢驗(yàn)結(jié)果較低,僅為79.5%。熊熊等則通過(guò)傳統(tǒng)模式與供應(yīng)鏈金融模式下的守約概率的對(duì)比分析,得出供應(yīng)鏈金融模式下的守約概率較高。
劉艷春,崔永生(2016)應(yīng)用探索性因子分析和SEM結(jié)構(gòu)方程,說(shuō)明在此模式下可建立供應(yīng)鏈下的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)模型,并用灰色綜合評(píng)價(jià)方法對(duì)企業(yè)信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià),得出公司間的信用排名情況。徐勇戈,李冉(2018)利用房地產(chǎn)行業(yè)的財(cái)務(wù)數(shù)據(jù),結(jié)合Lasso模型的指標(biāo)篩選法,分別用Logistic和SVM模型進(jìn)行信用風(fēng)險(xiǎn)的測(cè)度與檢驗(yàn),得出SVM模型要優(yōu)于Logistic模型。
為克服多層次灰色綜合模型和主成分分析法的缺點(diǎn),在信用風(fēng)險(xiǎn)的度量中用到人工智能。胡海青等(2012)分別用支持向量機(jī)(SVM)與BP神經(jīng)網(wǎng)絡(luò)算法建立評(píng)估模型,并對(duì)其實(shí)證檢驗(yàn)結(jié)果進(jìn)行對(duì)比分析,得出在小樣本下,SVM模型更具有效性和優(yōu)越性。周茜等(2019)基于免疫理論,依據(jù)189家小微企業(yè)的數(shù)據(jù),利用Rought和GA-DEMATEL計(jì)算出風(fēng)險(xiǎn)指標(biāo)的權(quán)重,并利用Logistic模型進(jìn)行檢驗(yàn),得出了各風(fēng)險(xiǎn)因素的重要程度并建立利益主體的風(fēng)險(xiǎn)管控模型。田美玉,何文玉(2016)運(yùn)用到的信用評(píng)價(jià)模型是熵值法,并對(duì)其進(jìn)行了結(jié)果檢驗(yàn),證明該模型的準(zhǔn)確率達(dá)到89.33%,可較大程度的幫助銀行做出貸款決策。褚雪儉(2017)運(yùn)用熵權(quán)-TOPSIS模型對(duì)信用風(fēng)險(xiǎn)進(jìn)行了綜合評(píng)價(jià),提出該模型對(duì)金融機(jī)構(gòu)實(shí)現(xiàn)最優(yōu)貸款組合有實(shí)質(zhì)性的幫助。趙亞星,王春紅(2017)在建筑業(yè)中用隨機(jī)森林算法評(píng)價(jià)風(fēng)險(xiǎn),說(shuō)明在此行業(yè)中,該方法具有可行性。李健,張金林(2019)以L(fǎng)ogistic模型為基礎(chǔ),構(gòu)建POS-SVM信用風(fēng)險(xiǎn)預(yù)警模型,并通過(guò)與其他主流模型的對(duì)比,證明此模型在結(jié)果預(yù)測(cè)和準(zhǔn)確性方面都優(yōu)于其他模型,并建議在實(shí)際中應(yīng)用推廣。
進(jìn)入互聯(lián)網(wǎng)+時(shí)代,面對(duì)大數(shù)據(jù)和移動(dòng)互聯(lián)的雙重沖擊,對(duì)信用風(fēng)險(xiǎn)測(cè)度提出了更高的要求。葉曉楓,魯亞會(huì)(2017)建立了基于隨機(jī)森林融合樸素貝葉斯的信用評(píng)估模型,運(yùn)用German數(shù)據(jù)集進(jìn)行實(shí)證研究,其結(jié)果表明該模型的預(yù)測(cè)準(zhǔn)確性更高。戴昕琦(2018)選取汽車(chē)行業(yè)的數(shù)據(jù),分別建立三種模型對(duì)其信用風(fēng)險(xiǎn)進(jìn)行評(píng)估: SMOTE-RF模型、C-SMOTE-RT 模型與 Logistic 模型,結(jié)果表明C-SMOTE-RT預(yù)測(cè)效果更加準(zhǔn)確。
(三)供應(yīng)鏈金融信用風(fēng)險(xiǎn)控制
關(guān)于供應(yīng)鏈金融信用風(fēng)險(xiǎn)的控制,總結(jié)學(xué)者表述,主要從四方面來(lái)進(jìn)行闡述。一是企業(yè)自身加強(qiáng)風(fēng)險(xiǎn)抵御能力。借助金融衍生品工具,信貸保險(xiǎn)等進(jìn)行風(fēng)險(xiǎn)轉(zhuǎn)移與風(fēng)險(xiǎn)分散;加強(qiáng)技術(shù)創(chuàng)新,建立企業(yè)間信息傳遞平臺(tái)、以國(guó)家政策為導(dǎo)向。二是嚴(yán)格風(fēng)險(xiǎn)考核機(jī)制。在主體準(zhǔn)入上嚴(yán)格金融運(yùn)營(yíng)機(jī)構(gòu)、金融服務(wù)機(jī)構(gòu)的準(zhǔn)入,建立合理的信用額度,風(fēng)險(xiǎn)預(yù)警機(jī)制,完善監(jiān)管職能。其中劉秀莉(2014)提出在風(fēng)險(xiǎn)考核中堅(jiān)持全面性、科學(xué)性、層次性、可操作性、合法性的原則。三是加強(qiáng)對(duì)新技術(shù)的應(yīng)運(yùn)。劉思璐,李華民(2019)提出將區(qū)塊鏈技術(shù)融入供應(yīng)鏈征信系統(tǒng)中,形成“區(qū)塊鏈+監(jiān)管”的格局,實(shí)現(xiàn)穿透性監(jiān)管和精準(zhǔn)性服務(wù),從而合理有效的控制信用風(fēng)險(xiǎn)。
三、結(jié)論與建議
通過(guò)上文的總結(jié),可以看出,目前對(duì)于供應(yīng)鏈金融信用風(fēng)險(xiǎn)的研究大都在于計(jì)量模型的分析上,并根據(jù)實(shí)證結(jié)論簡(jiǎn)要提出一些針對(duì)性的風(fēng)險(xiǎn)控制措施。但認(rèn)為研究中仍存在不足之處,故在下文提出,并在信用風(fēng)險(xiǎn)管控方面提出自己的建議。
(一)不足之處
第一,目前對(duì)于供應(yīng)鏈信用風(fēng)險(xiǎn)的研究大都采取定性與定量的研究方法,但定量的研究較少,且缺乏統(tǒng)一的適用性較強(qiáng)的方法,重復(fù)研究較多,有些學(xué)者的研究時(shí)效性較弱。第二,在進(jìn)行供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)時(shí),很多學(xué)者研究仍是側(cè)重于中小企業(yè)本身,而非基于供應(yīng)鏈金融整體來(lái)考慮,導(dǎo)致評(píng)價(jià)體系中的因素不全面,使學(xué)術(shù)研究落后于業(yè)界實(shí)踐。第三,對(duì)于指標(biāo)體系的選取,缺乏全面的、科學(xué)的方法,而此可能會(huì)對(duì)指標(biāo)的可獲得性與真實(shí)性產(chǎn)生影響,并且指標(biāo)的評(píng)價(jià)較為模糊,根據(jù)心理因素劃分評(píng)價(jià)等級(jí)和信用等級(jí),模糊了準(zhǔn)確性,以致影響結(jié)果的科學(xué)性。第四,未能根據(jù)各行業(yè)的特殊性,綜合各因素的考慮,建立具有行業(yè)特色的信用風(fēng)險(xiǎn)評(píng)估模型。第五,選取的指標(biāo)大都適用于定性研究,而從定性研究過(guò)渡到定量研究,將是未來(lái)的研究重點(diǎn)。
(二)對(duì)策建議
1.建立供應(yīng)鏈金融數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)的建立應(yīng)從三方面來(lái)建設(shè):金融機(jī)構(gòu),中小企業(yè),監(jiān)管部門(mén)。金融機(jī)構(gòu)主要負(fù)責(zé)信用資料的收集,整理,分析,給出客觀性的意見(jiàn),推進(jìn)信用檔案的建設(shè),為權(quán)威平臺(tái)建設(shè),為行業(yè)的發(fā)展提供保障;中小企業(yè)應(yīng)致力于基礎(chǔ)信息的建設(shè),盡可能做到數(shù)據(jù)公開(kāi),以便于數(shù)據(jù)整理存儲(chǔ)與共享工作的順利進(jìn)行,為供應(yīng)鏈金融信用體系的建設(shè)與評(píng)價(jià)體系的不斷檢驗(yàn)做好基礎(chǔ)服務(wù);監(jiān)管部門(mén)應(yīng)把我全局,在供應(yīng)鏈金融信用風(fēng)險(xiǎn)的管控中做好應(yīng)盡的職責(zé)??傊瑢?duì)于數(shù)據(jù)庫(kù)的建設(shè)要實(shí)現(xiàn)電子化,大數(shù)據(jù)化,模型化。
2.完善相應(yīng)體制機(jī)制。包括準(zhǔn)入機(jī)制,預(yù)警機(jī)制,失信懲戒機(jī)制,激勵(lì)機(jī)制。其中預(yù)警機(jī)制非是金融機(jī)構(gòu)獨(dú)有,企業(yè)也應(yīng)建立;制定行業(yè)規(guī)范,對(duì)于失信企業(yè)建立懲處機(jī)制,對(duì)于業(yè)績(jī)優(yōu)良企業(yè)給予獎(jiǎng)勵(lì)。
3.提高核心主體相關(guān)能力。企業(yè)應(yīng)提高風(fēng)險(xiǎn)抵御能力,從根源上杜絕信用風(fēng)險(xiǎn)的產(chǎn)生;銀行應(yīng)對(duì)企業(yè)間的貿(mào)易往來(lái)加強(qiáng)核實(shí),對(duì)融資企業(yè)進(jìn)行定期抽查,在過(guò)程中減少信用風(fēng)險(xiǎn)的發(fā)生。
參考文獻(xiàn)
[1]馮瑤.供應(yīng)鏈金融:實(shí)現(xiàn)多方共贏的金融創(chuàng)新服務(wù)[J].新金融,2008(02):60-63.
[2]牟偉明.供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)[J].財(cái)會(huì)月刊,2018(05):163-169.
[3]李健,張金林.供應(yīng)鏈金融的信用風(fēng)險(xiǎn)識(shí)別及預(yù)警模型研究[J].經(jīng)濟(jì)管理,2019,41(08):178-196.
[4]儲(chǔ)雪儉,李聘飛.供應(yīng)鏈金融信用風(fēng)險(xiǎn)擴(kuò)散防控機(jī)制研究[J]金融發(fā)展研究,2017(02):63-67
[5]夏立明,宗恒恒,孟麗.中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的構(gòu)建——基于供應(yīng)鏈金融視角的研究[J].金融論壇,2011,16(10):73-79.
[6]劉遠(yuǎn)亮,高書(shū)麗.供應(yīng)鏈金融模式下的小企業(yè)信用風(fēng)險(xiǎn)識(shí)別——基于北京地區(qū)信貸數(shù)據(jù)的實(shí)證研究[J].新金融,2013(01):45-49.
[7]熊莉.供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)體系構(gòu)建研究[J].財(cái)會(huì)學(xué)習(xí),2019(26):202+204.
[8]侯博,劉思聰,莊新田.基于供應(yīng)鏈金融創(chuàng)新業(yè)務(wù)的銀行信用風(fēng)險(xiǎn)評(píng)價(jià)[J].財(cái)會(huì)通訊,2016(20):85-88.
[9]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(kāi)管理評(píng)論,2009(4):92-98+106.
[10]田美玉,何文玉.供應(yīng)鏈金融融資模式下中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估——以汽車(chē)行業(yè)實(shí)證研究為例[J].工業(yè)技術(shù)經(jīng)濟(jì),2016,35(06):154-160.
[11]徐宏峰,朱玥.供應(yīng)鏈金融信用風(fēng)險(xiǎn)灰色層次法評(píng)價(jià)研究[J].會(huì)計(jì)之友,2018(07):31-34
[12]楊軍,房姿含.供應(yīng)鏈金融視角下農(nóng)業(yè)中小企業(yè)融資模式及信用風(fēng)險(xiǎn)研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2017(09):95-104.
[13]胡波,姚新宇,樊清華.供應(yīng)鏈金融下P2P平臺(tái)為中小企業(yè)提供融資的風(fēng)險(xiǎn)研究[J].首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào),2017,19(03):29-39.
[14]逯宇鐸,金艷玲.基于Lasso-logistic模型的供應(yīng)鏈金融信用風(fēng)險(xiǎn)實(shí)證研究[J].管理現(xiàn)代化,2016,36(02):98-100.
[15]劉艷春,崔永生.供應(yīng)鏈金融下中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)——基于SEM和灰色關(guān)聯(lián)度模型[J].技術(shù)經(jīng)濟(jì)與管理研究,2016(12):14-19.
[16]徐勇戈,李冉.供應(yīng)鏈金融視角下的房地產(chǎn)企業(yè)信用風(fēng)險(xiǎn)[J].財(cái)會(huì)月刊,2018(08):164-169.
[17]胡海青,張瑯,張道宏.供應(yīng)鏈金融視角下的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估研究——基于SVM與BP神經(jīng)網(wǎng)絡(luò)的比較研究[J].管理評(píng)論,2012,24(11):70-80.
[18]周茜,謝雪梅,張哲.供應(yīng)鏈金融下科技型小微企業(yè)信用風(fēng)險(xiǎn)測(cè)度與管控分析——基于免疫理論[J].企業(yè)經(jīng)濟(jì),2019(08):146-154.
[19]趙亞星,王紅春.隨機(jī)森林算法在建筑供應(yīng)鏈風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用[J].物流技術(shù),2017,36(8):136-139+143.
[20]葉曉楓,魯亞會(huì).基于隨機(jī)森林融合樸素貝葉斯的信用評(píng)估模型[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2017,47(2):68-73.
[21]戴昕琦.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型研究——基于線(xiàn)上供應(yīng)鏈金融的實(shí)證[J].軟科學(xué),2018,32(5):139-144.
[22]劉秀莉.基于信用風(fēng)險(xiǎn)視角的農(nóng)業(yè)供應(yīng)鏈金融研究[J].農(nóng)業(yè)經(jīng)濟(jì),2014(07):32-33.
[23]劉思璐,李華民.嵌入?yún)^(qū)塊鏈技術(shù)的供應(yīng)鏈金融征信系統(tǒng)優(yōu)化[J].征信,2019,37(08):16-20.
[24]顧振偉.基于銀行視角的供應(yīng)鏈金融風(fēng)險(xiǎn)分析[J].商業(yè)時(shí)代,2012(25):69-70.
[25]李慧敏.供應(yīng)鏈金融信用風(fēng)險(xiǎn)研究綜述[J].甘肅金融,2017(05):36-39.
[26]牟偉明.基于核心企業(yè)視角的供應(yīng)鏈金融及其信用風(fēng)險(xiǎn)評(píng)價(jià)[J].財(cái)會(huì)通訊,2016(35): 92-96.
[27]汪小華.農(nóng)業(yè)供應(yīng)鏈金融信用風(fēng)險(xiǎn)的評(píng)價(jià)及控制研究[J].農(nóng)業(yè)經(jīng)濟(jì),2015(12):110-111.