数据挖掘在供应链金融风险控制中的应用

摘要：本文从供应链金融的概念出发，对供应链金融风险进行了简要的分析，之后基于数据挖掘技术探讨了其在供应链金融高风险经销商识别中的实际应用，通过目标类经销商数据采集、整理、预相关分析及属性相关性度量等手段确定了和高风险经销商相关的各类属性，在此基础上提出了风险防范控制的有效思路，希望为广大金融机构的经营管理提供一定的参考。

关键词：数据挖掘;供应链金融;风险控制

中图分类号：F031  文献识别码：A  文章编号：

2096-3157（2019）29-0160-02

供应链金融是我国服务业务拓展创新的成果，主要是由银行金融机构向供应链上下游节点企业或者成员提供融资服务，包括生产商、经销商等。供应链金融业务创造价值的基础在于供应链中各成员之间的分工协作，该业务的拓展可以有效解决供应链企业融资难的问题，以供应链为纽带带动其所有成员的共同发展。虽然回报丰厚，但金融业务开展过程中也存在一定的风险，如何有效防控风险就成了银行金融机构必须研究的问题。

一、供应链金融及其风险分析

1供应链金融的内涵分析

供应链金融是基于供应链而产生的一种金融业务，其前身为物流金融或贸易金融。供应链金融的产生可以追溯到20世纪80年代，随着贸易全球化和国际分工趋势的持续深入，产品链的管理趋于复杂化，供应链管理的理念被提出，使得市场竞争开始从企业竞争逐渐转向供应链竞争。之后，科学技术的发展使得生产效率及成本获得了有效的改善，但在供应链中，部分节点存在的资金问题却会对整个产品链的成本造成影响，这样势必会降低供应链的竞争优势，供应链金融正是解决这一问题而形成的。截止到目前为止，关于供应链金融的研究已有很多，其中比较具有代表性的包括Michael Lamoureux对供应链金融内涵做出的阐述，他认为供应链金融本质上是对资金获取性和成本进行系统优化的过程。我国国内研究者在阐述供应链金融的概念时多是从银行金融产品的视角出发，根据胡跃飞的研究，供应链金融是指金融机构基于供应链所构建的贸易背景，在考虑核心企业的信用水平后，将企业未来贸易行为可能产生的现金流作为直接还款源，配合银行的短期金融产品和封闭贷款操作进行的单笔或额度授信方式的融资业务。

综合来看，供应链金融是指银行类金融机构为供应链中客户提供融资、保险、结算等综合金融服务，业务的开展主要围绕核心企业，基于其贸易关系为供应链中存在资金短缺问题的中小企业提供融资服务，补足供应链中存在的资金薄弱环节，为供应链的正常运行奠定坚实的基础。

2供应链金融风险分析

在供应链运行的过程中，核心企业和其上下游企业之间维持的贸易关系或是衍生担保品具备的信用价值是金融机构向上下游企业提供资金支撑的保障，帮助供应链中具备资金需求的企业获得发展经营资金。供应链金融主要面向的是除核心企业之外的上下游企业，如生产商、供应商以及经销商等，而供应链金融风险也主要来自于这些企业的还款风险。以下游经销商为例，在产品链中，若是其不能顺利完成销售目标，将无力偿还银行的贷款，如此必然会使银行遭受较大的损失。虽然很多银行为了规避这一风险，会在业务开展之前对经销商的融资资格进行调查，并合理分配授信额度，但是由于信息不对称现象的存在，导致银行无法真正的做到风险防控。

二、数据挖掘以及高还款风险经销商识别研究

1数据挖掘简介

在大数据时代下，数据规模变得更加庞大，价值密度越来越低，数据挖掘是此背景下产生的一种技术，主要功能是帮助人们对数据信息存在的价值进行深度挖掘，在商业信息处理领域应用广泛。通过数据挖掘可以实现对商业业务数据信息的读取、转化、分析及智能化处理，为商业决策活动提供强有力的支撑。在供应链运行的过程中会产生大量的数据信息，其中很大一部分对于供应链金融业务的开展具有较高的参考价值，而想要将这些数据筛选出来，就需要使用到数据挖掘技术。将数据挖掘技术应用于供应链金融风险控制的优势主要体现在两个方面：其一，解决供应链金融中存在的信息不对称问题。供应链将诸多企业有机的联系起来，在其运行的过程中会涉及到了频繁的信息传递，因此从某种程度上来讲供应链实际上是一个信息资源的整合平台，在供应链金融业务中，依托供应链展开数据挖掘可以帮助银行等金融机构充分了解相关企业的信息，规避信息不对称造成的约束和风险，而且这些信息不仅准确高效而且获取成本很低。其二，促进供应链金融风险管理的强化。一方面，数据挖掘可以帮助银行等金融机构对供应链上企业的采购、销售、物流、资金以及信用等方面的信息进行核实分析，构建完善的风险评估模型，实现对行业风险的提前预测分析。另一方面，可以通过信息系统对融资企业的物流和资金流情况进行监控，确保资金利用的合理性。

在大数据时代下，供应链金融对数据信息支撑的依赖性不断提升，基于数据挖掘实现对供应链运行中数据信息的有效利用，可以为供应链金融风险的预防控制提供有力的依据。

2基于数据挖掘的高还款风险经销商识别

本文主要研究如何应用数据挖掘技术对供应链金融中具有高还款风险的经销商进行识别，进而为金融机构的风险防控提供支撑。在数据挖掘技术实际应用的过程中，描述性挖掘和预测性挖掘是其比较常见的两种形式，本文拟采用描述性挖掘分析供应链中经销商的还款风险属性，具体可从以下几个方面入手：

首先，对目标类经销商的数据进行采集。一条供应链中包含了大量的企业，想要从中筛选出还款能力较弱的经销商，需要对全体经销商的共有属性进行采集整理，需要采集的信息包括注冊资本、销售地点、经营规模、销售季节、销售方式、资信等级、销售业绩等，之后就可以通过综合性分析确定其还款风险的高低。

其次，数据整理概化和预相关分析。在整合了经销商的数据信息之后，下一步需要对数据中的字段属性以及数据记录进行整理概化。在排除掉一些关联性较小的字段，如销售季节之后，对具有较多值的字段进行统计，分析与该字段属性具有任务相关的数据不同值的数量。其中经营规模包括大型、中型和小型，销售方式包括区域、网络、电话、售前等。资信等级可以分为A、B、C三个级别，最终还款风险可以判定为高、低两种类型。

再次，属性相关性度量。通过上一步骤可知，在供应链金融中，经销商的还款风险与经营规模、销售方式、资信等级等有关，在此基础上还需对各个属性与还款风险高低的关联度强弱进行分析，可采用信息增益的方法，具体可以分为信息增益测量、字段属性信息增益值计算两个步骤，之后根据计算结果将关联度较弱或是不存在关联的字段属性予以删除。整体对比分析可知，销售地点字段属性的信息增益值较高，而注册资本及销售方式等则会极大信息的不确定性，因此和还款风险的关联度偏弱。

最后，元组合并以及结果映射。在删除和经销商还款风险关联度偏弱的字段属性之后，可以通过元组合并的方式将高还款风险经销商所具有的特征属性筛选出来。需注意的是，数值型的字段属性不可参与到元组合并当中。在具体操作的过程中，应将各字段属性中数值相等的记录进行合并，并重新计算输出结果。经过合并之后即可进行数据挖掘结果的输出，可采用的输出形式较为灵活，但为了保障数据的直观性，最好采用图形或是表格的输出形式或是对单个字段属性进行分析。例如，分析经营规模大小与还款风险之间的关联度可知，中型规模经销商的还款风险最低，小型规模经销商的还款风险最高，由此可见，中型规模经销商的风险规避能力最强。

三、供应链金融风险控制研究

在供应链金融中，处于上下游的经销商拥有的还款风险是金融风险的主要构成部分，想要实现对这部分风险的有效防控，银行等金融机构在提供金融服务时应采取积极有效的措施。首先，对各大经销商的市场经营状况进行动态监控和测评，剔除发展前景差、竞争优势弱的经销商，与其他具备行业竞争优势的经销商展开合作。其次，在提供金融服务时，金融机构应根据经销商所具有的还款风险设置不同的市场利率。采用数据挖掘技术可以从字段属性的角度判别经销商所具备的还款风险的高低，如此金融机构就可以根据不同的结果做出相应的决策。通常情况下，对于还款风险越高的经销商，应制定的贷款利息也相对越高。中国银行所采取的就是差别利率制度，但它是将企业的信用等级作为利率制定的依据，对于信用等级较高的中小企业，其所采取的贷款利率一般不低于法定利率，信用等级稍差的中小企业，其贷款利率取值范围则在法定利率的基础上上浮10%，最低等信用评级的企业则取值不低于法定利率上浮20%的范围内。这种模式可以最大程度地降低金融风险，为银行金融业务的拓展创新提供足够的发挥空间。结合欧美国家供应链金融运作的情况来看，低风险低利率、高风险高利率的贷款利率制定模式在供应链金融风险防范控制方面发挥出了巨大的作用。因此可以将其应用于我国供应链金融运作过程中。

此外，还可以构建同时支持业务运营和风险管理的组织平台，在供应链金融业务组织创新的前提下，将传统的“银行—贷款企业”的双向关系重塑为“银行—物流企业—贷款企业—核心企业—云商服务平台”的多方生态链关系。在这样的环境下，可以通过技术创新实现对物流、资金流、信息流等多方面的监控审查。同时，组建业务营销和运营部门，制定科学合理的考核和激励机制，实现对供应链金融业务的独立考核。在此基础上构建综合集成技术支持平台，对各方面风险进行综合控制，所有相关企业可以共同开发风险控制技术。

四、结语

综上所述，供应链金融在我国的推广虽然极大地推动了供应链经济的发展，但同时也面临着较大的金融风险，随着供应链金融的不断拓展和创新，其风险方案和控制受到的重视也在持续提升。本文从供应链上下游经销商具有的还款风险入手，利用数据挖掘的方式明确和其还款风险存在紧密关联的字段属性，实现对高风险经销商的有效识别，可以为银行等金融机构实施风险控制提供详实可靠的依据。

参考文献：

[1]彭雷制造行业中小企业供应链金融的风险控制研究[D]首都经济贸易大学，2016

[2]顾玲丽基于企業电子商务平台的供应链金融模式创新与风险管理[D]江西财经大学，2015

[3]苏汝劼，特木钦大数据背景下拓展供应链金融的思路与途径分析[J].内蒙古大学学报（哲学社会科学版），2018，50（03）：86～91

作者简介：

冯玺清，对外经济贸易大学金融学院在职人员高级课程研修班学员;研究方向：金融投资。