基于汽车类上市公司的供应链金融信用评价

侯志欣　张越

摘要：以汽车类上市公司作为研究对象，选取162家汽车及汽车零部件制造公司的相关指标，通过选取企业素质、经营指标、资产结构作为一级指标，利用因子分析的方法获得其各自的信用状况评分。根据结果，对汽车类供应链金融发展提出相关建议。

摘要：供应链金融 因子分析 汽车类上市公司

一、引言

伴随着经济全球化与网络全球化的发展，国内贸易与国际贸易的竞争格局也从单一的企业与企业之间的竞争演变成企业所在的供应链与供应链之间的竞争，因此，整个供应链金融就形成了一个利益共同体。2015年我国供应链金融市场约12万亿元，至2017年，供应链金融市场到达14.5万亿元的市场规模，其在我国的增长率接近20%，同时互联网+供应链金融近年来的快速发展，在2020年供应链市场规模将达到20万亿元。根据目前全国供应链金融业务发展来看，发展较快的主要是钢铁、能源、汽车和大宗商品几个领域，其中汽车部分，上游为汽车零部件制造，中游为汽车整车制造和下游分销三部分。本文通过选取汽车及汽车零部件制造的上市公司数据，分别对上游、中游两部分的信用状况问题进行综合信用评分，以此来分析其信用状况等相关问题进行评价。

二、评价模型建立

（一）评价指标选取

评价指标的选取是根据分析研究供应链金融信用评价的基础，同时也是建立模型，数据处理分析的关键部分。因此，评价指标选取应遵循全面性、科学性、实用性和可操作性四大原则。本文分别从企业素质、经营指标、资产结构三方面来选取适当的指标。具体指标选取如下：

（二）数据来源

本文采用数据来自wind数据库，选取162家上市公司的截至2018年底的相关数据。其中主体信用评级根据AAA、AA+……C，分别对应14、13……1。

本文选取162家沪深板块汽车及汽车零部件上市公司的项目指标数据，其中汽车制造公司25家，摩托车制造公司4家，汽车零部件制造公司133家。

（三）因子分析

1.KMO和Bartlett球形检验。首先，利用软件SPSS25对数据进行标准化处理。然后，利用软件进行KMO检验，检验结果如表2所示。表中KMO值为0.629>0.5，表示样本数据适合做因子分析。同时表中Bartlett球形检验P值为0，达到显著水平，说明共同因素存在，适合采用因子分析。

2.解释总方差。本文通过最大方差法旋转构成矩阵，提取因子中选取主成分法，通过得到旋转因子其解释总方差的累计贡献率来说明解释程度;或者选取单个因子贡献值大于1的標准来进行判定，如果因子贡献值小于1，则不采用。从解释总方差表中可以看出特征值大于1的因子共有8个，累计贡献率达到76%，说明这8个公因子可以很好的解释23个指标。

通过旋转后载荷矩阵和线性组合系数矩阵，将二十三个项指标转化为八个主成分，每个主成分所代表的能力和前面指标体系构建的二级指标相同。可以将影响企业风险的要素分成八个主要成分，分别是F1（盈利能力）、F2（偿债能力）、F3（信用状况）、F4（周转状况）、F5（员工素质）、F6（资产状况）、F7（产权状况）、F8（发展能力）。

F1因子中总资产净利率、营业利润率、净资产收益率、总资产报酬率、成本费用率这五个指标所占比重较大，主要反映上市公司的盈利能力，F1的值越大，说明企业的盈利能力越强。

F2因子中资产负债率、流动比率、速动比率这三个指标所占比重较大，主要反映上市公司的偿债能力，F2越大说明企业的偿债能力越强。

F3因子中历史授信额度、授信额度使用率、主体信用评级这三个指标所占比重较大，主要反映上市公司的的信用状况，F3越大说明企业的信用状况越好。

F4因子中总资产周转率、应收账款周转率、存货周转率这三个指标所占比重较大，主要反映上市公司的周转状况，F4越大说明企业的周转速度越快。

F5因子中硕博士人数占比、本专科人数占比这两个指标比重较大，主要反映上市公司的员工的教育水平，F5越大说明企业员工中的高学历人员越多。

F6因子中流动负债率、总资产、固定资产比率这三个指标比重较大，主要反映上市公司的资产规模与资产状况，F6越大说明企业的资产状况越好。

F7因子中只有一个产权比率的比重最大，主要反映上市公司的产权状况。

F8因子中营业增长率、净利润增长率、净资产增长率着三个指标比重较大，主要反映上市公司的发展能力，F8越大说明企业的发展能力越强。

由于数据量较大，本文选取综合信用评分前10名的上市公司进行分析。根据旋转因子矩阵可得出各公司对应的因子系数，此10家公司的相应因子得分如表3所示。

通过表3各公司因子相应得分，再结合各因子的贡献率得出信用评分模型为：

F=0.2677F1+0.1356F2+0.1219F3+0.1110F4+0.1018F5+0.0970F6+0.0873F7+0.0776F8                                （1）

将上述10家公司中F1-F8的值带入评分模型，可得出各公司信用状况综合评分。如表4所示。

根据表4所示，上汽集团、威帝股份分别是汽车制造、汽车零部件制造中的龙头公司，通常处于供应链金融中核心企业的地位。同时，由于其处于行业龙头地位，与其合作的上下游中小企业通常信用状况良好。这样组成的整条供应链金融体系信用状况好，违约风险低。

三、结论与总结

本文构建了以企业素质、经营指标、资产结构为一级指标，员工状况、信用状况、盈利能力、发展能力、产债能力、产权状况、资产状况、周转状况为二级指标的供应链金融信用评价体系。选取23个评价指标，采用主成分降维方法处理，得出各上市公司的信用综合评分。作为供应链金融的参与方需要注意以下两点，一是企业应当增强自身建设，优化自身资产结构，提高信用水平，减少不良贷款记录;二是增强对外合作，保持供应链上的合作稳定关系，促进合作的健康发展。

通过信用综合评分，可得知汽车及汽车零部件行业的龙头公司，然而，供应链金融的信用评估不仅仅取决于自身的风险状况，还依赖于上下游合作关系的稳定程度。因此，在综合评价供应链金融信用风险时，还需要深入研究。

参考文献：

[1]沈波，薛冰玉，杨仙佩，万杉杉，雷星竹，杨忻悦.我国汽车类上市公司供应链金融信用风险评价[J].物流科技，2018，37（3）：82-86.

[2]方焕，孟枫平.基于Logistic模型的供应链金融信用风险实证研究—以农业类上市公司为例[J].山西农业大学学报，2015，14（11），1158-1164.

[3]褚玉馨.供应链金融信用风险评价研究[D].山东财经大学.2016.

作者单位：华北理工大学经济学院