汽车产业供应链金融信用风险评价模型研究

符 瑛，王湘梅，龚哲宇，吴 为 （中南林业科技大学 物流与交通学院，湖南 长沙 410004）

0 引 言

供应链金融起源于传统信贷业务和供应链的发展。最早在关于中小企业融资的设想中提出了供应链金融这一概念。我国供应链金融起步虽然晚于国外，但是经过20多年的发展已进入良性循环。2020年4月，商务部等八部门指出要充分利用供应链金融服务实体企业；同年9月，央行等八部门强调供应链大型企业不得挤占中小微企业的利益，各类机构开展供应链金融业务时应加强业务合规性和风险管理，这充分体现了国家层面对供应链金融的重视。

汽车产业作为我国的支柱性产业，在国民生产总值中的占比很高。根据中国汽车工业协会统计，2021年1—11月，汽车产业重点企业累计完成工业总产值3.1万亿元，实现利税总额4 350.3亿元[1]。伴随着汽车产业的发展，汽车产业供应链上的中小企业众多，融资难题也日渐凸显。各大银行相继推出汽车产业供应链金融业务，为化解这一产业瓶颈提供了新思路。汽车制造商作为信用担保，有效地降低了供应链上下游中小企业的融资门槛。与此同时，供应链上各节点企业联系得更加紧密，一旦产生信用风险，将会影响整个供应链，且有传染性。要想安全、稳健地推进汽车产业供应链的金融业务，科学地评价和控制信用风险至关重要。

汽车产业供应链由零部件供应商、制造商和经销商组成，其中零部件供应商大多为中小企业，存在资金周转困难而导致供应中断的问题。作为汽车产业供应链的核心企业，制造商有必要帮助其获取融资，以促进供应链整体的协调发展。据此，本文以零部件供应商为融资企业、制造商为担保方，构建起基于零部件供应商-制造商的二级汽车产业供应链信用风险评价模型。

1 汽车产业供应链金融主要模式

汽车产业供应链金融以汽车产业供应链为载体，汽车制造商与上、下游融资企业为核心节点，参与主体有融资企业、汽车制造商、银行以及第三方物流企业，各主体在逐步发展的过程中建立信任与托付关系，形成供应链金融的信用体系[2]。目前主要有三种融资模式：应收账款融资模式、存货融资模式和预付账款融资模式。

1.1 应收账款融资模式

在汽车产业供应链中，零部件供应商与汽车制造商有贸易往来，但是零部件供应商往往迫于汽车制造商的压力，采取先行发货、汽车制造商后付款的方式。此时，零部件供应商就会面临资金周转的难题，通常零部件供应商会选择应收账款融资模式来进行融资。如图1所示，首先基于零部件供应商和汽车制造商的真实交易签订订货合同，供应商按合同供货，由物流企业运输、保管货物，直至将货物移交给制造商，同时供应商收到制造商的应收账款单据后，由于资金短缺，将应收账款的单据抵押给银行，制造商则向银行出具付款承诺书，物流公司提供运输资料，以证实双方的贸易背景，银行在分析贷款风险可控后，就会将款项发放至供应商账户；供应商在得到资金支持后，就开始对原料及其他生产要素进行采购；待制造商将产品售出，收到款项后将其汇至供应商指定的银行账户，这时应收账款质押合约就会被注销。

图1 应收账款融资模式示意图

1.2 存货融资模式

在汽车产业供应链中，零部件供应商和经销商可以通过存货融资模式向银行进行融资来获取周转资金。本文以经销商为例，绘制存货融资模式示意图，如图2所示。银行在审核汽车经销商的贷款申请后，与经销商及物流企业签订协议，经销商将相应的车辆、合格证作为质押物，存放至物流企业，物流企业收到质押物后开具仓单并移交给银行，银行在收到仓单后，为经销商提供贷款服务。经销商收到贷款后进行日常经营活动，取得收益以偿还银行贷款。银行收到偿还的贷款后让物流企业发放相应的车辆及合格证，经销商继续日常经营[3]。

图2 存货融资模式示意图

1.3 预付账款融资模式

在汽车产业供应链中，作为购买方的汽车经销商在与汽车制造商进行贸易往来时，一般会被要求预付货款。汽车经销商在面临资金需求时，通常会选择预付账款融资模式。如图3所示，汽车经销商基于与汽车制造商签订的交易合同，向银行申请贷款。银行审核汽车经销商的贷款申请后，与汽车制造商签订回购协议、与物流企业签订仓储监管协议。先由汽车经销商向银行缴纳保证金，再由汽车制造商向物流企业发放抵押汽车和合格证并将仓单质押给银行，同时由银行向汽车制造商开具承兑汇票。汽车经销商以缴纳的保证金从银行获得对应的提货权，并以此从物流企业提取汽车和合格证，继续生产经营活动。

图3 预付账款融资模式示意图

2 汽车产业供应链金融信用风险评价指标体系的构建

2.1 信用风险的影响因素分析

汽车产业供应链金融信用风险的形成与融资企业、核心企业、物流企业三个参与主体息息相关，因此本文将这三个维度纳入影响因素的考虑范畴。从供应链协调发展的视角出发，并考虑到现有研究中还涉及宏观政策及发展环境[4]、供应链运营状况[2]、供应链成员间的关系[5]和外部环境[6]等维度，故加入供应链运营状况这一维度，将汽车产业供应链金融信用风险的影响因素归结为以下四个方面。

2.1.1 融资企业维度

在我国汽车产业供应链中，融资企业以中小企业为主，通常为零部件供应商和汽车经销商，其经营规模和组织管理能力相对薄弱。融资企业的信用状况、盈利能力、偿债能力、发展潜力和运营状况等方面都是影响其按期偿还贷款的重要因素。

2.1.2 核心企业维度

汽车制造商作为核心企业，为供应链上的中、小企业的信贷融资提供担保，而正是由于其自身的实力和信用，银行才愿意向其上、下游的中、小企业发放贷款。因此，要将核心企业的基本情况、偿债能力和盈利能力列为重要的影响因素。

2.1.3 物流企业维度

物流企业在汽车产业供应链金融中主要提供监管服务和物流服务。只有保证信息流、物流和资金流一致，才能将整体的风险降到最低。可能会出现以下两类风险：一是质押物监管风险，二是信息传递风险，故可将这两方面纳入考量范围。

2.1.4 供应链运营状况维度

供应链协调运行的管理水平可以加快应收账款的回收，保障核心企业的回购。因此在考察供应链金融信用风险时，也应考察供应链的运营状况。供应链的运营状况可以通过链上企业间的合作情况、行业前景和竞争强度等方面来评价。

2.2 信用风险评价指标的选取

结合影响因素分析和相关文献[5-7]，得到信用风险评价指标体系，如表1所示。

表1 评价指标体系

3 汽车产业供应链信用风险评价模型实证研究

3.1 样本来源

为了获取数据的便利性，选取40家上市公司为样本，包括15家汽车制造商、25家零部件供应商（五金配件、发动机、轮胎企业等），共组成375条含有零部件供应商和汽车制造商的二级供应链，数据来自各公司2022年中报、同花顺数据库和东方财富数据库。对于企业规模、信用等级等不能直接获取的数据，将根据相关文件进行测算，划分为5个等级，赋值1～9分，即1分（很差）、3分（较差）、5分（一般）、7分（较好）、9分（很好）。

3.2 数据处理与主成分分析

由于收集的指标中有比率、百分比、等级等不同类型的数据，量纲不同，故采用Z-score法进行数据标准化处理，公式如式（1）所示。

式中：z（xi）为某企业标准化之后的第i个指标；xi为某企业第i个指标，ui为第i个指标的样本均值，si为第i个指标的样本标准差。

在此基础上，进行Bartlett和KMO检验，以检查样本是否适合做因子分析。一般认为，KMO值＞0.9 时，很适合；当0.8＜KMO值＜0.9时代表适合；当0.6＜KMO值＜0.8时表示一般；当KMO值＜0.5时，表示不适合。Bartlett检验中Sig.＜0.05，说明显著性良好，各指标间的相关性较高。如表2所示，KMO值=0.637＞0.5，Sig.=0.000＜0.05，提取的主要因子对原始变量的解释能力较好，可用主成分分析法重新组合指标。

表2 KMO 和Bartlett 的检验结果

用主成分分析法提取公因子，将提取标准设置为特征值大于1，再通过最大方差法将成分矩阵进行旋转，可得到旋转成分矩阵，如表3所示。

表3 旋转成分矩阵

表3中F1～F7反映的信息如下。

F1主要包含核心企业与融资企业的净资产收益率与销售毛利率、核心企业的信用等级、企业规模6个指标，反映融资公司和核心企业的盈利能力及核心企业的基本情况；F2主要包含核心企业与融资企业的速动比率、资产负债率4个指标，反映核心企业与融资企业的偿债能力；F3主要包含融资企业的净利润增长率、主营业务收入增长率和链上信息共享水平，反映融资企业的发展潜力和供应链信息共享水平；F4主要包含总资产周转率、应收账款周转率、存货周转率3个指标，反映融资企业的运营能力；F5主要包含准时交货率、信息开放程度、操作风险等，反映物流企业的情况；F6主要包含融资企业的企业规模、信用等级2个指标，反映融资企业的基本情况；F7主要包含链上企业的平均合作时长、链上企业平均合作频率、链条竞争强度3个指标，反映供应链的运营状况。

3.3 模型建立

信用风险评价方式很多，有专家法、Z分值模型、KMV模型、Logistic模型、神经网络等。其中Logistic模型对变量没有特殊要求，符合指标实际，可操作性强。将F1～F7作为解释变量，信用风险的高低作为被解释变量，对375条汽车产业供应链的样本数据进行Logistic回归，以确定汽车产业供应链金融信用风险评价的主要变量，参数估计结果如表4所示。

表4 剔除不显著变量后的Logistic 回归结果

最终得到Logistic模型公式，如式（2）（3）所示。

3.4 模型检验与结果分析

3.4.1 模型检验

霍斯默-莱梅肖检验（Hosmer-Lemeshow检验，HL检验）用于检验模型在预测值与观测值间的差异性，即可用来检验模型的拟合优度。结果如表5所示，Sig=1.000，远大于0.05，表明当显著性为95%时，预测值和观测值之间的差异不显著，拟合良好。

表5 Hosmer-Lemeshow 检验结果

3.4.2 结果分析

将样本数据带入建立的Logistic模型，计算汽车产业供应链金融信用风险的发生概率P。根据计算结果，将P=0.5定为汽车产业供应链信用风险高低的分界线，当P＞0.5时，信用风险高，记为P=1；当P≤0.5时，信用风险低，记为P=0。预测值与观测值的对比结果如表6所示，在信用风险高的20条供应链中，预测的准确率为86.97%，在信用风险低的352条供应链中，预测的准确率为96.88%，总计准确率为96.27%，准确率较高。

表6 检验结果

4 结论与建议

本文构建了汽车产业供应链金融信用风险评价指标体系，选取40个上市公司为样本，通过主成分分析法从指标体系中提取7个公因子进行Logistic回归，构建起汽车产业供应链金融信用风险评价模型，验证了模型具备良好的拟合度和较高的预测准确率。研究发现，模型的影响变量为F3、F7、F1、F4、F6，其中F3（1.278）、F7（0.497）和F1（0.373）为关键变量，对应的主要指标为融资企业的发展潜力和盈利能力、核心企业的基本情况和盈利能力、供应链的运营状况。基于此，对汽车产业供应链金融信用风险的防范与控制提出以下三点建议。

第一，加强融资企业财务管理，提升发展潜力。由模型计算结果可知，融资企业的发展潜力和盈利能力与信用风险的大小具有负相关性。其中，发展潜力和盈利能力对应的财务指标分别为净利润增长率、主营业务收入增长率、净资产收益率和销售毛利率，二者都与企业的财务指标密切相关、相辅相成。因此，融资企业加强风险防控的关键是提高财务管理水平，改善企业的盈利结构，挖掘自身的优势。

第二，发挥核心企业的优势，助力中、小企业融资。核心企业的基本情况与盈利能力对汽车产业供应链的金融信用风险水平有着显著影响。核心企业可凭借自身的雄厚实力和在供应链上的地位优势，来帮助上、下游中、小企业获取融资，也可以此为议价条件来提升自身的盈利能力。确认担保后，核心企业还可凭借信息和资源优势，加强对融资企业的监督，以确保贷款资金用于生产、运营中，协助融资企业及时发现潜在的信用风险并加以控制。

第三，构建“区块链+供应链+金融”的共享信息平台。以数字征信体系为支撑的银行、政府、企业多边开放共享平台，以区块链技术为工具，提升中、小企业的“自证”信用，改变链式渗透模式和信用传导低效模式，融资企业的真实运营状态呈时空分布的稳定性，从而保证融资依据真实、资金去向和第一还款来源可监控、贷后处置有保证，还能实时监控供应链企业交易的关联性、真实性和准确性，以降低银行的管理成本。同时，共享信息平台有利于核心企业快速获取供应链企业的信息，促进其主动参与供应链金融流程，加强对链上相关企业的管理，改善供应链的运营状况，从而达到有效降低供应链金融信息风险的目的。