基于ISM-MICMAC的建筑供应链金融信用风险影响因素研究

秦 颖，李松芷，房芷萱

（北京建筑大学 城市经济与管理学院，北京 100144，E-mail：l974923580@163.com）

供应链金融的运作模式与中小建筑企业面临的困境相契合，可以在一定程度上缓解中小建筑企业的融资难题，减轻财务负担。目前一些建筑企业已经开始实施供应链金融模式，如广联达数科提供供应链金融业务平台和资产管理平台，与多家银行合作支撑开发建筑行业融资产品。信用风险的控制是建筑供应链金融得以快速平稳发展的关键，但近年来供应链金融风险事件频发，我国的信用风险体系尚不完善，探析供应链金融的信用风险来源和产生机理有助于完善供应链金融的信用风险体系，针对性地进行风险管理和控制，从而促进建筑供应链金融的可持续发展。

近年来，随着供应链金融的应用越来越广泛，国内外学者针对信用风险问题展开多方面研究。风险识别方面，Wu C等[1]提出准确有效地识别风险能够帮助银行等金融机构减少损失；风险评价方面。Zhang M[2]建立了一个基于改进的KMV模型和Copula函数的风险评估模型用以量化供应链金融中企业的信用风险。Cai X等[3]以BP神经网络为研究基础，构建了供应链风险评价模型，并识别影响因素建立指标体系，目前国内学者有关供应链金融信用风险评价的研究主要集中在某一行业，如制造业、农业等，其他领域的研究相对较少。为更好地防范供应链金融的信用风险，有效识别其影响因素至关重要。国外学者在影响因素方面的研究较少，国内学者的研究视角主要集中在宏观行业环境、融资企业资质、供应链运行状况及核心企业资质等方面。宏观行业环境方面，李光荣[4]研究得出经济环境因素和自然环境因素作为系统性因素影响农业供应链金融的信用风险。刘秀莉[5]提出在商业银行评估信用风险时，分析整条供应链的各个环节引起的信用风险至关重要，信用风险可能由宏观经济调控及自然环境等因素导致。核心企业资质方面，刘兢轶等[6]对供应链金融中小企业信用风险的影响因素展开研究，研究表明核心企业信用状况因子和偿债能力因子与中小企业信用风险呈正向关系。李光荣[7]认为核心企业信用风险是农业供应链金融信用风险的“震中”。朱琳琪[8]分析了我国供应链金融的应用和发展现状，并在此基础上构建了信用风险评价指标体系，实证结果表明核心企业的经营能力和担保情况具有较大影响。融资企业资质方面，Belhadi A等[9]评估了影响农业中小企业投资信贷风险的关键变量，研究结果表明，财务杠杆、销售利润率和农业中小企业的增长率是最重要的变量。江莺[10]构建包括融资企业盈利运营状况和供应链合作程度指标的信用风险评价指标体系，结论为融资企业的总资产周转率、销售毛利率和供应链发展前景对信用风险影响最大。朱琳琪[11]提出融资企业的盈利能力和偿债能力是影响信用风险的重要因素。供应链运行状况方面，李健等[12]提出推进平台建设、关注供应链运营状况十分关键。柯思雨[13]基于上市汽车企业10年的数据分析信息披露透明度对信用风险的影响，认为信息透明度的提高可以降低企业信用风险。融资项目状况方面，严鹏健[14]梳理了A企业供应链金融业务流程，发现其供应链金融信用风险管理中存在的问题包括融资审批、供应商白名单管理等。

我国对于供应链金融及信用风险的研究起步较晚，且主要集中在制造业、农业和零售业等行业，关于建筑供应链金融的研究寥寥无几，就研究方法而言，Abbasi W A等[15]和Zhang M等[16]分别采用Logistic二元回归和KMV模型衡量中小企业违约风险，较少有学者对供应链金融信用风险影响因素的相互关系进行研究。本文应用解释结构模型对建筑供应链金融信用风险影响因素进行分析，并基于结论针对性地提出一些关于风险管理及控制的建议。

1 建筑供应链金融信用风险影响因素的解释结构模型

1.1 建筑供应链金融信用风险影响因素分析

通过中国知网、Web of Science和谷歌学术等平台搜索“供应链金融（Supply Chain Finance）”“信用风险（Credit Risk）”“指标体系（Indicator System）”“建筑供应链金融（Construction Supply Chain Finance）”等关键词确定了38篇具有代表性的相关文献，初步识别出27个影响因素。为了增加影响因素选取的科学性、准确性和全面性，邀请专家对27项影响因素进行修正。访谈了10位相关领域的专家，其中有3位来自建筑企业，3位来自金融机构，3位来自研究机构，1位来自中国建筑业协会；70%的受访者从事投融资相关工作7年以上。通过专家修正共得到23项影响因素。

1.2 建筑供应链金融信用风险影响因素确定

为了得到层次分明的多级递阶结构模型，要剔除对建筑供应链金融信用风险影响不大的指标，保留影响较大的指标。本文采用专家打分法对修正后的影响因素进行重要性检验，向相关领域的研究人员及工作人员发放问卷，总计获得27份有效问卷。有33.3%的评价人员来自高校、研究院等研究机构，有25%的评价人员来自保理公司、银行等金融机构，37.5%的评价人员来自建筑企业，4.2%的评价人员来自咨询公司。

本文通过SPSS从信度和效度两个维度对问卷结果进行分析。信度分析结果显示，23项建筑供应链金融信用风险影响因素的评价结果内部一致性Cronbach's Alpha系数为0.841，信度非常高，符合要求。效度分析结果显示，KMO值为0.667，同时Bartlett球形度p值为0.000，表明评价结果的效度符合要求。回收问卷的描述性统计分析结果如表1所示。由此看出，平均值低于3.5的影响因素有核心企业规模、项目运作模式及信用审核制度完善程度，对建筑供应链金融信用风险的影响不够重要，所以予以剔除。

通过对筛选后的影响因素进行梳理，将影响因素分为宏观行业环境、核心企业资质、融资企业资质、供应链运行状况及融资项目状况五大方面，并做简单描述，具体如表2所示。

表2 信用风险影响因素释义

1.3 建筑供应链金融信用风险影响因素的ISM模型构建

ISM方法能够将复杂的因素系统细化和简化，直观展现因素间的逻辑结构。为构建ISM模型，邀请之前的10位专家对20项影响因素之间的相互影响进行打分，将问卷收集的评分进行处理，建立直接影响矩阵，归一化直接影响矩阵得到规范影响矩阵，根据公式T=X(I-X)-1得到综合影响矩阵T，计算整体影响矩阵E（E=T+I=eij），计算矩阵T中所有项的平均值可以得到阈值λ=0.04，根据整体影响矩阵E和阈值λ得到可达矩阵O，当整体影响矩阵E中的因素值超过阈值λ，则取1，没有超过阈值λ，则取0，得到可达矩阵O如表3所示。

表3 可达矩阵

得到可达矩阵O后，将其进行区间分解和级间分解处理。区间分解是将所有元素划分为独立的子系统；级间分解是将同一系统内的元素划分为不同的层级。经过区间分解，本文所研究的所有障碍因素处于同一系统。进行级间分解前，需要优先划分可达集和先行集。可达集R(Fi) 是指在可达矩阵O中，因素Fi所对应行中，rij=1的列所对应的元素组成的集合，先行集Q(Fi)是指在矩阵O中，因素Fi所对应列中rij=1的行所对应的元素组成的集合，基于可达集等于交集这一原则，首先确定最高层级的因素所形成的集合，再去掉该集合中因素在可达矩阵中对应的行、列，根据这一原则继续划分，循环往复，最终将影响因素划分成不同层级。

根据对可达矩阵进行区间和层级的分解，可以建立起多层递阶结构模型，将20个影响建筑供应链金融信用风险的因素从上自下分为7层，进而分为三个区级即表层直接影响因素、中层间接影响因素、深层根源影响因素，最终得到建筑供应链金融信用风险影响因素的多层递阶模型如图1所示。

图1 建筑供应链金融信用风险影响因素的多层递阶结构

对表层直接影响因素、中级间接影响因素和深层根源影响因素3个区级进一步进行分析和划分，探索建筑供应链金融信用风险影响因素的内部逻辑框架。表层直接影响因素包含第一层次（L1）和第二层次（L2），其中包含5个关于融资企业的财务指标，可以衡量阶段性运营成果；中层间接影响因素包含第三层次（L3）、第四层次（L4）、第五层次（L5），具体包含9项影响因素，在整个系统中起到媒介作用；深层根源影响因素包含第六层次（L6）、第七层次（L7）。宏观经济环境会带来市场行情的波动，当市场行情下行时，供应链中核心企业和融资企业合约有效性无法得到保证，从而产生不利影响，结果可能引发建筑供应链金融的信用风险，综合决定了以上各层次的要素。

1.4 MICMAC分析

交叉影响矩阵相乘分类法（MICMAC）根据要素的驱动力和依赖程度，将要素分为：独立类、依赖类、关联类和驱动类；独立类因素有较低的驱动力和依赖性；依赖类中的要素有较弱的驱动力和较强依赖性；关联类中的要素有很强的驱动力和较强的依赖性；驱动类因素有很强的驱动力，但依赖性较低。

在ISM模型的可达矩阵基础上，将矩阵的行和列分别求和，可以得到各因素的驱动力和依赖性值，如表4所示，对驱动力及依赖性数值整理如图2所示，划分为自发型因素、依赖型因素、联动型因素和独立型因素，其中分界线取的是依赖性和驱动力的平均值。

图2 建筑供应链金融信用风险影响因素驱动力-依赖性分类图

表4 驱动力与依赖性数值表

第一象限自发型因素，驱动力和依赖性较弱，起到承上启下的作用，MICMAC模型将因素进一步拆解，驱动力较弱或受其他因素驱动的因素划分到自发型象限中，其中包括F14、F15和F18。分析可知这些因素受独立型因素的驱动，在整个影响机制驱动性与依赖性居中。第二象限依赖型因素，依赖性较强，驱动力较弱，受其他因素影响的程度较大，这些因素包括核F7、F8、F9、F10、F11、F12、F13、F23。除F7外其他因素在多层递阶结构中均位于模型上层，虽然这些因素受其他因素影响较大，驱动力弱，但也是需要关注的重要因素。第三象限联动型因素，20项因素均未落到第三象限，不存在驱动性与依赖性都高的因素，说明因素稳定性较好。第四象限独立型因素，具有较强的驱动力及较低的依赖性，包括F1、F2、F4、F6、F3、F16、F17、F21、F22。中层因素的驱动力相对而言较低，深层因素的驱动力更高且依赖性更低，深层因素对其他因素的影响程度更强，通过强驱动力间接影响信用风险，这与前文的结论具有一致性。

2 建筑供应链金融信用风险管理对策建议

（1）建立行业完善的信用评价体系。中小建筑企业普遍信用水平较低，建筑行业的信用评价体系不完善，加剧了供应链金融的信用风险。因此，推动建立完善的信用评价体系进而提升企业的信用对于信用风险的控制至关重要，建立社会信用评价体系需要政府发挥监管作用，可以委托专门的评估机构，专业化地评估企业及其管理人员的资信状况，并将评估结果对外公开。政府部门应该积极地发挥监督管理作用，构建严格的失信惩戒制度，对性质恶劣，恶意拖欠银行贷款的公司和个人展开惩戒，对信用水平较差的公司要给予特别注意。

（2）提高中小融资企业的自身管理水平。融资企业的综合实力是影响建筑供应链金融信用风险的表层直接因素。建筑供应链金融中，融资企业大多存在信用水平低、信息不对称、企业管理混乱等弊端，容易出现信用风险问题，作为供应链金融的关键环节，融资企业必须提升内部管理能力。一是完善企业的信息披露制度，使自身的管理结构规范化、合理化，提升企业信息透明度进而提升企业的信用水平，降低供应链中的信用风险；二是融资企业应与供应链上的其他企业保持紧密联系，供应链金融的稳定发展需要供应链中所有企业的共同参与，融资企业通过与信用水平较高的核心企业保持密切的业务往来，具备稳定的利润来源，避免受到融资约束的影响，从而降低供应链的信用风险。

（3）完善供应链金融平台风险预警机制。金融机构的监管力度是影响建筑供应链金融信用风险的中间间接因素。为高效应对突发风险事件，金融机构应构建风险预警体系，包括风险识别、风险防范、风险预警等环节，建立一套完善的风险管理系统，如出现供应链金融系统活跃度降低、供应链交易的频率、金额发生了显著的改变等现象，商业银行应该立即识别出这些预警信号传递的信用风险信息，分析可能出现的风险事件，制定出相应的防范措施，有效防范风险。健全的风险预警机制能够有效防范许多信用风险，减少整个供应链的损失。

（4）供应链金融充分应用数字化工具。根据MICMAC分析结果，数字化水平因素受到独立性因素的影响，对信用风险有一定影响，线上供应链金融模式能够实时共享信息，实时跟踪物流、信息流、资金流的应用状况，金融机构对接数据平台，可以降低信息不对称带来的信用风险。数字化手段应用日益广泛，可以及时捕捉企业风险信息，防范相关风险。建议提升数字化手段在建筑供应链金融领域的应用程度，培养复合型人才，增强员工的风险意识，将数字科技与风险管理相结合。

3 结语

本文利用文献识别法和专家打分法识别并筛选出建筑供应链金融的关键影响因素，通过ISM多级递阶结构模型对影响因素进行层次划分，再运用MICMAC分析各因素的驱动力和依赖性。本文的研究仍存在进步和改善的空间，一方面，我国建筑供应链金融发展处于萌芽阶段，进行实证研究的数据获取有限，建筑供应链金融运营状况的考察时间较短。未来，建筑供应链金融发展更加成熟，能够拥有更多数据支撑为信用风险研究提供指导；另一方面，专家访谈法具备一定的主观性。未来，建筑供应链金融的应用更加广泛，因素识别将更具客观性，信用风险的研究也将更具科学性和实践性。