数字经济背景下京东集团供应链金融风险研究

李盼 刘锦萱 吴彤

【摘要】聚焦于数字经济对供应链金融带来的新挑战和机遇，文章通过对京东集团供应链金融环境进行深入剖析，明晰其中潜在的风险源，并探讨数字化背景下的特殊风险因素。利用Logistic模型数据分析，得出对京东集团供应链金融风险的主要影响因素是偿债、盈利能力。全面剖析京东集团在数字化转型背景下供应链金融领域的风险特征，为其风险管理决策提供有力支持。

【关键词】数字经济；供应链金融；Logistic模型；京东集团

【中图分类号】F831.5

★ 基金项目：本文受云南大学专业学位研究生实践创新基金项目“数字经济背景下电商企业供应链金融风险研究”（ZC-22221887）资助。

一、引言

当前经济社会发展呈现出数字化态势，数字化对人们的生活产生了巨大的冲击，“数字经济”概念也随之浮出水面。随着数字经济和社会各个方面的相互融合渗透，云计算、大数据、人工智能等技术的迅速发展，科技不断地对传统金融市场进行赋能，从而推动了数字供应链金融的发展。在此背景下，供应链金融服务企业已不再是单一的融资主体，而是由众多的企业参与进来，借助金融技术和自身的数据优势，不断推出便捷高效的供应链金融产品，形成了由核心平台、上下游企业、银行类金融机构等共同发展的金融生态系统。

根据商务部《“十四五”电子商务发展规划》数据披露，2020年电子商务交易总额达37.2万亿元，较2015年增长了70.8%，按照《规划》中的“十四五”目标，到2025年，电子商务交易总额将超过46万亿元，其中网上购物成为居民主要的消费方式，电商平台受到了重点关注，上下游供应商、经销商、物流等相关市场紧密交流也被带动起来。

随着供应链金融的蓬勃发展，如苏宁易购、阿里巴巴、京东等电商平台纷纷参与到供应链金融建设的行列，充分利用自身的资源和数据优势，推出了一系列的供应链金融产品。电商平台在进行供应链融资方面具有很大的优势，具有很强的竞争能力，电商平台通过开展与供应链金融有关的业务，能够有效地激活金融资产，降低其上下游企业的融资成本，加速其融资，进而促进了自身供应链体系、供应链生态间的密切联系，推动自身供应链体系建设，并在满足上下游中小微企业的融资需求的前提下，促进整个供应链企业的发展。

以京东供应链金融建设为典型案例，结合京东供应链金融的具体业务模式，对其风险进行识别，建立风险评价的关键性指标体系；建立供应链金融风险评估系统，并对其进行风险评估，为其提供相应的风险管理对策。电商平台在供应链金融体系推进中具有举足轻重的地位，对供应链融资活动和风险规避都有积极作用，因而对其进行了较为深入的研究。以个体电商平台的供应链金融实践为切入点，对其内部机制和运营模式进行了分析，探讨其优势和成效，指出存在的问题，并提出相应的建议。

二、文献综述

20世纪90年代以后，随着全球经济一体化和数字科技的飞速发展，企业的外部环境发生了翻天覆地的变化。没有一个企业能够拥有自己的生产和经营所需要的全部资源，而这些资源是由复杂的生产和利益联系在一起的。

（一）供应链金融内涵研究

Cronin（1997）20世纪后期曾在他的著作中提到，由于科学技术的发展，供应链金融将会是一个重要的金融服务。Santomero（2000）将供应链金融作为一种新的金融理念，并在此基础上引入了一种新的价值增长的中介理论，对其进行了宏观与平衡的研究，并通过对金融中介与供应链的整合来实现其最优化。周伟莉（2012）认为，供应链金融是一种对以前信用水平低的顾客进行再評价，一方面提高了信用的可信度，另一方面也降低了顾客的损失。沈连祥（2014）认为供应链金融是一种以供应链为基础的金融产品，包括核心企业、物流监管等风险控制因素。何乔丹（2016）在总结了以往的研究结果之后，认为供应链金融的广义定义是“以专业的经营思想和方法，为相关的公司提供财务服务”。姜浩（2019）认为，供应链金融在风险来源、融资方式、操作流程等方面都与传统的金融服务有很大的不同。韩宏鑫（2022）认为，供应链金融是一种将企业的商业、信息流、资金流相结合的多元资本运作，它又一次突出了企业的整体价值，而不是单一个体的价值。

（二）电商平台供应链金融提高融资效率

由于数字网络技术和网络平台的迅速发展，加之中小企业的融资需求，使得传统的供应链金融模式衍生出了多种多样的形态，引起了学术界的广泛关注。Kaplan 等（2000）通过电商平台，可以进一步优化金融服务。Harrison（2004）认为电商的发展不仅可以增强供应链自身的实力，而且还可以对其进行结构优化，从而实现对金融服务的创新。

李明锐（2007）通过对我国中小企业融资困境的分析，认为在第三方平台的环境下，供应链金融是一种很好的解决方案。吴晓光（2011）认为网络金融是一种具有代表性的网络金融创新模式，并通过网络进行商业银行的融资。当前，我国网络供应链金融发展呈现出一片欣欣向荣的景象，并呈现出多元化的发展趋势。宋华、陈思洁、樊春明等人（2016）认为通过运用大数据技术，可以使供应链金融、电商平台等企业间的资源配置、信息的公开、透明、有效地控制信贷风险。王钰方、赵渤（2018）认为，通过银企合作，可以有效地降低融资公司的审批程序，提高供应链及下游企业的资金利用率。王媛（2019）比较了阿里巴巴、京东和苏宁易购三个电商平台的供应链金融业务。邹勇（2021）仅选择了苏宁易购作为研究对象，对其运营模式进行了系统的研究，得出了一个结论，即：应收账款、预付账款、存货质押融资三大类，再根据自身平台及供应链内部企业特点进行产品的研发及改进。谢文静（2021）根据主要主体的不同，将电商平台的供应链金融分为两大类，其中以金融机构为主的供应链金融和以供应链为核心的供应链金融。根据担保物的种类，又可以将其分为三种类型：电子订单融资、电子仓单融资、电子信贷融资等。袁进明（2021）提出了“绿色供应链金融”，使供应链金融的发展模式进一步丰富，同时也为企业和金融机构在模式上的创新提供了新的思路。

（三）供应链金融风险管理

在风险研究方面。Oehme J（2009）从供应链环境、供应链自身和企业三方面分析了供应链风险的根源。Demica（2009）从风险评估、专家评估和信用评分等方面分析了供应链金融风险的传导和放大特性。由于计算机技术和数学模型的相互融合，目前已形成了四种较为成熟的信贷风险测量模式。其中，一种是Logistic回归模型，这也是学术理论研究中使用率较高的模型。田家欢（2013）以32家钢铁企业为对象，分别建立了24项指标，利用Logistic模型对其供应链金融进行了信用风险的分析，结果表明：中小企业的综合实力、质押物变现能力、现金运营情况、与核心企业的合作情况等四个方面，综合评价了中小企业的信用风险。段凯佳（2017）通过对H皮革城的供应链金融进行了分析，认为“皮城金融”的核心业务是对其贷款额度的限制。张仟雨（2021）认为我国电商供应链金融信贷风险的形成原因主要有审批条件宽松、违约约束效力不足、中小企业经营状况不稳定等因素。

付伟琼（2020）、陈琪（2021）认为，以核心企业为主体的供应链金融本质上是以真实的交易关系的信贷，而核心企业的信用状况对其影响很大。核心企业与上下游企业之间的相互依存关系，一旦核心企业的信贷风险上升，就会影响到供应链中的其他成员，导致风险的扩散，从而影响到整个供应链的健康发展。刘芮（2021）通过KMV模型对当前京东平台的信用风险进行了定量分析，得出了其当前的信用风险等级偏低的结论，推断了信用风险在供应链中具有一定的传播现象。

（四）文献评述

通过对相关文献的梳理，可以看出，国外在供应链金融方面的实践较国内起步较早，但由于其自身的特点，其发展形式也是多种多样的，因此，国内外学者从不同视角进行研究，既有共性，也有差异。

首先，供应链金融中存在着信用风险、市场风险、操作风险、监管风险等风险。同时，大部分学者更倾向于将信用风险作为研究的重点，也就是企业所面对的诸多不利因素。其次，以往的学者大多采用信息不对称理论来研究供应链金融的信贷风险，其中包括了交易补偿理论和风险管理理论，还有一些学者将委托代理理论等引入到了供应链金融的产生机制中。美国学者于19世纪70年代首次提出了信息不对称理论，并逐步引起人们的注意与研究。非对称性是指交易双方都了解自身状况，但存在一定盲点。这一理论认为，在交易中，信息的非对称是必然的，由于信息的滞后和不完全，导致了信息的倒退和道德风险，导致信息的丢失。

此外，許多学者认为，供应链金融能够改善金融市场的融资效率，而网络供应链金融则是解决中小企业融资难题的最佳方式。然而，国内外学者对此的关注程度存在差异，国外的学者倾向于将其作为一种金融资源优化的工具，而国内的学者则倾向于构建一种高效可行、风险可控的融资方式。由于电商平台的供应链金融发展较晚，且处于快速发展时期，因此，理论研究常常会出现滞后现象，难以适应现实的发展。

三、京东集团供应链金融风险实证分析

（一）风险识别

京东集团供应链金融风险的识别主要依据以下关键因素：偿债能力、盈利能力、应收账款管理和行业合作关系。

首先，在偿债能力方面，需要注意到货币资金与短期债务之比、流动比率和速动比率等关键指标。通过仔细监测这些指标，可以识别潜在的信用风险。特别是，将关注资金结构的合理性和流动性水平的维持，以确保足够的偿债能力，降低融资企业的信用风险。

其次，盈利能力在信用风险识别中扮演着关键角色。聚焦于每股收益、销售净利率和ROA等指标，这些反映了企业的盈利水平。通过密切监控这些指标，可以识别企业的盈利潜力，以及其对信用风险的敏感程度。高盈利能力通常伴随着较低的信用风险，因此将注重提升盈利水平以降低信用风险。

第三，应收账款管理对信用风险的影响不可忽视。高周转率通常表明较好的信用政策，但在某些行业可能带来其他风险。同时，行业和合作关系因子是另一个重要的信用风险识别维度。关注行业指数涨跌幅、核心企业行业排名和合作密切程度等指标。通过对这些因子的监测，有效识别行业波动和合作关系变化可能带来的信用风险。

（二）风险评估实证分析

1.评估模型构建

Logistic模型是一种基于概率的非线性回归，它是一种多变量的分析方法，主要研究了二类观测结果和影响因子的相关性，常常被用于寻找导致某一事件发生的影响因素、预测与判别。在金融风险的识别中，往往要对各种风险因子的量化关系进行分析，而要对其进行准确的解释，就必须排除某些混杂因素，这样才可以很好对企业的供应链金融风险进行定量研究。

通过Logit变换，被解释变量变为胜算比的对数Ai，成为了解释变量Xi的线性函数。在此基础上，Xi代表风险分析所抽取的公因子，βi为各个公因子的系数值，Pi为企业出现供应链金融风险的概率。通过Logistic模型对电商企业供应链金融风险定量研究，具有很好的科学性和可行性。

2.数据变量选择

本研究以京东集团为例，涵盖了2018—2022年公司的月度数据，构建了表1所示的指标体系。研究数据主要来源于Wind数据库。在实证分析阶段，根据企业绩效评价标准，主要以“总资产负债率较差值”将企业分为两类：有信用风险和无信用风险。企业是否有风险（0为无风险，1为有风险）为因变量进行Logistic回归分析，通过这些综合的方法和数据分析，可以为京东集团能够更全面、深入地评估企业的信用风险。

3.主成分因子分析

为了检验收敛效应和区分效应，首先要确认样本数据是否适合做因子分析，需要对提出的各个变量对应的个体项的样本数据进行KMO和Bartlett球型检验。

KMO统计量值大于0.5，变量间的相关程度无太大差异，适合做因子分析。Bartlett球形检验的结果小于0.05，原始变量之间存在相关性，也适合做因子分析。

表2展示了进行因子分析后的总方差解释结果。在因子分析中使用了主成分方法，并抽取了特征值大于1的公因子。表中列出了各个因子的初始特征值、提取载荷平方和、旋转载荷平方和等相关统计指标。表2中的累积百分比表示前几个主成分解释的方差占总方差的累积比例。根据表2，前2个主成分的累积百分比已经达到85%以上，这表明这两个因子能够较好地解释原有变量中的信息，因此，可以考虑使用这两个主成分来代表原始变量。

通过主成分分析，前2个主成分能够较好地捕捉原有变量的差异性，解释了其中大部分的信息，这样的降维结果有助于简化数据结构，提高模型的解释性。

表3展示了进行因子旋转后的成分矩阵，使用了最大方差法进行旋转。为了提高结果的清晰度，仅显示了载荷系数大于0.5的数值。成分1和成分2表示两个旋转后的主成分。根据最大方差法进行的旋转已经在3次迭代后收敛。载荷系数表示了每个变量在每个成分上的贡献程度。在这里，我们关注的是大于0.5的载荷系数，以确定每个因子上具有较高载荷的变量。

其中，成分1主要由X2、X3、X4、X8、X9等变量贡献，载荷系数较高，这些变量都与企业盈利能力有关，可以将其解释为盈利能力因子；成分2主要由X1、X5、X6、X7等变量贡献，同样具有较高的载荷系数，这些变量都与企业的营运、偿债能力有关，将其解释为信用偿债因子。通过因子旋转，我们使每个因子上具有较高载荷的变量数目最小化，从而更好地解释了原有变量之间的关系。这样的结果有助于简化模型，提高解释性，并使得变量在因子上的贡献更加清晰。

表4显示了通过因子分析得到的成分得分系数矩阵，其中包含了两个成分。成分得分系数表示每个个体项（X1至X9）在每个成分上的得分。这些得分反映了每个个体项对于每个成分的贡献程度，可以帮助理解样本在新构建的成分空间中的位置。

其中，成分得分系数矩阵提供了每个个体项在成分1和成分2上的得分情况。正的得分表示正向关系，负的得分表示负向关系，而绝对值的大小表示贡献的程度。成分1主要受到X2、X3、X4、X8和X9的正向影响，而成分2主要受到X1、X5、X6和X7的正向影响。通过成分得分系数矩阵，我们可以理解每个个体项在这两个成分上的相对位置，有助于解释数据的结构和个体项之间的关系。

成分转换矩阵显示了在原始因子（未经过旋转）和新因子（旋转后）之间的线性转换关系（见表5）。每个元素表示原始因子和新因子之间的线性权重。转换矩阵的元素：原始因子1到新因子1的权重0.715；原始因子1到新因子2的权重0.699；原始因子2到新因子1的权重0.699；原始因子2到新因子2的权重-0.715。转换矩阵中的权重反映了旋转后的因子与原始因子之间的关系。这种线性转换保留了因子之间的相关性，但可能使因子的解释更加清晰和有意义。

4. Logistic 回归模型分析

使用SPSS 26.0，以上文提取出来的2个公因子为协变量，企业是否有风险（0为无风险，1为有风险）为因变量进行Logistic回归分析，指定协变量进入回归模型的方法为进入，可得表6。

模型系数及显著性：FAC1的系数（B）为-1.699，标准误差为1.805，瓦尔德统计为5.886，自由度为1，显著性为0.007，Exp（B）为0.018。

FAC2的系数（B）为-1.405，标准误差为1.724，瓦尔德统计为6.665，自由度为1，显著性为0.005，Exp（B）为0.024。

常量的系数（B）为-2.035，标准误差为2.661，瓦尔德统计为7.585，自由度为1，显著性为0.004，Exp（B）为0.000。

FAC1和FAC2的瓦爾德统计分别为5.886和6.665，这些值用于检验变量的显著性。较大的瓦尔德统计通常对应着较小的显著性水平，表明变量在模型中的贡献是显著的。常量项的瓦尔德统计为7.585，也表明常量在模型中的贡献是显著的。

因此根据步骤la的logistic回归模型分析，FAC1和FAC2都在模型中是显著的，并且它们的Exp（B）值表明它们对因变量的影响是负向的。常量项也是显著的。这些结果为理解模型的变量关系提供了初步的统计支持。

在步骤1的Omnibus检验中，卡方值为 26.594。显著性水平（p值）为0.000。这表示在模型中至少有一个变量的系数与因变量之间的关系是显著的。根据Omnibus检验的结果（表7），模型整体上是显著的。在这种情况下，我们拒绝了“模型中至少有一个变量的系数为零”的零假设，即至少有一个自变量对因变量有显著的影响。因此，该模型在整体上对观测数据的解释是显著的。

根据表8，Hosmer和Lemeshow检验的结果表明，显著性检验的Sig=0.364>0.05，可以认为模型能够很好地拟合数据。

四、结论与建议

（一）结论

根据本文构建的供应链金融融资风险评价指标体系，结合Logistic回归模型，对京东集团的信用风险进行了全面的评估。该指标体系主要涵盖了目标企业状况、行业发展水平等两个方面，通过主成分因子分析法提取了2个主要因子，分别对企业的信用风险状况产生显著影响。

1. FAC1 - 盈利能力因子

主要贡献为X2、X3、X4、X8、X9等变量。这些变量与成分1之间的关系较强，说明它们在盈利能力因子中发挥着重要作用。成分1主要反映了企业的盈利能力。其中，这些变量与企业的收入、成本、净利润等方面密切相关。因此，我们可以将成分1解释为反映企业盈利能力的综合因子。

这与目标企业是否发生信用风险呈负相关，即盈利能力越强，信用风险越低。企业盈利能力越强，其信用风险越低。高每股收益、销售净利率和ROA对降低信用风险具有积极作用。

2. FAC2 - 信用偿债因子

主要贡献为X1、X5、X6、X7等变量。这些变量与成分2之间的关系较强，说明它们在信用偿债因子中具有显著影响。成分2主要反映了企业的信用偿债能力。这些变量涉及企业的营运、偿债能力等方面，包括营业额、资产负债表项等。因此，我们可以将成分2解释为反映企业信用偿债能力的综合因子。

这与融资企业是否发生信用风险呈负相关，即指标值越高，信用风险越低。

这表明目标企业的偿债能力越强，其信用风险越低。具体而言，高比例的货币资金与短期债务、流动比率和速动比率都有助于降低信用风险。

因此，通过因子分析，我们成功地将原始的多个变量归纳为两个潜在的主成分，分别对应企业的盈利能力和信用偿债能力。这有助于业务决策者更好地理解企业经济状况，并在战略决策中考虑这些潜在的因素。在实际应用中，因子分析方法可以作为企业综合评估的有力工具，更好地为业务战略和风险管理提供指导。

（二）建议

根据对京东集团供应链金融融资风险的详细分析，提出以下建议措施：

首先，京东集团应重点关注偿债能力因子，特别是货币资金与短期债务之比、流动比率和速动比率。通过进一步优化资金结构和提高流动性水平，京东可以有效降低信用风险。此外，建议加强与金融机构的合作，确保能够及时获取必要的融资支持。

其次，在盈利能力方面，京东集团应继续注重每股收益、销售净利率和ROA等指标。通过提升企业盈利水平，京东可以增强其信用资质，从而降低信用风险。这可能包括进一步提高销售净利率、优化资产利用效率等战略调整。京东集团在应对信用风险时需要审慎管理应收账款和资产负债率。对于应收账款周转率，京东应确保在维持相对高水平的同时，保持合理的信用政策，避免因信用政策过紧而影响销售和盈利能力。同时，要注意控制资产负债率，以防止信用风险的上升。

最后，关于行业和合作关系因子，京东集团应密切关注行业指数的涨跌幅、核心企业行业排名以及合作密切程度。在面对行业波动较大的情况下，京东需要制定灵活的战略，以适应不同的市场环境。此外，积极加强与核心合作伙伴的关系，提高合作密切程度，有助于降低信用风险的潜在影响。

京东集团可通过细化财务战略、强化风险管理、优化供应链关系等手段，全面提升供应链金融融资风险管理水平，确保企业能够在竞争激烈的市场中稳健发展。

主要参考文献：

[1]吴迪，陈文博.基于电商平台的供应链金融运营特征及风险评价探究[J].现代商贸工业，2024，45（03）：42-45.

[2]赵翠，张轩萁.物流企业应用供应链金融的风险分析——以京东为例[J].国际商务财会，2023，448（22）：63-66.

[3]秦川，洪怡恬.供應链金融缓解中小医药企业融资约束研究——基于数字普惠金融的调节作用[J].甘肃金融，2023（11）：69-75.

[4]常艳花.互联网+模式下的零售供应链可持续发展模式探讨[J].商业经济研究，2018（24）：30-32.

[5]方秀丽，吴灼亮.大数据环境下基于B2C电子商务平台的供应链金融服务创新研究[J].重庆科技学院学报（社会科学版），2016（07）：41-44+47.

[6]雷辉，赵士琛.企业社会责任与企业信用风险评估——基于利益相关者视角的Logistic模型创新[J].湖南大学学报（社会科学版），2019，33（02）：88-95.

[7]韩雪莹，汤春玲.湖南特色农业供应链金融模式创新研究[J].现代商业，2023（19）：88-91.

[8]张楠，唐凯桃，李妍锦.信托公司供应链金融资产证券化业务体系构建研究[J].会计之友，2023（19）：29-37.

责编：梦超