摘 要

信用风险是供应链金融的主要风险，近年来信用风险的关注度在行业内的关注度逐渐增高。由于企业之间的高度依赖，供应链金融风险的评估将更加复杂。在目前的研究中，大多数研究对象都是单一的融资企业，对于同一条产业链上具有业务往来的多家企业的综合研究数量较少。本文通过介绍供应链金融信用风险业务的发展趋势以及诱导机制，说明供应链金融业务具有较高的应用价值和较广阔的应用前景，同时建立了一个综合评价模型，此模型基于利用GARCH函数修正后的KMV模型，对供应链金融服务中的企业的信用风险进行了定量分析。基于该模型，可以对供应链中多个相关联企业的进行信用风险测评。结果表明，KMV模型对我国汽车行业中某些企业的违约风险评估是有效的，在汽车产业链中，处于核心地位的汽车制造企业的信用风险小于零部件供应企业，汽车经销企业的违约概率最大，且上下游某些企业的违约风险的存在联动关系，供应链中可能存在违约传染。本文所得结果对融资机构或者供应链金融业务公司具有重要指导意义。

关键词：供应链金融；信用风险；KMV模型；中国汽车行业产业链

Abstract

Credit risk is the main risk of supply chain finance. Because of the high dependence between enterprises, the assessment of supply chain financial risk will be more complex. In the current research, most of the research objects are single financing enterprises, and the number of comprehensive studies on multiple enterprises with business contacts on the same industrial chain is small. In this paper, through the introduction of the development trend of supply chain finance business credit risk and the induction mechanism, to illustrate the application of supply chain finance business with high value and a broad application prospect, and has set up a comprehensive evaluation model, this model is based on the adjusted KMV model, using GARCH function to the credit risk of the enterprise in supply chain financial service has carried on the quantitative analysis. Based on this model, the credit risk of several enterprises in the supply chain can be evaluated. The results show that the KMV model to some enterprises in the automobile industry of our country default risk assessment is valid, in the automobile industry chain, at the core of automotive manufacturing enterprise credit risk is less than parts supply, the default probability of automobile distribution enterprises, the largest and upstream and downstream enterprises of the existence of the risk of default correlation, a possible default contagion in the supply chain. The results obtained in this paper have important guiding significance for financing institutions or supply chain finance companies.

Keyword: Supply chain finance; Credit risk; KMV model; China's auto industry chain

目 录

第一章 绪论 1

1.1选题背景 1

1.2研究方法与研究思路 1

1.3供应链金融信用风险研究动态 1

1.3.1单个企业信用风险 2

1.3.2投资组合信用风险 2

2.1 供应链金融模式出现及转变 3

2.2 供应链金融业务发展阶段 4

2.3 金融科技与供应链业务跨界融合 5

3.1 传统风险防控体系难以防控供应链金融的系统性风险 5

3.2 核心企业定位不明确容易造成供应链金融的交易流风险 6

3.3 创新业务模式可能造成财务流风险 7

3.4 金融科技的应用造成信息流风险 7

4.1 修正股权价值波动率 9

4.2 修正违约点(DEFAULT POINT) 10

4.3 对比违约距离(DEFAULT DISTANCE) 10

5.1数据来源以及数据处理 11

5.2.1数据相关性检测 12

5.2.2违约点的计算 15

5.3违约距离和预期违约频率 16

5.4实证分析结果 19

第一章 绪论

1.1选题背景

供应链金融作为一种创新的融资方式，在中国企业融资市场中日益显示出活力，其参与者包括供应链节点企业、金融机构和其他支持方。对于商业银行等金融机构，供应链金融以核心企业的信用为支撑，为供应链上的上下游企业提供金融支持，不同于传统的对单一融资企业的授信模式^[1]。由于业务的复杂性，商业银行等金融机构不可避免地面临一定的信用风险。信用风险管理的基本过程包括风险识别、度量、评价和控制。从理论和技术的角度来看，风险度量在所有这些过程中都起着至关重要的作用。

在当前的融资环境下，要衡量风险难度是有难度的。一方面，中国的供应链金融行业起步较晚，行业仍然存在周期性缺陷。例如，除了深圳开发银行外，大多数中国商业银行的供应链金融业务还不依赖于传统流动性贷款风险管理系统。此外，中国关于动产担保权利的法律尚不完整，这在许多业务中造成了不确定性，并导致了供应链金融业务的意外损失。另一方面，单条供应链上的企业之间的关系不仅包括物流、资本流动、信息流动和业务流动，还包括相互贷款担保和共同责任的关系。由于融资担保关系的存在，供应链金融中的企业之间存在着违约依赖的关系，这种关系难以捕获而且容易被忽视。这些缺陷和复杂的企业关系增加了融资的复杂性，使信贷风险难以控制。因此，供应链金融业务的潜在信贷风险时常被严重低估或误解，导致其业务的风险无法及时得到管理和控制。

1.2研究方法与研究思路

中国汽车行业供应链是最具代表性的供应链之一，在供应链金融应用领域。汽车供应链金融的概念最早是由福特信贷公司在20世纪70年代提出的。直到本世纪初，我国对汽车整车性能的研究才开始蓬勃发展。本文提出建立一组完整的中国汽车供应链金融企业信用风险评估模型，该模型不仅可以衡量单个融资企业的信用风险，而且可以对供应链中融资企业组合(上下游)的信用风险进行量化。实践证明，该模型具有一定的理论和实践意义。

1.3供应链金融信用风险研究动态

合理的控制供应链金融的信用风险对供应链的整体效益是巨大的。基于供应链金融理论与实践的双重重要性，国内外学者对供应链金融的风险做了大量的研究。对于供应链金融理论研究的方面，Hallikas（2003）认为供应链金融的风险分为外部和内部风险^[2]。Barsky（2005）从风险管理角度出发，将供应链金融的风险分为结构风险、人力风险、环境风险、融资风险以及信息技术风险等五大风险 ^[3]。Guileen（2006）从短期运营的角度，说明了企业融资问题与供应链短期管理运营紧密相连的关系^[4]。毕家新（2010）指出供应链金融风险主要由企业信用风险、以及供应链自身与运营风险三大风险组成^[5]。定量研究方面，KMV公司基于期权定价理论提出KMV模型，瑞士银行运用保险精算中的方法建立Credit Risk模型,摩根银行开发了基于VAR的信用度量模型^[6]。谷秀娟（2007）提出将VAR方法应用金融业务的流动、信用以及操作风险的管理当中^[7]。目前对供应链金融信用风险的量化研究主要分为两大方向：对个人信用风险的度量和对投资组合信用风险的度量。

1.3.1单个企业信用风险

统计学中的Z值是第一个被用来预测公司违约概率的统计学模型，该方法通过标准判别模型进行计算与修正。阿特曼教授（1968）运用Z-score模型和其扩展模型Zeta信用风险模型研究公司的违约概率。除了Z值外，还有一系列更精确的方法，例如logistic回归、神经网络、平滑非参数法、专家系统法等，这些方法在信用评估领域得到了广泛的应用。近年来，许多新的组合方法也陆陆续续的出现。程昌华（2015）运用Logistic回归模型计算供应链金融中汽车企业的违约概率^[8]。马雪冬和赵一飞采用层次分析法(AHP)和模糊聚类分析法评估了供应链金融业务中银行的风险，业务本身风险^[9]。孙浩将数据包络分析与聚类分析、主成分分析相结合的交叉模型，对中小企业的相对信用评分和相对信用评级进行评价^[10]。除了上述实证模型外，学者们还建立了各种理论模型信用风险度量模型，如KMV模型、VAR、信用度量模型、信用风险 模型、信用组合视图模型等。其中，KMV模型是最为成功且应用最为广泛的模型，其有效性已被众多学者所证明。Korablev和Kurbat用KMV模型研究了预期违约率信用等级的测度^[11]。Peter和Jeff通过运用KMV模型结合多家金融企业的样本度量了违约风险，对供应链金融的发展提供一定量化研究。KMV公司通过对大量的美国金融市场交易数据进行实证研究后提出了经典的KMV模型，但各国的金融市场存在差异，因此直接将经典的KMV模型应用于中国金融市场是不精确的。因此，许多中国学者根据中国金融市场的特点，对KMV模型中的参数进行了修改，比如股票权利的价值，股票价格波动，以及违约点。孙伟、王宇（2016）以41家上市的ST公司和对应的41家非ST公司为数据来源，验证了KMV模型在信用风险管理方面的合理性^[12]。冯静海、田婧（2016）对原始KMV模型的最优违约点进行了重新定义，修正后的KMV模型更为适合中国上市公司的资信状况评估^[13]。

1.3.2投资组合信用风险

对于投资组合信用风险的度量，主要是将违约依赖嵌入到单个企业信用风险度量模型中，并广泛应用Copula函数。Embrechts等人首次将Copula函数引入金融风险管理领域，随后将其广泛应用于资产相关结构表征、投资组合选择与优化、风险度量和资本配置等领域^[14]。Kiesel（2013）为建立完善的风险管理体系中，将Copula函数运用到实证研究中，利用动态的Copula结构波动模型度量了信用风险^[15]。许多学者利用关联函数研究了股票指数之间的相关性和投资组合风险。此外，许多学者建立了基于Copula函数的混合模型，如Copula- CVAR、Copula- CVAR -EVT和CGARCH-EVT-Copula。在供应链金融领域，大部分文献致力于质押组合的优化，利用Copula函数对融资企业投资组合的信用风险还没有成熟的研究。学者们还通过二项式展开技术、宏观压力试验、混合hop-diffusion模型等方法对缺省依赖关系进行了描述，这些方法没有Copula函数使用得那么广泛。

第2章 供应链金融业务发展趋势

2.1 供应链金融模式出现及转变

以往的商业模式中多以信贷融资模式为主，金融机构通过结合对融资主体的信用状况评估以及融资主体的抵押物价值来提供授信服务。除了信贷融资以外，企业也可以通过集合信托或发行债券等金融活动进行融资。供应链金融有别于这些传统的融资方式，它基于整条供应链上的所有企业以及这些企业之间真实的物资流动，信息流动以及商业流动，以整条供应链作为服务对象，对其中特定的具有融资需求的企业方提供金融服务。在供应链金融的模式下，金融机构作为资金的提供方，通过对供应链上产业流动的综合监管与评估，为单个企业，多笔交易甚至单笔交易提供融资服务，从而弱化了对融资者信用以及抵押物的要求。传统的供应链金融业务主要有三大特点：一是融资者所获得的融资具有确定性；而是供应链金融业务与货物交易密切相干；三是金融机构对放款可以实行动态监管。因此在此模式下，资金具有自偿性的特点，即能对融资项下的贸易进行有效控制；也具有封闭性的特点，即能整合同一条产业链上下游的企业，对资金进行动态监控。

从狭义上看，供应链金融服务中心参与对象有银行、核心企业以及核心企业所在供应链的上下游企业以及物流企业等，供应链金融业务是面向供应链上某一环节的企业和其部分上游企业进行资金借贷活动，其主要有应收应付、保兑仓以及仓单质押等几大形式。但随着市场的范围扩大，供应链出现了不断的延伸，供应链金融服务对象也由原来简单的几个核心企业变成了供应链上的所有企业，其中包括一些具有潜在金融需求的企业。这种更广义的供应链金融服务的目的在于通过一系列金融服务优化整条供应链的资金流，提高了资金效率，实现更好的资源配置，盘活供应链中企业的商业交流。