商业银行供应链金融服务风险的影响因素研究

娄淑珍　闫怡瑾

（浙江树人大学管理学院　杭州　310015）

（支付宝（中国）网络技术有限公司　杭州　310013）

【内容摘要】　供应链金融是连接银行、供应链节点企业、中间机构的资金通路。相对于传统信贷业务而言，由于参与主体众多、操作流程复杂、涉及面广，商业银行面临着更大的供应链金融风险。因此，探究供应链金融风险控制的影响因素具有重大现实意义。本研究将商业银行供应链金融风险控制的影响因素作为研究对象，通过文献梳理，提出基本假设与模型，对杭州、宁波、上海、兰州地区有代表性的7家商业银行信贷业务部的供应链金融从业人员（约350人）进行问卷调查，运用信度效度检验、描述性统计、相关性分析、方差分析、回归分析等统计分析方法逐步验证假设。研究结果显示：①基于客户层面、中介机构层面、银行层面的影响因素与风险控制均存在正向相关；②客户层面的三因素对供应链金融的风险控制影响力不相上下；③中介机构层面对于供应链金融的风险控制存在一定影响，但是影响力较弱；④银行层面的三因素对于供应链金融的风险控制影响最大，其中贷中审查占最大比重。最后针对各层面影响因素为商业银行进行供应链金融的风险控制提出对策与建议。

【关键词】　供应链金融　风险控制　商业银行　影响因素

近年来，国家技术条件和经济环境在不断发展，供应链金融业务是商业银行的重要利润增长点，市场竞争也演变成各供应链间的竞争。供应链金融业务的出现促进了供应链企业间的合作，带来了参与主体的多方共赢，整合了物流、资金流、信息流，突破了以产品为中心的传统贸易融资模式，依靠对企业融资行为的创造性诠释，供应链金融成了银行的新宠。但是在国内，供应链金融作为新生事物，发展不过数年时间，银行大多都还停留在业务探索和试行阶段，市场份额也远低于传统授信，而且还存在诸如法律制度、商业银行组织架构、监管政策等多方面条件不完善的制约，因而风险控制是业务开展的主要着眼点。而供应链金融涉及的主体及影响因素十分复杂，供应链金融对风险控制的能力要求更高。本文以商业银行的供应链金融风险为研究对象，按照参与主体从客户层面提出信用状况、供应链质押物、信息共享度与风险控制的假设关系，从中介机构层面提出监管力度、内部约束与风险控制的假设关系，从银行层面提出贷前甄别、贷中审查、贷后监督与风险控制的假设关系，据此构建研究框架。根据问卷调查的数据，运用信度效度检验、描述性统计、相关性分析、方差分析、回归分析等统计分析方法逐步验证假设，探讨如何有效控制业务风险，进而为商业银行拓展供应链金融业务提供理论指导。

杨晏忠（2007）认为供应链金融风险是在融资过程中产品的实际收益受到各种不确定因素的影响而与预期收益发生偏离。商业银行内在的脆弱性是风险产生的理论根源，供应链金融业务的特点构成了供应链金融业务特殊的风险起因。石汉祥（2003）认为银行信贷风险的成因主要来自内外两部分，内部因素有银行的风险管理能力、内部员工素质、企业文化等，外部因素有国家政策、市场环境等。乐佳超、谭建伟（2008）提到供应链金融业务尚未普及，潜在的风险是一个重要的影响因素；胡跃飞、黄少卿（2009）认为供应链金融要把控每一环节上的风险，因此操作起来比较复杂；熊熊等（2009）指出供应链金融改变了传统的单一的财务报表静态分析，通过对资金流、物流的动态控制将主体评级和债项评级融合在风险评价体系中，更加注重各种资源在整条供应链上的把控。刘士宁（2007）指出要想顺利拓展供应链金融业务，就要在每个参与方层面做好风险控制工作。

章文燕（2011）提出操作风险的影响因素来自制度、人员、系统、社会等多方面。涂妍妍（2007）运用信息经济学进行了国有银行信用风险的成因分析。Buzacott and Zhang（2004）考虑企业效益来选择具体的供应链金融模式，定量分析了行业指标对信贷业务风险的影响，率先将资产质押运用到生产决策中；Gupta and Dutta（2011）建立了整数规划模型，研究了如何有效控制整条供应链上的资金流通；Guillen et al.（2007）建立了一个供应链金融的实证模型，并证明这种融资方式可以提高企业效益；尹海丹（2009）提出不同的操作模式有不同的供应链金融风险控制点，并有针对性地提出了防范措施，并在此基础上进一步研究风险因子和风险评价方法。在这一方面，汪守国（2009）进行了突破性研究，是少有的定量研究，采取了层次分析法将风险因子划分为核心企业风险、合作风险以及供应商风险。

表1　风险管理方面的研究成果

资料来源：根据相关文献整理。

依据客户、中介机构、银行三个层面提出相关假设如下：

H1a：供应链参与企业的信用状况的优化对风险控制有正向影响。

H1b：供应链质押物的选择对风险控制有正向影响。

H1c：供应链上的信息共享程度对风险控制有正向影响。

H2a：中介机构的供应链监管力度对风险控制有正向影响。

H2b：中介机构的内部约束力对风险控制有正向影响。

H3a：银行进行有针对性的贷前风险甄别对风险控制有正向影响。

H3b：银行及时进行贷中审查对风险控制有正向影响。

H3c：银行贷后监控能力对风险控制有正向影响。

图1　研究模型

本文采用的是问卷调查法，根据文献梳理的每个层面的影响因素分别确立变量，设计了这一问卷搜集数据。考虑到商业银行对问题的敏感程度，本文采用封闭式问卷，便于调查对象从自身角度出发清楚作答。问卷采用李克特五点量表对变量打分，分数与态度呈正方向记分。非常不同意得“1”分，不同意得“2”分，不确定得“3”分，同意得“4”分，十分同意得“5”分。分数越高，表明测试人对题项的评价越高。

表2　测量变量及问题项设计

续表

本研究主要以商业银行为调查对象，调查样本主要来源于杭州、宁波、上海、兰州的国有银行、股份制银行、城市商业银行、信用合作社等不同性质的商业银行，主要包括中国农业银行、招商银行、交通银行等7家银行。在商业银行信贷业务部中从事、接触及了解供应链金融业务的工作人员约350人对调查问卷假设的各题项分别进行打分。本研究共发放问卷350份，回收的问卷为306份，回收率为87.4%，其中有效问卷242份，有效率为79.1%。

本文运用SPSS 19.0对问卷数据进行处理，由表3可以看到，该问卷信度良好。

表3　样本的信度分析

本文大样本效度检验依然运用因子分析法中的KMO样本检验、Bartlett’s球形检验以及观察主因子解释总变异量的百分比来进行问卷的效度检验，结果见表4和表5。

表4　KMO及Bartlett’s检验

表5　总方差分解表

问卷的KMO值为0.885，高于0.7，表明适合做因子分析。并且Bartlett’s球形检验卡方统计值的显著性概率为0，小于0.01，表示相关系数矩阵不是一个单位矩阵。同时，主因子解释总变异量的百分比为72.302%，大于70%。因此，问卷具有良好的结构效度。

由表6可知，客户层面的因素与供应链金融风险控制的相关性都显著，即信用状况、供应链质押物、信息共享的显著水平都达到了0.01。其中，信用状况的显著性水平最高，与风险控制的相关系数达到0.446，相关性最大；供应链质押物与供应链金融风险控制的相关系数为0.379；信息共享与风险控制的相关系数则达到0.424。

表6　变量相关性分析（客户层面）

由表7可知，中介机构层面的因素与供应链金融风险控制的相关性都显著，即物流监管、内部约束的显著水平都达到了0.01。其中，内部约束的显著性水平略高，与风险控制的相关系数达到0.400，相关性较大；物流监管与风险控制的相关系数为0.364。

表7　变量相关性分析（中介机构层面）

由表8可知，银行层面的因素与供应链金融风险控制的相关性都显著。其中，贷前甄别的显著性水平最高，与风险控制的相关系数达到0.524，相关性最大；贷中审查与风险控制的相关系数为0.501；贷后监控与风险控制的相关系数则达到0.506。客户层面、中介机构层面和银行层面共8个因素都与因变量供应链金融的风险控制之间存在相关性。

表8　变量相关性分析（银行层面）

为进一步分析控制变量（宏观经济状况）对供应链金融风险控制的影响，本文通过单因子方差分析来探讨控制变量对各变量是否存在显著差异。分析显示了F统计检验结果及Scheffe法多重比较分析结果（见表9）。

表9　控制变量单因素方差分析

注：显著性水平为0.05（1指GDP增长率；2指通货膨胀率；3指基准利率；4指其他）。

从表9可以看出，宏观经济状况对供应链金融风险控制的影响在0.05水平上存在显著差异，说明商业银行供应链金融风险控制受到了宏观经济状况的影响。宏观经济状况与信用状况、供应链质押物、信息共享、物流监管、贷后监控之间不存在显著性差异，即受宏观经济状况的影响不显著。而中介机构的内部约束、银行的贷前甄别、贷中审查与宏观经济状况之间存在显著性差异。对于贷前甄别和贷中审查，GDP增长率的影响＞基准利率＞通货膨胀率，但是同时也有大部分人认为尚有其他因素对其产生影响，且影响力很大。

（1）客户层面，皆符合标准，见表10。

表10　多重共线性检验（客户层面）

a. 因变量：风险控制。

（2）中介机构层面，皆符合标准，见表11。

表11　多重共线性检验（中介机构层面）

a. 因变量：风险控制。

（3）银行层面，皆符合标准，见表12。

表12　多重共线性检验（银行层面）

a. 因变量：风险控制。

本研究中，各阶段回归模型中的DW值分别接近于2，模型中不存在序列相关问题。进行回归分析得出的散点图大体呈无序状态，不存在异方差问题。

回归模型以客户层面三个维度为自变量，以供应链金融风险控制为因变量，分析了客户层面的三个维度与风险控制之间的关系，见表13。客户层面的信用状况、供应链质押物以及信息共享与供应链金融风险控制有显著关系，显著性水平分别为0.022、0.021和0.010，均小于0.05，表明假设H1a、H1b和H1c成立。

表13　客户层面与供应链金融风险控制的回归分析

a. 因变量：风险控制。

回归模型以供应链金融风险控制为因变量，以中介机构层面的两个维度为自变量构建了回归模型，结果见表14。中介机构层面的内部约束与供应链金融风险控制有显著关系，回归系数达到0.309，并且显著性水平小于0.05，表明假设H2b成立。物流监管对供应链金融风险的回归系数为正，这说明回归结果与研究假设提出的方向一致，但是并不显著，这说明假设H2a并不成立。

表14　中介层面与供应链金融风险控制的回归分析

a. 因变量：风险控制。

回归模型以供应链金融风险控制为因变量，以银行层面三维度为自变量，结果见表15。贷前甄别、贷中审查以及贷后监控与金融风险控制均有显著关系，回归系数分别为0.295、0.351和0.268，并且显著性水平都小于0.05，表明假设H3a、H3b和H3c成立。

表15　银行层面因素与供应链金融风险的回归分析表

a. 因变量：风险控制。

本文提出的研究假设检验结果见表16。

表16　假设验证结果

相关的研究结论，现总结如下：

（1）基于客户层面、中介机构层面、银行层面三个维度的风险控制影响因素分析框架是现实可行的。假设模型的研究结果表明，客户层面的信用状况、供应链质押物、信息共享，中介机构层面的内部约束，银行层面的贷前甄别、贷中审查、贷后监控，这七个自变量对供应链金融的风险控制有正向影响。

（2）客户层面的三因素对供应链金融的风险控制影响力不相上下。客户层面的变量因素在授信环节中具有极强的针对性，故对供应链金融的风险控制存在一定影响。

（3）中介机构层面对于供应链金融的风险控制有一定影响，但是影响力较弱。中介机构存在一定的独立性，但是第三方内部的监管能力与内部管理会间接影响银行对供应链金融风险的控制，因此也是不容忽视的一个层面。

（4）银行层面的三因素对于供应链金融的风险控制影响最大，其中贷中审查占最大比重。贷中审查是风险控制的直接手段与表现形式，本论文研究的风险控制主要在贷中审查阶段得以体现，贷前甄别对风险控制的影响力次之，贷后监督也对风险控制有一定的影响力。

（1）协助政府稳定国家宏观环境，以培育良好的信用环境与法制环境。一方面，协助政府营造公正的法制环境。为了有效地控制供应链金融的风险，一定要全面认识当下所处的宏观经济状况，熟悉国家宏观调控政策，积极应对市场竞争；另一方面，构建一个综合服务网络平台，将银行服务平台与政府监督平台相结合以培育良好的信誉环境。

（2）加强对客户层的监管力度。第一，尽量在授信合同中明确供应链企业各方的权利义务，降低法律风险。在业务开展过程中，银行应该规范授信合同，明确各方的权利义务，降低法律风险。第二，针对质押物，建立灵活快速的市场商品信息收集和反馈体系，规避产品市场风险。银行应该建立销售情况、价格变化趋势的监控机制以控制市场风险。第三，及时跟踪供应链交易，保证资金的安全性和收益性。

（3）建立中介机构合作和评估体系，规范动态监管机制。建立规范化的动态监管机制，防范供应链的金融风险。实施远程监控与现场监管相结合的监管方式，收集综合类、行业类商品价格信息，根据供应链的结构、环境等分析风险因素，运用各种风险控制工具区分风险类别，对潜在的损失进行识别、衡量和分析，以最小成本、最优组合对风险进行有效规避、实时监控，以保证供应链金融的安全。

（4）针对自身授信阶段制定相应策略。贷前阶段，组建专业的供应链融资操作队伍。银行应该引进人才建立一支覆盖前、中、后台的专业化队伍，并且通过在职培训等方式开展有针对性的学习，提升从业人员的业务素质。另外，要注意在实际工作中不断总结、积累经验，密切关注市场动态，完善对供应链融资的风险管理，增强风险识别能力。贷中阶段，创建独立的风险管理体系，审慎选择给予授信的供应链群，逐步构建完善的供应链金融风险评估模型。贷后阶段，建立应急处理机制，强化内部控制以防止操作风险，优化业务流程以提高业务处理效率。

参考文献

［1］Cebenoyan A S，Strahan P E. Risk management，capital structure and lending at banks. Journal of Banking ＆ Finance，2004，28（1）：19-43.

［2］Guillen G，Badell M，Puigjaner L. A holistic framework for short-term supply chain management integrating production and corporate financial planning. International Journal of Production Economics，2007，106（1）：288-306.

［3］Gupta S，Dutta K. Modeling of financial supply chain. European Journal of Operational Research，2011，21（1）：47-56.

［4］Buzacott J A，Zhang R Q. Inventory management with asset-based financing. Management Science，2004，50（9）：1274-1292.

［5］胡海青，张琅，张道宏，等.基于支持向量机的供应链金融信用风险评信研究.软科学，2011，25（5）.

［6］李毅学.供应链金融风险评估.中央财经大学学报，2011（10）：36—41.

［7］熊熊，马佳，赵文杰，等.供应链金融模式下的信用风险评价.南开管理评论，2009，12（4）：92—98.

［8］张浩.基于供应链金融的中小企业信用评级模型研究.东南大学学报（哲学社会科学版），2008（S2）.

［9］石汉祥.论国有商业银行的信贷风险管理.武汉大学学报（社会科学版），2003（1）：13.

［10］胡跃飞.供应链金融——极富潜力的全新领域.中国金融，2007（22）：38—39.

［11］杨晏忠.论商业银行供应链金融的风险防范.金融论坛，2007（10）：42—45.

［12］张纯，吕伟.信息披露、市场关注与融资约束.会计研究，2007（11）：32—38.

［13］马中华，何娟.物流企业参与下的库存质押融资中的委托代理问题研究.中国管理科学，2008（16）：455—459.

［14］陈钦，施丽娟.基于Logistic模型的供应链金融信用风险实证研究.重庆工商大学学报（自然科学版），2014（7）：14—20.

［15］于辉，刘鹏飞，孙彩虹.信息可信与贷款利率确定问题的供应链鲁棒模型分析.中国管理科学，2014（8）：64—71.

［16］黄秋萍，赵先德，杨君豪，梁超杰.供应商关系管理中的金融关系行为研究.南开管理评论，2014（4）：66—77.