银行供应链金融风险管理和对策研究

商业银行发展供应链金融的势头迅猛，纷纷在其重点发展规划中纳入了供应链金融，但供应链金融全生命周期的风险管理不容忽视。本文归类研究市场上现有的银行及非银行机构供应链金融业务案例及风险特征，通过TVP-SV-VAR模型实证研究产业非预期事件对供应链金融系统性风险冲击，以云南省高速公路行业场景下未来应收账款类供应链金融业务作为典型案例梳理风控模式，主要研究结论如下：一是商业银行在做好自身供应链金融平台的同时，需及时调整优化组织机构，强化行业研究，加强全球供应链建设金融支持。依托供应链核心企业扩大行业类别合作，分散供应链金融系统性风险。理性应对第三方供应链金融平台发展趋势，加强平台合作转移供应链风险；二是从银行信贷路径和企业成本路径来看，非预期事件发生时，基准利率对商业信用产生负向冲击，利率下调推动大宗商品价格下行，企业备货行为产生资金占用，产业链之间形成链条债，推高商业信用规模，此时供应链金融系统性风险显著积聚；三是未来应收账款类供应链金融业务进行创新时，对行业重点法规政策的利用可以强化供应链资金风险控制，与保理公司等非银行金融机构合作可以解决核心企业不确权的难题，应用金融科技通过平台数据交互可以有效缓解中小企业信息不对称问题。

供应链金融市场潜力巨大，2024 年我国供应链金融市场规模将达 40.3 万亿元，5年复合增长率为 11.7%。供应链金融底层资产以应收账款为主，其底层资产主要分为应收账款、预付账款和存货，未来5年内应收账款占底层资产融资余额比重将从 58%提升至 60%。当前供应链金融业务融资来源主要为银行，其融资来源主要分为资产证券化、信托直接融资、银行直接融资、商业保理及其他，其中银行直接融资占比最高，占比超过75%。供应链金融是商业银行必争的战场，在整个供应链中，商业银行围绕其核心的企业，调整供应链上下游中小企业资金流通和信息流通，采取化个体为整体的方式，降低供应链上的单个企业面临的风险，将风险调整到最低（陈小宪和何珊，2022）。这种模式一定程度上解决了小微企业“融资难、融资贵、融资繁”的问题，积极响应国家支持实体经济、支持民营企业和中小企业、支持供应链金融發展、加快建设全国统一大市场等相关政策，是贯彻落实国家战略的重要体现。

商业银行发展供应链金融的势头迅猛，纷纷在其重点发展规划中纳入了供应链金融，但供应链金融全生命周期的风险管理不容忽视。供应链金融属于银行低频业务，稳定性得不到保证，无法匹配借贷双方的风控需求，致使供应链金融业务难以落实（欧邦才，2022）。尤其在经济下行期，小微企业更为脆弱，风险完全不独立，放贷之后银行则成了“弱势群体”，“大数法则”失灵（薛小飞和范姿妤，2022）。产业链整体风险通过“铁索连环”的方式从生态圈中小企业更多集中到链条的焦点企业上，使得产业系统性风险面对非预期事件冲击传染性更强（郑莉，2022）。因此，归类研究市场上现有的银行及非银行机构供应链金融业务案例及风险特征，实证研究产业非预期事件对供应链金融系统性风险冲击，具有非常强的现实意义。

一、文献综述

（一）供应链金融定义

在中国人民银行等八部委的定义中，供应链金融是指从供应链产业链整体出发，运用金融科技手段，整合物流、资金流、信息流等信息，在真实交易背景下，构建供应链中占主导地位的核心企业与上下游企业一体化的金融供给体系和风险评估体系，提供系统性的金融解决方案，以快速响应产业链上企业的结算、融资、财务管理等综合需求，降低企业成本，提升产业链各方价值①。但不同学者有不同看法，有的强调核心企业主导，认为供应链金融是核心企业通过对供应链生态圈的管理及维护，达到降低供应链成员企业融资门槛与融资成本目的的融资管理方式（Lamoureux，2007）；有的强调商业银行主导，认为供应链金融是商业银行结合供应链上核心企业提供的信息流与信用担保，为供应链上下游企业提供了更为灵活的融资方案与金融服务的金融模式（陈四清，2014；施逸文，2022；陈小宪和何珊，2022）；有的强调供应链资金管理，认为供应链金融是金融机构与技术提供商共同提出的用于优化供应链上各成员企业间资金流动的资金管理模式（李健等，2020）；有的强调解决银企信息不对称，认为供应链金融是通过匹配供应链上下游各环节成员间的物流、资金流与信息流，提高产业链生产经营效率，解决供应链上中小企业融资困难的问题（王霄和张捷，2003；林毅夫和孙希芳，2005）。本文使用官方定义。

（二）供应链金融发展阶段

上世纪80年代，随着各国工业规模扩张的与经济全球化的推进，生产各个环节中合作较为稳定的企业逐步加强相互间的合作并形成了早期的供应链生产模式。此时供应链管理作为一项企业运营的策略，当供应链上的成员企业能形成从原料采购到销售给最终消费者的封闭网络后，供应链上企业的竞争能力将会得到有效提升（Michael，1987）。我国最早的供应链金融实践可追索到深圳发展银行提出的“1+ N”模式，以核心企业为依托，以供应链条上下游企业为服务对象，以企业间真实交易为基础的分配金融资源的活动模式（褚旋和汤敏，2020）。这一模式打破了以往银行只针对单一企业的经营状况进行评估授信的融资方式，转而把供应链上的各个企业结合在一起，作为整体看待，供应链上的所有企业都可以分享资源，中小企业也可以参与进来（朱玉纯，2022）。到目前为止，基本上所有的商业银行都开展了各具特色的供应链金融相关服务（高洁，2022），供应链金融模式的发展在一定程度上对中小企业受到的融资约束有缓解效果（张丹，2017）。

现有研究对供应链金融的发展模式分为三个或者四个阶段，前两个阶段基本一致。第一阶段是以商业银行等金融机构主导的传统供应链金融模式，核心逻辑为自偿性贸易融资及核心企业信用外溢。金融机构会依据供应链内核心企业的信用与担保意愿，为其上下游提供融资支持，并委托三方物流公司监管供应链成员企业提供的质押商品，此阶段也叫贸易融资、物流金融等，代表产品包括保理、仓单质押、保兑仓等。主要缺陷在于，一是金融机构未实际参与供应链体系管理，因此融资范围仅覆盖了少量的供应链节点。二是中小企业规模小、经营不稳定，在核心企业不确权的情况下，此类企业难以通过与核心企业间的交易信用来减缓融资约束（Roberts，2015）。三是若核心企业对其上下游约束能力较弱，将导致商业银行很容易受到多头质押、虚假交易等问题影响（Kowalski et al，2021）。

第二阶段为供应链核心企业主导，金融机构提供协助的线上供应链阶段。在这个阶段中，商业银行从单纯的资金提供者转而为供应链管理模式中的运营者，由于将自身嵌入整个供应链的生产运营中，商业银行较为全面的掌握了供应链的资金、货物与信息流动数据，与产业链运作流程（Hofmann， 2005）。这种方式不仅进一步减少了中小企业受到的融资约束，同时也使得商业银行能设计出更符合供应链上不同企业运作模式的金融产品，如银行与汽车财务公司深度合作，开展汽车金融服务。主要缺陷在于，对核心企业产业整体布局规划能力要求较高、对产业链上下游中小企业管理难度大。

第三阶段（含第四阶段）为数字化技术推动平台化，多个专业主体相互合作形成平台化的供应链服务网络。随着供应链产业模式的快速发展，产业链上各节点的需求也越来越丰富。供应链网络的建立与维护需要依赖于链条上各参与主体间保持稳定且持续的合作关系，其本质是合作的主体间能持续“保持信任”（Barrane et al. 2020）。这种信任的基础很大程度上依靠于供应链成员对其上下游间生产交付能力的预测与确认。因此供应链上成员企业需要更为多元化、特色化的服务来保持其网络各部分的生产效率稳定可靠。业内对供应链网络平台建立的需求愈发高涨，供应链金融平台以互联网技术为基础，将供应链内各参与主体链接在网络内（徐鹏杰，吴盛汉，2018）。除了传统供应链模式中的商业银行、核心企业、供应链上下游和物流监管公司外，电商平台、科技公司等平台企业也将加入供应链金融平台的建设与维护中。供应链上各成员企业除了对其纵向交易对象能加深合作外，也能实现不同环节成员间的横向信息沟通，从而更好安排自己的生产经营计划，达到业务在广度与深度方面的拓展（宋华和杨雨东，2019）。依托区块链技术的共识机制、智能合约等技术手段保证链上所有数据的不可篡改性与可追溯性，实现供应链金融平台“数据上链”，可以有效解决货物监管不力、多头抵质押等问题（龚强、班铭媛、张一林，2021）。Omran（2017）等研究者通过对反向保理与动态贴现的实证研究，论证了区块链技术对增加供应链上企业透明度做出的贡献。Casado-Vara等（2018）认为数字供应链模式可以实现循环经济的概念，并创造一个多方代理系统模式协助供应链运营企业管理链上所有交易信息。Choi（2020）通过制造商和零售商之间的纳什均衡模型推导出每个供应链中的最优合同和数量，分析性地展示供应链金融平台收益共享机制。

（三）供应链金融风险研究

供应链金融的发展欣欣向荣，但也存在较多问题。一是授信范围局限，银行会重点给核心企业授信，然后由给下游企业进行垂直衍生授信，出于风险传递的可能性，银行通常控制授信范围，如只允许一二级经销商企业准入；二是链上企业信息不对称，随着供应链上下游企业数量急速增长，当核心企业无法做到全权管理时，授权分层管理会致使链上企业信息不对称；三是供应链信息管理约束力低、违约风险高（高洁，2022）。因此对于供应链金融风险管理，国内外已进行较多研究。

供应链金融风险度量方面。在金融机构向供应链中的企业进行资金投放前，对企业及其所属供应链的风险评级与研究供应链运营情况十分重要。王一鸣等人（2017）站在商业银行角度，认为供应链金融风险主要分为两大类：一类是宏观行业风险、另一类则是信用风险。宋华等人（2018）提出供应链中的风险主要来源于参与者的外部环境、供应链内部网络、供应链企业之间。Barsky和Catanach （2005）将风险分为融资过程、信息技术、人力资源、环境与公司结构五个部分。Liu（2015）基于供应链金融发展的时代和现实背景，根据全面风险管理的内在要求和研究逻辑，构建了供应链金融风险管理理论模型框架。Leung和Kwok（2009）通过构建马尔可夫链来分析供应链上关联企业间信用风险传导现象，论证了集体违约事件往往来源于信用风险的传导。Rosenberg和Schuermann（2006）从金融管理的实践出发，为供应链金融内发生的各类风险给出了测量方法。熊熊等（2009）研究者则运用logistic回归模型对某石油公司为案例，对商业银行对企业投放的信贷风险进行了分析測量。张建同等人（2019）以上市企业的汽车供应链金融为案例，采用了修正的 KMV 模型分析出经销商、供应商、核心企业的违约风险大小。

供应链金融风险控制方面。陈辉强（2017）指出，商业银行可以通过对贷款资金的封闭管理来降低供应链金融的整体风险。田火青（2020）提出，通过电子化、无纸化审批流程和管理系统，将供应链上下游之间的交易进行全程收集并及时向链上各关键主体进行通知和公示，从根源上杜绝虚假贸易背景、虚假票据，严控抵质押手续和货物周转，防止贷款资金挪用。李毅学（2007）等运用“主体+债项”的风险评估策略对SFZ银行和WXZC物流有限公司的存货质押融资业务现货价格参数进行分析，得出了价格随机波动下符合实际情况的银行质押率的计算结果。Burnetas和Ritchken（2005）研究了当需求曲线向下倾斜时期权合约在供应链中的作用，并发现期权合约的引入会导致供应链内成员间交易批发价格上涨和零售价格的波动性降低。

总的来说，现有研究存在以下不足：一是尚未结合《民法典》的施行对未来应收账款类供应链金融业务拓展研究；二是案例研究较多，实证研究较少，特别地对供应链金融业务系统性风险冲击的研究极少；三是政策及建议往往偏向宏观，对于银行业深入发展供应链金融业务缺乏营销指引作用。因此，本文的创新之处在于：一是采用TVP-SV-VAR模型实证研究产业非预期事件对供应链金融系统性风险冲击；二是针对应收账款类供应链金融业务风控模式进行具体的案例分析；三是单独配套撰写银行业供应链金融平台营销指引（详见配套论文），细化政策及建议。

二、业务现状：同业市场供应链金融典型案例对比研究

本文将我国5类较为常见的供应链金融平台按照主导方的不同，将其业务特点、资金来源及缺点进行归纳对比，详见表1。

（一）银行主导的供应链金融业务发展情况

中国银行凭借在国际贸易金融上的优势，早在2007年便推出了基于供应链融资的产品“融易达”，2009年成立供应链团队并正式发力供应链金融，通过搭建“区块链福费廷交易平台”和“数字票据交易平台”以“电子化+全球化”的方向拓展供应链金融业务。

农业银行发力供应链金融首先体现在制度建设上，2018年农行总行建立了“普惠金融事业部+八大后台中心”，通过发展“数据网贷”业务，向核心企业上下游小微客户提供全线上化融资服务，并与中企云链合作推出“保理e融”。

工商银行供应链金融业务的新变化主要体现在其线上小微金融服务平台上，平台主要包含纯信用类的“经营快贷”、抵质押类的“网贷通”，以及“线上供应链融资”三大主要产品，小微金融业务中心的布局已超过258个。

建设银行供应链金融在组织建设上实现普惠金融事业部在一、二级分行的全覆盖，累计组建小企业中心达288家，设计研发了包括应收账款融资、金银仓、动产质押融资、订单融资、动产质押融资等十余个供应链线上化融资产品。

交通银行开展供应链金融业务主要通过“蕴通供应链”平台进行，并主要围绕汽车及其他各行业核心企业，通过与国内大型物流公司开展质押监管合作，并与保险公司开展信用保险合作，推出了“快易贴”“快易收”“快易付”“蕴通e链”等一系列供应链融资产品。

中信银行的供应链金融业务思路是“三年三步走”的思路，2020年上线30支交易银行产品已实现产品整体领先；2021年累计上线50支交易银行产品、搭建9大平台建设、形成行业方案，已实现交易银行业务整体领先；2022年搭建“三态一数”体系，将实现交易银行体系整体领先。截至2021年12月末，中信银行银行交易笔数、交易金额同比增速位列同业第1。交易笔数近2亿笔、交易金额破百万亿，市场份额达到近25%，在同业市场具有领先位置。

招商银行将供应链业务的“全国做一家”模式升级为“全国服务一家”模式，为核心企业及其产业链上下游解决融资难题的同时，进一步以客户为中心，整合本公司跨分行、跨条线的资源，形成合力满足客户需求，形成全行性客户服务网络。以该模式累计服务222家核心企业，拓展16，149家供应商，并为其中13，314家供应商提供了融资支持，放款金额1，598亿元。实现应收账款双保理业务全流程线上化，并针对制造业、零售批发、物流等行业，通过差异化服务方案，在核心企业的经营深度及其上下游企业的覆盖广度上均有明显突破。核心企业客户数同比增长29.74%，上下游客户数同比增长58.39%。通过“账权池”产品，为汽车行业供应链客户提供数据融资创新服务，实现场景交互数字化、操作流程线上化及风险控制智能化。截至2021年，供应链融资业务量6，120.08亿元，同比增长49.75%。

平安银行是国内最早涉足并提倡发展供应链金融业务的商业银行，供应链金融数字化转型策略主要通过线上供应链金融、橙e网以及星云物联网平台三个方面实施。截至2021年，平安银行供应链金融融资发生额为9599.11亿元，同比增长33.7%。以线上供应链金融平台“平安好链”为例，该平台累计为21，690家企业客户提供金融服务，全年交易量1498.73亿元，同比增长81.2%；全年融资发生额519.76亿元，同比增长62.8%。此外，橙e网是由平安银行2014年推出的综合性金融服务平台，是一家专注为熟人之间做生意提供免费的电商平台，收录了平安银行发展供应链金融的产品及服务。橙e网借助大数据、云计算等技术手段，实现了平安银行与其合作客户的平台对接和数据交换，有助于平安银行对商流、物流、资金流、信息流进行一体化管理，形成商业生态圈。

浦发银行最早在2007年推出“企业供应链融资解决方案”，2011年打造具有特色的供应链金融平台，并与中国移动、神龙汽车、中远物流等多家核心企业和物流公司合作。在线上供应链金融领域推出“政采e贷”“票据池秒贷”以及云资金监管、e企行综合服务平台等创新产品。

光大银行2018年2月推出“阳光融e链”产品，属于“阳光财富供应链金融”业务的为客户提供全流程电子化保理金融服务的创新型金融产品。截至2019年，光大银行利用“阳光融e链”产品累计完成应收账款转让291亿元，融资投放252亿元。2019年7月光大银行推出了“阳光供应链云平台”，该平台采用SaaS平台模式和云服务技术，为企业客户提在线供应链金融综合服务的互联网云平台，截至2019年，光大銀行利用该平台完成应收账款转让34.1亿元，融资投放达30亿元。

浙商银行从2016年开始研究区块链技术应用，并于2017年8月率先投产基于区块链技术开发的应收款链平台。围绕供应链金融，浙商创新“池化”及“线上化”的融资业务模式，在三池（涌金票据池、涌金资产池、涌金出口池）的基础之上，继续围绕三大业务平台进行展业。

（二）产业龙头主导的供应链金融业务发展情况

供应链核心企业基于多年经营积累的行业大数据以及实地调研考察，熟知合作伙伴的经营状况和融资需求特点，能够充分利用产业数据、交易数据，精准定位伙伴需求，深入剖析伙伴交易场景，运用数字化思维，设计金融产品，实现风险控制。但这种模式将显著增加核心企业工作量，同时核心企业自身风险对产业链系统性风险影响较大。接下来以伊利集团为例进行分析。

1.案例背景。伊利集团位居全球乳业五强，连续八年蝉联亚洲乳业第一，也是中国规模最大、产品品类最全的乳制品企业。该企业高度重视全球供应链建设，全球合作伙伴总计2000多家，遍及6大洲，分布在39个国家。2022年上半年，伊利立足全球供应链协同运营平台，实现了国内与东南亚、新西兰基地间的高效联动，产品辐射全球60多个国家和地区，国际化业务收入比去年同期增长58%。伊利所在的乳业产业链横跨第一产业农牧业、第二产业制造业及第三产业商贸流通行业，涉及产业面较广，乳业产业链呈现“中间大、两头小”的格局。伊利坚信未来企业竞争是产业链的竞争，合作伙伴缺乏资金会导致供应链产业链不稳定，直接影响产业竞争力。伊利作为核心企业，重投入搭建系统、开发产品、建立团队与制度，主动取得内蒙古惠商融资担保有限公司、惠商商业保理有限公司、内蒙古惠商互联网小贷公司和伊兴奶业投资公司4类金融牌照，制定以全局长效性和系统性产业赋能为导向的产业融资解决方案，搭建产业链金融服务平台，解决上游供应商、牧场及下游经销商的融资问题，保障产业供应链可持续发展。

2.运作模式。一是在客户准入方面，伊利产业链金融对牧场以忠诚度、专业度、专营度作为三个考量指标。二是在客户评价与额度建议方面，伊利下达的下月销售任务是经销商获批额度的重要参考指标，一般要求经销商至少配套50%的自有资金。三是在链路闭环方面，经销商无论通过小贷公司融资还是通过银行融资，获批的资金全部打到伊利的货款账户，防止信贷资金挪用，实现资金闭环。四是在抵质押物方面，从2014年开始，伊利就不断探索将奶牛资产进行标准化，建立奶牛的标准化抵押体系。同时，积极实践将存货、应收账款等流动资产转为有效增信。五是在运营方面，全国范围内一线业务员兼任信贷员，在当地完成融资需求收集及经营情况调查的工作，减少尽调成本；融资业务由销售代表、城市经理发起，由区域经理和大区经理等人员审核，同时由业务部门、财务部门、金融团队组成风险管理三道防线。截至2021年末，伊利累计为8590户产业链上下游合作伙伴提供融资金额930亿元，其中80%从未获得过融资，户均150万元；上下游合作伙伴的平均融资成本从9%降到6%，减轻了沉重的资金负担；伊利产业链金融业务不良率0.52%，远低于中小微企业的平均不良率。

3.案例启示。对于银行供应链金融风险管理的启示主要体现在：一是调整优化组织机构，商业银行往往是部门银行的组织架构，业务部门既要对上级部门负责，又要接受相关职能部门的指导，可能在组织沟通不畅的情况下，导致执行效率低下、风控把关不严，案例中伊利集团组建跨部门项目团队开展工作，运营方面形成较好的成效；二是强化行业研究，不同产业间的交易模式、架构特点、关注点以及供应链的分散度、资金密集度、投入回报周期特点等多方面差异化较大，没有统一的模式，银行需要持续深化行业研究，应对不同产业的特色化供应链融资需求，案例中伊利集团作为核心企业对产业链非常了解，已建立起创新性的信用评价体系，如奶牛的标准化抵押体系；三是加强全球供应链建设金融支持，当前伊利集团注重发展海外业务，银行需要布局整合全球优质金融资源，协助核心企业完成全球供应链体系建设。

（三）平台主导的供应链金融业务发展情况

从表1中对各类供应链金融平台的比较分析可以看出，以综合性管理平台为基础设立的供应链管理模式能够在一定程度上减弱其他平台遇到风险问题，例如平台对中小企业信息掌握不全、平台资金不充足、融资门槛高等。作为供应链金融平台，综合性管理平台也存在对完备的经济体制支撑、政府政策支持和信息交流保障等的需求。接下来以中企云链为例进行分析。

1.中企云链背景。中国中车在2015 年联合中国铁建、国机集团、金蝶软件等众多大型企业，利用互联网技术打造了一种新型模式的供应链金融平台。平台旨在充分发挥大型国企在产业链中的核心作用，利用金融科技及互联网技术，贯通大中小企业以及金融机构各类生产经营及金融融资业务，实现提升核心企业竞争优势、助力中小企业融资环节改善的战略目标，实现互利互惠，多方共赢的局面。中企云链作为央企投资协会首个合作落地项目，以其自身优势充分利用大企业产业资源，打破了传统的供应链金融模式，以“ N（银行）+N（核心企业）+N（供应商）”的“云链平台”模式，盘活企业应收应付余额，降低大企业和供应商财务费用，为平台各参与方打造互惠互利、協同共享、富有竞争力的供应链管理生态圈。该平台基本实现以下核心目标： 第一，链上成员企业通过平台可以随时、持续性地和循环式地自动取得具有真实贸易背景核定的融资支持；第二，平台各参与方均能在平台上以线上电子方式核实和发放融资，并获取相应贸易背景信息；第三，以预设的融资价格实现实时用信；第四，链上成员企业均能在平台上获取其他相关增值服务（如数据归集和分析、担保物权登记、债权转让通知等）；第五，多层次的资金提供方能在平台上方便地提供不同门槛、不同价格的债权融资，而不仅只提供单一级别金融机构资金支持；第六，平台利益在参与方之间能合理分配，形成新的激励机制和供应链生态。

2.中企云链平台的运作模式。中企云链的核心产品主要是云信及云信有关附属产品。云信是持有银行或其他金融机构授信拥有空余额度的核心企业在中企云链平台申请开立的一种电子虚拟票据，其实质是一种付款承诺函。它可以将核心企业信用实现拆分和流转到链属成员企业，链属成员企业可以选择继续将云信拆分流转，或者向平台内资金提供方申请融资或持有到期等。云信的运行流程如图1所示。

中企云链有三点显著的创新：首先是实现了具有金融机构支持的电子化买方付款承诺，因此提高了小微企业获得融资的成功率和效率；二是实现了电子付款承诺的多级分拆和转授，使与核心企业距离远的长尾上游中小供应商也能基于核心企业的信用从平台内金融机构取得较低成本融资；三是供应商可用收到的电子付款承诺再支付给自身的上游供应商，解决中小企业之间的支付信任问题。

3.案例启示。对于银行供应链金融风险管理的启示主要体现在：一是扩大行业类别合作，分散供应链金融系统性风险。中企云链作为一种创新型第三方平台，创新出一种“N”家银行+“N”家核心企业+“N”家上下游企业的全线上“N+N+N”供应链金融平台模式，打破了当前供应链金融以金融机构、核心企业为主导的传统模式，多条供应链放置于同一个平台，平台整体的风险会由平台上多个主体共同分担，从而减少了风险集中爆发于某一参与方带来的影响。二是理性应对第三方供应链金融平台发展趋势，加强平台合作转移供应链风险。银行主导的供应链金融平台难以满足逐渐丰富的供应链金融市场需求，尤其是对于远离核心企业的小微企业而言，银行主导的供应链平台无法真正解决其融资问题，不如与第三方供应链金融平台加强合作，作为其资金提供方，让平台承担及管理小微企业的信用风险。

三、实证研究：产业非预期事件对供应链金融系统性风险冲击

（一）数据与模型

1.模型。本文拟采用Primiceri（2005）的TVP-SV-VAR模型检验基准利率、大宗商品价格及商业信用的互动关系，研究产业非预期事件对供应链金融系统性风险冲击程度、传导路径及异质性差异。为了介绍TVP-SV-VAR模型，首先从一个基础的结构VAR模型开始，定义如下：

其中，为（）维的可观察列向量A，F1，…，FS为（kk）的系数矩阵，扰动项为（）维的结构冲击，并且假设，其中：

本文参考Nakajima（ 2011），通过递推识别来指定结构冲击的同时关系（指定顺序：基准利率在前，大宗商品价格次之，商业信用净额最后），假设A为下三角矩阵：

则式（3.7）可以改写为下面递推的VAR模型：

其中，i=1，…，s，将中的各元素堆积为维的列向量，并定义，其中表示Kronecker积。则式（4）可以简写为：

目前为止，在式（5）中的参数都是不随时间而变化的。接下来，允许系数随着时间而变化将模型扩展为TVP-VAR模型。

在TVP-VAR模型中考虑了随机波动SV就设定为：

其中，系数、参数和都是随时间而变化的状态变量，为系数向量，表示结构化模型的约束矩阵，表示冲击的同期相关系数矩阵。对这些时变参数进行建模的方法有很多，本文参考Primiceri（2005），将中下三角元素堆积为，记，其中。为了减少估计的参数，假定时变参数服从随机游走过程：

其中。

本文选择滞后期数为2②、截距项为非时变参数、时变系数与时变方差的三变量TVP-SV-VAR模型，本文的变量y =（i，p，x）中i代表基准利率，p是大宗商品价格，x是商业信用净额。

2.数据。本文中所有数据的样本区间为2006年9月到2022年9月，样本频率为月度数据。基准利率变量使用SHIBOR 7天同业拆借利率，数据来源于CEIC数据库，日度转换为月度数据，进行对数差分处理以保证其平稳性。大宗商品价格变量使用中国大宗商品价格指数，数据来源于CEIC中国经济数据库，日度转换为月度数据，同样进行差分处理。商业信用变量参照张新民（2012）使用净商业信用 （ NTC） = （ 应付账款 + 应付票据 + 预收账款） － （ 应收账款 + 应收票据 + 预付账款） ，用总资产标准化，数据来源于CSMAR数据库，季度转化为月度数据，并按研究惯例删除金融类上市公司及股东权益小于零的公司。为了研究结果的稳健性，我们在 1% 水平下对公司层面的所有连续变量进行缩尾处理。

（二）实证检验

1.参数估计。从参数的自相关系数、样本路径和后验密度的图形来看，MCMC算法有效地模拟了参数的后验分布，如图2。由自相关系数和样本路径图可以得出，三个变量的样本自相关性都迅速下降，抽样数据围绕抽样样本均值附近稳定波动；从模拟分布密度来看，三个变量的后验分布密度函数形态十分理想，表明MCMC算法有效模拟了参数的后验分布。

1.参数估计

从参数的自相关系数、样本路径和后验密度的图形来看，MCMC算法有效地模拟了参数的后验分布，如图2。由自相关系数和样本路径图可以得出，三个变量的样本自相关性都迅速下降，抽样数据围绕抽样样本均值附近稳定波动；从模拟分布密度来看，三个变量的后验分布密度函数形态十分理想，表明MCMC算法有效模拟了参数的后验分布。

2.波动方差分析。接着，我们运用TVP-SV -VAR模型特有的分析工具可变随机方差（stochastic volatility）對基准利率、大宗商品价格及商业信用结构冲击的随机波动时变特征进行分析，如图3所示。

基准利率波动较大，2008年金融危机后政府多项举措刺激经济、2010年央行年内6次上调存款准备金率并加息、2015年“股灾”后央行宣布“双降”结束中国利率管制等事件，引发SHIBOR 7天同业拆借利率剧烈波动。大宗商品价格主要受2008年金融危机及新冠疫情影响，投资替代及供给断档引发大宗商品价格剧烈波动。商业信用波动与利率调整有关联，2010年央行上调存款准备金率并加息收紧利率环境后，上市公司商业信用维持在较高的波动水平，处境恶化，在2015年央行释放流动性并加快利率市场化进程后，上市公司商业信用逐渐平稳，但在2019年新冠疫情后，商业信用剧烈波动。

3.不同时点的脉冲响应时变特征分析。脉冲响应是观察估计的VAR系统所捕获的宏观经济动态的基本工具，TVP-VAR模型允许脉冲响应可以估计所有时间点的时变参数，以便直观观测不同时点上冲击形成的脉冲响应。比较时点选取的是2008年金融危机、2015年“股灾”、2019年新冠疫情、2021年房地产“三条红线”政策出台，探讨非预期事件对供应链金融系统性风险的冲击。

图4显示，虽然在四个比较时点施加不同的冲击，但脉冲响应函数变化趋势都是相似的。从银行信贷路径来看，商业信用当期对基准利率的冲击就有负向响应，冲击程度达到5-30个基点，冲击时间持续到1年后才回到初始水平；从企业成本路径来看，大宗商品价格当期对基准利率的冲击为正向响应，冲击程度为约2.5个基点，4个月后回到初始水平，但商业信用对大宗商品价格的冲击具有1个月左右的滞后性，体现为负向冲击，冲击在3个月后达到最大值，冲击程度接近4个基点，后续9个月内回到初始水平，整体来讲，商业信用在企业成本路径来看为负向冲击，利率上调推动大宗商品价格上行，企业备货行为产生资金占用，产业链之间形成链条债，推高商业信用规模。

（三）稳健性检验

由于篇幅关系，本部分不再进行展开。稳健性检验中对三项变量进行替代性指标测试，并区分企业产权属性、市场地位、产业链条等进行分组检验，实证结果与基准结果基本保持一致。

四、研究结论与政策建议

（一）研究结论

本文归类研究市场上现有的银行及非银行机构供应链金融业务案例及风险特征，通过TVP-SV-VAR模型实证研究产业非预期事件对供应链金融系统性风险冲击，主要结论如下：

一是供应链金融市场主流模式是银行主导、供应链核心企业主导和综合管理平台主导三种模式，商业银行在做好自身供应链金融平台的同时，需及时调整优化组织机构，强化行业研究，加强全球供应链建设金融支持；依托供应链核心企业扩大行业类别合作，分散供应链金融系统性风险；理性应对第三方供应链金融平台发展趋势，加强平台合作转移供应链风险。

二是通過测算2008年金融危机、2015年“股灾”、2019年新冠疫情、2021年房地产“三条红线”政策发布等四项非预期事件对供应链金融系统性风险的脉冲响应发现，从银行信贷路径来看，商业信用当期对基准利率的冲击就有负向响应；从企业成本路径来看，大宗商品价格当期对基准利率的冲击为正向响应，但商业信用对大宗商品价格的冲击具有1个月左右的滞后性，体现为负向冲击，整体来讲，商业信用在企业成本路径来看为负向冲击，利率下调推动大宗商品价格下行，企业备货行为产生资金占用，产业链之间形成链条债，推高商业信用规模，此时供应链金融系统性风险显著积聚。

三是未来应收账款类供应链金融业务进行创新时，对行业重点法规政策的利用可以强化供应链资金风险控制，与保理公司等非银行金融机构合作可以解决核心企业不确权的难题，应用金融科技通过平台数据交互可以有效缓解中小企业信息不对称问题。

（二）政策建议

第一，强化行业研究，借助战略性客群优选行业布局，分散供应链金融系统性风险。不同产业的供应链生态体系和运营逻辑差异极大，银行需充分理解行业特性和结算周期，授信服务匹配网络节点之间的账期，信用贷款和结算融资相结合，锁定采购流向和销售回款。依托战略性客群在产业链中的强势地位，重点布局交通运输、新能源汽车、装备制造、新能源新材料等优质行业。

第二，迭代金融科技，数字化驱动解决银企信息不对称问题。充分利用银行金融科技研发力量，积极介入战略性客群供应链金融平台搭建，加大科技投入，在客户供应链内部的封闭授信系统中，更好地发挥数据对实体担保的替代作用，增加对中小企业的信用贷款支持。当客户供应链系统转型为开放平台时，依托核心企业产业链管理能力，通过数据开放互联完成海量长尾客户的金融服务。

第三，做好开放金融，积极与第三方供应链金融平台开展合作。大量对公客户分布在动态的产业链网络中，仅依靠银行自身的供应链金融平台无法触达全量客户资源，也无法观测潜在客户在产业链网络中的资金流向。平台间数据开放互通在满足特定的监管条件下更容易实现，数字化时代不应当“以邻为壑”，合作才能共赢。

注释：

①中国人民银行等八部委《关于规范发展供应链金融 支持供应链产业链稳定循环和优化升级的意见》 银发【2020】226号。

②通过LR/FPE/AIC三类最优滞后阶数信息准则计算出的也是滞后2阶。

参考文献：

［1］陈小宪，何珊.商业银行供应链金融风险测度研究——基于金融科技视角［J］.西南民族大学学报，2022（7）：123-128.

［2］薛小飞，范姿妤.供应链金融创新能否成为小微企业融资突破口——来自民营银行的实践［J］. 华北金融，2022（6）： 55-66.

［3］欧邦才. 供应链金融存在的风险与管理对策研究［J］. 商业经济，2022（8）：186-188.

［4］施逸文.“区块链+供应链金融”视角下中小企业融资探究［J］.北方经贸，2022（06）：150-152.

［5］褚旋，汤敏.中小银行供应链金融实践与发展研析［J］.甘肃金融，2020（12）：31-34+39.

［6］朱玉纯. 供应链金融应用研究——以大宗商贸公司为例［J］. 河北企业，2022（7）：115-117.

［7］田火青. 招商银行供应链金融业务模式研究［D］.山东大学， 2020. DOI： 10.27272/d.cnki.gshdu. 2020.006523.

［8］张建同，张敏，郭卓琦.基于修正 KMV 模型的汽车供应链金融风险分析［J］.工业工程与管理， 2019， 24（01）： 128-135+143.

［9］王一鸣， 宁叶， 周天，等. 商业银行供应链金融的风险及防范——基于交易对手信用风险的视角［J］. 金融理论与实践， 2017， 000（008）：37-41.

［10］王霄，张捷. 银行信贷配给与中小企业贷款——一个内生化抵押品和企业规模的理论模型［J］. 经济研究，2003（07）：68-75+92.

［11］林毅夫，孙希芳. 信息、非正规金融与中小企业融资［J］. 经济研究，2005（07）：35-44.

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

［13］Lamoureux M．2007.A Supply Chain Finance Prime．Supply Chain Finance，4（ 5） ： 34-48.

［14］陈四清．贸易金融［M］．北京： 中信出版社，2014.

［15］李健，王亚静，冯耕中，汪寿阳，宋昱光. 供应链金融述评：现状与未来［J］. 系统工程理论与实践，2020，40（08）：1977-1995.

［16］Porter， M.1987.From Competitive Advantage to Corporate Strategy， Harvard Business Review，， pp 43–59.

［17］张丹. 供应链金融对中小企业融资约束的缓解效应研究［D］.山东大学，2017.

［18］Hofmann，E.2005.Supply Chain Finance：Some Conceptual Insights.Beitr ge Zu Beschaffung Und ogistik，vol.149，pp.203～214.

［19］Barrane， F. Z.， Ndubisi， N. O.， Kamble， S.， Karuranga， G. E.， & Poulin， D. （2020）. Building trust in multi-stakeholder collaborations for new product development in the digital transformation era. Benchmarking： An International Journal.

［20］Roberts， M. R. （2015）. The role of dynamic renegotiation and asymmetric information in financial contracting. Journal of Financial Economics， 116（1）， 61-81.

［21］徐鹏杰，吴盛汉. 基于“互联网+”背景的供应链金融模式创新与发展研究［J］. 经济体制改革，2018（05）：133-138.

［22］宋华，杨雨东. 现代ICT赋能的智慧供应链金融创新与发展［J］. 中国流通经济，2019，33（12）：34-41.

［23］龚强，班铭媛，张一林. 区块链、企业数字化与供应链金融创新［J］. 管理世界，2021，37（02）：22-34+3.

［24］Omran， Y， Henke， M， Heines， R， & Hofmann， E. （2017）. Blockchain-driven supply chain finance： Towards a conceptual framework from a buyer perspective.

［25］Casado-Vara， R.， Prieto， J.， De la Prieta， F.， & Corchado， J. M. （2018）. How blockchain improves the supply chain： Case study alimentary supply chain. Procedia computer science， 134， 393-398.

［26］Choi， T. M. （2020）. Supply chain financing using blockchain： impacts on supply chains selling fashionable products. Annals of Operations Research， 1-23.

［27］Barsky， N. P.， & Catanach Jr， A. H. （2005）. Evaluating business risks in the commercial lending decision. Com. lending Rev.， 20， 3.

［28］Liu， J. （2015）. Supply chain finance business risk evaluation scheme based on fuzzy theory. In 2015 International Conference on Intelligent Transportation， Big Data and Smart City （pp. 809-812）. IEEE.

［29］Leung， K. S.， & Kwok， Y. K. （2009）. Counterparty risk for credit default swaps： Markov chain interacting intensities model with stochastic intensity. Asia-Pacific Financial Markets， 16（3）， 169-181.

［30］Rosenberg， J. V.， & Schuermann， T. （2006）. A general approach to integrated risk management with skewed， fat-tailed risks. Journal of Financial economics， 79（3）， 569-614.

［31］李毅学，冯耕中，徐渝. 价格随机波动下存货质押融资业务质押率研究［J］. 系统工程理论与实践，2007（12）：42-48.

［32］Burnetas， A.， & Ritchken， P. （2005）. Option pricing with downward-sloping demand curves： The case of supply chain options. Management Science， 51（4）， 566-580.

作者單位：中信银行昆明分行，中信银行昆明分行课题组成员：周禹、叶皓宇、蒋偲煊、 施欢瑜、 佘林峰。