农业供应链金融视角下核心企业信用风险实证研究

陈 琪， 王洪生， 赵庆功

(1.山东农业大学 经济管理学院， 山东 泰安 271000； 2.泰安泰山农村商业银行股份有限公司， 山东 泰安 271000)

近几年来，供应链金融作为新型融资方式之一引起了广泛的关注。2017年，国务院颁布的《关于积极推进供应链创新与应用的指导意见》为供应链金融的发展提供了“战略背书”；在此基础上，2018年，国务院提出要鼓励涉农企业或平台开展供应链金融业务，促进乡村振兴的发展；人民银行等部门也在2020年提出要积极促进产业资本与金融资本的结合，推动产业链金融服务的发展，倡导发展多种形式的供应链金融产品，以此强化对中小微企业的金融支持。

在供应链金融中，资金需求者借助与供应链中上下游参与者的交易关系，通过存单、应收账款等方式向银行等金融机构进行融资，能够较好地解决由于缺少抵押物、风险承受能力差等因素无法取得信贷支持的问题，缓解其融资需求。而对商业银行等金融机构而言，降低了获取原始数据的难度，有利于信贷业务的开展。因此，供应链金融一方面可以解决资金需求方的融资需求，另一方面可以提高资金供给方的整体实力，因此若将农业与供应链金融结合，发展农业供应链金融，不仅可以解决农村领域的融资问题，而且有利于增加农村金融资源供给，促进农业产业链的延伸，助力乡村振兴，促进中国“三农”的发展。

我国农业供应链金融尚处于初级发展阶段，与核心企业相比，供应链其他参与主体基础薄弱、风险承受能力较差，对核心企业较为依赖，因此，核心企业发挥关键作用，其发展状况与信用水平决定农业供应链金融运作的质量与效率。与此同时，由于农业生产周期较长、投入巨大、易受自然环境约束，导致农业核心企业经营具有不稳定性，一旦核心企业出现信用风险，不能及时兑付，出现推卸责任、违约等现象，会对与之业务相关联的上下游企业产生影响，进而对农业供应链金融的稳定运行造成破坏，加大商业银行等金融机构的信贷风险。因此，如何对核心企业进行信用风险评价以及如何提出有效预防建议显得尤为重要。

1 概念界定与文献综述

1.1 概念界定

Timme等[1]最早提出供应链金融的概念，认为供应链金融是一个在供应链中协调商品流、信息流和资金流的协作过程。William[2]对概念进行了进一步总结，认为供应链金融是利用技术对供应链金融的资金需求者和供给者进行管理，从而降低融资成本，为其提供金融服务的过程。关于农业供应链金融概念的研究。国内学者大多从宏微观层面对其进行了描述。首先，在宏观层面，齐永梅[3]基于如何建立中国特色现代农业的角度，认为农业供应链金融以供求关系为线索，为解决信息不对称问题，将个体生产要素与农业资源整体结合起来，实现农业现代化发展。在微观层面，彭路[4]、邵腾伟等[5]从需求视角出发，认为农业供应链金融是银行等金融机构以资金实力强、信用好的企业为中心，利用与上下游企业或农户建立的利益关系，从而进行信用增级，满足供应链中各节点融资需求的一种系统性解决方案。农业供应链金融是供应链金融与农业领域的融合，通过链条的传递，使金融机构的服务渗透在从“种子到盘子”的完整的农业供应链之中。因此，本文将农业供应链金融定义为金融服务机构以农业核心企业为基础，通过审核整条农业供应链中的商流、物流、信息流等信息，为农业供应链上的相关企业及农户等主体提供服务的系统性融资方式。农业供应链金融信用风险就是指在农业供应链金融中，因链条中的参与者无法履行还款约定，导致农业供应链金融的稳定性造成破坏，给金融机构带来经济损失。其中，核心企业作为这个链条中的关键，对其信用风险评价应当是农业供应链金融信用风险控制的重中之重。关于农业供应链金融中核心企业的界定，一般认为，在供应链中处于关键地位或掌握核心技术或生产经营规模在链条中实力较强的企业，都可以认定为核心企业。

1.2 文献综述

学术界对供应链金融进行了深入的研究与讨论。Hart-Urquhart[6]最早提出了预付账款融资(保兑仓)模式，认为融资企业可以以预期未来收入作为还款保证；随着研究的深入，Sun等[7]提出了第三方物流服务的供应链金融模式，以促进供应链中的小企业融资。在供应链金融研究初期阶段，大部分学者按照参与主体或针对产业链各环节等标准对农业供应链金融模式进行总结梳理。胡国晖等[8]按照参与主体不同，梳理出“农业企业+农户+金融机构”“农业企业+农业园区+农户+金融机构”“农业企业+农业生产合作社+农户+金融机构”3种模式；杨军等[9]根据供应链的过程及业务特点，分为应收款融资、预付款融资和动产质押融资模式。近几年来，随着“互联网+”时代的来临，供应链金融参与主体与参与方式呈现出多样化、复杂化的趋势，黄明田等[10]将供应链金融分为以商业银行为主导的农业供应链金融、以物流企业为主导的农业供应链金融、以核心企业为主导的农业供应链金融、以电商为主导的农业供应链金融4种模式。

所有农业供应链金融模式的本质是金融机构通过产业链中信用较好的核心主体，利用与上下游企业的交易关系提供信贷支持[11]。其中，核心主体企业所导致的信用风险是农业供应链金融中重要的风险来源之一[12]。它所产生的信用风险能够借助产业链传导至其他参与主体，对供应链金融链条的稳定性造成破坏[13]。只有建立核心企业的信用评价体系，分析出影响供应链金融信用风险的关键因素，才能更好地发挥核心企业在农业供应链金融中的作用。有学者基于logistic模型，建立共生模型，分析以核心企业为主导的供应链金融风险产生的机理和原因[14]。还有学者以深交所装备制造业的中小企业作为数据，构建127个三级指标并通过逐步神经网络进行指标筛选，构建了指标体系[15]。此外，也有学者对电子制造业的上市公司进行实证分析，通过Logistic模型构建出销售净利率等4个重要指标，衡量信用风险[16]。

通过文献梳理可发现，国内外学者大多从参与主体构成及主导类型等方面对农业供应链金融模式进行划分，但对较为常见的以核心企业为主导的模式缺乏更为细致的划分。此外，虽然学者普遍认为信用风险问题应受到重视，但是有关农业供应链金融信用风险研究多为描述性分析，缺乏相应的实证分析。因此，本文在梳理以核心企业为主导的农业供应链金融模式及信用风险传导机制的基础上，选取32家农业类上市公司，通过因子分析法和Logistic模型，对核心企业的信用风险体系指标进行构建与评价，为农业供应链金融更好地稳定发展提供建议。

2 以核心企业为主导的农业供应链金融模式及信用风险机理分析

以核心企业为主导的农业供应链金融，实质上是一种以交易关系作为担保的信用贷款。核心企业把资信状况良好且有资金需求的上下游企业名单提供给银行；由于核心企业具备丰富的销售网络与销售渠道，与上下游企业的交易记录也清晰可查，极大地降低了商业银行获取原始数据的难度，银行审查上下游企业相关信息后，确定授信额度为其授信，名单内的相关主体以与核心企业所产生的交易关系作为还款来源，向银行申请贷款时，与核心企业共同承担还款义务。根据农业供应链的不同阶段以及所产生的交易关系，可以将以核心企业为主导的农业供应链金融模式分为与上游企业的应收账款模式、与下游企业的预付账款模式，以核心企业为主导的农业供应链金融模式的具体运作形式如图1所示。

图1 以核心企业为主导的两种农业供应链金融运作模式

在农业供应链金融中，各参与主体具有层级关系，从农产品采购、加工、销售到仓储配送整个过程都是由供应链中的各个参与主体共同协作完成，各节点环环相扣，彼此依赖并相互影响。因此，供应链金融中信用风险的传导遵循风险阈值机制和风险传导的选择机制。当某节点所产生的信用风险高于其自身承受能力时，风险便开始向其他节点传递，导致风险呈链式传导。在以核心企业为主导的农业供应链金融模式中，最为常见的参与主体有农产品供应商、加工商和销售商、银行。下面，以四者构成的农业供应链金融为例，阐述其信用风险的传递过程。在该模式中，农产品加工商作为核心企业在农业供应链金融中发挥关键作用，与其他参与主体相比，农产品加工商的信用风险阈值较高，当其发生信用风险后，如果风险积累到企业自身所能承受的风险(风险阈值)时，在风险压力的作用下，风险通过资金流、产品流等载体，选择性地开始向与农产品加工商关联度大、抗风险能力差的企业扩散，导致风险沿着供应链上下游进行传播，当产生的信用风险再次突破上下游企业的风险承受能力阈值时，上下游企业将无力偿还银行贷款，不利于农业供应链金融的发展(图2)。因此，在农业供应链金融中，核心企业作为连接上下游企业之间的纽带，在促进资金流、信息流、产品流自由流动方面发挥着重要的作用，所产生的信用风险问题不容小觑。

图2 以核心企业为主导的农业供应链金融模式信用风险传导过程

3 模型构建

农业供应链金融虽然在解决信息不对称方面发挥了一定的作用，但是基于对农业供应链金融模式中核心企业信用风险的分析可知，核心企业的信用状况在整个模式中发挥关键作用，一旦核心企业发生信用风险，将会通过链条将风险传递至其他参与主体，不利于农业供应链金融的稳定运行。

3.1 变量选取及描述性统计

3.1.1 变量选取

由于我国农业供应链金融的发展处于初级阶段，不易通过实地调研等方式获取相应数据。因此，本研究选用农业上市公司的公开资料作为样本数据，根据方唤等[17]对指标的构建，在沪深股市中选出32家农业类上市企业，围绕核心企业的盈利能力、营运能力、成长能力以及供应链融资能力，共选取16个信用风险评价指标(表1)，通过对网易财经板块的相关数据整理，截取这32家企业在2020年第三季度的财务指标，利用SPSS软件进行描述性分析。

表1 指标选取及说明

3.1.2 描述性统计

在中国农业类上市公司中，代表其成长能力的4个财务指标具有较大的标准差，分别为64.048 662、10.788 814、18.054 856、40.137 67，说明中国农业类上市公司的成长能力差距较大，存在良莠不齐的现象。在体现运营能力方面，现金比率均值为63.593 1%，说明目前企业对资金的利用率不充足。最后，主营业务利润率、销售净利率标准差较大，说明中国农业类上市公司在获取利润方面存在差距。从成长能力、盈利能力等方面可看出，当前中国农业类上市企业质量参差不齐，需要对其信用风险进行衡量，有利于提前防范农业供应链金融中的信用风险。模型自变量描述见表2。

表2 模型自变量描述

3.2 因子分析

由于样本数据中共有16个财务指标，为了避免多重共线性的现象出现，采取因子分析法对上述自变量进行因子分析，通过提取出新的并且互不相关的综合指标，使有效指标得到保留。

3.2.1 KMO和Bartlert检验

KMO检验主要用于变量间偏相关性的测量，一般而言，大于0.5宜进行因子分析。表3显示，KMO统计量为0.627，大于0.5，说明该指标适合进行因子分析。此外，本文中的Bartlert检验的显著性为0.000，小于0.05，拒绝相关矩阵为单位阵的零假设。

表3 KMO和Bartlett的检验

3.2.2 解释的总方差

利用最大方差法旋转成分矩阵，特征值大于1的数值分别为5.320、4.615、1.430、1.072，新提取的4个公因子分别解释了原先16个指标的29.452%、26.322%、13.804%、8.155%的信息，累加方差贡献率达到77.733%，能较好地解释之前设定的16个变量，最后，得出主成分表达式为

Y1=0.180X1+0.373X2+0.252X3+0.734X4+0.694X5+0.941X6+0.949X7+0.894X8-0.893X9+0.060X10-0.53X11-0.028X12-0.201X13+0.070X14-0.131X15-0.064X16

(1)

Y2=0.724X1+0.374X2+0.772X3+0.464X4+0.498X5-0.147X6-0.133X7-0.095X8-0.016X9+0.005X10+0.705X11+0.372X12+0.448X13+0.854X14+0.760X15+0.543X16

(2)

Y3=0.541X1-0.627X2+0.288X3-0.071X4-0.047X5-0.098X6-0.135X7-0.149X8-0.080X9+0.097X10+0.059X11+0.877X12+0.751X13+0.135X14+0.094X15+0.052X16

(3)

Y4=0.181X1+0.223X2+0.282X3+0.206X4+0.236X5-0.160X6-0.098X7+0.100X8-0.132X9+0.902X10+0.116X11+0.082X12+0.201X13-0.035X14-0.324X15-0.008X16

(4)

流动比率(X6)、速动比率(X7)、现金比率(X8)、资产负债率(X9)这4项指标在第一主成分中起到重要作用，主要反映企业的营运能力，可以称Y1为营运能力因子。在第二主成分中，每股收益(X1)、净资产收益率(X3)、净资产增长率(X14)、总资产增长率(X15)能够较好地解释Y2，该4个指标代表的是企业的盈利能力，可以将Y2定义为盈利能力因子。总资产周转率(X12)、流动资产周转率(X13)在第三主成分中占有较大比例，所以可以将Y3称为供应链融资能力因子。从Y4的表达式中可知，应收账款周转率(X10)权重较高，可以将Y4称为成长能力因子。

3.3 Logistic模型回归分析

假设我国农业类上市企业的不违约概率服从Logistic分布，通过企业是否发生违约风险来衡量核心企业的信用风险，将提取的4个公因子作为自变量，核心企业信用风险Y作为因变量。借鉴杨军等[9]对核心企业信用风险的判定，依据和讯网对中国农业类上市企业2020年前三季度的财务综合能力评估，将综合能力在两颗星及以上的农业类上市企业评判为Y=0；反之，综合能力在两颗星以下的企业设定Y=1，说明该企业信用风险大，具体数值见表4。运用向后(Wald)的回归方法，分析每个自变量对于农业供应链金融中核心企业信用的影响。

表4 各企业指标数值

在模型拟合优度统计量中，-2对数似然值为23.024，值较小，说明模型拟合效果较小，Cox&SnellR平方和NagelkerkeR平方值分别为0.407和0.572，值较大，说明模型方程能解释的回归变异很大，模型拟合效果较为理想。另外，通过Hosmer和Lemeshow检验的统计量来看，显著性大于0.05，所以接受原假设，方程拟合效果较为理想。通过向后(Wald)的回归方法，步骤5的数据被选中，Y3、Y4公因子被保留，该两个指标在5%的显著性水平下通过检验，因此，模型的表达式可以写为

(5)

(6)

式中：P代表农业供应链金融中核心企业的不违约概率，当P越接近于0时，核心企业信用风险较大，当P接近于1时，核心企业的信用风险较低，属于低风险企业；Y3作为供应链融资能力因子，包含总资产周转率、流动资产周转率两个指标，能够一定程度上反映核心企业的资产经营能力，当供应链融资能力因子较大时，能够较好地发挥核心企业的主导作用，有助于降低农业供应链金融的整体信用风险，为其他参与主体融资提供更为有利的支撑；Y4作为成长能力因子，代表应收账款周转率，核心企业的应收账款周转率越高，其信用风险就越低，这说明当核心企业应收账款减少时，与其相关的其他参与主体偿债能力较强，供应链金融运行较为平稳顺畅。不违约概率P与融资企业信用评级Y对照见表5。

表5 不违约概率P与信用评级Y对照

4 结论与建议

通过对以核心企业为主导的农业供应链金融模式及信用风险的分析，结合二元Logistic模型对农业供应链金融中的核心企业的信用风险进行评价，得到的结论如下：在农业供应链金融中，核心企业的信用风险传导遵循风险阈值机制和风险传导的选择机制，当核心企业产生的信用风险超过阈值时，风险会呈链式传导，对供应链金融中其他参与主体产生影响，进而导致信用风险的扩散。因此，如何对核心企业进行信用风险评价是防范农业供应链金融风险的重要途径之一。在本文收集的32家样本数据中，以0.5作为核心企业信用风险发生的概率，模型总体预测准确率为84.4%。其中，供应链融资能力因子、成长能力因子对农业供应链金融中核心企业的信用水平影响显著为正，即供应链融资能力因子、成长能力因子所代表的的财务指标越高，核心企业的信用风险越低。主要建议如下：

从银行角度而言，中国农业供应链金融发展尚处于初始发展阶段，银行在积极开展相关业务的同时，要注重对风险的评估与管理。首先，要加强对核心企业信用水平的审核，建立有效的信用风险评价模型，针对实际情况设定不同模型，筛选出高质量客户，降低风险发生的可能性；其次，完善对供应链金融运行的监管体系，密切与核心企业、农户等其他参与主体的联系，及时掌握供应链的动态变化，减少信息不对称现象；再者，提高对意外事件的应对处理能力，对于已经出现信用危机的供应链金融，要尽可能地减少损失，保证链条中的资金或担保物的控制权在银行手中；最后，由于农业供应链金融的发展属于初期阶段，银行等金融机构缺乏相关经验。面对较为复杂的农业供应链金融业务，银行等金融机构可以成立专门的团队，通过培训与实地调研，提高开展农业供应链金融业务的能力，在实践中不断积累经验，针对具体的融资需求，开展特色化的农业供应链金融服务模式，增强信贷产品的针对性和灵活性，提升信贷审批效率、降低信贷审核成本，拓展银行的利润空间，并进一步激发农业供应链金融的活力。

从核心企业角度而言，一是要提高管理水平，促进企业规范化发展，加强对供应链的监督与管理，同时，进行生产技术方面的创新，提高企业竞争力，促进自身发展壮大，促进产业链向前或向后延伸，为农业供应链金融的发展提供较强的支撑；二是要转变发展理念，增强自身社会责任感，在保障公司稳定发展的同时，为“三农”发展助力，将发展的视角投入到整条供应链内。与此同时，要不断加强自身的信用管理，通过信用传导机制，为农户等其他参与主体提供信用支撑，从而扩大整条供应链的融资规模、提高融资质量，进而提升农业供应链金融的竞争力。

从政府角度而言，要积极培育核心企业，发挥政府协调组织的作用。一是对当地具有特色的农产品给予政策保护和财政补贴，从而加快建设其核心企业自有品牌，促进核心企业发展壮大；二是助力农业供应链金融模式的建设，通过协调各节点之间的关系，激发各方参与的积极性。三是鼓励银行与农业保险机构进行合作，将农业保险纳入到农业供应链金融运行中，降低违约的可能性，从而促进整个链条信用评级的提升。