摘 要: 以農業中小上市企業為例,構建應收賬款融資信用風險評價體系,并通過Logistic模型度量基于違約概率的應收賬款融資信用風險。結果表明,農業中小上市企業的盈利能力、成長能力、營運能力及應收賬款質量、下游企業資質、供應鏈運營狀況對其應收賬款融資信用風險有重要影響,經檢驗該模型在預測農業中小上市企業應收賬款融資信用風險方面的準確性較高,可為銀行等金融機構對中小企業應收賬款融資信用風險預警提供思路。
關鍵詞 : 供應鏈金融;農業中小企業:應收賬款融資,信用風險,
Abstract: Taking the listed agricultural companies in the SME sector as an example, constructs a credit risk evaluation system for the supply chain accounts receivable financing, and measures the credit risk of accounts receivable financing based on the probability of default through the logistic model. The results show that in accounts receivable financing, the profitability, growth ability, operation ability of agricultural small and medium-sized listed enterprises, and quality of accounts receivable, downstream enterprise qualification and supply chain operation status have an important impact on their credit risk.After testing this model finds that it has a high accuracy in predicting the credit risk of agricultural SMEs' accounts receivable financing, and provides ideas for banks and other financial institutions to early warn the credit risk of SMEs' accounts receivable financing.
Keyword: supply chain finance; agricultural SMEs; accounts receivable financing; credit risk;
中小企業在保障充分就業、優化經濟結構等方面發揮了重要作用,是推動國民經濟發展的重要力量。同時,由于中小企業基礎薄弱、資產規模較小、內部治理結構不健全、生產經營不穩定、抗風險能力弱等原因,融資難、融資貴問題依然非常嚴峻。中國政府及金融機構非常重視對中小企業的資金支持與金融創新。2020年9月中國人民銀行、工信部等部門聯合發布《關于規范發展供應鏈金融 支持供應鏈產業鏈穩定循環和優化升級的意見》,明確提出供應鏈金融的內涵、發展方向等。供應鏈金融規范創新發展對于更好服務產業鏈上中小企業融資具有積極作用。應收賬款融資屬于供應鏈金融的重要產品模式。截至2020年8月中旬,人民銀行征信中心組建的應收賬款融資服務平臺累計促成融資22.32萬筆,融資金額共計11.67萬億元,其中,超過七成的融資支持了中小微企業。應收賬款融資依托供應鏈上核心企業的信用,以真實性交易為背景,通過應收賬款質押等手段,為供應鏈參與主體提供綜合性金融產品和服務。與傳統融資模式相比,應收賬款融資可借助核心企業的較高信用,為中小企業增信,提高融資成功率,降低融資成本[1],有效緩解中小型企業融資不足的問題[2]。
信用風險是指因交易方經營管理不善、產品滯銷等原因,不愿或無力履行合約而遭受損失的可能性,是銀行等金融機構面臨的主要風險之一。由于銀行等金融機構與中小企業等供應鏈相關參與主體存在信息不對稱,核心企業的經營狀況、供應鏈主體間的業務關系及穩定性狀況等都會對中小企業應收賬款融資的信用風險產生影響,與傳統信貸融資模式下以中小企業的財務狀況為主進行考量的授信方式不相適應。為合理地預測中小企業應收賬款融資信用風險,應基于供應鏈應收賬款融資特點,設置針對性的風險評價指標。
國內外學者對供應鏈金融風險的研究做出了積極的貢獻。關于應收賬款融資風險方面,有學者提出全球應收賬款融資的大部分客戶都是中小企業,且國際應收賬款保理業務中存在風險隱患,應收賬款到期時間越長,風險越高[3]。應收賬款融資資金提供方還應關注供應商應收賬款的價值變動風險[4],同時應收賬款融資中主要存在法律監管、銀企信息不對稱等問題[5],商業銀行應收賬款融資順利實施需降低核心企業的道德風險,對融資企業進行動態風險監控等[6]。關于以供應鏈金融業務為整體的信用風險評估研究方面,學者們從核心企業、融資企業、融資項目、供應鏈運行狀況等方面選擇供應鏈金融信用風險的評估指標[7,8,9]。同時,供應鏈金融信用風險評估的方法主要包括客觀方法支持向量機(SVM)、模糊綜合評價法、博弈模型、熵權-TOPSIS模型等。由于學者們對供應鏈金融風險研究中采用的方法、選用的指標及樣本不同,對供應鏈金融風險的構成及評估結果有一定的差異,但普遍認為需關注供應鏈金融業務中可能面臨的風險,并采取相應的防范措施。在不同的供應鏈金融模式下信用風險評價指標的側重點可能有所差異,因此,本文以中小企業板塊農業上市企業為例,在充分考慮應收賬款融資模式特點的基礎上,建立中小企業應收賬款融資信用風險評價指標體系,以期真實反映中小企業應收賬款融資信用風險,為中小企業應收賬款融資業務實踐提供決策依據。
1 、中小企業應收賬款融資信用風險評價指標體系的構成
應收賬款融資主要是為供應鏈上游的中小企業提供融資,中小企業將對下游企業的應收賬款抵質押給銀行,有利于中小企業快速獲得維持和擴大經營所需的現金流,有效解決中小企業回款慢的問題,但同時也要注意應收賬款融資中存在的潛在信用風險點,據此設置合理的信用風險評價指標,具體應包括以下4個方面。
1.1、 上游中小企業資質
當作為融資企業的中小企業面臨內部經營情況惡化、行業市場前景不佳等狀況,可能導致中小企業自身的盈利能力、償債能力等下降而不能按時履約,信用風險也隨之產生。因此,當中小企業盈利能力越強、發展潛力越大、營運資產的效率越高,則中小企業資質越好,償還債務的能力越強,故選用了營業利潤率、銷售凈利率等指標衡量中小企業的資質。
1.2、 下游企業資質
應收賬款融資業務依賴下游企業較高的資信度,下游企業的綜合實力不佳及信用水平低也會導致整個應收賬款融資出現問題并陷入僵局。下游企業還可能由于經營不善、內部管理混亂等原因出現資金流動性不足,或導致其經營狀況惡化而喪失、可能喪失履行償還債務能力的情況。當下游企業資信不高時,還可能發生拒絕付款、推卸付款責任、拖延賬期等,加大應收賬款融資的信用風險。本文下游企業的資質狀況主要是根據下游企業的行業地位、信用級別狀況等對其綜合實力進行評價,通過中小企業近3年的合作企業及主要的應收賬款方是否與政府合作或者是否為業績較好的行業內龍頭企業反映,若是則認為下游企業綜合實力較強記為1,若否記為0。
1.3、 應收賬款質量
開展應收賬款融資業務時,銀行等金融機構將應收賬款作為授信的基礎資產,應收賬款的質量是影響中小企業融資能否成功的關鍵,主要選用了應收賬款壞賬損失率、應收賬款賬齡結構指標反映應收賬款質量。應收賬款壞賬損失率是應收賬款壞賬損失與期初應收賬款之比,下游企業的歸還款是供應鏈應收賬款融資的第一還款來源,應收賬款壞賬損失率能有效體現下游企業在歷史交易中償還賬款的能力和意愿,應收賬款壞賬損失率越高則相應的供應鏈應收賬款融資信用風險越高。同時,應收賬款的賬期越短,出現影響信用風險的事件可能越少。本文采用了應收賬款賬齡結構中1年以內應收賬款占比指標。
1.4 、供應鏈運營穩定性
銀行等金融機構開展應收賬款融資業務是將供應鏈上的相關參與主體作為一個整體,若供應鏈中相關主體沒有實現有效整合,可能產生潛在的風險,導致應收賬款融資款項無法及時收回。如供應鏈參與主體間合作管理意識不夠,發生上游中小企業提供的貨物或服務沒有達到合同要求,或供應鏈上交易企業間資金拖欠嚴重等情況,都將無法形成協調穩定的供應鏈系統。因此,供應鏈上節點企業間較強的合作管理意識,有利于形成協調穩定的供應鏈金融系統。通過融資企業年報和官網涉及的下游企業交易,若融資企業與下游企業的交易年限保持在3年及以上的,認為供應鏈主體間交易穩定性較高,記為1,否則交易穩定性較低,記為0。供應鏈主體間關系越緊密,供應鏈運營穩定性越高,以融資企業與下游企業間近兩年是否存在擔保關系指標反映,有擔保關系記為1,反之記為0。
可見,該指標體系不僅包括中小企業資質的指標,還包括應收賬款質量、下游企業資質、供應鏈運營穩定性程度等指標,力爭實現對中小企業應收賬款融資信用風險較為準確的評價。具體的指標選擇見表1。
表1 中小企業應收賬款融資信用風險評價指標
2 、農業中小上市企業應收賬款融資信用風險評價的實證分析
2.1 、樣本選取及數據來源
樣本企業選自Wind數據庫里申銀萬國行業類中深圳證券交易所A股市場上中小企業板塊上的農林牧漁公司,共計41家農業企業。信用風險構成指標數據來自Wind數據庫中2019年度的財務報表數據,及各企業2017—2019年的財務報表,部分指標數據手動處理。41家農業企業中有7家企業上市的年限不足3年,部分數據存在缺失,剔除后共計34家農業企業為樣本。對于農業企業信用風險預判值,考慮到數據的真實性、可操作性及有效性,信用風險F值以和訊網個股財務分析中對樣本企業的綜合能力、盈利能力、償債能力的星級狀況進行評判,將整體星級狀況在6顆星以上,且3項均無1星的狀況,認為該企業信用等級較高,信用風險小,為信用風險良好的企業,信用風險值F記為1;反之為信用等級較低,風險較大的企業,F值記為0。
2.2 、信用風險評價指標的描述性統計
樣本農業中小上市企業的盈利能力、償債能力、供應鏈運營狀況等以上選取的19個反映供應鏈應收賬款融資信用風險指標的描述性統計結果見表2。值得關注的是現金流量利息保障倍數的極小值和極大值之間的差距高達48 143,表明該指標在樣本農業企業中的差距很大。流動比率和速動比率的均值分別為1.668、1.142,表明企業短期償債能力有可靠的保證,F金比率在2.4%~433.5%,均值為77.2%,現金比率越高,說明變現能力越強,一般認為20%以上較好,但這一比率過高,也意味著企業資金未能得到合理運用,現金類資產獲利能力低。存貨周轉速度越快,存貨的占用水平越低,流動性越強,存貨轉換為現金或應收賬款的速度越快,樣本農業企業存貨周轉率均值為428.8%,表明樣本企業的存貨周轉率尚可。從應收賬款質量看,應收賬款壞賬損失率均值為7.8%,標準差為0.15,1年以內應收賬款占比均值為79.6%,其中5家樣本農業企業1年以內應收賬款占比為100%,可見從壞賬損失率和期限上看,大部分樣本農業企業應收賬款質量較高。此外,通過分析發現,現金流量利息保障倍數為正的樣本企業有28家,其中信用風險良好的企業有19家,占67.85%,為信用風險良好企業的90.48%,信用風險較大的企業有9家,占比32.15%,為信用風險較大企業的69.23%。該指標為負的樣本企業有6家,其中信用風險較大的企業占66.67%,可見信用風險良好的企業利用經營現金凈流量支付利息的能力相對較好。樣本企業營業利潤率為正的樣本企業有24家,信用風險良好的企業有18家,占75%,為信用風險良好企業的85.71%,信用風險較大的企業有6家,占比25%,為信用風險較大企業的46.15%,該指標為負的樣本企業有10家,其中信用風險較大的企業占70%,可見信用風險良好的企業商品銷售額提供的營業利潤相對更好,企業的盈利能力更強。
表2 變量描述性統計
2.3、 基于因子分析的信用風險評價指標處理
因子分析的基本思想是根據相關性的大小將變量分組,使得同組內變量間的相關性較高,不同組變量間的相關性較低,從一些錯綜復雜關系的問題中找出少數幾個主要因子,以幫助對復雜問題的分析和解釋。由于19個信用風險評價指標可能存在多重共線性問題,會影響后續模型度量結果的可信度。因此,通過因子分析以篩選出具有代表性、若干不相干的信用風險評價綜合指標。
2.3.1、 KMO和Bartlett檢驗
首先對各指標進行因子分析可行性檢驗,采用的是KMO和Bartlett球形檢驗。KMO和Bartlett檢驗結果見表3,KMO值大于0.5,說明數據適合做因子分析, Bartlett 的球形檢驗P值等于0,拒絕原假設,說明原有指標間具有一定相關性,可以進行因子分析。
表3 KMO和Bartlett檢驗結果
2.3.2 、主成分分析
通過因子分析中最大方差法旋轉成分矩陣,運算得到表4?梢钥闯,前5個公因子的特征根都大于1,說明這5個公因子可以解釋全部的19個指標。特征根大于1的公因子解釋能力分別為23.551%、18.308%、15.911%、13.379%、10.570%,且總體的累積貢獻率達到了81.719%,能夠較好地反映原評價模型。
表4 解釋的總方差結果
根據旋轉后的因子載荷矩陣,可以分析出每個公因子F所代表的具體指標。由表5可得,X1、X2、X3、X4以及X15、X16指標在因子F1上的載荷較高,故稱F1為盈利能力和應收賬款質量因子;F2中X7、X8、X9指標的載荷較高,故稱F2為償債能力因子;F3中X12、X13、X14指標的載荷較高,故稱F3為營運能力因子;F4中X17、X18指標的載荷較高,故稱F4為供應鏈運營質量因子;F5中體現成長能力、現金流量以及供應鏈主體間關系緊密性的指標載荷也較高,故稱F5為綜合因子。
表5 旋轉成分矩陣結果
注:旋轉法為具有Kaiser標準化的正交旋轉法;旋轉在6次迭代后收斂。
2.4 、基于Logistic回歸的應收賬款融資信用風險評價及分析
借鑒學者們對供應鏈金融信用風險評價的相關研究,將和訊網中樣本農業企業的信用風險值F為因變量,探討信用風險構成的各指標對信用風險值的影響程度。假設企業的守約概率服從Logistic分布,信用風險構成的各指標為Logistic回歸分析中的自變量,預測農業中小企業的守約概率P。P值范圍為[0,1],越接近1,守約概率越高,信用風險越;越接近0,違約概率越高,信用風險越大。以P*=0.5為臨界點,當P值小于0.5時,認為該企業的違約風險較大,銀行等金融機構對其提供信貸時要審慎。以信用風險值F為因變量,以因子分析后得到的5個公因子為自變量,通過二元Logistic回歸中的向后(wald)回歸方法排除變量,回歸結果見表6。
由表6可知,回歸分析剔除了F2,將F1、 F3、F4及F5 4因子留在了方程中,其顯著性的檢驗值Sig.分別為0.023、0.043、0.065、0.031,其中F1、F3、F5均在5%的統計水平上顯著,F4在10%的統計水平上顯著,各因子對模型中P的影響顯著為正,因此可以得出農業中小企業的守約概率方程為
對回歸結果以及擬合優度進行檢驗,從表7可以看出,模型的Sig.值為0,均小于1%的統計水平,說明該回歸模型具有實際意義。
表6 方程中的變量
注:***、**、*分別表示在1%、5%、10%的統計水平上顯著。
表7 模型系數的綜合檢驗結果
同時,選取樣本中的A農業企業為例,該企業是一家種植業公司,主要業務包括農作物種子研發、繁育、推廣及服務等,其下游企業B公司是一家國有控股的種業有限公司。A公司以賒銷的方式向B公司銷售產品,形成對B公司的債權。由于A企業生產缺乏足夠的流動性資金,以對B公司的應收賬款作為抵押品向金融機構融資,用于采購原材料。
根據A公司的財務狀況及下游企業資質、供應鏈運營狀況可得F1=0.848,F3=-1.110,F4=0.506,F5=-0.772,代入式(1)得=76.3%。
概率P值為76.3%,說明A公司的守約概率為76.3%,與信用風險F值違約概率高不太符合,原因是和訊網中的信用等級評價與本文中模型所參考的指標存在不同。對所選的34家企業進行信用風險估計時,有5家企業的守約概率被誤判,回歸模型整體預測準確率為85.3%,由表8可知,34家樣本農業企業中,有13家信用風險較大的企業,有9家符合,預測準確度為69.2%,21家信用風險較小的企業中,有20家預測準確。樣本農業企業中有4家的履約概率估值過低,由于本文的指標體系中增加了交易對手資質及供應鏈運營狀況等指標,從供應鏈整體分析農業中小企業融資的信用風險,在一定程度上有利于中小企業的信用增級,提高中小企業獲得貸款的概率。
表8 模型預測結果
注:切割值為 0.500。
3 、結論及建議
通過構建中小企業供應鏈應收賬款融資信用風險評價指標體系,并運用Logistic回歸模型對34家樣本農業企業的信用風險進行預測,預測結果中5家企業信用風險概率被誤判,信用風險評估模型整體預測準確率為85.3%。與傳統融資模式的信用風險評估模型不同,該評估指標體系中增加了下游企業綜合實力和供應鏈運營狀況指標,使中小企業應收賬款融資信用風險評估更加合理和全面,供應鏈運營質量高的情況下,有利于提高中小企業的資信度。
對選取的19個反映信用風險的指標進行因子分析后提取出5個主因子,其中盈利能力和應收賬款質量因子、營運能力因子、供應鏈運營質量因子以及綜合因子對農業中小企業應收賬款融資信用風險的影響顯著為正。結合本文因子分析狀況,可知營業利潤率、銷售凈利率、凈資產收益率、成本費用利潤率越高,企業效益越好,信用風險越低;應收賬款壞賬損失率越低,1年以內應收賬款占比越高,應收賬款質量越好,農業中小企業融資信用度越高;下游企業綜合實力越強、供應鏈穩定性程度越高其信用風險越低。企業潛在成長空間越大、資產運營質量越好以及經營現金凈流量償債的能力越強其信用風險越低。
因此,銀行等金融機構在提供供應鏈應收賬款融資業務中,應深入了解供應鏈各節點企業間的貿易關系,注重檢驗企業間貿易往來的真實性、合理性、穩定性及定價的公允性。銀行等金融機構可選擇與應收賬款質量佳、管理能力強的中小企業以及資質好的核心企業開展合作,并逐步建立起產業鏈企業數據庫,為更多優質產業鏈主體提供融資服務。
參考文獻
[1] SMITH J K,SCHNUCKER C An empirical examination of organizational structure:The economics of the factoring decision[J]. Journal of Corporate Finance,1994,1(1):119-138.
[2] SOPRANZETTI B J.Selling accounts receivable and the under investment problem[J].The Quarterly Review of Economics and Finance , 1999 ,39(2):291-3
[3] AUBOIN M,SMYTHE H,TEH R. Supply chain finance and SMEs: Evidence from international factoring data[R]. Geneva:World Trade Organization (WTO):ERSD-2016-04.
[4] KLAPPER L.The role of factoring for financing small and medium enterprises[J] Journal of Banking and Finance ,2005 ,30(11):3111-3130.
[5]何珊小林. 基于供應鏈金融的應收賬款質押融資問題分析[J]征信,2018 ,36(10):89-92.
[6]曲英,劉越,白濤商業銀行供應鏈金融應收賬款模式的風險控制研究一基 于A行融資產品的分析與啟標[J]管理案例研究與評論,2014.7(6):491-502.
[7]范方志,蘇國強,王曉彥供應鏈金融模式下中小企業信用風險評價及其風險管理研究[J].中央財經大學學報, 2017(12)-:34-43.
[8]楊軍,房姿含.供應鏈金融視角下農業中小企業融資模式及信用風險研究[J]農業技術經濟, 2017(9):95-104.
[9]匡海波,杜浩,月.供應鏈金融下中小企業信用風險指標體系構建[J].科研管理,2020,41(4):209-219.