基于质量屋模型的供应链金融融资信用评价

1、基于质量屋模型的供应链金融融资信用评价Finance F ! l全塾诠蕉 基于质量屋模型的供应链金融融资 信用评价 口周 建 缪运文 陈以增 【摘 要】在如今的供应链金融业务中，如何更加主动地掌握信息，批量识别优质小企业客户群体，是银行面临的机遇与挑战。为 帮助银行作出合理的信贷决策，本文从核心企业入手，首先抓住供应链中的“信息流”。其次，基于能够实现“银行驱动 的信用需求”的质量屋模 型 提 出了简便 易行 的信 用评价体 系。并 由此给 出各评价指标的重要 度及排序 ，进 而根据得 到 的中小企业融资信用评价决定是否贷款、贷款额度等。最后提出了以下有关银行信用管理的对策与建议：积极应对互

2、联网金融，通过核心企业掌握其上下游信息，批量识别并评估 中小企业；逐步加强信用文化建设，营造全民信用常态， 从根本上解决信用问题：各银行之间求同存异，根据自身的特点走差异化发展道路。 【关键词】供应链金融；质量屋；信用评价指标；融资信用评价 【中图分类号】F274；F2240；F832 【文献标识码】A 【文章编号】1006-5024(2016)05-018306 【DOI1013529cnkienterpriseeconomy201605032 【基金项目】国家社会科学基金青年项目“供应链金融行业价值度量模型构建与应用研究”(项 目编号：13CGL057) 【作者简介】周 建，上海大学管理学

3、院副教授，清华大学博士，硕士生导师，研究方向为供应链金融、物流与供应链管理； 缪运文，上海大学管理学院硕士生，研究方向为供应链金融、质量功能展开；(上海 200444) 陈以增，深圳职业技术学院管理学院教授，香港理工大学博士后，研究方向为质量功能展开、金融系统工程。 (广东 深圳 518055) Abstract：Today S supply chain financing business has brought both opportunities and challenges for banks in grasping information more proaetively and i

4、dentifying a batch of superior small and medium enterprises (SMEs)。In order to assist bankers in making appropriate credit decisions，starting from core enterprises and seizing the”Inform ation How”in supply chain，a new credit evaluation model based on House of Quality (noQ)has been proposedQualitool

5、 in industry is introduced to deal with credit evaluation problem in finance，through calculating the importance of each index，and consequently the se quence of SMEs is obtainedThen，some suggestions for bank credit risk management are put forward，including respond ing to internet finance positively a

6、nd getting hold of inform ation from upstream and downstream of core enterprises to iden tify and evaluate SMEs，enhancing the construction of credit culture continuously to build the national normal credit state， which can solve the problem fundamentally，and seeking common ground while putting aside

7、 differences among banks，ac cording to the characteristics of their differentiation development roads Keywords：supply chain finance；quali house；credit evaluation index；financial credit evaluation 一、引言 经济全球化促使企业由内部供产销一条龙的 旧模式向以供应链为主导的新模式转变。一方面， 为应对相互竞争的市场环境和赊销交易的主流方 式 ，提高资金运作效率。供应链金融模式应运而生。 银行将资金或信用注

8、入供应链实现金融资本与实 业经济的高度契合_1l。另一方面，金融脱媒、利率市 场化加快使得大客户的融资需求锐减，银行传统盈 利模式亦难以为继。因此，以市场为导向，以客户为 中心 ，加快信贷业务转型调整 ，以供应链融资促进 183 基 于质量屋模型的供应链金 融融资信 用评价 小企业金融业务的可持续发展，被认为有望成为银 行转型过程中一个重要的增长极21。 一 般地，银行通过信用或风险评价来筛选某行 业供应链中核心企业上下游的中小企业，并对符合 一 定条件的中小企业进行融资授信。国内外学者也 提出了很多定性、定量或二者相结合的方法供银行 选用以进行决策。例如：李森和刘媛华通过层次分析 法论证了在

9、供应链金融融资模式下，中小企业的信 用得到扩大，信贷资格得到提升31。赵忠和李波运用 模糊层次分析法确定各评价指标在评价体系中的权 重 。熊熊等将主成分分析法、Igistic回归等统计方 法引入风险评价模型中，最终通过计算中小企业的 守约概率评价企业信用21。在以往的研究中，大多着 眼于解决“风险评价指标体系”和“风险评估方法及 模型”这两个问题，在基于专家意见、频数统计等方 法选择了评价指标后进行综合评价得到评价结果。 这其中，评价指标的适当选择至关重要，而现有研究 往往或选择的指标以偏概全，或选择的指标数量众 多，计算复杂，且很多研究并未给出其中具体的操作 步骤。 供应链金融的核心理念是把

10、核心企业的信用延 展到上下游中小企业，因此，核心企业更适合作为信 用评价的出发点。基于此，本文整合中国银行和工商 银行有关供应链金融融资的资讯，从利于银行实际 操作角度出发，从核心企业人手，选取适当的数据易 得的评价指标，并基于质量屋模型得到各中小企业 的信用评价得分，作为银行信贷决策的参考。 二、研究方法综述 在“1+N”的供应链金融基本模式中由于核心 企业的重要纽带作用，银行应从具有发展潜力的行 业出发，首先识别优秀的核心企业，它们一般具备这 样的特征：配套的上下游中小企业数量多，资金结算 量大，财务制度规范，定期结算货款，供应商回款有 保障等。继而，深入这些核心企业销售及财务部门进 行对

11、接，全面掌握其上下游客户信息、交易信息、业 务信息与风险信息。挖掘核心企业供应链目标用户， 批量拓展小企业客户群体【5】。 由此获得的中小企业与核心企业的交易信息可 通过质量屋模型进行信用评价，并将银行拟人化，通 184 过构建“银行对贷款企业的要求”与“贷款企业信用 评价指标”之间的相关关系矩阵，可以将模糊主观的 “要求”反映到客观的“评价指标”上并计算分配其权 重，最终得出“银行对贷款企业的满意度”，即贷款企 业信用。整个信用评价流程如图 1所示。 通常地评价步骤中的Stage 1和Stage 2由银 行内部根据整个市场情况进行行业选择并对接行 业供应链中的核心企业。本文假定银行已完成前两

12、 步，下文将给出Stage 3和Stage 4的具体操作步骤， 并基于银行通过前两步得到的数据进行演示分析。 好的行业、优秀的 核心企业将带来 世量尘全 呸 确定信用评价指标 雯 塞 l stage1 核心企业选择 l 对接核心企业 销售及财务部门 获取中小企业与 心企业的交易信息 一 一 一 一 一 一 一 一 一 一 一 蒿 桑 l Stages 的评价体系构建 l stage4 l 鲁蓄 得到中小企业 融资信用得分 一 一 一 一 一 一 一 一 一 一 一 - 图1 基于质量屋模型的供应链金融融资信用评价步骤 三、基于质量屋模型的评价体 系构建 (一)融资信用评价质量屋模型 质量功能展

13、开 (Quality Function Deployment QFD)，兴起于 20个世纪 60年代 ，由日本的赤尾洋 二博士提出61，是一个能够将顾客需求转化为产品 技术属性的分析工具。这里，将实现“顾客驱动的质 量需求”的工具 QFD引入，转换为实现“银行驱动的 信用需求”。 QFD方法的核心是构建质量屋(House of Qua1 ity，HoQ)rTl。本文根据供应链上下游中小企业(供应 商、分销商)向银行贷款的模式，构造了融资信用评价 质量屋模型。将原始模型中的 “顾客需求(Customer Requirements，CR)”变为“银行对贷款企业的要求”，原 始模型中的“产品技术属性

14、(Engineering Characteris ticsEC)”变为“贷款企业的信用评价指标”。 其中，左墙对应各个“银行对贷款企业的要求及 其权重”，权重矩阵记为 W，第 i个 CR的权重记为 wi；天花板对应各个“贷款企业信用评价指标”；房间 基 于质量屋模 型的供应链金 融融资信 用评价 表示“银行要求与评价指标之间的相关关系矩阵”， 记为 R，其中的元素rij表示第 i个 CR与第j个 EC 之间的相关关系。基于 QFD的思想，可以通过 W 和 R计算出各评价指标的重要度及排序，再将该重要 度与地下室中各中小企业的评价指标实际数 值相结合。即可得出企业信用得分及其排序。 (二)银行对

15、供应链金融贷款企业的要 求 要确定融资信用评价质量屋中的左墙，即 银行对贷款企业有哪些要求，对这些要求的偏 好又是多少。由于不仅要考虑中小企业内部的 情况。还要兼顾整个供应链的行业环境，其中 核心企业和中小企业的资质、资产和质押物情 况，以及供应链的整体运作情况、合作关系等， 因此，传统商业银行的5C分析法可以借鉴，但 需要延伸。 通过查阅文献资料、浏览各大银行官网以 及采访相关银行从业人员，整理得出银行对供应 链金融中贷款企业的5个要求(如表 1所示)。 (三)信用评价指标体 系的建立 要确定融资信用评价质量屋中的天花板， 为更好地阐述下文的计算 ，通过两个维度对表 2 中的指标进行分类，第

16、一类中的“+”号表示该指标越 大越好，呈正相关关系；“一”号表示越小越好，呈负相 关关系。第二类将指标用定性和定量加以区分。 表2 对贷款企业的信用评价指标 评价指标(EC) 类型 ECl 整个供应链的宏观经济情况 + 定性 EC2 行业被替代性 定性 EC3 融资企业与核心企业合作关系稳定性 + 定性 EC4 履约记录良好率 + 定量 上下游中小 EC5 平均销售回款率 上 定量 企业通用 评价指标 EC6 贸易背景真实性 上 定性 EC7 融资款项按合同规定的使用情况 上 定性 EC8 融资用途合法合规性 上 定性 EC9 平均净资产收益率 定量 ECm 平均销售利润率 + 定量 适用于上

17、游 ECIl 质押物变现能力 + 定性 供应商的指标 EC 质押物价格稳定性 + 定性 ECl3 融资对应的应收账款真实有效率 + 定量 定性适用于下游 分销商的指标 ECl4 平均应收账款账龄 定量 EC15 平均应收账款回收率 + 定量 即选取适当的评价指标。本文采用了工商银行关于 供应链金融的报道51中所列举的一些指标 ，并综合 考虑整个供应链的合作情况等选取了其他一些指 标，得到 l5个评价企业信用的指标(如表 2所示)。 其中 l2个适用于上游供应商 (通过质押物贷款融 资)，13个适用于下游分销商(通过应收账款贷款融 资)。这些指标的具体数值能够通过核心企业的销 售和财务部门便捷地

18、获取，方便银行作出决策。 表 1 银行对贷款企业的要求 银行要求(CR) 释义 评估整个供应链 。是否具有发展潜力 值得贷 CRl 行业环境 款。 具体指宏观经济环境 、整个行业成长性等。 企业品德、信誉是否良好。具体指企业基本素 CR2 企业资质 质、经营能力等。 针对供应链金融中的“赊销”交易对质押物进 CR3 资产状况 行评价，降低贷款风险。具体指质押物状况、应 收账款状况等。 针对供应链企业销售收入偿还贷款的自偿性 C 偿债能力 特点，对其盈利能力进行调查。具体指企业盈 利能力、现金流、在往期贷款中的信用等级等。 融资企业与核心企业合作关系是否稳定。具体 CR5 合作关系 指与核心企业

19、的合作中业务往来情况、履约情 况、合作密切程度等。 四、贷款企业信用评价 (一)信用评价指标重要度及排序 在计算信用评价指标重要度及排序之前，需要 为每个 CR赋予权重，代表银行对各个要求的相对 偏好程度。各个银行可根据Delphi法综合内部专家 组的意见评定每个 CR的权重 Wi，以01，02，?，09 进行打分，权重之和为 1。之后，将所有专家给出的 分值进行算术平均来确定 CR权重矩阵W。 再通过质量屋模型给出CR与EC之间的关系 矩阵 R，同样地，其中的元素 (第 i个 CR与第 i个 EC之间的相关关系值)由专家组进行综合评定。首 先，每个专家就二者相关关系的强弱以0，01，02，

20、?，09，1进行打分，如 O表示完全不相关，05表示 中等相关，1表示强相关，最后通过算术平均来确定 整个相关关系矩阵R。 得到 CR权重矩阵W 和相关关系矩阵R后根 据下式对各评价指标的重要度进行计算： 5 vj= wirij，j=1，2?，15 (1) 185 基 于质量屋模型 的供应链金融融资信 用评价 其中，v 表示第 i个 EC的重要度，记入重要度 矩阵V中，再根据重要度的大小得到信用评价指标 的排序。 (二 )中小企业信用评价及排序 在实际运用评价指标度量中小企业信用时，首 先需要对通过核心企业销售部和财务部获取的数据 (即该企业的 l5个评价指标值)进行换算。在表 2 中的定性指

21、标采用李克特(Likert)标度法打分，表示 专家对企业在该指标下的表现认同程度。分值由评 估专家在查验数据后进行主观判定，分为5个等级： “5”表示 “非常满意”，“4”表示“满 意”，“3”表示“一 般”，“2”表示“不满意”，“1”表示“非常不满意”。定量 指标通过分析其往期交易数据换算成百分比，而“平 均应收账款账龄”则通过“天”来衡量。由此，得到各 指标实际值 li，表示该贷款企业在第 i个评价指标下 的具体数值。 由于各指标值单位不同，不便于综合评价的计 算，基于 Chen B提出的方法进行归一化处理去除 不同度量单位的影响，每个企业的各指标实际值 l 可转变成为指标标准值 xj：

22、 lj lj l1 11一 lj lj (21) (2) (22) 式(2一1)适用于越小越好的类型(表 2中的类型 “一 ”)，广 表示在第i个信用评价指标下所有被评价的 贷款企业指标实际值中的最大值， 表示第 i个信用 评价指标的最小下限；式(22)适用于越大越好的类型 (表2中的类型“+”)，11111表示在第 i个信用评价指标下 所有被评价的贷款企业指标实际值中的最小值r 表 示第i个信用评价指标的最大上限。 归一化处理后 可通过以下 公式计算银行对贷款企业的满意 度即贷款企业的融资信用 用 S 表示： 15 5 15 s=wirj)xj= (3) j=1 、i= l J=1 当对行业

23、供应链 中上游 P 家中小企业进行信用评价时，选 择通用指标(EC 一EC 。)和针对上 1 86 游供应商评价的指标(EC 和 EC )进行评价，即可 得到融资信用评价得分，银行可根据得分排序对资 金进行合理分配。类似地，对下游 q家中小企业进行 信用评价则选择通用指标和针对下游分销商的指 标(EC13一EC15)。 五、实证研究与结果分析 银行 A选择 了具有广阔发展前景的某 能源行 业，并通过银行内部的4人专家组对“银行对该供应 链中贷款企业的要求”赋予权重。每个专家给出的权 重如表 3所示综合权重由4个专家权重值算术平 均后得到。 表3 银行A对贷款企业的要求权重表 专家 CRl CR

24、2 CR3 C凡 CR5 1 O1 02 02 O_3 02 2 O1 01 03 O-3 02 3 01 01 02 04 02 4 O1 O2 O3 02 02 综合权重 O1 015 025 0-3 0-2 因此，综合专家组给出的偏好值，可以得到银行 A对于贷款企业要求的权重矩阵为：W=(w ，W：，W ， W4，W5)=(01，015，025，03，02)。 接下来确定表 2中 l5个评价指标的重要度和 排序。同样地，首先由专家组综合给出CR与 EC的 相关关系矩阵，最终结果如表 4所示。 根据公式(1)，用表4中CR的权重矩阵W和相关关 系矩阵R求得评价指标的重要度矩阵Vl_(v。，

25、v ，v，一，v )= (009,0145,0765,0795,0565,0295,0268,0248,067,0655,0465, O45，049，0535，0585)及各评价指标的排序(如图 2 所示) 表 4 银行 A的融资信用评价质量屋 EC1 EC2 EC3 EC4 EC5 EC6 EC7 EC8 EC9 ECl0 ECll EC12 ECl3 ECl4 ECl5 + + + + 十 + + + + 十 + + 上 W R CRi 01 09 O85 O O O O-3 O 0 O O O 0 O O 0 CR2 O15 0 0 09 09 09 09 085 O85 O O O 0

26、 O9 O O CR3 025 O 0 O8 08 O 0 0 0 09 09 09 09 O O9 09 C O3 O O O8 09 O9 0 0 O 095 O9 0-8 075 O85 08 O9 CR5 O2 O O_3 O95 095 O8 065 07 O6 O8 O8 O 0 O5 0-35 045 基 于质量屋模型的供 应链金融融资信 用评价 由图2中各评价指标的重要度及其排序可以看 出：EC4;履约记录是否良好”、EC “与核心企业合作 的稳定性”相当重要排在首要两位；对下游分销商 而言企业销售能够在后续还款中满足自偿性的特 点也很重要包括 EC9;净资产收益率”、EC10

27、;销售利 润率”、EC “应收账款的回收率”和 EC “销售回款 率”等；对上游供应商而言，EC 。和EC ：代表的质押 物的价值、价格和变现能力也比较重要；企业资质主 要通过 EC “贸易背景的真实性”、ECT;融资款项按 合同的使用情况”和 EC “用途是否合法合规”等体 现：最后 ，由于银行 A在给供应链中的企业信用评 价之前已充分考虑某行业“供应链的宏观经济情况” EC 和“行业发展前景”EC ，所以，在后续评 价中它们的权重相对较低。 此外根据不同评价指标重要度之间的 差异大小15个指标被分成了五大类，在图2 中用不同颜色的标记来描述评价指标的重要 程度，相比较而言，EC 和 EC

28、属于 “较弱” 类 ，EC6、EC 和 EC8属 于 “一般重 要 ”类 ， EC5、EC9、EC10和 EC15属于“重要”类 ，EC3 和EC4属于“非常重要”类，而剩下的其余指 标则属于“中等”类。 接下来对行业供应链上中小企业进行 信用评价，即可得到不同企业的融资信用 评价得分，并依此排序决定是否借贷。这 里 以银行 A对能源行业供应链上某核心 企业下游的5个分销商评价为例 根据核 心企业与分销商的合作营运关系。在 10 个通用指标和 3个针对下游分销商的指 标中，运用李克特标度法评判定性指标， 圈 _麟 壤 定量指标则通过交易数据计算获得。这 5家 企业对应的指标实际值 l 如表 5

29、所示，其中 l 和l 所代表的含义如前所述。 再将指标实际值 li通过公式(2)转化为 指标标准值 Xj，转换时需注意各指标的类 型。由此得到包括 13个评价指标的标准值 矩阵(见表6)。 最后5家企业的融资信用得分及排序可 根据公式(3)计算得到，结果为：企业4(098)， 企业 1(212)，企业 3(222)，企业 2(434)，企 业 5(532)。企业 5的融资信用得分(532) 在 5家分销商中排名第 1，而企业 2的信用紧随其 后。这两家分销商的所有指标几乎都处于市场领先 地位。但相比较而言，企业 5的指标得分更优(见表 4)。企业 1和企业 3信用比较接近，其各项指标数值 也相

30、近。但企业 3比企业 1优在“销售回款率”、“销 售利润率”和“应收账款回收率”均略高，且“应收账 款账龄”稍短。也就是说，在现金流方面前者比后者 较为充裕。虽然企业 1和企业4跟核心企业合作的 稳定性都不强，但融资信用却有悬殊，这是因为企业 1具有很好的履约能力，且企业的资质、信誉非常突 出，因此，得到了更高的评价。而企业 4基本在各项 指标上都有所欠缺，信用评价也就最低。 表 5 5家下游分销商企业的指标实际值 11 l2 l3 l l5 l6 17 l8 l9 l10 ll3 ll4 ll5 + + + + + + + + + + + 单位 等级 等级 等级 等级 等级 等级 天 企业

31、1 4 3 2 96 54 5 5 5 9 5 98 60 80 企业 2 4 3 4 87 78 5 4 5 13 8 98 30 95 企业 3 4 3 3 80 80 4 4 4 10 6 90 50 85 企业 4 4 3 2 60 65 3 2 3 9 3 95 45 90 企业 5 4 3 4 95 88 5 4 5 16 10 100 30 99 咖 n l 4 2 2 60 54 3 2 3 9 3 90 30 80 一 5 3 5 l00 90 5 5 5 17 10 lo0 60 10o 表6 5家下游分销商企业的指标标准值 Xl X2 X3 】(d X5 X6 X7 X8

32、 X9 Xl0 X13 X14 XI5 企业 1 O00 O0O 00o 090 00o 100 10O 10o O00 029 O80 000 OO0 企业 2 O00 O0O 067 068 O67 1O0 O67 100 O50 O71 O80 10HD O75 企业 3 000 00O O-33 050 072 050 O67 050 O13 043 000 033 025 企业 4 O0O 000 000 000 0I31 0oo O0O 0oo 0O0 000 O50 05O 050 企业 5 00O 000 067 088 094 1oo 067 100 088 1oo 100

33、1O0 095 187 基 于质量屋模 型的供应链金融融资信用评价 上文的实证研究仅以对核心企业下游分销商的 评价为例，银行实际评价时，同样也可采用上述的评 价方法对上游供应商的 10个通用指标加上 2个针 对供应商的指标进行打分评价，得到供应商的融资 信用得分及排序。 六、对策与建议 供应链金融集“物流、信息流、现金流”于一体 ， 不仅解决了中小企业融资难的问题，而且为银行拓 展小客户业务打开了新的窗口。面对大客户融资需 求锐减和互联网金融相夹击的困境，银行亟需主动 寻找能够长期合作的信用伙伴。正是基于这样的出 发点，本文从真实的银行操作人手，为银行的信贷决 策提供了一套有效可行的实施方案，

34、并提出了以下 对策与建议： (一)主动识别优秀核心企业，批量拓展中小企 业客户群体 银行应从具有发展潜力的行业出发，首先识别 供应链中的重要纽带优秀的核心企业再挖掘 核心企业供应链目标用户。批量拓展中小企业客户 群体。银行运用这种主动出击的信用评价方法。不仅 能够为银行带来批量的中小企业客户，还可以降低 中小企业融资违约的风险。 (二)掌握供应链上下游信息流，积极应对“互联 网金融”的挑战 深人核心企业销售及财务部门进行对接，全面 掌握其上下游客户信息、交易信息、业务信息与风险 信息。合理利用网络资源及大数据相关挖掘手段，通 过建立健全银行供应链金融中小客户群体数据库， 来迎接互联网金融带来的“信息流”挑战。提高银行 决策的科学性和准确性。 (三)运用质量屋模型，实现“银行驱动的信用需求” 基于简便易行的质量屋模型和调查的上下游营 业真实数据信息，经过专家组的分析评估对融资的 中小企业进行信用评价使得银行在供应链金融业 务中将物流、信息流和现金流进行合理运用，获得更 高的收益。当然，对于该信用评价模型，