供应链金融信用风险评估——基于钢铁行业.pdf

Financia【View I金融视线 供应链金融信用风险评估 — — 基于钢铁行业 牛慧 戴佳彤 李烁 苟卓 吉林大学商学院 吉林长春 130012 摘要 ：随着经济全球化发展，市场竞争已经从企业竞争演化为供应链之间的竞争，对信用风险进行有效的评估至关 重要。本文以钢铁行业为例 ，在前人研 究基础上，筛选出初级指标，利用相关性分析进行二次筛选，建立钢铁行业信 用指标评价体系；并以钢铁行业中小企业为样本，采用主成分分析法和Logistic模型，构建信用风险评价模型。结果 表明，本文中构建的模型在对信用风险进行评估时具有较高的准确度和适应性。 关键词 ：钢铁供应链金融 ；信用风险评估 ；主成分分析 ；Logistic模型 一 ． 引言 Rai= iai (3) 随着我 国市场经济的发展，大量的中小型企业建立并发展起来 ， (R为相关系数矩阵， i、ai是相应 的特征值和单位特征 向 在社会中占据着不可或缺的重要地位。然而，中小企业往往面临着融 量， 1≥ 2≥…≥入p≥0) 资难等问题限制其发展壮大。于是，银行等金融机构以大型企业为核 (~)Logistic模型 心，管理上下游中小企业的资金流和物流，控制中小企业的融资风险， Logistic模型 已成为度量融资企业信用风险的重要定量分析模型 以解决中小企业独 自融资难的难题。 之一，该模型将融资企业是否发生违约的二元变量作为因变量与与众 与此同时，我国的经济支柱行业——钢铁产业，是商业银行开展 多影响因素作为 自变量的关系模型化 ，分析或者预测融资方是否发生 供应链金融业务的首选 目标。分析整个供应链各个环节出现的影响 信用风险。Logistic模型计算违约概率的取值在0l之间；违约概率值 因素，提升整体供应链的抗风险能力，有利于整个经济市场的平稳发 越大表示企业违约的可能性越大。Logistic模型的具体表达式如下： 展。对钢铁行业的供应链金融业务进行有效的信用风险评估将为钢 1t-、i= — 1__ (4) 铁行业的稳定健康和可持续发展贡献力量。 l+e 二．研究方法 Z=po+ l 1z+ 2 2z+…+ _搠r (5) (一)主成分分析 其中：zi一第i个融资企业的财务状况得分 xmi一第i个融资企业的第k个财务 在建立logistic多元 回归模型时，为解决各种变量之间可能存在 比率指标变量 的多重共线性问题 ，需要运用主成分分析对数据进行降维，将所有指 pk—xi的回归系数 标的信息通过少数几个指标来反映。 P卜融资企业出现违约的概率 具体做法就是用选取的第一个线性组合，即第一个综合指标F1 的方差来表达，Var(F1)越大，表示Fl包含的信息越多，故称F1为第一 三．钢铁行业信用评价体系的构建 主成分。如果第一主成分不足以代表原来P个指标的信息，若线性组 信用评价体系的构建应该全面的考虑行业中各个主体 以及宏观 合F2满足Cov(F1，F2