供应链金融服务提供商如何帮助中小企业获得供应链融资？——基于手机通信行业的实证研究.docxVIP

供应链金融服务提供商如何帮助中小企业获得供应链融资？——基于手机通信行业的实证研究 国家重视中小企业的融资问题，政策鼓励金融机构提高对中小企业的信贷支持，创新地从产业和供应链视角拓宽企业资金来源。2019年2月银保监会印发通知，鼓励商业银行积极将金融科技手段运用于风险评估与信贷决策、采用简化年审等方式，实现贷款需求响应速度、信贷审批效率的有效提升。然而，由于中小企业资产规模较小、财务报表不健全、缺少企业信用信息等特点，其与金融机构存在信息不对称，从而难以通过传统途径从商业银行获得满足其运营需要的充足资金［1］。依托于供应链协同、信息获取等功能，供应链金融在一定程度上能够解决借贷双方的信息不对称，缓解信贷配给问题，从而惠及被排斥在传统银行信贷市场外的中小企业［2-3］。供应链金融能够降低融资成本，有效控制贷方的融资风险［4］，进而使得中小企业融资绩效获得提升［5］。现有研究对于帮助理解供应链金融，探索其模式和作用起到了重要影响，掀起了供应链金融研究热潮。然而，供应链金融中的信息获取和信息处理问题是研究的关键，有待深入探讨和研究。 供应链金融服务提供商（financial service provider，FSP）是供应链业务的组织者和平台服务提供商，它通过将供应链运营各方嵌入于供应链网络结构中，促进供应链业务的有效运行，同时促进资金在各成员之间的有效流动，因此，FSP 是供应链金融实践中的关键成员［6-7］，能够更好地解决供应链信息获取问题。FSP出现的背景可以追溯到2005年，深圳发展银行在国内推出第一个供应链金融解决方案。随后，其他银行、信托、基金和保险等金融机构根据自身情况和产业特点推出差异化的供应链金融解决方案，包括保理、反向保理、存货/仓单质押融资、订单融资、预付款融资等。但受限于自身不嵌入于供应链中，金融机构需要通过供应链核心企业和/或平台型供应链FSP 合作的方式进行借贷业务和风险控制［8］。FSP为供应链金融提供业务场景，在场景中促成借贷业务和风险控制［9］。一方面，FSP积累了丰富的供应链成员、业务和流程信息，具有强大的产业资源整合能力和供应链优化能力［4］，能够提升组织间信任［10］，促进供应链企业共同协作创造价值［11-12］，进而实现对中小企业进行供应链信用评级［13］，提升借贷审批效率，降低借贷双方的信息传递成本，实现差异化的利率定价［6］。另一方面，FSP掌握了供应链中的物流、商流、信息流和资金流，能够利用大数据和物联网等新兴技术，进行供应链资金流管理［10］，帮助资金方实现风险识别和风险控制［6］。随着供应链活动的进一步网络化和生态化发展，信息的复杂性和流动性增加［14］。信息稀缺和信息过载［15］两种信息不对称可能导致中小企业融资过程中的借贷风险。信息稀缺是指金融机构难以获得足够的中小企业信息，从而做出错误的借贷决策；信息过载则是指金融机构即使能够以较低成本获得大量信息，但是过滤、挖掘和分析信息的高昂成本也会阻碍借贷行为。现有研究从多个方面对供应链金融中的信息稀缺的问题进行了探讨［2-3］，但对于信息过载问题还未进行深入的研究。FSP能够有效甄别处理复杂的供应链信息，其对供应链信用的把握和评估能够很好地识别关键信用指标，从而缓解信息稀缺和信息过载导致的信息不对称。 供应链信用评级能够更好地解决供应链金融中的信息处理问题。研究表明，对于中小企业，供应链信用评级比传统财务评级能够更准确及时地预测企业质量和违约率［13］。传统的信用模型主要是从财务数据出发，难以全面把握中小企业状况。一方面，部分中小企业财务报表不健全且可靠性较低，使得财务数据信息稀缺；另一方面，供应链交易过程中产生大量的供应链结构数据和运营数据，而这些数据难以直接为金融机构获取，而且即便能获得，在面对大量业务数据时，也难以有效识别重要的数据信息。这使得金融机构与中小企业间面临着信息稀缺和信息过载这两种信息不对称。传统的信用评估模型无法利用供应链信息，做出更优的供应链信用评级。FSP采用供应链信用评级，在财务报表基础上，将供应链结构和运营数据纳入中小企业的信用评估模型中，能够降低对财务数据的依赖，也能缓解供应链数据的信息过载。 本文从信息不对称理论视角出发，探索在供应链金融决策过程中供应链FSP的信息获取和信息分析等相关问题，旨在为理解供应链FSP如何有效服务中小企业、降低信息不对称、解决融资问题提供理论指导和建议。 1 文献评述 1.1 供应链金融中的信息不对称与信号传递 信息的完备与对称是金融决策过程中一个重要的前提条件。中小企业从机构融资的最大障碍是信息不对称［16］。在资本市场上，银行等出资方一般用偿债能力、现金流量、经营能力及效益分析等衡量中小企业的贷款申请。采取加入担保基金、提供担保、获得第三方信用评级等手段能够降低信息不对称