供應(yīng)鏈金融視角下的小微企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)

1、供應(yīng)鏈金融視角下的小微企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)摘要：近年來，隨著小微企業(yè)融資難的問題日益凸顯，供應(yīng)鏈金融作為新的融資渠道，正受到越來越多的重視，科學(xué)、準(zhǔn)確的風(fēng)險(xiǎn)評(píng)價(jià)對(duì)控制供應(yīng)鏈金融中的信貸風(fēng)險(xiǎn)至關(guān)重要。通過建立和完善小微企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，采用BP神經(jīng)網(wǎng)絡(luò)模型為小微企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)開辟新途徑。BP神經(jīng)網(wǎng)絡(luò)是一種智能算法，它具有自我學(xué)習(xí)和自適應(yīng)的特點(diǎn)。通過實(shí)例，分析和檢測(cè)了該BP神經(jīng)網(wǎng)絡(luò)模型，結(jié)果令人滿意。證明該模型確實(shí)可行，能夠應(yīng)用于供應(yīng)鏈中各小微企業(yè)的信用風(fēng)險(xiǎn)評(píng)價(jià)。關(guān)鍵詞：供應(yīng)鏈金融；BP神經(jīng)網(wǎng)絡(luò)；小微企業(yè)；信用風(fēng)險(xiǎn)評(píng)價(jià)中圖分類號(hào)：TN911?34文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004?373X(2

2、014)12?0032?05Abstract:Moreattentiontosupplychainfinanceasanewformoffinancingchannelispaidwiththeincreasinghighlightofthefinancingdifficultyofsmallandmedium?sizedenterprises(SMEs).Itiscrucialforscientificandaccurateriskassessmenttocontrolthecontrolofthecreditriskofsupplychainfinance.BPneuralnetworkm

3、odelisusedtoopenupanewwayforcreditriskassessmentofSMEsbasedontheestablishmentandimprovementofanindexsystemofcreditriskevaluationforSMEs.BPneuralnetworkmodelisasmartalgorithmwithself?learningandadaptivecharacteristics.TheBPartificialneuralnetworkmodelwasanalyzedanddetectedinapracticalcase.Thefeasibil

4、ityofthemodelwasproved.Theresultissatisfactory.ThemodelcanbeusedtoassessSMEscreditriskinthesupplychain.Keywords:supplychainfinance;BPneuralnetwork;SME；creditriskassessment。引言小微企業(yè)融資難是長期存在的問題1。近幾年來，供應(yīng)鏈金融近兩年的快速發(fā)展在一定程度上緩解了小微企業(yè)的融資困難。目前，專家對(duì)供應(yīng)鏈金融（SCF）的定義如下2:基于對(duì)供應(yīng)鏈交易細(xì)節(jié)的把握和結(jié)構(gòu)特點(diǎn)，借助核心企業(yè)的信用實(shí)力或單筆交易的自償程度與貨物流通價(jià)值，供

5、應(yīng)鏈金融對(duì)單個(gè)企業(yè)或多個(gè)企業(yè)提供全方位的金融服務(wù)。由于小微企業(yè)融資租賃業(yè)務(wù)在銀行所有業(yè)務(wù)中占的比例很小，再加上供應(yīng)鏈融資模式剛剛興起，目前還沒有建立完善的針對(duì)供應(yīng)鏈里小微企業(yè)的信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系3。為了能夠適時(shí)、動(dòng)態(tài)、準(zhǔn)確地評(píng)價(jià)和監(jiān)控小微企業(yè)融資過程的風(fēng)險(xiǎn)，本文建立一套全面的指標(biāo)體系對(duì)小微企業(yè)信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，以建立企業(yè)、銀行和供應(yīng)鏈之間良性發(fā)展的產(chǎn)業(yè)生態(tài)4。目前傳統(tǒng)的風(fēng)險(xiǎn)評(píng)價(jià)方法包括主成分分析法、層次分析法和模糊數(shù)學(xué)法等。但是以上方法均存在下列不足：評(píng)價(jià)的權(quán)重容易受主觀因素影響，所以決策容易失真。為解決這一問題，本文采用一種具有自學(xué)習(xí)、自適應(yīng)能力特點(diǎn)的基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)險(xiǎn)評(píng)價(jià)方法。1人工

6、神經(jīng)網(wǎng)絡(luò)對(duì)小微企業(yè)進(jìn)行信用評(píng)價(jià)時(shí)，仍然沿襲過去單一考慮融資個(gè)體，忽略供應(yīng)鏈金融中供應(yīng)鏈的大環(huán)境。1.1 人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetworks,ANN),簡稱神經(jīng)網(wǎng)絡(luò)(NeuralNetworks,NN),是受生物神經(jīng)網(wǎng)絡(luò)的啟發(fā)，通過對(duì)人腦進(jìn)行簡單抽象和模擬對(duì)人腦系統(tǒng)的一定特性做由描述，由大量與自然神經(jīng)細(xì)胞相似的簡單處理單元一一神經(jīng)元相互連結(jié)而形成的非線性系統(tǒng)5o神經(jīng)網(wǎng)絡(luò)具有非常強(qiáng)大的存儲(chǔ)和并行計(jì)算能力，是一種大規(guī)模并行分布式處理系統(tǒng)。神經(jīng)網(wǎng)絡(luò)是通過人腦的思維模式進(jìn)行學(xué)習(xí)和適應(yīng)，具有較好的非線性逼近、學(xué)習(xí)以及自適應(yīng)能力，止匕外，還具備一定的存儲(chǔ)以及容錯(cuò)特性，

7、對(duì)處理模糊性、數(shù)據(jù)信息量大的復(fù)雜問題具有較好的適用性。1.2 BP人工神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)(Back?Propagation)是1986年由Rumelhart等人提曲5,是一種按誤差逆向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)，是目前最廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)過程分為正向傳播和反向傳播兩部分。在正向傳播過程中，信息是從輸入層經(jīng)隱含層傳向輸由層，下一層神經(jīng)元的狀態(tài)受到其上層神經(jīng)元狀態(tài)的影響，同層之間的各神經(jīng)元沒有聯(lián)系。當(dāng)在輸生層不能得到期望的輸生信息，就需要轉(zhuǎn)入反向傳播過程。反向傳播是正向傳播的逆過程，將信息的輸生誤差以莫種形式從隱含層傳向輸入層，并將這種誤差分?jǐn)偨o各層的神經(jīng)元單元，

8、根據(jù)各層單元的誤差信號(hào)不斷修正各單元的權(quán)值，調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，最終使網(wǎng)絡(luò)的誤差平方和最小。一個(gè)三層的BP網(wǎng)絡(luò)模型，包括輸入層(InputLayer)、隱含層(HideLayer)和輸由層(OutputLayer)。其中X=(x1,x2,，xn)為BP網(wǎng)絡(luò)輸入層的輸入值，Y=(y1,y2,ym)為中間隱含層的輸由值，Z=(z1,z2,，zl)為輸由層的輸由值。V=(v1,v2,，vm)為輸入層到隱含層的連接權(quán)值，W=(w1,w2,，wl)為是對(duì)輸入層信息和隱含層信息進(jìn)行連接的權(quán)重。9j為隱含層節(jié)點(diǎn)的臨界值，ek為輸由層節(jié)點(diǎn)的臨界值。期望輸生和實(shí)際輸由之間往往存在一定差距，利用它們之間的方差表

9、示誤差的大?。篍=12k=1l(yk-zk)2(1)具體的學(xué)習(xí)過程如下：(1)初始化神經(jīng)網(wǎng)絡(luò)各層之間的連接權(quán)值和神經(jīng)元的閾值，設(shè)定網(wǎng)絡(luò)基本參數(shù)，如學(xué)習(xí)步長、誤差精度等。準(zhǔn)備輸入訓(xùn)練樣本數(shù)據(jù)集合，并對(duì)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。(2)將取得的樣本數(shù)據(jù)輸入模型，并進(jìn)行訓(xùn)練。令xi為樣本數(shù)據(jù)集，vij是對(duì)輸入層和隱含層之間進(jìn)行連接的權(quán)重信息，設(shè)定隱含神經(jīng)元的臨界值為6j,f?(x)是可以對(duì)神經(jīng)元的輸入信息和輸生信息進(jìn)行轉(zhuǎn)換的函數(shù)，轉(zhuǎn)換函數(shù)通常有線性、雙曲正切、閾值型和Sigmoid型函數(shù)(以下稱為S型函數(shù))等。S型能夠不僅對(duì)線性函數(shù)，即使對(duì)非線性函數(shù)也有較高的適應(yīng)能力，應(yīng)用最為廣泛，其函數(shù)形式如式(2)所示

10、：(4)實(shí)際輸由值和期望輸由值之間往往存在差異，將二者之間的差值與預(yù)先設(shè)定的差值進(jìn)行比較。如果計(jì)算的誤差值小于設(shè)定誤差，則回到步驟(2),選取下一個(gè)樣本進(jìn)行訓(xùn)練；反之，轉(zhuǎn)入反向傳播過程，按照誤差調(diào)整的原則，即使誤差E減小到設(shè)定水平，調(diào)整和修正網(wǎng)絡(luò)各層的連接權(quán)值。輸由層的連接權(quán)修正公式如下：(5)如果網(wǎng)絡(luò)的全局誤差小于設(shè)定誤差，則結(jié)束訓(xùn)練。否則，重新開始以上的步驟。由于BP算法具有良好的非線性逼近能力、自學(xué)習(xí)能力、自適應(yīng)能力、容錯(cuò)性等優(yōu)點(diǎn)，因此被廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)中在現(xiàn)有研究中，BP神經(jīng)網(wǎng)絡(luò)或其推導(dǎo)形式是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的方法之一6o2小微企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)BP網(wǎng)絡(luò)模型2.1 小微企業(yè)信用

11、風(fēng)險(xiǎn)指標(biāo)體系的建立在過去，銀行對(duì)其融資對(duì)象的評(píng)價(jià)主要是單個(gè)的企業(yè)，并且往往是依據(jù)其靜態(tài)的財(cái)務(wù)數(shù)據(jù)作由評(píng)估。這就存在著諸多問題，因?yàn)樾∥⑵髽I(yè)的財(cái)務(wù)數(shù)據(jù)比較零散且不太規(guī)范，透明度也相對(duì)較低，這使得銀行很難對(duì)其進(jìn)行科學(xué)的評(píng)價(jià)。供應(yīng)鏈金融視角的思想是基于產(chǎn)業(yè)供應(yīng)鏈企業(yè)之間的相關(guān)性特點(diǎn)，對(duì)企業(yè)的整條供應(yīng)鏈運(yùn)作情況進(jìn)行評(píng)估，以便動(dòng)態(tài)地評(píng)估信貸項(xiàng)目的真實(shí)風(fēng)險(xiǎn)。供應(yīng)鏈金融中的利益相關(guān)主體包括7:供應(yīng)鏈核心、核心企業(yè)上下游的小微企業(yè)、貸款銀行、以及相關(guān)的物流企業(yè)。其中銀行是融資服務(wù)供給方，供應(yīng)鏈上下游小微企業(yè)是信貸需求方，供應(yīng)鏈中的處于核心地位的企業(yè)能夠?qū)εc其相關(guān)的小微企業(yè)起到反擔(dān)保的作用。對(duì)核心企業(yè)進(jìn)行評(píng)估，

12、是因?yàn)楹诵钠髽I(yè)的運(yùn)作、商業(yè)信用情況影響著其與小微企業(yè)的交易質(zhì)量。物流企業(yè)則為貸款企業(yè)提供運(yùn)輸、倉儲(chǔ)、保管等服務(wù)。銀行在重點(diǎn)考察小微企業(yè)的授信資質(zhì)的同時(shí)，更關(guān)注核心企業(yè)資質(zhì)、融資項(xiàng)目的特征以及整條供應(yīng)鏈的運(yùn)營情況。依據(jù)指標(biāo)設(shè)計(jì)的原則和方法，在大量文獻(xiàn)研究和專家調(diào)查的基礎(chǔ)上，建立了供應(yīng)鏈金融視角下小微企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)的指標(biāo)體系。評(píng)價(jià)體系分4大類，共計(jì)25個(gè)指標(biāo)。指標(biāo)體系及評(píng)分準(zhǔn)則如表1所示。2.2 小微企業(yè)信用風(fēng)險(xiǎn)BP網(wǎng)絡(luò)模型的設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)的關(guān)鍵是確定網(wǎng)絡(luò)的層級(jí)數(shù)目以及各個(gè)層級(jí)的神經(jīng)元的數(shù)目。有學(xué)者研究表明，具有4層結(jié)構(gòu)的BP網(wǎng)絡(luò)具學(xué)習(xí)性較好9。因此，本文利用4層級(jí)BP網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練，4層級(jí)

13、包括輸入數(shù)據(jù)層、兩個(gè)中間隱含層和輸生數(shù)據(jù)層。(1)輸入層單元數(shù)根據(jù)建立的指標(biāo)體系，將25個(gè)指標(biāo)值作為網(wǎng)絡(luò)輸入，由于本模型中涉及的指標(biāo)體系既有定量指標(biāo)，又有定性指標(biāo)，所以在進(jìn)行輸入節(jié)點(diǎn)輸入時(shí)，先將指標(biāo)根據(jù)表1中的評(píng)分規(guī)則進(jìn)行轉(zhuǎn)換，以便于網(wǎng)絡(luò)模型的應(yīng)用。(2)隱含層單元數(shù)在實(shí)際應(yīng)用中，如何合理地選擇隱含層的單元數(shù)并非一件易事，通常需要經(jīng)過反復(fù)試驗(yàn)來確定10?11o隱含層單元數(shù)可通過式(14)式(16)來確定：本文通過設(shè)計(jì)一個(gè)隱含層神經(jīng)元可變的BP神經(jīng)網(wǎng)絡(luò)，以確定最佳的隱含層單元數(shù)。(3)輸由層單元數(shù)通過BP網(wǎng)絡(luò)模型輸由的節(jié)點(diǎn)即為判斷的依據(jù)，BP神經(jīng)網(wǎng)絡(luò)的輸由值是一個(gè)0,1之間的數(shù)值，該數(shù)值即表示風(fēng)

14、險(xiǎn)的大小。該數(shù)值越高表明信用的風(fēng)險(xiǎn)越大。(4)訓(xùn)練函數(shù)的選擇BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)有很多，如traingdx、trainlm,traingd函數(shù)等，譚慶美等人研究結(jié)果表明，trainlm函數(shù)的訓(xùn)練收斂速度最快，平均誤差最小12。3應(yīng)用實(shí)例3.1 BP模型的訓(xùn)練本文從RESSET金融數(shù)據(jù)庫中篩選由供應(yīng)鏈特征明顯的20組數(shù)據(jù)，轉(zhuǎn)化后如表2。樣本數(shù)據(jù)涉及建筑建材、交通運(yùn)輸、鋼鐵重工、生物科技、制藥等多個(gè)行業(yè)的小微企業(yè)。通過Matlab軟件進(jìn)行模擬仿真，選取115組的信息作為模型的訓(xùn)練樣本，以后面1519組數(shù)據(jù)作為檢測(cè)的樣本。第20組數(shù)據(jù)是待評(píng)估的對(duì)象。設(shè)定學(xué)習(xí)速率為0.05,誤差為0.01c3.2

15、BP模型的檢測(cè)將檢測(cè)樣本數(shù)據(jù)帶入模型，所得結(jié)果如表2所示，結(jié)果表明，通過該模型運(yùn)算的結(jié)果與專家給生的預(yù)期結(jié)果就有較高的一致性，誤差為0.0058在設(shè)定范圍以內(nèi)，滿足要求。因此，該本模型具有較高的實(shí)用性和科學(xué)性。利用該模型對(duì)最后一組數(shù)據(jù)進(jìn)行評(píng)價(jià)，得由的數(shù)據(jù)為表3中的第五列數(shù)據(jù)，為0.55,證明該小微企業(yè)的信用風(fēng)險(xiǎn)等級(jí)一般，需要對(duì)其加強(qiáng)風(fēng)險(xiǎn)管控。表3網(wǎng)絡(luò)監(jiān)測(cè)結(jié)果與評(píng)估結(jié)果的比較4結(jié)語供應(yīng)鏈金融近兩年的快速發(fā)展在一定程度上緩解了小微企業(yè)的融資困難。但是由于還沒有一套完整的信用風(fēng)險(xiǎn)體系和科學(xué)的風(fēng)險(xiǎn)評(píng)價(jià)方法，同時(shí)受以往風(fēng)險(xiǎn)評(píng)價(jià)模式的影響，在對(duì)小微企業(yè)進(jìn)行信用評(píng)價(jià)的時(shí)候，并未真正將其置于供應(yīng)鏈的環(huán)境中，所

16、以小微企業(yè)信用等級(jí)仍然偏低，這在很大程度上限制了小微企業(yè)的融資。只有科學(xué)、合理地評(píng)價(jià)供應(yīng)鏈中小微企業(yè)的信用風(fēng)險(xiǎn)，才能有效控制銀行的風(fēng)險(xiǎn)，同時(shí)真正地拓寬小微企業(yè)的融資渠道，實(shí)現(xiàn)雙贏。本文在研究基礎(chǔ)上，建立的全面的信用風(fēng)險(xiǎn)評(píng)價(jià)體系，并通過BP神經(jīng)網(wǎng)絡(luò)小微企業(yè)的風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)。通過實(shí)例訓(xùn)練網(wǎng)絡(luò)，對(duì)該模型進(jìn)行驗(yàn)證檢測(cè)，結(jié)果比較滿意，可用于實(shí)際運(yùn)用。本文的不足之處：由于實(shí)際中供應(yīng)鏈體系相對(duì)模糊，所以可資利用的樣本數(shù)據(jù)不多，可能導(dǎo)致網(wǎng)絡(luò)訓(xùn)練不夠充分；另外一點(diǎn)就是該模型理論上可行，并未真正地運(yùn)用于企業(yè)的評(píng)價(jià)，所以缺乏實(shí)踐的檢驗(yàn)。參考文獻(xiàn)1 WUYing?jing,LIYong?jian,LIPing.SMEs

17、'financingdecision:basedonthesupplychainfinanceC/Proceedingsof20129thInternationalConferenceonServiceSystemsandServiceManagement.S.l.:ICSSSM,2012:248?252.2深圳發(fā)展銀行？中歐國際工商學(xué)院“供應(yīng)鏈金融”課題組.供應(yīng)鏈金融M.上海：上海遠(yuǎn)東由版社，2009.3李小燕，盧闖，游文麗.企業(yè)信用評(píng)價(jià)模型、信用等級(jí)與業(yè)績相關(guān)性研究J.中國軟科學(xué)，2003(5):81?85.4何濤，翟麗.基于供應(yīng)鏈的小微企業(yè)融資模式分析J.物流科技，2007(5)

18、:87?91.5RUMELHARTDE,HINTONGE,WILLIAMSRJ.LearninginternalrepresentationsbyerrorpropagationM/ParallelDistributedProcessing:ExplorationsintheMicrostructureofCognition,Volume1.MA,USA:MITPress1986:318?362.6蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論M.北京：高等教育由版社，2008.7BERNABUCCIBob.Helpingcustomerscurecash?flowillsthroughbettersupplychainmanagementJ.TheSecuredLender,2005,11:36?39.8劉曉敏.基于BP神經(jīng)網(wǎng)絡(luò)的股指預(yù)測(cè)系統(tǒng)D.大連：大連理工大學(xué)，2012.9楊彩霞，徐渝，楊青.航天項(xiàng)目風(fēng)險(xiǎn)指標(biāo)體系的分析與構(gòu)建J.航天工業(yè)管理，2003,