基于系统动力学的国际供应链金融风险预测

打开文本图片集

【 摘 要 】 针 对 国 际 供 应 链 金 融 风 险 利 益 关 系 复 杂 、信 息 不 对 称 等 特 点 ，提 出 包 含 外 部 环 境 风 险 因 素 在内的多影响因素的国际供应链金融风险预测模型，研究国际供应链金融风险系统的结构特征与形成 机制。在此基础上，选取天津中非泰达投资有限公司的相关数据进行系统动力学仿真，结果表明：供应链 关系风险是国际供应链金融风险重要影响因素;外部环境风险和国外中小融资企业信用风险影响次之; 第三方物流企业风险与商业银行风险影响较小。将国际供应链金融风险系统划分为五个子系统，通过敏 感性研究分析风险因子对各子系统的影响关系，并给出应对国际供应链金融风险的对策建议。

【关键词】国际供应链;金融风险;系统动力学;供应链关系风险

【中图分类号】F640

【文献标识码】A

【文章编号】1004-0994（2019）12-0170-7

一、引言

国际供应链金融（ISCF）是一种创新型的金融 模式，能够为国际供应链体系提供及时便利的融资 支持，促进各国之间的贸易往来，加深产业链企业间 合作。然而，面对复杂的国际形势及环境，国际供应 链金融体系存在一定的国别风险、信用风险、市场风 险以及汇率风险。因此，在增强本土核心企业国际化 经营能力的同时，也要提高其抵御国际经济风险的 能力。目前关于供应链金融风险的研究主要分为两 大类：基于传统模式的供应链金融风险研究;基于 全球貿易一体化新兴模式的国际供应链金融风险 研究。

国内外学者对传统供应链金融风险的研究主要 从风险识别与评价、风险度量和风险控制三个方面 展开：1早期学者研究重点为分析供应链金融特点 和结构，发现其中的风险环节，并对各环节风险指标 进行评价[1] 。现有研究对供应链金融风险的识别过 程及评价指标体系的构建多以主观定性方法为主，研究方法具有一定局限性。此后，学者们对供应链金 融风险进行了具体的度量研究。2风险度量一般用 于评估借款企业的信用风险，运用的量化方法有 Logistic 回归模型、Var 方法、报童模型等，这些模型 和技术的应用对金融风险进行了有效度量，为后续 控制措施的制定提供了更加精细的参考依据。3供 应链金融风险控制则多从质押物及质押方式的选 择[2] 、质押率和贷款利率的设定[3] 、风险预警策略[4] 等方面展开研究。

对于国际供应链金融风险的研究，学者 Lee 和 Rhee 等[5] 认为，采用商业信用合作模式的风险控 制，效果优于金融机构只面向单个企业的金融风险 控制。Grath[6] 研究了国际供应链金融中贸易融资的 风险管理与风险评价，并提出通过应用 Copula-Var 方法来减少金融风险，精确度优于单一运用Var来 减少金融风险的方法。但该方法受限于金融风险类 型，并不适合不同量纲的金融风险研究。Chen、Liao[7] 建立牛鞭效应模型解释了国际供应链金融中企业之间风险传递的感染性，将时间与信息因素引入金融 风险系统。谢世清等[8] 总结出国际供应链金融的三 种典型模式（物流企业主导模式、企业集团合作模 式、商业银行服务模式），并从融资主导、运作优势等 多个方面对这三种模式进行了比较分析。Rahder[9] 研 究了国际商会出版物，并在此基础上提出国际供应 链金融风险的制度规范。

综上，已有关于传统及国际供应链金融风险的 研究往往只考虑系统内部各企业实体及实体间关系 的供应链金融风险，而忽略了系统外部环境因素所 带来的影响。基于此，本文在现有供应链金融风险研 究的基础上，考虑外部环境因素，研究其对国际供应 链金融风险的影响;通过建立国际供应链金融风险 预测模型，识别敏感性影响因素，以期为我国企业“走出去”参与“一带一路”建设、规避国际供应链金 融风险提供理论指导与建议。

二、“国际供应链金融风险”系统分析

1. 系统结构框架。结合现有国际供应链金融风 险研究，引入外部环境因素，构建本文系统结构框 架。本文研究的“国际供应链金融风险”系统主要分 为五个子系统：外部环境风险子系统、国外中小融资 企业信用风险子系统、供应链关系风险子系统、第三 方物流企业风险子系统、国内商业银行风险子系统。

2. 系统的构成。“国际供应链金融风险”系统作 为开放系统，属于多输入、多输出系统。“国际供应链 金融风险”系统的协调发展取决于各系统之间及系 统内部要素之间的相互作用，如图 1 所示。

（1）外部环境风险子系统。外部环境属于该系统 中的客观环境因素，不同于传统国内供应链金融系统。国际供应链金融系统涉及不同国家间贸易及资 金流动，故外部环境的变动必然会对国际供应链金 融系统产生影响。在外部环境风险子系统中，选取的 变量为政治风险[10] 、“一带一路”区域经济形势[11] 、 社会风险[12] 。其中，通过政治风险与国外中小融资 企业偿债能力的关系与国外中小融资企业信用风险 子系统相联系。

（2）国外中小融资企业信用风险子系统。国外中 小融资企业信用风险是整个系统风险的驱动者。在 国外中小融资企业信用风险系统中，选取的变量为 交易对手盈利能力、交易对手信用状况、融资企业偿 债能力。其中，通过交易对手信用状况与供应链合作 密切程度的关系与供应链关系风险子系统相联系。

（3）供应链关系风险子系统。供应链关系风险子 系统反映了国际供应链金融风险系统中国内核心企 业与国外中小融资企业的合作关系。该系统选取的 变量为供应链合作密切程度和风险共担机制，通过 供应链合作密切程度与信用评估风险的关系与国内 商业银行信用风险子系统相联系。

（4）第三方物流企业风险子系统。第三方物流企 业风险子系统选取两个变量：仓储监管风险与质押 物风险。仓储监管风险是指由仓单错误导致的仓单 信息与质押物实体信息不对称所引发的风险。质押 物风险，是指保有质押物的单位因质押物本身属性 或监管不力导致的质押物损坏或丢失，进而引发的 风险。

（5）国内商业银行风险子系统。国内商业银行主 要把控国际供应链金融系统中的资金流，决定了系 统中的资金流量及方向。该系统选取的变量为支付 风险、融资审批风险和信用评估风险。通过信用评估 风险与供应链合作密切程度的关系与供应链关系风 险子系统相联系。

三、“国际供应链金融风险”系统动力学模型

1. 系统因果回路图。在综合分析的基础上，确 定“国际供应链金融风险”系统的结构层次。结合该 系统的结构特点，建立总体因果反馈回路图，如图 2 所示。根据因果回路图及反馈回路分析结果可知，国 际供应链金融风险系统共有 6 个正反馈系统（R1- R6），没有负反馈系统。

2. 系统流图。“国际供应链金融风险”系统模型 的建立涉及较多因素，根据对“国际供应链金融风 险”系统模块的划分和系统因果关系的总体描述，构 建系统流图 3。

以图2为基础，运用Vensim DSS软件得到国际 供应链金融风险系统的结构模型图。结构模型图中， 各变量间的关系可以建立数学模型，如表 1 所示。

表 1 中，PR1 为融资企业所在国政治风险;CP 为 交易对手盈利能力;FCATPD 为融资企业偿债能 力;CCS 为交易对手信用状况;SR 为社会风险;“OBOR”RES 为“一带一路”区域经济形势;SCC 为 供应链合作密切程度;RSM 为风险共担机制; ROWS 为仓储监管风险;TPR 为质押物风险;PR2为支付风险;ROFA 为融资审批风险;CR 为信用评 估风险。

四、“国际供应链金融风险”系统模型仿真模拟

1. 仿真运算与有效性检验。本文以天津中非泰 达投资股份有限公司为研究背景，该公司主要是在 境外从事经济贸易合作区建设和运营的企业集团。 就目前我国经济发展情况而言，境外经贸合作区是 实施“走出去”战略的一条重要途径。基于该研究背 景，确定系统常量的取值。对于区域经济合作政策、时间风险、信用级别、金融风险分担等常量，为了保 证取值的科学性，本研究邀请天津大学“一带一路” 与 PPP 研究中心、中国远洋天津物流有限公司、中国 工商银行天津分行及中非泰达项目相关成员组成专 家考评组，经过多次反馈调研与修正，综合 15 位专 家意见和“一带一路”战略推广现状确定具体数值。 对于融资企业运作的财务指标，初始值从《“一带一 路”大数据报告（2017）》及《泰达海外模式研究报告（2017）》中获取。 在系统模型仿真过程中，考虑“一带一路”背景，且中非泰达产业园区建成时间为 2013 年，故选取仿 真初始时间为 2013 年，完成时间为 2017 年。取 Time Step=1 年，根据已建立的系统结构模型和 SD 模型，模拟“国际供应链金融风险”系统在 2013 ～2017 年间的运行情况。其中，外部环境风险子系统、 国外中小融资企业信用风险子系统及供应链关系风 险子系统中各指标的仿真模拟初始值以及真实数据 结果从《“一带一路”大数据报告（2017）》中获取，通 过报告中的国别贸易合作指数、外贸竞争力指数、企 业影响力指数确定各指标数据;第三方物流企业风 险子系统中的各项指标数据由中国物流行业协会调 查数据确定;国内商业银行风险子系统中的数据由 中国银行业监督管理委员会所搜集的调查数据确 定。各指标数据确定后，对模型有效性及稳定性等特 征进行检验，各子系统运行结果如图 4 所示。

通过仿真模拟，分别得到外部环境风险、国外中 小融资企业信用风险、供应链关系风险、第三方物流 企业风险、国内商业银行风险总量的仿真结果，如图 4 中各变量预测值（曲线 1）所示。通過与历史数据（曲线 2）进行对比发现，仿真结果与真实值之间的 拟合误差较小。

2. 系统模型预测。在“国际供应链金融风险”系 统仿真模型检验成立的基础上，运用该模型对国际 供应链金融风险”系统的运行情况进行预测，分别对 外部环境风险总量、国外中小企业信用风险总量、供 应链关系风险总量、第三方物流企业风险总量、国内 商业银行风险总量进行预测，模型预测时间段为 2017 ～ 2022 年，运行结果如图 5 所示。

由图 5 可知，在预测开始的 2017 年，供应链关系 风险占主导地位，虽然其预测值会在短期内呈现下 降趋势，但随着时间的推移，其风险最终会不断累积 上升。以中非泰达投资有限公司建设的园区为例，在 园区的建成初期，“走出去”的国内投资企业与首批 入驻园区的当地企业正处于磨合阶段，这导致供应 链关系初期风险较高。但随着磨合的逐步推进，合作 关系趋于稳定，供应链关系风险随之降低。当园区运 营能力达到稳定时，会引入更多的当地企业进行合 作，随着入驻企业规模不断扩大，风险也会随着供应 链规模的不断扩大而持续增长。

国外中小融资企业信用风险在预测期内一直呈 平稳增长趋势，并在一段时期内反超供应链关系风 险预测值，成为国际供应链金融风险系统中最大的 风险隐患。外部环境风险、第三方物流企业风险、国 内商业银行风险增长趋势类似于指数函数，在预测 初期增长趋势相似且增长速度较为缓慢;在预测后 期，三类风险大幅增长，其中增长速度最为迅猛的是 外部环境风险。从表 2 可以看出，在预测结束年度2022 年，外部环境风险预测值超过国外中小融资企 业信用风险的预测值，与供应链关系风险预测值基 本一致。相对外部环境风险而言，第三方物流企业风 险与国内商业银行风险在预测后期虽然增长幅度相 较预测初期明显增大，但相较外部环境的迅猛增长 趋势稍显缓慢，且第三方物流企业风险相比国内商 业银行风险更高。

3. 敏感性分析。为进一步研究“国际供应链金 融风险”系统中五大子系统风险的主要影响因素，本 文对各子系统中的指标进行敏感性分析。将各子系 统中的指标因素数值分别浮动一个单位以观察其对 各子系统风险的影响。敏感性分析结果如图 6 ～ 图 10 所示。

由图 6 可知，质押物时间风险对第三方物流企 业风险影响较大，其次是成本风险，影响最小的是仓 单错误。对第三方物流企业来说，保证质押物的安全 是首要任务。质押物的风险随时间的推移不断增长。 相比之下，质押物的成本风险较为固定，而仓单错误 所引发的风险规避成本相对较小，以上两种风险不 会随着时间或其他因素发生实质性改变，故对第三 方物流企业风险系统的影响较小。

由图 7 可知，对外部环境风险影响最大的因素 为区域经济合作政策，其次是融资企业所在国政权更迭，区域经济增长与汇兑限制影响相对较小，影响 最小的是文化差异与宗教冲突。区域经济合作政策 决定了双方的基本合作原则，且有利于合作双方关 系的稳定。在国际供应链金融体系参与国家中，各国 经济增长趋势之间虽然存在差距，但差距相对稳定， 故对系统整体风险影响较小。汇兑限制因为合作政 策的存在，并不会对系统整体产生较大影响。在国际 供应链金融形成过程中，我国企业会提前了解并充 分尊重当地的文化及风俗习惯，有效避免不必要的 文化冲突。因此，文化差异与宗教冲突风险是外部环 境风险子系统中影响最小的因素。

由图 8 可知，信用级别对国外中小融资企业信 用风险系统影响最大，而交易对手销售利润率影响 最小。信用级别可以直接反映国外中小融资企业信 用水平，对其信用风险评价起决定性作用，信用级别 越高，融资企业带来的风险越小。交易对手销售利润 率在该风险子系统中的作用最小，原因在于：相较于 融资企业自身测度的信用级别而言，交易对手销售 利润率属于融资企业外部对象影响指标，虽然会对 风险系统产生一定影响，但作用并不明显。

由图 9 可知，出账对国内商业银行风险系统影 响最大，其次是银行审核，合作协议纰漏及信用评估 风险对风险系统影响较小。出账风险可能会造成资 金损失，严重情况下可能导致整个供应链中的资金 链断裂。本文所选商业银行与核心企业皆为国内企 业实体，这样商业银行对核心企业的评估更准确且 容易把控。对于长期合作担保的核心企业来说，势必 与商业银行进行合作，双方具有一定信任基础，因此 这种信用评估风险会被降到最低，故该指标对整个 国内商业银行风险系统的影响最小。

由图 10 可知，金融风险分担对供应链关系风险 系统影响最大，其次是供应链合作年限与权责风险 分担，核心企业违约情况对该风险系统影响最小。通 常在供应链合作关系中，合作双方的风险共担机制 决定了双方合作意愿的大小，有效的金融风险分担 机制会将供应链关系中的金融风险降到最低。核心 企业与融资企业的合作年限说明了双方合作关系的 程度，合作年限越短，双方对彼此的了解与信任程度越低，合作关系越不稳定，对供应链关系风险有较大 影响。国际供应链涉及各国企业，在合作初期应设定 合理的权责分担机制，避免在合作过程中因权责界 定不清而导致供应链关系破裂，该风险在国际供应 链形成初期可以有效避免，故不会对国际供应链关 系造成很大影响。此外，国内核心企业的违约情况并 不会对该关系造成很大影响，其在国际供应链合作 关系中起主导作用，因此并不会因自身失误而轻易 破坏合作关系。

五、结论

本文运用系统动力学方法研究了国际供应链金 融风险系统的影响因素，将其分为外部环境风险、国 外中小融资企业信用风险、供应链关系风险、第三方 物流企业风险、国内商业银行风险五大模块。在实证 分析过程中，首先运用 SD 模型模拟 2013 ～ 2017 年 数值，并与真实数据进行对比，对比结果表明该模型 能够准确模拟国际供应链金融风险运作过程和效 果。其次，运用该模型模拟了 2017 ～ 2022 年系统风 险的预测值。最后，通过敏感性分析指出预测期间不 同指标对各子系统风险影响的大小。

研究结果表明，在预测期内，对国际供应链金融 风险系统影响较大的子系统分别是外部环境风险、 供应链关系风险、国外中小融资企业信用风险，而第 三方物流企业风险与国内商业银行风险的影响相对 较小。敏感性分析得出的各风险子系统重要指标分 别为：区域经济合作政策、金融风险分担、信用级别、 质押物时间风险、出账。本文构建的国际供应链金融 风险预测模型，结合国际供应链特点着重考虑了外 部环境因素，使得预测模型更符合实际情境。此外， 本文指出了该风险系统中的敏感性影响因素，这为 准确防范与控制国际供应链中的金融风险提供了有益的参考。

主要参考文献：

[1]ShearerA.T.，DiamoodS.K..Shortcomingsofriskratingsimpedesuccessincommerciallending[J].CommercialLendingReview，1998（1）：22 ～30.

[2]楊玉丰，鲁长瑜.新形势下我国信托业面临的风险及对策[J].经济纵横，2017（4）：124～128.

[3]张然斌，李明生，黄泽先..抵（质）押物价值折扣率的决定及其敏感性分析[J].系统工程，2015（4）：62～67.

[4]邓爱民，熊剑，张凡.基于BP神经网络的订单融资风险预警模型[J].情报杂志，2010（11）：23～28.

[5]LeeC.H.，RheeB.D..Tradecreditforsupplychaincoordination[J].EuropeanJournalofOpera⁃tionalResearch，2011（1）：136～146.

[6]GrathA..Thehandbookofinternationaltradeandfinance：Thecompleteguideforinternationalsales，finance，shippingandadministration[J].Ar⁃thritis&Rheumatology，2015（7）：1981 ～ 1982.

[7]ChenT.K.，LiaoH.H..Internalliquidityrisk，

financialbullwhipeffects，andcorporatebondyieldspreads：Supplychainperspectives[J].JournalofBanking&Finance，2013（7）：2434～2456.

[8] 谢世清，何彬.国际供应链金融三种典型模式分 析[J].经济理论与经济管理，2013（4）：80 ～ 86.

[9] Rahder T.. Trade finance：Automating the interna-tional supply chain，VP product strategy[J].Bolero International，2014（3）：81 ～ 97.

[10] 侯茂章.地方产业集群国际化发展风险评价基于模糊层次分析法的研究[J].经济地理，2012（ 12）：97～ 100.

[11]申现杰，肖金成.国际区域经济合作新形势与我国“一带一路”合作战略[J].宏观经济研究，2012（11）：30～38.

[12]张锐连，施国庆.“一带一路”倡议下海外投资社会风险管控研究[J].经济纵横， 2017（2） ：135～143.