基于供應鏈風險與平臺特征的關聯性研究

黃雨辰

(徽商職業學院，安徽 合肥 230000)

供應鏈風險管理一直是經濟管理領域的重點問題，在單一企業的風險評估模型不斷進步的同時，供應鏈中存在的多企業、多主體的特征，使大量風險模型難以直接應用到供應鏈風險分析領域。近年來，供應鏈中出現的風險傳染和風險競爭現象進一步凸顯了供應鏈風險管理的重要性，僅僅從單一企業的風險信息加總已經無法衡量供應鏈中潛在風險的變化情況，由于供應鏈網絡上的企業具備明顯的相互依賴特征，所以單一企業的違約風險將波及其他企業并引發更大的風險，甚至可能導致供應鏈整體的破裂。供應鏈風險的來源是各類不確定性因素，利用平臺特征反向透視供應鏈風險，成為構建供應鏈風險模型的關鍵。本研究利用歷史風險評級數據構建供應鏈風險模型，并通過灰色關聯分析找出供應鏈風險核心關聯的平臺特征，進而說明我國供應鏈關聯的核心方法。

一、文獻綜述

供應鏈風險是分工市場生產中產生的一種新型風險，是內部需求風險和外部信息風險的組合。實現高效風險管理，需要挖掘供應鏈風險來源和平臺相關特征因素。

Micheli等主要針對施工一體化總承包(engineering procurement construction，EPC)供應鏈中的風險管理和供應商特征進行研究，認為EPC供應鏈的風險可以通過識別供應商的方式進行規避，供應鏈風險往往來自管理者的不當得利行為。[1]林萍等通過文本挖掘與人工篩選相結合的方式，提取產品網絡輿情在供應鏈主體中呈現的風險分布特征，研究認為，構建供應鏈風險管理體系，需要通過話題動態網絡模型的方式建立包括供應鏈多層級主體協同的風險應對平臺。[2]李倩等在界定供應鏈整體違約風險及其特性的基礎上，借助對信用資產違約相關性理論與方法的研究成果，并結合企業信用評級信息，構建了成員企業違約相關背景下的評估模型，模型精度高于90%。[3]于春云等建立了隨機需求下由具有不同風險偏愛程度的單個供應商與單個零售商組成的兩級供應鏈的條件風險偏愛值模型和基于條件風險偏愛值的最優訂購量模型及協調供應鏈的最優回購契約模型，模型的精度高于95%。[4]上述研究均從單一企業風險角度出發，建立供應鏈風險評估模型，在應用性上缺乏普適性。

從平臺特征出發進行供應鏈風險分析，是此類研究的另一個重點。Steckel 等首次提出了供應鏈“平臺特征”的概念。平臺特征是指供應鏈并不屬于單向流結構，上下游企業間不是隸屬關系，供應鏈更多是作為一個開放的平臺供上下游企業進行聯系，這樣的平臺特征也會導致風險“順鏈”和“逆鏈”的多向傳導。[5]Franz等考察了歐亞天然氣供應鏈建設中的平臺風險特征，認為投資選擇和議價能力導致信息不對稱，進而產生了風險。[6]宋華等從供應鏈風險特征和經濟敏感性兩個維度，提出產品嵌入、渠道整合、生產與渠道、產業模塊化等四種服務供應鏈運作模式的匹配機制，并指出上述平臺機制與風險的關聯性。[7]李順萍通過分析零售企業供應鏈的風險來源及風險管理的重要性，提出了零售業供應鏈風險評估的方法。[8]傅琳等篩選出4個二級指標和11個三級指標，采用G1層次分析法確定各指標權重，同時將評價結果分為三個風險等級,以此構建了流通業小微企業供應鏈金融風險評價系統。[9]上述方法雖然考慮了供應鏈內部的諸多特征，但并未結合微觀層面的企業財務表現進行建模，實證精度相對較低。

針對上述研究中出現的問題，本研究將結合供應鏈風險評估模型和平臺特征，深入分析兩者的關聯性，構建精度更高且符合理論預期的供應鏈風險評估模型。

二、基于Copula函數的供應鏈風險度量模型

(一)企業信用風險等級的劃分

專業的信用評級機構針對不同企業、不同組合或不同國家的信用等級和風險進行評分。從我國物流采購聯合會(CFLP)和穆迪(Moody)評級公司的劃分結構來看，企業信用等級的劃分一般可以歸納為六級，具體見表1。

表1 企業信用等級劃分

對供應鏈的評級而言，整體風險的評估更加困難，需要結合多家企業的信息級別。針對這一問題，本研究假設在T時期內，供應鏈內部具備風險相關性的企業的評級信息分布是Ri(i=1,2,…,m)和Rj(j=1,2,3,…,m)。假設ti,j(i,j=1,2,…,m)是Ri和Rj評級企業的違約風險發生時間，那么可以用p(ti≤T)和p(tj≤T)分別表示兩家企業在T時間段內的違約概率，兩者的聯合違約概率即為p(ti≤T,tj≤T)。根據Lucas對企業違約風險系數的定義

(1)

可以得到由Ri和Rj評級企業構成的供應鏈的聯合違約概率為

(2)

(二)組合Copula函數模型

在利用信用風險評級的基礎上，需要進一步構建Ri和Rj評級企業形成的供應鏈中的整體風險水平。假設兩類企業的違約時間ti和tj的聯合分布函數為Fij(x,y)，根據斯卡納(Skla)定理，設定兩個企業對應違約時間ti和tj的分布函數分別為Fi(x)和Fj(y)，利用Copula函數可以設定兩類聯合分布為

Fij(x,y)=C(Fi(x),Fj(y))，

(3a)

p(ti≤T,tj≤t)=C(Fi(T),Fj(T))。

(3b)

式(3a)代表違約時間的聯合分布，式(3b)代表兩類企業在T時期內違約系數的聯合分布。根據Copula函數的性質可知C(u,v)=αuv+βmin(u,v)，(α,β≥0,α+β=1)，從而可以將式(3b)進一步改寫為

C(Fi(T),Fj(T))=
αFi(T)Fj(T)+βmin(Fi(T),Fj(T))。

(4)

在不同的取值情況下，式(4)表現出完全不同的性質。情況1，假設α=1,β=0，式(4)右側可以簡化成Fi(T)，Fj(T)，這說明企業的違約事件相互獨立，供應鏈內部的風險互不關聯，不存在風險傳染情況。情況2，假設α=0，β=1,式(4)右側可以簡化成min(Fi(T),Fj(T))，這說明企業的違約事件是完全關聯的，供應鏈內部處于風險完全傳染狀況，風險一旦出現，將對供應鏈上下所有企業產生顯著影響。情況3，假設α>0,β>0，且α+β=1，說明供應鏈不僅存在風險關聯，而且存在風險獨立特征，風險的傳染特性可能隨供應鏈的傳染而下降，該情況更符合現實情境。

(5)

風險模型的評級目標就是使上述聯合違約誤差最小化，由此可以構建如下約束方程

(6)

基于上述約束，首先采用信用評級方法對不同企業進行風險評級，本研究采用多重序數排序模型(probit model)，基本設定為

j=0 ifR≤0，
j=1 if 0……
j=j+1 ifZj≤R。

(7)

評級模型(7)中，R代表各個企業的風險水平，被分為不同的風險級別。為了應對上文設定，本研究將信用風險級別設定為6個。針對各個級別的分割點，本研究采用如下方法進行分類：

Prob(j=0)=Φ(-β′X)，
Prob(j=1)=Φ(Z1-β′X)，
……
Prob(j=1)=1-Φ(Zj-β′X)。

(8)

式(8)可以確定各個等級的分界點。另外，還需要確定各個分類水平的臨界值，利用似然函數(likelihood function)模型得到臨界值，為

(9)

α=0.8127，β=0.1873，

(10)

進而可以求得由不同企業組成的兩個違約概率的Copula組合函數模型為

p(ti≤T,tj≤T)=C(Fi(T),Fj(T))=
0.8127Fi(T)Fj(T)+0.1873 min (Fi(T),Fj(T))，
(i,j=1,2,…,m),

(11)

可以利用式(11)對整體供應鏈風險進行分析。

三、供應鏈風險與平臺特征因素的灰色關聯分析

(一)數據來源

本研究選取2010年至2018年上交所A股的流通業上市公司為原始觀測樣本。為了保證樣本數據的有效性，剔除H股上市公司，剔除在觀測期內存在ST、*ST的公司；剔除數據缺失及凈資產為負或大于1的極端樣本；同時，剔除樣本缺省值20%以上的極端值，采用Winsorize方法處理波動值，以消除1%左右的線性特征值。樣本數據均來自國泰安(CSMAR)數據庫，包含1190個樣本對象。

(二)灰色關聯

根據上文的研究方法，本研究首先將流通業上市企業分為批發與零售貿易業、酒店與餐飲業、倉儲業、物流運輸業四類子行業，采用子行業的內部企業信用級別進行擬合，并與Moody信用評級進行比較，以判定本研究所構建的Copula模型的準確度，結果如表2所示。上述分析均在MATLAB 2016b語言環境中進行。本研究根據Moody信用評級將風險特征分為六個等級，預測結果如表4所示。在四類子行業的風險評估中，采用Copula風險評估模型計算的供應鏈風險均與評級機構的計算值無差異，差異度均小于5%。其中，商貿流通業整體計算差異度小于1%，整體精度符合研究預期。該結果說明本研究構建的Copula模型有效歸納了供應鏈風險的來源，并通過企業信用風險及其交叉擬合方法建立了高效的風險評估模型，模型準確性較高，適用于進一步的實證分析。

表2 Copula風險評估模型的準確度

在計算得到四類子行業及流通業整體供應鏈風險的基礎上，本研究引入產業經濟學中廣泛采用的灰色關聯分析，將上述風險情況與供應鏈平臺的三類特征(傳遞性特征、博弈性特征和信息性特征)進行灰色關聯分析?；疑P聯分析模型為

(12a)

(12b)

(13)

表3 供應鏈風險與平臺特征的灰色關聯分析

由表3可以看到，供應鏈風險與平臺特征的灰色關聯度在流通業及其四個子行業中均大于0.6000，說明供應鏈風險緊密關聯于平臺特征。從商貿流通業供應鏈總體風險特征來看，供應鏈風險的得分為78.0070，風險級別為A，說明商貿流通業處于低風險水平。供應鏈風險與平臺的傳遞性特征、博弈性特征和信息性特征的關聯度分別為0.7127、0.6719和 0.9201，其中信息性特征與風險的關聯性最強。下面分別就四個子行業情況進一步說明。

從批發與零售貿易業來看，其供應鏈風險得分為70.0107，風險級別為B，說明該子行業內部存在較強的供應鏈風險傳染情況，單一企業的風險將快速蔓延至子行業整體，關聯于該子行業的主要因素是信息性特征，對應灰色關聯系數為0.8910，說明我國的批發與零售貿易業缺乏信息基礎設施，內部信息不平衡、不對稱的現象較為普遍。從酒店與餐飲業來看，其供應鏈風險得分為82.9910，風險級別為A，說明該子行業內部存在較強的供應鏈風險傳染情況，單一企業的風險將快速蔓延至子行業整體，關聯于該子行業的主要因素是信息性特征，對應灰色關聯系數為0.6166，其風險的主要來源并不是上游企業風險傳遞和累積。從倉儲業來看，其供應鏈風險得分為71.0054，風險級別為B，傳遞性特征對應灰色關聯系數為0.8239，倉儲業的風險主要來源于上游企業的風險累積和傳遞。從物流運輸業來看，其供應鏈風險得分為89.0192，風險級別為Aa，供應鏈風險水平相對較低。與倉儲業情況類似，物流運輸業的傳遞性特征對應灰色關聯系數為0.8722，其風險主要來源于上游企業的風險累積和傳遞。

(三)穩健性分析

灰色關聯分析作為典型的正向關聯分析，需要進一步考慮模型的穩健性，即供應鏈風險是否逆向影響了平臺的某些特征。對此，本研究采用格蘭杰因果檢驗作為穩健性分析的模型，結果如表4所示。

表4 供應鏈風險格蘭杰因果檢驗

從格蘭杰因果檢驗的結果來看，平臺特征構成了供應鏈風險的格蘭杰原因，所以采用灰色關聯分析的正向檢驗具備理論的合理性，而供應鏈風險并不作為平臺特征的格蘭杰原因，不存在逆向關聯的可能性。由此可以認為，本研究的分析具備穩健性。

四、研究結論

供應鏈面向企業網絡所產生的風險會傳染到整個平臺，進而衍生出更強的風險水平。通過供應鏈平臺特征識別風險并建立更高效的風險防御機制，有助于降低風險傳染的負面影響。本研究在準確界定供應鏈風險內涵及平臺特征的前提下，采用基于Copula函數的供應鏈風險度量模型對供應鏈風險進行測度，模型中同時納入Probit模型進行風險信息評級。采用2010年至2018年A股上市公司的數據，并通過灰色關聯分析比較供應鏈風險與平臺特征的關聯性，發現供應鏈風險與平臺的傳遞性特征、博弈性特征和信息性特征的關聯度分別為0.7127、0.6719和0.9201。分行業分析中，風險傳遞性特征和信息性特征是影響商貿流通相關行業最重要的兩類因素。

在本研究的基礎上可以進一步歸納供應鏈風險與平臺特征間的關系。首先，從供應鏈的傳遞性特征來看，產品的開發、生產、流通和銷售過程中容納多個層級的參與企業，風險因素將通過供應鏈的向下延伸不斷累積，控制供應鏈風險的主要內涵在于控制效率、成本和產品質量等節點指標。其次，從供應鏈的博弈性特征來看，供應鏈各個環節間存在的潛在互動博弈與合作造成各個主體的利益取向不同，為了爭奪系統資源、實現價值鏈上移、追逐利益最大化，各個主體會展開博弈，這種利益取向的差別滋生了風險。最后，從供應鏈的信息特征來看，供應鏈中各個節點企業的信息不完全公開，供應鏈中存在嚴重的信息不對稱現象，下游企業的需求信息會逆向放大，由此產生“牛鞭效應”，造成中間非價值生產過程的增多，進一步影響供應鏈效率，產生供應鏈風險。在供應鏈風險關聯過程中，需要進一步降低風險的傳染性，以便實現各個利益主體的利益統一，并通過信息化結構建設規避供應鏈風險。