论文部分内容阅读
摘 要：电商平台利用自身技术优势与大数据基因的特点，在供应链金融中发挥着重要作用。本文采用定性与定量分析相结合的方法，依据定性分析中的融资企业信用风险评价指标体系，结合Logistic回归模型进行定量分析，得出企业偿债、盈利能力是影响供应链金融风险的主要因素。此外，企业信用政策与外部变量如核心企业状况、行业环境等也会对其产生影响。
关键词：供应链金融 电商平台 Logistic模型
一、引言
中小企业作为市场主体的重要组成部分，在国民经济发展中扮演着至关重要的角色。但由于固定资产少、财务状况不清晰、银行与企业间信息不对称等问题，中小企业通常面临着严重的融资的问题。供应链金融的出现有效缓解了中小微企业的融资困境，使得供应链上下游企业之间的关系更为紧密。电商平台利用其自身技术优势与大数据基因特点，将供应链金融落实于整个资金链与物流业中，在金融领域发挥着越来越重要的作用。但是，电商平台具有一定的整体性和协同性，某一环节出现风险极易牵一发而动全身。目前国内对于供应链金融风险的分析主要是从信用风险、业务操作风险、抵押资产风险、物流监管风险和贸易背景的真实性风险几大方面入手，对电商平台运作模式下的供应链金融风险研究较少，且多以定性分析为主。
由于国内供应链金融主要集中在计算机通信、汽车、化工、煤炭、钢铁、医药等行业，本文以汽车行业和通信行业的核心企业为切入点，构建了更为全面的指标体系。除了对融资企业自身条件进行考察，还将核心企业、质押物、行业风险纳入考量范围，从而更为准确地识别电商平台供应链融资过程中的风险企业，对促进电商平台供应链金融健康发展具有一定意义。
二、文献综述
（一）国外电商供应链金融研究
国外电商供应链金融方面的研究重点是融资模式，通常以核心企业为研究焦点。在融资模式方面，比较有代表性的是Corning（2001），他认为企业能够借助B2B电商与金融机构结为联盟，实现快速、简化和高效的融资。另外，Chen（2012）表明线上的融资模式在交易速度与交易规模上都优于传统模式，提出了一种网络融资模式以实现中小企业的顺利融资。
同时，开展供应链金融业务时也存在着一些进入壁垒。Ndayizigamiye（2014）发现影响企业是否采用电子商务的关键性因素主要在于相对优势和兼容性，特别是能否加强与上游供应商、下游客户之间的信息沟通以及能否提高国际化程度。Liu（2014）指出企业采用电子商务的强度取决于应用或执行电商的水平以及程度。Gomez（2014）指出相同的产品下，电子商务的成本更低，但由语言差异导致的相关契约与谈判时间成本会增加，最后指出跨境支付使用率以及灵活性增加一倍，跨境电商交易额增长七倍。
（二）国内电商供应链金融研究
国内电商供应链金融更倾向于研究供应链上下游的企业融资问题。国内的许多研究考虑到了大数据与供应链金融的联系与促进作用，如刘炎隽（2015）借助大数据背景，对第三方电商与物流主导的供应链金融模式进行详细的论述。方秀丽、吴灼亮（2016）从大数据背景及产业链角度出发，分析大数據对B2C电商供应链金融产生的影响，探讨大数据环境下融资对象的不同带来的融资服务的不同。
业内对于融资模式创新的探讨同样是主流的研究方向之一。徐锦波（2018）指出海外仓模式是未来跨境电商发展的趋势，建设和使用海外仓可以解决目前存在的物流问题。李娟等（2012）提出了“云仓模式”，即借助第三方电子交易平台形成的供应链金融服务创新模式。屠建平（2013）在BMB商业模式的基础上提出了电商BMB融资模式。吴义爽（2009）借助博弈方法分析“网络联保”的创新模式，表示该模式可以有效缓解中小企业融资中的信息不对称问题，促使信贷市场达到均衡状态。
在供应链金融的应用当中，对风险的分析与控制是十分重要的。陶强（2012）借助模糊综合评价的方法从平台、物流企业等多个视角提供风险控制的措施。郭菊娥（2014）以分析B2B发展模式的风险因素为基础，从准入条件、责权界定、风险预警及风险补偿等方面向银行提出应当加强风险控制的意见。陶海鹏、马树建（2017）通过建立各方的风险收益模型，分析电商、银行同时为融资企业提供融资时的利率决策，研究表明风险规避程度的高低影响利率的大小，电商会从零售商风险与供应商收益两方面来衡量利弊，制定合适回购策略。
（三）国内外研究评述
综合来看，国外电商供应链金融研究的重点在于融资模式，比如现有融资模式的优点和融资模式的优化问题，以及以核心企业为出发点加入对信息、成本、规模等的考量，研究角度更加多样化且具有创新性，这是值得国内学者借鉴的。
而国内文献多集中于融资模式和风险控制这两个角度，同时近年来伴随人工智能的发展也在不断探求技术尤其是大数据等对于金融行业深刻变革的具体表现，这是非常值得肯定的。但不足之处在于研究方法较为单一，与国外研究偏好相比内容创新不足。在风险控制方面，主要可以分为信用风险、市场风险、法律风险、操作风险四类，对于电商供应链金融风险控制的研究较多，也是本文着力之处，但长期存在学术研究滞后于业界实践的情况，因而对于风险角度的研究，在准确度、实用性和时效性方面应有更高的追求。
三、理论分析与模型指标体系构建
（一）理论分析
首先，融资企业的经营状况在很大程度上决定了电商企业的风险状况。偿债能力、营运能力、盈利能力和发展能力是财务风险分析中常用的四大指标。偿债能力是企业实现正常经营的前提，企业只有保持合理的负债水平，才能在避免现金流断裂的前提下，提高自身资产营运效率，实现资金与资源使用效率最大化。盈利能力分析可以清楚反映融资企业赚取利润、降低成本、规避风险的能力，是各个经营环节的具体表现，可以体现该企业现阶段的经营模式是否可靠。发展能力分析可以一定程度上反应融资企业的发展趋势与前景，营运能力分析是对偿债能力和盈利能力的补充，其次，一条供应链越牢固，发生风险的可能性就越小。张淑焕和陈志莲（2006）指出核心企业与融资企业互利互惠的关系体现在位于供应链上游的核心企业的使命是将融资企业的边际信用度提高到与核心企业的同等水平。核心企业之所以愿意做出这样的行为是因为它们在分包制中对融资企业的依赖和信誉建立后的“乘数效应”。因此，通过考察核心企业与上下游融资企业的合作关系，如交易年限与交易频率等要素，可以对其违约的概率进行判断。同时，核心企业的行业地位以及自身的发展状况也需要进行分析。 第三，质押物的价格波动会产生风险，若质押物的价格下降幅度较大，融资企业在没有提供相应价格补偿的情况下，可能选择放弃质押物的赎回权而选择违约，这将给电商平台带来较大风险，此外，质押物的变现能力也应当得到重视，当融资企业违约时，电商平台可通过变卖质押物获得补偿，质押物的市场供求等状况往往不易获得，可以通过将其转化为企业货币资金与短期债务之比来衡量企业是否能实现短时间内迅速变现。
最后，质押物与应收账款的质量与宏观经济和行业系统风险高度相关。由于电商供应链融资涉及质押物和应收账款，所以存在一定的市场风险。具体可能表现在政策性因素、宏观经济因素、政治因素、突发性因素、行业技术变化、生命周期、区域经济、政治、环境不确定性等方面。考虑到指标的敏感性与准确性，应当选取数据丰富的宏觀经济因素与行业环境因素进行分析，GDP可在一定程度上反映宏观经济状况，同时可以通过考察行业指数涨跌幅预测行业前景。
（二）指标体系构建
（三）模型选择
Logistic模型常被用于寻找导致某一事件发生的影响因素、预测与判别。在信用风险的识别中，是否建立了合适的指标体系来度量企业的违约风险，可以通过Logistic模型进行量化分析。
通过Logit变换，因变量变为胜算比的对数Zi，成为了解释变量Xi的线性函数。其中，Xi表示后文主成分分析提取出来的公因子，βi为各公因子的系数值，Pi为企业发生信用风险的概率。
四、数据选取与实证结果分析
（一）数据选取
本文以汽车行业和通信行业的核心企业为切入点，通过搜寻其上游原材料供应商以及下游产品经销商，共筛选出汽车行业和通信行业的22家上市公司为研究对象。2015年，我国经济发展进入新常态，由高速增长转为中高速增长，这对中小企业来说是一个关键时点，因此本文选取上市公司2015-2018年的数据构建表1所示指标体系。数据主要来源于以下途径：一是在Wind数据库搜集相关上市公司2015-2018年的财务数据;二是在东方财富网搜集有关行业指数数据;三是通过国家统计局获取工业生产者价格指数相关信息以衡量质押品价格稳定性;四是通过查找核心企业年报获得核心企业与融资企业关联交易的状况。
在实证分析中，主要按照2016-2018年企业绩效评价标准值该标准值由国务院国资委考核分配局发布中的“总资产负债率较差值”将企业分为有信用风险与无信用风险两类，其中汽车行业与通信行业按照不同的行业标准值划分。但考虑到有八个样本属于文化、办公用机械制造业（与通信行业核心企业具有关联交易），与汽车行业和通信行业相比，行业规模较小，且产品价值相对较低，故采用“总资产负债率较低值”将8个样本加以区分更为合理。最终，实际观测到有风险企业8家，无风险企业80家。
（二）主成分因子分析
对数据进行缩尾处理后，为找出对因变量影响最为显著的因素，进行单因素方差分析，将显著性水平大于0.05的指标剔除，最终得到的指标体系如表2所示。
使用SPSS18.0对指标数据进行KMO和Bartlett的球形度检验，本文的得到的KMO值为0.738，可以做因子分析，Bartlett的球形检验统计量的Sig值<0.01，可以认为，各指标之间存在显著的相关性。
接下来，使用主成分方法并抽取特征值大于1的公因子，特征值小于1的因子此处略，得到的解释的总方差如表3所示。
由表3知，前4个主成分解释的累计方差已经达到80%以上，能够较好的解释原有变量所包含的所有信息。为了使每个因子上具有较高载荷的变量数目最小，采用最大方差法进行因子旋转。为了使结果更加清晰，本文只显示了载荷系数大于0.5的数值，结果如表4所示：
（三）Logistic回归模型分析
使用SPSS18.0，以上文提取出来的四个公因子为协变量，企业是否有风险（0为无风险，1为有风险）为因变量进行Logistic回归分析，指定协变量进入回归模型的方法为进入，可得表6：
由表6知，四个因子的系数分别为-6.838、-2.384、1.823、1.016，这表明，前两个因子与融资企业是否发生信用风险具有负相关关系，后两个因子与融资企业是否发生信用风险具有正相关关系，前三个公因子的显著性水平均小于0.05，故它们对企业是否存在信用风险具有显著影响。
（四）模型检验
对回归方程进行显著性检验，由表7知，Sig值为0，远小于0.05，这表明本次实证分析得到的Logistic回归方程是具有统计学意义的。
五、结论与对策建议
（一）结论
本文构建的供应链金融融资风险评价指标体系能够结合Logistic回归模型很好的评估融资企业的信用风险。这些指标主要从融资企业状况、核心企业状况、质押物以及宏观环境四个方面对企业进行考察。使用主成分因子分析法提取出的四个因子，对融资企业的信用风险状况存在影响。
第1个公因子与融资企业是否发生信用风险具有负相关关系。由成份得分系数矩阵可得，得分最高的前三个指标为货币资金与短期债务之比、流动比率和速动比率，他们的得分均为正，这表明这些指标的值越高，信用风险越低。
第2个公因子与融资企业是否发生信用风险具有负相关关系。得分最高的前三个指标为每股收益、销售净利率和ROA，他们的得分均为正，这表明企业信用风险随盈利能力的增加而降低。盈利能力作为公司经营的主要目标，一方面是企业资源是否得到合理配置与利用的体现，另一方面是保障债权人到期收回本息，投资者获得期望投资收益，企业得以稳定经营和发展的必要条件，因此具有较强盈利能力的企业发生信用风险的能力较低。
第3个公因子与融资企业是否发生信用风险具有正相关关系。得分突出的指标为应收账款周转率和资产负债率，他们的得分均为正。一般而言，企业的应收账款周转率保持在较高水平较好，但对于汽车行业和通讯行业的中小企业来说，较高的应收账款周转率可能意味着公司奉行较紧的信用政策，付款条件过于苛刻一方面会限制企业销售量的扩大，另一方面会削弱融资企业与核心企业的合作关系。由于这两个行业的应收账款主要发生在上下游供应商之间，因此当应收账款周转率升高时，较紧的信用政策使得企业的盈利能力受到削减，最终付出的代价将大于赊销成本，从而增加信用风险。从长期来看，资产负债率的提高同样会增加企业信用风险。 第4个公因子与融资企业是否发生信用风险具有正相关关系，所得结果显著性不强，但很大部分原因是样本量有限。得分突出的三个指标为行业指数涨跌幅、核心企业行业排名、合作密切程度，其中行业指数涨跌幅和核心企业行业排名的得分均为正，因为行业指数涨跌幅越大，表明行业发展越不稳定，风险越大;核心企业行业排名采用分数度量，排名越靠后，则分子越大，分数越大，因而风险越大;合作密切程度得分为负，这表明合作密切程度越高，供应链出现信用风险的概率就越低，这与现实是相符的。
（二）建议
首先，电商平台要加强技术创新，建立电商平台数据共享系统，使供应链各企业财务状况更加透明化。不同的电商平台通过信息共享，搭建供应链金融圈企业信息数据库，可以更加详细地了解融资企业各方面的表现，通过该信息平台减少电商平台与融资企业间的信息不对称，健全电商市场体系。
其次，电商平台应当对整条供应链进行动态地、全方位地监督。核心企业在供應链金融中充当着信用担保的重要作用，因此对核心企业的考察应当包括其行业地位、核心企业总资产周转率和合作密切程度等。此外，电商平台在整个供应链融资过程中负责商品的仓储和质押，因此质押物的变现能力和价格稳定性都对实现质押物的动态评估与管理具有重要意义。
最后，电商平台可引入衍生产品等套期保值工具实现部分风险的转移。针对质押物的价格波动以及其他由外部条件造成的不稳定因素，期权、信贷资产证券化、信用衍生产品等金融工具，可将一部分风险进行转移，实现对质押物成本的锁定。
参考文献：
[1]常艳花.互联网+模式下的零售供应链可持续发展模式探讨[J].商业经济研究，2018（24）：30-32.
[2]方秀丽，吴灼亮.大数据环境下基于B2C电子商务平台的供应链金融服务创新研究[J].重庆科技学院学报（社会科学版），2016（07）：41-44+47.
[3]雷辉，赵士琛.企业社会责任与企业信用风险评估——基于利益相关者视角的Logistic模型创新[J].湖南大学学报（社会科学版），2019，33（02）：88-95.
[4]吴义爽.关联博弈、机会主义治理与中小企业融资的制度创新——基于“网络联保”信贷模式的案例研究[J].经济学家，2009（05）：82-86.
[5]王媛，毛敏.我国电商平台供应链金融融资模式研究——以蚂蚁金服、京东、苏宁为例[J].物流工程与管理，2019，41（03）：75-78.
[6]刘森，钟淑琪，胡亚男，杨丹.电商企业供应链金融模式创新与研究——以京东金融为例[J].物流工程与管理，2019，41（01）：1-3.
[7]陶海鹏，马树建.基于电商供应链金融的融资模式及风险决策分析[J].财会月刊，2017（17）：113-117.
[8]张淑焕，陈志莲.基于集群理论的中小企业“融资链”问题探讨[J].商业经济与管理，2006（05）：66-69.
[9]陈悦，阮思阳.供应链金融的模式及风险控制策略探析——以京东为例[J].中国市场，2018（20）：168-170.
[10]邱普.怡亚通的供应链+互联网商业生态[J].中国储运，2018（11）：58
〔杨欣、董竹（通讯作者），吉林大学商学院〕
关键词：供应链金融 电商平台 Logistic模型
一、引言
中小企业作为市场主体的重要组成部分，在国民经济发展中扮演着至关重要的角色。但由于固定资产少、财务状况不清晰、银行与企业间信息不对称等问题，中小企业通常面临着严重的融资的问题。供应链金融的出现有效缓解了中小微企业的融资困境，使得供应链上下游企业之间的关系更为紧密。电商平台利用其自身技术优势与大数据基因特点，将供应链金融落实于整个资金链与物流业中，在金融领域发挥着越来越重要的作用。但是，电商平台具有一定的整体性和协同性，某一环节出现风险极易牵一发而动全身。目前国内对于供应链金融风险的分析主要是从信用风险、业务操作风险、抵押资产风险、物流监管风险和贸易背景的真实性风险几大方面入手，对电商平台运作模式下的供应链金融风险研究较少，且多以定性分析为主。
由于国内供应链金融主要集中在计算机通信、汽车、化工、煤炭、钢铁、医药等行业，本文以汽车行业和通信行业的核心企业为切入点，构建了更为全面的指标体系。除了对融资企业自身条件进行考察，还将核心企业、质押物、行业风险纳入考量范围，从而更为准确地识别电商平台供应链融资过程中的风险企业，对促进电商平台供应链金融健康发展具有一定意义。
二、文献综述
（一）国外电商供应链金融研究
国外电商供应链金融方面的研究重点是融资模式，通常以核心企业为研究焦点。在融资模式方面，比较有代表性的是Corning（2001），他认为企业能够借助B2B电商与金融机构结为联盟，实现快速、简化和高效的融资。另外，Chen（2012）表明线上的融资模式在交易速度与交易规模上都优于传统模式，提出了一种网络融资模式以实现中小企业的顺利融资。
同时，开展供应链金融业务时也存在着一些进入壁垒。Ndayizigamiye（2014）发现影响企业是否采用电子商务的关键性因素主要在于相对优势和兼容性，特别是能否加强与上游供应商、下游客户之间的信息沟通以及能否提高国际化程度。Liu（2014）指出企业采用电子商务的强度取决于应用或执行电商的水平以及程度。Gomez（2014）指出相同的产品下，电子商务的成本更低，但由语言差异导致的相关契约与谈判时间成本会增加，最后指出跨境支付使用率以及灵活性增加一倍，跨境电商交易额增长七倍。
（二）国内电商供应链金融研究
国内电商供应链金融更倾向于研究供应链上下游的企业融资问题。国内的许多研究考虑到了大数据与供应链金融的联系与促进作用，如刘炎隽（2015）借助大数据背景，对第三方电商与物流主导的供应链金融模式进行详细的论述。方秀丽、吴灼亮（2016）从大数据背景及产业链角度出发，分析大数據对B2C电商供应链金融产生的影响，探讨大数据环境下融资对象的不同带来的融资服务的不同。
业内对于融资模式创新的探讨同样是主流的研究方向之一。徐锦波（2018）指出海外仓模式是未来跨境电商发展的趋势，建设和使用海外仓可以解决目前存在的物流问题。李娟等（2012）提出了“云仓模式”，即借助第三方电子交易平台形成的供应链金融服务创新模式。屠建平（2013）在BMB商业模式的基础上提出了电商BMB融资模式。吴义爽（2009）借助博弈方法分析“网络联保”的创新模式，表示该模式可以有效缓解中小企业融资中的信息不对称问题，促使信贷市场达到均衡状态。
在供应链金融的应用当中，对风险的分析与控制是十分重要的。陶强（2012）借助模糊综合评价的方法从平台、物流企业等多个视角提供风险控制的措施。郭菊娥（2014）以分析B2B发展模式的风险因素为基础，从准入条件、责权界定、风险预警及风险补偿等方面向银行提出应当加强风险控制的意见。陶海鹏、马树建（2017）通过建立各方的风险收益模型，分析电商、银行同时为融资企业提供融资时的利率决策，研究表明风险规避程度的高低影响利率的大小，电商会从零售商风险与供应商收益两方面来衡量利弊，制定合适回购策略。
（三）国内外研究评述
综合来看，国外电商供应链金融研究的重点在于融资模式，比如现有融资模式的优点和融资模式的优化问题，以及以核心企业为出发点加入对信息、成本、规模等的考量，研究角度更加多样化且具有创新性，这是值得国内学者借鉴的。
而国内文献多集中于融资模式和风险控制这两个角度，同时近年来伴随人工智能的发展也在不断探求技术尤其是大数据等对于金融行业深刻变革的具体表现，这是非常值得肯定的。但不足之处在于研究方法较为单一，与国外研究偏好相比内容创新不足。在风险控制方面，主要可以分为信用风险、市场风险、法律风险、操作风险四类，对于电商供应链金融风险控制的研究较多，也是本文着力之处，但长期存在学术研究滞后于业界实践的情况，因而对于风险角度的研究，在准确度、实用性和时效性方面应有更高的追求。
三、理论分析与模型指标体系构建
（一）理论分析
首先，融资企业的经营状况在很大程度上决定了电商企业的风险状况。偿债能力、营运能力、盈利能力和发展能力是财务风险分析中常用的四大指标。偿债能力是企业实现正常经营的前提，企业只有保持合理的负债水平，才能在避免现金流断裂的前提下，提高自身资产营运效率，实现资金与资源使用效率最大化。盈利能力分析可以清楚反映融资企业赚取利润、降低成本、规避风险的能力，是各个经营环节的具体表现，可以体现该企业现阶段的经营模式是否可靠。发展能力分析可以一定程度上反应融资企业的发展趋势与前景，营运能力分析是对偿债能力和盈利能力的补充，其次，一条供应链越牢固，发生风险的可能性就越小。张淑焕和陈志莲（2006）指出核心企业与融资企业互利互惠的关系体现在位于供应链上游的核心企业的使命是将融资企业的边际信用度提高到与核心企业的同等水平。核心企业之所以愿意做出这样的行为是因为它们在分包制中对融资企业的依赖和信誉建立后的“乘数效应”。因此，通过考察核心企业与上下游融资企业的合作关系，如交易年限与交易频率等要素，可以对其违约的概率进行判断。同时，核心企业的行业地位以及自身的发展状况也需要进行分析。 第三，质押物的价格波动会产生风险，若质押物的价格下降幅度较大，融资企业在没有提供相应价格补偿的情况下，可能选择放弃质押物的赎回权而选择违约，这将给电商平台带来较大风险，此外，质押物的变现能力也应当得到重视，当融资企业违约时，电商平台可通过变卖质押物获得补偿，质押物的市场供求等状况往往不易获得，可以通过将其转化为企业货币资金与短期债务之比来衡量企业是否能实现短时间内迅速变现。
最后，质押物与应收账款的质量与宏观经济和行业系统风险高度相关。由于电商供应链融资涉及质押物和应收账款，所以存在一定的市场风险。具体可能表现在政策性因素、宏观经济因素、政治因素、突发性因素、行业技术变化、生命周期、区域经济、政治、环境不确定性等方面。考虑到指标的敏感性与准确性，应当选取数据丰富的宏觀经济因素与行业环境因素进行分析，GDP可在一定程度上反映宏观经济状况，同时可以通过考察行业指数涨跌幅预测行业前景。
（二）指标体系构建
（三）模型选择
Logistic模型常被用于寻找导致某一事件发生的影响因素、预测与判别。在信用风险的识别中，是否建立了合适的指标体系来度量企业的违约风险，可以通过Logistic模型进行量化分析。
通过Logit变换，因变量变为胜算比的对数Zi，成为了解释变量Xi的线性函数。其中，Xi表示后文主成分分析提取出来的公因子，βi为各公因子的系数值，Pi为企业发生信用风险的概率。
四、数据选取与实证结果分析
（一）数据选取
本文以汽车行业和通信行业的核心企业为切入点，通过搜寻其上游原材料供应商以及下游产品经销商，共筛选出汽车行业和通信行业的22家上市公司为研究对象。2015年，我国经济发展进入新常态，由高速增长转为中高速增长，这对中小企业来说是一个关键时点，因此本文选取上市公司2015-2018年的数据构建表1所示指标体系。数据主要来源于以下途径：一是在Wind数据库搜集相关上市公司2015-2018年的财务数据;二是在东方财富网搜集有关行业指数数据;三是通过国家统计局获取工业生产者价格指数相关信息以衡量质押品价格稳定性;四是通过查找核心企业年报获得核心企业与融资企业关联交易的状况。
在实证分析中，主要按照2016-2018年企业绩效评价标准值该标准值由国务院国资委考核分配局发布中的“总资产负债率较差值”将企业分为有信用风险与无信用风险两类，其中汽车行业与通信行业按照不同的行业标准值划分。但考虑到有八个样本属于文化、办公用机械制造业（与通信行业核心企业具有关联交易），与汽车行业和通信行业相比，行业规模较小，且产品价值相对较低，故采用“总资产负债率较低值”将8个样本加以区分更为合理。最终，实际观测到有风险企业8家，无风险企业80家。
（二）主成分因子分析
对数据进行缩尾处理后，为找出对因变量影响最为显著的因素，进行单因素方差分析，将显著性水平大于0.05的指标剔除，最终得到的指标体系如表2所示。
使用SPSS18.0对指标数据进行KMO和Bartlett的球形度检验，本文的得到的KMO值为0.738，可以做因子分析，Bartlett的球形检验统计量的Sig值<0.01，可以认为，各指标之间存在显著的相关性。
接下来，使用主成分方法并抽取特征值大于1的公因子，特征值小于1的因子此处略，得到的解释的总方差如表3所示。
由表3知，前4个主成分解释的累计方差已经达到80%以上，能够较好的解释原有变量所包含的所有信息。为了使每个因子上具有较高载荷的变量数目最小，采用最大方差法进行因子旋转。为了使结果更加清晰，本文只显示了载荷系数大于0.5的数值，结果如表4所示：
（三）Logistic回归模型分析
使用SPSS18.0，以上文提取出来的四个公因子为协变量，企业是否有风险（0为无风险，1为有风险）为因变量进行Logistic回归分析，指定协变量进入回归模型的方法为进入，可得表6：
由表6知，四个因子的系数分别为-6.838、-2.384、1.823、1.016，这表明，前两个因子与融资企业是否发生信用风险具有负相关关系，后两个因子与融资企业是否发生信用风险具有正相关关系，前三个公因子的显著性水平均小于0.05，故它们对企业是否存在信用风险具有显著影响。
（四）模型检验
对回归方程进行显著性检验，由表7知，Sig值为0，远小于0.05，这表明本次实证分析得到的Logistic回归方程是具有统计学意义的。
五、结论与对策建议
（一）结论
本文构建的供应链金融融资风险评价指标体系能够结合Logistic回归模型很好的评估融资企业的信用风险。这些指标主要从融资企业状况、核心企业状况、质押物以及宏观环境四个方面对企业进行考察。使用主成分因子分析法提取出的四个因子，对融资企业的信用风险状况存在影响。
第1个公因子与融资企业是否发生信用风险具有负相关关系。由成份得分系数矩阵可得，得分最高的前三个指标为货币资金与短期债务之比、流动比率和速动比率，他们的得分均为正，这表明这些指标的值越高，信用风险越低。
第2个公因子与融资企业是否发生信用风险具有负相关关系。得分最高的前三个指标为每股收益、销售净利率和ROA，他们的得分均为正，这表明企业信用风险随盈利能力的增加而降低。盈利能力作为公司经营的主要目标，一方面是企业资源是否得到合理配置与利用的体现，另一方面是保障债权人到期收回本息，投资者获得期望投资收益，企业得以稳定经营和发展的必要条件，因此具有较强盈利能力的企业发生信用风险的能力较低。
第3个公因子与融资企业是否发生信用风险具有正相关关系。得分突出的指标为应收账款周转率和资产负债率，他们的得分均为正。一般而言，企业的应收账款周转率保持在较高水平较好，但对于汽车行业和通讯行业的中小企业来说，较高的应收账款周转率可能意味着公司奉行较紧的信用政策，付款条件过于苛刻一方面会限制企业销售量的扩大，另一方面会削弱融资企业与核心企业的合作关系。由于这两个行业的应收账款主要发生在上下游供应商之间，因此当应收账款周转率升高时，较紧的信用政策使得企业的盈利能力受到削减，最终付出的代价将大于赊销成本，从而增加信用风险。从长期来看，资产负债率的提高同样会增加企业信用风险。 第4个公因子与融资企业是否发生信用风险具有正相关关系，所得结果显著性不强，但很大部分原因是样本量有限。得分突出的三个指标为行业指数涨跌幅、核心企业行业排名、合作密切程度，其中行业指数涨跌幅和核心企业行业排名的得分均为正，因为行业指数涨跌幅越大，表明行业发展越不稳定，风险越大;核心企业行业排名采用分数度量，排名越靠后，则分子越大，分数越大，因而风险越大;合作密切程度得分为负，这表明合作密切程度越高，供应链出现信用风险的概率就越低，这与现实是相符的。
（二）建议
首先，电商平台要加强技术创新，建立电商平台数据共享系统，使供应链各企业财务状况更加透明化。不同的电商平台通过信息共享，搭建供应链金融圈企业信息数据库，可以更加详细地了解融资企业各方面的表现，通过该信息平台减少电商平台与融资企业间的信息不对称，健全电商市场体系。
其次，电商平台应当对整条供应链进行动态地、全方位地监督。核心企业在供應链金融中充当着信用担保的重要作用，因此对核心企业的考察应当包括其行业地位、核心企业总资产周转率和合作密切程度等。此外，电商平台在整个供应链融资过程中负责商品的仓储和质押，因此质押物的变现能力和价格稳定性都对实现质押物的动态评估与管理具有重要意义。
最后，电商平台可引入衍生产品等套期保值工具实现部分风险的转移。针对质押物的价格波动以及其他由外部条件造成的不稳定因素，期权、信贷资产证券化、信用衍生产品等金融工具，可将一部分风险进行转移，实现对质押物成本的锁定。
参考文献：
[1]常艳花.互联网+模式下的零售供应链可持续发展模式探讨[J].商业经济研究，2018（24）：30-32.
[2]方秀丽，吴灼亮.大数据环境下基于B2C电子商务平台的供应链金融服务创新研究[J].重庆科技学院学报（社会科学版），2016（07）：41-44+47.
[3]雷辉，赵士琛.企业社会责任与企业信用风险评估——基于利益相关者视角的Logistic模型创新[J].湖南大学学报（社会科学版），2019，33（02）：88-95.
[4]吴义爽.关联博弈、机会主义治理与中小企业融资的制度创新——基于“网络联保”信贷模式的案例研究[J].经济学家，2009（05）：82-86.
[5]王媛，毛敏.我国电商平台供应链金融融资模式研究——以蚂蚁金服、京东、苏宁为例[J].物流工程与管理，2019，41（03）：75-78.
[6]刘森，钟淑琪，胡亚男，杨丹.电商企业供应链金融模式创新与研究——以京东金融为例[J].物流工程与管理，2019，41（01）：1-3.
[7]陶海鹏，马树建.基于电商供应链金融的融资模式及风险决策分析[J].财会月刊，2017（17）：113-117.
[8]张淑焕，陈志莲.基于集群理论的中小企业“融资链”问题探讨[J].商业经济与管理，2006（05）：66-69.
[9]陈悦，阮思阳.供应链金融的模式及风险控制策略探析——以京东为例[J].中国市场，2018（20）：168-170.
[10]邱普.怡亚通的供应链+互联网商业生态[J].中国储运，2018（11）：58
〔杨欣、董竹（通讯作者），吉林大学商学院〕