哈爾濱工業(yè)大學工學碩士學位論文-VI緒論研究背景在當前社會背景下，我國中小企業(yè)數(shù)量迅速增長。與2018年中國第四次經濟普查數(shù)據(jù)相比，至2022年末，中國中小企業(yè)數(shù)量增長了51%REF_Ref31508\r\h[1]。然而，由于中小企業(yè)本身規(guī)模較小、信息記錄不規(guī)范、信用資質薄弱等特點，在融資過程中面臨諸多困難，如融資難和高風險問題。這給它們的持續(xù)經營和穩(wěn)健發(fā)展帶來了挑戰(zhàn)。供應鏈金融作為一種新興的融資模式，通過整合供應鏈上的資源，將核心企業(yè)與中小創(chuàng)新企業(yè)緊密地聯(lián)系在一起，為中小創(chuàng)新企業(yè)提供了一種新的融資渠道。在這種模式下，金融機構不僅關注中小創(chuàng)新企業(yè)自身的信用狀況，還考慮其在供應鏈中的地位以及與核心企業(yè)的合作關系，從而更全面地評估其信用風險。近年來，關于供應鏈金融和中小創(chuàng)新企業(yè)信用風險評價的研究逐漸增多。眾多學者紛紛從理論和實證兩個角度探討了供應鏈金融在降低中小企業(yè)融資門檻、提高融資效率方面的積極作用，以及如何通過優(yōu)化信用風險評價模式來更好地服務中小創(chuàng)新企業(yè)。這些研究不僅豐富了供應鏈金融的理論體系，也為我國中小企業(yè)融資難問題的解決提供了有力的理論支撐和實踐指導。研究目的與意義1.2.1研究目的從供應鏈金融的視角出發(fā)，深入探究中小創(chuàng)新企業(yè)信用風險評價模式，結合中小創(chuàng)新企業(yè)的特點，分析其在供應鏈金融中面臨的信用風險問題，并通過對現(xiàn)有融資風險評價模型的梳理和分析，評估其適用性和存在的問題。在此基礎上，本研究將構建一個復合型的融資風險評價模型，以更準確地評估其信用風險。通過本研究，期望能夠為中小創(chuàng)新企業(yè)的融資提供更加精準、有效的信用風險評估工具，降低其融資成本，提高其融資效率。同時，本研究也將為金融機構在風險管理方面提供有益的參考和借鑒，推動供應鏈金融的健康、可持續(xù)發(fā)展。1.2.2研究意義1、理論意義豐富和發(fā)展供應鏈金融的理論體系，特別是在中小創(chuàng)新企業(yè)信用風險評價方面。通過深入剖析供應鏈金融的內在機制，提出更加貼合中小創(chuàng)新企業(yè)實際需求的信用風險評估模式，為相關領域的理論研究提供新的視角和思路。在了解理論基礎上，將綜合運用多種分析方法，如主成分分析、SEM模型等，對供應鏈金融中各因素之間的關系進行深入探索，進一步揭示中小創(chuàng)新企業(yè)信用風險的形成機理和影響因素。這不僅有助于完善供應鏈金融的理論框架，還能為后續(xù)的實踐應用提供堅實的理論支撐。2、實踐意義對于政府而言，本研究的結果可以為制定相關政策提供科學依據(jù)。通過對中小創(chuàng)新企業(yè)信用風險評價模式的深入研究，政府可以更加精準地把握供應鏈金融領域的發(fā)展趨勢和風險點，從而制定出更加符合實際需求的政策措施，促進供應鏈金融的健康、可持續(xù)發(fā)展。對于企業(yè)而言，提供一種更為簡便、有效的信用風險評估方法。通過運用本研究提出的評價模式，企業(yè)可以更加準確地評估自身的信用風險，從而制定出更加合理的融資和合作策略，降低融資成本，提高運營效率。1.3國內外研究現(xiàn)狀分析1.3.1國外研究現(xiàn)狀最先提出供應鏈金融這個概念的是Timme（2000）REF_Ref28846\w\h[1]他將其定義為一種面向供應鏈所有成員企業(yè)的系統(tǒng)性融資安排。He等學者（2011）REF_Ref29558\w\h[2]運用模糊綜合評價法將許多定性的風險因素量化，提供了實驗的可行性，為其他學者提供了借鑒。國外在供應鏈金融模式下對風險因素的研究，大都是從市場與企業(yè)內部財務情況這兩個角度進行研究。Yang（2021）REF_Ref30018\w\h[3]認為判斷影響企業(yè)信用風險的一個重要因素是企業(yè)的特征，其中包括金融機構對其償債能力的判斷、信貸的成本和安全性、公司承受的各式風險、管理人員做出的決策、享受來自市場的服務等。Lu(2022)REF_Ref30064\w\h[4]認為能夠直接影響企業(yè)信用風險的因素是企業(yè)財務情況的穩(wěn)定性。在中小企業(yè)融資風險評價方法上，HuiSun（2015）REF_Ref4374\w\h[5]提出了基于Logistic回歸的中小企業(yè)信用風險評估模型。PingXiao,MadIthninSalleh（2023）REF_Ref30426\w\h[6]提出了一種基于決策測試和評估實驗室以及分析網絡過程的混合方法來構建風險量化框架。1.3.2國內研究現(xiàn)狀何濤等（2007）REF_Ref30462\w\h[7]較早從中小企業(yè)的角度闡述供應鏈金融概念，認為供應鏈金融通過建立金融機構與供應鏈企業(yè)之間的信息共享平臺，可以有效緩解中小企業(yè)的財務困境。中小企業(yè)融資風險評價方法上，杜躍平，任宇哲（2013）REF_Ref30498\w\h[8]通過建立BP神經網絡供應鏈融資客觀信用風險評價模型，并運用“3σ準則”進行初始信用風險評價，以規(guī)避主觀偏差，最終得出BP神經網絡法在供應鏈融資客觀信用風險評價中具有較好的適用性。提出了使用MLP神經網絡模型來評估中小企業(yè)的信用風險。還討論了MLP神經網絡模型的構建和訓練方法，并提出了一種基于特征選擇和特征權重的方法來提高模型的準確性。同年，任歌（2013）REF_Ref30551\w\h[9]從供應鏈金融的角度出發(fā)，設計了中小企業(yè)的信用風險評估指標體系，并通過最小二乘支持向量機模型進行信用風險評估。還分析了最小二乘支持向量機模型與傳統(tǒng)風險評估模型、BP神經網絡風險評估模型相比在信用風險評估方面的優(yōu)勢。主要討論了中小企業(yè)供應鏈融資的模式以及風險管理，通過對中小企業(yè)供應鏈融資的三種業(yè)務模式進行分析，并運用模糊綜合評價法對中小企業(yè)供應鏈融資風險進行綜合評價。而張永春,陳巖（2018）REF_Ref4154\w\h[10]得出基于大數(shù)據(jù)征信原理的評價指標體系對于評價中小企業(yè)信用風險具有很強的優(yōu)勢，灰色綜合評價法是評價信用風險很好的模型選擇的結論。在中小企業(yè)供應鏈金融風險上，任文超（1998）REF_Ref4190\w\h[11]率先提出了供應鏈金融中信用風險的概念，并對其產生的原由以及相應的應對措施提供了理論支持，他認為供應鏈金融業(yè)務中存在著信用風險。鮑旭紅（2009）REF_Ref4232\w\h[12]指出供應鏈金融蘊含著巨大的潛力，但當前在國內運營該模式所面臨的挑戰(zhàn)在于缺乏一個恰當?shù)男庞迷u估指標模板，這是一個需要解決的問題。之后吳沈娟(2020)REF_Ref4356\w\h[13]基于信用5C理論，運用基本分配判斷矩陣的權數(shù)方法，為各因素賦權重，構建信用風險評價體系，對于風險控制，蘇偉煒（2021）REF_Ref4376\w\h[14]分析了供應鏈金融的風險，包括道德風險、失職風險、行為風險、市場風險和信用風險。除此之外，許姍（2021）REF_Ref4402\w\h[15]建立信用風險評估體系，結合傳統(tǒng)和現(xiàn)代信用評估方法建立供應鏈金融下中小企業(yè)信用風險評估研究的Logistic模型。通過實證分析了解到與傳統(tǒng)融資模式相比較，供應鏈金融在一定程度上提高了中小企業(yè)的信用水平，建立的信用風險評估模型可以全面客觀地完成信用風險評估工作。喬永博（2021）REF_Ref4421\w\h[16]對科技型中小企業(yè)供應鏈金融風險測度進行研究。從財務因素和非財務因素來構建供應鏈金融風險指標體系，介紹可用AHP法、Logistic模型、隨機森林模型因子分析法、BP神經網絡分析法等用于評價和分析供應鏈金融風險。1.3.3論文評述上述研究者提出了在供應鏈金融模式下的信用風險評價模型，選取合適的風險因子，多重處理數(shù)據(jù)，更加準確的、動態(tài)的將要各種要素進行量化，為后面評估模型的建立奠定基礎。但建立相應的融資風險評估方法有優(yōu)點，也有缺點，Logistic模型通常需要大樣本，如果評價標準不準確，容易導致預測精度不準確。MLP神經網絡模型泛化能力有限，在處理復雜、非線性的供應鏈風險問題時，可能會出現(xiàn)過擬合的情況。因此單一的使用一種模型進行風險評估很難做到有效、準確。所以本文將深入探討供應鏈金融信用風險評估存在的問題，構建一個多種方法結合的綜合信用風險評價模型，優(yōu)化傳統(tǒng)供應鏈金融信用風險評估準確性，提高評估效率。1.4研究內容與方法1.4.1研究內容第一章：緒論本章主要介紹研究的背景、目的和意義，以及國內外在供應鏈金融和中小企業(yè)融資風險評價方面的研究現(xiàn)狀。通過對現(xiàn)有研究的梳理和評價，明確本文的研究問題和研究價值，為后續(xù)章節(jié)的研究奠定基礎。第二章：供應鏈金融與信用風險理論基礎本章首先介紹供應鏈金融的基本概念、特點和發(fā)展趨勢，以及供應鏈金融在中小企業(yè)融資中的應用和作用。然后對信用風險評價的相關理論和方法進行詳細闡述，分析現(xiàn)有信用風險評價模型在供應鏈金融中的適用性和局限性。最后結合中小創(chuàng)新企業(yè)的特點，分析其在供應鏈金融中面臨的特殊信用風險問題。第三章：現(xiàn)有融資風險評價模型分析本章主要對現(xiàn)有的融資風險評價模型進行梳理和分析。首先介紹幾種常用的融資風險評價模型，然后分析這些模型在評價中小創(chuàng)新企業(yè)供應鏈金融信用風險時的適用性和存在的問題。通過對現(xiàn)有模型的評估，為后續(xù)構建新的評估模型提供借鑒和參考。第四章：復合型融資風險評價模型構建首先明確數(shù)據(jù)選取的標準和來源，再利用主成分分析法對數(shù)據(jù)進行處理，提取關鍵因子并計算因子得分系數(shù)，然后運用SEM法進行模型假設、構建、擬合度檢驗、路徑系數(shù)檢驗和驗證假設，最后通過Logistic分析構建模型，并對模型結果進行解讀和應用。第五章：結論與展望本章對全文進行總結，概括研究的主要成果和貢獻，指出研究的創(chuàng)新點和不足之處。同時，對未來研究方向和潛在應用領域進行展望，為后續(xù)研究提供思路和方向。1.4.2研究方法1、文獻分析法國內外收集和整理有關供應鏈金融信用風險、區(qū)塊鏈技術及兩者結合三個方面的文獻來獲得資料和支持，通過細致地閱讀及瀏覽歸納，對已有的相關文獻進行了系統(tǒng)性的整理、回顧，并對相關的研究現(xiàn)狀進行了分析，厘清研究重點。2、主成分分析法簡化了評估過程，將多個變量簡化為少數(shù)幾個主成分。對多個數(shù)據(jù)進行特征選取，突出主要風險因子。3、結構方程模型分析法SEM同時估計多個因果關系，并檢驗理論模型與實際數(shù)據(jù)的擬合程度。例如，設定潛在變量來代表不同層級的供應鏈金融風險，并建立它們之間的因果關系，通過檢驗這些因果關系的強度和方向，從而對供應鏈金融風險有更深入的了解。4、Logistic回歸模型分析法Logistic回歸是一種用于解決二分類問題的統(tǒng)計方法，通過建立數(shù)學模型來描述分類變量和自變量之間的關系，并預測分類結果的概率。在具體操作中，本文將經PCA法和SEM法處理過后的數(shù)據(jù)輸入到Logistic回歸模型中，進行模型訓練和參數(shù)估計，并評估模型的預測精度和穩(wěn)定性。通過調整模型參數(shù)和優(yōu)化模型結構，提高模型的分類準確性和泛化能力。1.4.3技術路線圖1-1技術路線圖第2章：相關理論基礎2.1供應鏈金融理論基礎2.1.1供應鏈金融定義供應鏈金融在國內最早是有深發(fā)展銀行，但近幾年才被廣泛關注，學者對供應鏈金融的研究目前還處于開始階段，對其定義尚未形成共識。研究者更多的是從整體思想上來解釋供應鏈金融，關注整個鏈上利益。同一個供應鏈、產業(yè)鏈上的多家企業(yè)形成為整體，強調各個企業(yè)之間協(xié)調，通過調控風險，提高所在供應鏈上各個企業(yè)抗風險能力。因此，建立中小創(chuàng)新企業(yè)信用風險評價體系，有助于解決企業(yè)融資難、融資貴的問題。2.2供應鏈金融下中小企業(yè)的界定2.2.1創(chuàng)新中小企業(yè)特征創(chuàng)新型中小企業(yè)主要是指具有創(chuàng)新動力、人才依賴程度高、高成長潛力、創(chuàng)新模式多元、行業(yè)分布多元、風險特征更突出、區(qū)域分布集中等特征的企業(yè)。創(chuàng)新中小企業(yè)能夠通過不斷的創(chuàng)新提供新穎的產品與服務與競爭對手區(qū)分開來，其扁平的企業(yè)結構可帶來高靈活性，企業(yè)主能夠迅速調整策略適應市場變化。同樣的，創(chuàng)新型中小企業(yè)也存在不足，相對于大企業(yè)，創(chuàng)新中小企業(yè)在資金、人力、技術上資源有限，具有資源短缺和創(chuàng)新失敗的雙重風險，這些風險非常影響中小企業(yè)長期發(fā)展的穩(wěn)定性。2.2.2我國中小企業(yè)的界定要研究中小企業(yè)的信用風險，就必須對中小企業(yè)范圍進行界定，雖然不同研究者在研究不同問題時對中小企業(yè)的界定沒有準確的答案。但目前國家對此有一套具體的劃分，其劃分標準隨經濟和需要不斷在調整，當前適用的版本中的部分標準如下。表2-SEQ表\*ARABIC\s11中小企業(yè)劃分標準行業(yè)名稱指標名稱計量單位中型企業(yè)小型企業(yè)工業(yè)從業(yè)人員人300-100020-300營業(yè)收入萬元2000-40000300-2000建筑業(yè)營業(yè)收入萬元6000-80000300-6000資產總額萬元5000-80000300-5000軟件和信息技術服務業(yè)從業(yè)人員人100-30010-100營業(yè)收入萬元1000-1000050-1000信息傳輸業(yè)從業(yè)人員人100-20010-100營業(yè)收入萬元1000-100000100-1000批發(fā)業(yè)從業(yè)人員人20-2005-20營業(yè)收入萬元5000-400001000-5000零售業(yè)從業(yè)人員人50-30010-50營業(yè)收入萬元500-20000100-500在此基礎上，選擇中小創(chuàng)新指數(shù)中的企業(yè)作為樣本企業(yè)，主要選用的是公司研發(fā)投入大、自主創(chuàng)新能力強、戰(zhàn)略新興和科技型的企業(yè)，且行業(yè)主要集中在工業(yè)、信息技術、金融等行業(yè)。2.2.3基于供應鏈金融的中小企業(yè)范圍界定在供應鏈金融的視角下，中小創(chuàng)新企業(yè)的范圍界定需要緊密結合供應鏈金融的特點和中小創(chuàng)新企業(yè)的實際經營情況。供應鏈金融作為一種基于供應鏈條上各方參與者之間真實交易背景和信用關系的金融服務模式，其關注的核心在于供應鏈整體的穩(wěn)定性和流動性，以及鏈條上各節(jié)點企業(yè)的協(xié)同合作能力。中小創(chuàng)新企業(yè)作為供應鏈中的重要組成部分，往往具有技術創(chuàng)新能力強、市場反應速度快、經營靈活度高等特點。然而，由于規(guī)模相對較小、信用記錄不夠豐富，中小創(chuàng)新企業(yè)在傳統(tǒng)金融體系中往往面臨融資難、融資貴的問題REF_Ref11638\w\h[17]。供應鏈金融的出現(xiàn)，為這些企業(yè)提供了新的融資途徑，通過整合供應鏈資源，降低融資成本，提高融資效率。因此，在界定基于供應鏈金融的中小企業(yè)范圍時，應重點考慮以下幾個方面：首先，企業(yè)應屬于供應鏈條上的節(jié)點企業(yè)，與上下游企業(yè)存在真實、穩(wěn)定的業(yè)務往來REF_Ref11664\w\h[18]；其次，企業(yè)應具備一定的創(chuàng)新能力和市場競爭力，能夠通過技術創(chuàng)新或業(yè)務模式創(chuàng)新提升供應鏈整體價值；最后，企業(yè)應有良好的信用記錄和還款能力，能夠保障供應鏈金融服務的穩(wěn)健運行。在本研究中，我們選取的樣本企業(yè)為中小創(chuàng)新指數(shù)的500家企業(yè)。這些企業(yè)作為深圳證券交易所選取的具有創(chuàng)新性和成長性的代表，其經營情況和財務狀況能夠較好地反映中小創(chuàng)新企業(yè)的整體狀況。同時，借鑒以往研究，我們選取了多個財務指標來全面評價這些企業(yè)的信用風險。這些指標不僅涵蓋了企業(yè)的盈利能力、償債能力、運營效率等方面，還考慮了企業(yè)的成長性和創(chuàng)新能力，從而能夠更準確地反映企業(yè)在供應鏈金融視角下的信用風險狀況。2.3基于供應鏈金融的中小企業(yè)信用風險2.3.1信用風險的定義信用風險主要是指違約風險，借款人由于各種原因，不愿或無法履行所定\t"/item/%E4%BF%A1%E7%94%A8%E9%A3%8E%E9%99%A9/_blank"合同的條件而形成違約，可能造成貸款人損失的風險。在金融機構的貸款業(yè)務中，信用風險是最主要的風險之一，也是銀行和其他金融機構所面臨的最大風險之一。中小企業(yè)信用風險在供應鏈金融扮演重要地位，其供應鏈涉及的企業(yè)眾多，經營狀況直接關系到整個供應鏈的運作，一旦不良貸款數(shù)量增多，會影響到整個供應鏈的穩(wěn)定和貸款人的利益，如何防范信用風險有助于中小企業(yè)解決融資難等問題，有效管理中小企業(yè)信用風險對于保障供應鏈的穩(wěn)定性和提高供應鏈金融的效率至關重要。2.3.2供應鏈金融信用風險產生的原因在供應鏈金融中，中小企業(yè)的信用風險是由于多種復雜因素綜合作用產生?？赡苁枪溒髽I(yè)的償債意愿和償債能力不足，企業(yè)主本身可能不愿意還款或者借助信息不對稱惡意欠款，或者是因為供應鏈中小企業(yè)自身的管理水平可能比較低，在企業(yè)經營狀況發(fā)生改變時缺乏應對能力，導致財務狀況發(fā)生變化而難以還款。同時，中小企業(yè)資信狀況通常不如大型企業(yè)，同時我國管理機制不完善，違約成本低，容易出現(xiàn)債務償還延緩或回收困難。供應鏈中的中小企業(yè)往往處于劣勢地位，依賴少數(shù)關鍵客戶作為客戶，如果這一些客戶出現(xiàn)問題，將會影響到相對應的中小企業(yè)的經營和信用狀況。所以構建與之有關的信用風險評估模型有助于我們了解資信狀況，企業(yè)良好的資信狀況有助于供應鏈金融業(yè)務正常運轉。2.4風險評估模型概述2.4.1主觀信用風險評估模型主觀評估模型主要依靠專家的判斷和經驗，通過主觀分析和定性判斷來評估借款或貸款企業(yè)的信用風險的方法。通過幾個步驟了解企業(yè)的具體情況，首先要通過專家訪談、調查問卷等方式收集專家意見，進一步了解企業(yè)相應的經營、財務狀況等信息，為后續(xù)的評估打基礎。收集意見之后，對相應企業(yè)的信用狀況進行綜合評估，專家可以根據(jù)自己的經驗和所掌握的知識，對借款人的信用風險進行主觀判斷。在主觀判斷的同時，也要建立與完善信用評分制度，將相關企業(yè)的各種信息和指標轉化為信用評分，方便后續(xù)將企業(yè)的信用狀況進行量化評估。主觀信用風險評估模型的優(yōu)點在于能夠充分利用專家的經驗和行業(yè)知識、對相關企業(yè)的信用狀況進行全面而準確的評估。但是，主觀信用風險評估模型主觀性較強，有可能出現(xiàn)評估結果不穩(wěn)定，存在主觀偏差等問題。因此在使用的時候一般少使用或者與其他評估方法共同使用。主要有信用5C要素分析法，在之后還出現(xiàn)了更科學、更系統(tǒng)化、層次化的層次分析法，將定性與定量結合起來，雖然主觀因素還影響著結果，但是相比于使用單一的固定要素的評估方法已經有了很大的改觀。2.4.2參數(shù)信用風險評估模型參數(shù)信用模型主要基于統(tǒng)計學方法和數(shù)據(jù)，通過構建數(shù)學模型將相應企業(yè)的各種信息和指標轉換為信用評分或者概率，為量化評估信用狀況打下基礎，這一類模型主要是采用概率統(tǒng)計的方法，比如Logistic、Probit等模型，將各種財務、經營和市場信息進行統(tǒng)計分析，建立起對借款企業(yè)的信用風險評估模型。對于參數(shù)信用風險評估模型，首先就要收集和整理借款企業(yè)的財務報表、經營數(shù)據(jù)等，方便后續(xù)用科學的方法選擇合適的類型和變量建立起參數(shù)信用評估模型，從而完成對借款企業(yè)信用狀況的量化評估。在建立模型后，要對模型進行驗證和調整，觀察模型的擬合度和預測能力，確保模型能夠有效穩(wěn)定的預測，之后就可將模型運用于實際之中。優(yōu)點在于能夠將借款企業(yè)的各類信息和指標轉換為具體的信用評分和概率進一步實現(xiàn)對信用狀態(tài)的量化，其缺點也非常明顯，就是需要大量的歷史數(shù)據(jù)，而且對數(shù)據(jù)的準確性也有要求。2.4.3非參數(shù)信用風險評估模型隨著科技發(fā)展，近幾年非參數(shù)模型也大量出現(xiàn)，比如神經網絡分析法、隨機數(shù)子空間法，此類評估模型方法借助計算機，可以學習大量數(shù)據(jù)，且準確性更高，但是大多是很多個模型結合而成，學習難度和運算效率不如參數(shù)信用風險評估模型和主觀評估模型。2.5本章小結本章詳細對供應鏈金融理論基礎、中小企業(yè)界定、信用風險產生原因和風險評估模型概述的相關理論知識進行描述。評估在供應鏈金融中的信用風險是至關重要的，整個供應鏈的穩(wěn)定性和金融機構的利益保障都與其息息相關。在介紹了基本理論后闡述了不同的信用風險評估模型，例如主觀評估模型、參數(shù)評估模型和非參數(shù)評估模型，每種模型都有其特點和適用場景。通過上述理論分析了解了中小企業(yè)信用風險的本質及其影響因素，以及如何選擇合適的評估模型來有效管理和預防信用風險。在實際應用中，我們應根據(jù)具體情況綜合運用各種評估模型，以提高風險評估的準確性和全面性，從而為供應鏈金融的健康發(fā)展提供有力支撐。第3章：中小企業(yè)信用風險評價體系現(xiàn)狀3.1信用風險評價理論現(xiàn)狀隨著國內與國外金融市場不斷接軌和國內經濟的發(fā)展，國內信用風險評價的模型在這20年如雨后春筍般被提出。但多數(shù)都是基于數(shù)學模型的新型信用度量模型，就廣度來說相較于國外來說稍遜一籌，國外風險評價的模型無論是提出時間還是提出的方法比國內都要更早更全。國外在第一次金融危機出現(xiàn)之后十分重視風險評估，從之前的要素分析法到后續(xù)的財務比率分析法，再到之后利用多元線性判別，1990年后國際上普遍利用數(shù)學模型進行風險評估，使用多種建模方法進行信用風險評價，對比之前舊的方法在準確性上有了一定的這一方法也被越來越多的金融機構和學者所接受與研究。3.2現(xiàn)有信用風險評價方法目前國內外都有學者對信用風險的評估都提出自己方法和見解，主要有主成分分析法、Logistic模型、SEM結構模型、MLP神經網絡法。3.2.1主成分分析法主成分分析法通過線性組合原始變量，提取出最能代表數(shù)據(jù)信息的主成分，處理大量變量，能夠降低數(shù)據(jù)維度，從而減少數(shù)據(jù)維度，提高模型解釋性評估信用風險。在企業(yè)風險評估中，可以利用主成分分析來識別最主要的風險因素，例如財務指標、市場風險等。在企業(yè)風險評估中，選取過程中可能會丟失信息，如果風險因素之間存在復雜的非線性關系，還可能會忽略各因素的非線性關系。3.2.2Logistic模型Logistic回歸模型適用于二分類問題，能夠處理非線性關系。在企業(yè)風險評估中，可以利用Logistic模型來評估信用違約概率，從而評估其信用風險水平，具體做法一般是將自變量設定為各項與風險評價有關的指標，因變量設置為違約可能性。但是Logistic模型在對數(shù)據(jù)分布和特征之間的線性關系過于敏感，可能存在過擬合問題。，如果企業(yè)的違約情況受到多種因素的影響，且這些因素之間存在復雜的非線性關系，Logistic模型可能無法很好地發(fā)現(xiàn)。3.2.3結構方程模型SEM將變量之間的直接和間接關系整合到一個統(tǒng)一的模型中，用于評估信用風險。在企業(yè)風險評估中，可以利用SEM模型來分析各種風險因素之間的復雜關系，深入理解企業(yè)的風險結構。既然要考慮多個變量，那對數(shù)據(jù)的要求也比較高，需要大樣本量和較好的數(shù)據(jù)質量，同時帶來SEM模型建立和解釋也較復雜。3.2.4MLP神經網絡法多層感知器神經網絡通過多個神經元層進行信號傳遞和處理，用于學習和預測信用風險，能夠處理復雜的非線性關系。在企業(yè)風險評估中，可以利用MLP神經網絡來建立復雜的非線性模型，從而更準確地預測企業(yè)的信用風險水平。但想要準確地預測就需要大量數(shù)據(jù)進行訓練，如果樣本量較小或者模型參數(shù)選擇不當，MLP神經網絡可能無法很好地泛化到新的數(shù)據(jù)集上。在供應鏈的環(huán)境下，對中小企業(yè)信用風險的評估主要是依據(jù)財務指標，選擇評價指標進行評估。若要準確、可靠的評估中小企業(yè)的信用風險，建立一套行之有效的信用風險評價模型是必不可少的。3.3現(xiàn)有供應鏈風險評估模型存在的問題表3-1模型優(yōu)缺點模型優(yōu)點缺點主成分分析法簡單易懂，可以處理大量變量，能夠降低數(shù)據(jù)維度，提高模型解釋性。忽略了變量之間的非線性關系，可能丟失信息，對異常值敏感。Logistic模型適用于二分類問題，易于解釋，能夠處理非線性關系。對數(shù)據(jù)分布和特征之間的線性關系敏感，可能存在過擬合問題。結構方程模型能夠同時考慮多個變量之間的復雜關系，提供全面的分析。對數(shù)據(jù)的要求較高，需要大樣本量和較好的數(shù)據(jù)質量，模型建立和解釋較為復雜。MLP神經網絡法能夠處理復雜的非線性關系，具有較強的自適應能力。對于參數(shù)的選擇和模型結構的確定較為敏感，需要大量數(shù)據(jù)進行訓練，容易出現(xiàn)過擬合。通過對主要供應鏈下中小企業(yè)信用風險評估方法進行比較分析我們能發(fā)現(xiàn)現(xiàn)有模型存在的不足之處。3.3.1數(shù)據(jù)獲取和處理難度由上面的比較我們知道，在數(shù)據(jù)選取過程中結構方程模型、MLP神經網絡法、結構方程法都需要大量數(shù)據(jù)支撐，但大數(shù)據(jù)無疑加劇了數(shù)據(jù)的處理難度和處理效率，我們需要花費大量精力去尋找數(shù)據(jù)，而在處理大量的數(shù)據(jù)時候，可能會，同時對數(shù)據(jù)質量的要求也很高，一些財務數(shù)據(jù)非常容易找到，但是一些企業(yè)間相關的數(shù)據(jù)比較難找到，類似運營能力相關的數(shù)據(jù)就很難找，不方便我們后續(xù)指標的確定，只能從其他方面間接去關聯(lián)。而主成分分析法就比較方便，對數(shù)據(jù)質量的要求沒有那么高，而且先對大量數(shù)據(jù)降維，也降低了后續(xù)在利用其他模型處理數(shù)據(jù)的難度。3.3.2模型的適用性和靈活性如果只采用主成分分析法，各指標之間的關系是割裂的，而對比結構方程模型、MLP神經網絡法、結構方程法三種方法，雖然模型的建立和解釋較為復雜，但能夠同時考慮多個變量之間的復雜關系，提供更加全面的分析，而其他兩種方法數(shù)據(jù)和模型之間比較敏感，可能存在過擬合問題。因此在利用主成分分析法處理數(shù)據(jù)之后，再利用結構分析法考慮多個變量之間的復雜關系，雖然靈活度不夠，但是勝在全面。也為后面處理非線性關系創(chuàng)造條件。3.4本章小結本章主要介紹了國內外信用風險評估模型的發(fā)展及現(xiàn)有方法的優(yōu)缺點，如何避免。國內雖在不斷提出新的模型，但相較于國外仍稍顯不足。同時對目前主要方法如主成分分析、Logistic模型、SEM結構模型和MLP神經網絡法的分析后發(fā)現(xiàn)主成分分析簡單易行，但可能忽略復雜關系；Logistic模型適用于二分類問題，但對線性關系敏感；SEM模型能處理多變量關系，但需要大樣本和高質量數(shù)據(jù)；MLP神經網絡能處理復雜非線性關系，但需要大量數(shù)據(jù)。供應鏈風險評估模型存在數(shù)據(jù)獲取難、模型適用性和靈活性等問題。綜上所述，綜合利用各模型優(yōu)勢以及結合實際情況，是提高信用風險評估準確性的關鍵。第四章：復合型評估模型建立4.1數(shù)據(jù)的選取本研究的數(shù)據(jù)主要來源于巨潮資訊網和深圳證券交易所，這些權威渠道所發(fā)布的數(shù)據(jù)具有高度的公信力，為準確分析中小創(chuàng)新企業(yè)的供應鏈金融狀況提供了可靠的基礎。樣本企業(yè)選定為中小創(chuàng)新指數(shù)的500家企業(yè)，這些企業(yè)作為中小創(chuàng)新型企業(yè)的代表，其經營活動與供應鏈金融緊密相連，因此選取這些企業(yè)作為研究樣本，能夠更直接地反映供應鏈金融視角下的信用風險狀況。在數(shù)據(jù)的具體選取上，本研究不僅關注企業(yè)的傳統(tǒng)財務指標，如每股收益、每股凈資產、凈資產收益率等，還特別注意選取與供應鏈金融緊密相關的指標。例如，應收賬款周轉率、存貨周轉率等指標能夠反映企業(yè)在供應鏈中的資金流轉效率，從而間接體現(xiàn)供應鏈金融的運作狀況。此外，成本費用利潤率、營業(yè)收入增長率等指標則能夠反映企業(yè)在供應鏈中的成本控制能力和市場拓展能力，進而揭示供應鏈金融對企業(yè)經營績效的影響。通過深入分析這些財務指標，我們能夠間接地推斷出企業(yè)在供應鏈金融方面的表現(xiàn)。這些財務指標作為企業(yè)經營狀況的直接體現(xiàn)，能夠反映企業(yè)在供應鏈中的實際運營情況，包括資金流動、成本控制、市場拓展等方面，從而間接地揭示企業(yè)的供應鏈金融風險。因此，本研究所選取的數(shù)據(jù)不僅具有合理性和有效性，而且能夠充分體現(xiàn)供應鏈金融的狀況。通過深入分析這些數(shù)據(jù)，我們可以更準確地把握中小創(chuàng)新企業(yè)在供應鏈金融視角下的信用風險狀況，為供應鏈金融的實踐提供有益的參考和決策支持。表4-1變量選取變量名計算方式每股收益凈利潤/總股本每股未分配利潤未分配利潤/總股本每股凈資產股東權益總額/總股本營業(yè)利潤率營業(yè)利潤/營業(yè)收入×100%凈資產收益率凈利潤/股東權益平均總額×100%投資收益率投資收益/投資成本×100%總資產報酬率(凈利潤+利息支出)/平均資產總額×100%凈利潤率凈利潤/營業(yè)收入×100%管理費用率管理費用/營業(yè)收入×100%財務費用率財務費用/營業(yè)收入×100%成本費用利潤率營業(yè)利潤/成本費用總額×100%應收賬款周轉率營業(yè)收入/平均應收賬款余額存貨周轉率營業(yè)成本/平均存貨余額固定資產周轉率營業(yè)收入/平均固定資產凈值資產負債比率總負債/總資產×100%流動比率流動資產/流動負債速動比率(流動資產-存貨)/流動負債現(xiàn)金比率現(xiàn)金及現(xiàn)金等價物/流動負債營運資金流動資產-流動負債營業(yè)收入增長率(本期營業(yè)收入-上期營業(yè)收入)/上期營業(yè)收入×100%凈利潤增長率(本期凈利潤-上期凈利潤)/上期凈利潤×100%凈資產增長率(本期凈資產-上期凈資產)/上期凈資產×100%投資收益增長率(本期投資收益-上期投資收益)/上期投資收益×100%營業(yè)利潤增長率(本期營業(yè)利潤-上期營業(yè)利潤)/上期營業(yè)利潤×100%每股現(xiàn)金流量經營活動現(xiàn)金流量凈額/總股本4.2主成分分析4.2.1因子提取主成分分析（PCA）是一種在多元統(tǒng)計分析中常用的方法，主要用于數(shù)據(jù)的降維和特征提取。通過PCA，我們可以將原始數(shù)據(jù)中的多個變量轉化為少數(shù)幾個主成分，這些主成分能夠最大程度地保留原始數(shù)據(jù)中的信息REF_Ref13786\w\h[19]。在解讀上述旋轉后的成分矩陣時，我們需要關注每個變量在各個主成分上的載荷，以及這些載荷所反映的變量與主成分之間的關系。通過主成分分析，我們最終保留了12個財務指標，分為4個主成分。首先，我們來看第1個主成分。在這個主成分上，速動比率、流動比率和現(xiàn)金比率的載荷較高，分別達到了0.971、0.966和0.908。這三個指標都是衡量企業(yè)償債能力的財務指標，它們的高載荷說明第一個主成分主要反映了企業(yè)的償債能力。這意味著，當我們在討論這個主成分時，我們實際上是在討論企業(yè)的償債能力。因此，第一個主成分可以被命名為“流動性因子”。接下來，我們看第2個主成分。在這個主成分上，營業(yè)利潤率、凈利潤率和成本費用利潤率的載荷較高，分別為0.963、0.954和0.893。這三個指標都是衡量企業(yè)盈利能力的財務指標，它們的高載荷說明第二個主成分主要反映了企業(yè)的盈利能力。因此，第二個主成分可以被命名為“成長性因子”。第3個主成分中，每股現(xiàn)金流量和投資收益率的載荷較高，分別為0.945和0.932，同時凈資產增長率也有0.903的載荷。這些指標分別代表了企業(yè)的現(xiàn)金流狀況、投資收益和資本增長能力，說明第三個主成分綜合反映了企業(yè)的現(xiàn)金流和投資增長情況。因此，第三個主成分可以被命名為“盈利性因子”。最后，第4個主成分中，每股收益、每股未分配利潤和營業(yè)收入增長率的載荷相對較高，分別為0.899、0.821和0.697。這些指標主要反映了企業(yè)的收益和成長能力，因此第四個主成分可以被命名為“信用可靠性因子”。在實際應用中，我們可以根據(jù)這些主成分對企業(yè)進行綜合評價和比較。例如，我們可以計算每個企業(yè)在各個主成分上的得分，然后根據(jù)這些得分對企業(yè)的財務狀況進行排名或分類。此外，我們還可以利用這些主成分進行進一步的分析，如回歸分析、聚類分析等，以更深入地挖掘企業(yè)財務數(shù)據(jù)中的信息。綜上所述，通過解讀旋轉后的成分矩陣，我們可以深入理解主成分分析在財務數(shù)據(jù)分析中的應用和意義。這不僅有助于我們更好地理解企業(yè)的財務狀況，還為我們提供了有效的工具和方法來進行更深入的數(shù)據(jù)分析和挖掘。表4-2旋轉后的成分矩陣成分1234流動性因子速動比率0.971流動比率0.966現(xiàn)金比率0.908成長性因子營業(yè)利潤率0.963凈利潤率0.954成本費用利潤率0.893盈利性因子每股現(xiàn)金流量0.945投資收益率0.932凈資產增長率0.903信用可靠性因子每股收益0.899每股未分配利潤0.821營業(yè)收入增長率0.697旋轉方法：凱撒正態(tài)化最大方差法。4.2.2因子得分系數(shù)根據(jù)上述的成分得分系數(shù)矩陣，我們可以寫出每個主成分的表達式。這些表達式是原始財務指標的線性組合，用于計算每個樣本企業(yè)在各個主成分上的得分。以下是各個主成分的表達式：主成分1（流動性因子）:主成分1得分=-0.068*凈利潤率+0.370*速動比率+0.340*現(xiàn)金比率+0.019*每股收益+0.024*每股未分配利潤-0.036*營業(yè)收入增長率+0.366*流動比率-0.077*營業(yè)利潤率-0.023*投資收益率-0.026*成本費用利潤率-0.003*凈資產增長率-0.041*每股現(xiàn)金流量主成分2（成長性因子）:主成分2得分=0.401*凈利潤率-0.071*速動比率-0.051*現(xiàn)金比率-0.116*每股收益-0.110*每股未分配利潤-0.070*營業(yè)收入增長率-0.063*流動比率+0.411*營業(yè)利潤率+0.013*投資收益率+0.339*成本費用利潤率+0.008*凈資產增長率-0.010*每股現(xiàn)金流量主成分3（盈利性因子）:主成分3得分=0.008*凈利潤率-0.035*速動比率+0.005*現(xiàn)金比率-0.046*每股收益-0.047*每股未分配利潤-0.039*營業(yè)收入增長率-0.032*流動比率+0.013*營業(yè)利潤率+0.381*投資收益率-0.013*成本費用利潤率+0.344*凈資產增長率+0.368*每股現(xiàn)金流量主成分4（信用可靠性因子）:主成分4得分=-0.103*凈利潤率+0.013*速動比率-0.022*現(xiàn)金比率+0.477*每股收益+0.439*每股未分配利潤+0.368*營業(yè)收入增長率+0.004*流動比率-0.114*營業(yè)利潤率-0.113*投資收益率-0.030*成本費用利潤率+0.000*凈資產增長率-0.008*每股現(xiàn)金流量。這些表達式允許我們使用原始財務指標數(shù)據(jù)計算每個樣本企業(yè)在每個主成分上的得分，從而進一步分析企業(yè)在流動性、成長性、盈利性和信用可靠性方面的表現(xiàn)。這些得分可以用于比較不同企業(yè)之間的財務狀況，或者用于構建更復雜的財務模型以進行更深入的分析。表4-3成分得分系數(shù)矩陣成分1234凈利潤率-0.0680.4010.008-0.103速動比率0.37-0.071-0.0350.013現(xiàn)金比率0.34-0.0510.005-0.022每股收益0.019-0.116-0.0460.477每股未分配利潤0.024-0.11-0.0470.439營業(yè)收入增長率-0.036-0.07-0.0390.368流動比率0.366-0.063-0.0320.004營業(yè)利潤率-0.0770.4110.013-0.114投資收益率-0.0230.0130.381-0.113成本費用利潤率-0.0260.339-0.013-0.03凈資產增長率-0.0030.0080.3440每股現(xiàn)金流量-0.041-0.010.368-0.008提取方法：主成分分析法。4.3SEM法檢驗4.3.1模型假設結構方程模型（SEM）假設的核心在于理解并描述變量之間的因果關系。在本研究中，我們提出了一個包含多個潛在變量和觀測變量的SEM模型。這些變量涉及多個方面，如經濟、社會、心理等，它們之間相互作用，共同影響著我們關心的核心問題。在結構方程模型（SEM）的框架下，我們根據(jù)提供的模型回歸系數(shù)匯總表格來設置合理的假設。這些假設是構建和驗證SEM模型的基礎，它們反映了潛在變量之間以及潛在變量與觀測變量之間的預期關系，我們假設：H1：流動性因子對成長性因子具有顯著的正向影響。流動性因子通常指的是企業(yè)資產的變現(xiàn)能力和現(xiàn)金流狀況。高流動性意味著企業(yè)能夠快速獲取資金，這有助于其抓住投資機會，擴大經營規(guī)模，進而促進企業(yè)的成長REF_Ref14589\w\h[21]。例如，流動性良好的企業(yè)可以更容易地通過擴大市場份額、研發(fā)新產品或進行技術升級等方式實現(xiàn)增長。因此，可以推斷流動性因子對成長性因子具有正向影響。H2：流動性因子對信用可靠性因子具有顯著的正向影響。信用可靠性因子反映了企業(yè)的償債能力和信用狀況。流動性良好的企業(yè)通常能夠更好地應對突發(fā)的資金需求或償債壓力，從而保持穩(wěn)定的信用狀況REF_Ref14762\w\h[22]。債權人更愿意向流動性好的企業(yè)提供貸款，因為這降低了違約風險。因此，流動性因子對信用可靠性因子具有正向影響。H3：成長性因子對信用可靠性因子具有顯著的正向影響。成長性因子體現(xiàn)了企業(yè)的發(fā)展?jié)摿臀磥碛芰?。成長性好的企業(yè)往往具有更高的市場份額、更強大的品牌影響力和更廣泛的客戶基礎，這些因素都有助于提高企業(yè)的償債能力和信用可靠性REF_Ref14837\w\h[23]。此外，成長性良好的企業(yè)更容易吸引投資者的關注和資金支持，進一步提升了其信用可靠性。因此，可以認為成長性因子對信用可靠性因子具有正向影響。H4：盈利性因子對信用可靠性因子具有顯著的正向影響。盈利性因子反映了企業(yè)的盈利能力和經營效率。盈利性好的企業(yè)通常具有更穩(wěn)定的現(xiàn)金流和更強的償債能力，從而表現(xiàn)出更高的信用可靠性。債權人更愿意向盈利穩(wěn)定的企業(yè)提供貸款，因為這降低了違約風險REF_Ref14896\w\h[24]。此外，盈利性良好的企業(yè)還有更多的資金用于償還債務和應對風險，進一步提升了其信用可靠性。因此，盈利性因子對信用可靠性因子具有正向影響。這些假設為后續(xù)的SEM模型構建和驗證提供了堅實的基礎，并有助于我們深入理解變量之間的復雜關系，揭示潛在的影響機制。通過檢驗這些假設，我們可以更準確地評估模型的擬合度和預測能力，并為解決實際問題提供有力的支持。4.3.2構建模型首先，我們根據(jù)理論框架和研究假設，確定模型中的潛在變量和觀測變量。在本研究中，潛在變量包括流動性因子、成長性因子、盈利性因子和信用可靠性因子，這些因子代表了企業(yè)運營的不同方面，如資金流動性、成長能力、盈利狀況以及信用水平。而觀測變量則是這些潛在變量的具體指標，如現(xiàn)金比率、速動比率、成本費用利潤率等，它們用于測量潛在變量的實際表現(xiàn)。接著，我們構建潛在變量之間的結構關系。這些關系反映了潛在變量之間的因果關系，是我們研究的核心內容。根據(jù)研究假設，我們設定了流動性因子對成長性因子的影響、成長性因子對信用可靠性因子的影響等結構關系。這些關系通過路徑系數(shù)來表示，路徑系數(shù)的正負和大小反映了因果關系的方向和強度。此外，為了保證模型的準確性和可靠性，我們還需要對模型進行必要的檢驗和調整。這包括檢驗模型的擬合度、檢查參數(shù)的顯著性水平、評估模型的穩(wěn)定性等。如果模型的擬合度不佳或參數(shù)不顯著，我們可能需要重新考慮模型的設定或調整參數(shù)的估計方法。圖4-1結構方程模型圖4.3.3擬合度檢驗表4中列出了模型擬合指標的結果，包括卡方自由度比（χ2/df）、擬合優(yōu)度指數(shù)（GFI）、近似均方根誤差（RMSEA）、標準化殘差均方根（RMR）、比較擬合指數(shù)（CFI）、規(guī)范擬合指數(shù)（NFI）以及非規(guī)范擬合指數(shù)（NNFI）。這些指標在結構方程模型（SEM）和其他統(tǒng)計模型的分析中常被用來評估模型的擬合效果。卡方自由度比（χ2/df）是衡量模型擬合程度的常用指標，其值小于3通常被認為模型擬合良好。在本例中，χ2/df的值為2.965，小于3，因此可以判斷模型擬合得相當好。擬合優(yōu)度指數(shù)（GFI）反映了模型解釋觀察數(shù)據(jù)的程度，其值大于0.9通常表示模型擬合較好。本例中的GFI值為0.912，大于0.9的標準，說明模型擬合度較高。近似均方根誤差（RMSEA）是衡量模型不擬合程度的指標，其值小于0.10通常表示模型擬合良好。本例中RMSEA值為0.096，小于0.10，進一步支持了模型擬合良好的結論。標準化殘差均方根（RMR）用于衡量觀察數(shù)據(jù)與模型預測之間的差異，其值小于0.05通常表示模型擬合較好。在此例中，RMR值為0.045，小于0.05，進一步證明了模型的良好擬合。比較擬合指數(shù)（CFI）、規(guī)范擬合指數(shù)（NFI）以及非規(guī)范擬合指數(shù)（NNFI）均是衡量模型擬合度的指標，它們的值大于0.9通常被認為模型擬合良好。在本例中，CFI值為0.961，NFI值為0.954，NNFI值為0.948，均大于0.9的標準，進一步驗證了模型擬合的有效性。綜上所述，根據(jù)表4中列出的模型擬合指標結果，可以判斷該模型在擬合觀察數(shù)據(jù)方面表現(xiàn)良好，各項指標均達到了學術研究中通常采用的判斷標準。因此，可以認為該模型是一個有效的模型，能夠較好地解釋和預測相關現(xiàn)象。表4-4模型擬合指標?常用指標卡方自由度比χ2/dfGFIRMSEARMRCFINFINNFI判斷標準<3>0.9<0.10<0.05>0.9>0.9>0.9值2.9650.9120.0960.0450.9610.9540.948檢驗通過通過通過通過通過通過通過4.3.4路徑系數(shù)檢驗在結構方程模型中，回歸系數(shù)是評估潛在變量之間關系強度與方向的關鍵指標。本部分將依據(jù)提供的模型回歸系數(shù)匯總表格，對各項假設進行逐一檢驗，并結合具體數(shù)據(jù)解讀各潛在變量間的相互作用。從回歸系數(shù)來看，流動性因子對成長性因子的非標準化回歸系數(shù)為0.300，且對應的p值為0.000，表明該回歸系數(shù)顯著。標準化回歸系數(shù)為0.294，也進一步驗證了流動性因子對成長性因子的正向影響。因此，H1假設得到了驗證。流動性因子對信用可靠性因子的非標準化回歸系數(shù)為0.006，但p值為0.897，說明該回歸系數(shù)并不顯著。因此，H2假設未能得到驗證。這可能是因為其他未考慮的因素對信用可靠性因子的影響更為顯著，或者樣本數(shù)據(jù)的特性導致這一關系并不明顯。成長性因子對信用可靠性因子的非標準化回歸系數(shù)為0.376，p值為0.000，表明該回歸系數(shù)顯著。標準化回歸系數(shù)為0.370，進一步證實了成長性因子對信用可靠性因子的正向影響。因此，H3假設得到了驗證。盈利性因子對信用可靠性因子的非標準化回歸系數(shù)為0.253，p值為0.000，顯示該回歸系數(shù)顯著。標準化回歸系數(shù)為0.227，支持了盈利性因子對信用可靠性因子的正向影響。因此，H4假設得到了驗證。綜上所述，根據(jù)表5中的模型回歸系數(shù)數(shù)據(jù)，我們驗證了H1、H3和H4假設，而H2假設未能得到驗證。這些結果為我們提供了關于企業(yè)各財務指標之間相互關系的深入理解，并可為企業(yè)的財務策略制定和風險管理提供有價值的參考。表4-5模型回歸系數(shù)匯總表格X→Y非標準化回歸系數(shù)SEz(CR值)p標準化回歸系數(shù)流動性因子→成長性因子0.3000.0476.4360.0000.294流動性因子→信用可靠性因子0.0060.0470.1290.8970.006成長性因子→信用可靠性因子0.3760.0468.1760.0000.370盈利性因子→信用可靠性因子0.2530.0505.1030.0000.227流動性因子→現(xiàn)金比率0.8220.02532.7390.0000.848流動性因子→速動比率1.0110.009108.9090.0000.998流動性因子→流動比率1.0000.988成長性因子→成本費用利潤率0.9230.02047.1740.0000.923成長性因子→凈利潤率0.9910.01283.0050.0000.983成長性因子→營業(yè)利潤率1.0000.990盈利性因子→凈資產增長率1.0000.885盈利性因子→投資收益率0.9350.03725.2610.0000.852盈利性因子→每股現(xiàn)金流量1.0880.03630.6420.0000.966信用可靠性因子→營業(yè)收入增長率0.5220.04711.0410.0000.530信用可靠性因子→每股未分配利潤0.7420.04815.5380.0000.758信用可靠性因子→每股收益1.0000.994--PAGE17-4.4Logistic分析與建模4.4.1構建模型為了以信用可靠性因子為因變量構建二元分類變量的二元Logit回歸模型，我們首先需要設定因變量的取值規(guī)則。在這個模型中，我們將信用可靠性因子轉化為一個二元分類變量，假設我們將信用可靠性因子高于某一閾值（均值）的情況定義為正值，賦值為1，表示信用可靠性高；低于該閾值的情況定義為反值，賦值為0，表示信用可靠性低。自變量包括流動性因子、盈利性因子和成長性因子，它們將作為預測信用可靠性二元分類結果的解釋變量。4.4.2結果解讀流動性因子回歸系數(shù)為0.190，意味著流動性因子的增加會提高信用可靠性的概率（盡管影響可能較?。?。z值為1.402，對應的p值為0.161，大于常用的顯著性水平0.05，因此流動性因子對信用可靠性的影響并不顯著。盈利性因子回歸系數(shù)為0.955（注意系數(shù)是負的，表示與信用可靠性呈反向關系），說明盈利性因子的增加會降低信用可靠性的概率。z值為5.040，p值為0.000，小于0.05，表明盈利性因子對信用可靠性的影響非常顯著。成長性因子回歸系數(shù)為1.526，說明成長性因子的增加同樣會提高信用可靠性的概率。z值為3.377，p值為0.001，小于0.05，顯示成長性因子對信用可靠性的影響也很顯著。表4-6二元Logit回歸分析結果匯總項回歸系數(shù)標準誤Waldχ2p值OR值OR值95%CI流動性因子0.1900.1361.9650.1611.2090.927~1.578盈利性因子0.9550.18925.3970.0000.3850.266~0.558成長性因子1.5260.45211.4050.0010.2170.090~0.527截距0.5110.11021.4310.0001.6671.343~2.0704.5模型應用1.信貸風險評估與決策支持在金融領域，信貸風險評估是銀行、金融機構及其他債權人進行貸款審批的關鍵環(huán)節(jié)。通過利用該模型，債權人可以基于企業(yè)的財務數(shù)據(jù)（如盈利性因子和成長性因子）快速、準確地評估企業(yè)的信用可靠性，從而為貸款決策提供依據(jù)。模型能夠幫助債權人識別潛在的高風險借款人，降低不良貸款的風險，同時也有助于發(fā)現(xiàn)具有潛力的優(yōu)質借款人，優(yōu)化貸款組合。2.投資決策與風險管理對于投資者而言，了解企業(yè)的信用狀況是做出投資決策的重要參考因素。該模型能夠為投資者提供企業(yè)信用可靠性的量化評估，幫助投資者在投資前對企業(yè)的信用風險進行充分評估，從而避免潛在的投資損失。此外，模型還可以用于投資組合的風險管理，通過分散投資來降低整體信用風險。3.信用評級與監(jiān)管信用評級機構可以利用該模型對企業(yè)的信用狀況進行評級，為市場提供客觀、公正的信用信息。這有助于維護市場秩序，保護投資者利益。同時，監(jiān)管機構也可以利用該模型對金融機構的信貸業(yè)務進行監(jiān)管，確保金融機構在信貸業(yè)務中遵守相關法規(guī)，降低系統(tǒng)性風險。4.企業(yè)自我管理與優(yōu)化企業(yè)可以利用該模型進行自我信用評估，了解自身在信貸市場的地位和潛在風險。通過對比不同時期的信用評估結果，企業(yè)可以發(fā)現(xiàn)自身在財務管理、業(yè)務發(fā)展等方面的優(yōu)勢和不足，從而制定針對性的優(yōu)化策略，提升企業(yè)的信用狀況和市場競爭力。5.模型優(yōu)化與學術研究該模型為學術研究提供了豐富的數(shù)據(jù)分析和模型優(yōu)化空間。研究者可以基于該模型進一步探討信用可靠性的影響因素，提出新的理論假設并進行實證檢驗。同時，通過對模型的優(yōu)化和改進，可以提高模型的預測準確性和泛化能力，為實際應用提供更好的支持。4.6本章小結本章詳述了復合評估模型的構建流程，涉及數(shù)據(jù)選擇、主成分分析、SEM檢驗和Logistic建模。我們選取500家中小創(chuàng)新企業(yè)的財務指標，通過主成分分析提取出流動性、成長性、盈利性和信用可靠性4個關鍵因子。通過分析旋轉矩陣和因子得分系數(shù)，深入理解了各因子的財務含義及其相互關系。在SEM檢驗中，我們構建并驗證了結構方程模型，模型的擬合度良好，各因子對信用可靠性的影響得到證實。Logistic回歸分析顯示了各變量對信用可靠性的預測效果。此外，本章討論了模型在信貸風險評估、投資決策、信用評級、企業(yè)自我管理和學術研究中的實際應用，強調了模型作為決策支持和風險管理工具的價值。未來，我們計劃優(yōu)化模型，擴大應用范圍，提升預測精度，為實踐和研究提供更深入的洞見。結論5.1研究結論本文通過研讀相關論文，提煉總結現(xiàn)有的基于供應鏈的中小企業(yè)風險評估方法，并對現(xiàn)有信用風險評估方法進行比較，發(fā)現(xiàn)單一的評估方法并不能很有效的評估風險。想要更為準確、高效的評估中小創(chuàng)新企業(yè)的信用風險就必須建立一個復合模型，因此本文采用了一個先主成分分析法，再利用結構方程法分析不同因子之間的關系，最后通過logitc模型檢驗信用顯著性。解決現(xiàn)存模型出現(xiàn)大數(shù)據(jù)、不高效、不準確等問題。提出模型設想后通過主成分分析法提取了主成分因子，最大程度地保留原始數(shù)據(jù)中的信息。利用凱撒正態(tài)化最大方差法計算成分得分，進一步用于比較不同企業(yè)之間的財務狀況、構建更復雜的財務模型以進行更深入的分析。之后通過量化流動性因子與現(xiàn)金比率、速動比率等觀測變量的關系，估計流動性因子對現(xiàn)金比率、速動比率等的影響程度，反應潛在變量之間以及潛在變量與觀測變量之間的預期關系，而擬合檢驗的各類指數(shù)都在可接受范圍內，也證明了復合模型的可行性，最后通過logistics模型檢驗顯著性，發(fā)現(xiàn)各類因子對可靠性的影響都是顯著的，從而證明該模型可對供應鏈中的創(chuàng)新中小企業(yè)的風險進行評估。通過合理利用復合型評估模型，相信未來也可以為各類機構和個人提供有效的決策支持和風險管理工具，促進企業(yè)的可持續(xù)發(fā)展和市場穩(wěn)定。5.2研究的局限性本文進行的指標分析時，由于通過現(xiàn)有手段，比較好獲取的只有財務指標，對能夠反映企業(yè)間數(shù)據(jù)的很難找到，因此沒有對企業(yè)間關系的指標進行選取，而是通過在數(shù)據(jù)選取時進行處理。同時非財務指標占比較低，只是通過結構分析法分析非財務數(shù)據(jù)的關系，不符合選擇指標的全面性原則，本文在此這些方面還有不足，其模型也許不能完全放映出企業(yè)的真正的信用水平。5.3未來研究展望對于本文存在不足之處，在今后的學習生涯中要對其深入研究，主要從以下而2個方面加以改進。1.在今后調查中，多從相關企業(yè)的報告中關注反映企業(yè)間關系的數(shù)據(jù)，更真實、準確的反映供應鏈之間的關系。2、隨著信息化技術的發(fā)展，區(qū)塊鏈、大數(shù)據(jù)也在不斷運用在供應鏈金融中，怎么自動抓取數(shù)據(jù)，并且運用人工智能自主更新模型也是未來的研究方向。參考文獻TimmeS,WilliamstimmeC.Thefinancial-SCMconnection[J].SupplyChainManagementReview,2000,4(2):33-40.HeJ,KangLW,MaZH.ComprehensiveevaluationofcreditriskofsupplychainfinanceamongSMEs:basedonFCE[J].Appliedmechanicsandmaterials,2011,58:668-673.YangY,ChuX,PangR,etal.Identifyingandpredictingthecreditriskofsmallandmedium-sizedenterprisesinsustainablesupplychainfinance:evidencefromChina[J].Sustainability,2021,13(10):5714.LuJ,ChenX.RiskmodeloffinancialsupplychainofInternetofThingsenterprises:Aresearchbasedonconvolutionalneuralnetwork[J].Computercommunications,2022,183:96-106.SunH,GuoM.Creditriskassessmentmodelofsmallandmedium-sizedenterprisebasedonlogisticregression[C]//IEEEInternationalConferenceonIndustrialEngineering&EngineeringManagement.IEEM.2015.7385940.PingXiao,MadIthninSalleh,B.B.Zaidan,YangXuelan.ResearchonriskassessmentofBlockchain-drivenSupplyChainfinance:Asystematicreview[J].Computers&IndustrialEngineering,2023,176:108990.何濤,翟麗.基于供應鏈的中小企業(yè)融資模式分析[J].物流科技,2007,30(5):87-91.杜躍平,任宇哲.供應鏈融資的客觀信用風險評價方法研究[J].西安電子科技大學學報(社會科學版),2013,23(06):57-67.任歌.供應鏈金融中小企業(yè)風險評估模型[J].統(tǒng)計與決策,2013,(17):176-179.張永春,陳巖.大數(shù)據(jù)背景下的中小企業(yè)信用風險評價與應用研究[J].電子商務,2018,(12):34-35+59.任文超.物資“銀行”的構思與操作[J].資本市場,1998,(05):50-51.鮑旭紅.基于供應鏈金融的中小企業(yè)融資渠道創(chuàng)新研究[J].科技和產業(yè),2009,9(01):74-77.吳沈娟.供應鏈金融環(huán)境下中小企業(yè)信用風險指標權重設計[J].時代金融,2020,(21):69+86.蘇偉煒.企業(yè)融資視角下供應鏈金融風險防控研究[J].中國鄉(xiāng)鎮(zhèn)企業(yè)會計,2021,(06):10-11.許姍.供應鏈金融視角下中小企業(yè)信用風險評估研究[D].山東財經大學,2021.喬永博,陳勝利.科技型中小企業(yè)供應鏈金融風險測度研究[J].財務與金融,2021,(05):6-14.于金利.供應鏈金融下中小企業(yè)信用風險評估模型研究[J].產業(yè)創(chuàng)新研究,2021,(23):91-93.熊超,戴曉燕,莊瑾亮債.券市場供應鏈金融應用研究——基于證券化創(chuàng)新助力供應鏈中小企業(yè)融資的視角[J].金融市場研究,2023,(10):129-139.李洪成,張茂軍,馬廣斌.SPSS數(shù)據(jù)分析實用教程[M].人民郵電出版社:201703.338.Z.TK.MultipleRegressionandBeyond:AnIntroductiontoMultipleRegressionandStructuralEquationModeling[M].TaylorandFrancis:2014-12-19.黃平,干勝道.中小企業(yè)信用風險研究進展及未來發(fā)展方向[J].商業(yè)會計,2021,(12):96-99.孫劍斌,魏敏.基于決策樹與神經網絡的上市公司信用風險評估模型比較研究[J].中國管理信息化,2021,24(01):100-106.李海,吳廣海.基于Logistic回歸的上市中小企業(yè)信用風險評估模型研究[J].全國流通經濟,2020,(36):157-159.喻勝華,陳珊.基于稀疏主成分的我國上市公司信用風險評價與預測[J].經濟數(shù)學,2020,37(03):189-194.附錄A：英文文獻原文附錄B：英文文獻翻譯基于Logistic回歸的中小企業(yè)信用風險評估模型摘要中小企業(yè)在中國經濟社會發(fā)展中發(fā)揮著非常重要的作用。它們的發(fā)展離不開金融支持，信貸業(yè)務的發(fā)展也是銀行運營的重要方面。在解決中小企業(yè)融資困難問題時，如何管理信貸風險將成為重要的研究課題。本文選擇一家商業(yè)銀行50家借款企業(yè)的財務數(shù)據(jù)作為樣本，構建Logistic風險評估模型。我們進行了回歸分析、Hosmer-Lemeshow檢驗和Hosmer-Lemeshow隨機性檢驗。實證結果表明，Logistic風險評估模型具有良好的數(shù)據(jù)擬合度。關