供应链信息风险范文

引言：寻求写作上的突破？我们特意为您精选了4篇供应链信息风险范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

中图分类号：F273.7 文献标识码：A

Abstract： The influence of the rise aversion is analyzed on the retailer's order quantity and the member's profits under buyback contract. Then， the member's profits and the information value for manufacturer are discussed considering the retailer's risk aversion in both symmetric and asymmetric risk preference information situation. The result shows that the member's profits are decreasing with the risk aversion level and the member's profits under symmetric information situation are better than asymmetric situation.

Key words： risk aversion； buyback contract； asymmetric information

0 引 言

从20世纪90年代开始，随着经济全球化的发展以及交通、通讯等技术的发展，市场竞争开始变得越来越激烈，在这些竞争中，各个企业开始意识到如果单靠自身力量很难立足取得长远发展，尤其以中小企业为代表，他们开始将自己的上下游企业链接起来，组成长期合作的供应链联盟关系，以获取竞争优势和长期利益。而供应链上成员之间利润如何分配，如何才能达到供应链的协调这一问题也随之产生。大部分情况下，供应链上成员会选择通过订立合同或契约的方式来协调利润分配，于是供应链契约理论一直以来都是学术界普遍研究的热点。

回购契约作为经典契约，一直以来被学术界广泛研究讨论，最早如Pasternak[1]对多种不同形式的回购契约进行分析比较，并揭示出了各自适用范围。随后，Padmanabhan和Png[2]，Donohue[3]，Emmons[4]，Taylor[5]，Mostard和Teunter[6]也都陆续从不同角度研究了回购契约对供应商、零售商的影响，以及对整体供应链绩效提高的贡献。但他们都是以风险中性的假设为前提，而现实经济活动中，决策主体中的大多数都是中小企业，他们由于资金实力薄弱，往往更加厌恶损失，根据前景理论[7]，决策者应当都是损失厌恶的。所以，结合风险规避信息来研究回购契约具有更加现实的意义。基于此，Tsay[8]研究了风险敏感性对供应商和零售商双方的影响，并运用回购策略进行调整。Zhang等[9]研究了零售商是损失厌恶型的一般报童模型，得出回购契约可以达到协调该供应链的结论。但综合上述研究发现风险规避信息都是对称的，因此对风险规避信息非对称下的回购契约进行研究，并找出一种有效方法揭示风险偏好信息，就可以使供应链主体在回购契约下的决策能够得到更好的理论指导。

本文在现有研究的基础上，分析了回购契约下，一个风险中性生产商和一个风险规避零售商的二级供应链，揭示了零售商风险规避程度对零售商订货量以及供应链上成员利润的影响。考虑了在风险规避信息对称与不对称情况下，风险规避程度对供应链上成员利润的影响，以及风险规避度信息对供应商的价值。

1 符号说明

假设该供应链为一个生产商和一个零售商组成的简单二级供应链，生产商生产唯一产品，通过零售商的销售渠道，将产品销售给消费者。该产品的市场需求为x，其概率密度为fx，分布函数为Fx，x≥0。

c为生产商的生产成本，w为批发价格，SQ为该产品的期望销售量。b为生产商的回购价格。假定p为零售商的销售价格，在每一销售期前，零售商必须确定订货量Q，而且零售商在一个销售期内只有一次订货机会。如果需求x

在集中控制情况下，整个供应链的利润函数为：π=pSQ-CQ+VIQ

其中SQ表示期望销售额，pQ表示期望剩余库存，则：

SQ=minQ，D=Q-Fxdx IQ=Q-SQ=Fxdx

由于：

=p-pFQ-c+vFQ =v-pfQ

可知，供应链系统利润是最优订货量Q的凹函数，存在唯一帕累托最优解Q，且Q满足：FQ=

即：Q=Fp-c/p-v

2 回购契约构建

回购契约下，风险中性零售商的期望利润为：π=psQ-wQ+bQ-SQ

风险中性的生产商的期望利润为：π=w-cQ-b-vQ-SQ

零售商从其期望利润最大化的角度来选择最优的订货量Q，因为：

=p1-FQ-w+bFQ

所以，零售商的期望利润是订货量的凹函数，其最优订货量为：Qb=Fw-p/b-p

考虑到零售商可能因为资金有限，更加厌恶损失，为损失规避型零售商。采用管理科学与经济学广泛采用的分段效用函

数[12]来表示零售商的损失厌恶程度，令W表示零售商的初始财富，则：

UW=

其中，W为利润值，λ为损失规避程度，通常有λ≥0。若λ=1，则表示为风险中性。λ越大，越厌恶损失。为方便分析，假设零售商的初始财富为0，即W=0。

令θQ，b=，损失规避零售商的效用函数为：

U=λPX-Wq+bQ-xfxdx+px-wQ+bQ-xfxdx+p-wQfxdx=λ-1px-wQ+bQ-xfxdx+π

命题一：

（1）损失规避零售商有且仅有唯一最优订货量Q，满足方程：

λ-1b-wFθ+p-w+b-pFQ=0

（2）Q是λ的减函数，生产商、零售商的利润是λ的减函数：

=-

3 不对称的风险偏好信息研究

当零售商知道自己的风险偏好信息，而生产商没有考虑零售商的风险偏好信息时，生产商在制定回购价格决策时，一般是基于零售商是风险中性的假设。

基于零售商风险中性的假设，由最优订货量Q，可以得到零售商最优订货量和回购价格之间的对应关系，解得：

b=

把上式带入生产商利润函数，则生产商的利润函数用Q表示为：

π=w-cQ-b-vQ-SQ=w-cQ--vFxdx

同理，零售商的利润为：

π=psQ-wQ+bQ-SQ=p-bsQ-w-bQ=Fxdx-Q

可证得，生产商的利润函数为Q的凹函数，因此生产商偏爱最优订货量Q=argmaxπ。基于b=，生产商选择回购价格为bQ。

如果零售商为损失规避型零售商，当供应商给定回购价格时，零售商则从给定的回购价格和其损失规避程度出发，基于命题一的（1）式λ-1b-wFθ+p-w+b-pFQ=0选择最优订购量，而不是按照Qb=Fw-p/b-p。

表1中对比了当零售商损失规避信息为对称和非对称情况下，供应商、零售商及整个供应链的利润。对称信息下，零售商的利润要优于非对称信息；对称信息下，供应商选择的回购价格高于非对称信息，但对称信息下供应商的利润仍高于非对称信息。因此，对于供应链整体，对称信息下，供应链的利润要高于非对称信息情况。设销售价格为15，生产成本为3，批发价格6，残值是4，市场需求为0，20上的均匀分布，即x∈U0，20。图1为对供应商而言，零售商风险偏好的信息价值，即阴影区域。

4 结 论

本文分析了回购契约下，零售商损失规避程度对供应链中订货量及各成员利润的影响。进一步分析了零售商损失规避信息为对称和非对称情况下，供应链上各成员的利润对比情况。

研究表明，供应链中零售商的订货量，以及各成员的利润均为零售商损失规避程度的减函数。当零售商损失规避信息为对称信息时，供应链的整体利润要优于非对称信息；虽然生产商在对称信息下选择的批发价格要高于非对称信息，但对称信息下零售商的利润仍要高于非对称信息下的利润；对零售商而言，其利润在对称信息时也要优于非对称信息时。所以，要使供应链的整体实现Parrot改进，供应链上的主体要积极共享自己的风险偏好信息。

本文仅考虑了批发价格由外部市场价格决定的情况，即作为外生变量，进一步的研究中可以将批发价格作为供应商的决策变量来进行分析。其次，还可以放宽对零售商只有一次订货机会的限制，允许零售商二次订货，这些方面有待进一步分析。

参考文献：

[1] Pasternak B A. Optimal pricing and return policies for perishable commodities[J]. Marketing science， 1985，27（1）：133-140.

[2] Padmanabhan V， Png I P L. Returns policies： Make money by making good[J]. Sloan Management Review， 1995，37：65.

[3] Donohue K L. Efficient supply contracts for fashion goods with forecast updating and two production modes[J]. Management science， 2000，46（11）：1397-1411.

[4] Emmons H， Gilbert S M. Note. The role of returns policies in pricing and inventory decisions for catalogue goods[J]. Management science， 1998，44（2）：276-283.

[5] Taylor T A. Supply chain coordination under channel rebates with sales effort effects[J]. Management science， 2002，48（8）：992

-1007.

[6] Mostard J， Teunter R. The newsboy problem with resalable returns： A single period model and case study[J]. European Journal of Operational Research， 2006，169（1）：81-96.

篇2

关键词：供应链；信息风险；信息失真；信息管理

自20世纪80年代以来，供应链管理思想作为一种全新的管理方法取得了快速的发展。企业为了应对空前的压力和挑战，管理者们一直在致力于提高他们的供应链效率。虽然企业的一些努力起到了提高供应链效率的目标，但是同时也增加了供应链的脆弱性，无形中增加了供应链的风险。近年来供应链的风险管理越来越受到企业的重视，成为企业有待攻克的新课题。供应链管理涉及了商流、物流、资金流和信息流四个方面，其中信息流的管理起着至关重要的作用，其他三个方面的管理都是围绕信息流来开展的。本文就供应链中的信息风险进行了分析，指出了信息风险产生的主要原因并提出了防范信息风险的有效措施。

一、供应链信息风险概念

为了适应消费者需求特征的变化，以及经济全球化的变化，一种全新的管理模式——供应链管理，逐渐走进人们的视野。在这种新型的管理模式的演进过程中，人们对风险的研究和管理也随之展开。由于信息流在供应链管理的重要性，使得对供应链的信息风险的管理就显得格外重要。供应链的信息风险是指企业把信息作为一种资源，所有与该资源有关的不确定性给企业带来的损失的可能性。具体来说就是信息在供应链各主体之间进行传递过程的失真而造成的决策失误、企业隐性成本增加、战略实施能力不足等后果的风险。

二、供应链信息风险产生的原因分析

（一）信息失真带来的信息风险

信息失真会给企业的供应链带来信息风险，目前信息失真主要包括，以“牛鞭效应”为代表的信息失真和其他类型的信息失真。

（1）以“牛鞭效应”为代表的信息失真

“牛鞭效应”是指需求信息在从供应链下游企业向上游企业的传递过程中由于信息的扭曲所导致的需求被放大的现象。由于在供应链上处于节点的企业只能根据和它相邻的下游企业的订单信息来安排生产，然而各节点企业为了结合自身的生产计划以及应对一些突发事件会在下游企业订单的基础上增加一部分机动产量，也就是产生了一部分无效需求，是需求信息发生了扭曲。导致了供应链上各企业的库存被迫增加，使供应链的运作效率下降。产生“牛鞭效应”的根本原因在于信息在传递的过程中出现了时滞和失真。“牛鞭效应”带来的供应链信息风险主要包括一下几方面：第一，“牛鞭效应”会给供应链上的企业带来多余的无效库存，物流在自上而下转移过程中逐级缩小，相应的各个节点企业就要增加无效的库存。第二，“牛鞭效应”会带来扰乱市场秩序的风险，由于供应链各个企业不能快速对市场需求做出反应，会使客户满意度降低导致各企业收益下降。另外，由于市场上的供给大于需求，使产品价格下降，会对消费者的行为产生影响，进而对供应链企业造成影响。第三，“牛鞭效应”会带来造成误导生产计划并且会造成制造商投资浪费的风险。一方面过度的需求反应会打乱制造商的原来的生产计划，是企业进行生产计划的修改提高了企业的运营成本，另一方面，企业为了适应虚假的需求现象必然会加大投资，扩大生产规模，当市场需求平稳之后会是制造商的产能利用率降低，导致投资的浪费。

（2）其他类型的信息失真

在实际操作的过程中不仅会存在由供应链特性造成的“牛鞭效应”的信息失真，也会有一些其他类型的信息失真的情况。在供应链上个企业与相邻的上下游企业之间都存在交易的关系，每个企业都是经济人，都会处于自己的利益最大化的角度去考虑，难免会存在供应链的个别企业会对流经自己企业的信息进行修改、截留、甚至是歪曲已到达自己的利润最大化的目的。正是因为信息在传递到供应链的每一级企业的时候都存在着被修改的可能，这种可能造成了信息传递过程中的失真和时滞，从而导致整个供应链上各企业的行动不一致，不协调，使供应链的运行效率降低。

（二）信息不对称与不确定性造成的信息风险

供应链上个企业之间是一种亲密的合作伙伴的关系，各个节点企业都是密切的分工的，正是由于这种分工使得处于某一节点上的企业拥有相应信息的绝对优势，相应另一方处于信息劣势方。信息优势和劣势方在合作的过程中会形成“委托—”的合作关系。处于信息优势方的企业扮演“人”的角色，处于信息劣势方的企业扮演“委托人”的角色，这种合作关系由于信息的不对称会产生两种信息风险，即逆向选择问题和道德风险问题。逆向选择问题是指处于信息劣势方的委托人在选择人的过程中，人利用自己的信息优势与委托人签订对自己有利的契约，从而使委托人利益受损以达到自己利益最大化的目的。由于信息不对称，且委托人甄别能力不强，致使“逆向选择”的发生——委托人选择了较差的人，而排除了信誉良好的人。道德风险问题是指在委托方和方签订协议以后，由于没有很好的监督机制，致使人运用自己的信息优势，出于自身利益最大化考虑而损害委托人的利益，最终损害社会福利，使供应链运行产生很大风险。

三、降低供应链信息风险的措施

（一）通过信息共享来降低“牛鞭效应”风险

目前通过实施信息共享，来减少供应链中的“牛鞭效应”是行之有效地方法。现在科技日新月异，企业要实现信息共享已经具备了技术支持。可以通过Internet技术，将供应商、制造商、分销商和消费者联接在一起，构建一个信息共享平台，充分实现信息共享。通过信息的共享，供应链上各个主体企业都会进行比较合理的决策，各个合作伙伴基本能协同行动，从而在一定程度上缓解了“牛鞭现象”带来的风险。另外，各主体企业也可以实行供应商管理库存和联合管理库存的方法来缓解库存的压力，进一步降低供应链上的信息风险。

（二）建立行之有效的激励约束机制

一般情况下，供应链中的企业对企业中的核心信息是不会轻易共享的，建立一套有效地激励和约束机制用来消除供应链企业的信息分享分歧，实现企业之间的双赢是非常有必要的。通过激励约束机制使供应商和制造商达到利益共享、风险共担的局面，从而解决了道德风险问题。要解决逆向选择问题，委托人可以求助于市场中介组织，使中介组织对人进行甄别，这样可以降低委托人和人之间信息不对称的情况，从而降低供应链的信息风险。（作者单位：河北经贸大学）

参考文献：

篇3

中图分类号:F270 文献标识码:A

文章编号:1004-4914（2011）08-031-03

供应链融资是近年来炒的比较热的一个概念，是金融机构以供应链中的核心企业为切入点，通过对供应链中的信息流、物流和资金流的有效控制或对有实力的关联方进行责任捆绑，为供应链中相关成员企业提供服务的一种融资方式。自2007年的金融危机以来，供应链融资越发体现出其优势，国外诸多银行和大型物流公司争相开展此类业务，以拓展其盈利渠道。随着国外此类业务的蓬勃发展，国内以深发展为代表的几家银行以及像金银岛网交所、阿里巴巴等第三方平台也已经开展类似业务。在供应链的整体大环境下，融资企业的信用风险水平会产生深刻的变化，因此金融机构在开展此类业务时若用以往度量单个企业信用水平的方式是不能准确反映企业的真实水平。因此，在决定是否为企业提供资金时，需要从新的角度来评价融资企业的信用水平。

一、相关研究

闫俊宏（2007）针对性地从三个方面行业风险因素、中小企业综合实力和供应链运营状况）物流金融的信用风险影响因素进行分析，运用多层次灰色综合评价法对物流金融业务风险进行了评价。卞宁（2008）也用灰色评价法对供应链融资的信用风险进行了研究。马佳（2008）认为对供应链融资业务信用评价的关键是把主体评级和债项评级有机结合起来，通过建立“主体评级+债项评级”的指标，并利用主成分分析方法和logistic回归方法，对供应链融资业务信用评价进行了实证研究。通过对诸多文献和供应链融资信用风险评价体系应用现状的研究可知国内现阶段对供应链融资的信用风险的识别、评价体系、评估方式等尚且没有公论。因此，本文在此以建立信用风险的指标评价体系为研究重点，并对其进行应用研究。

二、供应链融资信用风险评价方法介绍

目前企业信用评价的方法主要有定量分析法、定性分析法以及定量和定性相结合的分析方法。单纯的定性分析受主观影响太大,而且同时要考虑到企业数据信息获取的不便性。因此,本文评价采用定性分析和定量分析、静态分析与动态分析、主观和客观相结合的方法, 综合运用专家评判法和决策模型对供应链融资的企业信用进行评价。在模型构建过程中，首先使用专家评判法，设计评分表并由专家打分，进行指标的初选、筛选，并选用层次分析(AHP)法确定各指标权重，最后用PROMETHEE方法进行方案排序。

1.层次分析法求权重。本文在确定指标权重时采用层次分析法。层次分析法的优点在于提出了层次本身，适用于存在不确定性和主观信息的情况，并且这与基于供应链融资的信用风险评价指标体系相符合,能够认真的衡量指标的相对重要性。在基于供应链融资的企业用风险评价指标体系的基础上,运用层次分析法确定各指标权重的基本步骤为:

（1）构造问题的递阶矩阵，由于在本文中只使用AHP方法确定权重，因此递阶结构中没有方案层。

（2）在递阶结构内，则对目标层和方案层以外的各层使用专家打分法分别建立两两比较判断矩阵。构造判断矩阵的关键是标度，在这里使用Saaty教授的1-9标度法。比较第i个元素与第j个元素相对上一层某个因素的重要性时,使用量化的相对权重aij来描述。设共有n个元素参与比较,则A=(aij)n×n为判断矩阵。

（3）通过计算,检验成对比较矩阵的一致性,必要时对成对比较矩阵进行修改,以达到可以接受的一致性。一致性检验步骤如下:

计算一致性指标CI,CI=λmax-n/n-1,其中λmax是矩阵A的最大特征值。

查找相应的平均随机一致性指标RI。对n=1~9,Satty给出了RI 的值。

计算一致性比例CR,CR=CI/RI。当CR

2.PROMETHEE方法进行方案排序。Brans提出了PROMETHEE I的方法,这种方法克服了ELECTRE方法中忽略属性值差距大小信息和主观设置参数过多的特点。PROMETHEEII是PROMETHEEI方法的进一步扩展。PROMETHEEI/II方法是决策者根据自己的偏好为每一准则选择或定义偏好函数,利用偏好函数和准则权系数，定义两方案的偏好的优序指数,进而求出每一方案的优序级别的正方向和负方向（主要是使用流入量、流出量和净流量的概念），利用优序关系确定方案的一个部分或整体排序。

三、供应链融资信用风险指标体系的建立

1.影响因素分析。影响企业供应链融资信用风险水平的因素是十分复杂的。从企业的角度来看，供应链融资企业自身情况是影响其信用风险的最重要原因。从供应链的视角来看，供应链融资企业所在的供应链对企业的信用风险水平也有很重要的影响，从整体角度来看，企业的外部环境是影响这些供应链融资企业信用风险必须要考虑的因素，企业的外部环境主要包括行业环境、政治环境等。因此，根据本文的研究内容和目的，主要从这三个方面对供应链融资企业信用风险进行详细的分析。

2.指标体系的建立。根据前文的因素分析及指标体系建立应遵循的原则，并且结合学者们的研究成果和文章的研究目的，同时分别向20位对供应链融资信用风险评价有深入研究的专家和银行融资从业人员致电或信函咨询，得到数量相当庞大的初选指标，为了对评价体系进行简化，本文继续向20位金融行业中从事相关供应链融资人士分发调查问卷，问卷的主要内容是对各指标重要性进行打分，最后将这些评分使用统计方法进行统计计算，然后对使用各指标的相对重要性的几何平均值进行排序以确定评价指标体系。最后形成供应链融资信用风险评价体系，详细内容见表4。

3.权重的确定。为了使权重确定更准确，得到比较满意的判断矩阵，本文在这里继续使用专家打分法，向专业人士分发调查问卷对各指标的相对重要性进行打分，使用各专家对各指标的相对重要性的几何平均值组成各个判断矩阵。

根据专家打分法，得到一级准则层的判断矩阵，在这里使用Matlab对矩阵最大特征值以及权重向量进行计算，并进行一致性检验，求得λmax=3.0005，CI=0.0002RI=0.58CR=0.0004

二级准则层和三级指标层的判断矩阵与一级规则层类似，并且判断矩阵都通过一致性检验，由于篇幅限制，就不一一列出，只是将各指标的权重、组合权重计算结果列出如下表：

四、算例分析

假设有处于供应链中的4个中小企业A、B、C、D向某银行提出融资申请，银行需要对这四个企业进行信用风险评估而决定是否为其提供融资。结合上文中运用AHP方法确定的供应链融资信用风险评价体系的指标权重，使用PROMETHEE方法对这四个企业的信用风险水平进行排序。下表是四个企业与评价体系相关的各指标的数据以及通过专家打分法对这项评价指标所属的偏好函数类型和其对应的参数进行取值。

然后,根据供应链融资企业的各项数据并结合AHP确定的权重和选择的偏好函数,运用公式进行计算,得出每个企业的有序指数。

流出量（Φ+）排序：D，C，B，A；流入量（Φ-）排序：B，A，D，C；最后根据Φ=Φ+-Φ-公式计算每个供应商的净流量。

需要注意的是，本文在计算的时候，评价体系的底层指标均为正向指标，而评价体系的顶层目标层是供应链融资企业信用风险水平。因此，净流量最大的融资企业信用水平最高，信用风险最低。因此，根据上表中的计算的净流量对各融资企业信用进行排序:C，D，A，B，越排在前面，信用越高，而对各融资企业的信用风险进行排序：B,A,D,C，越排在前面风险越高，与按信用排序的顺序刚好相反，银行可以根据排序考虑融资。

五、结论

对融资企业而言,以往的风险评价普遍采用孤立点方法,也就是说把信贷企业作为评估点进行孤立地分析和评价。然而,在当今的市场竞争中,以供应链为市场竞争主体相对于单个企业的优势是显而易见的,因此,从融资企业所处的环境出发,把影响风险的重要因素纳入到评价体系中,综合评价企业的信用风险是十分必要的。本文结合供应链融资业务运作特性、影响融资企业信用风险的影响因素以及多篇相关文献,建立了供应链融资企业信用风险评价指标体系,并且根据该指标体系,运用AHP法和PROMETHEE法对算例中的供应链融资企业信用风险进行评价并且排序,为银行等金融机构对供应链融资企业风险管理提供了可行的方法。

参考文献:

1.闫俊宏.供应链金融融资模式及信用风险管理研究.硕士论文,2007

2.卞宁.中小企业供应链融资模式及其信用风险评价研究.硕士论文，2007

3.马佳.供应链金融融资模式分析及风险控制.2008

4.汪守国,徐莉.供应链融资模型及其风险分析[J].商业时代,2009(22)

5.范柏乃，朱文斌.中小企业信用评价指标的理论遴选与实证分析[J].科研管理，2003(6)

篇4

【关键词】

供应链金融；信用风险

一、供应链金融的内涵

（一）国外学者的研究

供应链金融最早是由Allen等人提出并初步建立了供应链金融的概念模型，并未对其概念进行明确界定。Hofman把供应链金融视为一种实现财务供应链管理的手段，它是在集成了物流、资金流、信息流的基础上，供应链内部组织和外部金融机构通过计划、引导和控制各节点企业的资金流动实现供应链价值增值的一种方法。Atkinson把供应链金融理解为是一种金融服务与技术解决方案的结合体，通过结合可以把资金提供者与供应链上的买卖双方联系起来，为供应链成员提供量身定制的金融服务解决方案。

（二）国内学者的研究

何涛和翟丽认为，供应链金融的出发点是中小企业强烈的融资需求，因而需要融入银行、第三方物流企业等新的元素，让各参与方协调合作。冯瑶认为供应链金融是商业银行以供应链管理的视角，从供应链采购、供应、生产、经销、最终消费各个节点入手，设计提供帮助中小企业提升信用等级的融资类金融产品。胡跃飞认为供应链金融是指人们为了适应供应链生产组织体系的资金需要而开展的资金与相关服务定价与市场交易活动。深圳发展银行最早提出供应链金融的中文定义：商业银行以供应链上中小融资企业与交易对手之间发生的真实贸易关系为前提，以交易对手的信用等级为依托，以真实贸易关系所产生的预期现金流收入为保障，结合商业银行短期金融产品所开展的单笔或者额度授信方式的融资类业务。综上所述，将供应链系统抽象成“四个主体、三个流”。“四个主体”———银行、物流企业、中小融资企业、供应链中占主导地位的核心企业。“三个流”———物流、资金流和信息流。

二、供应链金融模式

（一）国外学者的研究

Lacroix和Varangis通过对比不同国家的供应链金融模式，介绍了主要业务流程以及如何开展供应链金融业务。Poe认为存货、应收账款、预付账款等这类融资业务的担保品，供应链中成员企业都是融资参与的主体。Towergroup指出供应链金融得以繁荣的内在原动力是各方可以满足自身的需求，而且还使得软件条件得以巩固。

（二）国内学者的研究

罗齐、朱道立等人在全面分析国外供应链金融的发展情况后，提出了融通仓，供应链的所有活动都在融通仓内进行，供应链管理与金融很好的结合在一起。张家良研究了应收和应付账款质押融资涉及的法律合规问题。朱文贵从系统分析角度阐释供应链金融体系的组织架构、流程、性能和应对策略问题，从这三个环节对供应链金融系统优化。谢世清对国内外供应链金融最经典的三种模式进行了概括总结阐述。郭菊娥利用理论研究和对比研究等方法对线上供应链金融的模式演进进行了深入分析。目前研究中大部分是关于融通仓融资模式、保兑仓融资模式和应收账款融资模式的分析和研究。融通仓融资模式有利于银行在与物流企业长期稳定的合作当中拓展与物流企业联系的上下游企业，保兑仓融资模式使得融资困难的中小企业可以不必一次性支付全额货款。应收账款融资模式中，资信良好的核心企业为下游中小企业起到了反担保的作用。

三、供应链金融信用风险评价

信用风险可以是由于借款人或交易对手违约而引起损失的可能性。也可以是因为借款人信用等级变动，或履约能力变化而导致该资产的市场价值变动，从而引起损失的可能性。

（一）信用风险研究视角

潘永明等从行业状况、中小企业综合实力、3PL综合实力、物流金融运营状况四个方面提取了物流金融信用风险评价指标。刘佳等指出从行业风险、中小企业综合实力、物流金融运营情况3个方面分析并构建物流金融信用风险综合评价指标体系是必然的。曹俊指出任何一个参与主体的行为都会影响整条供应链的波动，任意参与方都有可能是信用风险的来源。他建议分析各方在履行业务职责时可能导致信用风险发生的因素。夏立明等从融资主体、融资债项、宏观环境三个层面，全面考查信用风险和构建风险评价指标体系，而融资债项评价又可以细分为核心企业资质、融资项目评价、供应链运营情况三个方面，从而建立了一个具有三层五组的指标体系框架。刘杰从中小企业综合实力、物流企业实力、质押物状况、供应链运营质量四个角度，选取物流金融融资模式下中小企业信用风险评价的指标。郭菊娥利用理论研究和对比研究等方法对线上供应链金融的风险要素进行了深入分析。

（二）信用风险评估的方法和模型

在供应链融资信用风险评估方法的研究中，大都采用层次分析法（AHP）或在AHP基础上使用多层次灰色综合评价法、模糊层次分析法等分析评价方法，而这需要专家意见确定指标权重，为克服其主观性，建议用回归方法建立信用风险评价模型，从而Logistic模型因其假设条件对数据要求不高而受到大多数学者的青睐。而在这类研究中，使用主成分分析法和Logistic回归方法、因子分析法和Logistic回归方法，建立信用风险评价模型的研究较多。Lo-gistic回归方法仍存在样本量大和预测精度不高的限制，因而学者们转向研究将智能的、高精度的模型引入供应链金融融资模式信用风险评价中。胡海青、张琅等运用支持向量机（SVM）建立了信用风险评估模型，通过与Logistic评估模型进行比较分析，证实了基于SVM的评估模型预测准确性更好。范黎波在引入神经模糊系统，构建中小企业信用风险评级的神经模糊模型，验证了模型的有效性。刘宏运用解释结构模型得出线上供应链金融信用风险各因素之间的结构关系为风险测量结构的模型开发提供理论基础。