中小企业信贷客户的筛选路径分析

内容提要：商业银行客户筛选的实质是发现企业和产品价值以决定信贷配给的过程。为适应金融危机后经济模式的转变，解决中小企业融资难的问题，商业银行探索面向供应链的新型金融服务方式。在供应链金融下，银行面向的客户转变为供应链关系结构中的企业客户，因此，提出了重新设计客户筛选方式以适应业务创新的要求。本文从商业银行的角度出发，基于供应链金融内在机制和特点，结合Meta图和模糊综合评判法，尝试设计出供应链金融下银行筛选客户的原则与路径。

关键词：中小企业融资 供应链金融 商业银行 筛选机制 META图

中图分类号：830.5 文献标识码：A 文章编号：1006-1770(2011)011-033-04

银行与中小企业信贷关系近年来成为理论与实践部门关注的一大热点。为了解决面向中小企业信贷产品的创新问题，商业银行针对企业供应链结构关系开发出一种新型金融产品――供应链金融，该产品目前在国内外处于探索阶段。2002年以前，“供应链”和“金融”并未作为一个固定词组出现在金融服务领域。2004年，A.N.Berger等人提出了关于中小企业融资的一些新设想,才初步确立了供应链金融的思想。从银行的视角看，供应链金融是银行站在供应链全局的高度，为协调供应链资金流、降低供应链整体财务成本而向所有节点企业提供的系统性金融解决方案。在国外，一些学者和研究机构已经开展了深入的研究并应用于实践。Hofmann. E(2005) 解剖了供应链金融的基本流程和构成要素，为洞悉供应链金融提供了概念上的铺垫。Leora Klapper(2005)就供应链中的中小企业采用存货融资模式的机理及功能进行了分析。Aberdeen公司在供应链金融研究领域处于领先地位。Viktoriya Sadlovska（2006.11）通过研究110家企业的调研数据，指出企业在供应链金融融资、技术和可视性三方面的努力是提升供应链整体竞争力的关键。诚然，现代市场经济的发展将企业通过竞争中的合作关系日益整合在不同的交易链上，由于产业经济运行的组织模式通过集聚和链状发展，展示出融资服务的聚合性特征，为商业银行提供了降低融资服务成本、拓展业务的机会。

一、银行以核心企业为抓手，比较各交易链差异，筛选供应链客户的侧重点

仅从供应链的拓扑结构来看，供应链是一个网络，即自主或半自主的企业实体构成的网络，银行面向供应链的筛选机制正是从供应链的“核心企业”出发来筛选上下游的节点企业。

Meta图是Basu等于1992年提出的一种用于系统描述和分析的图形结构。它不仅可以对各种系统进行直观的图形表述，而且具有很强的形式化描述和分析能力，可被广泛应用在决策支持系统、层次化建模、工作流分析与管理领域。故从企业供应链网络性特点出发，基于Meta图，可以将“核心企业”作为一个生成元，由上游企业出发，经过生成元寻求适合做供应链金融的整条供应链。本文基于Meta图建立模型来描述供应链的本质，基本构建思路如图1所示：首先把企业间的关系用META图表示，接着找出完整产品链的起点、中间点、终点的META各节点的所有通路，然后在所有通路中以核心企业为标杆选择标杆瞄准差最小也即最佳的META通路，最后产生出以核心企业为出发点的适合做供应链金融的供应链的META通路。

银行对供应链客户的筛选强化了供应链整体的概念，从而跳出单个企业的局限，将银企之间的一对一的关系改变为一对链条式的关系，即便其中的单个节点企业达不到银行的某些风险控制标准，只要这个企业与核心企业之间的业务往来稳定，银行可以适当淡化对该企业财务的分析并放宽相应的贷款准入原则。

银行对企业的筛选机制传统上倚重对其基本情况、贷款风险等的分析。这种情况下，银行对中小企业的评价是孤立的，即使该企业身处一个供应链之中，由于供应链的企业是各自与自己的融资银行建立融资与业务关系，故对单个企业的信贷准入评估仍是相对独立的。某种程度上，银企关系被限定为审查和被审查的关系，这也就导致了各商业银行过于偏重于贷前调查而对贷后管理的重要性认识不足。随着供应链全球化进程的发展，企业对于流动资金和供应链运行效率的要求逐渐提高。面对这一趋势，银行业务转型迫在眉睫。原先只是满足客户贸易中个别环节的融资需求，现在要求作为企业的战略伙伴，对其整条供应链提供服务方案。为了成功地实施实实在在有利于客户的供应链金融解决方案，银行必须成为客户的战略伙伴，并了解银行能够为客户的供应链提供的价值，将自己的服务嵌入供应链的特定环节。

综上，银行面向供应链的客户筛选在以下几方面要特别关注：

第一，银行筛选机制对市场环境的反应要更加强烈。由于供应链本身动态性的特征，所以各节点企业间完全是为了利益关系而走到一起来，并不存在控制与被控制的关系。这样，一旦市场环境发生了变化，供应链就会有较大的扩张或收缩，从而影响到银行信贷安全。

第二，银行对信息的把握要更注重网络性。网络性实际上是由于供应链的相互交叉而产生的结果。同一个企业,往往在不同的供应链中扮演着不同的角色。所以在考察供应链企业的时候，更要将各种信息放在网状结构中综合考虑，即重在考查各企业之间的关系和合作程度等，而非独立的考虑某个企业的信息。

第三，客户需求导向分析应在银行的筛选机制中有所体现。目前，买方市场特征明显，最终客户实际上已经从原来处于供应链之外的“旁观者”变成了供应链中必不可少的一员。客户的需求导向将影响到供应链战略联盟各节点企业整体战略的制定和调整，从而影响到整个供应链的运作。而供应链的运作所牵涉到的资金流动向正是银行所重点关注的。所以，客户满意度以及产品相关的指标应在筛选机制中有所体现。

由于银行面向供应链的企业筛选重在网络性而相应淡化其自身评级，故在此我们将银行对企业原有的信用评级化为一个筛选模块U3。根据供应链金融的特征，首先确定供应链稳定性U1、贸易背景U2、传统信用评级U3三个筛选模块，然后考虑可操作性的需要，选择文化兼容性U11、信息共享率U12、交易频率U13、交易对手平均行业排名U21、企业自身信息化程度U22、企业创新能力U23等5项具体指标作为本文的识别评价指标1。

二、银行针对核心企业所在Meta通路的拣寻路径

假设银行选定A企业为“核心企业”2，同时为简单起见，设A企业所在的供应链网络包括企业B1、B2、B3、C1、C2、C3、C4），并假设它们的关系用META图表示如下：

我们所要拣寻的META通路首先应是一条完整的供应链，即该META通路要满足包含最上游的原材料供应企业和最下游的分销企业的完整产品产销链。而像图中上游企业的C1、C2的表示方法，表示C1包含C2。这种情况有可能因为C1是一个集团，其分公司C2与A有业务往来，也可能C1是一个独立企业的联盟，这种情况在中小企业中尤为常见。当然，“核心企业”的下游也可能出现集团企业或联盟企业的情况，但与上游企业类似，此处不做具体说明。

符合以上条件的META通路分别为：

META1=；META2=；META3=；META4=；META5=< L3、L5>；META6=

而其中META2META3，META5META6，若META3和META6通路适合做供应链金融，那么META2和META5一定也可以，所以在此取通路的并集得到备选的META通路为META1、META3 、META4、META6四条。下文只针对这四条通路进行讨论。

步骤一：银行拣寻客户定性指标数值化。由于对定性指标描述和由专家给定的权重在某种程度上具有一定的模糊性，所以本文利用语意变量来描述主观评价值，并采取梯形模糊数来描述语意变量的隶属函数。设各指标值由专家打分获取且采用梯形模糊数（a，b，c，d）的形式,其中的a和d分别表示梯形模糊数隶属函数定义域的左右边界，b和c表示隶属度为1的间隔。在实际的评分中，a可以理解为评价者对评价对象最保守的评价，b和c为最可能评价的范围，d为最乐观的评价。而模糊数（a，b，c，d）其实表示的就是对于和的偏离程度。并且当a=b=c=d时,打分为常数,这时无法反映人们认识上的模糊性,当b=c时，模糊数变为三角模糊数。如果|a-d|过大,则模糊度过大,所以适宜的打分对评判结果非常重要。

本文采取Delgado等(1996)提出的九级标准，对应的模糊数如表1：

在实际操作中，虽然以上与语意词组相关联的隶属度函数不可能获得专家的一致认同，但在问卷调查操作层面，由于问卷数量的巨大，难以做到分别制定.故本文一个重要的假定即设所访问的专家心理预期正好与以上相同或相似。

根据表1，运用梯形模糊数理论将各定性指标进行数值化，便于数值化运算和比较，可以得到各指标的模糊语义集合，其中为第t（t=1,...,l）位专家对第i个模块下的第j个指标Uij给予的语意值。综合了l位专家意见后模块i下第j个指标Uij（此处指标仅包含定性指标）的权重模糊值（这里不妨设每位专家的重要程度均相同）：

其中 和 是模糊算子。

步骤二：银行拣寻客户定量指标语意化。虽然定性指标通过模糊化可用转换成为数值，但由于定性指标是明确的数值，且存在单位上的差异，那么直接计算就有困难。只有将定量指标也转换成语意值，才能与定性指标一起计算。

在进行定量指标语意化前，我们首先用“极值法”对指标值xij进行预处理得到x’ij，即。为简单起见，预处理后的数据也用xij来表示，即理解为所有出现的数据都是已经经过预处理的标准数据。

Delgado等(1996)提出明确值转成模糊评估值的转换函数。语意转换函数如下：

其中，Delgado对函数Gj(vk)也进行了定义，本文因为是采用的梯形模糊数，下面给出梯形模糊数vk=(ak,bk,ck,dk)对应的Gj(vk)。其中z是模糊数分界点的个数，r是明确值，(vk)是语意词组，Supp(vk)是语意词组vt模糊数的范围。G1(vk)、G4(vk)分别为梯形模糊数的中心值和重心。G2(vk)=bk，G3(vk)=ck。即当明确值r不在语意词组vt中时，计算r与模糊数中心、重心以及隶属度为1的两个数值的距离，取总和值最小的语意变量作为明确值r的语意变量。

如果明确值，r可通过转换函数转换成模糊评估值（v是语意词组形成的集合），即

设定量指标经过模糊语意化转化成模糊数组。

为第i个模块下的第j个指标Uij的语意值，该值为梯形模糊数，表示为（aij，bij，cij，dij），。

步骤三：确定权重并将指标及权重评估值解模糊化。根据表1最终得到综合了l位专家意见后各指标的权重模糊数，根据模糊数的计算，得到各模块的模糊评估值，设为。

而模块U1,U2,U3的权重用采用层次分析法获得。由于越接近供应链核心业务位置的企业对供应链的运行越重要，根据企业在供应链的位置为模块赋予不同的层次权重。根据图1“核心企业”交易关系网络的META图，本文确定以“核心企业”为标准层，上游分为供应一层、供应二层，下游为分销一层、分销二层。设其权重向量分别为：

将指标及权重模糊值解模糊化的方法主要距离测量法、中心值法和重心法，设用三种方法得到的语意值解模糊化值分别为M1，M2，M3。而在实际应用中，通常是将这三种方法结合起来使用得到综合解模糊值，并以表示如下：。利用此方法就可以得到的解模糊化值。

步骤四：筛选供应链金融通路的矩阵计算。根据以上的步骤我们可以得到各候选企业两个筛选模块的评价值和权重。现假定本案例“核心企业”A各项相对值指标定为1，各个候选企业的指标以这一指标为基准值的比值作为其相对指标。表2为经过标杆处理转化后得到的相对值。

，其中k表示第k个筛选模块，Bi表示企业Bi。同理，

对于指标U1，设META1（L1、L2、L4；B1、B2、A、B3）标杆瞄准差距为：

设Lij为METAi第j模块的标杆瞄准差距，对图1中的四条通路分别计算其各项指标标杆瞄准差距。最终，筛选供应链企业以其总的标杆瞄准差最小为标准，即，如Z取值对应的i即第i条通路指标与最优标杆值之间的差距最小。这就是我们筛选出来的以“核心企业”A为出发点的适合做供应链金融的供应链。

三、结论

随着商业银行对中小企业市场的争夺逐渐升温，供应链金融是其实施差异化竞争战略、目标集聚竞争战略的最佳选择，可以改变目前银行业竞相压低利率和授信条件进行低质竞争，同质竞争的不良业态，有利于解决基层信贷管理中的“大”问题。本文所研究的银行客户的拣选路径正是商业银行顺应此创新所必须做出的改进。

本文主要从机理上分析了供应链金融下银行筛选路径的改进，勾勒出银行筛选机制设计的原则性思路。而在具体实施过程中，还有很多很细致的工作要做。随着问题的变化，处理问题的方法也将不断改进，如在实际筛选和评价过程中，根据具体银行的业务情况以及所面临行业的发展状况，如果指标层次结构复杂以至于该模型满足不了需求，还可以继续向下划分，形成更多层次更多子模块的模型，提升筛选结果的针对性。

注：

基金项目：本文是教育部人文社会科学研究规划基金资助项目“银行和中小企业共生的风险分担机制研究”的阶段研究成果，主持人：王千红，项目批准号 10YJA790188。

1.由于将供应链企业在银行的信用评级综合为一个指标，则认为该评级已经涵盖了当前银行中小企业信用评级体系的各个因素，故本文选择指标体系时，首先剔除了以上的因素。

2.核心企业：该企业或拥有所在领域产品或服务的核心竞争力，或在所处供应链上拥有核心市场资源；或与银行之间有长期的伙伴关系。

参考文献:

1.Susan Feinberg. So you think you understand supply chain finance? [R] . Wholesale Banking of TowerGroup. 2007

2.A.N. Berger. Bank Concentration and Competition: An Evolution in the Making [J]. Journal of Money, Credit, and Banking, 2004,36(3):25-29

3. Li-May Chew. Financing the Supply Chain in Asia: Trends and Opportunities [J]. Financial Insights, 2009: 60-64

4.Leora Klapper. The Role of “Reverse Factoring” in Supplier Financing of Small and Medium Sized Enterprises [R]. World Bank, 2004(9):102-103

5. Viktoriya Sadlovska, Beth Enslow. Supply Chain Finance Benchmark Report [R]. Benchmark Report, 2006, www.省略

6.Basu A, Blanning R W. Metagraphs [J]. Omega,1995, 23(1):13-25

7.Delgado M., F. Herrera, E. Herrera-Viedma and L. Martinez, Combining numerical and linguistic information in group decision making, Journal of Information Sciences, Vol 107, 177-194(1996)

作者简介：

王千红 东华大学工商管理学院经济系

刘晓君 中国农业银行上海分行