谈因子分析在农产品物流金融风险识别中的应用

中图分类号:F320 文献标识码:A

内容摘要:农产品物流金融发展过程中存在较多的风险因素。只有在对这些风险因素进行细致的分类辨别、评价的基础上,才能对风险进行有效的预警和控制。本文应用因子分析法,结合实证调研数据,通过SPSS16.0软件对农产品物流金融风险因素进行了统计分析。

关键词:因子分析 农产品物流 物流金融风险 风险识别

农产品物流金融是金融机构(银行业)面向农产品物流业的运营过程,有效地组织和调剂农产品物流领域中货币资金运动。开展农产品物流金融业务,能够体现重要的社会价值,具有重大的经济价值以及彰显和谐的生态环境价值。然而,发展农产品物流金融,给农产品物流企业、银行及工商企业带来“多赢”绩效的同时,由于外部环境变化、企业内部管理以及农产品物流金融实际运营过程始终处于动态变化之中,存在较多的风险因素。目前,我国农产品物流金融业务尚缺乏全面风险管理体系,对这些物流风险缺乏细致的分类辨别,对风险的度量缺乏科学的方法,难以对风险进行有效的预警和控制。因此,运用科学的方法对农产品物流金融风险进行有效识别、尽快建立一套科学有效的农产品物流金融风险管理体系势在必行。

农产品物流金融风险管理体系构建

农产品物流企业要提升市场竞争能力、增强企业盈利能力,必须建立良好的风险管理体系。本文结合对我国部分较早开展农产品物流金融业务的相关企业的实际调研内容,并综合其他行业风险管理的内容,提出农产品物流金融的风险管理体系模型。

如图1所示,农产品物流金融风险管理体系模型由三部分组成,分别是风险识别、风险评价以及风险控制。风险识别主要是对风险因素进行分析,确定风险因素。应设置信息管理部门,对相关风险信息及时收集,并进行分类。根据事故发生的原因,给出风险因素或事故发生机制的描述,作为风险识别的前期工作。风险评价则是已经识别出相关风险因素后,对事件、过程、现象、后果进行观测、记录和分析,然后进行评估诊断,以便根据风险级别进行相应的风险分级管理。风险控制是经过评价后所采取的具体风险控制手段。实践中,应采取多种相应的控制手段,确保相关风险防范措施的有效落实。检查审核作为风险管理过程的监管环节,具体工作包括:制定目标、管理方案;落实运行控制;准备紧急应变;加强培训、提高风险意识;通过监控机制发现问题并予以纠正。在该风险管理体系中,风险识别是前提,风险评价是保障,风险控制是目的。运用科学的方法对农产品物流金融风险进行有效识别至关重要。

因子分析法在农产品物流金融风险识别中的应用

(一)因子分析法的基本思想及模型

因子分析(Factor Analysis)是由心理学家Charles Spearman和Karl Pearson在1904年提出的。它的基本思想是根据相关性大小把变量分组,使得同组内的变量之间相关性较高,不同组的变量相关性较低,每组变量代表一个基本结构。因子分析是研究如何以最少的信息缺失,将众多原始变量浓缩成少数几个因子变量,以及如何使因子变量具有较强的可解释性的一种多元统计分析方法。

设有原始变量:X1、X2、X3、…、Xm。原始变量与潜在因子的关系可以表示为:

其中z1…zm是m个潜在因子,是各原始变量都包含的因子,称共性因子;e1…em为m个只包含在某个原始变量之中的,只对一个原始变量起作用的个性因子,是各变量特有的特殊因子。共性因子与特殊因子相互独立。找出共性因子是因子分析的主要目的。计算出结果后要对共性因子的实际含义进行探讨。

(二)样本及指标选取

根据研究内容,本文在查阅国内外研究文献并与相关领域专家沟通交流的基础上,选取河北省为代表地区对区域内物流企业进行初步实际调研,结合调研结果,最终确定影响农产品物流金融发展的风险因素共有10个。X1:法律风险、X2:管理水平风险、X3:客户资信风险、X4:质物风险、X5:技术风险、X6:不可抗风险、X7:信用风险、X8:业务服务风险、X9:市场风险、X10:监管风险。

法律风险(X1)主要是当交易对手不具备法律或监管部门授予的交易权利时而导致的损失的可能性,即合同的条款规定和对农产品质物的所有权问题。管理水平风险(X2)是指农产品物流金融企业内部管理,往往较多地存在组织机构陈旧松散、管理体制和监督机制不健全、工作人员素质不高、管理层决策发生错误等带来的风险。客户资信风险(X3)是指农产品物流金融运营过程中, 如果客户资信水平低,如借方企业出现严重经营问题(如倒闭),则会存在客户资信风险。质物风险(X4)指农产品物流金融企业的质物在库期间,由于员工的诚信、提单的可信度、对质物保存的设施能否有效防止损坏、变质等带来的风险。技术风险(X5)指农产品物流金融运营过程中,因缺乏足够的技术支持而引起的技术风险,如价值评估系统不完善或评估技术不高,网络信息技术的落后造成信息不完整、业务不畅等。不可抗风险(X6)主要指农产品的特殊性,由于自然灾害如地震、冰雪、火灾引起的农产品物流金融风险。信用风险(X7)主要是由于借款人或农产品市场交易对手的违约而导致的损失可能性。它涉及农产品物流债券投资和农产品物流贷款发放等多种物流金融活动,包括绿色农产品货物的合法性,客户的诚信度,还包括现代农产品物流金融的财务、运营、安全等方面的诚信度。业务服务风险(X8)包括仓单风险、提单风险、信贷风险等。其中仓单风险体现在仓单的有效性和规范性方面。目前,虽然农产品仓单的应用已经拓展到现货交易和资金融通领域,但是由于农产品仓单市场在我国刚刚兴起,其流通机制、标准化以及相关法律法规等方面的研究和经验存在着相当不足。提单风险指使用虚假提单造成银行损失的风险,是农产品仓储企业开展业务遇到的经常性风险。信贷风险主要包括应收帐款质押融资产品的信贷风险,如欺诈类风险和业务类风险。市场风险(X9)指由于农产品物流金融市场的利率、汇率、股价的波动等,而导致的农产品物流金融资产的变化风险,主要针对农产品库存质物的保值能力,包括农产品质物市场价格的波动,农产品金融汇率造成的变现能力改变等,尤其是农产品质物的市场价格下跌,造成农产品质物价值缩水。监管风险(X10)指由于监管人员等内部道德风险。

基于以上风险都是难以量化的,本文采取模糊评价法对这些定性指标划分为9个等级,即极高、很高、高、较高、一般、较低、低、很低、极低,分别对应[1,10]区间的9、8、7、6、5、4、3、2、1。采用德尔菲方法选取农产品物流、物流金融相关研究学者、行业管理负责人、相关企业负责人共31位专家分别进行打分,并反复征询,采用加权平均法对数据进行处理,最后得到河北省11个市的各指标的得分样本。

(三)基于因子分析的农产品物流金融风险因素识别

采用SPSS16.0统计软件的Factor过程,对河北省11市110个企业样本的10个指标的原始数据进行处理。抽样适度测定值KMO为0.659,可以进行因子分析。按照特征根大于1的原则,选入了3个公共因子,其累计方差率达到了85.013%。各主因子对应的特征根及方差贡献率见表1。

为使求得的公因子具有较为明显的意义,可对初始因子载荷矩阵,进行方差最大化正交旋转,如表2所示。

由表2可以看出,第一公因子F1基本支配了客户资信风险(X3)、质物风险(X4)、技术风险(X5)、信用风险(X7)、业务服务风险(X8)(绝对值较大的系数),它反映了农产品物流金融的业务运营过程中存在的风险,因此所以可称为运营风险因子。由上述分析可知,第一公因子(业务服务风险因子)是反映河北省农产品物流金融风险的主要因子。

第二公因子F2,基本支配了法律风险(X1)、不可抗风险(X6)、市场风险(X9),这些指标代表了农产品物流金融环境风险,因此可以成为外部环境因子。环境风险有长期或短期的,在一定程度上影响着农产品物流金融发展。

第三公因子F3,基本支配了管理水平风险(X2)、监管风险(X10),它代表农产品物流企业内部管理情况,因此可以成为内部管理因子。

最后输出因子成分得分系数矩阵(表3),得到公式如下:

将河北省11个市的企业的样本数据带入方程,便可计算出各因子得分,就可以对该市各企业农产品物流金融风险状况进行诊断分析及评分。运用总方差解释表中3个公因子方差的贡献率,可以构造出河北省各市物流企业农产品物流金融风险综合评价模型:

F=0.55020F1+0.19921F2+0.10073F3

式中F代表农产品物流金融风险的总得分,Fi(i=1,2,3)是各个因子得分。将各因子得分代入上式,可以计算出某一物流企业农产品物流金融风险的综合得分,据此可对农产品物流金融风险进行综合比较和评价。

综上,农产品物流金融风险是一种典型的多指标问题,其中涉及大量的不可定量因素,决定了分析中的复杂性以及指标间的多重相关性难题。因子分析法是一种指标约简和消弱指标间多重相关性的优良工具。通过因子分析法的运用,本文在对农产品物流金融风险诊断识别过程中能够基于原始调查数据本身,使评价结果更加趋于实际,通过对多指标的降维处理降低了评价的复杂度,在一定程度上削弱了指标间的多重相关性。更重要的是,有利于发现农产品物流金融发展中的关键风险因素,有利于企业改善现有状况,有效的优化自身以及选择合作伙伴,从而提高整体核心竞争力。

参考文献:

1.段伟常,张仲义.物流金融风险管理体系及评价方法研究[J].石家庄学院学报,2009(7)

2.许红莲.现代农产品绿色物流金融发展的绩效及风险分析[J].湖南社会科学,2008(4)