论文部分内容阅读
供应链金融业务在缓解中小企业融资压力、补足供应链竞争短板、提高核心企业和外部服务商收益等方面具有巨大优势，获得了快速发展。这种创新业务模式实现了多方互利共赢，但整体风险也随业务复杂程度的增加而显著提升。商业银行作为供应链金融业务参与方，最关注的是中小企业信用风险状况。传统的信用评价方式已不再适用于这一新业务模式，商业银行如何有效评估中小企业信用水平，在获取供应链金融业务利润的同时控制好信贷风险，成为亟待解决的现实问题。本文研究的目的就在于通过实证分析信用风险模型的预测效果，为商业银行供应链金融信用风险评价提供参考。 首先，本文采用“主体+债项”的评价方法，纳入定性分析指标和定量财务指标，从融资企业经营环境、融资企业状况、核心企业状况、供应链关系、质押物质量五个维度建立了较为科学全面的供应链金融信用风险评价体系，为信用风险评价模型的应用提供基础。 随后，综合比较现有信用风险模型的特点，确定出适合我国商业银行供应链金融业务使用的三个模型—PCA-Logistic模型、PCA-SVM模型和KMV模型，选取供应链金融发展较为成熟的汽车行业中小板上市企业2013-2015年的数据实证比较三个模型的优劣。实证结果表明，三个模型都有较高的预测准确度，满足商业银行信用风险评价的基本要求。具体比较而言，PCA-SVM模型在总体预测精度和两类错误率方面均优于PCA-Logistic模型，而KMV模型则具有动态性、前瞻性的优势。因此本文建议商业银行在进行信用风险评价时，以PCA-SVM模型为主、KMV模型为辅，综合考虑历史数据信息和资本市场动态信息评价中小企业信用水平。