论文部分内容阅读
摘 要：汽车制造业在我国国民经济中占据非常重要的位置，汽车供应链上的任何一个环节出现问题都可能会给整个汽车供应链产业带来巨大的影响，本文采用KMV模型对国内由上市的汽车零部件供应商、整车制造企业以及汽车经销商所构成的汽车供应链信用风险进行评估，对评估结果进行了分析并分别针对汽车供应链各个环节给出了相应的建议。
关键词：汽车供应链 KMV模型 信用风险
一、引言
随着市场经济一体化发展，有效的供应链管理固然会给企业带来比较好的效益，可是供应链管理运营过程中也会逐渐暴露出一些问题，如供应链中某些节点企业的违约行为可能会给供应链上其他企业带来毁灭性的打击。汽车供应链涉及到的节点企业众多，链条相对较长，这就使得倘若汽车供应链中出现某节点企业违约，那么该违约行为带来的影响将更加深远，因此，有必要对汽车供应链信用风险进行研究。对信用风险的研究由来已久，研究方法大致可以分为两大类，即定性分析方法和定量分析方法。定性方法如专家法（5C）和评级方法，这类方法基本是对信用风险进行定性分析，因此具有较强的主观性；而定量方法主要有王燕等基于Stackelberg博弈对供应链信用风险进行分析研究，吴冲等基于模糊神经网络对商业银行信用风险进行评估研究，刘明选择Logistic模型来度量供应链金融的信用风险。这些定量方分析模型与定性分析模型相比，所得出的信用风险评估结果更具有说服力和指导性。然而，上述这些评估方法大都仅仅只关注单一企业的信用状况，因此并不适合用于对整个供应链的信用状况进行评估。有学者采用CVaR模型对供应链风险进行研究，例如：颜波等将AHP-OWA算子与CVaR相结合 ；段利真将金融领域比较成熟的VaR和CVaR模型应用于企业和供应链的风险评估。这些学者都是CVaR模型应用于供应链风险的，而都没有将之应用于供应链信用风险的评估，因此，CVaR模型对于供应链信用风险评估的适用性还有待验证。相比之下，由KMV公司开发的KMV模型则能很好的用于我国信用风险的度量，不少学者已经在KMV模型在我国的适用性以及基于KMV模型的信用风险评估方面做了研究，例如，陈晓红等用KMV模型对2004-2006年我国79家中小上市公司的信用风险状况进行了研究。KMV公司开发的KMV模型是基于现代公司理财和期权理论的结构性模型，比以往仅仅依靠公司财务数据所做的评价更准确[13]。因此，在综合考虑各种因素的情况下，本文优先选用KMV模型。
二、样本数据和实证分析
1.汽车供应链中上市公司样本选取。汽车供应链主要由原材料供应商、汽车零部件供应商、整车制造商（乘用车和商用车企业）、汽车经销商以及最终消费者构成。在对汽车供应链信用风险进行研究时主要也是从供应商、制造商和分销商三级进行研究。本文选取的是从2012-2014年期间的财务和市场数据，截止到2013年底中国有53家上市零部件供应商，由于其中有9家的部分关键数据不完整，因此，本文选取剩下有完整数据的44家上市公司作为汽车零部件供应商组；中国上市的整车制造企业有24家，虽然这24家上市整车制造公司的数据都比较完整，但是由于其中有5家同时发行B股或者H股，由于本文在统计各上市公司流通股股数时仅考虑A股市场，将这5家上市制造企业从样本数据中剔除；上市汽车经销商有3家且都能获取其数据，因此都可以作为我们分析研究的对象。本文的财务数据和市场数据都来源于深圳市国泰安（GTA）信息技术有限公司中国上市公司财务数据库和巨潮资讯网。
2.本数据有效性分析。本文采用Matlab编程，用布谷鸟智能算法来计算企业的资产价值V及资产价值波动率，进而计算出违约距离。然后，以上市公司的股票面值为权重，用加权平均的方法计算出汽车供应链上零部件供应商、整车制造企业以及汽车经销商三个环节的违约距离。加权后汽车供应链三环节各季度的具体违约距离如表2所示：
在根据违约距离对汽车供应链各环节的信用风险评估之前，本文先用Mann-Whiteney U Test对各环节的违约距离进行显著性检验，检验结果如表3所示：
从最终的显著性检验结果可知，零部件供应商、整车制造企业以及经销商这三个汽车供应链上非常重要的三个环节之间的违约距离具有比较显著的差异，在下一小节中本文将根据这三个环节的具体违约距离及趋势对其反应出的信用风险问题进行分析。
3.数据结果分析。将表2 中最终计算出的上述汽车零部件上市供应商、整车上市制造商组、上市汽车经销商组在2012-2014年期间各个季度的平均违约距离DD制成如图2所示的趋势图。
从图1可以看出，2012-2014年这三年间，汽车供应链上零部件供应商、整车制造企业以及经销商这三个环节的违约距离总体呈现上升趋势，但是具体到各个行业的变动趋势还是有着较大的差别。从趋势图可以看出，在整个供应链中汽车经销商环节的违约距离较之于零部件供应商和整车制造企业来说非常小，而且从2012年第二季度到2013年第三季度之间，违约距离波动非常大，很不稳定，这对汽车供应链上其他环节来说是非常危险的信号。因此，汽车供应链上其他与汽车经销商有直接贸易往来的企业应当密切关注经销商的财务状况，一旦经销商的财务状况出现异常，应立即采取相应的应对方案，把风险出现的可能性降到最小。而与汽车经销商没有直接贸易往来但是有间接影响的企业虽然不能获得有关汽车经销商第一手的财务数据，但是也可以通过关注汽车经销商的股票波动以及每季度公开的财务报表来监控经销商的财务状况。
就汽车零部件供应商部分来看，虽然从2012年到2014年第三季度间整体的违约距离在增大，但是事实上从趋势图反映的情况可以看出，从2014年第一季度开始，汽车零部件供应商的违约距离开始有了一定的减小，不过之后有保持相对比较稳定的趋势。出现这种情况可能是因为2013年下半年国家相继出台了一系列推广新能源汽车的政策，这些政策可能刺激了新能源汽车市场，进而使得传统的燃油汽车零部件供应商受到一点影响。
作为汽车供应链上比较核心的部分——整车制造企业，最近这三年整车制造行业的违约距离相对来说比较大，而且一直处于增长的状态，这说明整车制造企业的整体绩效不错，这也与实际的国内汽车市场上最近几年汽车销量一直保持较好的增长趋势相一致。
三、结语
本文主要是利用KMV模型对整个国内汽车供应链的信用风险进行了评估，根据评估结果发现，整個汽车供应链上汽车经销商环节出现违约距离最小，出现信用风险的可能性最大，因此，建议与汽车经销商有合作或者有贸易往来的企业多关注汽车经销企业的财务状况，避免或减少因经销商的财务变动带来的风险。零部件供应商部分的违约距离结果在整个供应链上处于居中状态，针对最近几个季度出现的波动，本文也针对该波动给出了一定的分析和建议。
参考文献：
[1] 王燕，邬跃，魏国辰.基于Stackelberg博弈的供应链信用风险分析[J].供应链管理，2008，89-91.
[2] 吴冲，吕静杰，潘启树等.基于神经网络的商业银行信用风险评估模型研究[J].系统工程理论与实践，2004，（11）：01-08.
[3] 刘明.基于Logistic模型的供应链金融信用风险评价研究[D].哈尔滨：哈尔滨工业大学，2013.
[4] 颜波，石平，王凤玲.基于CVaR的农产品供应链风险评估与控制[J].农村经济，2013，27（10）：111-115.
[5] 段利真.基于VaR和CVaR的多元供应链风险评价[D].深圳：哈尔滨工业大学，2010.
[6] 陈晓红，张泽京，王傅强.基于KMV模型的我国中小上市公司信用风险研究[J].数理统计与管理，2008，27（1）：54-61.
[7] 陈松男.信用风险管理——对冲工具与定价模型的实务运用[M].北京：机械工业出版社，2014.49-50.
[8] 叶蜀君.信用风险的博弈分析与度量模型[M].北京：中国经济出版社，2008.49-55.
[9] 张泽京，陈晓红，王傅强. 基于KMV模型的我国中小上市公司信用风险研究[J].财经研究，2007，3，（11）：31-40.
关键词：汽车供应链 KMV模型 信用风险
一、引言
随着市场经济一体化发展，有效的供应链管理固然会给企业带来比较好的效益，可是供应链管理运营过程中也会逐渐暴露出一些问题，如供应链中某些节点企业的违约行为可能会给供应链上其他企业带来毁灭性的打击。汽车供应链涉及到的节点企业众多，链条相对较长，这就使得倘若汽车供应链中出现某节点企业违约，那么该违约行为带来的影响将更加深远，因此，有必要对汽车供应链信用风险进行研究。对信用风险的研究由来已久，研究方法大致可以分为两大类，即定性分析方法和定量分析方法。定性方法如专家法（5C）和评级方法，这类方法基本是对信用风险进行定性分析，因此具有较强的主观性；而定量方法主要有王燕等基于Stackelberg博弈对供应链信用风险进行分析研究，吴冲等基于模糊神经网络对商业银行信用风险进行评估研究，刘明选择Logistic模型来度量供应链金融的信用风险。这些定量方分析模型与定性分析模型相比，所得出的信用风险评估结果更具有说服力和指导性。然而，上述这些评估方法大都仅仅只关注单一企业的信用状况，因此并不适合用于对整个供应链的信用状况进行评估。有学者采用CVaR模型对供应链风险进行研究，例如：颜波等将AHP-OWA算子与CVaR相结合 ；段利真将金融领域比较成熟的VaR和CVaR模型应用于企业和供应链的风险评估。这些学者都是CVaR模型应用于供应链风险的，而都没有将之应用于供应链信用风险的评估，因此，CVaR模型对于供应链信用风险评估的适用性还有待验证。相比之下，由KMV公司开发的KMV模型则能很好的用于我国信用风险的度量，不少学者已经在KMV模型在我国的适用性以及基于KMV模型的信用风险评估方面做了研究，例如，陈晓红等用KMV模型对2004-2006年我国79家中小上市公司的信用风险状况进行了研究。KMV公司开发的KMV模型是基于现代公司理财和期权理论的结构性模型，比以往仅仅依靠公司财务数据所做的评价更准确[13]。因此，在综合考虑各种因素的情况下，本文优先选用KMV模型。
二、样本数据和实证分析
1.汽车供应链中上市公司样本选取。汽车供应链主要由原材料供应商、汽车零部件供应商、整车制造商（乘用车和商用车企业）、汽车经销商以及最终消费者构成。在对汽车供应链信用风险进行研究时主要也是从供应商、制造商和分销商三级进行研究。本文选取的是从2012-2014年期间的财务和市场数据，截止到2013年底中国有53家上市零部件供应商，由于其中有9家的部分关键数据不完整，因此，本文选取剩下有完整数据的44家上市公司作为汽车零部件供应商组；中国上市的整车制造企业有24家，虽然这24家上市整车制造公司的数据都比较完整，但是由于其中有5家同时发行B股或者H股，由于本文在统计各上市公司流通股股数时仅考虑A股市场，将这5家上市制造企业从样本数据中剔除；上市汽车经销商有3家且都能获取其数据，因此都可以作为我们分析研究的对象。本文的财务数据和市场数据都来源于深圳市国泰安（GTA）信息技术有限公司中国上市公司财务数据库和巨潮资讯网。
2.本数据有效性分析。本文采用Matlab编程，用布谷鸟智能算法来计算企业的资产价值V及资产价值波动率，进而计算出违约距离。然后，以上市公司的股票面值为权重，用加权平均的方法计算出汽车供应链上零部件供应商、整车制造企业以及汽车经销商三个环节的违约距离。加权后汽车供应链三环节各季度的具体违约距离如表2所示：
在根据违约距离对汽车供应链各环节的信用风险评估之前，本文先用Mann-Whiteney U Test对各环节的违约距离进行显著性检验，检验结果如表3所示：
从最终的显著性检验结果可知，零部件供应商、整车制造企业以及经销商这三个汽车供应链上非常重要的三个环节之间的违约距离具有比较显著的差异，在下一小节中本文将根据这三个环节的具体违约距离及趋势对其反应出的信用风险问题进行分析。
3.数据结果分析。将表2 中最终计算出的上述汽车零部件上市供应商、整车上市制造商组、上市汽车经销商组在2012-2014年期间各个季度的平均违约距离DD制成如图2所示的趋势图。
从图1可以看出，2012-2014年这三年间，汽车供应链上零部件供应商、整车制造企业以及经销商这三个环节的违约距离总体呈现上升趋势，但是具体到各个行业的变动趋势还是有着较大的差别。从趋势图可以看出，在整个供应链中汽车经销商环节的违约距离较之于零部件供应商和整车制造企业来说非常小，而且从2012年第二季度到2013年第三季度之间，违约距离波动非常大，很不稳定，这对汽车供应链上其他环节来说是非常危险的信号。因此，汽车供应链上其他与汽车经销商有直接贸易往来的企业应当密切关注经销商的财务状况，一旦经销商的财务状况出现异常，应立即采取相应的应对方案，把风险出现的可能性降到最小。而与汽车经销商没有直接贸易往来但是有间接影响的企业虽然不能获得有关汽车经销商第一手的财务数据，但是也可以通过关注汽车经销商的股票波动以及每季度公开的财务报表来监控经销商的财务状况。
就汽车零部件供应商部分来看，虽然从2012年到2014年第三季度间整体的违约距离在增大，但是事实上从趋势图反映的情况可以看出，从2014年第一季度开始，汽车零部件供应商的违约距离开始有了一定的减小，不过之后有保持相对比较稳定的趋势。出现这种情况可能是因为2013年下半年国家相继出台了一系列推广新能源汽车的政策，这些政策可能刺激了新能源汽车市场，进而使得传统的燃油汽车零部件供应商受到一点影响。
作为汽车供应链上比较核心的部分——整车制造企业，最近这三年整车制造行业的违约距离相对来说比较大，而且一直处于增长的状态，这说明整车制造企业的整体绩效不错，这也与实际的国内汽车市场上最近几年汽车销量一直保持较好的增长趋势相一致。
三、结语
本文主要是利用KMV模型对整个国内汽车供应链的信用风险进行了评估，根据评估结果发现，整個汽车供应链上汽车经销商环节出现违约距离最小，出现信用风险的可能性最大，因此，建议与汽车经销商有合作或者有贸易往来的企业多关注汽车经销企业的财务状况，避免或减少因经销商的财务变动带来的风险。零部件供应商部分的违约距离结果在整个供应链上处于居中状态，针对最近几个季度出现的波动，本文也针对该波动给出了一定的分析和建议。
参考文献：
[1] 王燕，邬跃，魏国辰.基于Stackelberg博弈的供应链信用风险分析[J].供应链管理，2008，89-91.
[2] 吴冲，吕静杰，潘启树等.基于神经网络的商业银行信用风险评估模型研究[J].系统工程理论与实践，2004，（11）：01-08.
[3] 刘明.基于Logistic模型的供应链金融信用风险评价研究[D].哈尔滨：哈尔滨工业大学，2013.
[4] 颜波，石平，王凤玲.基于CVaR的农产品供应链风险评估与控制[J].农村经济，2013，27（10）：111-115.
[5] 段利真.基于VaR和CVaR的多元供应链风险评价[D].深圳：哈尔滨工业大学，2010.
[6] 陈晓红，张泽京，王傅强.基于KMV模型的我国中小上市公司信用风险研究[J].数理统计与管理，2008，27（1）：54-61.
[7] 陈松男.信用风险管理——对冲工具与定价模型的实务运用[M].北京：机械工业出版社，2014.49-50.
[8] 叶蜀君.信用风险的博弈分析与度量模型[M].北京：中国经济出版社，2008.49-55.
[9] 张泽京，陈晓红，王傅强. 基于KMV模型的我国中小上市公司信用风险研究[J].财经研究，2007，3，（11）：31-40.