基于系统动力学的国际供应链金融风险预测
董士浩1，李 稚1，2（副教授）
【摘要】 针对国际供应链金融风险利益关系复杂、信息不对称等特点，提出包含外部环境风险因素在内的多影响因素的国际供应链金融风险预测模型，研究国际供应链金融风险系统的结构特征与形成机制。在此基础上，选取天津中非泰达投资有限公司的相关数据进行系统动力学仿真，结果表明：供应链关系风险是国际供应链金融风险重要影响因素；外部环境风险和国外中小融资企业信用风险影响次之；第三方物流企业风险与商业银行风险影响较小。将国际供应链金融风险系统划分为五个子系统，通过敏感性研究分析风险因子对各子系统的影响关系，并给出应对国际供应链金融风险的对策建议。
【关键词】 国际供应链；金融风险；系统动力学；供应链关系风险
一、引言
国际供应链金融（ISCF）是一种创新型的金融模式，能够为国际供应链体系提供及时便利的融资支持，促进各国之间的贸易往来，加深产业链企业间合作。然而，面对复杂的国际形势及环境，国际供应链金融体系存在一定的国别风险、信用风险、市场风险以及汇率风险。因此，在增强本土核心企业国际化经营能力的同时，也要提高其抵御国际经济风险的能力。目前关于供应链金融风险的研究主要分为两大类：基于传统模式的供应链金融风险研究；基于全球贸易一体化新兴模式的国际供应链金融风险研究。
国内外学者对传统供应链金融风险的研究主要从风险识别与评价、风险度量和风险控制三个方面展开：①早期学者研究重点为分析供应链金融特点和结构，发现其中的风险环节，并对各环节风险指标进行评价[1]。现有研究对供应链金融风险的识别过程及评价指标体系的构建多以主观定性方法为主，研究方法具有一定局限性。此后，学者们对供应链金融风险进行了具体的度量研究。②风险度量一般用于评估借款企业的信用风险，运用的量化方法有Logistic 回归模型、Var 方法、报童模型等，这些模型和技术的应用对金融风险进行了有效度量，为后续控制措施的制定提供了更加精细的参考依据。③供应链金融风险控制则多从质押物及质押方式的选择[2]、质押率和贷款利率的设定[3]、风险预警策略[4]等方面展开研究。
对于国际供应链金融风险的研究，学者Lee 和Rhee 等[5]认为，采用商业信用合作模式的风险控制，效果优于金融机构只面向单个企业的金融风险控制。Grath[6]研究了国际供应链金融中贸易融资的风险管理与风险评价，并提出通过应用Copula-Var方法来减少金融风险，精确度优于单一运用Var 来减少金融风险的方法。但该方法受限于金融风险类型，并不适合不同量纲的金融风险研究。Chen、Liao[7]建立牛鞭效应模型解释了国际供应链金融中企业之间风险传递的感染性，将时间与信息因素引入金融风险系统。谢世清等[8]总结出国际供应链金融的三种典型模式（物流企业主导模式、企业集团合作模式、商业银行服务模式），并从融资主导、运作优势等多个方面对这三种模式进行了比较分析。Rahder[9]研究了国际商会出版物，并在此基础上提出国际供应链金融风险的制度规范。
综上，已有关于传统及国际供应链金融风险的研究往往只考虑系统内部各企业实体及实体间关系的供应链金融风险，而忽略了系统外部环境因素所带来的影响。基于此，本文在现有供应链金融风险研究的基础上，考虑外部环境因素，研究其对国际供应链金融风险的影响；通过建立国际供应链金融风险预测模型，识别敏感性影响因素，以期为我国企业“走出去”参与“一带一路”建设、规避国际供应链金融风险提供理论指导与建议。
二、“国际供应链金融风险”系统分析
1.系统结构框架。结合现有国际供应链金融风险研究，引入外部环境因素，构建本文系统结构框架。本文研究的“国际供应链金融风险”系统主要分为五个子系统：外部环境风险子系统、国外中小融资企业信用风险子系统、供应链关系风险子系统、第三方物流企业风险子系统、国内商业银行风险子系统。
（1）外部环境风险子系统。外部环境属于该系统中的客观环境因素，不同于传统国内供应链金融系统。国际供应链金融系统涉及不同国家间贸易及资金流动，故外部环境的变动必然会对国际供应链金融系统产生影响。在外部环境风险子系统中，选取的变量为政治风险[10]、“一带一路”区域经济形势[11]、社会风险[12]。其中，通过政治风险与国外中小融资企业偿债能力的关系与国外中小融资企业信用风险子系统相联系。
2.系统的构成。“国际供应链金融风险”系统作为开放系统，属于多输入、多输出系统。“国际供应链金融风险”系统的协调发展取决于各系统之间及系统内部要素之间的相互作用，如图1所示。
图1 子系统构成
话说事情发生在老家镇的农资集贸市场里。秋播前夕，政府要调整市场经营格局：现有的农药农资、渔药渔需商店不再发散设置，按照新规划方案进行统一集中，形成一个“客买堆货”的农用渔业生产物资集贸区，利于经营，利于管理，方便农户。
（2）国外中小融资企业信用风险子系统。国外中小融资企业信用风险是整个系统风险的驱动者。在国外中小融资企业信用风险系统中，选取的变量为交易对手盈利能力、交易对手信用状况、融资企业偿债能力。其中，通过交易对手信用状况与供应链合作密切程度的关系与供应链关系风险子系统相联系。
（3）供应链关系风险子系统。供应链关系风险子系统反映了国际供应链金融风险系统中国内核心企业与国外中小融资企业的合作关系。该系统选取的变量为供应链合作密切程度和风险共担机制，通过供应链合作密切程度与信用评估风险的关系与国内商业银行信用风险子系统相联系。
国际大石油公司对2019年后的投资预算调增幅度较大。例如，埃克森美孚计划2019年后持续增加投资，到2025年达到300亿美元，回归到2015年的投资水平；其他大石油公司也在2018年预算基础上增加投资10亿～40亿美元不等。投资增长推动产量增长加速，预计未来5年国际大石油公司油气产量实现年均4%～7%的增长，这是2000年以来产量增长最快、持续时间最长的一个时期。
（4）第三方物流企业风险子系统。第三方物流企业风险子系统选取两个变量：仓储监管风险与质押物风险。仓储监管风险是指由仓单错误导致的仓单信息与质押物实体信息不对称所引发的风险。质押物风险，是指保有质押物的单位因质押物本身属性或监管不力导致的质押物损坏或丢失，进而引发的风险。
1.仿真运算与有效性检验。本文以天津中非泰达投资股份有限公司为研究背景，该公司主要是在境外从事经济贸易合作区建设和运营的企业集团。就目前我国经济发展情况而言，境外经贸合作区是实施“走出去”战略的一条重要途径。基于该研究背景，确定系统常量的取值。对于区域经济合作政策、时间风险、信用级别、金融风险分担等常量，为了保证取值的科学性，本研究邀请天津大学“一带一路”与PPP研究中心、中国远洋天津物流有限公司、中国工商银行天津分行及中非泰达项目相关成员组成专家考评组，经过多次反馈调研与修正，综合15 位专家意见和“一带一路”战略推广现状确定具体数值。对于融资企业运作的财务指标，初始值从《“一带一路”大数据报告（2017）》及《泰达海外模式研究报告（2017）》中获取。
三、“国际供应链金融风险”系统动力学模型
1.系统因果回路图。在综合分析的基础上，确定“国际供应链金融风险”系统的结构层次。结合该系统的结构特点，建立总体因果反馈回路图，如图2所示。根据因果回路图及反馈回路分析结果可知，国际供应链金融风险系统共有6 个正反馈系统（R1-R6），没有负反馈系统。
2.4肺压缩程度与病情并不一致,且并发症多,病死率高。老年人全身情况差,多有各脏器退行性变,尤其是老年慢性阻塞性肺病患者肺功能都有不同程度损害,一旦发生气胸,即使少量气胸,也可使患者气急、呼吸困难加重,易并发胸腔积液、呼吸衰竭、肺性脑病等。本组死亡率为4.3%,这与原发病严重有关,对这些患者及时诊断、正确治疗是关键,应尽早行胸穿减压或胸腔闭式引流及胸腔镜手术治疗。相关研究表明,手术治疗的复发率及远期效果均优于内科保守治疗[3]。
3.敏感性分析。为进一步研究“国际供应链金融风险”系统中五大子系统风险的主要影响因素，本文对各子系统中的指标进行敏感性分析。将各子系统中的指标因素数值分别浮动一个单位以观察其对各子系统风险的影响。敏感性分析结果如图6～图10所示。
图2 “国际供应链金融风险”系统因果回路
图3 “国际供应链金融风险”系统流
以图2 为基础，运用Vensim DSS 软件得到国际供应链金融风险系统的结构模型图。结构模型图中，各变量间的关系可以建立数学模型，如表1所示。
表1中，PR1为融资企业所在国政治风险；CP为交易对手盈利能力；FCATPD 为融资企业偿债能力；CCS 为交易对手信用状况；SR 为社会风险；“OBOR”RES为“一带一路”区域经济形势；SCC为供应链合作密切程度；RSM 为风险共担机制；ROWS 为仓储监管风险；TPR 为质押物风险；PR2为支付风险；ROFA为融资审批风险；CR为信用评估风险。
采用SPSS 19.0统计学软件对数据进行处理，计量资料以“±s”表示，采用t检验，计数资料采用x2检验，以P＜0.05为差异有统计学意义。
[42] 毛其智、龙瀛、吴康：《中国人口密度时空演变与城镇化空间格局初探——从2000年到2010年》，《城市规划》2015年第2期，第38-43页。
四、“国际供应链金融风险”系统模型仿真模拟
（5）国内商业银行风险子系统。国内商业银行主要把控国际供应链金融系统中的资金流，决定了系统中的资金流量及方向。该系统选取的变量为支付风险、融资审批风险和信用评估风险。通过信用评估风险与供应链合作密切程度的关系与供应链关系风险子系统相联系。
表1 国际供应链金融风险主要变量函数关系
在系统模型仿真过程中，考虑“一带一路”背景，且中非泰达产业园区建成时间为2013年，故选取仿真初始时间为2013年，完成时间为2017年。取Time Step=1年，根据已建立的系统结构模型和SD 模型，模拟“国际供应链金融风险”系统在2013～2017年间的运行情况。其中，外部环境风险子系统、国外中小融资企业信用风险子系统及供应链关系风险子系统中各指标的仿真模拟初始值以及真实数据结果从《“一带一路”大数据报告（2017）》中获取，通过报告中的国别贸易合作指数、外贸竞争力指数、企业影响力指数确定各指标数据；第三方物流企业风险子系统中的各项指标数据由中国物流行业协会调查数据确定；国内商业银行风险子系统中的数据由中国银行业监督管理委员会所搜集的调查数据确定。各指标数据确定后，对模型有效性及稳定性等特征进行检验，各子系统运行结果如图4所示。
通过仿真模拟，分别得到外部环境风险、国外中小融资企业信用风险、供应链关系风险、第三方物流企业风险、国内商业银行风险总量的仿真结果，如图4 中各变量预测值（曲线1）所示。通过与历史数据（曲线2）进行对比发现，仿真结果与真实值之间的拟合误差较小。
2.系统模型预测。在“国际供应链金融风险”系统仿真模型检验成立的基础上，运用该模型对国际供应链金融风险”系统的运行情况进行预测，分别对外部环境风险总量、国外中小企业信用风险总量、供应链关系风险总量、第三方物流企业风险总量、国内商业银行风险总量进行预测，模型预测时间段为2017～2022年，运行结果如图5所示。
由图5可知，在预测开始的2017年，供应链关系风险占主导地位，虽然其预测值会在短期内呈现下降趋势，但随着时间的推移，其风险最终会不断累积上升。以中非泰达投资有限公司建设的园区为例，在园区的建成初期，“走出去”的国内投资企业与首批入驻园区的当地企业正处于磨合阶段，这导致供应链关系初期风险较高。但随着磨合的逐步推进，合作关系趋于稳定，供应链关系风险随之降低。当园区运营能力达到稳定时，会引入更多的当地企业进行合作，随着入驻企业规模不断扩大，风险也会随着供应链规模的不断扩大而持续增长。
国外中小融资企业信用风险在预测期内一直呈平稳增长趋势，并在一段时期内反超供应链关系风险预测值，成为国际供应链金融风险系统中最大的风险隐患。外部环境风险、第三方物流企业风险、国内商业银行风险增长趋势类似于指数函数，在预测初期增长趋势相似且增长速度较为缓慢；在预测后期，三类风险大幅增长，其中增长速度最为迅猛的是外部环境风险。从表2 可以看出，在预测结束年度2022年，外部环境风险预测值超过国外中小融资企业信用风险的预测值，与供应链关系风险预测值基本一致。相对外部环境风险而言，第三方物流企业风险与国内商业银行风险在预测后期虽然增长幅度相较预测初期明显增大，但相较外部环境的迅猛增长趋势稍显缓慢，且第三方物流企业风险相比国内商业银行风险更高。
2.系统流图。“国际供应链金融风险”系统模型的建立涉及较多因素，根据对“国际供应链金融风险”系统模块的划分和系统因果关系的总体描述，构建系统流图3。
图4 五大子系统现实性检验
图5 国际供应链金融风险2017～2022年预测值
表2 国际供应链金融风险2017～2022年预测值
短程硝化反硝化生物脱氮影响因素与实现途径……………………………………李 娜，胡筱敏，李国德，等（1.7）
由图6 可知，质押物时间风险对第三方物流企业风险影响较大，其次是成本风险，影响最小的是仓单错误。对第三方物流企业来说，保证质押物的安全是首要任务。质押物的风险随时间的推移不断增长。相比之下，质押物的成本风险较为固定，而仓单错误所引发的风险规避成本相对较小，以上两种风险不会随着时间或其他因素发生实质性改变，故对第三方物流企业风险系统的影响较小。
糖尿病性骨质疏松症可归属于中医学“消渴”、“骨痿”等病证范畴，其病因主要是消渴病失治误治，损伤脾肾，致脾肾亏虚，因肾主骨，肾虚则不能滋养骨髓而发病。因此在治疗时应以健脾补肾为主。中药方中熟地黄、山茱萸、补骨脂、枸杞子、桑寄生、淫羊藿、牛膝等大队补肾药物以补肾填精，配伍山药、白术健脾，当归、赤芍、丹参、延胡索等以补血活血，牡蛎健骨壮筋，全方合用，共奏健脾补肾、活血健骨之效。综上，采用中西医结合治疗糖尿病性骨质疏松症，效果较好，值得推广。
由图7 可知，对外部环境风险影响最大的因素为区域经济合作政策，其次是融资企业所在国政权更迭，区域经济增长与汇兑限制影响相对较小，影响最小的是文化差异与宗教冲突。区域经济合作政策决定了双方的基本合作原则，且有利于合作双方关系的稳定。在国际供应链金融体系参与国家中，各国经济增长趋势之间虽然存在差距，但差距相对稳定，故对系统整体风险影响较小。汇兑限制因为合作政策的存在，并不会对系统整体产生较大影响。在国际供应链金融形成过程中，我国企业会提前了解并充分尊重当地的文化及风俗习惯，有效避免不必要的文化冲突。因此，文化差异与宗教冲突风险是外部环境风险子系统中影响最小的因素。
图6 第三方物流企业风险敏感性分析
图7 外部环境风险敏感性分析
由图8 可知，信用级别对国外中小融资企业信用风险系统影响最大，而交易对手销售利润率影响最小。信用级别可以直接反映国外中小融资企业信用水平，对其信用风险评价起决定性作用，信用级别越高，融资企业带来的风险越小。交易对手销售利润率在该风险子系统中的作用最小，原因在于：相较于融资企业自身测度的信用级别而言，交易对手销售利润率属于融资企业外部对象影响指标，虽然会对风险系统产生一定影响，但作用并不明显。
图8 国外中小融资企业信用风险敏感性分析
图9 国内商业银行风险敏感性分析
由图9 可知，出账对国内商业银行风险系统影响最大，其次是银行审核，合作协议纰漏及信用评估风险对风险系统影响较小。出账风险可能会造成资金损失，严重情况下可能导致整个供应链中的资金链断裂。本文所选商业银行与核心企业皆为国内企业实体，这样商业银行对核心企业的评估更准确且容易把控。对于长期合作担保的核心企业来说，势必与商业银行进行合作，双方具有一定信任基础，因此这种信用评估风险会被降到最低，故该指标对整个国内商业银行风险系统的影响最小。
由图10可知，金融风险分担对供应链关系风险系统影响最大，其次是供应链合作年限与权责风险分担，核心企业违约情况对该风险系统影响最小。通常在供应链合作关系中，合作双方的风险共担机制决定了双方合作意愿的大小，有效的金融风险分担机制会将供应链关系中的金融风险降到最低。核心企业与融资企业的合作年限说明了双方合作关系的程度，合作年限越短，双方对彼此的了解与信任程度越低，合作关系越不稳定，对供应链关系风险有较大影响。国际供应链涉及各国企业，在合作初期应设定合理的权责分担机制，避免在合作过程中因权责界定不清而导致供应链关系破裂，该风险在国际供应链形成初期可以有效避免，故不会对国际供应链关系造成很大影响。此外，国内核心企业的违约情况并不会对该关系造成很大影响，其在国际供应链合作关系中起主导作用，因此并不会因自身失误而轻易破坏合作关系。
图10 供应链关系风险敏感性分析
五、结论
本文运用系统动力学方法研究了国际供应链金融风险系统的影响因素，将其分为外部环境风险、国外中小融资企业信用风险、供应链关系风险、第三方物流企业风险、国内商业银行风险五大模块。在实证分析过程中，首先运用SD 模型模拟2013～2017年数值，并与真实数据进行对比，对比结果表明该模型能够准确模拟国际供应链金融风险运作过程和效果。其次，运用该模型模拟了2017～2022年系统风险的预测值。最后，通过敏感性分析指出预测期间不同指标对各子系统风险影响的大小。
研究结果表明，在预测期内，对国际供应链金融风险系统影响较大的子系统分别是外部环境风险、供应链关系风险、国外中小融资企业信用风险，而第三方物流企业风险与国内商业银行风险的影响相对较小。敏感性分析得出的各风险子系统重要指标分别为：区域经济合作政策、金融风险分担、信用级别、质押物时间风险、出账。本文构建的国际供应链金融风险预测模型，结合国际供应链特点着重考虑了外部环境因素，使得预测模型更符合实际情境。此外，本文指出了该风险系统中的敏感性影响因素，这为准确防范与控制国际供应链中的金融风险提供了有益的参考。
这里包含的控制变量有人口总量，实际GDP总量，人均实际GDP和贸易量。需要注意的是，由于金融发展水平的内生性，我们不排除经济增长对金融发展的潜在反馈机制，同时已有文献提出通货膨胀与金融发展具有一定联系[17]，所以经济增长率(GDP growth)和通货膨胀(Inflation)也作为控制变量加入模型。
主要参考文献：
[1]Shearer A.T.，Diamood S.K..Shortcomings of risk ratings impede success in commercial lending［J］.Commercial Lending Review，1998（1）：22～30.
[2]杨玉丰，鲁长瑜.新形势下我国信托业面临的风险及对策［J］.经济纵横，2017（4）：124～128.
[3]张然斌，李明生，黄泽先.抵（质）押物价值折扣率的决定及其敏感性分析［J］.系统工程，2015（4）：62～67.
[4]邓爱民，熊剑，张凡.基于BP 神经网络的订单融资风险预警模型［J］.情报杂志，2010（11）：23～28.
[5]Lee C.H.，Rhee B.D..Trade credit for supply chain coordination［J］.European Journal of Operational Research，2011（1）：136～146.
[6]Grath A..The handbook of international trade and finance：The complete guide for international sales，finance，shipping and administration［J］.Arthritis & Rheumatology，2015（7）：1981～1982.
[7]Chen T.K.，Liao H.H..Internal liquidity risk，financial bullwhip effects，and corporate bond yield spreads：Supply chain perspectives［J］.Journal of Banking & Finance，2013（7）：2434～2456.
[8]谢世清，何彬.国际供应链金融三种典型模式分析［J］.经济理论与经济管理，2013（4）：80～86.
[9]Rahder T..Trade finance：Automating the international supply chain，VP product strategy［J］.Bolero International，2014（3）：81～97.
[10]侯茂章.地方产业集群国际化发展风险评价——基于模糊层次分析法的研究［J］.经济地理，2012（12）：97～100.
[11]申现杰，肖金成.国际区域经济合作新形势与我国“一带一路”合作战略［J］.宏观经济研究，2012（11）：30～38.
[12]张锐连，施国庆.“一带一路”倡议下海外投资社会风险管控研究［J］.经济纵横，2017（2）：135～143.
【中图分类号】 F640
【文献标识码】 A
【文章编号】 1004-0994（2019）12-0170-7
DOI： 10.19641/j.cnki.42-1290/f.2019.12.022
【基金项目】 天津市哲学社会科学规划研究项目“‘一带一路’背景下天津参与国际供应链金融风险分担机制研究”（项目编号：TJGL17-015）
作者单位： 1.天津工业大学经济与管理学院，天津300387；2.天津大学管理与经济学部，天津300072。李稚为通讯作者