论文部分内容阅读
摘 要：信息熵法多用于横向的财务风险评估，对于纵向的供应链财务风险评估需要与其他方法结合使用，由于供应链上企业间的相关关系是非正态、非线性的，因此采用Copula模型与信息熵相结合对供应链财务风险进行评估。以海尔、美的、格力为核心企业组成的27条供应链为例，建立27个Copula函数方程度量企业间相关关系，并结合信息熵法计算得出供应链财务风险的大小，从而为企业供应链的发展提供依据。
关键词：供应链财务风险；信息熵法；Copula模型
中图分类号：F275.5 文献标志码：A 文章编号：1673-291X（2017）28-0077-03
供应链财务风险是指在供应链条上的节点企业在筹资、投资、生产经营、利润分配等各项财务活动中的决策所引起的自身财务成果实际与预期的负偏离，并最终导致整条供应链上财务风险的增加。家电行业基本处于行业生命周期的成熟期，市场化程度较高，大型的家电制造企业对整条供应链的运行起着核心作用，因此与上下游企业的经营往来中具有强大的议价能力，对于供应商采取先货后款的赊销延后结算方式。对经销商而言，市场畅销的制造商往往可以控制销售渠道，从而可以采取先款后货的结算方式，财务风险极易以货物或资金为载体在家电企业供应链条上传导。
一、供应链上企业间相关关系模型的构建与拟合
目前对于供应链财务风险评估的比较零散，一些学者采用不同研究方法如信息熵法、改进能量分析模型、层次分析法等，但每种方法的研究文献都非常少。其中，信息熵法多用于横向的财务信息评估，应用于纵向的供应链时需要与其他方法结合使用。比较有代表性的有，贾炜莹（2010）选定了18个财务指标来评价供应链财务风险，根据信息熵计算出供应链节点企业的财务风险，并利用计算评估整条供应链的财务风险并进行财务预警，这种评估方法是建立在供应链上节点企业间的财务风险是相互独立互不影响的基础之上的。但实际情况下，由于财务风险的传导性，链上企业的财务状况由于相互之间的业务活动和财务往来而互相影响，在利用信息熵法对供应链财务风险进行评估时应当考虑链上企业间的相关关系。
供应链上企业的相关关系可能是线性的，也可能是非线性的，因此需要根据其经营状况选择更合适的评估模型。企业的收益率可以较为真实地反映其经营状况，且具有较强的联动性，因此可以采用收益率作为指标对链上企业的相关性进行度量，从而选择更为合适的评估模型。本文选取供应商为三花股份（B1）、华声电器（B2）、华意压缩（B3），核心企业为海尔集团（A1）、美的集团（A2）、格力电器（A3），销售商为苏宁云商（C1）、三胞集团（C2）、三联商社（C3）组成27条供应链，评估该27条供应链财务风险。以海尔集团—三花股份—苏宁云商供应链为例，收集三家企业2016年1月1日至2016年12月31日的同期日收益率，即：
Rn，t=100（lnpn，t-lnpn，t-1）
其中，pn，t表示三个企业第t日的收盘价。
调用Matlab中skewness函数和kurtosis函数计算三家企业的偏度和峰度，从而得出日收益率总体分布密度曲线的对称性信息和峰值附近密度曲线的变化信息，结果（见表1）。
当样本偏度接近于0，同时偏度接近于3时，服从正态分布。其中，偏度越接近于0，总体分布越对称，否则便越倾斜；偏度小于0时呈现左偏分布，曲线顶点偏向右边；偏度大于0时呈现右偏分布，顶点偏向左边。从表中可以看出，三家企业均不服从正态分布，因此采用线性相关系数来反映供应链上企业的相关性会产生误差。而Copula函数可以较为准确的衡量变量间非对称、非线性关系，作为相关性分析和多元统计分析的工具，Copula理论广泛应用于金融及金融分析，如在研究中国股票市场的相关度模型，股票市场各行业板块之间的相关关系方面得到了广泛的应用，一些研究也将Copula函数应用于风险分析和风险管理方面，因此本文采用Copula模型进行供应链企业间相关关系的度量。
利用Matlab R2014a估计模型参数（见表2），将参数带回模型中可以分别构建3个二元Clayton Copula函数、3个二元Gumbel Copula函数和3个二元Frank Copula函数，因此需引入经验Copula函数进行模型优劣的评价，通过比较经验Copula函数与估计出的3个Copula函数模型的平方欧式距离，距离越小，则表明模型能够更好地拟合原始数据，结果（如表2所示）。
平方欧式距离值越小者拟合效果越好，通过对比平方欧式距离，选择Gumbel Copula函数对三家企业间的整体相关性度量更为准确。由于MATLAB只能调用二元阿基米德Copula函数包，因此需用MATLAB建模将二元模型扩展为多元模型。首先利用Gumbel Copula函数复合海尔集团与三花股份，复合参数为1.2670，之后再与苏宁云商复合，得出参数1.3673，由此构造三元Gumbel Copula相依模型：
利用上述方法，对由三花股份、华声电器、华意压缩、海尔集团、美的集团、格力电器、苏宁云商、三胞集团、三联商社组成的供应链进行相关结构建模，从而可得 27條供应链的相关结构模型方程（方程略）。
二、供应链财务风险评估
供应链财务风险主要包括筹资风险、投资风险、营运风险和分配风险，本文选取18项财务指标来进行评价9家节点企业的供应链财务风险。其中：筹资风险指标包括营运资本、流动比率、速动比率、现金比率、资产负债率、利息支付倍数；投资风险指标包括营业利润率、总资产利润率、净资产收益率、成本费用利润率；营运风险指标包括营业周期、应收账款周转率、存货周转率、固定资产周转率、总资产周转率；分配风险指标包括营业收入增长率、净利润增长率、每股收益增长率、利用信息熵法根据9家企业2015年度财务指标得出财务风险评估结果（如表3所示，计算过程略），数值越大，财务违约风险越小，财务状况越好，陷入财务危机的可能性越低。
将三花股份、海尔集团、苏宁云商的单个企业违约风险代入模型可得供应链的违约风险为0.1572，同样根据阿基米德Copula函数族得出27条供应链的违约风险（如表4所示）。
根据表4中的计算结果可以比较直观地看到，通过Copula模型所度量的供应链上违约风险概率值及其排名，A2B1C2、A2B3C2、A3B1C1供应链的财务风险最低，这主要是由于美的集团形成了包括关键部件与整机研发、制造和销售为一体的完整产业链，因此对来自供应链上下游企业的外部风险抵御能力较强，对财务风险的蔓延有一定的缓冲能力。因此，以美的为核心企业的供应链整体财务风险普遍较低，供应链运行具有较强的经济活力。而A2B2C1、A1B2C1、A3B2C3供应链的财务风险最高，以华声电器—海尔集团/格力电器组成的供应链由于空调市场的低迷导致营业收入减少，行业渠道库存较上年持续增长，经销商观望情绪严重，经济活力不足，短期违约风险较高。
三、结论
信息熵法多用于横向的财务信息评估，应用于纵向的供应链时需要与其他方法结合使用，由于供应链企业间的相关关系为非对称、非线性的，因此采用Copula函数与信息熵相结合的方法使得评估结果更加准确。通过对供应链财务风险的评估，可以使企业认识到所在的供应链的稳定性和活力，并趋向于与低财务风险、竞争力更强的企业合作，促进企业供应链的发展和管理。
参考文献：
[1] 邱映贵，冯自钦，程国平.供应链视角下企业财务风险传导机理与模式研究[J].财会通讯，2010，（2）.
[2] 韦艳华，张世英.Copula理论及其在金融分析上的应用[M].北京：清华大学出版社，2008.
[3] 谢中华.Matlab统计分析与应用：40个案例分析[M].北京：北京航空航天大学出版社，2010.
[4] 吴会咏.基于Copula相关结构的企业供应链融资风险度量[D].沈阳：辽宁大学，2014.
[5] 贾炜莹，刘永胜，张剑.基于信息熵法的供应链财务风险评估[J].中国流通经济，2010，（6）.
[责任编辑 陈丽敏]
关键词：供应链财务风险；信息熵法；Copula模型
中图分类号：F275.5 文献标志码：A 文章编号：1673-291X（2017）28-0077-03
供应链财务风险是指在供应链条上的节点企业在筹资、投资、生产经营、利润分配等各项财务活动中的决策所引起的自身财务成果实际与预期的负偏离，并最终导致整条供应链上财务风险的增加。家电行业基本处于行业生命周期的成熟期，市场化程度较高，大型的家电制造企业对整条供应链的运行起着核心作用，因此与上下游企业的经营往来中具有强大的议价能力，对于供应商采取先货后款的赊销延后结算方式。对经销商而言，市场畅销的制造商往往可以控制销售渠道，从而可以采取先款后货的结算方式，财务风险极易以货物或资金为载体在家电企业供应链条上传导。
一、供应链上企业间相关关系模型的构建与拟合
目前对于供应链财务风险评估的比较零散，一些学者采用不同研究方法如信息熵法、改进能量分析模型、层次分析法等，但每种方法的研究文献都非常少。其中，信息熵法多用于横向的财务信息评估，应用于纵向的供应链时需要与其他方法结合使用。比较有代表性的有，贾炜莹（2010）选定了18个财务指标来评价供应链财务风险，根据信息熵计算出供应链节点企业的财务风险，并利用计算评估整条供应链的财务风险并进行财务预警，这种评估方法是建立在供应链上节点企业间的财务风险是相互独立互不影响的基础之上的。但实际情况下，由于财务风险的传导性，链上企业的财务状况由于相互之间的业务活动和财务往来而互相影响，在利用信息熵法对供应链财务风险进行评估时应当考虑链上企业间的相关关系。
供应链上企业的相关关系可能是线性的，也可能是非线性的，因此需要根据其经营状况选择更合适的评估模型。企业的收益率可以较为真实地反映其经营状况，且具有较强的联动性，因此可以采用收益率作为指标对链上企业的相关性进行度量，从而选择更为合适的评估模型。本文选取供应商为三花股份（B1）、华声电器（B2）、华意压缩（B3），核心企业为海尔集团（A1）、美的集团（A2）、格力电器（A3），销售商为苏宁云商（C1）、三胞集团（C2）、三联商社（C3）组成27条供应链，评估该27条供应链财务风险。以海尔集团—三花股份—苏宁云商供应链为例，收集三家企业2016年1月1日至2016年12月31日的同期日收益率，即：
Rn，t=100（lnpn，t-lnpn，t-1）
其中，pn，t表示三个企业第t日的收盘价。
调用Matlab中skewness函数和kurtosis函数计算三家企业的偏度和峰度，从而得出日收益率总体分布密度曲线的对称性信息和峰值附近密度曲线的变化信息，结果（见表1）。
当样本偏度接近于0，同时偏度接近于3时，服从正态分布。其中，偏度越接近于0，总体分布越对称，否则便越倾斜；偏度小于0时呈现左偏分布，曲线顶点偏向右边；偏度大于0时呈现右偏分布，顶点偏向左边。从表中可以看出，三家企业均不服从正态分布，因此采用线性相关系数来反映供应链上企业的相关性会产生误差。而Copula函数可以较为准确的衡量变量间非对称、非线性关系，作为相关性分析和多元统计分析的工具，Copula理论广泛应用于金融及金融分析，如在研究中国股票市场的相关度模型，股票市场各行业板块之间的相关关系方面得到了广泛的应用，一些研究也将Copula函数应用于风险分析和风险管理方面，因此本文采用Copula模型进行供应链企业间相关关系的度量。
利用Matlab R2014a估计模型参数（见表2），将参数带回模型中可以分别构建3个二元Clayton Copula函数、3个二元Gumbel Copula函数和3个二元Frank Copula函数，因此需引入经验Copula函数进行模型优劣的评价，通过比较经验Copula函数与估计出的3个Copula函数模型的平方欧式距离，距离越小，则表明模型能够更好地拟合原始数据，结果（如表2所示）。
平方欧式距离值越小者拟合效果越好，通过对比平方欧式距离，选择Gumbel Copula函数对三家企业间的整体相关性度量更为准确。由于MATLAB只能调用二元阿基米德Copula函数包，因此需用MATLAB建模将二元模型扩展为多元模型。首先利用Gumbel Copula函数复合海尔集团与三花股份，复合参数为1.2670，之后再与苏宁云商复合，得出参数1.3673，由此构造三元Gumbel Copula相依模型：
利用上述方法，对由三花股份、华声电器、华意压缩、海尔集团、美的集团、格力电器、苏宁云商、三胞集团、三联商社组成的供应链进行相关结构建模，从而可得 27條供应链的相关结构模型方程（方程略）。
二、供应链财务风险评估
供应链财务风险主要包括筹资风险、投资风险、营运风险和分配风险，本文选取18项财务指标来进行评价9家节点企业的供应链财务风险。其中：筹资风险指标包括营运资本、流动比率、速动比率、现金比率、资产负债率、利息支付倍数；投资风险指标包括营业利润率、总资产利润率、净资产收益率、成本费用利润率；营运风险指标包括营业周期、应收账款周转率、存货周转率、固定资产周转率、总资产周转率；分配风险指标包括营业收入增长率、净利润增长率、每股收益增长率、利用信息熵法根据9家企业2015年度财务指标得出财务风险评估结果（如表3所示，计算过程略），数值越大，财务违约风险越小，财务状况越好，陷入财务危机的可能性越低。
将三花股份、海尔集团、苏宁云商的单个企业违约风险代入模型可得供应链的违约风险为0.1572，同样根据阿基米德Copula函数族得出27条供应链的违约风险（如表4所示）。
根据表4中的计算结果可以比较直观地看到，通过Copula模型所度量的供应链上违约风险概率值及其排名，A2B1C2、A2B3C2、A3B1C1供应链的财务风险最低，这主要是由于美的集团形成了包括关键部件与整机研发、制造和销售为一体的完整产业链，因此对来自供应链上下游企业的外部风险抵御能力较强，对财务风险的蔓延有一定的缓冲能力。因此，以美的为核心企业的供应链整体财务风险普遍较低，供应链运行具有较强的经济活力。而A2B2C1、A1B2C1、A3B2C3供应链的财务风险最高，以华声电器—海尔集团/格力电器组成的供应链由于空调市场的低迷导致营业收入减少，行业渠道库存较上年持续增长，经销商观望情绪严重，经济活力不足，短期违约风险较高。
三、结论
信息熵法多用于横向的财务信息评估，应用于纵向的供应链时需要与其他方法结合使用，由于供应链企业间的相关关系为非对称、非线性的，因此采用Copula函数与信息熵相结合的方法使得评估结果更加准确。通过对供应链财务风险的评估，可以使企业认识到所在的供应链的稳定性和活力，并趋向于与低财务风险、竞争力更强的企业合作，促进企业供应链的发展和管理。
参考文献：
[1] 邱映贵，冯自钦，程国平.供应链视角下企业财务风险传导机理与模式研究[J].财会通讯，2010，（2）.
[2] 韦艳华，张世英.Copula理论及其在金融分析上的应用[M].北京：清华大学出版社，2008.
[3] 谢中华.Matlab统计分析与应用：40个案例分析[M].北京：北京航空航天大学出版社，2010.
[4] 吴会咏.基于Copula相关结构的企业供应链融资风险度量[D].沈阳：辽宁大学，2014.
[5] 贾炜莹，刘永胜，张剑.基于信息熵法的供应链财务风险评估[J].中国流通经济，2010，（6）.
[责任编辑 陈丽敏]