作者：曹国岭

当今世界最有价值的资源是什么?毫无疑问，数据是无所回避的。大数据做为重要的基础性战略资源和信息经济的关键生产要素，大数据的发展，一定程度上代表区域经济未来的增长潜力，驱动着经济社会诸多领域发生深刻变革。

曹国岭教授指出，当前中国的大数据产业热潮中，北上广深以“领跑者”的姿态出现，凭借基础设施、产业支撑、市场应用等方面优势，走在探索前列。其中，政务数据开放、工业大数据和以两个超级计算机为代表的大数据基础设施建设可圈可点。

那么，大数据产业的产值如何统计?曹国岭教授认为，大数据产业指以数据生产、采集、存储、加工、分析、服务为主的相关经济活动，包括数据资源建设、大数据软硬件产品的开发、销售和租赁活动，以及相关信息技术服务。

工信部规划，到2020年，我国大数据相关产品和服务业务收入突破1万亿元，培育10家国际领先的大数据核心龙头企业和500家大数据应用及服务企业。

这说明，中国政府从高层到基层县市，都开始意识到了数据资源的重要性。如今，大数据产业已经形成了北京、长三角、广东三个重点聚集区。

随着“大数据”概念的提出和商业模式逐渐形成，学者们对“大数据”将对金融行业产生什么影响给予了非常大的关注。曹国岭教授强调，经济新常态下，在金融供给侧改革、金融支持实体产业转型升级的过程中，供应链金融作为连接产业与金融的天然跨界平台，成为了行业热点。“供应链金融作为产业转型的重要武器，要想放开手脚去干，就必须结合大数据。通过大数据与供应链金融的融合共享，在提高风控的效率同时让风险更为可视、可控。”

曹国岭教授解释，本文就是在大数据背景下，对供应链金融风控情况的深度解析。

一、供应链金融的主要风险类型

1、政策风险

国家政策的变化会影响相关行业的整个产业链。当进行产业结构的调整时，国家会出台一系列政策，支持或限制某个产业的发展。

国家出台政策限制一个产业发展，这个产业链从源头到最后的零售商都会受到影响，或生产规模缩小、或价格被迫上限。

如果银行选取了这条产业链上的核心企业开展了供应链融资业务，那么相关信贷业务都会被波及。

2、操作风险

巴塞尔银行监管委员会对操作风险的正式定义是操作风险是指由于不完善或有问题的内部操作过程、人员、系统或外部事件而导致的直接或间接损失的风险。

为了解决供应链中小成员的融资瓶颈，供应链融资凭借物流、资金流的控制以及自偿性的结构化操作模式设计，构筑了用于隔离中小企业信用风险的“防火墙”，并由此带来了大量的贷后操作环节。

这实质上造成了信用风险向操作风险的“位移”。因为操作制度的严密性和操作制度的执行力直接关系到“防火墙”的效力，进而决定信用风险是否被有效屏蔽，这其中贷后操作的规范性、合法性和严密性是贷款能否收回的重要保障，所以供应链金融业务的操作风险远大于传统业务。

3、市场风险

曹国岭教授指出，由于在供应链金融业务中，作为贷款收回的最后防线的授信支持性资产多为动产，且根据供应链所属行业不同，动产种类也很多。

这些动产的价格随市场供需的变化而波动，一旦贷款的收回需要将这些资产变现，而价格处在低谷，就给银行的供应链金融业务带来了市场风险。

这种以动产为保障的信贷模式的市场风险在整体业务风险中所占比例也较高。

二、供应链金融风险的关键点

曹国岭教授指出，依据外部监管方向，商业银行具有内在的脆弱性，这是商业银行风险产生的理论根源。

宏观经济政策与泡沫经济、金融放松管制与自由化、内部管理与道德风险、经营环境与非经济因素等是商业银行风险的现实起因。

而供应链金融业务与传统信贷业务相比有一些不同的特质，构成了供应链金融业务特殊风险的起因。

1、授信企业具有产业链连续性

曹国岭教授提出，基于供应链的供应链金融为融资业务带来了更广阔的融资空间，风险也就由传统的单一贸易环节向供应链上下游拓展，意味着供应链上下游的不确定性也为贸易融资带来了风险。特别是当供应链金融的覆盖范围达到“端到端”时，供应链金融的风险也就随之覆盖了整个供应链。

风险不再单纯来源于客户信用风险、贸易背景真实性等传统的风险来源，而是由贸易环节为出发点向供应链上下游扩散，因此不仅是客户自身的信用水平和还款能力应继续得到关注，对客户的上游供应商、下游客户的关系、商誉、信用度、财务报表真实性等都应当进行关注。

银行现阶段发展的供应链授信对象多集中在几个大型的产业链上，如汽车业、医疗器械类、电力类等。当这些大型产业链上的任意一个重要结点发生使银行撤出资金的风险问题时，不仅银行在链上其他企业的授信业务会受到影响，甚至整个产业链的发展也会受到波及。

2、授信企业规模较小

曹国岭教授指出，在传统的信贷业务中，银行偏向于选择大型信用评级较高的企业作为授信对象。而在供应链金融业务中，最需要资金支持的往往不是一条供应链上的核心企业，而是其上下游的供应商、分销商等相对小的企业。

银行授信以交易为基础决定其风险与传统业务不同。供应链金融是基于企业间的实质性交易来发放贷款的，这就决定了交易的可控性、真实性成为贷款能否收回的重要保障。

三、供应链金融的风险管控机制

曹国岭教授指出，供应链金融业务风险管控机理与传统业务一样分为风险识别、风险度量和风险控制，但是侧重点不同。

1、风险识别

曹国岭教授强调，风险识别是风险管理工作的第一步，也是风险管理的基础。在这个过程中，银行对可能带来风险的因素进行判断和分类。这部分做法和传统信贷业务基本一致，但识别风险时，要注意与传统业务风险种类的区别。

2、风险度量

风险度量则是运用定量分析的方法分析与评估风险事件的发生概率。

传统信贷业务有开展多年积累的数据基础，各银行都有完备的数据库，量化分析时有比较成熟的模型。而供应链金融业务是一个比较新的金融服务领域，数据积累少，且客户群中小企业较多，所以目前并不具备量化模型评估的条件。

这就要求银行在供应链金融业务风险度量时注意数据的积累，逐步推进风险量化与模型构建。

3、风险控制

曹国岭教授坦言，依据传统金融机构经验，风险控制指银行采取相应措施将分析结果中的风险控制在一定范围之内。

通常意义上，银行对于风险可采取的措施包括风险回避、风险防范、风险抑制、风险转移和风险保险等。

四、供应链金融业务风险管控手段及技巧

1、创建独特的风险管理体系

曹国岭教授谈到，创建独立的风险管理体系，健全的风险管理组织体系是实现全方位、全过程风险管理的组织保障，也是完备的风险管理制度和科学的风险管理流程的基础载体。

因为供应链金融信贷业务具有与传统信贷业务不同的风险特征，所以在对其进行风险管理时，要创建独立的风险管理体系。

把供应链金融业务的风险管理系统独立出来，可以使风险管理系统的整体运行更有效率。不要用传统的财务指标来约束供应链金融信贷业务的发展，要引入新的企业背景与交易实质共同作为评判因素的风险管理系统。

2、谨慎选择授信供应链群

供应链金融信贷业务以供应链群体企业之间良好的合作关系为信用风险管理的主线，优势行业与畅销产品是维护良好的供应链合作关系的前提，也是银行有效控制供应链信贷业务信用风险的重要前提。

银行应事先选择允许开展供应链融资的行业和产品，将贷前的市场准入为控制供应链信用风险作为第一道防线。

3、强化内部控制防止操作风险

曹国岭教授提出，操作风险主要源于内部控制及公司治理机制的失效。因为贷后管理是供应链金融信贷业务中重要的一步，所以发生操作风险的概率比传统业务要高，这就要求银行成立专门部门负责贷后跟踪与对质押物的管理。

操作层面，就是要督促物流企业不断提高仓库管理水平和仓管信息化水平，并制订完善的办理质物人库、发货的风险控制方案，加强对质物的监管能力。

有针对性地制定严格的操作规范和监管程序，杜绝因内部管理漏洞和不规范而产生的风险。

4、降低法律风险

在业务开展过程中，各方主体应尽可能地完善相关的法律合同文本，明确各方的权利义务，将法律风险降低到最小。

5、完善供应链金融风险评估模型工具

曹国岭教授认为，在发展供应链金融业务的同时，也要注意信用评级系统数据库中数据的逐步积累。

当今银行风险控制的发展趋势是数量化、模型化，供应链金融作为一项新的信贷业务，风险评估模型更是不可或缺，而构建完善模型的基础就是具有代表性数据的收集。

所以银行要注意投入物力人力开发供应链金融风险的评估模型，使此业务今后的风险管理成本减少、更有效率。

6、专业的供应链团队建设

从事供应链融资，需要对产品特性的深入了解，也需要有卓越的风险分析能力与交易控管能力，以使银行能够掌控供应链金融业务风险。

结语

曹国岭教授最后总结，在大数据与供应链金融发展定位上，不同地区根据当地发展规划与实际情况作了不同定位。

除此外，大数据产业定位同质化明显，一般分为创业创新中心、产业中心/高地、应用示范中心、资源聚焦中心、人才发展中心，提出定位为产业中心/高地与应用示范中心。

曹国岭教授强调，要利用大数据多元化基础点，取长补短，优化不足之处，确保大数据与供应链金融联姻共享后健康稳步发展。