互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)度量與盯市管理

1、互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)度量與盯市管理一、引言 互聯(lián)網(wǎng)供應(yīng)鏈金融是互聯(lián)網(wǎng)平臺(tái)支持 下的供應(yīng)鏈金融生態(tài)圈，在生態(tài)圈中，電商、銀行、物流企業(yè)、核心 企業(yè)以及中小企業(yè)跨界合作， 減緩過(guò)分依賴傳統(tǒng)金融機(jī)構(gòu)的程度。 與 傳統(tǒng)供應(yīng)鏈金融一般將中小企業(yè)的信用風(fēng)險(xiǎn)控制轉(zhuǎn)移到信用資質(zhì)高 的核心企業(yè)相比， 互聯(lián)網(wǎng)供應(yīng)鏈金融的信用風(fēng)險(xiǎn)控制是供應(yīng)鏈整體的 信用風(fēng)險(xiǎn)控制。 如何管理互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)已經(jīng)成為許多大 型互聯(lián)網(wǎng)平臺(tái)積極探索的重要課題之一。 二、國(guó)內(nèi)外文獻(xiàn)綜述 國(guó)外對(duì)于供應(yīng)鏈金融業(yè)務(wù)模式的研究較多。早在 1948 年，艾伯特(Albert )就將供應(yīng)鏈金融業(yè)務(wù)模式分為存貨質(zhì)押和應(yīng)收賬款融資兩 種，并針對(duì)

2、各自的管理方式進(jìn)行了研究。 對(duì)于供應(yīng)鏈金融信用風(fēng)險(xiǎn)的 研究，國(guó)外學(xué)者基本上是基于傳統(tǒng)信用風(fēng)險(xiǎn)評(píng)估模型進(jìn)行的， 包括信 用度量術(shù)模型(Credit Metrics)宏觀模擬模型(Credit PortfolioView) 信用風(fēng)險(xiǎn)附加法模型(Credit risk+)、信用監(jiān)控模型(KMV)、風(fēng)險(xiǎn)在 險(xiǎn)值(vaF)和概率型非線性回歸模型(Logistic) o 2013年馬姆杜 雷 法特(Mamdouh Refaat)就供應(yīng)鏈金融的信用風(fēng)險(xiǎn)評(píng)價(jià)進(jìn)行研究， 將 SAS言用風(fēng)險(xiǎn)評(píng)分體系應(yīng)用于標(biāo)準(zhǔn)格式下的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估。 由于互聯(lián)網(wǎng)供應(yīng)鏈金融是從國(guó)內(nèi)興起的， 國(guó)外對(duì)互聯(lián)網(wǎng)供應(yīng)鏈金融信 用風(fēng)險(xiǎn)的

3、研究較少，僅有2012年巴蘇和奈爾(Basu&Nair)通過(guò) 分析B2B平臺(tái)互聯(lián)網(wǎng)供應(yīng)鏈金融預(yù)付賬款的業(yè)務(wù)模式， 設(shè)計(jì)了一種隨 機(jī)動(dòng)態(tài)規(guī)劃模型， 認(rèn)為互聯(lián)網(wǎng)平臺(tái)下中小企業(yè)財(cái)務(wù)狀況的不完善會(huì)增 加信用風(fēng)險(xiǎn)。 在國(guó)內(nèi)， 研究供應(yīng)鏈金融較早的羅齊等討論了融通倉(cāng)模式下如何充分利用物流這一關(guān)鍵環(huán)節(jié)完善供應(yīng)鏈金融業(yè)務(wù)的問(wèn)題。對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)研究一般是基于傳統(tǒng)信用風(fēng)險(xiǎn)評(píng)估模型或 結(jié)合其他模型進(jìn)行的， 孔媛媛等構(gòu)建了供應(yīng)鏈傳統(tǒng)信用風(fēng)險(xiǎn)的度量模 型，并結(jié)合模糊算法將某些難以量化的信用風(fēng)險(xiǎn)影響因子模糊化處理。 而對(duì)互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)研究較少， 趙道致等提出的通過(guò)電商 平臺(tái)結(jié)合倉(cāng)單質(zhì)押業(yè)務(wù)

4、的信用風(fēng)險(xiǎn)管理， 其本質(zhì)是將傳統(tǒng)供應(yīng)鏈金融 倉(cāng)單質(zhì)押信用風(fēng)險(xiǎn)管理模式搬到互聯(lián)網(wǎng)。 將財(cái)務(wù)指標(biāo)應(yīng)用到傳統(tǒng)信用 風(fēng)險(xiǎn)模型的研究相對(duì)多一些， 郭菊娥等的研究具有代表性， 提出基于 B2B電商平臺(tái)的互聯(lián)網(wǎng)供應(yīng)鏈金融融資模式的發(fā)展路徑，指出互聯(lián)網(wǎng)化會(huì)讓信用風(fēng)險(xiǎn)呈現(xiàn)協(xié)同式的特點(diǎn)， 并運(yùn)用財(cái)務(wù)指標(biāo)將不同信用風(fēng)險(xiǎn) 模型的有效性進(jìn)行對(duì)比分析。 總體來(lái)看， 國(guó)內(nèi)外對(duì)互聯(lián)網(wǎng)供應(yīng)鏈 金融信用風(fēng)險(xiǎn)管理的研究較少， 且現(xiàn)有研究運(yùn)用財(cái)務(wù)指標(biāo)進(jìn)行分析較 多，運(yùn)用非財(cái)務(wù)指標(biāo)及系統(tǒng)中實(shí)時(shí)數(shù)據(jù)進(jìn)行分析的較少。三、邏輯回歸模型邏輯回歸（Logistic）模型是處理分類數(shù)據(jù)的有力工具，對(duì)解釋變量幾乎沒(méi)有任何限制，適用性非常強(qiáng)。（一）邏

5、輯回歸模型簡(jiǎn)介 邏輯回歸模型是概率型非線性回歸模型， 在因變量為分 類變量時(shí)應(yīng)用較多， 可根據(jù)分類變量取值分為二分類邏輯回歸、 多分 類邏輯回歸、配對(duì)邏輯回歸三種類型。 本文主要分析二分類邏輯回歸 模型。 對(duì)于信用風(fēng)險(xiǎn)研究而言，分類變量主要是違約和不違約， 假設(shè)y=l為違約，y=0為不違約，p（y=1）為違約概率，x為信用風(fēng)險(xiǎn) 指標(biāo)，企業(yè)違約的概率與信用風(fēng)險(xiǎn)指標(biāo)的關(guān)系為：P=P（Y=1|X）=f（x） 0< PW1對(duì)數(shù)變換模型為：這里，B0為常數(shù)，（31 B 2.（3 k為信用風(fēng)險(xiǎn)指標(biāo)回歸系數(shù)； p 為違約概率， p 越大，企業(yè)信用風(fēng)險(xiǎn)越 大。本文選定 p=0.5 為閾值。如果通過(guò)邏輯回

6、歸模型預(yù)測(cè)融資企業(yè)違 約概率在 0.5 以上時(shí)，判定互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)明顯；當(dāng)計(jì)算 出來(lái)的結(jié)果小于 0.5 時(shí)，則判定融資企業(yè)沒(méi)有違約，互聯(lián)網(wǎng)供應(yīng)鏈金 融信用風(fēng)險(xiǎn)可控。 對(duì)于違約概率的參數(shù)估計(jì)， 采用迭代解法進(jìn)行 估計(jì)： （二）互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)指標(biāo)選擇 供應(yīng)鏈金 融的融資對(duì)象主要是眾多中小企業(yè)，中小企業(yè)財(cái)務(wù)制度相對(duì)不健全， 其公開的財(cái)務(wù)數(shù)據(jù)往往不能體現(xiàn)公司真實(shí)的運(yùn)營(yíng)狀況。 在研究互聯(lián)網(wǎng) 供應(yīng)鏈金融信用風(fēng)險(xiǎn)時(shí)， 指標(biāo)選擇應(yīng)過(guò)濾掉這些無(wú)效信息或虛假信息， 利用互聯(lián)網(wǎng)平臺(tái)的優(yōu)勢(shì)獲得諸如資產(chǎn)價(jià)格、 資金流水、 交易活動(dòng)產(chǎn)生 的實(shí)時(shí)流動(dòng)性數(shù)據(jù)， 以便對(duì)客戶進(jìn)行更真實(shí)有效的分析， 全方位評(píng)價(jià)

7、、 量化其風(fēng)險(xiǎn)， 從而提高貸款決策的可靠性。 本文選擇的信用風(fēng)險(xiǎn) 指標(biāo)包括企業(yè)基本狀況、 互聯(lián)網(wǎng)交易狀況、 互聯(lián)網(wǎng)服務(wù)質(zhì)量和供應(yīng)鏈 行業(yè)狀況等指標(biāo)（參見表 1）?；ヂ?lián)網(wǎng)供應(yīng)鏈金融的大數(shù)據(jù)多是非結(jié)構(gòu)性的數(shù)據(jù)，冗余、重復(fù)信息非常多，需要從中篩選出對(duì)信用風(fēng) 險(xiǎn)影響大的指標(biāo)。本文運(yùn)用主成分分析法進(jìn)行篩選數(shù)據(jù)。 （三） 主成分分析法主成分分析法（Prin cipal Comp on e nt An alysis PCA）,是利用降維和線性轉(zhuǎn)換的思想， 將多個(gè)相關(guān)變量轉(zhuǎn)化為少數(shù)幾個(gè)不相 關(guān)的主成分變量。 主成分變量按照方差由大到小排列， 可以不重復(fù)地 反映原始變量的大部分信息， 在引進(jìn)多方面變量的同時(shí)有針

8、對(duì)性地分 析重要指標(biāo)， 從而使問(wèn)題簡(jiǎn)單化。 本文應(yīng)用主成分分析法對(duì)互聯(lián)網(wǎng)供 應(yīng)鏈企業(yè)平臺(tái)上的中小企業(yè)諸多交易變量進(jìn)行主成分分析， 將模型簡(jiǎn) 化。對(duì)于互聯(lián)網(wǎng)供應(yīng)鏈金融中的資金供給方即互聯(lián)網(wǎng)平臺(tái)企業(yè)而言，需要觀測(cè)p個(gè)信用風(fēng)險(xiǎn)影響因子x1, x2,，xp，平臺(tái)上n個(gè)企業(yè)的 因子原始數(shù)據(jù)矩陣為： 主成分分析主要有以下五個(gè)步驟： （1） 將原始信用風(fēng)險(xiǎn)影響指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理， 統(tǒng)一量綱， 得到標(biāo)準(zhǔn) 化數(shù)據(jù)矩陣乙其矩陣元素為： 主成分分析法的核心邏輯是利用 方差貢獻(xiàn)率來(lái)解釋原始信息， 方差貢獻(xiàn)率是某個(gè)主成分的特征值占全 部特征值的比例，即： 貢獻(xiàn)率越大，說(shuō)明該主成分所包含的原始 變量信息越多。主成分個(gè)

9、數(shù) k 的選取標(biāo)準(zhǔn)由主成分累積貢獻(xiàn)率決定， 累計(jì)貢獻(xiàn)率超過(guò) 85%時(shí)，一般就認(rèn)為主成分指標(biāo)變量涵蓋了原始變量 的絕大部分信息。（5）對(duì)主成分變量進(jìn)行綜合評(píng)價(jià)。在確定主成分后，還要注意主成分變量的實(shí)際含義解釋， 這種解釋需要結(jié)合主 成分變量的經(jīng)濟(jì)意義，不能機(jī)械式填充。 四、實(shí)證分析 本文 的數(shù)據(jù)來(lái)源于阿里巴巴網(wǎng)， 選取了 2016年度 60家平臺(tái)中小企業(yè)， 其 中共 900 個(gè)數(shù)據(jù) 30 家企業(yè)作為訓(xùn)練樣本，用于構(gòu)建模型；另外 30 家企業(yè)作為測(cè)試樣本， 用于模型的檢驗(yàn)。 按照互聯(lián)網(wǎng)供應(yīng)鏈信用風(fēng)險(xiǎn) 影響指標(biāo)選擇的原則，本文涉及 14 個(gè)自變量，包括年?duì)I業(yè)收入、倉(cāng) 庫(kù)面積、員工人數(shù)、累計(jì)成交筆數(shù)、

10、累計(jì)買家數(shù)、重復(fù)采購(gòu)率、近 90 天退款率、近 90 天投訴率、貨描相符、響應(yīng)速度、發(fā)貨速度、供 應(yīng)鏈重復(fù)采購(gòu)率、 供應(yīng)鏈近 90 天退款率、供應(yīng)鏈近 90天投訴率（如 表1所示）。運(yùn)用SPSS統(tǒng)計(jì)軟件進(jìn)行分析如表2所示。 （一）主成分分析結(jié)果運(yùn)用SPSS計(jì)軟件對(duì)14個(gè)互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)影響指標(biāo)進(jìn)行主成分分析，得到解釋總方差表（參見表3）。主成分提取原則是特征值大于 1 且累計(jì)方差大于 85%，由表 3 可知提 取的 6 個(gè)主成分的累積方差貢獻(xiàn)率達(dá)到了 87.83%，即解釋了 87.83% 的總變異，大于 85%，說(shuō)明可以有效反映原始數(shù)據(jù)的主要信息。 圖 1 為主成分的特征根數(shù)值碎石散點(diǎn)

11、圖， 從第 7 個(gè)折點(diǎn)開始折線變平緩， 落差變小，說(shuō)明前 6 個(gè)點(diǎn)能夠很好表達(dá)原始變量的大部分信息， 進(jìn)一 步驗(yàn)證了上面 6 個(gè)主成分選擇。 主成分確定后， 需進(jìn)一步確定因 子載荷矩陣（參見表 4）。將因子數(shù)據(jù)進(jìn)行正交旋轉(zhuǎn)得到的旋轉(zhuǎn)成分 載荷矩陣，可使變量解釋更清晰，明確因子的實(shí)際意義。 由表 4 可知，供應(yīng)鏈重復(fù)采購(gòu)率X12、供應(yīng)鏈近90天退款率X13、供應(yīng)鏈近 90天投訴率X14等原始變量的信息主要反映在因子 F1上，說(shuō)明的是 供應(yīng)鏈整體的狀況。累計(jì)成交筆數(shù)X4、累計(jì)買家數(shù)X5等原始變量的信息主要反映在因子 F2上，說(shuō)明的是融資方的互聯(lián)網(wǎng)交易頻度 狀況。 年?duì)I業(yè)收入XI、倉(cāng)庫(kù)面積X2等原始

12、變量的信息主要反映 在因子 F3 上，說(shuō)明的是融資方主體基本狀況。響應(yīng)速度 X10、發(fā)貨速度X11等原始變量的信息主要反映在因子 F4上，說(shuō)明的是融 資方服務(wù)質(zhì)量的狀況。近90天投訴率X8等原始變量的信息主要反映在因子F5上，說(shuō)明的是供應(yīng)鏈下游投訴的狀況。重復(fù)采購(gòu)率X6等原始變量的信息主要反映在因子 F4上，說(shuō)明的是供應(yīng)鏈下游 重復(fù)采購(gòu)的狀況。 總之，這 6個(gè)主成分集中代表了互聯(lián)網(wǎng)供應(yīng)鏈 金融企業(yè)的供應(yīng)鏈整體狀況、互聯(lián)網(wǎng)交易頻度、主體基本狀況、服務(wù) 質(zhì)量、供應(yīng)鏈下游投訴以及重復(fù)采購(gòu)狀況，解釋了87.83%的主要信息。（二）邏輯回歸結(jié)果以及分析本文利用SPSS統(tǒng)計(jì)軟件對(duì) 6 個(gè)主成分為自變量、

13、信用等級(jí)作為因變量進(jìn)行邏輯回歸模型分析， 結(jié)果如表 5 所示。 由表 5 可知，在 5%的顯著水平之下， 6 個(gè)主 成分都是顯著的， 因此整個(gè)模型也是顯著的。 融資方的違約概率邏輯 回歸模型如下： 最后應(yīng)用上式對(duì)剩下 30 個(gè)測(cè)試樣本進(jìn)行回代檢 驗(yàn)，驗(yàn)證模型的適用性。 通過(guò)表 6 可知邏輯回歸模型對(duì)測(cè)試樣本判別 的平均準(zhǔn)確率為 90%，其中第一類對(duì) 15個(gè)違約樣本辨別出 13 個(gè)，準(zhǔn) 確率為 86.7%；第二類對(duì) 15 個(gè)非違約樣本辨別出 14 個(gè)，準(zhǔn)確率為 93.3%。這表明本文的邏輯回歸模型具有不錯(cuò)的預(yù)測(cè)能力。（三）預(yù)測(cè)結(jié)果分析 傳統(tǒng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理多是基于財(cái)務(wù)報(bào)表 數(shù)據(jù)進(jìn)行的，這種

14、數(shù)據(jù)是結(jié)構(gòu)化的、相對(duì)靜態(tài)的。而互聯(lián)網(wǎng)平臺(tái)公司 在供應(yīng)鏈交易循環(huán)生態(tài)中會(huì)形成大量的非財(cái)務(wù)數(shù)據(jù)， 這些數(shù)據(jù)具有碎 片化、非結(jié)構(gòu)化等特點(diǎn)。在本文的主成分分析實(shí)證中，互聯(lián)網(wǎng)供應(yīng)鏈 金融企業(yè)的供應(yīng)鏈整體狀況、互聯(lián)網(wǎng)交易頻度、主體基本狀況、服務(wù) 質(zhì)量、供應(yīng)鏈下游投訴以及重復(fù)采購(gòu)狀況解釋了 87.83%的主要信息， 這意味著可獨(dú)立利用非財(cái)務(wù)數(shù)據(jù)對(duì)互聯(lián)網(wǎng)供應(yīng)鏈金融的信用風(fēng)險(xiǎn)進(jìn) 行評(píng)估。對(duì)本文而言，重復(fù)采購(gòu)率、近 90天退款率、近 90天投訴率、 貨描相符、 響應(yīng)速度、 發(fā)貨速度等非財(cái)務(wù)數(shù)據(jù)都是社會(huì)關(guān)系參與的體 現(xiàn)，這種體現(xiàn)跟企業(yè)關(guān)注的聲譽(yù)有關(guān)， 通過(guò)監(jiān)控這些指標(biāo)可以進(jìn)一步 管理信用風(fēng)險(xiǎn)。 也就是說(shuō)在互聯(lián)網(wǎng)供應(yīng)

15、鏈金融中， 非財(cái)務(wù)數(shù)據(jù)可體現(xiàn) 很多信用風(fēng)險(xiǎn)的信息， 如果不善于利用這些信息， 互聯(lián)網(wǎng)供應(yīng)鏈金融 的信用風(fēng)險(xiǎn)管理極可能不是充分有效的。本文用邏輯回歸模型進(jìn) 一步處理這些非財(cái)務(wù)指標(biāo)， 最后歸一為違約概率判別變量， 實(shí)證說(shuō)明 信用風(fēng)險(xiǎn)度量具有一定預(yù)測(cè)能力， 獨(dú)立利用非財(cái)務(wù)數(shù)據(jù)度量互聯(lián)網(wǎng)供 應(yīng)鏈金融的信用風(fēng)險(xiǎn)管理是切實(shí)可行的。 相對(duì)于傳統(tǒng)財(cái)務(wù)數(shù)據(jù)， 利用非財(cái)務(wù)數(shù)據(jù)管理互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)的重大意義體現(xiàn)在 以下四個(gè)方面：（1）拓寬了風(fēng)險(xiǎn)管理的界限。 傳統(tǒng)財(cái)務(wù)數(shù)據(jù)主要反映企業(yè)運(yùn)營(yíng)狀 況、擔(dān)保物經(jīng)濟(jì)價(jià)值等， 對(duì)于融資方的行為、 偏向、心理都不能覆蓋， 這些只能通過(guò)非財(cái)務(wù)數(shù)據(jù)才能有效表現(xiàn)出來(lái)， 最終落實(shí)信

16、用風(fēng)險(xiǎn)控制 點(diǎn)。（2）可及時(shí)動(dòng)態(tài)地進(jìn)行風(fēng)險(xiǎn)管理。對(duì)于企業(yè)而言，最短的財(cái)務(wù)報(bào)表周期是一個(gè)季度， 但如此長(zhǎng)的周期不能滿足互聯(lián)網(wǎng)時(shí)代的風(fēng) 險(xiǎn)管理要求。因此，傳統(tǒng)的財(cái)務(wù)數(shù)據(jù)背景下信用風(fēng)險(xiǎn)管理效率過(guò)低， 而且是相對(duì)靜態(tài)的。 非財(cái)務(wù)數(shù)據(jù)式的信用風(fēng)險(xiǎn)管理可以快速動(dòng)態(tài)地利 用日常交易數(shù)據(jù)隨時(shí)監(jiān)控融資方的信用狀況， 在一定程度上可滿足及 時(shí)監(jiān)控的要求。（3）降低信貸欺詐風(fēng)險(xiǎn)。對(duì)于大多數(shù)中小企業(yè)而言，其財(cái)務(wù)數(shù)據(jù)都是未經(jīng)過(guò)審計(jì)的，財(cái)務(wù)制度不完善，僅僅依賴財(cái) 務(wù)數(shù)據(jù)進(jìn)行信用風(fēng)險(xiǎn)管理， 融資方的欺詐成本較低。 但是基于大數(shù)據(jù) 的非財(cái)務(wù)數(shù)據(jù)風(fēng)險(xiǎn)管理方式對(duì)數(shù)據(jù)進(jìn)行大范圍杜撰難度和成本都較 大，信貸欺詐的可能性大大降低。 五

17、、互聯(lián)網(wǎng)供應(yīng)鏈金融盯市模 式設(shè)計(jì) 實(shí)證分析說(shuō)明，應(yīng)用邏輯回歸模型預(yù)測(cè)互聯(lián)網(wǎng)供應(yīng)鏈金融 下融資企業(yè)的信用風(fēng)險(xiǎn)具有即時(shí)動(dòng)態(tài)性， 可將其應(yīng)用到信用風(fēng)險(xiǎn)管理 中?；ヂ?lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理的核心有兩點(diǎn)：第一，確認(rèn)融資 方身份以及交易的真實(shí)性；第二，動(dòng)態(tài)度量和判別信用風(fēng)險(xiǎn)。 為了動(dòng)態(tài)度量和判別信用風(fēng)險(xiǎn)， 本文增設(shè)風(fēng)險(xiǎn)判別器， 將盯市制度引用 到互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理模式中。 （一）盯市模式 本 文構(gòu)建的互聯(lián)網(wǎng)供應(yīng)鏈金融風(fēng)險(xiǎn)管理盯市模式結(jié)構(gòu)如圖2 所示。該模式中互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理主要涉及五個(gè)主體： 互聯(lián)網(wǎng)平臺(tái)、 資金需求方、資金供給方、物流企業(yè)（倉(cāng)庫(kù)） 、第三方支付。為了研 究方便，假設(shè)

18、互聯(lián)網(wǎng)平臺(tái)、資金供給方、物流企業(yè)（倉(cāng)庫(kù)） 、第三方 支付平臺(tái)同屬于互聯(lián)網(wǎng)平臺(tái)企業(yè)集團(tuán)的子企業(yè) （現(xiàn)實(shí)中阿里巴巴集團(tuán)、 京東集團(tuán)基本符合這種假設(shè)） ，互聯(lián)網(wǎng)平臺(tái)是整個(gè)信用風(fēng)險(xiǎn)控制的核 心，因?yàn)樗谴髷?shù)據(jù)的來(lái)源， 只有互聯(lián)網(wǎng)平臺(tái)才能真正控制和監(jiān)督交 易行為。 資金需求方可以是互聯(lián)網(wǎng)平臺(tái)的供應(yīng)商， 也可以是下游的銷 售商，涵蓋互聯(lián)網(wǎng)平臺(tái)的所有企業(yè)， 這些企業(yè)只要滿足授信條件都可 以向互聯(lián)網(wǎng)平臺(tái)申請(qǐng)貸款。物流企業(yè)和倉(cāng)庫(kù)是整合物流的重要環(huán)節(jié)， 互聯(lián)網(wǎng)平臺(tái)企業(yè)控制了物流企業(yè)和倉(cāng)庫(kù)， 就相當(dāng)于獲得了無(wú)形的抵押 物，包括且不限于應(yīng)收賬款、訂單、倉(cāng)單等。資金供給方可以是擁有 剩余自有資金的互聯(lián)網(wǎng)平臺(tái)企業(yè)、P2P

19、公司、小貸公司甚至傳統(tǒng)金融 機(jī)構(gòu)等。資金流的閉環(huán)重點(diǎn)在于第三方支付平臺(tái)，如支付寶、財(cái)付通 等，它可以實(shí)現(xiàn)融資、還款、投資三個(gè)資金環(huán)節(jié)銜接循環(huán)。第三方支 付平臺(tái)通過(guò)邏輯回歸風(fēng)險(xiǎn)判別器即時(shí)動(dòng)態(tài)地監(jiān)控資金需求方的狀況， 預(yù)判資金需求方的信用風(fēng)險(xiǎn)， 完成授信資金的劃撥、 控制、貸后監(jiān)控、 還款所有的資金循環(huán)。 （二）盯市機(jī)制的實(shí)現(xiàn) 本文模擬期貨 盯市制度設(shè)計(jì)了互聯(lián)網(wǎng)供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理模式， 資金需求方和 資金供給方相當(dāng)于期貨交易的雙方， 第三方支付平臺(tái)相當(dāng)于期貨公司。第三方支付平臺(tái)具有獲取相關(guān)數(shù)據(jù)的優(yōu)勢(shì)， 能夠便利獲得邏輯回歸模 型計(jì)算所需的動(dòng)態(tài)非財(cái)務(wù)數(shù)據(jù)， 如交易頻率、客戶活躍度、滿意度等， 因此第三方支付平臺(tái)負(fù)責(zé)控制邏輯風(fēng)險(xiǎn)判別器，并