供應鏈風險:預測企業信貸評級的嶄新方法

信貸評級是投資者用以評估個別公司融資風險的重要工具,但中小型企業往往被排除在評級行列之外。香港中文大學商學院主導的一項研究通過審視各種供應鏈因素以進行更全面精準的評估,從而創造公平的競爭環境並改變信貸評級的整體格局

信貸評級對一家公司如何融資及其資本結構有明顯而直接的影響。評級較高的公司通常較受投資者的青睞,因為它們的違約風險較低。因此,被評估的公司都會盡力爭取更高的評級,以獲得更好的融資選擇。

然而,由於定期讓信貸評級機構分析師進行評估之成本高昂,中小型企業往往未能獲取評級。再者,它們大部分未有公開財務報告。數據不足,以及缺乏評級,均不利於中小企獲得融資。

針對信貸評級的此一「缺陷」,由香港中文大學(中大)商學院及劍橋大學學者組成的一個研究團隊開發出一種可靠穩健的方法,證明利用供應鏈資料本身可用於對企業的信貸評級預測並有較高的準確性。在這個方法下,中小企合作的主要供應商或客戶若有定期公佈財務及營運資料,該中小企便有可能得到評級,繼而有更大機會獲得條款較優厚的貸款。此一方法亦可能對監管機構、金融機構,以至供應鏈融資平台的決策產生一定影響。

為何學者們在研究信貸評級預測時選擇聚焦於供應鏈因素?中大商學院決策科學與企業經濟學系助理教授吳靖解釋,近年來已有不少研究探討了供應鏈上的合作夥伴對企業財務健康的重要影響

由於中小企沒有信貸評級機構的評級,而且大多數中小企不公開發布財務報表,這使得它們在獲得融資方面處於不利地位。

吳教授道:「我們已看到企業破產會對其供應商的股價產生負面影響。我們也看到供應商的表現如何影響一家公司的資產價格。不僅如此,供應鏈上下游企業所出現的變化亦會互為影響。由此我們可以想像,供應鏈上的所有資訊,都能影響企業的信貸評級,儘管影響的程度各有不同。」

善用機器學習技術

對一家公司進行分析並給予信貸評級的過程費時費力,需要投入大量人力及資源,這因而變成了只有大公司才能負擔的一種工具。人工智能、機器學習等科技的發展有望能扭轉局面,塑造更公平的競爭環境。

在新一項題為《利用供應鏈預測信貸評級:一種機器學習的方法》之研究中,吳教授聯同系主任周翔教授、劍橋大學經濟系博士生張兆成,通過運用機器學習的方法,結合供應鏈資訊,開發了一個預測信貸評級的演算法模型。

「最近發表的經濟、金融學術文獻已證明機器學習能非常有效地解決預測方面的問題,」周教授表示。「透過利用機器學習的方法去分析與供應鏈有關的公開數據,我們的模型能顯著地提高信企業貸評級預測的準確性。」

值得注意的是,這種方法能用作評估大量未有公開財務及業務資料的企業之信貸評級,如果能夠借助公有領域中現存有關這些企業的主要供應商及客戶的資料進行分析。

研究人員開發的方法通過利用其主要供應鏈合作夥伴的財務和運營披露,例如向監管機構的披露,來評估中小企業的信貸評級。

周教授說:「由於中小企財務上一般比較緊絀,且依賴對外融資來維持營運,能以非傳統方式使它們獲得信貨評級,將有助它們更容易地籌集資金。」

此外,周教授指出,當這些企業釐清了供應鏈因素如何影響其評級後,它們便可進一步調整運營策略及供應鏈的部署以提升評級。

高度可預測性

是次研究採用了1,134家來自美國的非金融公司2004年至2019年間的資料作分析。有關資料主要來自Computstat資料庫內的企業年報(Form 10-K),以及金融數據公司FactSet 的供應鏈關係資料庫,當中所涵蓋訊息來源廣泛且全面,包括電話會議記錄、新聞稿、網站等。研究樣本中的每家公司平均擁有11.56家供應商、7.57家客戶。

研究人員以不同機器學習模型進行測試,確定他們所開發的獨特模型穩健且準確。當他們把供應鏈變數加入到原本未有考慮供應鏈因素的信貸評級預測基準模型後,該模型的預測準確度提高了5%。研究小組另外發現,他們的模型單單利用供應鏈方面的資料,不用考慮企業本身的因素,便能頗為準確地預測出信貸評級。

吳教授提出:「這顯示我們的方法有可能廣泛地應用於中小企等未有公開財務資訊的公司。」

研究人員使用機器學習框架整合供應鏈資訊來開發預測信貸評級的演算法模型。

「這個新模型只需要供應鏈方面的資料,便可用作評估這些中小企的信貸評級。這將有助於它們供應鏈上的合作夥伴以及金融機構評估風險,並設計出為它們度身訂造的金融產品和服務。」 是次研究結果有一細節之處:對於對供應鏈依賴度較高的公司,如製造業企業和零售業商戶,供應鏈的資料在其信貸評級預測中會更具重要性及影響力。這亦是本身業務不太依賴供應鏈的金融企業未被納入研究之原因。

加入供應鏈變數後,模型對零售企業及製造商的預測準確度分別上升約8.5%及6.7%。在零售、製造業以外的行業,預測準確度則提高了不超過4%。這其中之差異,可歸因於對供應商和客戶的不同依賴程度 — 依賴程度越高,財政上之關聯性便越強,因此,信貸風險在供應鏈上的傳播就更顯著。

監管機構及政府亦應留意關於信貸風險在供應鏈上傳播的新研究,因為一旦一家公司違約,其信貸風險就可能在供應鏈上蔓延開來至波及其它公司,繼而對整體經濟帶來更大的影響。此研究有助於向監管機構提出建議,說明應該更密切地監控哪類公司的評級,以防止信貸風險出現溢出效應。另一方面,中小企支撐著全球就業市場的半邊天,卻往往因缺乏信貸評級而在傳統融資市場中被受歧視。是次研究結果能協助政府制定政策,降低中小企的融資成本。研究人員最後補充指,政府應推廣使用此類利用供應鏈數據及機器學習演算法、有助於提高金融兼容性和經濟發展的自動化信用貸評級方式。