供应链金融服务提供商如何帮助中小企业获得供应链融资？
——基于手机通信行业的实证研究

宋 华，李梦吟

（1.中国人民大学商学院，北京 100872；2.中国人民大学中国供应链战略管理研究中心，北京 100872）

国家重视中小企业的融资问题，政策鼓励金融机构提高对中小企业的信贷支持，创新地从产业和供应链视角拓宽企业资金来源。2019年2月银保监会印发通知，鼓励商业银行积极将金融科技手段运用于风险评估与信贷决策、采用简化年审等方式，实现贷款需求响应速度、信贷审批效率的有效提升。然而，由于中小企业资产规模较小、财务报表不健全、缺少企业信用信息等特点，其与金融机构存在信息不对称，从而难以通过传统途径从商业银行获得满足其运营需要的充足资金［1］。依托于供应链协同、信息获取等功能，供应链金融在一定程度上能够解决借贷双方的信息不对称，缓解信贷配给问题，从而惠及被排斥在传统银行信贷市场外的中小企业［2-3］。供应链金融能够降低融资成本，有效控制贷方的融资风险［4］，进而使得中小企业融资绩效获得提升［5］。现有研究对于帮助理解供应链金融，探索其模式和作用起到了重要影响，掀起了供应链金融研究热潮。然而，供应链金融中的信息获取和信息处理问题是研究的关键，有待深入探讨和研究。

供应链金融服务提供商（financial service provider，FSP）是供应链业务的组织者和平台服务提供商，它通过将供应链运营各方嵌入于供应链网络结构中，促进供应链业务的有效运行，同时促进资金在各成员之间的有效流动，因此，FSP 是供应链金融实践中的关键成员［6-7］，能够更好地解决供应链信息获取问题。FSP出现的背景可以追溯到2005年，深圳发展银行在国内推出第一个供应链金融解决方案。随后，其他银行、信托、基金和保险等金融机构根据自身情况和产业特点推出差异化的供应链金融解决方案，包括保理、反向保理、存货/仓单质押融资、订单融资、预付款融资等。但受限于自身不嵌入于供应链中，金融机构需要通过供应链核心企业和/或平台型供应链FSP 合作的方式进行借贷业务和风险控制［8］。FSP为供应链金融提供业务场景，在场景中促成借贷业务和风险控制［9］。一方面，FSP积累了丰富的供应链成员、业务和流程信息，具有强大的产业资源整合能力和供应链优化能力［4］，能够提升组织间信任［10］，促进供应链企业共同协作创造价值［11-12］，进而实现对中小企业进行供应链信用评级［13］，提升借贷审批效率，降低借贷双方的信息传递成本，实现差异化的利率定价［6］。另一方面，FSP掌握了供应链中的物流、商流、信息流和资金流，能够利用大数据和物联网等新兴技术，进行供应链资金流管理［10］，帮助资金方实现风险识别和风险控制［6］。随着供应链活动的进一步网络化和生态化发展，信息的复杂性和流动性增加［14］。信息稀缺和信息过载［15］两种信息不对称可能导致中小企业融资过程中的借贷风险。信息稀缺是指金融机构难以获得足够的中小企业信息，从而做出错误的借贷决策；信息过载则是指金融机构即使能够以较低成本获得大量信息，但是过滤、挖掘和分析信息的高昂成本也会阻碍借贷行为。现有研究从多个方面对供应链金融中的信息稀缺的问题进行了探讨［2-3］，但对于信息过载问题还未进行深入的研究。FSP能够有效甄别处理复杂的供应链信息，其对供应链信用的把握和评估能够很好地识别关键信用指标，从而缓解信息稀缺和信息过载导致的信息不对称。

供应链信用评级能够更好地解决供应链金融中的信息处理问题。研究表明，对于中小企业，供应链信用评级比传统财务评级能够更准确及时地预测企业质量和违约率［13］。传统的信用模型主要是从财务数据出发，难以全面把握中小企业状况。一方面，部分中小企业财务报表不健全且可靠性较低，使得财务数据信息稀缺；另一方面，供应链交易过程中产生大量的供应链结构数据和运营数据，而这些数据难以直接为金融机构获取，而且即便能获得，在面对大量业务数据时，也难以有效识别重要的数据信息。这使得金融机构与中小企业间面临着信息稀缺和信息过载这两种信息不对称。传统的信用评估模型无法利用供应链信息，做出更优的供应链信用评级。FSP采用供应链信用评级，在财务报表基础上，将供应链结构和运营数据纳入中小企业的信用评估模型中，能够降低对财务数据的依赖，也能缓解供应链数据的信息过载。

本文从信息不对称理论视角出发，探索在供应链金融决策过程中供应链FSP的信息获取和信息分析等相关问题，旨在为理解供应链FSP如何有效服务中小企业、降低信息不对称、解决融资问题提供理论指导和建议。

1 文献评述

1.1 供应链金融中的信息不对称与信号传递

信息的完备与对称是金融决策过程中一个重要的前提条件。中小企业从机构融资的最大障碍是信息不对称［16］。在资本市场上，银行等出资方一般用偿债能力、现金流量、经营能力及效益分析等衡量中小企业的贷款申请。采取加入担保基金、提供担保、获得第三方信用评级等手段能够降低信息不对称［7］。但中小企业往往缺乏健全的财务制度，难以提供全面的信息，从而无法证明其经营能力和偿债能力，贷方也难以获取中小企业生产运营和市场销售状况。同时，中小企业面临的环境不确定性通常比大企业更高，而且更加缺乏抵御经济逆境风险的能力。由于很难判断实际的发展潜力，出资方通常将中小企业视为风险较大的企业，认为其不具备稳定还款的能力。借贷过程中的逆向选择和道德风险问题，会导致潜在的金融风险。

STIGLITZ［17］指出关于质量和意图两种信息的不对称特别重要，前者是指一方并不了解另一方的实际状况，后者是指一方不了解对方的行为和行为意图。因此，要解决这两种信息不对称，就需要实现信号传递［18］。

1.2 供应链金融中的信号传递及面临的挑战

在供应链金融中，尤其是FSP推动的供应链金融模式中，信号传递与传统金融机构的借贷模式有所不同。不仅是企业将信号主动单向传递给金融机构，还有FSP主动收集信号的过程。由于FSP对产业和供应链有较为深入的了解，它能通过多种途径获得重要的环境信息，并且能够合理分析运用这些信息，以此作为供应链信用评级的重要依据。因为这些信息更为客观、准确，具有较高的可信度，能够帮助FSP识别出较高质量客户。

在传统信号理论中，信号传递的主要因素是指信息传递的主体、内容和过程。信号传递的主体包括信号的传递者和接收者。信号传递的内容是传递的信号本身，反映信息质量的高低。信号传递的过程则是指信号传递的环境以及接收者在获得信号后的反应。信号理论为解决信息不对称导致的高交易成本问题提供了一个很好的研究视角。然而，在供应链金融的情境中，传统信号理论具有一定的适用性，但也面临许多挑战。

首先，从信号传递方来说。研究者不仅关注信号质量，也关注传递意图，即诚实传递者问题。信号传递者是“局内人”，他们知晓他们自身、产品或者组织的信息，而这些并不为他人所知［18-19］。市场交易中的信号既有正面的信号，也有负面的信号。质量较差的信号传递者会选择欺骗，将错误的信号传递给接收者，从而在接收者损失的基础上获益；而诚实的信号传递者会将高质量的信号传递给接收者，使得接收者做出正确的决策。研究表明，信号传递历史［20］、组织声誉［21］等能够判定传递者是否诚实。在供应链金融领域，大多数供应链金融服务的对象都是中小微企业，这些企业存在经营规模较小、经营模式不稳定、经营历史较短等特征。若要被认定为“诚实信号传递者”，需要具有声誉和信任，而这些需要较长时期才能形成。特别是在经营环境高度不确定的状况下，中小企业过往的经营状况很难反映企业目前的组织声誉和未来的发展潜力，使得贷方很难判别中小企业的传递意图和信号质量。

其次，从信号本身来说，信号的强度和可见性（清晰性）具有差异［22］，从而导致信号吻合问题。信号强度是指对于既定信号者而言的重要程度或显著性程度，所传递的信号对于接收者越重要，这类信号的质量越高［23］。信号可见性是指信号是否可以被准确观察、识别和运用的程度。中小企业在强关系网络中反映的是强信号，因为中小企业与其他企业拥有共同的语言、习惯和良好的互补知识，然而在弱关系的网络中反映的是往往较难捕捉和解译的弱信号。信号吻合即传递的信号能被接收者准确观察和识别运用，是信号质量的重要维度。在供应链金融中，信号吻合问题成为供应链金融活动开展的关键。一般而言，企业所处的供应链和产业环境产生的信号只有在强关系网络中才能够被有效识别和解译。FSP嵌入于供应链生态的强关系网络中，能够比传统金融机构更好地解决信号吻合问题。

再次，从信号接收方来说，信号传递效率与接收者的信号监测、信号解译能力、信号域界定等特征有关。①接收者不仅是被动地接收信号，信号接收的有效性与其观察环境获取信号的警觉程度有关。尤其是在获取弱信号时，环境监测非常重要，因为这类信号很难捕捉，需要接收者有意识地寻求这类信号。②接收者综合准确解析信号的能力。这种能力有赖于长期积累的经验［20］，需要将复杂、分散的信号组织起来，赋予整体明确的含义。③信号接收者对信号域的界定，即信号接收者如何定义其关注的信号源。在当前金融活动中，信息的获取成本随着信息技术的发展而迅速降低。由于缺乏足够的资金，中小企业会更加积极主动地发送信号，这将导致金融机构面临信息过载和数据迷雾问题［15］，这给信号接收者（贷方）带来了巨大挑战，既要合理界定信息域、分配信号检测注意力，也要具备处理、解构过载信息的能力，以控制信息处理成本。

最后，从信号的环境来说，环境信号成为融资决策的重要因素，也是本研究的关切点。在传统信号理论中，反馈被界定为接收者对于传递者信号传递的一种反应，这一理论的背后是将两者的角度进行了独立界定，即信号传递者是需要获取资源的一方，因此，将自身不可观察的信号传递给对方，而接收者是给予资源的一方，也是接收和解析信号的主体。然而，在供应链金融情境下，供应链FSP并不只是被动接收信号、解析信号的主体。环境中的噪声会降低信号的可观测性，信号质量和价值可能会因此降低［24］。因此，接收者会主动收集信息，而不只是被动接收，也会通过反馈影响传递方。信号的传递过程可能是传递方和接收方的双向互动过程。同时，双方与环境的互动也将带来有用的信息。

通过以上分析可以看出，在供应链金融领域，为了实现信号在中小企业和金融企业的有效传递和接收，需要从信号传递和接收双方互动的视角，探索在不同状态下搜索、传递什么样的有效信号，以促进供应链金融活动的顺利开展。具体来讲，一方面，FSP应该如何主动搜寻特定的信息信号，以有效判定中小企业的质量；另一方面，不同质量的中小企业需要传递什么类型的信号，以增强从FSP获得资金的能力。这些是需要进一步探索的问题。

2 研究假设

2.1 用于判别供应链信用评级的信号

供应链金融是一种特定的金融行为，它基于特定的产业环境，与客户、供应商、金融机构以及服务提供商共同实现组织间金融优化与整合，帮助实现供应链所有参与成员的价值。不同于传统的金融借贷，供应链金融的风险管理不是完全基于传统的历史数据征信，而是通过有效评估中小企业的供应链资产、行为和要素来合理确定资金融通的可行性和潜在风险［13］。其中，作为供应链金融风险管理的主体，FSP发挥着重要的作用，他们主动搜寻信息，有效辨识中小企业质量，从而促进资金在金融机构和中小企业之间的流动［25］。FSP主动搜集、鉴别中小企业质量的信号往往不是中小企业主动传递的信号，也非中小企业的财务报表，而是中小企业客观或无意识的行为信息。为了实现供应链金融活动中的信号吻合，需要信号本身能客观地呈现供应链参与各方创建的、具有意义的、非人为性的信息［20］，而不是基于中小企业有意识传递的信息或信号。

这种信号需要具备两个特性。①为主体（即中小企业）部分控制的信号，即虽然这些信号是由中小企业的行为所反映，但是这类信号的评估和传递是由其他主体进行，因而可以认为中小企业只能部分控制这类信号，如中小企业在供应链运营中表现出来的服务能力、物流能力、生产能力等，尽管是中小企业自身的运作行为，但是其能力的高低是客户或其他利益相关者评价。正是因为这种信号的相对客观性，或者说不能被中小企业加工、选择性传递，因此，很容易为FSP信赖和接受。②中小企业的一些自然行为或者经营环境中反映的行为信号，即中小企业在供应链金融活动中无意识的客观呈现信息。如中小企业遵守契约或对待机会主义的态度、面临危机事件的态度或反应等，都是自然呈现的行为信号。因此，本文提出如下假设。

H1 FSP会依据中小企业部分控制的信号以及无意识的行为信号鉴别其质量等级。

2.2 不同供应链评级的中小企业在供应链融资中的信号传递

在金融借贷市场中，在面对大中型企业的借贷需求时，如果不考虑信号传递的成本，企业能够充分展现自身的质量信息（即企业的经营状况和财务数据），信号传递将是完整和单调的，从而使得能够区分高质量与低质量的企业，有效解决信息不对称问题，促进金融机构对大中型企业做出合理的借贷决策。然而，在供应链金融中，借方往往是不同质量的中小企业，一方面他们拥有各类可验证的以及不可验证的信息［2］；另一方面，信号传递是不完整和非单调的，信号是有传递成本的，因此，信息不对称问题较为明显。在这种状况下，FSP需要掌握不同质量中小企业在供应链运行中传递的信号，作为供应链融资决策以及风险管理的依据。

对于高质量的中小企业，减少主动信号传递是更明智的选择，即反信号行为（countersignaling）。反信号是信号理论的发展，由FELTOVICH等［26］提出，他们认为高质量的企业可能通过不揭示信号来展现自身的高品质。反信号不仅能够节省信号传递的成本，而且反信号本身就是一种信心的显示，这使得高质量企业与中质量类型明显区分开。在供应链融资过程中，由于优质的中小企业对其能力更有信心，较少主动传递信号。因此，为了有效了解这类中小企业在供应链中的运营状况，FSP需要一种更为客观和结构性的信号。这种信号主要表现为中小企业的供应链网络及其与客户的业务关系。因为客户关系网络是客观且难以被操控的信息，需要较长的时间才能建立［22］，而且网络中的关系嵌入和结构嵌入包含了丰富的信息，关系嵌入往往反映了企业对资源的识别和运用能力，而结构嵌入则展示了中小企业在供应链网络中的位置，从而反映出其拥有的社会资源［27］。在传统银行借贷中，中小企业的组织间关系很难有效传递给银行信贷部门，但供应链FSP 对其所处的供应链网络的认知使得这类信息能够被有效地分析和应用，以预测企业的信用风险。即，已有网络成员的合法性溢出使得企业能够从中获得合法性［28］。因此，本文提出如下假设。

H2 对于高质量的中小企业，其网络信息（下游客户的评级）对其融资额度具有正向影响，即FSP会根据下游客户的评级状况决定对高质量中小企业的融资额度。

环境信号足以识别出高质量传递者，但中等质量传递者需要主动积极地传递信号才能使自身与低质量传递者区分开。在金融借贷市场中，中等质量的中小企业想要获得资金，既需要展现其与客户的业务关系，从而客观反映其在供应链中的嵌入性，又需要充分揭示其自身能力。中等质量的企业需要通过内生信号将其与低质量企业有效区分，而体现其自身能力的内生信号通常反映为担保这种特定的要素。担保在借贷市场中被广泛使用，企业传递给金融机构的担保信息降低了信息不对称，缓解了贷款中的贷前逆向选择和贷后道德风险［29］。使用担保，能够在借贷企业违约时对担保人主张连带赔偿，将违约产生的金融风险转嫁给担保人，从而降低金融企业对借方的信息压力。担保方之所以愿意为企业提供担保，则是基于对企业的经营能力和偿债能力的信任。因此，本文提出如下假设。

H3 对于中等质量的中小企业，网络信息（下游客户的评级）对其融资额度具有正向影响。

H4 对于中等质量的中小企业，担保信息越充足，企业的融资额度越高。

对于较低质量的中小企业，通常情况下难以从金融机构获得资金。供应链金融为部分较低质量的中小企业获得资金提供了可能，这是因为供应链金融侧重于强调供应链中所形成的业务依赖关系来融通资金［4］，因此，即便这类中小企业自身的能力较差，但是只要能充分展现其供应链业务的状况及其在网络中的嵌入性，就能够提高从FSP处获得资金的可能［30］。MORETTO等［13］在研究供应链金融风险管理中信用评级时指出，除了中小企业传统的银行信用评级之外，供方评价也是增进供应链信用的重要手段。

除了显示其在供应链中的网络信号外，低质量企业提高资金效率的必要手段是专用性资产的投入。专用性资产支持特定交易关系，一旦转做他用，价值就会降低。从金融机构的视角看，低质量的中小企业能力信号鉴别较弱，同时中小企业自身也难以展现供应链中的能力，即使存在着良好的业务关系，也需要通过专用性资产的投入来证明借贷行为的可靠性。在金融借贷中，专用性资产投入主要表现为资产抵押。在信息不透明的状况下，抵押是一种能够有效降低融资风险的信贷技术［31］。因此，本文提出如下假设。

H5 对于较低质量的中小企业，网络信息（下游客户的评级）对其融资额度具有正向影响。

H6 对于较低质量的中小企业，抵押信息越充足，企业的融资额度越高。

3 研究设计

3.1 研究对象

随着新技术的不断发展，手机通信行业受到了全球的关注，其复杂的供应链市场也成为学界的研究焦点。手机通信行业涉及众多元器件和生产流程，供应链上下游聚集了大量的中小企业。由于市场需求的快速变化和订单的高波动性，这些企业可能面临阶段性的财务困难，需要在短时间内获得充足的资金。但由于难以满足银行的借贷要求，很难从银行获得融资，供应链金融成为其重要的融资来源。手机通信行业的供应链FSP因此获得快速发展，为研究提供了丰富的数据来源。

本文数据来源是手机通信的产业互联网与供应链金融平台N企业的2015—2018年经营数据，该供应链金融服务平台为中国手机通信产业最大的产业互联网平台，其总产值超过200亿，是2018年国家商务部等八部委确定的“关于开展供应链创新与应用试点”的试点企业之一。平台通过产业互联网技术，实现供应链分布式协同，整合供应商、工厂、物流等多个供应链环节，提供专业化的财税金融、报关商检等服务，提升中小企业的产业嵌入性，让中小企业聚焦于自身核心能力。同时，基于平台对产业结构、供应链的运营流程、各业务环节要素的深入了解，开发有针对性的信息采集系统，并对数据进行结构化的量化处理，通过金融科技的赋能，优化融资审批和信贷额度分配。采用该平台的数据进行实证检验具有一定的代表性。

N企业的供应链金融服务流程如图1所示：①客户企业获得下游客户的订单，签订销售合同并确定生产和产品参数和交付要求；②海外客户与FSP签订采购和生产邀约，同时，客户企业向FSP提出供应链融资申请，提交企业和项目信息，FSP对客户企业进行调研，导入客户项目，客户补充担保和抵押信息，双方确定具体合作内容和融资额度；③FSP从银行等金融机构获得资金；④FSP向客户企业提供融资；⑤FSP提供代采业务，从海外和国内供应商处采购原材料和零部件；⑥原材料和零部件运输到工厂进行生产；⑦工厂向FSP交付产品，FSP对产品进行质检质控；⑧FSP对产品进行报关、报税、商检；⑨在此期间FSP通过合作的第三方物流和仓库，提供物流和仓储服务；⑩产品交付给下游海外客户。图1中省略了部分环节，包括向供应商支付采购款、中小企业支付服务费和利息等。另外，客户和FSP的合作内容具有较大的差异性，可在全部或者部分环节进行合作。

图1 N企业的供应链金融服务流程Fig. 1 Supply chain financial service process of enterprise N

3.2 数据描述

根据研究目的，从N企业的SAP/ERP系统以及该企业的供应链金融申请和审批、客户评级审核表、抵押和担保等文件中提取了以下数据：①平台中小企业的基本信息和财务信息，包括成立年限、年营业额、近三个月销售额和注册资金；②平台中小企业的担保和抵押信息，包括第三方担保、电汇定金、信用证定金、其他定金、平台控货、房产抵押等；③平台中小企业的供应链网络信息，包括该企业的下游客户（主要为海外客户）及其评级；④融资额度的申请和审批信息；⑤和中小企业评级相关的行业数据，包括业绩排名、毛利、进口货值、出口货值、代采代销货值等；⑥金融服务数据，包括垫资利率、历史合作情况等。根据工信部《中小企业划型标准规定》，选择符合中小企业标准的企业作为样本，即从业人员1 000人以下或营业收入40 000万元以下的企业。

本文变量分为自变量、因变量、控制变量和分类变量4类。自变量包括担保信息（C）、抵押信息（M）和下游客户评级（DR）；因变量为融资额度（FQ）；控制变量包括公司年限（A）、年营业额（AT）、近三个月销售额（TM）、注册资本（RC）；分类变量为客户质量评级（CR），分为高质量客户（Hi_Q）、中质量客户（Med_Q）和低质量客户（Low_Q）。涉及的分类依据变量包括业绩排名（PR）、代采代销货值（PS）、进口货值（IM）、出口货值（EX）和逾期天数（OR）。本文主要变量及其具体描述如表1所示。其中，担保信息是客户主动向供应链金融服务企业提供的第三方担保信息；抵押信息衡量供应链金融服务企业对资金和财产的实际控制能力，主要为控货和房产抵押，并综合考虑客户的订金和付款情况。

表1 变量描述Tab.1 Variables description

4 实证结果

4.1 第一阶段研究：中小企业质量鉴别

中小企业质量等级对研究和数据分析具有重要意义，特别是FSP会在鉴别中小企业的质量等级的基础上做出相应的借贷决策。因此，本文首先基于平台对中小企业的关系水平等级，通过Fisher判别分析来确定FSP区分中小企业质量的关键影响因素。判别分析的基本原理是假定有多个分类组。从总体Gt=(b1,b2,…,bm)'为m维空间的任一向量，u(X)为X向以b为法线的方向投影。对上述k个组中的m维数据进行投影，每个总体的数据投影后均为一维数据。对这k组一维数据进行一元方差分析，其组间平方和为

其判别函数的表达式为：u(X) = b'X，Fisher判别分析通过计算b值，使得点在投影平面上具有最大区分。

在样本企业的供应链金融平台中，FSP将所有的中小企业划分成了VIP型、伙伴型和交易型3个关系等级。为了确定客户质量评级的依据因素以及判定目前的分类是否准确，本研究借助统计软件SPSS23，采用Fisher判别分析方法，以达到判别要求的24家经常进行供应链融资的中小客户作为训练样本，以此作为第二阶段实证分析中客户类别的分类依据。将客户质量等级作为分组变量，将反映客户能力的客观业务数据作为自变量，来判定FSP区分中小企业质量的影响因素。基于24 个训练样本的判别分析结果如表2 所示，且 Box’s M 结果显著，由此可知，Fisher 判别分析与该公司的客户质量等级的结果一致，一致率为100%。

通过Fisher判别分析，获得客户质量评级判别分析组均值的同等检验结果（如表3所示）。判别分析的分组依据包括业绩排名PR（p＜0.001）、代采代销货值PS（p＜0.05）、进口货值IM（p＜0.01）、出口货值EX（p＜0.05）和逾期天数OR（p＜0.015）。综上，H1得到验证，即FSP会依据中小企业部分控制的信息信号以及无意识的行为信号鉴别其质量等级。

通过Fisher 判别分析，最终得到的标准判别函数式①由于分成3组，所以得到3-1=2个判别式。为

表2 客户质量评级Fisher判别分析结果Tab.2 Customer quality rating’s Fisher discriminant analysis results

表3 客户质量评级判别分析组均值的同等检验结果Tab.3 The same test results of customer quality rating discriminant analysis’s group mean

基于上述评级划分，FSP在帮助中小企业融资时，将根据中小企业的供应链信用评级来审核中小企业主动传递的信号并做出信贷决策。或者说，基于不同的质量评级，中小企业是否会差异化地传递信号，以及这种差异化的信息能否降低信息不对称而导致的信贷风险，进而提高中小企业的融资额度，是本文需要进一步探索的问题。

4.2 第二阶段研究：不同质量等级供应链融资信号传递

在确定了FSP区分中小企业质量的基础上，第二阶段研究探索了不同质量等级的中小企业在供应链融资过程中关注的信号差异。该阶段的研究基于2015年8月—2018年5月期间发生的760条融资项目数据。表4为各变量的描述性统计和相关系数。所有变量间相关系数满足小于0.7的临界要求，自变量的VIF均满足小于10的临界要求，满足变量的多重共线性检验，变量间的相关性处于合理区间。由于本文变量取值范围差异，在回归分析之前对变量进行均值中心化以减少研究误差。

表4 描述性统计和相关性分析Tab.4 Descriptive statistics and correlation analysis

为了研究担保信息、抵押信息和下游客户评级对融资额度的影响，通过回归模型OLS进行假设检验。本文将影响融资额度的模型设定为

表5中M1～M5的样本为所有信用评级的客户数据。其中，M1只放入因变量融资额度以及成立年限、注册金额、企业的年营业额以及近三个月销售额等控制变量。在M1的基础上，M2～M4分别纳入担保信息、抵押信息和下游客户评级。M5将所有的控制变量、自变量和因变量放入模型。

表5 影响融资额度的各因素回归结果（N=760）Tab.5 Regression results of various factors affecting financing quota（N=760）

表5的模型回归结果表明，无论是只考虑单一变量还是同时考虑所有自变量，担保信息（r=0.116，p＜0.001）、抵押信息（r=0.130，p＜0.001）以及下游客户评级（r=0.341，p＜0.001）均对融资额度有显著的积极影响。

为了进一步分析不同客户质量等级影响融资额度的信号，本研究根据Fisher判别分析，将企业样本分为高质量客户组（Hi_Q）、中质量客户组（Med_Q）和低质量客户组（Low_Q）。其中，高质量组、中质量组和低质量组分别包含61、120和579条申请数据。回归结果如表6～表8所示。表6的样本为高质量客户；表7的样本为中质量客户；表8的样本为低质量客户。其中，M6、M10和M15只加入控制变量和因变量，在此基础上，M9、M14和M19加入全自变量，其余模型为单独加入各自变量结果。

表6汇报了高质量客户组的检验结果，由于平台数据库中这类客户没有抵押信息，因此，自变量只考虑了担保和下游客户评级。结果显示，对于高质量中小企业，影响其融资额度的主要因素是下游客户评级（r=0.265，p＜0.05），即企业的网络信号，研究结果支持了H2，即FSP会主要依据网络信号来决定对企业的融资。担保信息并未显示出对融资额度有影响。

表6 影响融资额度的各因素回归结果（高质量组，N=61）Tab.6 Regression results of various factors affecting financing quota（Hi_Q，N=61）

表7汇报了中等质量客户组的检验结果。结果显示，下游客户评级对中等质量客户组融资额度的影响为0.291，且p＜0.01，表明网络信号对于中等质量客户获得有效融资同样具有重要作用，H3得到验证。担保对于融资额度的影响为0.254且p＜0.01，表明除了网络信号外，这种自我能力显示的担保对于提升中等质量企业的融资额度具有显著性影响，H4得到验证。然而，抵押对于中等质量企业融资额度的影响系数为0.019且不显著，说明对于这类中小企业而言，抵押信息并不是有效获得融资的关键要素。

表7 影响融资额度的各因素回归结果（中质量组，N=120）Tab.7 Regression results of various factors affecting financing quota（Med_Q，N=120）

表8为较低质量客户组检验结果。实证检验表明下游客户评级对融资额度的影响系数为0.237，且p＜0.001，H5得到验证，表明较低质量的中小企业要想从FSP有效获得融资，也需要很好地嵌入到供应链业务网络，传递良好的网络信号。同时，担保信息对融资额度的影响不显著，说明能力信号的自我显示对于企业从FSP处获得资金并不重要，相反，抵押这种专用性资产的投入对融资额度的影响系数为0.216，且p＜0.001，说明较低质量的企业要有效获得供应链融资，需要提供良好的抵押信息，H6得到验证。

表8 影响融资额度的各因素回归结果（低质量组，N=579）Tab.8 Regression results of various factors affecting financing quota（Low_Q，N=579）

5 研究结论和启示

5.1 研究结论

尽管信息不对称在供应链金融研究中的重要性已经获得了关注［1-3，5］，但已有研究将信号传递视为单调的，未考虑信号传递和解析成本，现有研究着重于信息稀缺，信息过载导致的信息不对称问题未获得充分研究［18］。本文利用供应链FSP 在2015—2018 年间的供应链融资数据，通过实证分析对此议题进行了深入探索，研究假设获得了数据支持。本文进一步探讨了FSP在信号接收和分析的独特优势［7］以及建立供应链信用评级的重要性。主要结论如下。

首先，本文探讨了供应链FSP在供应链融资过程中的信息优势。FSP之所以能够收集到中小企业无意识传递的信号，原因在于其参与企业的供应链结构和流程。通过参与供应链的物流、仓储、代采代销、报关等环节，FSP掌握真实的供应链运营数据。而且，FSP基于对产业和供应链的深入了解，能够通过数据挖掘识别出信号传递环境中的关键因素，实现对中小企业的质量判断。

其次，本文发现供应链FSP鉴别中小企业供应链信用等级的依据主要为FSP主动收集的中小企业部分控制的信号以及无意识的行为信号，而不是采用中小企业主动传递的信号。原因在于，这类信号是中小企业质量的客观反映，防止不诚实的信号传递和选择性信号传递，很好地规避了中小企业的信号传递意图问题。

最后，本文论证了建立供应链信用评级的重要性，不仅能够识别出风险低的高质量客户，而且能够针对不同类型的客户，在符合风险控制的基础上采用差异化的信贷技术，以降低信号传递成本。对于高质量客户，降低信号传递要求，减少信号成本降低；对于中等质量客户，通过网络嵌入信号和担保信息降低信贷风险；对于低质量客户，为了有效控制融资风险，其不仅需要提供网络嵌入信号，还需要提供专用性资产信息，以促成融资并降低企业违约概率。

5.2 理论贡献

本文采用信息不对称理论，重点关注信号理论和反信号现象，对推动理论发展有一定的贡献。①本文拓展了信息不对称理论在供应链金融中的适用性。信息不对称会导致金融市场中的信贷配给问题，使得中小企业融资难、融资贵［1］。信号传递是解决这一问题的关键。传统的信号理论未考虑信号传递的成本问题，将其视为单调和线性的。本文考虑信号传递的成本问题，提出导致信息不对称的因素既包括信息稀缺造成信息搜寻成本较高，也包括信息过载造成处理成本较高。因此，要解决金融借贷中的信息不对称，不仅要关注信息稀缺，还要关注信息过载［15］。②本文探索了专业化的供应链FSP在解决信息不对称中的独特作用。FSP联结中小企业，并提供综合性供应链服务和金融服务，通过自身建立的供应链业务关系，不仅能够比金融机构更易获取企业信号，而且能够主动获取供应链及环境信号，高效、可靠、低成本地进行供应链企业信用评估。③本文对于传统的信号传递模型进行了一定的修正。信号可以来自传递者主动有意识的传递［18］，也可以是无意识的网络信号。后者不仅会影响信号传递过程，而且是信号的重要来源［26］。本文揭示了网络信号在供应链金融中的重要作用，此类信号是供应链运营的客观呈现，不受中小企业传递意图控制，因而成为评估中小企业信用的关键。④本文探索了不同质量中小企业的信号传递机制和反信号现象。不同质量的中小企业会采取差别化的主动信号传递行为。高质量企业往往采取反信号的行为，即不主动传递能力或资产信号，以此展现自身的优质状态并区别于中等质量和低质量的企业。这一结论表明，供应链金融需要根据不同质量的中小企业采用差别化的手段，以降低信息不对称产生的信贷风险。

5.3 管理启示

本文关注供应链FSP的信息优势以及供应链评级体系的关键作用，对管理实践有一定意义。①为了有效开展供应链金融，FSP需要主动搜集、挖掘和分析能够客观反映中小企业质量状态的信号，而不是仅仅依赖传统的企业信用数据，应该将反映中小企业供应链运营能力的数据与征信数据相结合，建立供应链信用评级，从而更加全面、有效地反映中小企业的实际质量。②FSP向中小企业融资的过程中，需要根据中小企业的信用质量状况以及不同信号传递和分析的成本差异，采用不同的风险控制措施。③从中小企业的视角来说，如果难以通过传统财务指标展示自身的信用水平，为了获得运营资金，企业应该形成良好的供应链运营能力，使自身能力能被第三方认可；同时，紧密嵌入供应链网络和体系，形成良好稳定的业务关系，通过供应链运营获得信用评价。

5.4 政策建议

金融如何更好地服务民营企业、中小企业，是国家和社会的关切。解决中小企的融资问题刻不容缓。降低企业与金融机构间的信息不对称、控制信贷风险，是其中的关键环节。随着信息技术的进步以及产业供应链的发展，新模式、新组织、新科技在信息收集和分析、风险评估及信贷决策方面发挥了重要作用。首先，金融机构需要根据中小企业的经营特点，逐步调整和完善现有的评估体系，制订多维度的信息管理体系和信用评估模型。其次，推动金融机构与专业化的供应链FSP协同，实现信息互通互联，打通借贷双方的信息传递壁垒，降低信号识别障碍。再次，整合供应链网络成员，搭建开放式的供应链生态，充分发挥各参与方的优势，如金融科技的信息处理优势和商业银行的风险控制优势等，实现和推动高效、可靠、低成本的中小企业融资。

5.5 研究局限和展望

本文创新地运用供应链信用评级和供应链运营数据进行分析，但是企业运营数据获取较为困难，因而研究数据来自单一产业的供应链金融服务平台。未来研究可以在获取更多不同行业或企业融资数据的基础上进行假设检验。同时，中小企业与其合作伙伴在网络中的结构性嵌入和关系性嵌入如何影响供应链融资，在今后的研究中值得进一步探讨。