2016年我国社会物流总费用高达11.1万亿，作为占GDP将近15%的第二大产业，其中却有大量中小企业因为融资困难而举步维艰。

为了缓解中小企业融资困境，物流企业与商业银行联合创新了物流金融模式，然而随之而来的是新模式下产生的新风险，如何控制与防范新风险成了商业银行以及物流企业亟需解决的问题。

为此，基于物流运输业务特点，研究中小企业的业务模式和信贷融资行为，分析对其产生影响的关键因素，并打造基于物流行业的开放式平台，为中小企业提供一揽子综合性金融服务，从而促进中小企业的发展，具有重要的现实意义。

中小企业融资困境，物流金融应运而生

目前，货运物流已经形成了一个庞大的产业链，是当今时代的一个标志，物流行业每年的发展都会创一个新高，专业化、国际化、规模化、集团化、多元化等趋向也越来越明显。从2010年至2016年，社会物流总费用从7.1万亿增长至11.1万亿，复合年增速为8.8%，其中，2016年社会物流总费用与GDP的占比为14.9%。

图一：近年社会物流总费用

然而，由于中小企业信用评级低、长期性权益性资本匮乏和银行信贷条件过高、信贷配比限制、民间融资成本过高等原因,中小企业的信贷融资困境问题日益显现。在这种大背景下，将物流业与金融业强强结合的物流金融模式应运而生，一方面增强了中小企业的发展能力，另一方面也有助于商业银行拓展信贷渠道。

物流金融，顾名思义，是物流行业的金融衍生服务。从研究的对象主体上看，物流金融有别于供应链金融，前者是物流企业为主导的供应链金融服务，后者是对整个供应链提供的金融服务。

物流金融最基本的模式是仓单质押模式，在此基础上衍生出其它不同的创新型物流金融模式，具体包含信用证担保、替代采购模式、仓单质押、垫资代收货款、买方信贷、垫付货款和授信融资等模式。

新的融资模式，伴随着新的风险

虽然通过物流交易信息的监控有助于对中小企业贷款的管理，但物流金融在国内还是一种新事物，无论是对于物流公司、金融机构、还是融资企业均处于探索阶段。由于风险主体之间风险与收益不对等、流动资产评估体系不完善、物流金融信贷业务经验不足、风险管理方法欠缺等原因使得在开展物流金融时存在一定的风险。

物流金融中的风险可以划分为客观信用风险和主观信用风险，前者是指交易对象无力履约的风险，来源于法律风险、宏观市场风险；后者是指非对称信息下的主观违约风险，来源于业务风险和财务风险。

图二：物流金融中的各类风险

创新风控模式，护航物流金融

由于客观信用风险多由外部客观原因造成，因此相应的防范措施一般采用对于宏观市场和法律政策开展实时监控、事后预警的方式。而对于主观信用风险，本文认为通过扎实推进数据、模型、系统，及数据应用等领域的建设，以降低中小企业违约风险，并提高商业银行自身的盈利能力和服务水平。

第一，做实数据基础。存储并积累整个运输流程的数据，包括但不限于上游货主历史订单和支付信息，物流企业历史运单信息，运输车辆历史运单信息等，这些动态、实时的交易数据，相比于银行静态的客户数据和财务数据，可以洞察企业经营整个过程，更是企业经营的直观反映，有助于银行揭示其客户隐性的潜在风险，是银行信贷审批、风险预警一个很好的补充。

第二，做实算法模型。在历史数据积累不够充分的情况下，需要从专家经验提升至规则加模型。基于专家经验的算法和规则设置，可以从业务稳定性、还款能力、还款意愿、信用历史、第三方数据等方面全面评估中小企业信用风险，并将算法结果应用于授信审批过程，以降低业务审批的边际成本。

与此同时，也要注重模型独立验证团队的建设。算法模型上线使用后，验证团队应对算法模型的表现进行持续监控和验证，评估风险模型实际运行效果，持续对风险模型进行更新优化及再开发，修正算法模型存在的缺陷，以确保算法模型的有效性和满足监管合规要求。

第三，做实信息系统。一方面，通过采用分布式文件存储、NewSQL数据库等数据存储技术解决物流金融相关数据的可扩展管理及存储问题，实现高频、海量的交易相关数据高效、安全的存储。另一方面，打造线上化和自动化的融资业务流程，实现全流程线上化操作和处理。即通过互联网渠道，在线实现融资申请、授信审批、提款还款、风险预警等业务流程，实现用信、授信和贷后管理的一体化与自动化。

第四，做实数据应用。针对中小企业主体风险高、业务存续期限短的客观性，从全新的视角来看待中小企业的融资风险，侧重短期视角和单笔业务交易来进行审批决策。一方面，侧重于从流动性、周转能力等短期还款能力的数据来看待企业经营，从而提高决策的时效性和准确性；另一方面，重债项、轻主体，即以安全性高的单笔业务交易数据为基础，再辅以算法模型来计算单笔业务的融资限额，从而实现动态化、精细化的风险管理。

落实创新方案，践行普惠金融

兴业数金作为银行系金融科技子公司的先行者，本着“让金融更简单、让金融更美好”的使命，致力于为中小银行、非银行金融机构以及非金融机构提供金融科技的创新服务。在物流行业生态圈中，兴业数金将通过打造物流行业云平台，构建基于物流大数据的智能风控算法模型，助力商业银行提升物流生态圈中核心企业及上下游提供综合金融服务水平，缓解中小企业融资困境，践行普惠金融理念。

第一，打造物流金融的第四方物流平台，增强资源信息的整合力度

数金的第四方物流云平台(4PL)，突破了第三方物流供应方在综合技术、集成技术、全球扩展能力上存在的局限性，而从更高的维度完成评估、设计、制定全面的供应链集成方案。

基于4PL平台，一方面实现了供应链管理、一体化物流和上下游产业整合的功能，满足客户信息发布、交易匹配、合同签订、支付结算等需要，提升物流行业中企业的管理效率。

另一方面，通过自动获取和整合物流链上的交易数据，使供货商、物流企业、融资企业和商业银行之间的资金流、物流与信息流循环运作，彻底杜绝数据在传递过程中的“加工处理”，确保数据真实性和时效性，降低交易双方的信息不对称程度，夯实物流金融风控的数据基础。

图三：数金物流云平台

第二，以算法模型为创新驱动，打造持续领先的风险管理能力

在第四方物流云平台全景大数据充分整合的基础上，再结合第三方机构获取的企业及个人征信信息，行业信息等外部数据，构建物流金融风控模型，切实提升商业银行的风险管理水平。

一方面借助层次分析法（AHP）处理较为复杂而模糊的大数据，配合行业专家经验对指标进行排序，再通过计算判断矩阵的最大特征值和特征向量得到各元素的权重，实现量化打分评级的效果，并将信用评分结果应用于额度计算、贷款定价等审批决策过程，实现信贷审批精准量化决策辅助。

另一方面，在数据积累一定程度下，基于人工智能、机器学习、统计学、信息检索、数据库等技术，利用信息值(IV)、相关性、共线性(VIF)等技术手段筛选删除失效的财务指标，让中小融资企业为迎合传统风控模型而人为调整的各项财务指标减弱或失效，同时挖掘出潜在的、有效的风险特征，数据规律、规则、趋势等，达到“总结过去、预测未来”的智能化效果。

第三，连接众多商业银行，提供线上聚合融资服务

物流云平台通过连接底端的众多商业银行，开发机构管理、用户管理、产品管理、流程管理、模型管理、策略管理等功能模块，并基于物流平台交易数据和第三方外部数据，依托智能风控算法模型，实现在线申请、在线审批、在线签约、在线放款、在线还款和贷后管理等线上全信贷流程，为中小物流企业提供聚合融资服务，不仅提升了传统商业银行的业务效率和服务水平，而且也降低中小企业融资成本，缓解了中小企业融资难、融资贵的困境，将普惠金融的“惠”落到实处,保证了普惠金融业务的可持续性发展。

作者：兴业数金算法实验室 陈文彬 陈秀益