2017年
财会月刊(22期)
改革探索
电商融资平台信用评级指标体系的构建

作  者
马程伟,杨琦峰(博士生导师)

作者单位
武汉理工大学经济学院,武汉430070

摘  要

      【摘要】从以阿里金融为代表的电商融资平台中存在的信用关系分析可以发现,电商环境下的商业信用和金融信用有别于传统市场环境下的商业信用与金融信用。在研究电商融资平台的信用数据及其产生途径的基础上,构建电商融资平台信用评级指标体系,能够避免评级指标数据来源可信度对公司信用评级结果的影响。
【关键词】电商融资平台;信用评级;信用关系;信用数据
【中图分类号】F830.39      【文献标识码】A      【文章编号】1004-0994(2017)22-0019-4一、引言
马云在2013年曾说过:“互联网金融以后怎么样我不知道,要跨越今天金融做不到的事情,就是利用大数据把信用体系建好。”然而,目前国内关于互联网金融尤其是电商融资平台的信用评级研究无法满足电商融资平台的要求。
从理论基础来看,信用评级的研究前提是了解信用主体间的信用关系,目前关于信用关系的研究对象多集中于传统市场(林江鹏等,2006;姚益龙,2001;戚聿东,2001),并没有对电商环境尤其是借贷双方之间的信用关系进行研究。电商环境与传统市场有着很大的差别,只有弄清电商融资平台中的信用关系,掌握信用数据,才能从根本上把握信用内涵,得出准确的信用评价结果。
从研究对象上看,在目前关于借贷关系的信用评级研究中,贷款方主要是商业银行(贾曼莉,2015)、小额贷款公司(徐静娴,2013)、互联网金融机构(黄鹏等,2013)等方面,借款方主要是大企业(毛义华等,2010)或中小企业(牛草林,2005)。以阿里金融为代表的电商融资平台,既具有商业银行自筹资金的特征,又具有小额贷款公司为小微企业服务的特征,更具有互联网金融机构利用数据挖掘获得信用信息的特征,因此现有研究成果无法满足其要求。另外,电商融资平台的借款方基本为微型企业甚至是个人,其业务完全在该平台上实现,交易过程对平台来说是完全可见的。也就是说,借款方不能提供财务报表等材料,但电商融资平台可以从平台上相关数据中得到比财务报表数据中更多的信息。只有针对电商环境下借贷双方的特性进行研究,才能够构建真正满足电商企业发展要求的信用评级模型。
从评级指标上看,传统信用评级模型多使用借款企业的财务报表中可获取的反映企业经营状况、还款能力、发展状况等方面的定量指标,以及由贷款方调查得到的可以反映企业财务报表可信程度、员工素质、经营者口碑等方面的定性指标。定性指标主观性强,调研难度大、成本高,而且小微企业难以提供财务报表或提供的财务报表质量低。此外,数据挖掘的必要性与重要性使研究者过于注重信用评级方法的运用与革新,忽略了互联网金融与传统金融业务的差别,没有从业务逻辑角度设置评价指标,从本源上探究信用评级问题。
本文从以上三个方面入手,分析了电商融资平台中的信用关系、信用数据及其产生途径,通过分析商家的信用行为,从买卖双方的信用关系中得出信用信息,据此构建信用评级指标体系,使得到的评级结果更可靠。二、电商融资平台中的信用关系
信用产生的原因是交易中资金和商品的相向运动出现差异。从经济学角度来看,信用是一种经济行为,又称信用行为(李晓伟、曹卫群,2006)。信用关系则是因信用主体的信用行为而产生的一种经济关系(A对B做出了信用行为,A与B之间就产生了信用关系)。信用关系有两种主要的形式:先因买卖产生商业信用、后因借贷产生金融信用。
在传统市场中,商业信用指的是买卖双方之间由于赊销或预付款等信用行为而产生的信用关系,是一种直接信用关系。而金融信用在传统市场中多指银行信用,即以银行这一金融机构的信用作为担保,支持资金提供方和资金需求方之间进行借贷活动而产生的信用关系,是一种间接信用关系。商业信用与金融信用之间存在着替代关系(石晓军、张顺明,2010):金融信用可转化为商业信用,核心企业凭借自己的资质在银行取得贷款后,通过商业信用的方式帮助收到信贷歧视的上下游中小企业,以获得供应链繁荣(张杰等,2013)。但由于银行的信用等级较高且难以取代,因此在传统市场中,商业信用无法转化为金融信用。
在电商环境下,商业信用和金融信用的性质刚好相反。由于电商交易的异地性、匿名性等特性,使得买卖双方难以产生信任,交易也就不会发生。正是由于诸如阿里金融等电商平台充当信用媒介,解决了买卖双方的信任问题,电商交易才得以顺利进行,因此,电商环境中的商业信用是以电商平台信用作为担保,支持买卖双方进行电商交易活动而产生的信用关系,是一种间接信用关系。研究电商环境下的金融信用关系首先要了解电商平台互联网金融的资金来源,根据资金来源的不同,电商融资平台主要分为以下几种:①电商平台成立小额贷款公司,本身成为资金提供方;②电商平台利用银行牌照进行融资,仅作为信用媒介;③电商平台作为数据提供方,为平台用户或金融机构提供服务,由投资者自主选择是否出资,本身不参与交易(郑志来,2014)。
以阿里金融为代表的电商融资平台作为第一种情况,存在的金融信用是商户和阿里金融之间发生借贷活动而产生的信用关系,是一种直接信用关系。由于互联网用户的线上社会化发展,用户网上聊天、交友、发帖等社交行为都得以记录,构成了用户社交信用的基础。电商环境下,可通过数据挖掘方法获得客户的商业信用、金融信用和社交信用信息进而评价其信用等级,既可用于融资决策,又可用于电商发展,还可用于交友选择。可见商业信用、金融信用和社交信用三者之间可以相互转化。
三、电商融资平台的信用数据及其产生途径
信用数据是指包含信用关系的数据,按照内容可划分为运营数据、交易数据、金融数据和交互数据。其中运营数据可以看作交易数据的历史沉淀,反映了交易过程的历史信用,交易数据反映了商业信用,金融数据反映了金融信用,交互数据反映了社交信用。受研究对象发展状况限制以及为了避免主观影响,保证数据真实性与可信度,确保每条数据可追溯,实现全证据链数据挖掘,本文并不将交互数据作为电商融资平台的信用数据进行研究。
商业信用体现在支付过程中,以阿里金融为例,阿里平台作为第三方担保支持交易的发生。在资金流方面,买方下单(买卖双方达成契约)后,买方将货款从其支付宝账户转移到支付宝的往来账户,若买方对交易满意(指买方确认付款或超时默认),该笔货款从支付宝的往来账户转入卖方支付宝账户;否则,货款转回买方支付宝账户,买卖双方也会对运费或赔偿的归属做出资金的转移。从物流方面看,卖方收到订单后将商品发给买方,若买方对商品满意,则物流结束;若买方对商品不满意要求更换,则买方将商品寄回,再由卖方将新商品寄出(可能重复多次);若买方对商品要求退货,则买方将商品寄回,物流结束。因此,采集、处理、分析支付宝往来账户记录、商户的支付宝记录、买方的支付宝记录以及交易的物流信息等数据,即可得到商户的商业信用信息。
金融信用体现在融资过程中,电商融资平台审批通过商户的贷款申请后,将贷款转入商户的支付账户,若商户守信,则在约定的时间内支付利息、偿还本金;若商户不守信,则会逾期支付利息和本金,甚至不支付。因此,采集、处理、分析商户的支付账户记录以及融资交易记录,即可得到商户的金融信用信息。
四、电商融资平台信用评级指标体系构建
结合电商融资平台的业务逻辑,本文提出如下指标体系,如表所示。考虑到某指标取值过大或过小的商户存在时,会使得指标在进行归一化处理后失效,因此本模型中会对某些指标设定相应的取值区间,取值区间需要经过大量调研得到。以阿里金融为例,对该指标体系进行具体说明:
1. 历史信用评价指标。该指标是系统根据评价之前的历史数据进行信用评价的指标,包括三个二级指标:开店时长、交易频度及交易近度。
信任、信用和信誉的关系如图1所示。

 

 


买家在初次交易博弈后选择信任卖家并与之发生交易,交易结束后,买家会根据卖家在交易中发生的信用行为对其进行评价,若评价很好,则会产生二次交易。卖家若长期、多次地在交易中做出守信行为就产生了良好的信誉,使得买家对卖家的信任增强,经常与之交易,同时也吸引了更多的买家,交易量与交易额随之提高且交易的时间间隔也会缩短。反之,若卖家在交易中不守信,买家就不会再与之交易,长此以往,卖家的声誉就会变差,交易发生的时间间隔就会变长,交易量与交易额也会很低。因此,开店时间长的商户一般比开店时间短的商户的信用度高,在评价时点前一周完成交易的次数越多的商户信用度越高,最后一次交易距评价时点间隔时间越短的商户信用度越高。
2. 商业信用评价指标。该指标是系统根据商户进行电商交易时的商业信用数据进行信用评价的指标,包括三个二级指标:交易金额、物流次数及邮费出处。在经营活动中因商品和资金流动不同时而形成的信贷关系,体现的是商业信用。买卖双方的信任问题能否解决决定了交易能否进行,而支付宝“信用担保,二次结算”模式利用第三方平台解决了买卖双方的信任问题,使得双方交易得以顺利进行。通过研究阿里平台上资金流和物流的运转情况,发现平台上进行的交易会出现如下几种结果:
(1)交易取消:平台买家向商户下了订单但没有进行结算。这通常是因为买家的心理变动,与商户的信用行为关系不大。
(2)交易成功:资金从买家账户通过支付宝到达商户账户,且商品从商户手中通过物流公司到达买家手中。这种情况还可分为两种类型:一是交易一次成功(如图2所示),即买家对于收到的商品比较满意,直接确认收货;二是多次退换货后交易成功,即买家对于收到的商品不太满意,要求更换,可能是由于尺码等非质量问题要求更换,商户不包邮(如图3所示);也可能是因为质量问题而要求更换(或买方选择不更换但要求赔偿),此时商户需要包邮(如图4所示)。

 

 

 

 

 

 

 

 


交易失败:资金从买家账户转到支付宝最后转回买家账户,商户并没有得到交易额,同时商品由商户通过物流公司寄到买家最后被退回,买家也没有得到商品(如图5所示)。由于该种情况属于不完整数据,因此该模型不予考虑。

 

 

 

 


综上可得,商品在买卖双方之间往返的次数越多,商户信用度越低,商户支付邮费同样说明其信用度较低。
3. 金融信用评价指标。该指标是系统根据商户进行融资交易时的金融信用数据进行信用评价的指标,包括两个二级指标:融资金额和提前还款时间比。对于通过阿里金融进行融资交易的商户来说,其融资结果有以下两种情况:
(1)融资成功:商户从阿里金融获得融资,并按照合同约定,缴纳本息及其他费用。这又分为三种情况:一是提前还款,即在约定时间之前将本息及费用结清;二是按时还款,即按照合同约定时间将本息及费用结清;三是逾期还款,即到达约定时间并未还款,但在超过约定时间后偿还了本息及逾期费用。
(2)融资失败:商户从阿里金融获得融资,但因为其他原因无法偿还贷款。这种交易产生的是不完整数据,本模型不予考虑。
融资金额越大,商户信用度越高;提前还款时间比越大,商户信用度越高。
五、总结
蓬勃发展的电商融资平台在服务对象、盈利模式等方面均与传统融资机构有所区别,因此无法适用传统融资机构的信用评级模式。而且,大数据云计算等技术的兴起,使得面向电商环境的研究过于集中在电子技术层面,忽视了电子商务业务内部逻辑的重要性。本文分析了电商融资平台中借贷双方的信用关系,并提出了一种基于电商融资平台业务逻辑的信用评级指标体系,帮助电商融资平台根据自身的业务逻辑判断用户信用级别。

主要参考文献:
林江鹏,冉光和,唐齐鸣.市场主体信用关系运行机制研究[J].金融理论与实践,2006(1).
姚益龙.市场经济中的信用关系重建思考[J].学术研究,2001(9).
戚聿东.国有企业信用关系与资本结构调整[J].中央财经大学学报,2001(9).
贾曼莉.我国商业银行信用评级5A模型初探——以骆驼评级为启示[J].技术经济与管理研究,2015(2).
徐静娴.我国小额贷款的信用评级机制探析[J].金融经济(理论版),2013(6).
黄鹏,刘艳.基于模糊综合评判法的小微企业综合信用评价模型——面向互联网金融服务平台[J].西部金融,2013(10).
毛义华,刘悦.基于RBF神经网络的商业银行客户信用评级[J].统计与决策,2010(2).
牛草林.中小企业信用评级体系的构建[J].财会通讯(学术版),2005(8).
赵家敏,黄英婷.我国商业银行中小企业信用评级模型研究[J].金融论坛,2006(4).
张玲,袁异清.我国商业银行信用评级指标的优化[J].财经理论与实践,2008(5).