文摘
现有的供应链金融信用风险传染的研究更关注网络内部结构的影响风险蔓延的过程。的传播COVID-19供应链的影响巨大,有大量的企业生产经营困难,导致增加了供应链金融的信用风险。在流行病的影响,探讨了传输速度和稳态时的信用风险供应链金融网络是受外部的影响,这样我们可以有一个更完整的了解供应链金融抵御风险的能力。仿真结果表明,外部冲击的不同程度的数量将会增加初始感染并导致企业信用风险传染速度的增加却没有显著影响网络稳定状态;信用风险传染的速度与网络复杂程度呈正相关,但不显著影响网络规模;核心企业感染会增加信用风险传染的速度。政策干预的强度有明显的疗效在外部冲击造成的风险。当供应链金融网络是受外部冲击的影响,强度,时间,针对性的政策反应可以有效地防止信用风险传染。
1。介绍
自2020年爆发以来,COVID-19已经蔓延到191个国家和地区,拥有超过2亿个确诊病例和440万例死亡。由于疫情,失业率逐渐增加,企业已暂停生产,经济指标都显著下降。优化方法,特别是定点方法,是有效的和强大的解决各种实际问题,交通,医疗成像、现代管理、金融工程(见,例如,1- - - - - -5])。供应链的持续下降的市场需求和生产停滞的上游和下游企业将导致严重的供应链内的企业运营困难。不断爆发引起的突变病毒全球供应链的恢复蒙上了一层阴影。在大流行的背景下,供应链金融也面临着严重的影响。
供应链金融整合物流、资金流、信息流,形成相应的网络结构。随着金融全球化的不断发展,网络复杂性是加强6),同时使网络更加有效,这也使得它更容易违约和破产7]。一个参与者的信用违约将导致损失的其他成员,最终导致信贷风险蔓延整个供应链网络(8- - - - - -11]。COVID-19大大增加了网络传播的供应链金融的信用风险。供应链金融在抵抗中发挥作用造成的外部影响和有效地抵消损失COVID-19爆发;因此,重要的是要研究的影响外部感染对供应链金融信用风险的影响和相应的政策。
本文的其余部分组织如下。部分2主要是文献综述,总结了现有的供应链金融信用风险的研究。部分3供应链金融是复杂网络的建设,包括模型选择和模型结构。部分4仿真结果和讨论,相关仿真实验的设计,深入分析的结果。部分5是结论。
2。文献综述
供应链金融是与传统的融资方式不同。通过整合所有参与者的融资过程中的资本流动和优化供应链,供应链融资提高了供应链的整体资本管理水平(12- - - - - -14]。现有的供应链金融信用风险的研究主要集中在风险识别和评估(8),研究方法主要是基于风险评价指标体系的建设。谅解备忘录等。9)认为,核心企业信用风险的评估至关重要的供应链,以及模糊层次方法用于定量测量和核心企业的信用风险进行评估。朱et al。15)认为,供应链中的中小企业处于弱势地位,但他们的信贷风险状况是供应链金融具有重要意义。RS-multiboosting机器学习模型的帮助下,他们建立了一个预测模型的供应链金融对中小企业的信贷风险,具有良好的效果。王等人。16)认为,智能城市的发展和智能金融使中小企业的财务风险更复杂,使用改进的PROMETHEE法方法来构建一个更加准确的中小企业信用风险评价模型。然而,供应链上的企业并不孤立地运作,供应链内的信用风险是一定会感染整个供应链,对网络造成严重的影响。
信用风险传染的话题,现有的研究主要集中在供应链的内部结构的影响信用风险传染的过程。赵et al。17)建立了一个无标度复杂网络模型的供应链金融和发现网络结构产生重大影响信用风险传染。谢et al。18)两级供应链的博弈分析了融资约束通过构造两级供应链的融资渠道,发现融资结构对信用风险传染产生重大影响,而双通道融资机制下的传染效应是弱。的帮助下SIRS传染病模型,王et al。11)深入讨论了多种因素对供应链危机蔓延的影响,包括企业风险偏好,操作的鲁棒性和灵活性,市场信息的完整性,尤其是网络拓扑。然而,除了内部因素,外部冲击也对信用风险传染的过程产生影响。因此,本文主要研究外部冲击的影响(COVID-19)供应链金融的信用风险传染的过程。
3所示。供应链金融网络的建设
3.1。网络模型和感染模型的选择
从复杂网络的发展历史的角度来看,复杂的网络可以分为常规网络,随机图、小世界网络和无标度网络。普通的网络中,任意两个节点直接连接的边;随机图是指连接形成的网络节点根据概率随机。两个小世界网络和随机网络符合泊松分布,其结果,网络中大量节点度附近集中 ,没有点和相对较高的学位。这种网络也被称为统一的网络。在供应链金融网络的结构,新加入的中小企业往往是与核心企业高度,使核心企业有非常高的学位,而中小企业有一个相对较低的程度。这个特征的供应链金融网络是完全符合无标度网络的特征。因此,BA无标度网络是选为基础构建供应链金融网络。
病毒传播的前提是网络环境有利于传播,只有相互接触和关系能完整的传播过程,这与信用风险的传播是一致的。因此,流行病模型已被广泛用于研究信用风险的传播。SIS病毒感染模型是一个经典模型在复杂网络传播动力学,应用于大量的信用风险研究[17,19]。SIS病毒感染模型的优点是它没有限制的网络规模和网络传输方向上没有特殊要求,可以准确地反映网络中的信用风险感染的动态过程。因此,SIS病毒感染模型非常适合本文作为信用风险的基本模型感染。
3.2。供应链金融的复杂网络的建设
基于前一节讨论的模型选择和特殊要求的网络模型相关研究(17,19),本文提出了以下假设供应链金融网络:(我)假设1。供应链金融网络是一个无向网络。一般来说,风险蔓延传播从上游到下游,但对于供应链金融网络,它主要表现为上游和下游交叉感染,并没有明确的方向。因此,本文将网络作为一个无向网络。(2)假设2。网络中的节点只感染了邻近的节点。供应链金融网络中两个节点之间的连接通道的风险传染,没有直接接触和节点相互没有影响,不考虑。(3)假设3。信用风险在供应链金融网络传输有一定概率的。即使是连接到受感染的节点,它并不意味着它会相应受到影响。相关感染的概率是两个节点之间的连接的强度。在本文中,为了简化感染模型,这个概率是设置为一个常数。(iv)假设4。供应链金融网络的结构和规模不会改变的过程中,信用风险传染。在现实世界中,网络总是在一个动态的过程,一些节点将加入,也有一些节点将断开连接。本文简化网络模型,网络结构和规模的变化在感染的过程中不考虑。
假设网络中信用风险传染的概率是 , ;在时间 ,感染者的密度在网络上 。作为趋于无穷时,网络达到一个稳定状态 。考虑到无标度网络是一种非均匀网络,节点的感染密度的程度的时候是 。每个节点有一定的恢复能力,恢复系数设置为 。通过综合分析上述内容和SIS模型的特点,我们可以得到以下方程在时间 :
右边的第一项是毁灭,和感染节点的密度减少的速度 。第二项是一代的术语,它感染的概率成正比 ,易感节点密度 ,节点的程度 ,和 。 代表任何给定的概率优势与受感染的节点,即 。我们假设感染节点的密度与学位在稳定状态 。
使用稳态条件 ,我们有以下:
根据方程(2),我们发现,在稳定状态下,受感染节点的密度与学位呈正相关的感染概率节点的度但企业的弹性是负相关 。
与方程(2), ,我们有以下:
如果方程非平凡解 ,必须满足下列条件:
也就是说,
临界值BA无标度网络如下:
在BA无标度网络中,
假设供应链金融网络是最高学位 ;随着网络趋于无穷,倾向于 ,所以 。临界值可以表示成
根据方程(8),我们发现临界值网络结构是负相关和网络规模但企业的弹性呈正相关 。
4所示。仿真结果和讨论在流行的影响
4.1。仿真算法设计
(1)BA无标度网络构造。根据现有的研究[17,18,20.),本文设置网络的基本参数 和 。(2)根据流行的范围,最初被感染节点随机选择从网络。(3)新感染节点的数量确定。假设节点的状态是 ;当节点被感染, ;如果不是感染, ;外部影响节点可以表示为 在哪里 表示节点的相邻节点的受感染的节点数量 , 表示节点之间的连接状态和节点 , 表示两个节点直接连接;否则,他们不是相邻节点;表示节点的概率由至少一个邻近的感染感染节点,可以用来表示其外部影响。
风险阈值的节点可以表示为
流动资产属于企业对信用风险有一定的耐药性,所以企业的阻力是表示为 ,这是设置为0.25。代表企业的差异,我们引入了随机数字( )。如果 ,节点是感染。否则,节点不受感染。
4.2。分析流行影响下的仿真结果
4.2.1。准备确定危机蔓延的风险
首先,我们需要确定风险传染的概率匹配的信用风险传染网络,这是相关的在方程(8);当 ,信用风险传染扩散;否则,信用风险并不会传染。根据方程(8),我们设置初始网络状态 , ,和 和模拟网络参数的影响 , ,和在 。仿真结果如图所示1。
(一)
(b)
(c)
根据以上仿真结果,我们发现,自愈率的增加 , 不断增加。与不同的 , 在0.2和0.3之间。网络的复杂性 ,当 ,稳态中的感染节点的密度为0,表明网络中不存在感染风险。网络复杂性的增加,逐渐减少,而的最大值约为0.3。有一个网络规模和之间的负相关 ;当 , 约为0.21,当 , 大约是0.25。因此,为了确保仿真结果不受风险传染概率,设置为0.3的后续仿真实验。
4.2.2。分析企业自我修复模式下流行影响的仿真结果
我们首先考虑,在没有政策干预的情况下,企业有一定的自愈率 。即企业有一定概率恢复到健康状态。与内部企业的信用违约相比,COVID-19爆发会产生更为严重的影响,主要体现在以下几点:大量的企业正面临着关闭和生产,需求下降,劳动力短缺,和其他问题,导致最初感染的人数突然增加的企业。根据流行病,核心企业的违约概率增加。为核心企业与大量的企业违约将不可避免地产生严重影响整个网络。因此,在初始网络状态的调整,我们被感染节点的初始数量增加来表示影响流行所造成的影响。感染节点的初始数量表示的程度不同行业受到疫情影响。最后,核心企业受感染的数量的影响讨论了信用风险传染。首先,我们考虑感染节点的初始数量的影响供应链金融网络,仿真结果如图2。
(一)
(b)
根据仿真结果,我们发现被感染节点的初始数量基本上是与信用风险的传染速度呈正相关。然而,对于稳态,数据之间的差异2(一个)和2 (b)不是很明显,因为中小企业的风险传染阈值相对较低。没有政策干预和感染节点的初始数量的增加,大多数节点将被感染。现在,我们将讨论的影响,核心企业信用风险传染感染。仿真结果如图所示3。
(一)
(b)
(c)
根据仿真结果,发现当被感染节点的初始数量很小( )和 ,是有区别的信用风险传染率和感染率的核心企业。与外部冲击强度的增加(初始感染数量),信用风险传染速度的差异逐渐减小。这一现象的主要原因是,核心企业的违约将会影响到大量的中小企业,这使得蔓延的速度迅速增加。最初的感染节点的增加也会增加信贷风险的传输速度,从而缩小之间的差距 和其他情况下。
考虑网络性质的影响信用风险传染,我们接下来将讨论网络结构的抗传染病的影响。有区别不同类型的供应链,这是每个企业的相关属性和企业之间的联系。在流行的影响下,值得探索是否不同的自愈率,网络复杂性和网络规模会影响信用风险的传播。在这里,设置基本网络参数 , , ,和 。首先,我们讨论企业的自愈能力及其对信用风险的影响蔓延。仿真结果如图所示4。
(一)
(b)
(c)
根据仿真结果,我们发现企业自愈率对稳定状态有显著影响,信用风险传染的速度。当 和大于0.4,稳态是0,而且没有信用风险传染。连续下降 ,信用风险的传染率逐渐增加。当 ,网络基本上达到一个稳定状态在36个步骤。当 ,只需要20个步骤基本上达到稳定状态。当 和 ,基本上维持在稳定状态 。当 ,最后的稳态增加到90%。这一结论基本上是一致的,面对不同程度的最初的震惊:即使感染节点的初始数量达到200时,最终的稳态之间的区别 和 仍在 。它表明企业自愈率调节影响网络的最终稳定状态。为了确保企业自愈率不会影响其他仿真结果的真实性,企业的基本价值自愈率设置为0.2。
网络复杂性的影响信用风险传染在不同外部冲击如图5。根据仿真结果,我们发现网络复杂性对信用风险传染的速度产生重大影响。当 ,网络中不存在信用风险传染小于2。增加的 ,信用风险的传染率不断增加。当 ,网络已基本达到稳定状态6步骤。与增加的外部影响,法律基本上是一致的:即使 ,受感染的节点数量的初始阶段 快速增加;然而,4步骤之后,感染节点的数量开始下降,最后停止了感染。当 ,信用风险的传染率也低,但它仍然达到稳态后50步骤。实验结果表明,网络复杂性的传输速度呈正相关信贷风险。虽然网络复杂性提高效率的供应链金融在某种程度上,当遇到外部冲击,更多的企业之间的联系成为信用风险传播的通道,从而加速信贷风险的传播。
(一)
(b)
(c)
接下来,我们讨论网络规模对信用风险传染的影响,和仿真结果如图6。我们发现网络大小没有显著影响最终稳定状态:在不同的尺度上,网络规模不稳态有重要影响,这一结论是仍然有效的情况下增加外部冲击。当最初的冲击很小,网络规模有一定的对信用风险的传播速度的影响。当规模大,信用风险是相对较慢的传输速度。然而,随着越来越多的外部冲击,曲线高度重叠,以及网络规模的影响几乎可以忽略。
(一)
(b)
(c)
4.2.3。分析仿真结果的政策干预模式在流行的影响
为了更好地研究政策干预信用风险传染的影响,企业恢复时间引入网络代表一个企业所需的时间步从受感染的状态恢复到健康的状态下政策干预。较小的,较强的政策干预;否则,实力较弱。我们定义 作为一个强有力的干预, 作为一个温和的干预, 是一个软弱的干预。首先,我们考虑政策强度的抑制效应当没有最初的感染流行影响的核心企业( ),和仿真结果如图7。
(一)
(b)
根据仿真结果,我们发现,在面对不同程度的外部冲击,政策干预显著抑制影响信用风险传染的速度:当外部冲击很小( ), 能有效抑制信用风险传染。即使政策干预疲软( ),信用风险的传染率还低的初始阶段。最初的影响是增强时,抑制作用强烈干预的流行影响仍相对明显,但的抑制作用 在信用风险的传输速率是削弱。当 , 不能完全抑制信贷风险的传播。有两种可能的解释上面的结论:首先,流行病的影响在不同行业不同和干预强度不同;其次,在不同的阶段需要不同程度的干预的流行。因此,不同行业的政策干预的强度应该是不同的,和爆发的早期干预效果更好,和干预的成本更低。接下来,我们考虑的情况下 ,和仿真结果如图8。
(一)
(b)
核心企业的感染对网络有很大的影响。在的情况下 , 还可以抑制信用风险传染。然而,加强外部冲击( ), 无法抑制的信用风险传染,信用风险传染的速度大大增加什么时候 。由于核心企业的健康状况的重要性到网络传播风险,应注意在爆发的过程。
5。结论
本文进行仿真实验对供应链金融的信用风险传染网络下COVID-19大流行。首先,考虑自愈没有政策干预的模式,我们发现被感染节点的初始数量的增加将大大增加信用风险的传染率,但对稳定状态的影响相对有限。企业的自愈率可以显著降低信用风险传染的速度和密度受感染的节点的稳定状态。随着网络复杂度的增加信贷风险传播的渠道,风险传播的速度增加。然而,网络的大小没有显著影响感染率和稳定状态。然而,当足够大的外部冲击,网络的稳定状态是80%以上,这表明在没有政策干预的情况下,企业的自愈能力无法抵制网络上的外部冲击的影响,导致供应链金融网络未能发挥应有的功能。
其次,在外部冲击下,政策干预是至关重要的,确保供应链的正常运行,降低信用风险传染的可能性。小的外部影响,甚至中等强度的干预可以达到抑制感染的效果。然而,随着外部冲击的增长,所以也应该干预的规模。这表明疫情对不同行业的影响是不同的,和政策也应该有针对性的干预措施。在疫情的早期阶段,及时、有针对性的政府干预将取得明显成果。
最后,由于其位置的重要性,信用风险传染的速度将显著增加一次信用违约发生在供应链的核心企业。因此,同时关注重点行业和防止供应链网络严重影响,核心企业应该关注的健康。
这篇文章有一些局限性,在后续研究可以改进。首先,本文忽略了不同的供应链金融网络的特殊性,选择相同的传染概率。后续研究可以进一步探索特定网络的特点。此外,本文假定网络的规模将保持不变,不考虑节点的进入和退出机制。为了更接近现实,相应的可以在后续的研究中讨论。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。