供应链中断对金融稳定影响的量化评估——基于匈牙利企业级供应网络的研究

作者： Zlata Tabachová, Christian Diem, András Borsos, Csaba Burger, Stefan Thurner
期刊： Journal of Financial Stability, 第75卷, 2024年, 文章编号101336
发表时间： 2024年10月18日在线发表

研究背景与目的

本研究属于金融稳定性与系统性风险量化评估领域。传统信用风险（Credit Risk，CR）模型主要关注借款人的财务状况，对来自实体经济的风险——尤其是供应链风险——的考虑极为有限。近年来的新冠疫情、地缘政治冲突和自然灾害表明，供应链冲击可能引发足以威胁金融稳定的大规模金融损失。然而，由于缺乏企业层面的精细数据，此前的研究难以量化金融体系对供应链网络（Supply Chain Network，SCN）中传染效应的敞口。已有研究多基于行业层面的投入产出表数据，而这类聚合数据已被证明会导致生产损失估计的严重偏差。本研究旨在填补这一空白，利用匈牙利全国性的企业级微观数据集，构建一个多层冲击传播框架，量化实体经济冲击如何通过供应链网络传导至银行体系，进而估计对银行股权资本的损失影响。具体研究问题包括：第一，由全国供应链网络中生产失败级联所创造的实体经济社会系统性风险在多大程度上影响金融稳定？第二，银行的信用风险敞口——以期望损失、风险价值和期望短缺衡量——被供应链传染放大到何种程度？

数据与方法

研究使用的数据由匈牙利中央银行内部可获取的四套微观数据集组成：一是增值税数据，用于重建包含243,339家匈牙利企业的供应链网络，网络边权对应企业间交易的货币价值；二是企业资产负债表和利润表数据；三是企业-银行贷款矩阵，包含40,043家企业对269家银行的贷款敞口，最终纳入27家拥有普通股一级资本数据的银行；四是银行的普通股一级资本数据。

模型框架包含三个核心步骤。第一步，利用广义列昂惕夫生产函数对每家企业进行校准，模拟初始生产中断在供应链网络中的上下游传播过程。初始冲击向量(\psi \in [0,1]^n)指定每家企业在冲击后的剩余生产水平，传播过程持续至系统收敛到新的稳态，得到最终剩余生产水平向量(h(T))。第二步，根据(h(T))计算企业利润的变化(\Delta p_i = (1-h_i(T))(r_i-c_i))，其中(r_i)为收入，(c_i)为材料成本。企业若满足((z_i-\Delta p_i) \leq 0)（破产条件）或((a_i-s_i-\Delta p_i) \leq 0)（流动性不足条件），则被判定为违约，其中(z_i)为权益，(a_i-s_i)为短期资产减去短期负债的流动性缓冲。第三步，违约企业的贷款被银行核销，假定违约损失率为100%，计算每家银行的股权损失比例(\delta_k = \sum_j \chij \kappa{jk}B_{jk}/e_k)，以及整个银行体系的系统性损失(\delta(\psi,\kappa))。

在此基础上，研究定义了金融系统性风险指数（Financial Systemic Risk Index，FSRI），用于衡量单个企业完全停产引发的供应链级联对银行体系整体股权的损失比例。FSRI可进一步分解为直接损失成分（企业自身贷款违约）和间接损失成分（供应链传染导致的次级违约）。为评估银行个体风险，研究采用蒙特卡洛模拟生成10,000个初始冲击情景，每家企业的初始违约概率来自匈牙利中央银行开发的违约概率模型，对各银行分别计算含供应链传染和不含供应链传染的期望损失、95%风险价值和95%期望短缺，并计算风险放大因子。

主要结果

FSRI的排序分布显示，在全部243,339家企业中，仅约100家企业具有较高的金融系统性风险。风险最高的企业FSRI值略高于22%，意味着其倒闭引发的供应链中断级联将导致样本中27家匈牙利银行整体普通股一级资本约22%的损失。17家企业形成了FSRI值约21%的高风险平台，这些企业主要属于能源、通信和运输部门，以及废弃物收集和基础化学品制造行业。这些高风险企业的FSRI主要由间接损失驱动——图3显示，对造成最大银行股权损失的80家企业，间接损失远大于直接损失，表明供应链传染效应而非企业自身贷款规模是金融系统性风险的主要来源。

将FSRI分解为流动性违约和权益违约两部分（FSRI(^l)和FSRI(^{eq})）后发现，流动性违约导致的银行股权损失显著高于权益违约。FSRI(^l)的高风险平台约20%，而FSRI(^{eq})的平台仅5%，说明在引起最大供应链传染的事件中，大多数违约源于企业流动性枯竭而非资不抵债。

对于个体银行层面，与仅考虑直接损失相比，纳入供应链传染后所有银行的风险度量均大幅放大。在20家拥有足够客户数量的银行中，平均风险放大因子为：期望损失(\rho^{el}=5.2)，风险价值(\rho^{var}=6.7)，期望短缺(\rho^{es}=4.4)。系统层面的损失分布呈双峰形态，直接损失集中在约4%的低值区域，而含传染的损失分布除在约7%处的集中外，还在约23%处出现第二个峰值，该峰值对应高风险FSRI企业的初始违约情景。系统层面的风险放大因子分别为：期望损失6.4倍，风险价值16.1倍，期望短缺12.2倍。

在新冠疫情冲击的实证应用中，研究利用2020年第一季度企业就业数据校准初始冲击。经验校准的新冠冲击导致银行体系整体股权损失6.2%，其中直接损失约3%，供应链传染导致的间接损失约3.2%，放大因子约2.1。1,000个合成新冠冲击情景的系统性损失范围为4.7%至10.4%。研究进一步设计了针对性政策干预：通过向选定的流动性不足但具备偿付能力的企业提供总计相当于银行体系整体股权0.5%的额外流动性支持，可将系统损失从6%降至1%。

结论与意义

本研究的核心结论是：供应链网络传染是金融稳定评估中不可忽视的风险传导渠道。忽略这一渠道将导致银行信用风险被系统性低估数倍。在科学价值方面，本研究首次基于全国性企业级供应链网络与银行信贷数据的整合，建立了数据驱动的多层冲击传播框架，为理解实体经济与金融体系之间的系统性风险传染提供了精细化的量化工具。在应用价值方面，该框架可用于监管机构的系统性风险评估和压力测试，也可用于设计并检验定向政策干预措施，如流动性支持方案，以更高效地维护金融稳定。

研究亮点

第一，数据独特性：使用了包含匈牙利几乎所有企业间供应链关系及贷款信息的全国性微观数据集，覆盖243,339家企业的供应链网络和27家银行的信贷敞口。第二，方法创新：将供应链冲击传播模型与银行信贷损失模型整合为统一的多层网络框架，实现了从实体经济冲击到金融体系损失的全链条量化。第三，关键发现：极少数企业（约100家）承载了巨大的金融系统性风险；流动性违约在供应链传染中起主导作用；供应链传染对银行风险度量的放大倍数高达4.4至6.7倍。第四，政策实用性：通过新冠疫情情景模拟和干预实验，证明了该框架能为政策制定者提供可操作的、以数据为依据的决策支持，且干预成本仅需银行体系股权的0.5%即可大幅降低系统性损失。