曹麒麟 卓倩芸
[摘要]
传统产业稳定发展有助于区域经济增长，新兴行业持续发力的同时，部分支柱性产业，尤其是传统特色产业陷入一定的困境。文章以四川原酒产业为研究对象，通过实地走访调研及18位专家问卷调查，运用云模型进行区域支柱性传统特色产业的风险量化研究。研究表明，原酒产业中企业自身风险最高的是中游企业，其次是下游、上游企业，共同体风险中资金流风险最高。据此，提出通过财务预警体系建设、人才培养与激励、创新“保险十期货”模式、注重品牌规划及供应链金融等方法管理风险，实现区域支柱性特色产业的稳步发展。
[关键词]产业链；
支柱性传统特色产业；
风险量化；
云模型
[中图分类号]F427[文献标识码]A[文章编号]1008—0694（2023）02—0093—09
[作者]曹麒麟副教授四川大学商学院成都 610065
卓倩芸博士研究生复旦大学管理学院上海 200433
一、引言
五千年的悠久历史孕育中国诸多世界性独特产业，许多传统特色产业形成区域支柱性产业，如西南地区的白酒产业、江西陶瓷产业、江浙丝绸产业等。新发展阶段，新兴产业蓬勃发展，新型制造业如电动汽车等成为发展重点，经济发展重心逐渐往新兴产业转移，传统特色产业如何继续稳定发展，保证区域支柱性产业平衡与发展成为当前许多地方产业发展的重要课题。
我国传统特色产业多属于消费产业，由于各种风险因素影响进入疲软期也是常态。西南地区中小型酒厂数量庞大，该类酒厂多生产白酒的基础形态—原酒。千百年来，以泸州、宜宾、邛崃、绵竹等为代表的四川原酒已经发展为地区支柱性特色产业。因此，本文以四川原酒产业为例展开研究。原酒产业和陶瓷、丝绸等传统特色行业具有高度相似性，均以农产品为原料，采取特殊技艺加工后进行包装销售，所以本文以原酒为研究对象探究传统特色产业规律。
对原酒产业的分析离不开对整个白酒行业的探讨，白酒产业经历2003—2012年的黄金十年，在“塑化剂”事件和限制“三公”消费政策出台之后，高端白酒销量一路走低。2013—2015年白酒产业进入深度调整期，市场需求急剧减少，提升原酒交易数量和提高交易效率成为白酒企业最为迫切的生存需求。自2012年起，白酒的产销量增长在多数情况下，甚至在部分白酒销售高峰期也低于同期GDP增长速度，这一现象到2016年才得以复苏回暖。陶瓷、丝绸产业也面临着相同的困境，突破产业困境的第一要义是识别困境，尤其是识别产业链上的风险。
新形势下，经济发展方式转变、经济结构优化和增长动力转换，质量变革、效率变革和动力变革等，均为经济发展的主题。黄速建等（2018）强调企业的主体性作用，指出成功的关键在于能否实现企业的高质量发展。企业的高质量发展需要考虑产业环境的变化，传统产业过去的研究多集中于如何将传统产业与新兴产业相融合谋发展，陆立军等（2012）提出两者在相互适应阶段、协调发展阶段和分化替代阶段三个阶段之后进一步转型，需要发挥地方政府淘汰落后产能和资金支持的能力（2），“互联网＋”带来传统行业的跨界颠覆式创新等为传统产业带来新的活力（3]。也有学者聚焦产业集聚效应研究，如苏丹妮等（2018）指出传统产业的集聚效应的集聚经济大于过度竞争关系）。
中国经济增速放缓的今天，保持经济的活力不能完全依赖于新兴产业的繁华，重塑传统支柱性产业尤其是传统特色行业活力是在“一带一路”政策下不可忽视的重要环节，在产业调整过程中进行风险量化研究，有助于实现区域进一步协调发展。鉴于此，本文从风险管理角度入手，探讨传统特色产业发展过程中可能存在的风险，同时运用风险云模型进行风险量化管理。
二、原酒产业风险识别
对产业链风险的研究已经十分普遍。蒋国俊等（2004）认为推动产业链稳定运行的三种机制包括竞争定价机制、利益调节机制和沟通信任机制），但这三种机制着眼于整个产业链内部，忽视了一定外部风险和整体风险，尤其是替代性产业带来的冲击。龚勤林（2004）对产业链风险传导机制进行研究，指出产业链中企业自身风险（SR）根据企业所处的产业链环节不同存在差异，可以总体概括为经营风险（OR）、财务风险（FR）、市场风险（MR）等等，還有产业链整体风险—共同体风险（CR），彼此互相影响，风险会在产业链上递层传导以及整体传导，经营风险和市场风险全部作用于其自身]。李存斌等（2007）以网络计划为例，采用风险元传递解析模型进行风险传递研究，张晓毅（2011）研究直线型产业链和金字塔形产业链风险传递，分别采用三角形风险元概率估计方法、蚁群算法构建直线型和金字塔形产业链风险传递模型给出主要风险节点和控制方法（8）。
郁义鸿（2005）指出，产业链是指在一种最终产品的生产加工过程中—从最初的自然资源到最终产品到达消费者手中—所包含的各个环节所构成的整个的生产链条（2）。结合侯亚景（2011）对白酒产业链的研究①0，产业链上游主要指原酒酿造原材料的生产销售单位，我国原酒的酿造100％采用纯粮固态发酵法②，主要采用高粱、玉米、小麦等主原料。经过调查发现超过89％的白酒生产企业会从粮食采购机构购入原料进行生产，小部分中小型酒企直接从粮农处进行收购，上游企业主要以粮食收购企业、酒类生产机械及工具企业以及酒类包装材料企业为主。原材料进入酿造环节便需要酿造企业酿酒专业技术人才进行酿造，根据走访调查发现，几乎所有的原酒酿造企业暂时都难以实现完全现代化，尤其是在粮食蒸煮和酒曲摊凉环节对酿酒技师的要求较高，主要依赖人工进行。经过发酵之后，中游企业—酿造企业将生产的原酒运送至下一环节进入勾调、包装等，最后经由下游企业流入市场，到达最终消费者手中，许多企业同时承担最后两个环节，在完成勾调包装之后直接进行销售。针对产业链中的企业自身风险（SR），上游企业的风险源主要是经营风险（OR）。当某年度气候不稳定时，上游企业的粮食等产量不足将直接导致整体产能受限。国家统计局数据显示，随着机械化程度提高和生产力的不断发展，我国的粮食产量平稳增长，其中原酒产业所需要使用到的高粱产量虽然存在一定程度的减少，主要原因在于高粱的需求下降，高粱种植减少，但仍能够满足酒类酿造的需求，所以对于上游企业来说自身风险相对较低。
中游企业风险源主要为经营风险（OR）中的人才风险和财务风险（FR）。一是人才风险。生产过程中需要大量的人工参与，受访的18家酒企中，有6家企业仍为全人工酿造，其余均以人工为主，机械为辅，一旦技师操作出现偏差将会导致所酿原酒口味偏差。近年来，虽然酿酒原理已经被许多专业人士研究，但酒厂工人作为酿造过程中的主力军却流失严重，老龄化③和人才稀缺成为原酒酿造企业面临的一大人才难题。另外，18家参与调研的酒企中有超过一半的企业表示负债压力中等及以上，其中5家明确表示企业负债压力较大，并且有5家表示在银行获取贷款的额度不容乐观，其原因是企业自身征信情况因为企业规模的原因难以得到太大的提升，以及中小型酒企资产具有很强的专用性，比如资产占比较大的“酒窖”流动性低，难以成为贷款抵押物，导致酒企的融资难度相比其他制造业企业更大。
产业链构成的共同体风险（CR）包括物流风险、信息流风险和资金流风险。一是物流风险，主要是在运输过程中酒精的挥发，受访企业大多表示对企业的影响不大。二是信息流风险，来自信息传递过程中的滞后性，行业新闻的更新时间需要至少1天的时间，并且调研中超过一半的企业承认信息传递需要超过8小时（一个工作日），真正落地实施需要一周以上，信息的滞后性对酒企及其他传统特色产业中企业的效率有一定的影响，但由于传统特色产业的产品生产周期大多较长，所以相对而言不具有较大威胁性，只有在出现极端情况下才会出现较大程度的影响。三是资金流风险，也是传统特色产业面临的最具威胁的风险。目前中游企业面临着较为严重的财务风险，这一风险在产业链中往上下游传递，并且由于下游企业的市场风险影响也会导致企业的营业成本和收入不匹配带来资金短缺现象，资金在产业链中传递也会带来风险在产业链中的传递。综上所述，在共同体风险中资金流风险系数最高，需要产业链中的各个企业密切关注。
本文基于前人研究，运用风险云模型，结合风险元概率估计的方法对产业链中的风险元进行识别。研究团队走访了白酒金三角“宜宾—泸州一仁怀”中的泸州，同时收集了来自成都、宜宾、泸州、贵阳等地共计18家酒企数据（2016—2018年）。对白酒产业高度聚集且具有代表性的白酒金三角酒企研究后发现，从原酒产业链上中下游企业来看，在企业自身风险（SR）中，中游企业所面临的风险系数最高，在共同体风险（CR）中，由于风险传递机制的存在，资金流风险属于整个产业链中最为显著的风险。
三、基于云模型的原酒产业链风险量化分析1.云模型
正态分布和正态隶属函数的普遍性奠定了正态云模型普适性，并且云模型可以表示宏观、中观和微观三个不同尺度上的概念（12）。本文将模糊性和随机性结合起来的云模型量化产业链风险。基于风险元的识别，采用在概率论和模糊理论基础上发展起来的计算机语言一云模型—正向云发生器，将自然定性语言在期望、熵和超熵三个特征值的帮助下形成N维云滴，将定性语言通过N维转换为定量语言13]。期望（E）反映了云滴的中心位置，表示风险因子隶属度的平均值；
熵（En）反映风险因子权重和隶属度的可能取值范围，熵越小，说明指标中提供的信息量越大，在综合评价中的作用越大，该指标权重就应越高；
超熵（H。）反映云滴的离散程度，表示各风险因素的比重和隶属度偏离平均值的情况，超熵越大，云滴的离散度、隶属度的随机性越大，量化的准确度越差。
2.原酒产业链风险量化
建立风险评估体系，根据前文产业链风险识别分析，建立风险评估系统，明确风险层次。本文走访调查时对各个风险层次针对性提出五个级别的风险评估层级，可以概括为低风险、较低风险、中等风险、较高风险和高风险，同时采用双边约束法确定云参数。结合对18家酒企专家的问卷调查，确定五个级别的风险评估层级的云参数，如表1所示。分别对“低风险”“较低风险”“中等风险”“较高风险”和“高风险”进行衡量，值越小表示风险越小，根据期望（Ex）、熵（En）和超熵（H），运用正向云发生器生成风险等级云图，如图1所示。
基于18位专家的问卷调查，确定各风险因子在产业风险中的重要程度，并根据熵权法计算各风险因子所占权重Wi，如（1）式所示。然后，根据云模型理论计算每个风险因子所占整体风险期望Ex、熵En、超熵H。，如（2）—（4）式所示。
其中，xjj为第i位专家对第j个风险因素的打分，Ex为第i位专家对该风险因素的期望打分，k为固定值，反映评价的随机性，其取值不宜过大，否则会增大评价的不确定性，通常为0.1，既能客观反映风险评价的随机性，又可以简化评价的过程。将企业自身风险和共同体风险相结合并根据重要程度赋予权重，分析专家给出的定性风险评估，定量转化之后得到如表2所示风险云模型特征值。
根据期望Ex，熵En构建一个正态随机数xi，使得正态随机数x；
满足期望为Ex，方差为En。同样的，生成第二个正态随机数E，满足期望为En，方差为H。云模型中的云滴值，（xi，yi）为一个云滴，是该云滴表示的语言值在数量上的具体表现，其中x；
是定性概念在集合U中对应的数值，yi是相应语言值的程度度量，不斷重复这个过程直到云滴数满足要求。2021年我国规模以上①白酒企业有1015家②，将此数据扩大近十倍构建云模型，云滴数设定在10000，模拟得到上游、中游和下游企业自身风险期望分别是1.50、3.35、1.68，如图2所示。
上游企业风险云图与较低风险几乎保持契合，属于较低风险；
中游企业节点风险云图处于较高风险与高风险之间，更偏向于较高风险；
下游企业节点风险图处于较低风险与中等风险曲线之间，相对更接近于中等偏低风险，且中游企业风险＞下游企业风险＞上游企业风险。
图3展示了原酒产业链共同体风险，物流、信息流、资金流链条风险期望分别是1.06、1.65、3.646。物流风险云图与较低风险极为接近，属于较低风险；
信息流风险云图处于较低风险与中等风险之间，属于较低风险；
资金流风险云图与较高风险完全契合，属于较高风险，且资金流风险＞信息流风险＞物流风险。
图4绘制了原酒产业链综合风险云图，从整个产业链来看，其风险期望为2.5015，综合风险云图位于中等风险状态。
四、原酒产业链的风险管理
1.原酒产业链上游企业风险管理
以高粱等粮食供应商为主的上游企业所面临的风险，可能是原材料采购及生产加工的风险。一是价格下跌，可通过“保险＋期货”等模式帮助上游企业规避此类风险。“保险＋期货”自2016年以来七次被写入中央一号文件，具体是指以期货品种为保险标的，在保险期间，因保险合同责任免除以外的原因造成该品种期货合约的价格低于约定价格时，保险人按照保险合同约定负责赔偿的一种保险。除了场内期货，场外期货具有更高的灵活性，可以帮助上游企业更好地规避价格波动的风险。二是由于气候因素导致的原料减产，企业可通过分析订单管理库存，降低订单交付风险。
2.原酒产业链中游企业风险管理
处在原酒产业链中游的白酒生产酿造酒厂面临的风险，主要为人才风险和财务风险。人才风险来源于酿酒人才的减少和老龄化。目前企业除了吸纳青年人才，还应加强人才培养，提高人才留存率。同时，政府可以成立地方酿酒培训机构，提供酿酒等培训，激励相关人才加入酿酒行业。
大型酒企财务风险主要因资产利用率不足引起。企业可以利用现有资产成立资产管理部门进行投资，运用财务风险预警体系分析投资风险，优选投资项目，提高投资效率。在搭建财务风险预警体系时，除传统定性方法以外，还可以采用准确度更高的定量方法，如支持向量机等4，完善财务风险预警体系流程设计，如PDCA循环理论的运用等5，防范企业财务风险。
中小型企业的财务风险来源主要是盈利能力弱、资金容易出现短缺，尤其是融资难问题。除建设财务风险预警体系外，地方政府可以考虑联合当地大型企业开发行业通用财务风险预警体系，降低成本，最大限度利用协同资源，扶持本土中小企业与核心企业形成产业链和产业集群，增强企业应对财务风险能力。
3.原酒产业链下游企业风险管理
散酒的分销与零售以及品牌酒的分销与零售构成原酒产业链的下游企业主体。下游企业面临的风险主要来自消费需求不确定的市场风险，这一风险经过产业链传导机制，通常会对整体产业链产生重大影响。由于不同行业产品性质的差异，应对市场风险需要结合产品性质和实际需求考虑，白酒属于消费行业，根据产品等级的不同可以分为中低端酒和高端酒。企业可以通过细分市场，加强用户管理，合理预测市场需求波动，应对产业链下游市场风险。如针对中低端酒用户，推出更多细分价位的产品，并对用户进行深度分析和精准营销；
根据不同的年龄段推出不同类型的产品，以更好地提高企业抗风险能力。如泸州老窖针对中低端年轻客群推出的“泸小二”，伴有调酒推广、年轻化标语、Q版人物等营销手段，打响知名度，获取部分年轻客群市场份额。又如五粮液针对宴席用酒推出的“百家宴”、舍得酒推出的年份酒等，合理细分市场，缓解因为不确定性带来的市场风险，有效实现了白酒产业链下游企业的稳定发展，构建起完善的产业链闭环。
4.共同体风险管理
基于前文的风险量化研究，目前原酒产业链中最为显著的共同体风险为资金流风险。资金流风险，是指由于资金在产业链中流转不畅带来的不确定性6。供应链金融，是银行或企业将供应链中的核心企业及上下游企業联系在一起提供灵活运用的金融产品和服务的一种融资模式，是对资金的可获得性和成本进行优化的过程”，以促进“产一供一销”链条的稳定和流转（18），从而应对资金流风险。
可利用供应链金融，从资金的流速、流量和流向三个方面来保证资金在产业链中的流转。第一，通过应收账款、保兑仓等融资模式加快产业链中小企业资金周转速度，促进产业链高效运转（19]。第二，支持供应链金融对供应链整体进行信用授信，控制资金流量，优化企业资金运用及采购活动，提高整体收益。第三，创新供应链金融中融通仓融资模式，通过引入第三方企业，在不改变资金流向的情形下，加强信息传递，降低信息不对称性。
参考文献：
[1]黄速建，肖红军，王欣.论国有企业高质量发展[J].中国工业经济，2018，（10）.
[2]陆立军，于斌斌，传统产业与战略性新兴产业的融合演化及政府行为：理论与实证[J].中国软科学，2012，（05）.
[3]张骁，吴琴，余欣，互联网时代企业跨界颠覆式创新的逻辑[J].中国工业经济，2019，（03）.
[4]苏丹妮，盛斌，邵朝对，产业集聚与企业出口产品质量升级[J].中国工业经济，2018，（11）.
[5]蒋国俊，蒋明新，产业链理论及其稳定机制研究[J].重庆大学学报（社会科学版），2004，（01）.
[6]龚勤林.区域产业链研究[D].四川大学，2004.
[7]李存斌，王恪铖，网络计划项目风险元传递解析模型研究[J].中国管理科学，2007，（03）.
[8]张晓毅，产业链风险传递理论及其应用研究[D].华北电力大学，2011.
[9]郁义鸿.产业链类型与产业链效率基准[J].中国工业经济，2005，（11）.
[10]侯亚景，我国白酒产业集聚与产业链的优化研究[D].天津理工大学，2011.
[11]曹吉鸣，申良法，彭为，等，风险链视角下建设项目进度风险评估[J].同济大学学报（自然科学版），2015，（03）.
[12]李德毅，刘常昱.论正态云模型的普适性[J].中国工程科学，2004，（08）.
[13]LI D，LIU C，GAN W. A new cognitive model：Cloud model [J].International journal of intelligent systems，2009，（03）.
[14]吴冬梅，朱俊，庄新田，等，基于支持向量机的财务危机预警模型[J].东北大学学报（自然科学版），2010，（04）.
[15]吴战篪，李晓龙.企业集团资金安全预警体系研究[J].会计研究，2013，（02）.[16]李占雷，施臻臻，流速、流量、流向与供应链资金流协调[J].物流科技，2014，（01）.
[17]LAMOUREUX M. A supply chain finance prime [J]. Supply Chain Finance，2007， （03）.
[18]闫俊宏，许祥秦.基于供应链金融的中小企业融资模式分析[J].上海金融，2007，（02）.
[19]张伟斌，刘可.供应链金融发展能降低中小企业融资约束吗？—基于中小上市公司的实证分析[J].经济科学，2012，（03）.
（责任编辑肖华堂）
猜你喜欢云模型产业链筑牢产业链安全纺织科学研究(2021年9期)2021-10-14打造藜麦全产业链稼祺从“芯”开始今日农业(2021年13期)2021-08-14“饸饹面”形成产业链今日农业(2020年18期)2020-12-14产业链条“链” 着增收链条当代陕西(2019年13期)2019-08-20产业链春之奏鸣纺织科学研究(2017年3期)2017-05-17基于云模型的高校学生评教方法研究教育教学论坛(2017年1期)2017-02-08基于云模型的全国性节点城市物流产业集群的竞争力评价东方教育(2016年9期)2017-01-17基于云模型的尾矿库溃坝风险模糊评价模型南水北调与水利科技(2016年6期)2017-01-06基于云模型与AHP的创意产业人才综合测评研究商场现代化(2016年19期)2016-07-29基于云模型的单路口交通信号智能控制系统研究物联网技术(2015年11期)2015-11-26