零售商担保融资面向异质性制造商：区块链引入的影响

《Electronic Commerce Research and Applications》：Retailer’s guarantor financing towards heterogeneous manufacturers: impact of blockchain introduction

　　

• 基于信号博弈分析了区块链对担保人融资中异质制造商借款行为的影响。• 异质制造商之间的市场规模差距越大，零售商和银行采用区块链的意愿就越强。• 当高质量制造商的产品失败概率相对较高时，采用区块链对双方制造商都不利。• 异质制造商在采用区块链上的决策均衡取决于产品失败概率。• 当零售商作为担保人发起区块链时，区块链带来的收益更大。

**引言**

当前，许多中小企业（SMEs）在日常经营中面临的资金约束已成为制约供应链发展的重大障碍（Moktadir et al., 2023）。为缓解这些挑战，担保融资（下文简称GF）作为一种有效的供应链成员在缺乏抵押物情况下获得银行贷款的方法应运而生（Zhou et al., 2020）。在该融资模式中，供应链内的核心企业（如零售商）通常为其有借款需求的其他企业（制造商）向银行提供信用担保。换言之，一旦后者出现违约，这些核心企业将被要求协助偿还未偿贷款。例如，作为中国领先的电商零售巨头，京东通过其"京保贝"产品1为上游制造商提供信用担保服务。然而，债权方、担保方与借款方之间的信息不对称显著影响GF的效率，并可能导致严重后果。例如，中国的江西赣州银行和辽宁新农银行均因无法验证的担保合同遭受了巨额财务损失2,3。因此，解决GF中的信息不对称问题已变得至关重要。

传统的合约设计与声誉系统等方法在一定程度上也能缓解信息不对称，但这些方法往往面临手续繁琐、效率低下等挑战（Lee et al., 2022）。在此背景下，区块链技术的进步在GF的信息验证与风险识别方面显示出显著优势（Chod et al., 2020）。银行和供应链成员正积极建立区块链监控系统，实时追踪借款方的资金与库存状况（Babich and Birge, 2020; Babich and Hilary, 2020）。鉴于中小企业往往无法独立搭建区块链系统，GF中的区块链领导结构出现了两种主要模式。第一种是银行主导的区块链系统，例如中国农业银行率先推出的全国首个基于区块链的农业电商融资系统，其投入规模巨大4。第二种是核心零售商开发的区块链系统。例如，京东在区块链技术研发方面投入了巨资，并推出了面向供应链金融服务的京东BaaS（区块链即服务）5。通过将区块链技术引入GF，构建基于信任的共识联盟链，银行可以充分利用企业的库存信息作为验证借款方信用资质的可靠信号，从而有效应对抵押信息模糊、信用数据不足等挑战。

尽管区块链系统具有去中心化等诸多优势，但仍频繁遭到供应链成员的质疑。许多企业由于担心实施成本高昂和潜在的信息安全问题而持犹豫态度（Pun et al., 2021, Wang et al., 2023, Wang et al., 2024, Wang et al., 2024）。因此，权衡在GF中采用区块链技术的收益与成本具有重要意义。理论上，现有研究大多关注GF的作用与影响、最优合约设计以及信息传递功能（Wang and Zhang, 2021, Cao and Wang, 2022; Zhang et al., 2024）。然而，很少有文献探讨GF中核心企业同时为异质企业提供信用担保所引发的信息不对称问题。此外，尽管区块链在时尚、食品和金融等行业的应用已得到广泛研究，但大多数模型假设其能直接提升透明度或增强防伪检测能力（Liu et al., 2021; Dong et al., 2023; Dong et al., 2023; Iyengar et al., 2024）。因此，目前尚无研究阐明银行或核心零售商将区块链技术引入GF的条件、机制和影响，尤其是从提供可靠信号这一视角。

基于上述讨论，本文聚焦于银行如何以区块链记录的可信库存信息作为关键信号，以缓解GF中的信息不对称问题。为此，我们构建了一个包含高质量制造商、低质量制造商和核心零售商的两层供应链。高质量制造商相较于低质量制造商具有多项优势，包括更大的市场规模、更低的产品失败概率、更强的品牌影响力以及更优的运营能力。例如，联想（Lenovo）在笔记本电脑行业占据最高市场份额，属于高质量制造商；而Purism等小众品牌则被归类为低质量制造商6。当两类异质制造商均面临资金约束时，核心零售商提供信用担保以协助其获得银行贷款。在融资过程中，存在三种可选的融资模式：通过直接选择贷款金额的现金信号传统模式、由银行主导的基于区块链决定计划库存数量的信号模式，以及由零售商主导的基于区块链决定计划库存数量的信号模式。具体而言，我们主要探讨以下问题：

(1) 在哪些市场情况下，在GF中面向异质制造商应采用区块链？
(2) 在什么条件下，银行或零售商愿意发起引入区块链？
(3) 区块链如何影响异质制造商的借款行为？
(4) 当现金信号与区块链支持的库存信号均可获得时，制造商更偏好哪一种？
(5) 若区块链的主导者由银行变更为核心零售商，融资决策有何差异？

我们的主要发现与贡献总结如下。首先，我们运用信号理论研究区块链采用对GF中信息不对称的影响。特别地，基于是否采用区块链时贷款金额、库存水平和利率的分析结果，我们考察了异质制造商在各种融资信号模式下的借款行为和均衡策略。结果表明，区块链的引入并不总是有利于供应链，并为GF参与者引入区块链提供了理论指导。

其次，我们揭示了GF参与者采用区块链的意愿，并识别了区块链适用的条件。当高质量制造商相对于低质量制造商的市场规模增幅超过相应阈值时，银行或零售商均可以成为区块链的发起者。对于银行主导的区块链，高质量制造商采用区块链的偏好取决于产品销售失败概率。只有在失败概率较低的情况下，引入区块链才能为高质量制造商带来可观利润。这一发现凸显了在引入区块链时考虑制造商产品市场接受度的重要性。

第三，我们分析了零售商主导的区块链对高质量制造商融资偏好的影响。结果表明，当高质量制造商的失败概率较高时，零售商主导的区块链模式不可行；否则，零售商主导的区块链可以降低融资成本并激励高质量制造商采用区块链。这一结果进一步解释了为何京东等强势线上零售平台愿意在区块链领域进行投资，并为业界管理者选择合适的区块链采用模式提供了参考。

最后，本研究阐明了区块链如何重塑信号成本、信号可信度与均衡条件。具体而言，它以库存验证的技术成本替代了贷款金额信号的信息租金。通过将融资请求与可追溯的库存数据相联系，它强化了信号的可信度并抑制低质量制造商的模仿行为。此外，区块链将类型识别从策略性的贷款金额转移至可验证的库存信号，从而在更低的融资成本下实现了分离均衡。

本文其余部分安排如下：第2节回顾相关文献；第3节阐述模型框架并给出完全信息基准；第4节讨论无区块链下的现金信号模式；第5节考察区块链下的银行主导信号模式；第6节分析融资信号模式之间的权衡；第7节给出区块链下零售商主导信号模式的分析；第8节对模型进行拓展；第9节得出结论。所有证明与阈值均在附录中给出。

**文献综述**

本文与两条研究脉络相关：担保融资（GF）和供应链中的区块链采用。我们分别回顾如下，并突出本研究与已有文献之间的差异。

**模型框架**

我们考虑一个由核心零售商（如京东、天猫或亚马逊）、一家银行以及两家资金约束制造商构成的供应链。异质制造商分为两类：高质量与低质量，分别以H和L制造商表示。这两类分类与其市场规模和产品失败概率密切相关。由于缺乏充足抵押物，制造商必须借助零售商的信用担保来获取融资。

**模式C下的担保融资**

在模式C中，银行根据贷款金额DiC与其先验信念θc进行比较来设定利率并发放贷款。

**模式B下的担保融资**

回想一下，建立区块链系统时涉及两个潜在的领导者：银行和零售商。本节首先讨论银行充当领导者的典型情景。

**模式C与模式B的权衡**

为考察区块链采用的收益，本节比较模式C与模式B的结果。

**模式R与模式B下的区块链领导结构**

本节进一步考察零售商作为区块链发起者的情景，并探究分离均衡与模式B是否不同。

**制造商的正初始现金头寸**

我们首先通过允许制造商拥有正初始现金τi>0来检验模型的稳健性。由于本研究聚焦于需要贷款以完成生产的异质制造商，因此假设τicQLj-τL，这意味着H制造商需要更大的贷款金额。接下来，通过与模式B相同的信号博弈求解，我们总结正初始现金的影响如下。回忆Δ1

**结论**

我们研究了一个由银行、零售商和两家异质制造商组成的供应链，以捕捉GF参与方在信息不对称下的互动，并探究是否引入区块链的决策。主要结论如下。

**CRediT作者贡献声明**

Junjie Liao：稿件审阅与编辑，初稿撰写，软件，方法论，调查，资金获取，正式分析，概念构思。Junfeng Tian：稿件审阅与编辑，验证，指导，方法论，调查，资金获取，正式分析，概念构思。Meixian Tang：软件，调查，正式分析。Yaru Dang：软件，调查，正式分析。Mei Yang：验证，正式分析。Yanhong Si：验证，资金

**资助**

本研究由中国国家自然科学基金资助（批准号：[71972158, 71571147, 719011811]）、中央高校基本科研业务费专项资金（JGS2024029）以及重庆市教委人文社会科学研究项目（24SKGH301）支持。

**未引用参考文献**

Buzacott and Zhang, 2004, Chang and Tian, 2025, Dong et al., 2023a, Dong et al., 2023b, Gan and Lau, 2024, Luo and Shang, 2019, Wang et al., 2022a, Wang et al., 2022b, Xu and Birge, 2004, Yang et al., 2021, Zhang et al., 2024a, Zhang et al., 2024b, Zhang et al., 2024c.

**利益冲突声明**

作者声明不存在已知的可能影响本文所报告工作的财务利益或个人关系冲突。

**致谢**

作者谨向本文的编辑和审稿人提出深刻意见与建议表示诚挚的感谢。

Junjie Liao｜Junfeng Tian｜Meixian Tang｜Yaru Dang｜Mei Yang｜Yanhong Si