纽结相连无尽藏

在产业巨链上，楼市与上游大宗商品紧密相关，钢铁、有色金属等工业品超过一半的需求均集中于房地产和建筑业等。

不管是哪个行业，总在追求性价比最大的供应商。

而在数字经济背景下，随着数字化应用、数字化手段的日益加强，让数据多跑路，使得产业链、供应链联通了起来。

供应链金融业务模式和运作框架，对于处在同一条供应链运作体系中的中小企业业务来说，大多有迹可循，即围绕一个规模较大、信誉较好的核心企业形成具有稳定的业务往来、业务运作。

供应链金融业务的源动力之一，就是核心企业的高等级信用在供应链运作的过程中，相当于为其上下游的中小企业进行了信用“背书”。

基于此，银行等金融机构一般在第三方监管担保(如第三方物流企业、第三方担保机构)下，选择相应的融资模式后开展供应链金融服务。

比如，以供应链中上游企业与核心企业的交易票据(如应收账款、贷款、信用证、汇票、支票、商票保贴等)为载体，上游企业以赊销方式为核心企业提供货物或服务而产生的短期应收账款质押或转让给银行，由银行对上游企业提供融资服务。

核心企业对银行的一个承诺是：依据票面约定兑付时间按期向银行付款。

银行则需在票据到付日期时确认应收账款信息。

应收账款融资模型中，核心企业通常是分销商居多；但也有较大的制造型企业，这些制造型企业通常会通过“自己的财务公司”为其进行应收账款的融资，要求核心企业配合到付的程度比较高。

这类融资模型需规避的一般风险为——应收账款的真实性、转让手续、通知程序以及对下游回款的控制力度，核心企业的信用风险，金融机构的操作风险等。

直观地看，区块链与供应链就是天然地联在一起，或是由于“单子论”，或可说是“一花一世界、一叶一如来”，等等…

区块链的链式结构是一种能储存信息的时间序列数据，这与供应链中产品流转的形式极其类似。

供应链上信息更新相对低频，回避了区块链技术在处理性能方面的短板。

对于企业而言，可实时查看商品状态，帮助企业优化生产运营和管理，提升效益。

当“区块链+供应链”之后，区块链上的每一次交易信息（交易双方、交易时间、交易内容等）都会被记录在一个区块上，并且在链上各节点的分布式账本上进行储存。

通过应用区块链技术，供应链上下游的信息可写入区块中，而区块与区块之间由“链”连接。

而区块的内容与区块之间的“链”信息均通过Hash算法等方式加密，可确保区块内容不可删改、区块之间的连接安全可靠。

而由于采用分布式的结构，供应链上的各参与方均存有链上的全部信息，这进一步确保了数据的真实和可靠性，保证了信息的完整性、高透明度。

以上技术可保证因谋取私利而操控、损毁数据的情况几乎不可能出现。

区块链在供应链中的应用，有许多优势。

在供应链管理中使用区块链技术，可使信息在上下游企业之间公开。

信息共享有助于提高系统效率，降低沟通成本，区块链是一种分布式账本，即区块链上的信息（账本）是由各个参与者同时记录、共享。

与传统的独立中心认证相比，基于区块链的供应链多中心协同认证体系不需委托第三方作为独立的认证中心。

由各方交易主体作为不同认证中心共同来认证供应链交易行为通过把物料、物流、交易等信息记录上链，供应链上下游的信息在各企业之间公开，由此监控、审计等功能可由各交易主体共同进行公证。

如若某一个交易主体单独或者联合其他交易主体试图篡改交易记录，其他交易主体可根据自己对交易的记录证明其不法行为，并将其清理出供应链。

供应链金融，是一股不容忽视的潮流。

2014年以来，受益于应收账款、商业票据及融资租赁市场的不断发展，供应链金融在我国发展迅速。

金融机构将核心企业和上下游企业联系在一起，提供灵活运用的金融产品和服务。

说到底还是一种融资模式，供应链金融就是为中小企业拓宽融资渠道、为银行等金融机构开发新财路。

供应链金融与其他行业一样，也在不断创新求变，探索新模式、新市场、新领域，在解决中小企业融资难方面发挥作用，推动商业生态的发展；与此同时，参与主体众多、欺诈风险难以识别和控制，制约了行业长期健康的发展。

供应链金融企业欺诈行为，大多是利用经营数据造假来骗取供应链信贷支持。

因此，供应链金融欺诈归根结底就是企业经营行为的欺诈，具体表现为采购收回扣、销售截留货款、财务挪用公款、营销套取渠道费用、招投标索贿、售后虚报维修费用、生产虚构加班费、行政虚报管理费、虚假交易等。

这些欺诈行为一旦被认定为真实的经营数据，并以此作为授信依据，将会对供应链金融发展产生巨大的风险隐患。

供应链金融中企业欺诈的一个典型案例：

关于企业经营数据异常的欺诈，某上市公司A企业接受尽职调查时，提供给会计师事务所和券商的财务报表，除了银行贷款是真实的，隐瞒了应收账款、销售利润、民间借款、对外担保等信息存在造假的事实。而此时，B企业作为A企业的关联公司，向某线上平台提出了贷款申请(但B企业并没有告知平台它是A企业关联公司的关键信息)。

反欺诈的方式(仅供参考)：在识别上述企业的经营欺诈行为时，主要利用了机器学习、关系图谱和设备指纹识别等技术。

比如，运用机器学习等技术对A企业的公开信息进行自动化审计后发现，其企业经营数据不真实；

在发现A企业存在经营欺诈行为后，该线上平台自有的企业图谱及舆情系统利用公开的上市公司报告信息，能够描绘出包括注册地址、股东结构、经营范围、组织形态等信息在内的数千家企业关系图谱，关联出B企业是A企业的关联公司；

由于B企业对线上平台提出了信贷申请，因此需要利用机器学习技术对B企业的经营数据等信息进行全方位审核；

与此同时，利用设备指纹技术和机器学习技术发现B企业存在刷单欺诈行为；

综合B企业与A企业的关联关系事实和B企业刷单炒信的行为，该线上平台就会拒绝B企业的信贷申请。

企业隐瞒经营信息并骗取信贷支持的行为，是供应链金融中比较常见的欺诈现象。

综合运用设备指纹识别技术、企业关系图谱和机器学习技术，可解决需要大量人力物力进行信用主体身份核实和资料验证的问题，特别是关系图谱技术能够将企业经营行为表现在图上，从而呈现出不同企业的关联性和聚集性，增强识别企业欺诈行为的能力，能极大地提高对于此类欺诈行为的精准打击率。

(感谢阅读，敬请指正)