3. 流动性信号参数：流动比率、速动比率、现金比率

流动性风险是供应商短期偿债能力的直接体现，也是供应链金融中违约预警的首要观察窗口。本章聚焦三大核心流动性指标：流动比率、速动比率与现金比率，从概念、计算公式到风险阈值设定，构建完整的流动性信号参数体系。

3.1 三大流动性指标的概念与计算公式

三个指标均以流动资产为分母，但分子逐步收紧，形成从“广义变现能力”到“狭义现金储备”的递进式评估。

3.2 风险阈值设定与信号分级

阈值设定需结合行业特性、企业规模与宏观经济周期。以下为供应链金融场景下的通用参考阈值，实际配置时建议按行业分位值校准。

3.3 流动性信号参数配置流程

在供应商风险评分卡中，流动性信号参数配置遵循以下步骤：

1. 数据清洗：剔除异常值（如流动比率 > 10 或 < 0），处理缺失值（行业均值填充）。
2. 行业分位计算：按供应商所属行业计算25%、50%、75%分位值，作为阈值参考基准。
3. 阈值映射：将原始指标值映射为风险分数（如0~100分），设定分段线性函数。
4. 权重分配：在流动性维度内，三个指标的权重建议为：流动比率30%、速动比率40%、现金比率30%。
5. 信号聚合：加权计算流动性综合得分，触发预警阈值时输出“流动性风险信号”。

# 流动性信号分数计算示例（Python伪代码）
def liquidity_score(current_ratio, quick_ratio, cash_ratio):
    # 分段线性映射函数
    def map_score(value, safe_low, safe_high, danger_low, danger_high):
        if value < danger_low:
            return 0
        elif value < safe_low:
            return (value - danger_low) / (safe_low - danger_low) * 60
        elif value <= safe_high:
            return 60 + (value - safe_low) / (safe_high - safe_low) * 40
        elif value <= danger_high:
            return 100 - (value - safe_high) / (danger_high - safe_high) * 40
        else:
            return 0

    cr_score = map_score(current_ratio, 1.5, 2.5, 1.0, 3.5)
    qr_score = map_score(quick_ratio, 0.8, 1.2, 0.5, 1.8)
    cash_score = map_score(cash_ratio, 0.2, 0.5, 0.1, 0.8)

    # 加权聚合
    total = cr_score * 0.3 + qr_score * 0.4 + cash_score * 0.3
    return round(total, 2)

3.4 流动性信号参数配置架构

下图展示了流动性信号参数从数据输入到风险输出的完整配置架构，帮助理解各组件之间的数据流与决策关系。

3.5 流动性信号参数调优策略

阈值并非一成不变，需通过以下策略持续调优：

• 滚动回测：每季度使用历史违约数据回测阈值有效性，调整分段边界。
• 行业动态校准：跟踪行业流动性分位值变化，每半年更新一次基准阈值。
• 权重敏感性分析：测试不同权重组合对最终评分的影响，选择区分度最高的配置。
• 极端值处理：对流动比率 > 5 或 < 0.5 的企业，设置截断处理，避免极端值扭曲评分。

3.6 流动性信号参数配置清单

以下为供应商风险评分卡中流动性信号参数的完整配置清单，可直接用于系统参数初始化：