基于粒子群协同优化算法的供应链金融信用风险评价模型

针对供应链金融模式下信用风险评价精度受信用特征子集与模型参数影响的问题, 提出一种粒子群协同优化信用风险评价模型. 该模型在充分论证供应链金融风险特征指标体系的基础上, 利用二进制粒子群算法优选特征子集, 并对支持向量机(SVM)参数协同优化. 对供应链金融信用风险评估进行实验, 并与传统径向基支持向量机和主成分分析特征抽取方法对比, 结果表明, 该模型优选的特征子集和SVM参数能显著提高信用风险评价精度.     

基于MLP神经网络的中小企业供应链金融信用风险评估

供应链金融是中小企业解决融资困境的良好途径,但流程复杂以及信息不对称大幅增加了金融机构识别和防范信用风险的难度,阻碍了供应链金融的发展.因此,构建科学有效的信用风险评估模型具有重要的理论意义和现实价值. MLP作为神经网络的典型代表,计算迅速,容错性能强,在处理分类问题上具有良好的表现.以2014年—2019年深交所中小企业板制造业中符合要求的中小企业为样本,通过全方位初选评估指标,利用相关性分析对指标进行进一步筛选,得到中小企业供应链金融信用风险评估指标体系,接着基于MLP神经网络构建了中小企业供应链金融信用风险评估模型.结果表明:所建立模型的准确率高、稳定性强,是中小企业供应链金融信用风险评估的理想模型.     

基于Logistic模型的供应链金融信用风险实证研究

供应链金融这种全新的融资模式,不但解决了商业银行探索发展新模式,开拓新业务的问题,还化解了中小企业融资难问题;在全球信用危机下,金融机构和企业如何能有效地加强供应链金融信用风险的控制;基于Logistic模型,进而对纺织类企业样本进行实证研究,通过实证分析,对供应链金融信用风险进行度量和预测.     

基于BO-XGBoost与集成学习方法的供应链金融信用评价研究

针对供应链金融领域中小企业融资的信用风险控制问题，提出了一种在Bagging算法框架下结合贝叶斯优化和XGBoost算法的集成学习模型BO-XGBoost-Bagging（BXB）。首先，基于XGBoost特征重要度进行特征筛选，建立供应链金融信用评价指标体系。其次，通过贝叶斯优化获得XGBoost的最优超参数，并结合Bagging算法得到集成模型BXB。最后，在中小企业数据集上进行预测，通过实证研究验证信用评价模型的有效性。实证结果表明，BXB模型相比其他模型具有更好的预测效果，能够更加准确、全面地对中小企业的信用风险进行评估，更好地区分风险企业和正常企业，最大程度减少违约损失，在供应链金融信用评价方面有着较高的应用价值。     

农产品供应链金融风险管理与控制研究 ——以江苏为例

在对农产品供应链金融模式分析的基础上,识别农产品供应链金融的风险种类,构建农产品供应链金融风险评价的指标体系,并以江苏省作为调研对象,构建结构方程模型,应用可同时分析多个变量的Amos法对模型进行计算,研究发现江苏省农产品供应链金融风险影响等级从高到低分别为:农产品质押风险、信用风险、供应链运行风险、技术风险、法律风险及政策风险,并从农产品质押物、供应链组成、预警机制、制度及法律方面提出风险管理和控制的对策建议,以期对江苏省农产品供应链金融业务的有效开展起到理论指导作用,并最终促进江苏省乃至全国农业、金融业、流通业的融合发展.     

供应链金融下农业中小企业信用风险影响因素研究

基于2015—2021年的新三板农业中小企业数据，通过Logistic-ISM模型分析影响供应链金融下农业中小企业信用风险的因素及因素间的关联关系和层级结构。基于此，得出研究结论：供应链金融下农业中小企业信用风险的表层因素为员工总数、销售净利率、资产负债率、总资产增长率和净利润增长率，中层影响因素为流动资产周转率、应收账款周转天数，深层影响因素为速动比率。为降低农业中小企业所面临的供应链金融信用风险提出以下建议：要加强政府引领和政策指导，加强供应链条的稳定性，提高农业中小企业综合实力。     

基于IG-SVM模型的供应链融资企业信用风险预测

为了提高对供应链融资中小企业信用风险预测的精度,在通过对中小企业信用风险评价研究基础上集成机器学习算法构建了能够提高信用风险预测的组合模型。该模型采用支持向量机(Support vector machine,SVM)建立供应链中小企业信用风险分类预测模型,并引入信息增益(Information gain,IG)提取对预测结果有显著贡献的特征变量,优化模型特征输入。在与其他模型的对比实验中可知,采用IG-SVM模型预测的测试样本精确度为97.62%,比单一SVM模型精度提高8.97%。采用IG进行特征优化,能进一步提高SVM模型的预测能力。     

基于离群点剔除的SVM信用风险评价方法

针对信用评价数据存在离群点和噪声问题, 提出一种基于离群点剔除的支持向量机（SVM）信用风险评价模型. 该模型利用模糊c-均值聚类算法剔除样本离群点, 采用粒子群算法优化支持向量机分类参数, 进而提高支持向量机的分类性能. 将该方法应用于信用风险评价中的结果表明, 相比于其他模型, 该方法分类精度更高.     

基于模糊影响图方法的商业银行信用风险评估

综合应用模糊集与影响图理论建立了模糊影响图方法,将其模型引入商业银行信用风险评估,在确立了商业银行信用风险评价指标体系的基础上,建立了基于模糊影响图的商业银行信用风险评估模型,说明了该模型的有效性.     

基于复杂网络理论的供应链级联效应检测方法

针对供应链网络中的级联效应问题,建立了系统化检测的级联效应方法,提出了供应链网络中重要性节点的界定规则,并给出了动态的节点重要性评价方法.进而计算出最大连通子图规模,衡量了该节点失效对整个供应链造成的破坏性.仿真结果表明了该方法的有效性和实用性.     

木材加工业供应链金融风险的构成及来源分析

木材加工业供应链金融风险包括：宏观经济与行业风险、供应链风险、企业信用风险、质物或质权风险和操作风险.木材加工业供应链金融风险主要来自于木材加工业供应链核心企业、中小企业、商业银行和第三方物流.实践中,可以采取设置木材加工业供应链金融的集中操作后台等措施降低木材加工业供应链金融风险.     

基于银企联盟的供应链融资道德风险防范探析

商业银行传统的信贷模式以及供应链金融等创新融资模式在实际运用中仍存在一定的不足,商业银行在对供应链企业进行融资的时候往往会因为信息不对称和约束机制的不完善而面临道德风险,从而影响到其信贷收益。因此,通过建立模型对传统供应链中小企业融资所存在的道德风险进行分析,然后引入银企联盟供应链的运作机理分析银行在供应链融资中的优势,最后提出供应链融资的道德风险的一些防范措施,从而更好地发挥银行在供应链融资模式中的作用。     

供应链金融视角的中小企业信贷问题研究 ——基于层次分析法的对比分析

中小企业在增加就业机会、维持社会稳定和国民经济健康发展等方面起着难以替代的重要作用。然而,融资难问题一直是制约中小企业健康发展的难题。供应链金融这种金融创新融资模式的出现,为解决中小企业融资难问题带来了新的思路。采用层次分析法,通过建立传统与供应链金融两种融资模式下的综合评价体系,经过对比分析,论证了在供应链金融融资模式下,中小企业的信用得到扩大,信贷资格得到提升,在一定程度上缓解了中小企业融资难问题。     

基于违约风险的供应链信用契约协调设计

为了发现两级供应链中供应商信用合约定价机制,在供应链决策主体中增加了违约风险的期望损失,研究了两级集成供应链和分散供应链的最优决策,讨论了供应商作为供应链协调的领导者如何给商业信用风险定价,才能实现分散供应链的协调.结论认为商业信用的风险定价与资本市场的风险溢价定价遵从共同的规律,即资本资产定价模型显示的高风险高收益.     

银保深度合作在农村金融中的应用

农业发展和新农村建设需要强大的信贷资金支持,但农业生产的弱质性、涉衣贷款风险较高等因素导致农村信贷资金供给不足。银保深度合作模式能在一定程度上解决农村融资难问题,降低信贷成本,合理规避农村信贷风险,满足当前多元化的农村金融服务需求,实现农村金融机构、借款主体、保险公司和政府多方共赢。     

供应链信用改善的演进方法研究

为优化供应链整体信用,分析了供应链原理,阐述了供应链信用关系特征,即关联性、路径依赖性和异构性;从而将供应链信用关系分为直接和间接信用;以此为基础,运用演化稳定策略和动态模仿者方法,构建了供应链信用改善的理论框架;并以物流、信息流、资金流为评价准则,给出了基于AHP方法的供应链伙伴信用权重测算方法.最后,提出了具体的信用演进策略,并以归纳法证明了策略的合理性.     

制造商融资决策:银行、商业信用或区块链供应链金融

基于收益共享契约构建银行信用融资、商业信用融资和区块链供应链金融的对比模型，探讨各模式下供应链的最优决策方案，定量分析各融资模式下供应链绩效随不同参数的变化情况.研究表明，当零售商资金成本低于制造商资金成本时，商业信用融资一定优于银行信用融资;存在两个区块链供应链金融平台费率的阈值，只有当平台费率低于低阈值点时，区块链供应链金融才是同时利于制造商和零售商的最优模式.此外，收益共享比率越高，制造商收益越高，则零售商收益越低.