供应链金融信用风险评估方法研究

发布时间：2021-08-29 14:56

　　目前我国供应链金融市场规模达到14.87万亿,包含汽车、医疗、通信以及批发零售等行业,预计2020年可达到18.18万亿。供应链金融业务作为有效解决中小企业融资问题的新型金融工具在我国得到银行、中小企业、物流企业、核心企业以及学术界等多方面的广泛关注,是银行等金融机构争相涉足的领域。它不仅为银行自身的发展开辟了新的利润增长点,同时银行在开展这方面业务时的风险敞口也更大了。商业银行对供应链金融中面临的风险是如何识别的?怎么建立供应链金融信用风险评价指标体系?采取什么方法和手段进行风险防范和风险控制?这些都是亟待回答的问题。因此,如何科学客观地评价供应链金融的信用险成为银行关注的焦点。在开展此类业务时做好信用风险评估工作,才能更好地对日后风险控制方案进行设计和跟踪。本文研究的立场是在银行,首先,在进行研究之前对其的概念进行了详细阐述,并对国内外关于供应链金融概念和信用风险研究的文献进行了系统的梳理;其次,在总结以往供应链金融信用风险评估方法与其优缺点的基础之上,同时结合我国的现状,通过对信用风险的识别,在遵循风险指标体系原则下建立了以融资企业资信状况,核心企业资信状况,融资项下资产情况,供... 

【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

实际类别与预测类别对比图

5.4.2 遗传算法优化的 SVM 信用风险模型结果在此方法中 c 的范围在[0.1,100],g 的范围在[0.01,100]。通过计算机模拟仿真得到c=1.1201，g=0.3745，训练集的分类准确率为 87.88%，测试集的准确率为 86.67%。遗传算法参数寻优图如 5-2 所示，使用遗传算法对支持向量机参数优化的模型分类测试结果如图 5-3 所示。

5.4.2 遗传算法优化的 SVM 信用风险模型结果在此方法中 c 的范围在[0.1,100],g 的范围在[0.01,100]。通过计算机模拟仿真得到c=1.1201，g=0.3745，训练集的分类准确率为 87.88%，测试集的准确率为 86.67%。遗传算法参数寻优图如 5-2 所示，使用遗传算法对支持向量机参数优化的模型分类测试结果如图 5-3 所示。

【参考文献】：
期刊论文
[1]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[J]. 刘颖,张丽娟,韩亚男,庞丽艳,王帅.  吉林大学学报(理学版). 2018(01)
[2]供应链金融视角下农业中小企业融资模式及信用风险研究[J]. 杨军,房姿含.  农业技术经济. 2017(09)
[3]供应链金融视角下企业信用风险评价研究[J]. 蒋曼曼.  经营与管理. 2017(02)
[4]供应链金融下中小企业信用风险评价——基于SEM和灰色关联度模型[J]. 刘艳春,崔永生.  技术经济与管理研究. 2016(12)
[5]基于非财务指标的上市公司财务预警研究[J]. 刘玉敏,刘莉,任广乾.  商业研究. 2016(10)
[6]基于主成分分析和PSO-SVM的树叶分类方法研究[J]. 杨志辉,胡红萍,白艳萍.  数学的实践与认识. 2016(18)
[7]线上供应链金融操作风险管理研究[J]. 田菁,宋玉田.  天津商业大学学报. 2015(02)
[8]基于多特征的PSO-MSVM动态过程质量异常模式识别[J]. 刘玉敏,周昊飞.  计算机应用研究. 2015(03)
[9]基于因子分析和支持向量机算法的高压断路器机械故障诊断方法[J]. 程序,关永刚,张文鹏,唐诚.  电工技术学报. 2014(07)
[10]供应链金融中小企业风险评估模型[J]. 任歌.  统计与决策. 2013(17)

硕士论文
[1]基于PCA-LSFSVM的供应链金融信用风险评估模型研究[D]. 李倩.华南理工大学 2014



本文编号：3370861