过去的几年中，物流金融服务在国内外迅速发展，受到越来越多的关注。物流金融的实质是物流服务与金融服务相结合产生的一种创新产品、是一种多主体、多赢的服务模式。这种现实的多赢模式对参与主体的巨大作用使得众多企业蜂拥开展该项业务，然而第三方物流企业在开展物流金融业务时由于风险管理观念淡薄和风险评估水平低下也制约了物流金融服务的发展。目前物流金融风险评估研究迅速发展，部分评价方法已应用于实际工作中，但是在也存在很多问题，主要表现在：（1）研究主要采用单一的主观或客观分析方法；（2）评价指标体系不够健全；（3）数据可获取性差。这些缺陷的存在极大影响了评估的准确性，也制约着物流金融业务的发展。本文主要研究主观与客观相结合的AHP‐BP模型在物流金融风险评估领域的应用。该方法不仅可以克服单一评价方法的缺陷，而且运用AHP的定性数据定量化使得数据的可获取性显著提高。在风险评估指标体系方面，本文结合前期学者研究、业务模式过程及实际工作者的经验，力图建立更为全面实用的指标体系。本文主要分为三大部分：第一部分包括前三章，主要是研究现状、意义、指标体系构建，以及模型构建的相关理论基础；第二部分主要是模型的构建与实证研究，通过实例证明模型的实用性、准确性；第三部分主要是本文的不足及未来研究展望。第一章主要讲述本文的选题背景、依据、意义。本章在研究目前物流金融风险评估现状的基础上提出了本文的研究目的及研究方法，并介绍了本文的主要创新点。第二章对物流金融及其风险评估在国内外的研究进行综述。通过借鉴前期学者研究，发现目前物流金融风险评估研究主要存在问题。本章最后通过对本文所应用的AHP及BP神经网络综述，为模型的构建提供理论支持。第三章主要讲述物流金融风险评估指标体系的构建。本章建立的指标体系主要从风险来源的角度进行分类，综合考虑银行、中小企业及物流企业的风险。在结合物流金融服务模式流程及前期学者研究的基础上，重视实际工作者的工作经验，力图建立全面、实用的风险评估指标体系。第四章讲述建立AHP‐BP模型及实证研究。首先概述了AHP与BP神经网络的互补性；其次，建立AHP‐BP模型。单一运用AHP方法的主要目的是将定量数据定性化，并以此作为BP神经网络的样本数据。在AHP方法基础上建立BP模型。在BP神经网络建模时，分别函数选择双曲正切函数与梯度下降函数作为神经网络的传输与反馈函数；最后，通过实证研究证明模型的有效性。实证研究选择matlab作为仿真软件。第五章是对全文的总结，归纳了本文存在的不足，并展望了未来的研究方向、方法等。