论文部分内容阅读
随着信息化的发展,供应链金融逐步开启了其“线上”化的革命,它是在信息化、电子化、平台化协同发展的基础之上,在实体产业供应链和金融行业之间产生的中小企业融资业务新趋势。而在当前众多开展线上供应链金融业务的行业中,汽车产业发展的最为迅速。一方面汽车产业是我国工业中的重点产业,占国民生产总值的较大比重;另一方面,汽车产业链较为成熟完善,随着汽车产业的快速发展,汽车产业链上下游以零部件供应商和汽车经销商为代表的中小企业融资难的问题也日益明显。不同于传统的银行融资和供应链金融业务,由于参与线上供应链金融业务的主体更多,相应的就会导致其风险因素更为复杂,从而加大了商业银行面临的信用风险程度及评价难度。本文以此为研究背景,以汽车产业为代表,对线上供应链金融信用风险进行系统性的研究,并构建评风险价模型进行实证研究。本文以线上供应链金融和汽车产业线上供应链金融的相关理论和实践为切入点,系统的研究了汽车产业线上供应链金融信用风险概念和特征、信用风险产生原因以及信用风险评价方法特点,通过对比当前较为常见的几种信用风险评价方法,对其优缺点和适用性进行分析,最终选定BP神经网络为本文的评价方法。在大量阅读文献和产业调研、问卷调查相结合的基础上,初选了50个风险评价指标,并通过相关性分析、专家打分法从定量、定性两方面对上述初选指标进行了筛选,经过分析取舍,最终构建了包括25个指标在内的风险评价体系。在BP神经网络风险评价模型构建与实现部分,首先对BP神经网络的原理、算法及步骤进行了解释,通过向北京某商业银行的相关工作人员发放调查问卷,最终得到十二份有效数据。通过对BP神经网络模型的结构、函数、相关参数的设定最终完成信用风险评价模型的构建。将收集到的数据进行归一化处理,随机选取三组数据作为验证样本,其余作为训练样本,用构建好模型进行仿真来验证该模型的有效性,仿真结果与验证样本数据基本一致,证明该模型具有较高的准确性和有效性。对商业银行和相关中小企业在开展线上供应链金融业务时的对企业信用风险评价提供良好的借鉴作用。