应收账款风险现已成为企业风险控制的突出问题之一。在当前经济形势下,加强应收账款风险管理的重要性越发突出。但是要选择合适的风险控制方法,就必须对风险进行评估。风险评估是风险控制的基础。国外企业非常注重风险的量化,将风险管理建立在科学的、数量化的模型之上。相比较而言,我国企业对应收账款风险的评估在很大程度上还是取决于人的主观判断。如何准确地量化风险的大小是我国企业在应收账款风险管理方面最薄弱的环节。现有的应收账款风险评估方法,如信用评分法、违约概率模型等,都需要大量的历史数据作为先验概率进行估计。而应收账款风险的历史数据相当少,因此,在应用这些方法时都存在一定的局限。贝叶斯网络是一种后验概率法,能较好地解决这个问题。基于贝叶斯网络的应收账款风险评估方法提供了信用交易的一种有向图描述。这种方法充分利用专家知识和样本数据的信息,将先验信息和历史数据有机结合起来,能够方便地处理不完整数据,从而有效地解决了应收账款风险观察数据不足的问题。在处理过程中,它以概率论为理论基础,综合利用其他方法的长处,兼顾企业内外的各种信息,融合客观资料与自身的主观经验,从而提供了信用交易的一种模型表示以及基于这种模型的学习和推理机制,用于建立模型并回答与这个领域知识相关的查询,并在此基础上进行辅助的预测、决策以及分析。利用本文的研究,企业能够在每笔赊销业务发生的全过程中能对应收账款风险进行动态评估,以掌握每笔应收账款风险的情况。也可以为企业采取合适的风险控制方法、做出正确的风险管理决策提供依据,又好又快地实现企业预期目标。