绮为论文网是一家老字号论文网站,专业提供硕士毕业论文服务。

互联网供应系统金融信用风险管理的探析

日期:2020-08-03 21:40 作者:绮为论文网 论文字数:4102 点击次数:0
所属栏目:审计论文 论文语种:其他 论文用途:
TAG:

本文是审计论文,本文提出了互联网供应链金融模式下的信用风险评价指标体系,构建了基于SVM的互联网供应链金融信用风险评价模型,并通过SVM模型对互联网供应链金融信用风险评价

本文是审计论文,本文提出了互联网供应链金融模式下的信用风险评价指标体系,构建了基于SVM的互联网供应链金融信用风险评价模型,并通过SVM模型对互联网供应链金融信用风险评价指标体系和传统的供应链金融信用风险评价指标体系基于京东金融汽车行业的案例进行实证对比研究。从理论方面来看,本文分别从供应链金融信用风险的来源和度量方法等方面的理论进行论述,发展提炼得到互联网供应链金融信用风险的相关理论。对于互联网供应链金融信用风险的度量,从理论上可以应用传统的供应链金融信用风险度量方法,但是互联网供应链金融信用风险度量的理论应当具有互联网方面的特点,因此互联网供应链金融信用风险的理论是在原有供应链金融信用风险理论基础上的延伸。从案例方面来看,本文主要是研究了京东供应链金融汽车行业的行业解决方案的案例.

.......

 

第1章绪论

 

本文通过查阅大量的文献资料,在前人研究的基础上,理解互联网供应链金融的深刻内涵,并对国外和国内有关互联网供应链金融文献资料进行整理、归纳和评述,掌握最新的研究动态。对信用风险度量、供应链金融、互联网金融、互联网供应链金融的信用风险及其传染路径等的相关理论进行了提炼和总结本文的研究思路是首先对相关的理论内容和国内外文献的研究情况进行论述,之后对京东金融汽车行业案例的相关情况进行分析,然后建立信用风险评价指标体系,之后将汽车行业的相关数据先后代入Logistic模型、BP模型和SVM模型,对比本文建立的互联网供应链金融信用风险评价指标体系与传统供应链金融信用风险评价指标体系的实际应用效果以及代入三种模型的实际效果,最后结合实际对互联网供应链金融产品的信用风险评价提出可以参考的建议.主要从互联网供应链金融的意义、存在的问题及解决对策等理论角度对其进行研究,对互联网供应链金融风险具体的评价模型研究较少,缺少量化研究.本文以信用风险评价为主线,结合现在应用较多、比较具有代表性的京东互联网供应链金融产品案例,对其产品具体运作模式、特点及信用风险的来源路径等方面进行了了详细的理论分析,并采用SVM模型、BP模型和Logistic模型分别对传统的供应链金融信用风险评价模型和互联网供应链金融的信用风险评价模型进行了量化比较分析
审计论文范文

.....

 

第2章文献综述和相关理论

 

2.1文献综述
国内关于供应链金融概念方面的研究主要有:胡海清(2010)[6]将供应链金融定义为金融机构结合企业的上下游和货物,为企业在各环节提供的,有针对性的各种金融产品组合和解决方法。而王一鸣(2017)[7]将供应链金融定义为面向企业集群产业链的系统性融资安排,依靠核心企业为上下游中小企业提供增信。因此,本文总结国内外学者对于供应链金融的研究认为,供应链金融是指核心企业作为支撑点的,将上下游企业紧密结合成成体的,通过灵活运用金融产品和服务的,为整个供应链内企业提供更好的融资服务的行为。(2)供应链金融的信用风险。关于供应链金融中信用风险问题的研究在我国主要分为两类:第一类是关于供应链金融背景下中小融资企业信用风险的形成原因、表现特征、防范措施方面的研究,另一类是对于供应链上的信用风险的定量评价。与传统信贷融资模式下单独考核融资企业的模式不同,方天(2018)[8]认为供应链金融将对单一企业的信用风险管理转变为对整个供应链的信用风险管理,不仅关注财务指标,而且从与核心企业的合作关系等因素进行信用风险的管理.杨妍懿(2017)[9]在文章中对供应链金融中存在的风险进行分类,可以分为操作风险、市场风险和信用风险等,但是最主要的风险还是信用风险。张媛(2017)[10]认为,供应链金融的信用风险主要是未能履行供应链金融合同的规定而产生的风险。供应链中的风险除了信用风险,陈长彬(2013)[11]在文章中进行了分析,主要包括供应商供货的风险、物流配送过程中的风险、信息风险以及财务风险等。
审计论文怎么写

 

2.2相关理论
直接传染路径是指由于融资企业是具有产业相关性的企业,由于供应链这种关系链的存在,致使企业间财务状况不景气的传染。其中,影响因素主要有:流动性、抵押资产价值。其中,流动性的影响主要是因为如果供应链融资企业的金融资产价值出现下降,将使其获得直接融资的困难增大。这会使该融资企业的流动性变得紧张,并通过供应链网络逐渐影响到链上所有其他企业的现金流状况,导致整个供应链系统受到影响,信用风险就这样逐渐蔓延。抵押资产价值是由于供应链金融中的授信形式主要是以应收账款凭证、存货、仓单为抵押的贷款。若融资企业股价等金融资产价值出现下降,商业银行将减少融资企业的授信额度,也会使上述融资企业流动性紧张,导致信用风险传染的情况出现其中,委托代理关系引发的信息风险是指供应链上各节点企业间是一种委托代理关系,而且由于信息发布时间与内容上的不对称、缺乏有效监控等,理性的节点企业使得供应链系统中两个委托代理问题比较严重,从而给供应链系统带来较大风险。而牛鞭效应引发的信息风险是指由于存在需求的不确定性、经济订货批量与提前期、价格波动与短缺博弈等因素,供应链上的成员企业曲解了最终用户的需求信息,而使最终用户的需求量沿着下游企业向上游企业不断逐级放大的现象。

.....

 

第3章互联网供应链金融信用风险评价..............................14
3.1信用风险评价...................................................................................................................14
3.2供应链金融信用风险评价指标体系...............................................................................16
3.3基于互联网的供应链金融信用风险评价指标体系.......................................................19
第4章京东金融汽车供应链金融产品的案例分析......................22
4.1汽车行业...........................................................................................................................22
4.2京东供应链金融..............................................................................................................23
4.3京东汽车供应链金融的信用风险分析..........................................................................27
第5章京东金融汽车供应链金融案例的实证检验分析...................29
5.1样本来源与数据分析.......................................................................................................29
5.2最小二乘支持向量机模型..............................................................................................33
5.3京东供应链金融的SVM模型构造................................................................................35

......

 

第5章京东金融汽车供应链金融案例的实证检验分析

 

5.1样本来源与数据分析
本文研究的案例的是京东金融基于汽车行业的供应链金融产品,是互联网供应链金融信贷中非常有代表性的案例。在传统的供应链金融中,汽车行业一直是商业银行开展供应链金融业务的最佳行业,很大程度上是因为汽车行业的核心企业汽车生产商对其上下游企业有着严格的控制和比较强势的把控。选择京东金融的汽车行业解决方案作为本文分析和实证研究的案例主要有以下两个原因:首先,汽车产业链是我国最长的产业链之一,亦是供应链管理最完善的产业链之一。汽车产业链以汽车整车为核心,向上、向下延伸至各个渠道和众多的客户,并且还能扩展到汽车服务业和汽车相关技术的开发商,带动着150多个相关产业,是一个庞大的供应链产业体系。在充分考虑样本采集的难易程度以及企业财务数据的可取得性之后,本文共选出121组符合条件的融资企业和核心企业。本文的定量数据及定性数据的依据来自各家公司的公布的财务报表及其相关披露,主要是从WIND数据库中获取,WIND数据库中没有的数据从东方财务网、京东合作的B2B电商平台以及企业的官方主页等网站获取。

 

5.2最小二乘支持向量机模型
综上所述,可以使用得到的分类函数对数据进行分类并确定融资企业的信用状况。由于支持向量机方法适合解决小样本、非线性以及高维模式识别问题,本文采用该方法对信用风险评估指标体系的评估效果进行评价是非常合适的。建立SVM模型的第一步是首先处理数据,并且原始矩阵的各种指标需要进行标准化。由于极大极小值方法可以提取尽可能多的有效信息,因此本文使用的标准化处理方法是极大极小值方法.第二步是训练样本集和确定测试样本集.数据标准化处理之后,输入新的数据矩阵到支持向量机模型中,并将样本集分为两部分:测试样本和训练样本,常用比例是2:3.第三步是选择核函数和参数。通过比较支持向量机使用三种不同的内核函数获得的性能结果,选择合适本文京东互联网供应链金融汽车行业案例的核函数和相应的参数
该论文为收费论文,请扫描二维码添加客服人员购买全文。