供應(yīng)鏈金融業(yè)務(wù)的信用風(fēng)險評價系統(tǒng)設(shè)計

芮 婧，潘淑娟

(安徽財經(jīng)大學(xué)，安徽 蚌埠 233030)

潘淑娟，女，江蘇江都人，教授，碩士生導(dǎo)師，研究方向為農(nóng)村金融、國際金融與投資。

供應(yīng)鏈金融業(yè)務(wù)的信用風(fēng)險評價系統(tǒng)設(shè)計

芮 婧，潘淑娟

(安徽財經(jīng)大學(xué)，安徽 蚌埠 233030)

供應(yīng)鏈金融是為中小企業(yè)量身定做的一種新型融資模式，它將中小企業(yè)置于供應(yīng)鏈這個大背景下來綜合考慮，強(qiáng)調(diào)整條供應(yīng)鏈的穩(wěn)定性、貿(mào)易背景的真實性以及受信企業(yè)交易對手的資信和實力，從而使更多的中小企業(yè)能夠被納入金融機(jī)構(gòu)的服務(wù)范圍。當(dāng)然，在供應(yīng)鏈金融的實施過程中，信用風(fēng)險還是不可完全避免的。建立了基于BP神經(jīng)網(wǎng)絡(luò)模型的供應(yīng)鏈金融信用風(fēng)險評價系統(tǒng)，從得出的結(jié)論看，此模型對供應(yīng)鏈金融中的中小企業(yè)信用風(fēng)險誤判率低，是一種科學(xué)、有效的評價方法。

供應(yīng)鏈金融；企業(yè)融資；信用風(fēng)險；BP神經(jīng)網(wǎng)絡(luò)法

一、供應(yīng)鏈金融發(fā)展背景

目前，中小企業(yè)占全國企業(yè)總數(shù)的99%以上，創(chuàng)造的最終產(chǎn)品和服務(wù)價值相當(dāng)于國內(nèi)生產(chǎn)總值的60%左右，但“融資難”問題卻一直困擾著中小企業(yè)。雖然近幾年國家在宏觀層面上對金融機(jī)構(gòu)信貸支持提出了增量和增速的剛性要求，但在實際的融資過程中，銀行對企業(yè)放貸仍然有著硬性的規(guī)定，而中小企業(yè)規(guī)模小，抗風(fēng)險能力差，缺乏合格抵押、擔(dān)保品，財務(wù)制度混亂等這些自身的缺陷，在很大程度上影響了銀行對中小企業(yè)的信貸支持力度。另外，金融機(jī)構(gòu)與中小企業(yè)之間的信息不對稱問題所引發(fā)的逆向選擇和道德風(fēng)險，使金融機(jī)構(gòu)謹(jǐn)慎對待中小企業(yè)的融資需求，甚至迫使金融機(jī)構(gòu)忽視健康成長的那部分中小企業(yè)對貸款的合理需求。

供應(yīng)鏈金融正是出于銀行過高的放貸門檻與中小企業(yè)的自身缺陷之間的矛盾而產(chǎn)生的。供應(yīng)鏈金融是指在對供應(yīng)鏈內(nèi)部的交易結(jié)構(gòu)進(jìn)行分析的基礎(chǔ)上，運(yùn)用自償性貿(mào)易融資的信貸模型，并引入核心企業(yè)，有時也引入物流監(jiān)管公司、資金流導(dǎo)引工具等新的風(fēng)險控制變量，對供應(yīng)鏈的不同節(jié)點(diǎn)提供封閉的授信支持及其他結(jié)算、理財?shù)染C合金融服務(wù)。

與傳統(tǒng)融資相比，供應(yīng)鏈金融有著以下三個特點(diǎn)：

首先，供應(yīng)鏈金融改變了傳統(tǒng)融資模式的信貸準(zhǔn)入標(biāo)準(zhǔn)單一的缺陷。銀行將首先評估核心企業(yè)的綜合狀況(如財務(wù)實力、信用狀況和行業(yè)地位)，以及整個供應(yīng)鏈的運(yùn)營狀況(如上下游合作密切程度)。如果審查結(jié)果符合銀行的標(biāo)準(zhǔn)，銀行將為核心企業(yè)的上下游中小企業(yè)提供融資安排，并且不會為中小企業(yè)的財務(wù)狀況做特別的評估。其次，供應(yīng)鏈融資要嚴(yán)格審查中小企業(yè)與核心企業(yè)之間是否有著真實的貿(mào)易背景，嚴(yán)格控制資金的挪用，并且以針對性的技術(shù)措施引入核心企業(yè)的資信，作為控制授信風(fēng)險的輔助手段。另外，供應(yīng)鏈融資中非常強(qiáng)調(diào)授信還款來源的自償性，即引導(dǎo)銷售收入必須直接用于償還授信貸款，這就降低了銀行所承擔(dān)的風(fēng)險。

雖然供應(yīng)鏈金融與傳統(tǒng)融資相比，大大降低了銀行所承擔(dān)的風(fēng)險，但同時，我們應(yīng)該注意到，供應(yīng)鏈金融的核心價值就是通過核心企業(yè)的參與來解決供應(yīng)鏈中中小企業(yè)的融資困境，因此中小企業(yè)所固有的高風(fēng)險問題、核心企業(yè)和整條供應(yīng)鏈的特殊風(fēng)險不僅是不可避免的，而且正是供應(yīng)鏈金融這一新興的風(fēng)險管理技術(shù)所應(yīng)著力應(yīng)對的，如中小企業(yè)自身違約風(fēng)險、核心企業(yè)因陷入經(jīng)營危機(jī)而帶來的風(fēng)險等。下文就將設(shè)計一個供應(yīng)鏈金融信用風(fēng)險評價系統(tǒng)，來更好地規(guī)避此類信用風(fēng)險。

二、基于BP神經(jīng)網(wǎng)絡(luò)的供應(yīng)鏈金融信用風(fēng)險評價系統(tǒng)設(shè)計

在中小企業(yè)融資的信用風(fēng)險評價模型中應(yīng)用較多的方法是判別分析、Logistic回歸、聚類分析法、神經(jīng)網(wǎng)絡(luò)法。由于神經(jīng)網(wǎng)絡(luò)模型不需要初始權(quán)重設(shè)計，能夠較好地克服現(xiàn)行評級中存在的主觀性，從而對中小企業(yè)進(jìn)行客觀、公正的評級，筆者決定采用神經(jīng)網(wǎng)絡(luò)法來對供應(yīng)鏈金融的風(fēng)險進(jìn)行評估。

(一)指標(biāo)的選取及分析

很多學(xué)者都已經(jīng)對中小企業(yè)信用風(fēng)險評價和供應(yīng)鏈金融信用風(fēng)險評價指標(biāo)體系進(jìn)行了深度的研究，如范柏乃、朱文斌(2003)的《中小企業(yè)信用評價指標(biāo)的理論遴選與實證分析》、黃英婷的《我國商業(yè)銀行的中小企業(yè)信用評級研究》、馬佳的《供應(yīng)鏈金融融資模式分析及風(fēng)險控制》等都有相關(guān)的指標(biāo)研究。本文在已有的信用評價基本框架之上結(jié)合供應(yīng)鏈金融自身的特點(diǎn)，并采用專家調(diào)查法最終確定了本文的指標(biāo)體系。本文將指標(biāo)分為兩類，一類是硬指標(biāo)，包括盈利能力、經(jīng)營能力、償債能力、成長潛力四個方面；另一類是軟指標(biāo)，包括財務(wù)報表質(zhì)量、領(lǐng)導(dǎo)及員工素質(zhì)、行業(yè)背景及發(fā)展前景、核心企業(yè)狀況、上下游合作密切程度、交易資產(chǎn)特征六個方面，下面對各個硬指標(biāo)和軟指標(biāo)進(jìn)行分析。

1.硬指標(biāo)分析

企業(yè)盈利能力是企業(yè)經(jīng)營結(jié)果的具體表現(xiàn)，本文選取的盈利能力指標(biāo)是資產(chǎn)利潤率和成本費(fèi)用利潤率。企業(yè)經(jīng)營能力是企業(yè)綜合素質(zhì)強(qiáng)弱的體現(xiàn)，是企業(yè)各種生產(chǎn)經(jīng)營活動的管理能力的總和。本文選取的經(jīng)營能力指標(biāo)是應(yīng)收賬款周轉(zhuǎn)率、主營收入現(xiàn)金含量和流動資產(chǎn)周轉(zhuǎn)率。償債能力反映了企業(yè)到期償還債務(wù)的能力，不僅可以反映當(dāng)前企業(yè)的財務(wù)狀況，還能通過對償債能力的分析預(yù)測企業(yè)的未來收益情況。本文選取的償債能力指標(biāo)是流動比率、資產(chǎn)負(fù)債率、利息保障倍數(shù)、經(jīng)營凈現(xiàn)金比率和產(chǎn)權(quán)比率。成長潛力指標(biāo)可以預(yù)測企業(yè)未來的經(jīng)營狀況，對于中小企業(yè)來說，成長潛力指標(biāo)就尤為重要。本文選取的成長潛力指標(biāo)是凈資產(chǎn)增長率、主營利潤增長率和工資增長率。

2.軟指標(biāo)分析

出于中小企業(yè)自身財務(wù)制度的缺陷和自身經(jīng)營的特征，如果單從財務(wù)指標(biāo)去考查企業(yè)的信用狀況，將使中小企業(yè)喪失更多應(yīng)有的融資機(jī)會。本文結(jié)合中小企業(yè)自身特點(diǎn)和供應(yīng)鏈金融業(yè)務(wù)特征選取了下列軟指標(biāo)：財務(wù)報表質(zhì)量、領(lǐng)導(dǎo)及員工素質(zhì)、行業(yè)背景及發(fā)展前景、核心企業(yè)狀況、上下游合作密切程度和交易資產(chǎn)特征。由于軟指標(biāo)是定性指標(biāo)，所以需要將其定性量化后才能輸入MATLAB進(jìn)行網(wǎng)絡(luò)訓(xùn)練，本文采取專家打分法對各企業(yè)的軟指標(biāo)進(jìn)行打分。

(1)財務(wù)報表質(zhì)量。財務(wù)報表是銀行了解企業(yè)財務(wù)信息的首要途徑，財務(wù)報表質(zhì)量直接影響到銀行對其信用評級的結(jié)果。在給財務(wù)報表質(zhì)量指標(biāo)打分時可以從企業(yè)是否常年聘請會計師、企業(yè)會計人員的業(yè)務(wù)技能、報表編制是否及時等方面來加以考慮。

(2)領(lǐng)導(dǎo)及員工素質(zhì)。我國的中小企業(yè)多是業(yè)主制和合伙制組織形式，所有者一般要承擔(dān)無限連帶責(zé)任，這使得企業(yè)信用與領(lǐng)導(dǎo)者個人信用緊密相關(guān)。所以在中小企業(yè)信用評價中中小企業(yè)領(lǐng)導(dǎo)者素質(zhì)顯得尤為重要。本文選取的領(lǐng)導(dǎo)者素質(zhì)指標(biāo)是領(lǐng)導(dǎo)經(jīng)歷、領(lǐng)導(dǎo)口碑。同時，員工素質(zhì)也是影響企業(yè)發(fā)展的重要因素，好的員工素質(zhì)不僅可以提升企業(yè)的發(fā)展空間，還可以影響一個企業(yè)的企業(yè)文化。在給員工素質(zhì)打分時可以從員工學(xué)歷、工作經(jīng)驗和技術(shù)人員比例等方面來考慮。

(3)行業(yè)背景及發(fā)展前景。不同的行業(yè)有著不同的發(fā)展前景和行業(yè)風(fēng)險。通過對行業(yè)背景進(jìn)行分析，可以估計借款人的行業(yè)風(fēng)險水平。目前，越來越多的銀行開始重視對行業(yè)和地區(qū)的研究及跟蹤分析，有些國際性大銀行還按不同的行業(yè)和地區(qū)分別設(shè)立機(jī)構(gòu)對行業(yè)和地區(qū)風(fēng)險進(jìn)行評估。在對企業(yè)行業(yè)背景及發(fā)展前景進(jìn)行打分時，可以將國家和地方宏觀經(jīng)濟(jì)政策、行業(yè)地位、產(chǎn)品可替代程度、技術(shù)水平等方面作為評分標(biāo)準(zhǔn)。

(4)核心企業(yè)狀況。核心企業(yè)的參與是供應(yīng)鏈金融業(yè)務(wù)與傳統(tǒng)融資業(yè)務(wù)最本質(zhì)的區(qū)別。在供應(yīng)鏈金融業(yè)務(wù)中，核心企業(yè)是中心，它的綜合水平?jīng)Q定了整條供應(yīng)鏈的綜合實力，并且在此業(yè)務(wù)中核心企業(yè)對中小企業(yè)起著反擔(dān)保的作用。因此，核心企業(yè)的狀況直接影響了中小企業(yè)與其發(fā)生交易的質(zhì)量。在對該指標(biāo)進(jìn)行打分時一般從核心企業(yè)在銀行的信用等級、核心企業(yè)的行業(yè)地位(如產(chǎn)品市場占有率、談判地位、議價能力等)、核心企業(yè)速動比率(衡量核心企業(yè)償債能力)等方面來考慮。

(5)上下游合作密切程度。供應(yīng)鏈中的上、下游核心大企業(yè)是受信中小企業(yè)最密切的交易伙伴，對中小企業(yè)的信用狀況產(chǎn)生直接的影響。供應(yīng)鏈內(nèi)的各個企業(yè)之間合作關(guān)系越密切，供應(yīng)鏈的整體實力就越強(qiáng)，受信中小企業(yè)的信用等級就會相應(yīng)得以提升。該指標(biāo)主要通過上下游企業(yè)交易頻度、上下游企業(yè)合作年限、上下游企業(yè)產(chǎn)品依賴度、上下游企業(yè)信息溝通水平等來反映。

(6)交易資產(chǎn)特征。該指標(biāo)也是銀行考查的重點(diǎn)之一，因為銀行對受信企業(yè)的融資額度是依據(jù)交易資產(chǎn)的評估價值來決定的，若受信人違約，交易資產(chǎn)也是銀行將其變現(xiàn)彌補(bǔ)損失的保證。因此，對交易資產(chǎn)進(jìn)行綜合評估是授信前的重中之重。如果是融通倉、保兌倉融資要充分考慮到質(zhì)押物價格的穩(wěn)定性、變現(xiàn)能力以及易損程度；如果是應(yīng)收賬款融資要考慮到應(yīng)收賬款的賬齡和賬期，退貨記錄情況和受信人壞賬率等因素。

(二)信用風(fēng)險預(yù)警模型的建立

神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建過程很復(fù)雜，主要包括網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的設(shè)計，如網(wǎng)絡(luò)層數(shù)、各層神經(jīng)元個數(shù)；函數(shù)的選取，如各層之間的傳輸函數(shù)、訓(xùn)練函數(shù)；參數(shù)的選取，如訓(xùn)練步長、誤差精度等幾個方面。

1.網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的設(shè)計

(1)網(wǎng)絡(luò)層數(shù)的設(shè)置。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的設(shè)計中，第一步需要設(shè)置網(wǎng)絡(luò)的層數(shù)，主要是隱層數(shù)，BP網(wǎng)絡(luò)可以包含不同的隱層。但理論上已經(jīng)證明(Hecht Nielson)，對于任何區(qū)間內(nèi)的一個連續(xù)函數(shù)都可以用單隱層的BP網(wǎng)絡(luò)逼近，因而三層(只有一個隱層)的BP網(wǎng)絡(luò)可以實現(xiàn)任意非線性映射?；诖?，本文將選取單隱層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即一個輸入層、一個隱層、一個輸出層。

(2)各層神經(jīng)元個數(shù)。輸入層起緩沖存儲器的作用，其神經(jīng)元數(shù)目取決于輸入矢量的維數(shù)。根據(jù)上文確定的指標(biāo)體系可以確定輸入層的神經(jīng)元數(shù)目為21。

輸出層神經(jīng)元對應(yīng)于信用評價結(jié)果。在本文中，研究對象的期望輸出為中小企業(yè)信用風(fēng)險的總體評價，是一個數(shù)值(0或1)，所以輸出層神經(jīng)元數(shù)目選擇為1。

2.函數(shù)的選取

(1)傳輸函數(shù)。MATLAB環(huán)境下BP神經(jīng)網(wǎng)絡(luò)工具箱主要提供了三種形式的傳遞函數(shù):對數(shù)S型傳遞函數(shù)Log-sigmoid、正切S型傳遞函數(shù)Tan-sigmoid和線性函數(shù)Pureline。如果網(wǎng)絡(luò)的輸出層為對數(shù)S型傳遞函數(shù)Log-sigmoid型神經(jīng)元，那么網(wǎng)絡(luò)輸出值限制在一個較小的范圍內(nèi)(0～1之間的連續(xù)量)；如果網(wǎng)絡(luò)的輸出層為正切S型傳遞函數(shù)Tan-sigmoid，則網(wǎng)絡(luò)產(chǎn)生(-1，1)之間的輸出；如果網(wǎng)絡(luò)的輸出層為線性函數(shù)Pureline，則網(wǎng)絡(luò)輸出可以取任意值。

由于本文的數(shù)據(jù)在歸一化處理后的值在0～1之間，所以，本文輸出層到隱層，隱層到輸出層的傳輸函數(shù)分別為tansig和logsig。

(2)訓(xùn)練函數(shù)。訓(xùn)練函數(shù)是由學(xué)習(xí)算法決定的，不同的學(xué)習(xí)算法對應(yīng)著不同的訓(xùn)練函數(shù)。 由上文知本文選擇的是動量BP算法，這種算法對應(yīng)的訓(xùn)練函數(shù)是traingdm。所以本文在訓(xùn)練網(wǎng)絡(luò)時用traingdm為訓(xùn)練函數(shù)。

(三)面向matlab的BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與仿真

1.網(wǎng)絡(luò)的訓(xùn)練

首先用Matlab神經(jīng)網(wǎng)絡(luò)工具箱生成21×5×1的BP神經(jīng)網(wǎng)絡(luò)，并且初始化，然后對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。本文選取29家開展供應(yīng)鏈金融業(yè)務(wù)的中小企業(yè)作為樣本。樣本分為兩部分，一部分是按時還款的企業(yè)，一共是17家，一部分是未按時還款的企業(yè)，一共是12家?，F(xiàn)在我們選取按時還款企業(yè)中的前13家和未按時還款企業(yè)中的前11家作為訓(xùn)練樣本。訓(xùn)練樣本總體為24家中小企業(yè)，剩下的4家按時還款企業(yè)和1家未按時還款企業(yè)作為后面用做仿真的樣本。這些企業(yè)數(shù)據(jù)是針對上文建立的信用評價指標(biāo)體系選取的，它有21個節(jié)點(diǎn)，分別是節(jié)點(diǎn)1(資產(chǎn)利潤率)、節(jié)點(diǎn)2(流動資產(chǎn)周轉(zhuǎn)率)、節(jié)點(diǎn)3(應(yīng)收賬款周轉(zhuǎn)率)、節(jié)點(diǎn)4(主營收入現(xiàn)金含量)、節(jié)點(diǎn)5(成本費(fèi)用利潤率)、節(jié)點(diǎn)6(流動比率)、節(jié)點(diǎn)7(利息保障倍數(shù))、節(jié)點(diǎn)8(資產(chǎn)負(fù)債率)、節(jié)點(diǎn)9(企業(yè)經(jīng)營現(xiàn)金流與流動負(fù)債比)、節(jié)點(diǎn)10(凈資產(chǎn)與貸款余額比)、節(jié)點(diǎn)11(凈資產(chǎn)增長率)、節(jié)點(diǎn)12(主營利潤增長率)、節(jié)點(diǎn)13(工資、福利增長率)、節(jié)點(diǎn)14(財務(wù)報表質(zhì)量評價)、節(jié)點(diǎn)15(員工素質(zhì))、節(jié)點(diǎn)16(經(jīng)營者經(jīng)歷)、節(jié)點(diǎn)17(經(jīng)營者口碑)、節(jié)點(diǎn)18(行業(yè)背景及發(fā)展前景)、節(jié)點(diǎn)19(核心企業(yè)狀況)、節(jié)點(diǎn)20(上下游合作密切程度)、節(jié)點(diǎn)21(交易資產(chǎn)特征)。輸入網(wǎng)絡(luò)的訓(xùn)練樣本，經(jīng)過反復(fù)訓(xùn)練，獲得的最合適的參數(shù)如下：

net.trainparam.show=50;

net.trainparam.lr=0.05;

net.trainparam.epochs=500;

net.trainparam.goal=0.001。

輸入網(wǎng)絡(luò)訓(xùn)練的編程代碼，得到訓(xùn)練誤差曲線的結(jié)論為：經(jīng)過4步迭代訓(xùn)練，誤差曲線逐步收斂到目標(biāo)值0.001，這樣就生成了有效的BP神經(jīng)網(wǎng)絡(luò)信用風(fēng)險評價模型。

2.網(wǎng)絡(luò)仿真

為了對上文所構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行檢驗，我們還需要用仿真過程來驗證模型的準(zhǔn)確性，將仿真樣本輸入MATLAB中，用保存的網(wǎng)絡(luò)模型進(jìn)行模擬運(yùn)作，在仿真過程中，不設(shè)定目標(biāo)期望值，將模型的輸出值與1或0比較，檢驗?zāi)Ｐ偷臏?zhǔn)確率。

輸入網(wǎng)絡(luò)仿真編碼，得到回歸結(jié)果圖，由圖得出網(wǎng)絡(luò)輸出值a與預(yù)測值的相關(guān)系數(shù)為1，說明此BP神經(jīng)網(wǎng)絡(luò)的性能較高、收斂效果較好。

輸入命令a=sim(net,Tn)得到仿真輸出值，見表1。

表1 仿真輸出值和誤差絕對值結(jié)果對照表

可見，網(wǎng)絡(luò)的輸出值和目標(biāo)值之間的絕對誤差都在0.025以下，誤差比較小，基本達(dá)到了預(yù)期的結(jié)果。

由于網(wǎng)絡(luò)訓(xùn)練時的權(quán)值和閾值是隨機(jī)生成的，所以要保留效果最好的權(quán)值和閾值，用于下次預(yù)測。此時的權(quán)值和閾值如下：

輸入到隱層的權(quán)值b1=-1.5086 -0.6749 0.3842 -1.0442 -2.2935

隱層到輸出層權(quán)值b2=3.0182

隱層閾值iw1=

1.5439 -0.7801 2.0122 -0.7927

-1.1222 0.4356 -0.2525 0.2958

2.2443 -1.9845 -1.5832 -1.4729

-1.1297 3.104 0.9904 -0.5389

0.8624 -0.1666 0.1812 -0.7472

0.0237 0.7555 1.1734 -0.9723

-0.246 3.3338 -6.3475 2.7745

1.297 3.2253 -5.1157 0.9791

0.5379 0.2906 1.0922 0.2644

-0.284 1.3848 0.9876 -0.5309

-1.7711 0.0863 0.5193 -0.5036

3.3765 -0.4838 1.5295 1.0536

-0.1763 -1.398 3.7744 1.3731

-6.5513 2.443 -1.2547 -1.085

-2.4031 -0.0723 -2.1976 1.8508

0.4376 0.8309 0.0039 3.5245

-1.6722 3.3793 -1.9458 3.9174

7.3442 1.3423 -0.5227 -2.5935

-0.688 1.528 0.6269 1.0902

0.6698 0.4563 1.3005 -0.0622

1.1952 3.8799 0.4873 -0.2032

1.991 -1.1093 -2.1081 5.7662

4.9429 4.9021 1.8856 -0.6452

-0.2134 2.1195 1.1346 0.1347

-1.9792 -2.7527 0.0119 -5.9756

0.7153 1.2461 -0.1212 0.7848

-0.7698

輸出層閾值iw2=6.2299 3.9140 0.3991 -2.1586 -1.3737

[1]深圳發(fā)展銀行—中歐國際工商學(xué)院“供應(yīng)鏈金融”課題組.供應(yīng)鏈金融——新經(jīng)濟(jì)下的新金融[M].上海：上海遠(yuǎn)東出版社,2009.

[2]王春峰,萬海暉,張 維.商業(yè)銀行信用風(fēng)險評估及其實證研究[J].管理科學(xué)學(xué)報，1999,(9):25-33.

[3]王嘉誠,等.神經(jīng)網(wǎng)絡(luò)方法在評價金融企業(yè)風(fēng)險中的應(yīng)用[J].中國軟科學(xué)，1998,(10)：110-113.

[4]于立勇.商業(yè)銀行信用風(fēng)險評估預(yù)測模型研究[J].管理科學(xué)學(xué)報，2003，(6)：48-54，100.

[5]葉春明,馬慧民,李 丹，等.BP神經(jīng)網(wǎng)絡(luò)在供應(yīng)鏈管理績效指標(biāo)評價中的應(yīng)用研究[J].工業(yè)工程與管理,2005,(5)：39-42，47.

責(zé)任編校：張 靜，羅 紅

2010-06-28

安徽財經(jīng)大學(xué)研究生科研創(chuàng)新基金

芮 婧，女，安徽蕪湖人，碩士，研究方向為金融理論與政策。

F253

A

1007-9734(2010)05-0131-04