基于機(jī)器學(xué)習(xí)的藏藥行業(yè)供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估

【中圖分類號(hào)】F426；F406.7；F832

【文獻(xiàn)標(biāo)志碼】A

【文章編號(hào)】1673-1069（2025）04-0156-03

1引言

藏藥作為我國(guó)四大民族醫(yī)藥之一，具有獨(dú)特的理論體系和豐富的臨床實(shí)踐，在我國(guó)西部地區(qū)乃至全國(guó)具有重要的社會(huì)與經(jīng)濟(jì)價(jià)值。近年來(lái)，國(guó)家持續(xù)加大對(duì)中醫(yī)藥和民族醫(yī)藥的政策扶持力度。2024年召開(kāi)的黨的二十屆三中全會(huì)明確提出“完善中醫(yī)藥傳承創(chuàng)新發(fā)展機(jī)制”，國(guó)家中醫(yī)藥管理局隨后出臺(tái)《中醫(yī)藥標(biāo)準(zhǔn)化行動(dòng)計(jì)劃（2024一2026年）》，推動(dòng)產(chǎn)業(yè)標(biāo)準(zhǔn)化、現(xiàn)代化建設(shè)。西藏、青海等民族地區(qū)也相繼出臺(tái)地方性政策，如西藏自治區(qū)發(fā)布《關(guān)于醫(yī)保支持藏醫(yī)藥傳承創(chuàng)新發(fā)展的若干措施》，青海省推進(jìn)《促進(jìn)藏醫(yī)藥發(fā)展條例》的實(shí)施，此類政策為藏藥產(chǎn)業(yè)營(yíng)造了良好的制度環(huán)境，也對(duì)企業(yè)的信用管理和融資能力提出了更高要求。

然而，藏藥行業(yè)以中小企業(yè)和傳統(tǒng)作坊為主，普遍存在資金渠道狹窄、財(cái)務(wù)不透明等問(wèn)題，融資難、融資貴現(xiàn)象依然突出。供應(yīng)鏈金融作為依托核心企業(yè)信用進(jìn)行風(fēng)險(xiǎn)傳導(dǎo)和資源配置的新型融資模式，正在成為破解中小企業(yè)融資困境的重要路徑。該模式下，藏藥上下游企業(yè)可借助核心企業(yè)的信用背書獲得金融支持，從而優(yōu)化資金流動(dòng)與運(yùn)營(yíng)效率。但由于產(chǎn)業(yè)鏈條復(fù)雜、企業(yè)信用基礎(chǔ)薄弱，信用風(fēng)險(xiǎn)問(wèn)題日益凸顯，尤其在信息不對(duì)稱和履約缺失的背景下，金融機(jī)構(gòu)面臨較大授信不確定性?；诖?，本文結(jié)合藏藥行業(yè)供應(yīng)鏈特征，構(gòu)建多維度信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，并采用支持向量機(jī)（SVM）BP神經(jīng)網(wǎng)絡(luò)、梯度提升樹(shù)（GBDT）和邏輯回歸（LR）4種模型進(jìn)行比較分析，以提升信用風(fēng)險(xiǎn)管理的科學(xué)性與實(shí)用性。

2文獻(xiàn)綜述

2.1供應(yīng)鏈金融信用風(fēng)險(xiǎn)研究

供應(yīng)鏈金融作為金融服務(wù)體系與產(chǎn)業(yè)鏈深度融合的重要模式，在提升中小企業(yè)融資可得性的同時(shí)，也引發(fā)了較為復(fù)雜的信用風(fēng)險(xiǎn)問(wèn)題。由于供應(yīng)鏈融資依托核心企業(yè)信用進(jìn)行信用傳導(dǎo)，其風(fēng)險(xiǎn)特征呈現(xiàn)出主體間聯(lián)動(dòng)性、外部環(huán)境敏感性及非線性復(fù)雜性。傳統(tǒng)信用風(fēng)險(xiǎn)管理主要聚焦于單一融資主體的財(cái)務(wù)狀況，而供應(yīng)鏈金融體系下，信用風(fēng)險(xiǎn)不僅源于個(gè)體企業(yè)的經(jīng)營(yíng)能力，還受到供應(yīng)鏈整體穩(wěn)定性及行業(yè)政策變化的影響。因此，供應(yīng)鏈金融信用風(fēng)險(xiǎn)管理應(yīng)采用系統(tǒng)化、多層次的評(píng)估框架，以提升風(fēng)險(xiǎn)管控的精準(zhǔn)性和前瞻性]。

2.2供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估研究

在供應(yīng)鏈金融信用風(fēng)險(xiǎn)的評(píng)估體系方面，研究者提出了多維度評(píng)估框架，但如何在實(shí)際應(yīng)用中優(yōu)化這些指標(biāo)仍需進(jìn)一步探討。目前，學(xué)術(shù)界在信用風(fēng)險(xiǎn)評(píng)估體系構(gòu)建方面主要遵循財(cái)務(wù)指標(biāo)、供應(yīng)鏈協(xié)作關(guān)系及宏觀環(huán)境因素三大維度。在財(cái)務(wù)指標(biāo)層面，研究普遍認(rèn)為企業(yè)的盈利能力、資本結(jié)構(gòu)及償債能力直接決定信用風(fēng)險(xiǎn)水平，如資產(chǎn)負(fù)債率、凈資產(chǎn)收益率及銷售利潤(rùn)率等指標(biāo)長(zhǎng)期以來(lái)被認(rèn)為是衡量信用狀況的重要標(biāo)準(zhǔn)。然而，單純依賴財(cái)務(wù)數(shù)據(jù)已無(wú)法全面刻畫供應(yīng)鏈金融中的信用風(fēng)險(xiǎn)特征，部分學(xué)者提出，應(yīng)進(jìn)一步關(guān)注核心企業(yè)信用背書、供應(yīng)鏈交易穩(wěn)定性及企業(yè)履約能力。

2.3文獻(xiàn)述評(píng)

現(xiàn)有研究多聚焦于汽車、制造、零售等標(biāo)準(zhǔn)化程度較高的產(chǎn)業(yè)鏈，對(duì)于具有高度地域依賴性、產(chǎn)業(yè)非標(biāo)準(zhǔn)化特征的藏藥行業(yè)而言，仍存在理論與方法適配性不足的問(wèn)題。一方面，藏藥企業(yè)以中小企業(yè)為主，信息披露不充分、信用歷史記錄缺乏，導(dǎo)致傳統(tǒng)財(cái)務(wù)驅(qū)動(dòng)型信用評(píng)級(jí)方法難以有效適用；另一方面，藏藥行業(yè)的供應(yīng)鏈結(jié)構(gòu)復(fù)雜，企業(yè)之間多為松散性合作關(guān)系，信用傳導(dǎo)鏈條不穩(wěn)定，增加了金融機(jī)構(gòu)對(duì)其開(kāi)展供應(yīng)鏈融資的風(fēng)險(xiǎn)辨識(shí)難度。此外，藏藥產(chǎn)業(yè)受政策支持強(qiáng)度、地方經(jīng)濟(jì)發(fā)展水平等宏觀因素影響顯著，信用風(fēng)險(xiǎn)評(píng)估應(yīng)結(jié)合行業(yè)與區(qū)域特征，開(kāi)展系統(tǒng)建模。

3評(píng)估指標(biāo)體系搭建

基于供應(yīng)鏈金融信用風(fēng)險(xiǎn)的非線性特征，本文參考BaselI及供應(yīng)鏈信用評(píng)級(jí)框架，結(jié)合藏藥行業(yè)供應(yīng)鏈特征，構(gòu)建涵蓋融資企業(yè)、核心企業(yè)、供應(yīng)鏈關(guān)系及行業(yè)環(huán)境的信用風(fēng)險(xiǎn)評(píng)估體系。在此框架下，本文設(shè)計(jì)了4個(gè)一級(jí)指標(biāo)，并在此基礎(chǔ)上構(gòu)建了10個(gè)二級(jí)指標(biāo)和27個(gè)三級(jí)指標(biāo)，涵蓋融資企業(yè)實(shí)力、核心企業(yè)實(shí)力、供應(yīng)鏈狀況和行業(yè)環(huán)境4個(gè)維度。

融資企業(yè)實(shí)力包括6個(gè)二級(jí)維度：基本狀況、盈利能力、償債能力、營(yíng)運(yùn)能力、成長(zhǎng)潛力和信用狀況。其中，基本狀況類指標(biāo)包括企業(yè)規(guī)模、員工人數(shù)、管理層人數(shù)和成立年限，體現(xiàn)企業(yè)的基礎(chǔ)實(shí)力；盈利能力通過(guò)凈資產(chǎn)收益率、總資產(chǎn)收益率、投人資本回報(bào)率、毛利率和凈利率進(jìn)行衡量；償債能力指標(biāo)包括流動(dòng)比率、速動(dòng)比率、現(xiàn)金比率、資產(chǎn)負(fù)債率、權(quán)益乘數(shù)和產(chǎn)權(quán)比率；營(yíng)運(yùn)能力通過(guò)總資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率和應(yīng)收賬款周轉(zhuǎn)率體現(xiàn)；成長(zhǎng)潛力由營(yíng)業(yè)收入增長(zhǎng)率和凈利潤(rùn)增長(zhǎng)率反映；信用狀況通過(guò)是否有違約行為衡量。核心企業(yè)實(shí)力關(guān)注其盈利能力與信用狀況，主要包括凈資產(chǎn)收益率和履約情況兩項(xiàng)。供應(yīng)鏈狀況包括合作關(guān)系的久度與強(qiáng)度，反映融資企業(yè)與核心企業(yè)之間的交易黏性和穩(wěn)定性。行業(yè)環(huán)境從宏觀層面考察企業(yè)所處區(qū)域的經(jīng)濟(jì)環(huán)境與政策支持力度，分別以人均GDP水平和地方扶持政策的存在作為代理指標(biāo)。

以上指標(biāo)體系兼顧了財(cái)務(wù)穩(wěn)健性、業(yè)務(wù)合作緊密度與外部支持環(huán)境，能夠較為全面地反映藏藥企業(yè)在供應(yīng)鏈金融中的信用風(fēng)險(xiǎn)水平。

4實(shí)證分析

4.1數(shù)據(jù)采集與預(yù)處理

本研究選取中小板及新三板掛牌上市的藏藥供應(yīng)鏈金融相關(guān)企業(yè)為研究對(duì)象，涵蓋24家企業(yè)，收集其2020-2023年的財(cái)務(wù)數(shù)據(jù)。企業(yè)數(shù)據(jù)來(lái)源于RESSET數(shù)據(jù)庫(kù)，信用狀況及供應(yīng)鏈信息則通過(guò)天眼查平臺(tái)獲取。為確保研究結(jié)果的客觀性與可操作性，本文采用 F 分?jǐn)?shù)模型作為企業(yè)信用風(fēng)險(xiǎn)的衡量標(biāo)準(zhǔn)。根據(jù) F 分?jǐn)?shù)的計(jì)算結(jié)果，本文將 F 分?jǐn)?shù) gt;0.0274 的企業(yè)定義為無(wú)信用風(fēng)險(xiǎn)，而 F 分?jǐn)?shù) ?0.0274 的企業(yè)定義為存在信用風(fēng)險(xiǎn)，作為分類模型的目標(biāo)變量。

本文統(tǒng)一對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理：使用 Min-Max 歸一化將變量縮放至[0，1]區(qū)間，消除量綱影響；極端值采用 5% 截尾法處理，缺失值以 K 近鄰插值法補(bǔ)齊。隨后，按7：3比例將數(shù)據(jù)集劃分為訓(xùn)練集與測(cè)試集，確保各模型使用相同的訓(xùn)練樣本和測(cè)試樣本，以保證比較結(jié)果的可比性。

4.2模型構(gòu)建與參數(shù)設(shè)置

為比較不同機(jī)器學(xué)習(xí)方法在藏藥行業(yè)供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估中的適用性，本文選取支持向量機(jī)（SVM）BP神經(jīng)網(wǎng)絡(luò)（BP）邏輯回歸（LR）與梯度提升樹(shù)（GBDT）4種分類模型。該4類模型代表了信用風(fēng)險(xiǎn)建模中不同的技術(shù)路徑與算法特征，具有較強(qiáng)的代表性與可比性。

其中，邏輯回歸作為傳統(tǒng)的線性分類模型，具備可解釋性強(qiáng)、訓(xùn)練效率高等優(yōu)勢(shì)，是信用評(píng)分體系中常用的基準(zhǔn)模型；支持向量機(jī)適用于高維小樣本數(shù)據(jù)，能夠有效處理非線性分類問(wèn)題；BP神經(jīng)網(wǎng)絡(luò)作為典型的深度學(xué)習(xí)算法，具有較強(qiáng)的非線性擬合能力，能夠挖掘復(fù)雜特征間的潛在關(guān)系；GBDT作為集成學(xué)習(xí)方法中的代表，通過(guò)多個(gè)弱分類器迭代提升整體性能，兼具精度與魯棒性，廣泛應(yīng)用于金融風(fēng)控與評(píng)分系統(tǒng)中。

因此，本文從線性模型、核方法、神經(jīng)網(wǎng)絡(luò)與集成方法4類主流算法中選取代表性模型，開(kāi)展比較分析，以全面評(píng)估機(jī)器學(xué)習(xí)技術(shù)在藏藥行業(yè)信用風(fēng)險(xiǎn)識(shí)別中的應(yīng)用效果。4種模型的構(gòu)建與參數(shù)配置如下：

SVM模型：采用徑向基函數(shù)（RBF）作為核函數(shù)，以實(shí)現(xiàn)非線性特征映射。通過(guò)四折交叉驗(yàn)證和網(wǎng)格搜索法確定最優(yōu)參數(shù)，最終選定懲罰參數(shù) c=1 ，誤差限為0.001，最大迭代次數(shù)為 1000 0

BP神經(jīng)網(wǎng)絡(luò)：搭建三層前饋神經(jīng)網(wǎng)絡(luò)，輸人層節(jié)點(diǎn)為特征維度數(shù)，隱藏層設(shè)10個(gè)節(jié)點(diǎn)，激活函數(shù)為ReLU，輸出層使用Sigmoid函數(shù)。損失函數(shù)采用交叉熵，優(yōu)化算法為Adam，訓(xùn)練輪數(shù)設(shè)為 200 0

邏輯回歸模型LR：基于L2正則化構(gòu)建廣義線性模型，優(yōu)化方法為梯度下降，使用liblinear求解器，最大迭代次數(shù)設(shè)為 1000_? 0

GBDT模型：采用CART決策樹(shù)為基礎(chǔ)分類器，最大深度為3，學(xué)習(xí)率設(shè)為0.1，弱學(xué)習(xí)器數(shù)量為100棵，使用驗(yàn)證集進(jìn)行早?？刂埔苑肋^(guò)擬合。

所有模型均基于R4.5.0環(huán)境完成建模與驗(yàn)證。模型訓(xùn)練完成后，在測(cè)試集上評(píng)估其準(zhǔn)確率、精確率、召回率、F1分?jǐn)?shù)及AUC值，結(jié)果見(jiàn)表1。

4.3實(shí)證結(jié)果分析

從實(shí)驗(yàn)結(jié)果可以看出，SVM在所有評(píng)估指標(biāo)上均優(yōu)于其余3種機(jī)器學(xué)習(xí)分類模型，尤其在召回率、F1分?jǐn)?shù)及AUC指標(biāo)上具有明顯優(yōu)勢(shì)。SVM識(shí)別準(zhǔn)確率達(dá) 96.6% 、召回率96.7% ，能有效識(shí)別違約企業(yè)并降低信用風(fēng)險(xiǎn)。此外，SVM的AUC值為0.987，表明該模型在區(qū)分違約與非違約企業(yè)方面具有較高的真實(shí)性，分類性能優(yōu)越。

相比之下，BP神經(jīng)網(wǎng)絡(luò)的召回率較低（ 62.9% ），這表明其在信用風(fēng)險(xiǎn)識(shí)別中存在較多漏判現(xiàn)象，可能導(dǎo)致部分高風(fēng)險(xiǎn)企業(yè)未被有效識(shí)別。而邏輯回歸和GBDT在精確率和F1值上的表現(xiàn)雖然較優(yōu)，但在AUC方面略低于SVM，表明其在面對(duì)更復(fù)雜的信用風(fēng)險(xiǎn)數(shù)據(jù)時(shí)存在一定的局限性。邏輯回歸的線性假設(shè)可能限制了其在高維非線性問(wèn)題上的表現(xiàn)，而GBDT雖然在多數(shù)情況下表現(xiàn)較好，但在本研究數(shù)據(jù)集上未能超越SVM的分類能力。因此，SVM作為綜合性能最優(yōu)的模型，在后續(xù)信用評(píng)估系統(tǒng)設(shè)計(jì)與實(shí)務(wù)應(yīng)用中具有優(yōu)先推薦的價(jià)值。

5結(jié)論與建議

本研究立足于藏藥行業(yè)供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估的現(xiàn)實(shí)需求，構(gòu)建了一套科學(xué)合理的信用風(fēng)險(xiǎn)評(píng)估體系，并采用機(jī)器學(xué)習(xí)算法對(duì)其有效性進(jìn)行驗(yàn)證。研究表明，SVM具有較強(qiáng)泛化能力，可有效識(shí)別高風(fēng)險(xiǎn)企業(yè)。當(dāng)前藏藥企業(yè)在參與供應(yīng)鏈金融過(guò)程中，普遍面臨信息披露不足、財(cái)務(wù)制度不健全、信用基礎(chǔ)薄弱等問(wèn)題。這些問(wèn)題直接影響了企業(yè)在信貸市場(chǎng)上的信用定價(jià)與風(fēng)險(xiǎn)認(rèn)知，成為制約其融資可得性的重要因素。在供應(yīng)鏈金融模式日益數(shù)據(jù)化、規(guī)范化的背景下，藏藥企業(yè)亟須從內(nèi)部管理和外部資源協(xié)調(diào)兩個(gè)維度同步發(fā)力，提升信用能力與融資適配性。

一方面，企業(yè)需加強(qiáng)對(duì)信用意識(shí)和風(fēng)控能力的重視，逐步建立起規(guī)范的財(cái)務(wù)管理體系和信息披露機(jī)制，通過(guò)完善會(huì)計(jì)制度、提高報(bào)表透明度、規(guī)范企業(yè)運(yùn)營(yíng)等方式，為金融機(jī)構(gòu)提供真實(shí)、可信的信用依據(jù)。同時(shí)，企業(yè)應(yīng)主動(dòng)強(qiáng)化與核心企業(yè)之間的合作粘性，借助長(zhǎng)期交易合同和戰(zhàn)略合作協(xié)議，提升自身在供應(yīng)鏈中的履約能力和穩(wěn)定性，從而增強(qiáng)獲得融資的背書效應(yīng)。另一方面，在信用信息建設(shè)尚不健全、企業(yè)信用積累周期長(zhǎng)的現(xiàn)實(shí)背景下，藏藥企業(yè)可以積極尋求外部增信機(jī)制的支持，可通過(guò)信用擔(dān)保平臺(tái)、貼息政策、引導(dǎo)基金等補(bǔ)充信用資源，降低融資門檻。此外，企業(yè)應(yīng)關(guān)注國(guó)家和地方層面對(duì)民族醫(yī)藥產(chǎn)業(yè)的各類扶持政策，及時(shí)掌握政策動(dòng)態(tài)并主動(dòng)申報(bào)相關(guān)金融優(yōu)惠工具，實(shí)現(xiàn)政策紅利與融資資源的高效對(duì)接。

藏藥企業(yè)要想在新型供應(yīng)鏈金融體系中穩(wěn)健發(fā)展，不僅要依托政策支持和金融工具，更要從根本上提升自身的信用基礎(chǔ)與管理水平，逐步構(gòu)建起“可披露、可評(píng)估、可追溯\"的信用畫像，進(jìn)而實(shí)現(xiàn)從“被動(dòng)融資”向“主動(dòng)信用經(jīng)營(yíng)”的轉(zhuǎn)變。只有實(shí)現(xiàn)產(chǎn)業(yè)與信用體系的雙向升級(jí)，藏藥行業(yè)才能真正融人現(xiàn)代化金融體系，實(shí)現(xiàn)高質(zhì)量發(fā)展與可持續(xù)金融支持的良性循環(huán)。

【參考文獻(xiàn)】

【1】臧克承，謝金平，邵蓉.西藏自治區(qū)藏藥產(chǎn)業(yè)發(fā)展現(xiàn)狀與對(duì)策建議[J]西藏大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021，36（02）：186-193.

【2】趙靜.基于大數(shù)據(jù)的供應(yīng)鏈金融風(fēng)險(xiǎn)管理研究一評(píng)《大數(shù)據(jù)背景下基于供應(yīng)鏈金融的信用風(fēng)險(xiǎn)評(píng)價(jià)方法研究》[J]：中國(guó)科技論文，2023，18（04）：482.

【3】周雷，邱勛，朱奕，等.基于大數(shù)據(jù)的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估實(shí)證研究—以整車制造行業(yè)為例[J].金融發(fā)展研究，2022（05）：64-70.

【4】劉兢軼，王或婧，王靜思.供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)體系構(gòu)建[J].金融發(fā)展研究，2019（11）：63-67.

【5】牟偉明.供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)[J].財(cái)會(huì)月刊，2018（05）：163-169.

【6】范方志，蘇國(guó)強(qiáng)，王曉彥.供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)及其風(fēng)險(xiǎn)管理研究[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2017（12）：34-43.

【7】徐中輝，饒振遠(yuǎn)，黃曉東，等.混合增強(qiáng)型機(jī)器學(xué)習(xí)算法在稀土供應(yīng)鏈金融中評(píng)價(jià)中小企業(yè)信用風(fēng)險(xiǎn)的研究[J].稀有金屬與硬質(zhì)合金，2024，52（04）：94-102.