本站小編為你精心準備了物流金融信用風險論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1商業銀行物流金融信用風險體系指標

根據物流金融的運作特點，可將其風險來源歸納為來自融資企業、抵押物以及第三方物流企業三大方面。借鑒Altman，Haldeman和Narayanan（1977）提出的第二代“ZETA計分模型”中企業信用評價指標體系[3]，將來自融資企業的風險細化為中小企業營運能力w1、盈利能力w2、償債能力w3、及信用記錄w4四大方面的十個具體指標，分別為w11持續經營、w12資產回報率、w13存貨周轉率、w21連續盈利、w22稅后利潤率、w23銷售利潤率、w31穩定存貨、w32資產負債率、w33速凍比率、w41履約率。我國現階段的物流金融業務主要集中于基于權利質押以及基于存貨質押兩種，因此質押物本身的質量也直接關系其風險大小。指標包括：所有權w51、市場性質w61、保險率w71三方面。作為重要參與方的物流企業為實現其對質押物的有效監管，企業規模w81及企業信譽w91也即成為影響物流金融風險的重要指標。

2基于BP神經網絡和證據理論的評價方法

2.1BP神經網絡的基本原理

BP神經網絡，是由Rumelhart和McCelland等人（1986）提出的。其基本思想是，學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。正向傳播時，輸入樣本從輸入層通過隱含層傳向輸出層。若輸出層的實際輸出與期望輸出不符，則轉入誤差的反向傳播階段，并將誤差分攤給各層的所有單元。正向傳播與誤差反向傳播周而復始，一直到網絡輸出的誤差減少到可接受的程度，或預先設定的次數為止。

2.2證據理論的基本原理

①定義1：設Θ為一個互斥又可窮舉的元素的集合，稱作識別框架，基本信任分配函數m是一個集合2Θ到[0，1]的映射，A表現識別框架Θ的任一子集，記作A哿Θ，式中：m（A）稱為時間A的基本信任分配函數，它表示證據對A的信任程度。②Dempter合成法則：假定識別框架Θ下的兩個證據E1和E2,其相應的基本信任函數為m1和m2，焦元分別為Ai和Bj，則m（A）=m1（A）茌m2（A）2.3信用風險評估算法為了保證神經網絡的收斂和穩定性，本論文中將15個指標分為四組，建立4個神經網絡NN1，NN2，NN3和NN4。神經網絡的輸出設計為（0.1，0.1，0.9）T、（0.1，0.9，0.1）T、（0.9，0.1，0.1）T，表示的信用風險級別分別為高風險、中度風險、低風險，記為A1，A2，A3。將輸出歸一化，得到向量（a′i1，a′i2，a′i3）T，記作V′i。令mi（Ai）=a′il，i∈{1，2，3，4}，l∈{1，2，3}，表示由NNi得到的對信用風險級別Ai的基本信任度，即針對事件Ai的證據。之后，再將4個證據利用DS證據理論融合。就可以對信用風險進行評估，最初最終決策。

3應用實例

本次數據采集共發出問卷200份，收回135份，有效問卷92份。將前91組數據分別訓練神經網絡。再將余下1個樣本輸入訓練好的神經網絡，歸一化處理輸出結果即得該證據對該命題的基本概率分配，而后利用DS證據理論將其融合得到最終優化結果。

4結論

本文所提出的基于神經網絡和DS證據理論的物流金融信用風險評價模型，其優勢表現為：此兩種算法的結合，不僅克服了單一神經網絡達到高精度需要迭代次數過多而造成實時性差的缺點，而且通過大量標準樣本對神經網絡的訓練，使得DS證據理論對系統的決策更加準確。

作者：潘永明劉輝輝朱茂東單位：天津理工大學管理學院