基于BP神经网络的物流金融风险管理

• 作 者: 钱文彬
• 机 构: 北京工商大学
• 出 处: 北京工商大学
• 发表日期: 2009年期

物流金融的发展对于应对美国次贷危机,缓解国内中小企业资金压力具有重要意义,同时对于推进物流振兴规划,提高物流企业盈利能力具有积极影响。而目前物流企业风险管理能力的滞后严重制约着物流金融的进一步发展,相关的理论研究也仅局限于定性的分析,通过本文的研究,将为企业建立一套较为全面的物流金融风险指标体系,提供一个可以借鉴使用的物流金融风险量化评估工具。　　
本文首先从物流金融、风险管理和神经网络等三个方面构建了以代理型物流金融模式为研究对象,以风险识别、评估和控制为研究路线,以MATLAB7.0神经网络工具箱为研究平台等一系列研究基础。　　
在风险识别环节,本文研究归纳出物流金融业务中融资企业和抵押物的十五个风险影响因子,通过信度调查和检验,最终建立起具有较好一致性和稳定性的物流金融风险指标体系:风险评估是物流金融风险管理的核心,也是本文研究的重点。本文首先分析了运用BP神经网络作为物流金融风险评估模型的优势,然后按照BP神经网络模型的构建要求完成了网络拓扑结构的设计、神经元激发函数的选取、网络学习算法的确定以及网络初始参数的设定,初步建立起了物流金融风险评估模型;在此基础上,本文通过调查问卷和查询公开数据的方法采集到了七组物流金融风险样本并用归一化的方法进行了处理。为了研究需要,本文选取其中六组作为训练样本,剩余一组作为检验样本;最后,本文在MATLAB7.0平台上,运用神经网络工具箱和训练样本对物流金融风险评估模型进行仿真,运用检验样本进行模型有效性检验,最终建立起具有良好评估能力的物流金融风险评估模型:在风险处理环节,本文分别研究了管理型和财务型风险处理方法在物流金融风险处理上的运用,并进一步提出了三条具创新性的风险处理措施。　　
本文首次完成了物流金融风险管理全过程的系统研究,所建立的物流金融风险指标体系和评估模型,以及提出的物流金融风险处理的创新思路将在很大程度上促进物流金融的进一步发展。