基于决策树供应链金融模式信用风险评估.docVIP

基于决策树供应链金融模式信用风险评估.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于决策树供应链金融模式信用风险评估

基于决策树供应链金融模式信用风险评估   内容提要:供应链金融作为一个全新的金融服务模式,在有效解决中小企业融资难和供应链失衡问题的同时,促进商业银行核心竞争力的提升,是对传统中小企业信贷模式的重大突破,其运行需要一套能重新审定中小企业信贷风险的有效方法来与之配套。因此,本文结合供应链金融的特点,建立基于决策树的供应链金融模式信用风险评估体系,对商业银行从供应链角度评估小企业信用有所帮助。      关键词:供应链金融 小企业 决策树 信用评估   中图分类号: F120.4 文献标识码: A 文章编号:1006-1770(2010)04-038-04      一、引言      作为国际产业组织主流模式的供应链生产模式正在逐渐取代纵向一体化生产模式。但该模式在提升企业效率、节约企业成本的同时,深受处在供应链上游或下游的中小企业资金瓶颈带来的“木桶短边”效应的影响。渐次浮出水面的供应链金融,能有效缓解中小企业融资压力,降低供应链整体融资成本,成为一项令人瞩目的金融创新。   融资难一直是制约中小企业发展的主要瓶颈。我国中小企业由于自身信用基础较差、财务信息的透明度较低、可抵押资产少、法律法规体系不健全、政府扶持体系和社会促进体系还未真正建立等原因,很难得到银行的授信。而供应链金融模式则较好地解决了这一问题。供应链金融最大的特点就是以供应链中的大核心企业为出发点,为供应链提供金融支持。一方面,将资金有效注入处于相对弱势的上下游配套中小企业,解决中小企业融资难和供应链失衡的问题;另一方面,将银行信用融入上下游企业的购销行为,增强其商业信用,促进中小企业与核心企业长期战略协同关系的建立,提升供应链的竞争能力。   所谓供应链金融(Supply-Chain-Finance,SCF),是银行面向物流行业的运营过程,围绕核心企业,管理上下游中小企业的资金流和物流,变把握单个企业的不可控风险为供应链企业整体的可控风险,通过立体获取各类信息的方法,将风险控制在最低的金融服务。简单地说,就是银行将核心企业和上下游企业联系在一起,联合提供灵活的金融产品和服务的一种融资模式。供应链金融并非某一单一的业务或产品,它改变了过去??行等金融机构对单一企业主体的授信模式,围绕某“1”家核心企业,从原材料采购到制成中间产品及最终产品,最后由销售网络把产品送到消费者手中这一供应链链条,将供应商、制造商、分销商、零售商直到最终用户连成一个整体,全方位地为链条上的“N”个企业提供融资服务,通过相关企业的职能分工与合作,实现整个供应链的不断增值。因此,它也被称为“1+N”模式 。   供应链金融作为一个全新的金融服务模式,能够为商业银行的战略结构调整及核心竞争力的提升奠定基础,有助于构筑商业银行、企业和商品供应链互利共存、持续发展的产业生态,具有保证资金运行相对安全、提升资金运行效率、培养优质客户等强大的经营优势。这种崭新业务模式是对传统中小企业信贷模式的重大突破,需要一套有效的方法来配合重新审定中小企业的信贷风险。因此,本文在对现有中小企业评级模型和供应链金融模式研究的基础上,结合数据挖掘中的决策树技术,建立基于决策树的供应链金融模式信用评估体系,供商业银行对中小企业的信贷决策参考。      二、决策树      决策树方法是数据挖掘及数据分析中广泛应用的技术,是一种对海量数据集进行分类的非常有效方法,具有清晰直观、易于解释的优点。通过构造决策树模型,提取有价值的分类规则,帮助决策者做出准确的预测已经在很多领域得到应用。   所谓数据挖掘(Data Mining),又称为数据库中的知识发现(Knowledge Discovery in Database, KDD),就是从大量、不完全、有噪声、模糊、随机的数据中获取有效、新颖、潜在有用、最终可理解的模式的非平凡过程,简单的说,数据挖掘就是从大量数据中提取或“挖掘”隐含在其中的潜在有用的信息和知识的过程。在商业上,特指按照既定的业务目标对大量的企业数据进行探索,揭示其中的规律性并进一步将之模型化的先进、有效的方法。   决策树的基本思想是把训练集按一定的分割原则一分为二,两个子集按分割原则再一分为二,如此重复,直到合适的程度,最后的子集称为叶子,叶子被整体地认为属于同一信用级别。对一个待评估的申请者,根据其信用指标从决策树的根节点沿着某个分枝往下走,最后到达哪个叶子节点,则该叶子节点的类别就为该申请者的类别。建立决策树的关键问题是:分割方法;分割程度,即何时子集可以认为是叶子;叶子的信用级别。图1是一个典型的例子:   如上所示决策树是一个类似于流程图的树结构,其中,每个内部节点表示在一个属性上的测试,每个分支代表一个测试输出,每个叶节点代表类或类分布。应用决策树对未知的样本

文档评论(0)

317960162 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档