【摘要】：伴隨著互聯(lián)網金融的發(fā)展,供應鏈金融已從最早的1.0時代發(fā)展到3.0時代,即互聯(lián)網供應鏈金融。一方面,在現(xiàn)有開展供應鏈金融業(yè)務的主體一銀行和上市公司中,銀行業(yè)務對象的抓大放小、上市公司自有資金的運營弱勢直接導致供應鏈金融業(yè)務存在空白和短缺。另一方面,2014年,P2P網絡借貸平臺出現(xiàn)“資產荒”以及P2P網絡借貸問題平臺的不斷增加,P2P行業(yè)中逐漸成熟的平臺已經開始涉水“供應鏈金融”。但是,在P2P供應鏈金融模式下,P2P網絡借貸平臺面對的是來自中小企業(yè)的信用風險,一旦供應鏈上的中小企業(yè)發(fā)生違約,將會危及P2P網絡借貸平臺的資金運轉,進而影響投資者的資金回收。因此,評價P2P供應鏈金融模式下中小企業(yè)信用風險,一方面可以幫助P2P網絡借貸平臺發(fā)掘優(yōu)質的資產,另一方面對P2P網絡借貸平臺有效評價供應鏈金融模式下中小企業(yè)信用風險評價提出可行性建議。本文在文獻研究和理論研究的基礎上,首先從融資企業(yè)資質、核心企業(yè)資質、融資項目資質、供應鏈伙伴關系以及行業(yè)環(huán)境五個方面構建了信用風險預選評價指標體系,即5個一級指標,14個二級指標以及24個三級指標,結合相關性分析和鑒別力分析,確定了的最終評價指標體系,即5個一級指標,13個二級指標以及20個三級指標。其次,選取以A股煤炭供應鏈上市公司瑞茂通(600180)及其部分子公司為核心企業(yè)的46家中小企業(yè),時間跨度最長為2014-2015年的所需數(shù)據,共形成88個樣本點,通過基于主成分分析的Logistic回歸模型和BP神經網絡模型對P2P供應鏈金融模式下中小企業(yè)信用風險進行了評價,實證結果表明,在相同的指標體系下,運用BP神經網絡模型對P2P供應鏈金融模式下的中小企業(yè)信用風險評價的整體準確率較高,優(yōu)于Logistic回歸模型的評價效果。最后結合理論研究和實證研究結果,本文從信用風險評價自身工作、信用風險評價輔助工作以及加強防范P2P網絡借貸自身法律風險三個方面提出了 P2P供應鏈金融模式下中小企業(yè)信用風險評價建議。
[Abstract]:With the development of Internet finance, supply chain finance has developed from 1.0 times to 3.0 times, that is, Internet supply chain finance. On the one hand, among the banks and listed companies, the main body of the supply chain financial business is banks and listed companies, and the weakness of the operation of their own funds directly leads to the blank and shortage of the supply chain financial business. On the other hand, in 2014, the P2P network loan platform appeared "assets shortage" and the P2P network loan problem platform unceasingly increased, the P2P industry gradually matured platform already began to involve the water "the supply chain finance". However, in the P2P supply chain finance model, P2P network lending platform is faced with the credit risk from small and medium-sized enterprises. Once the small and medium-sized enterprises in the supply chain default, it will endanger the capital operation of P2P network lending platform. In turn, it affects the return of funds to investors. Therefore, evaluating the credit risk of SMEs under the P2P supply chain financial model, on the one hand, can help P2P network lending platform to explore high-quality assets. On the other hand, some feasible suggestions are put forward to evaluate the credit risk of SMEs under the supply chain finance model. On the basis of literature research and theoretical research, this paper first constructs the credit risk pre-selection evaluation index system from five aspects: financing enterprise qualification, core enterprise qualification, financing project qualification, supply chain partnership and industry environment. That is, 5 first class indexes, 14 secondary indexes and 24 third grade indexes, combined with correlation analysis and discriminant analysis, the final evaluation index system is determined, that is, 5 primary index, 13 second class index and 20 third grade index. Secondly, we select 46 small and medium-sized enterprises which take the A share coal supply chain listed company Ruimao Tong (600180) and some of its subsidiaries as the core enterprises. The longest time span is the data needed in 2014-2015, forming a total of 88 sample points. Through the Logistic regression model based on principal component analysis and BP neural network model to evaluate the credit risk of SMEs in P2P supply chain finance model, the empirical results show that under the same index system, The BP neural network model is better than the Logistic regression model in evaluating the credit risk of SMEs under the P2P supply chain finance model. Finally, combined with the theoretical and empirical research results, this paper from the credit risk evaluation of their own work, This paper puts forward some suggestions on credit risk evaluation of SMEs in P2P supply chain finance model from three aspects: supporting work of credit risk evaluation and strengthening prevention of legal risk of P2P network loan.
【學位授予單位】：西安理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F832.4;F275

【參考文獻】

相關期刊論文 前10條

1 蔣曼曼;;供應鏈金融視角下企業(yè)信用風險評價研究[J];經營與管理;2017年02期

2 繆苗;;P2P平臺供應鏈融資業(yè)務內部風險評估[J];財會通訊;2017年02期

3 劉艷春;崔永生;;供應鏈金融下中小企業(yè)信用風險評價——基于SEM和灰色關聯(lián)度模型[J];技術經濟與管理研究;2016年12期

4 趙培培;;P2P供應鏈金融的發(fā)展模式分析[J];商場現(xiàn)代化;2016年29期

5 李思瑤;王積田;柳立超;;基于生存分析的P2P網絡借貸違約風險影響因素研究[J];經濟體制改革;2016年06期

6 周少甫;劉馨子;;上市公司+P2P模式發(fā)展供應鏈金融的研究[J];武漢金融;2016年11期

7 譚中明;黃丹;;基于生態(tài)圈視角的P2P網絡借貸信用風險形成機制及防范研究[J];西南金融;2016年09期

8 宋杰;;P2P洗牌,供應鏈金融成新藍海 業(yè)內稱今年市場規(guī)�？蛇_20億[J];中國經濟周刊;2016年18期

9 于曉虹;樓文高;;基于隨機森林的P2P網貸信用風險評價、預警與實證研究[J];金融理論與實踐;2016年02期

10 王珂;孟海麗;楊全;;模糊Credit Metrics模型及其在信用風險評估中的應用[J];金融理論與實踐;2016年02期

相關重要報紙文章 前4條

1 岳品瑜;;P2P平臺拼資產轉向供應鏈金融[N];北京商報;2015年

2 張巍薇;;P2P的下一個藍海：供應鏈金融[N];現(xiàn)代物流報;2015年

3 張夏楠;陳瓊潔;;P2P涌入供應鏈金融[N];華夏時報;2015年

4 張莉;;P2P平臺擠入供應鏈金融“混戰(zhàn)”[N];中國證券報;2014年

相關碩士學位論文 前4條

1 沈軼雯;P2P網絡借貸行業(yè)信用風險防范策略研究[D];華東師范大學;2015年

2 李寬;線上供應鏈金融信用風險綜合評價研究[D];武漢理工大學;2014年

3 李楠;供應鏈金融的融資產品設計與優(yōu)化[D];天津大學;2012年

4 張鵬;基于委托代理關系的供應鏈風險研究[D];西北大學;2009年

，

本文編號：2405698