融資租賃出現(xiàn)于20世紀(jì)50年代。作為一種具有融資與融物雙重屬性的金融方式,融資租賃因其籌資速度快、限制條款少、設(shè)備淘汰風(fēng)險(xiǎn)小等優(yōu)點(diǎn),在很短的時(shí)間內(nèi)成為了覆蓋全球的融資手段之一。近年來(lái),受到信息技術(shù)的飛速發(fā)展、互聯(lián)網(wǎng)產(chǎn)業(yè)的興起、政策對(duì)中小企業(yè)的扶持等因素的影響,我國(guó)的融資租賃業(yè)務(wù)出現(xiàn)井噴式發(fā)展,已逐漸成為中小企業(yè)首選的融資手段。但是由于融資租賃相對(duì)其他融資手段起步較晚,相關(guān)法律與政策尚不健全,關(guān)于融資租賃業(yè)務(wù)的研究也處于初期階段,與傳統(tǒng)融資機(jī)構(gòu)相比,融資租賃公司往往需要面對(duì)更加復(fù)雜的財(cái)務(wù)風(fēng)險(xiǎn)。上海藍(lán)科融資租賃公司是一家以融資租賃為主要業(yè)務(wù)的金融機(jī)構(gòu),租賃業(yè)務(wù)覆蓋基礎(chǔ)設(shè)施、公共事業(yè)、高分子材料等多個(gè)領(lǐng)域。論文對(duì)上海藍(lán)科融資租賃業(yè)務(wù)的流程與風(fēng)險(xiǎn)來(lái)源進(jìn)行分析,結(jié)合信息不對(duì)稱(chēng)理論,將財(cái)務(wù)風(fēng)險(xiǎn)分為來(lái)自承租人與來(lái)自供貨商兩部分。其中,來(lái)自承租人的財(cái)務(wù)風(fēng)險(xiǎn)影響因素主要為承租人的信用意識(shí)、償債能力和對(duì)租賃物的管理,來(lái)自供貨商的財(cái)務(wù)風(fēng)險(xiǎn)影響因素主要為供貨商的信用意識(shí)、營(yíng)運(yùn)能力和售后服務(wù)�；趯�(duì)風(fēng)險(xiǎn)構(gòu)成的分析,論文對(duì)兩部分的財(cái)務(wù)風(fēng)險(xiǎn)分別設(shè)定財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo),并將這些指標(biāo)進(jìn)行歸一化處理,使用多變量邏輯回歸模型... 

【文章來(lái)源】：哈爾濱理工大學(xué)黑龍江省

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

1歸一化效果示意圖

第3章上海藍(lán)科融資租賃業(yè)務(wù)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)其中，h代表預(yù)測(cè)值；g代表sigmoid函數(shù)；w代表權(quán)重，初始值均為0；b代表偏置，初始值為0。((),)=()(1)1()(35)其中，h代表預(yù)測(cè)值，y代表真實(shí)值，cost函數(shù)表示兩者的誤差值。圖32梯度下降示意圖Figure32Schematicdiagramofgradientdescent由于參數(shù)維度過(guò)高，為了更加直觀(guān)化的表示梯度下降的過(guò)程，上圖僅為梯度下降算法的示意圖。其中，x、y軸代表兩個(gè)維度的權(quán)重，z軸表示誤差值，隨著迭代的不斷進(jìn)行，權(quán)重坐標(biāo)將向誤差較低的方向移動(dòng)。在進(jìn)行多次迭代后，模型在訓(xùn)練集合的準(zhǔn)確率達(dá)到100%，w值為[161.89,105.28,158.69,143.87,109.48,123.48,105.57,120.10,133.11,86.53,48.99,76.72,108.02,89.58,34.74]，b值為11.42。3.2.3來(lái)自承租人的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型檢驗(yàn)根據(jù)上文訓(xùn)練得到的模型，本部分將結(jié)合測(cè)試樣本進(jìn)行進(jìn)一步分析，一方面檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確性，另一方面可以使用單變量模型分析法分析不同指標(biāo)的重要性。將100條測(cè)試數(shù)據(jù)代入模型后，可以得出100條公司的風(fēng)險(xiǎn)評(píng)價(jià)概率，對(duì)其進(jìn)行四舍五入取整，則可以得到0或1的風(fēng)險(xiǎn)評(píng)價(jià)預(yù)測(cè)值；將風(fēng)險(xiǎn)評(píng)價(jià)預(yù)測(cè)值與其對(duì)應(yīng)的風(fēng)險(xiǎn)評(píng)價(jià)真實(shí)值進(jìn)行比較，若相等則判斷正確，反之則判斷錯(cuò)誤。

第4章上海藍(lán)科融資租賃業(yè)務(wù)財(cái)務(wù)風(fēng)險(xiǎn)管理存在問(wèn)題分析第4章上海藍(lán)科融資租賃業(yè)務(wù)財(cái)務(wù)風(fēng)險(xiǎn)管理存在問(wèn)題分析4.1上海藍(lán)科融資租賃業(yè)務(wù)財(cái)務(wù)風(fēng)險(xiǎn)管理組織分析4.1.1當(dāng)前財(cái)務(wù)風(fēng)險(xiǎn)管理組織結(jié)構(gòu)在融資租賃業(yè)務(wù)的開(kāi)展過(guò)程中，除了風(fēng)控部對(duì)風(fēng)險(xiǎn)進(jìn)行直接管理外，其他部分與業(yè)務(wù)的財(cái)務(wù)風(fēng)險(xiǎn)有著千絲萬(wàn)縷的聯(lián)系。圖41上海藍(lán)科管理組織結(jié)構(gòu)圖Figure41ManagementorganizationchartofShanghaiLanke如圖41所示，上海藍(lán)科融資租賃有限公司的管理組織結(jié)構(gòu)為傳統(tǒng)型金字塔式，董事會(huì)和高級(jí)管理人員構(gòu)成公司的決策層。高級(jí)管理人員下設(shè)五個(gè)部門(mén)，分別是業(yè)務(wù)部、風(fēng)控部、法務(wù)部、人事部和財(cái)務(wù)部。高級(jí)管理人員（經(jīng)理、副經(jīng)理等）負(fù)責(zé)對(duì)業(yè)務(wù)部、風(fēng)控部、法務(wù)部、人事部和財(cái)務(wù)部做出重要決策；業(yè)務(wù)部負(fù)責(zé)前期對(duì)合作方的洽談與初步評(píng)估，在業(yè)務(wù)部與合作方達(dá)成一定的共識(shí)后，業(yè)務(wù)部需要通過(guò)實(shí)地考察或第三方驗(yàn)證的方

【參考文獻(xiàn)】：
期刊論文
[1]基于人工智能的企業(yè)人力資源戰(zhàn)略管理系統(tǒng)構(gòu)建與應(yīng)用[J]. 蔡啟明,朱美芳,唐紅.  領(lǐng)導(dǎo)科學(xué). 2019(24)
[2]試論資產(chǎn)負(fù)債表[J]. 鄒菲.  中外企業(yè)家. 2019(30)
[3]淺析數(shù)字化環(huán)境下企業(yè)財(cái)務(wù)管理面臨的機(jī)遇和挑戰(zhàn)[J]. 李霞.  中國(guó)總會(huì)計(jì)師. 2019(10)
[4]我國(guó)融資租賃業(yè)發(fā)展的現(xiàn)狀、問(wèn)題與對(duì)策研究[J]. 夏霞鋆.  現(xiàn)代商業(yè). 2019(28)
[5]全面預(yù)算管理在企業(yè)管理中的運(yùn)用[J]. 李作煒.  時(shí)代金融. 2018(36)
[6]基于神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)在信息機(jī)房自動(dòng)巡檢中的應(yīng)用[J]. 張媛琳,楊永建,譚寬.  電工技術(shù). 2018(24)
[7]關(guān)于財(cái)務(wù)分析服務(wù)企業(yè)經(jīng)營(yíng)決策的探討[J]. 邱芬芬.  納稅. 2018(36)
[8]信貸資產(chǎn)證券化對(duì)商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)的影響[J]. 范蘇清,范蘇洪.  合作經(jīng)濟(jì)與科技. 2018(24)
[9]基于多模型融合的客戶(hù)投訴風(fēng)險(xiǎn)預(yù)測(cè)方法[J]. 辛永,劉燕秋,黃文思,羅義旺.  電力大數(shù)據(jù). 2018(11)
[10]論融資租賃業(yè)務(wù)的風(fēng)險(xiǎn)控制體系構(gòu)建[J]. 李登超.  全國(guó)流通經(jīng)濟(jì). 2018(28)

碩士論文
[1]基于CAMELS體系的融資租賃公司風(fēng)險(xiǎn)管理研究[D]. 陳獻(xiàn)超.廣東外語(yǔ)外貿(mào)大學(xué) 2019
[2]國(guó)際融資租賃風(fēng)險(xiǎn)識(shí)別與控制研究[D]. 鄭貴耀.云南財(cái)經(jīng)大學(xué) 2019
[3]JX公司融資租賃業(yè)務(wù)風(fēng)險(xiǎn)管理研究[D]. 王雪.江西財(cái)經(jīng)大學(xué) 2019
[4]極大不相關(guān)多元邏輯回歸及其在大規(guī)模文本分類(lèi)中的應(yīng)用[D]. 張紅宇.重慶郵電大學(xué) 2019
[5]房地產(chǎn)企業(yè)輕資產(chǎn)經(jīng)營(yíng)模式：轉(zhuǎn)型與業(yè)績(jī)?cè)u(píng)價(jià)[D]. 卞俞晶.安徽工業(yè)大學(xué) 2018
[6]融資租賃企業(yè)的風(fēng)險(xiǎn)評(píng)估研究[D]. 李美琦.內(nèi)蒙古財(cái)經(jīng)大學(xué) 2018
[7]中小微企業(yè)征信與信用評(píng)價(jià)研究[D]. 杜梅.西華大學(xué) 2018
[8]FN融資租賃公司財(cái)務(wù)風(fēng)險(xiǎn)分析[D]. 趙智慧.天津商業(yè)大學(xué) 2017
[9]SX融資租賃公司全面預(yù)算管理問(wèn)題研究[D]. 田曉菲.天津商業(yè)大學(xué) 2016
[10]基于時(shí)序邏輯模型驗(yàn)證的入侵檢測(cè)方法研究[D]. 趙延珂.鄭州大學(xué) 2014



本文編號(hào)：3006863