CN115205044B - 一种供应链金融风险的评估方法、设备及介质 - Google Patents
一种供应链金融风险的评估方法、设备及介质 Download PDFInfo
- Publication number
- CN115205044B CN115205044B CN202210903194.0A CN202210903194A CN115205044B CN 115205044 B CN115205044 B CN 115205044B CN 202210903194 A CN202210903194 A CN 202210903194A CN 115205044 B CN115205044 B CN 115205044B
- Authority
- CN
- China
- Prior art keywords
- risk
- supply chain
- enterprise
- direct supply
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012502 risk assessment Methods 0.000 claims abstract description 53
- 238000012417 linear regression Methods 0.000 claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims description 23
- 230000003068 static effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 206010019345 Heat stroke Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本说明书实施例公开了一种供应链金融风险的评估方法、设备及介质，方法包括：获取与待评估企业相对应的供应商企业信息和采购商企业信息，以确定待评估企业的直接供应链与间接供应链；根据间接供应链中金融交易信息以及风险数据，获取间接供应链中各企业节点存在风险的风险类型、风险类别与风险等级；根据直接供应链中金融交易信息以及直接供应链中的风险数据，以获得直接供应链中的第一风险指标；确定直接供应链与间接供应链的交叉企业信息，并确定待评估企业与所述交叉企业的路径长度；基于预设评价规则确定交叉企业在直接供应链中的第二风险指标；基于线性回归方法对第一风险指标与第二风险指标进行风险评估，以获得直接供应链的风险等级。
Description
技术领域
本说明书涉及金融风险控制技术领域，尤其涉及一种供应链金融风险的评估方法、设备及介质。
背景技术
供应链是指围绕核心企业，将原材料供应商、产品制造商、物流运输企业、仓储管理者、产品经销商及最终消费者串连成一个整体的功能性的网链结构组织。供应链金融是供应链中内外两个或更多主体，通过设计、实施管理活动使金融资源在供应链组织内流转，以协同打造价值的一种模式，即供应链金融是在真实交易基础上，依托核心企业，通过对供应链中物流、信息流、资金流的整合，以满足中小企业资金需求的金融活动。供应链金融风险是指在供应链金融融资过程中，由供应链内部的事先无法预测的不确定因素或外部干扰导致参与主体出现损失的可能性。因此为保证供应链中企业的权益，对于供应链金融风险的有效评估十分重要。
目前市场上评估企业所存在的供应链金融风险的普遍的做法是，通过人工线下尽职调查的方式和通过对工厂的实地勘察，以及对货物的现场查验来调查供应链中的企业是否存在的有风险。由于受限于高额的人力成本以及对供应链业务的打扰，对企业的实地勘察不能做到频繁进行，因而时效性无法保证。并且由于企业之间的供应关系一般存在多个，因此基于单供应链的分析获得的风险评估结果可靠性较低，无法有效表征供应链金融交易中可能存在的风险。
发明内容
本说明书一个或多个实施例提供了一种供应链金融风险的评估方法、设备及介质，用于解决如下技术问题：如何提供一种提高供应链金融的风险识别可靠性的方法。
本说明书一个或多个实施例采用下述技术方案：
本说明书一个或多个实施例提供一种供应链金融风险的评估方法，方法包括：
获取与待评估企业相对应的供应商企业信息和采购商企业信息，以确定与所述待评估企业相对应的直接供应链，并基于所述供应商企业与所述采购商企业分别对应的其他供应链，确定与所述待评估企业相关联的间接供应链；
获取所述间接供应链中金融交易信息以及所述间接供应链中的风险数据，并输入预置风险识别模型中，以输出所述间接供应链中各企业节点存在风险的风险类型、风险类别与风险等级；其中，所述风险类型包括：已事实存在的静态风险以及具有发生概率的动态风险；
获取所述直接供应链中金融交易信息以及所述直接供应链中的风险数据，并将所述直接供应链中的金融交易信息以及所述直接供应链中的风险数据，输入预先训练的风险评分模型中，以获得所述直接供应链中的第一风险指标；
确定所述直接供应链与所述间接供应链的交叉企业信息，并确定所述待评估企业与所述交叉企业的路径长度；
基于预设评价规则获得所述交叉企业中所述金融交易信息的公开质量，以基于所述公开质量、所述路径长度以及所述风险类型、风险类别与风险等级，确定所述交叉企业在所述直接供应链中的第二风险指标；
基于线性回归方法对所述第一风险指标与所述第二风险指标进行风险评估，以获得所述直接供应链的风险评估结果。
可选地，本说明书一个或多个实施例中，获取所述间接供应链中金融交易信息以及所述间接供应链中的风险数据，具体包括：
基于所述间接供应链中各企业节点的公开渠道信息，获取所述各企业节点的历史金融交易信息；其中，所述公开渠道包括：公开网站、公开项目案例；
基于专家经验模型确定所述间接供应链中各企业节点的基础风险数据；其中，所述基础风险数据至少包括以下任意一项或多项：企业规模数据、信用状态数据、偿债能力数据、企业发展能力数据；
确定所述间接供应链中各企业节点所属的产业类型，并基于所述金融交易信息确定各所述企业节点的金融交易类型；
根据所述企业节点所属的产业类型，确定各所述企业节点所对应的特征风险数据的范围，以根据所述金融交易类型在所述特征风险数据的范围中筛选出各所述企业节点的特征风险数据；
获取所述基础风险数据与所述特征风险数据的并集，并将所述并集中的数据作为所述间接供应链中各所述企业节点的风险数据。
可选地，本说明书一个或多个实施例中，将所述直接供应链中的金融交易信息以及所述直接供应链中的风险数据，输入预先训练的风险评分模型中之前，所述方法还包括：
获取至少两个企业节点的风险数据所对应的风险指标，并将所述风险数据以及所述风险指标作为风险评分模型的训练数据，将所述训练数据与对应的企业节点标识进行关联；
基于所述节点标识将所述训练数据划分到正样本集合或负样本集合；其中，所述正样本集合与所述负样本集合中的训练数据的数量相同；
将企业违约概率函数作为所述风险评分模型的目标函数，对所述训练数据进行训练获得待评价风险评分模型；
若基于所述正样本与所述负样本校验所述待评价风险评分模型满足预设需求，则将所述待评价风险评分模型，作为所述直接供应链的风险评分模型，以便基于所述风险评分模型的评分结果，量化所述直接供应链中的风险数据，确定出所述直接供应链中的第二风险指标。
可选地，本说明书一个或多个实施例中。确定所述直接供应链与所述间接供应链的交叉企业，并确定所述待评估企业与所述交叉企业的路径长度之前，所述方法还包括：
根据所述直接供应链与所述间接供应链中各所述企业节点的金融交易数据，确定具有金融交易关联的交易节点；
根据各所述交易节点在所述直接供应链与所述间接供应链上的上下游关系，构建所述直接供应链与所述间接供应链所对应的交易关联图谱；
基于所述交易关联图谱确定任意两个交易节点之间的交易路径，以便将所述交易路径中包含的节点数量作为所述待评估企业与所述交叉企业的路径长度。
可选地，本说明书一个或多个实施例中，基于预设评价规则获得所述交叉企业中所述金融交易信息的公开质量，具体包括：
获取公开网站中与所述交叉企业中的所述金融交易信息相关的多个风险评估报告；
基于所述多个风险评估报告中获取与所述金融交易信息中的任意一个交易风险信息，相对应的一个或多个风险评估字段；其中，所述交易风险信息与所述静态风险或所述动态风险相关联；
根据所述风险评估字段的总数与包含该交易风险信息的风险评估字段的数量，确定各所述交叉企业中对该交易风险信息的平均占比比重；
根据所述交叉企业中金融交易信息对所述交易风险信息的占比比重与所述平均占比比重的差值，确定所述公开质量的第一占比权重值；
确定所述风险评估字段中交易风险信息的第一类别总数与所述交叉企业中金融交易信息中交易风险的第二类别总数，以基于所述第一类别总数与所述第二类别中暑的差值，确定所述公开质量的第二占比权重值；
基于所述第一占比比重值与所述第二占比比重值的和确定各所述交叉企业的交叉企业中金融交易信息的公开质量。
可选地，本说明书一个或多个实施例中，基于所述公开质量、所述路径长度以及所述间接供应链中该交叉节点的风险类型、风险类别与风险等级，确定所述交叉企业在所述直接供应链中的第二风险指标，具体包括：
基于所述交叉节点的风险类别对各风险数据的公开质量、所述路径长度、风险类型与所述风险等级进行划分，从而确定所述交叉节点各风险类别的评估集合；
若基于所述风险类型与所述路径长度确定所述交叉节点为所述风险类别的起始点，则对该风险类别进行风险起始标记；
基于所述风险数据的公开质量与所述风险等级的加权乘积，确定该风险类别的危险级别，并将所述危险级别大于危险阈值的风险类别作为所述交叉企业的初始风险指标；
若所述初始风险指标覆盖所述风险起始标记的风险类别，则将所述初始风险指标，作为所述交叉企业在所述直接供应链中的第二风险指标；
若所述初始风险指标未覆盖具有所述风险起始标记的风险类别，则将处于所述初始风险指标之外具有所述风险起始标记的风险类别，与所述初始风险指标，构成所述交叉企业在所述直接供应链中的第二风险指标。
可选地，本说明书一个或多个实施例中，基于线性回归方法对所述第一风险指标与所述第二风险指标进行综合评估，以获得所述直接供应链的风险评估结果，具体包括：
建立所述直接供应链的线性回归模型，并基于预设直接供应链的指标训练样本对所述线性回归模型进行初始化，获得所述线性回归模型的初始回归系数；
若基于预设直接供应链的指标校验样本，确定所述线性回归模型的评估结果的错误率大于预设错误率阈值，则调整所述初始回归系数迭代获得符合要求的线性回归模型；
将所述第一风险指标与所述第二风险指标输入所述符合要求的线性回归模型中，从而计算获得所述直接供应链的综合风险评估结果。
可选地，本说明书一个或多个实施例中，基于线性回归方法对所述第一风险指标与所述第二风险指标进行综合评估，以获得所述直接供应链的风险评估结果之后，所述方法还包括：
基于所述直接供应链的风险评估结果，确定所述直接供应链中的风险企业；
获取所述风险企业所属的行业领域与所述风险企业的主营业务信息，并根据所述直接供应链中金融交易信息，确定所述风险企业在所述直接供应链中的角色；其中，所述角色至少包括以下任意一项或多项：供应商企业、采购商企业、物流企业；
获取所述直接供应链中与所述风险企业的角色相同的待替换企业，并基于所述风险企业所属的行业领域与所述风险企业的主营业务信息对所述待替换企业进行筛选；
若确定所述直接供应链中的所述待替换企业与所述行业领域以及所述主营业务信息相匹配，则将所述风险企业移出所述直接供应链；
若确定所述直接供应链中的所述待替换企业与所述行业领域以及所述主营业务信息不匹配，则获取所述间接供应链中与所述行业领域以及所述主营业务信息相匹配的多个企业；
并确定各所述企业中与所述交叉企业的路径长度最短的企业作为替换企业，以将所述替换企业与所述替换企业所在的分支链加入所述直接供应链中并将所述风险企业移出所述直接供应链。
本说明书一个或多个实施例提供一种供应链金融风险的评估设备，包括：用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行：
获取与待评估企业相对应的供应商企业信息和采购商企业信息，以确定与所述待评估企业相对应的直接供应链，并基于所述供应商企业与所述采购商企业分别对应的其他供应链，确定与所述待评估企业相关联的间接供应链；
获取所述间接供应链中金融交易信息以及所述间接供应链中的风险数据，并输入预置风险识别模型中，以输出所述间接供应链中各企业节点存在风险的风险类型、风险类别与风险等级；其中，所述风险类型包括：已事实存在的静态风险以及具有发生概率的动态风险；
获取所述直接供应链中金融交易信息以及所述直接供应链中的风险数据，并将所述直接供应链中的金融交易信息以及所述直接供应链中的风险数据，输入预先训练的风险评分模型中，以获得所述直接供应链中的第一风险指标；
确定所述直接供应链与所述间接供应链的交叉企业信息，并确定所述待评估企业与所述交叉企业的路径长度；
基于预设评价规则获得所述交叉企业中所述金融交易信息的公开质量，以基于所述公开质量、所述路径长度以及所述风险类型、风险类别与风险等级，确定所述交叉企业在所述直接供应链中的第二风险指标；
基于线性回归方法对所述第一风险指标与所述第二风险指标进行风险评估，以获得所述直接供应链的风险评估结果。
本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
获取与待评估企业相对应的供应商企业信息和采购商企业信息，以确定与所述待评估企业相对应的直接供应链，并基于所述供应商企业与所述采购商企业分别对应的其他供应链，确定与所述待评估企业相关联的间接供应链；
获取所述间接供应链中金融交易信息以及所述间接供应链中的风险数据，并输入预置风险识别模型中，以输出所述间接供应链中各企业节点存在风险的风险类型、风险类别与风险等级；其中，所述风险类型包括：已事实存在的静态风险以及具有发生概率的动态风险；
获取所述直接供应链中金融交易信息以及所述直接供应链中的风险数据，并将所述直接供应链中的金融交易信息以及所述直接供应链中的风险数据，输入预先训练的风险评分模型中，以获得所述直接供应链中的第一风险指标；
确定所述直接供应链与所述间接供应链的交叉企业信息，并确定所述待评估企业与所述交叉企业的路径长度；
基于预设评价规则获得所述交叉企业中所述金融交易信息的公开质量，以基于所述公开质量、所述路径长度以及所述风险类型、风险类别与风险等级，确定所述交叉企业在所述直接供应链中的第二风险指标；
基于线性回归方法对所述第一风险指标与所述第二风险指标进行风险评估，以获得所述直接供应链的风险评估结果。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
考虑到待评估企业所对应的直接供应链与间接供应链，增加了风险分析的可靠性。在获得直接供应链的第一风险指标的同时，通过对间接供应链中风险数据的分析确定出了各企业的风险类型、风险类别和风险等级，从而结合金融交易信息的公开质量确定处理间接供应链与直接供应链的交叉企业对直接供应链的第二风险指标，从而综合考虑了第一风险指标与第二风险指标对于直接供应链的风险影响获得综合评估结果，增加了风险评估的可靠性，避免了单供应链评估不全面的问题。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本说明书实施例提供的一种供应链金融风险的评估方法的方法流程示意图；
图2为本说明书实施例提供的一种供应链金融风险的评估设备的设备内部结构示意图；
图3为本说明书实施例提供的一种非易失性存储介质的内部结构示意图。
具体实施方式
本说明书实施例提供一种供应链金融风险的评估方法、设备及介质。
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
如图1所示，本说明书一个或多个实施例中提供了一种供应链金融风险的评估方法的方法流程示意图。由图1可知，方法包括以下步骤：
S101：获取与待评估企业相对应的供应商企业信息和采购商企业信息，以确定与所述待评估企业相对应的直接供应链，并基于所述供应商企业与所述采购商企业分别对应的其他供应链，确定与所述待评估企业相关联的间接供应链。
为了充分考虑供应链金融交易中可能存在的风险影响，避免待评估企业的受到金融交易的风险，需要对该待评估企业所在的直接供应链进行风险评估。本说明书实施例中获取到与待评估企业相对应的供应商企业信息和采购商企业信息，从而确定出与待评估企业相对应的直接供应链，并且获得供应商企业和采购商企业分别对应的其他供应链，从而将其他供应链作为与该待评估企业的直接供应链相关的间接供应链。
S102：获取所述间接供应链中金融交易信息以及所述间接供应链中的风险数据，并输入预置风险识别模型中，以输出所述间接供应链中各企业节点存在风险的风险类型、风险类别与风险等级；其中，所述风险类型包括：已事实存在的静态风险以及具有发生概率的动态风险。
在上述步骤确定出待评估企业所在的直接供应链与间接供应链中，为了充分表征待评估企业所处供应链的金融风险，本说明书实施例获取间接供应链中金融交易信息以及间接供应链中的风险数据，其中可以理解的是,风险数据可以包括：企业信贷数据，企业盈利能力数据、企业还债能力数据、企业发展趋势数据、企业失信数据等与金融交易相关的数据。将获取的风险数据以及金融交易信息输入到预先设置的风险识别模型中，从而输出间接供应链中各个企业节点所存在的风险类型、风险类别以及风险等级。其中，需要说明的是，风险类型包含有已经存在的静态风险以及预测到的具有发生概率的动态风险，以便于基于静态风险确定当前应该及时控制的风险，基于动态风险确定当前应当预防的风险。
为了充分考虑可能存在的风险数据，提高风险评估的精确度。在本说明书一个或多个实施例中，获取间接供应链中金融交易信息以及间接供应链中的风险数据，具体包括以下过程：首先由于金融交易信息可能为企业的保密信息，所以需要根据间接供应链中各企业节点的公开渠道信息，获取各企业节点所公开的历史金融交易信息。其中，需要说明的是公开渠道包括有：公开网站、公开项目案例等公开方式。然后根据专家经验模型确定出间接供应链中各个企业节点的基础风险数据。其中，需要说明的是基础风险数据至少包括以下任意一项或多项：企业规模数据、信用状态数据、偿债能力数据、企业发展能力数据等对于各个企业的供应链金融风险评估均需要的基本风险数据。
然后为了避免由于金融交易的类型不同所导致的风险数据存在出入的问题，确定出了间接供应链中各个企业节点所属的产业类型，并且根据金融交易信息确定出了各个企业节点的金融交易类型。然后再根据企业节点所属的产业类型，例如：金属制造类型、建材生产类型、食品加工类型等产业类型，确定出各企业节点所对应的特征风险数据的范围，从而根据金融交易类型在特征风险数据的范围中筛选出各企业节点的特征风险数据。例如：莫企业节点所属的产业为食品加工企业，其风险数据包括有“加工原料所在地的气象影响数据”，但若该金融交易类型并未涉及到产品金融那么该特征风险数据“加工原料所在地的气象影响数据”则不属于该企业节点的特征风险数据。然后获取基础风险数据与特征风险数据的并集，并将确定的并集中的数据作为间接供应链中各企业节点的风险数据。
S103：获取所述直接供应链中金融交易信息以及所述直接供应链中的风险数据，并将所述直接供应链中的金融交易信息以及所述直接供应链中的风险数据，输入预先训练的风险评分模型中，以获得所述直接供应链中的第一风险指标。
为了确定直接供应链中存在的金融风险指标，本说明书实施例在上述步骤S101确定了待评估企业的直接供应链之后，获取直接供应链中金属交易信息以及直接供应链中的风险数据输入到预先训练的风险评分模型中，从而获得直接供应链中的第一风险指标。
为了获得符合要求的风险评分模型，在本说明书一个或多个实施例中，将直接供应链中的金融交易信息以及直接供应链中的风险数据，输入预先训练的风险评分模型中之前，方法还包括以下过程：
首先获取至少两个企业节点的风险数据所对应的风险指标，并且将风险数据以及风险指标作为风险评分模型的训练数据，将训练数据与对应的企业节点标识进行关联。然后根据节点标识将训练数据划分到正样本集合或负样本集合。其中，可以理解的是正样本集合与负样本集合中的训练数据的数量相同，为等比例划分。将企业的违约概率函数作为风险评分模型的目标函数，基于上述样本集合中的训练数据对该模型进行训练，获得待评价风险评分模型。如果根据正样本与负样本校验待评价风险评分模型满足预设需求，那么就将待评价风险评分模型，作为直接供应链的风险评分模型，以便根据风险评分模型的评分结果，量化直接供应链中的风险数据，确定出直接供应链中的第二风险指标。
S104：确定所述直接供应链与所述间接供应链的交叉企业信息，并确定所述待评估企业与所述交叉企业的路径长度。
为了将间接供应链中所对应的风险指标加入直接供应链的风险评估过程中，本说明书实施例确定直接供应链与间接供应链的交叉企业，并确定出待评估企业和交叉企业的路径长度以便于后续对于第二风险指标的确定。
为了方便确定待评估企业和交叉企业之间的路径长度，在本说明书一个或多个实施例中，确定直接供应链与间接供应链的交叉企业，并确定待评估企业与交叉企业的路径长度之前，方法还包括以下过程：
首先根据直接供应链与间接供应链中各企业节点的金融交易数据，确定出具有金融交易关联的交易节点。根据各个交易节点在直接供应链与间接供应链上的上下游关系，构建出直接供应链与间接供应链所对应的交易关联图谱。然后基于交易关联图谱确定出各个企业节点中任意两个交易节点之间的交易路径，以便与把交易路径中包含的节点数量作为所述待评估企业与所述交叉企业的路径长度。
S105：基于预设评价规则获得所述交叉企业中所述金融交易信息的公开质量，以基于所述公开质量、所述路径长度以及所述风险类型、风险类别与风险等级，确定所述交叉企业在所述直接供应链中的第二风险指标。
为了将间接供应链中影响直接供应链金融的风险指标，加入直接供应链的评估过程中，从而提高供应链金融的可靠性维护供应链金融的交易安全。本说明书实施例中基于预设评价规则获得交叉企业中金融交易信息的公开质量，从而根据该金融交易信息的公开质量以及上述步骤中确定的交叉企业到待评估企业的路径长度、间接供应链的风险类型、风险类别和风险等级，综合评判后确定出交叉企业对于直接供应链的第二风险指标。
具体地，由于金融交易信息的公开程度对供应链金融的可靠性具有影响，所以在本说明书一个或多个实施例中，基于预设评价规则获得交叉企业中金融交易信息的公开质量，具体包括以下过程：
首先获取公开网站中与和交叉企业中的金融交易信息相关的多个风险评估报告。然后基于多个风险评估报告获取与该金融交易信息中的任意一个交易风险信息，相对应的一个或多个风险评估字段。其中可以理解的是交易风险信息与静态风险或动态风险相关联。在确定出风险评估字段之后，根据风险评估字段的总数以及包含该交易风险信息的风险评估字段的数量，将风险评估字段的总数与包含该金融风险信息的风险评估字段的数量的比值，作为各交叉企业中该交易风险信息的平均占比比重。然后根据交叉企业中金融交易信息对交易风险信息的占比比重与平均占比比重的差值，确定出公开质量的第一占比权重值。可以理解的是交叉企业中金融交易信息中交易风险信息的占比比重大于平均占比比重时，差值越大那么公开质量的第一占比权重值越高，而当交叉企业中金融交易信息中金融交易风险信息的占比比重小于平均占比比重时，差值越小那么公开质量的第一占比权重值越高。即交叉企业中金融交易信息中交易风险信息的占比比重越高，那么说明信息的公开质量就越高，进而权重值就越高。
在确定出第一占比比重值的同时，确定出风险评估字段中交易风险信息的第一类别总数与交叉企业中金融交易信息中交易风险的第二类别总数，从而根据第一类别总数与第二类别中暑的差值，确定出公开质量的第二占比权重值。同样的，可以理解的是交叉企业中金融交易信息中交易风险的第二类别总数越高，那么说明该企业公开的信息数量越高，进而权重值就越高。将第一占比比重值与第二占比比重值的和，作为交叉企业中金融交易信息的公开质量，从而确定出交叉企业中金融交易信息的公开质量。
在本说明书一个或多个实施例中，基于公开质量、路径长度以及间接供应链中该交叉节点的风险类型、风险类别与风险等级，确定交叉企业在所述直接供应链中的第二风险指标，具体包括以下过程：
首先基于交叉节点的风险类别对各风险数据的公开质量、路径长度、风险类型与风险等级进行划分，从而确定出交叉节点各风险类别的评估集合。如果根据风险类型与路径长度确定交叉节点为风险类别的起始点，那么将该风险类别进行风险起始标记。根据风险数据的公开质量与风险等级的加权乘积，确定出该风险类别的危险级别，并将危险级别大于危险阈值的风险类别作为交叉企业的初始风险指标。如果初始风险指标覆盖了风险起始标记的风险类别，即初始风险指标中包含了所有具有风险起始标记的风险类别，那么则将该初始风险指标，作为交叉企业在所述直接供应链中的第二风险指标。如果初始风险指标没有覆盖具有风险起始标记的风险类别，那么将处于初始风险指标之外的具有风险起始标记的风险类别，与初始风险指标，构成该交叉企业在直接供应链中的第二风险指标。
S106：基于线性回归方法对所述第一风险指标与所述第二风险指标进行风险评估，以获得所述直接供应链的风险评估结果。
在基于上述步骤S101-S106获取到影响直接供应链风险的第一风险指标以及第二风险指标之后，本说明书实施例基于线性回归方法对第一风险指标与第二风险指标进行风险评估，从而获得直接供应链的风险评估结果。
具体地，在本说明书一个或多个实施例中，基于线性回归方法对第一风险指标与第二风险指标进行综合评估，以获得直接供应链的风险评估结果，具体包括以下过程：
首先需要建立该直接供应链的线性回归模型，并根据预设直接供应链的指标训练样本对线性回归模型进行初始化，获得直接供应链中线性回归模型的初始回归系数。如果根据预设直接供应链的指标校验样本，确定线性回归模型的评估结果的错误率大于预设错误率阈值，那么调整初始回归系数迭代获得符合要求的直接供应链的线性回归模型。然后将上述过程中获得的第一风险指标与第二风险指标输入到符合要求的线性回归模型中，从而计算获得该直接供应链的综合风险评估结果。
进一步地，为了实现对于供应链金融风险的控制，扼制风险的进一步发展所导致供应链金融的经济损失。在本说明书一个或多个实施例中，基于线性回归方法对所述第一风险指标与所述第二风险指标进行风险评估，以获得直接供应链的风险评估结果之后，方法还包括：
根据上述过程中基于第一风险指标与第二风险指标进行综合风险评估，所确定出的直接供应链的风险评估结果，确定出直接供应链中的风险企业。然后获取风险企业所属的行业领域以及风险企业的主营业务信息，并根据直接供应链中金融交易信息，确定出风险企业在直接供应链中的角色。其中，需要说明的是角色至少包括以下任意一项或多项：供应商企业、采购商企业、物流企业等。然后获取直接供应链中与风险企业的角色相同的待替换企业，例如：如果风险企业为供应商企业那么待替换企业也是该角色，也就是说待替换企业也是供应商企业。然后根据风险企业所属的行业领域以及风险企业的主营业务信息对待替换企业进行筛选。如果确定直接供应链中的待替换企业与行业领域以及主营业务信息相匹配，那么就将风险企业移出该直接供应链。而如果确定直接供应链中的待替换企业与行业领域以及主营业务信息并不匹配，那么为了进一步筛选相应的企业对风险企业进行替换，需要从间接供应链中查找相应的企业，即获取间接供应链中与行业领域以及主营业务信息相匹配的多个企业。为了尽可能的节省替换的代价，确定各企业中与交叉企业的路径长度最短的企业作为该风险企业的替换企业，从而将替换企业以及该替换企业所在的分支链加入到直接供应链中，并将风险企业移出直接供应链，实现对于风险企业的隔离，实现了对于供应链金融风险的控制。
如图2所示，本说明书一个或多个实施例提供一种供应链金融风险的评估设备的内部结构示意图，由图2可知，设备包括：用于存储计算机程序指令的存储器201和用于执行程序指令的处理器202，其中，当该计算机程序指令被该处理器202执行时，触发该设备执行：
获取与待评估企业相对应的供应商企业信息和采购商企业信息，以确定与所述待评估企业相对应的直接供应链，并基于所述供应商企业与所述采购商企业分别对应的其他供应链，确定与所述待评估企业相关联的间接供应链；
获取所述间接供应链中金融交易信息以及所述间接供应链中的风险数据，并输入预置风险识别模型中，以输出所述间接供应链中各企业节点存在风险的风险类型、风险类别与风险等级；其中，所述风险类型包括：已事实存在的静态风险以及具有发生概率的动态风险；
获取所述直接供应链中金融交易信息以及所述直接供应链中的风险数据，并将所述直接供应链中的金融交易信息以及所述直接供应链中的风险数据，输入预先训练的风险评分模型中，以获得所述直接供应链中的第一风险指标；
确定所述直接供应链与所述间接供应链的交叉企业信息，并确定所述待评估企业与所述交叉企业的路径长度；
基于预设评价规则获得所述交叉企业中所述金融交易信息的公开质量，以基于所述公开质量、所述路径长度以及所述风险类型、风险类别与风险等级，确定所述交叉企业在所述直接供应链中的第二风险指标；
基于线性回归方法对所述第一风险指标与所述第二风险指标进行风险评估，以获得所述直接供应链的风险评估结果。
如图3所示，本说明书一个或多个实施例提供一种非易失性存储介质的内部结构示意图，由图3可知，一种非易失性存储介质存储有计算机可执行指令301，所述计算机可执行指令301能够：
获取与待评估企业相对应的供应商企业信息和采购商企业信息，以确定与所述待评估企业相对应的直接供应链，并基于所述供应商企业与所述采购商企业分别对应的其他供应链，确定与所述待评估企业相关联的间接供应链；
获取所述间接供应链中金融交易信息以及所述间接供应链中的风险数据，并输入预置风险识别模型中，以输出所述间接供应链中各企业节点存在风险的风险类型、风险类别与风险等级；其中，所述风险类型包括：已事实存在的静态风险以及具有发生概率的动态风险；
获取所述直接供应链中金融交易信息以及所述直接供应链中的风险数据，并将所述直接供应链中的金融交易信息以及所述直接供应链中的风险数据，输入预先训练的风险评分模型中，以获得所述直接供应链中的第一风险指标；
确定所述直接供应链与所述间接供应链的交叉企业信息，并确定所述待评估企业与所述交叉企业的路径长度；
基于预设评价规则获得所述交叉企业中所述金融交易信息的公开质量，以基于所述公开质量、所述路径长度以及所述风险类型、风险类别与风险等级，确定所述交叉企业在所述直接供应链中的第二风险指标；
基于线性回归方法对所述第一风险指标与所述第二风险指标进行风险评估，以获得所述直接供应链的风险评估结果。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (8)
1.一种供应链金融风险的评估方法，其特征在于，所述方法包括：
获取与待评估企业相对应的供应商企业信息和采购商企业信息，以确定与所述待评估企业相对应的直接供应链，并基于所述供应商企业与所述采购商企业分别对应的其他供应链，确定与所述待评估企业相关联的间接供应链；
获取所述间接供应链中金融交易信息以及所述间接供应链中的风险数据，并输入预置风险识别模型中，以输出所述间接供应链中各企业节点存在风险的风险类型、风险类别与风险等级；其中，所述风险类型包括：已事实存在的静态风险以及具有发生概率的动态风险；
获取所述直接供应链中金融交易信息以及所述直接供应链中的风险数据，并将所述直接供应链中的金融交易信息以及所述直接供应链中的风险数据，输入预先训练的风险评分模型中，以获得所述直接供应链中的第一风险指标；
确定所述直接供应链与所述间接供应链的交叉企业信息，并确定所述待评估企业与所述交叉企业的路径长度；
基于预设评价规则获得所述交叉企业中所述金融交易信息的公开质量，以基于所述公开质量、所述路径长度以及所述风险类型、风险类别与风险等级，确定所述交叉企业在所述直接供应链中的第二风险指标；
基于线性回归方法对所述第一风险指标与所述第二风险指标进行风险评估，以获得所述直接供应链的风险评估结果；
确定所述直接供应链与所述间接供应链的交叉企业，并确定所述待评估企业与所述交叉企业的路径长度之前，所述方法还包括：
根据所述直接供应链与所述间接供应链中各所述企业节点的金融交易数据，确定具有金融交易关联的交易节点；
根据各所述交易节点在所述直接供应链与所述间接供应链上的上下游关系，构建所述直接供应链与所述间接供应链所对应的交易关联图谱；
基于所述交易关联图谱确定任意两个交易节点之间的交易路径，以便将所述交易路径中包含的节点数量作为所述待评估企业与所述交叉企业的路径长度；
基于所述公开质量、所述路径长度以及所述风险类型、风险类别与风险等级，确定所述交叉企业在所述直接供应链中的第二风险指标，具体包括：
基于交叉节点的风险类别对各风险数据的公开质量、所述路径长度、风险类型与所述风险等级进行划分，从而确定所述交叉节点各风险类别的评估集合；
若基于所述风险类型与所述路径长度确定所述交叉节点为所述风险类别的起始点，则对该风险类别进行风险起始标记；
基于所述风险数据的公开质量与所述风险等级的加权乘积，确定该风险类别的危险级别，并将所述危险级别大于危险阈值的风险类别作为所述交叉企业的初始风险指标；
若所述初始风险指标覆盖所述风险起始标记的风险类别，则将所述初始风险指标，作为所述交叉企业在所述直接供应链中的第二风险指标；
若所述初始风险指标未覆盖具有所述风险起始标记的风险类别，则将处于所述初始风险指标之外具有所述风险起始标记的风险类别，与所述初始风险指标，构成所述交叉企业在所述直接供应链中的第二风险指标。
2.根据权利要求1所述的一种供应链金融风险的评估方法，其特征在于，所述获取所述间接供应链中金融交易信息以及所述间接供应链中的风险数据，具体包括：
基于所述间接供应链中各企业节点的公开渠道信息，获取所述各企业节点的历史金融交易信息；其中，所述公开渠道包括：公开网站、公开项目案例；
基于专家经验模型确定所述间接供应链中各企业节点的基础风险数据；其中，所述基础风险数据至少包括以下任意一项或多项：企业规模数据、信用状态数据、偿债能力数据、企业发展能力数据；
确定所述间接供应链中各企业节点所属的产业类型，并基于所述金融交易信息确定各所述企业节点的金融交易类型；
根据所述企业节点所属的产业类型，确定各所述企业节点所对应的特征风险数据的范围，以根据所述金融交易类型在所述特征风险数据的范围中筛选出各所述企业节点的特征风险数据；
获取所述基础风险数据与所述特征风险数据的并集，并将所述并集中的数据作为所述间接供应链中各所述企业节点的风险数据。
3.根据权利要求1所述的一种供应链金融风险的评估方法，其特征在于，所述将所述直接供应链中的金融交易信息以及所述直接供应链中的风险数据，输入预先训练的风险评分模型中之前，所述方法还包括：
获取至少两个企业节点的风险数据所对应的风险指标，并将所述风险数据以及所述风险指标作为风险评分模型的训练数据，将所述训练数据与对应的企业节点标识进行关联；
基于所述节点标识将所述训练数据划分到正样本集合或负样本集合；其中，所述正样本集合与所述负样本集合中的训练数据的数量相同；
将企业违约概率函数作为所述风险评分模型的目标函数，对所述训练数据进行训练获得待评价风险评分模型；
若基于所述正样本与所述负样本校验所述待评价风险评分模型满足预设需求，则将所述待评价风险评分模型，作为所述直接供应链的风险评分模型，以便基于所述风险评分模型的评分结果，量化所述直接供应链中的风险数据，确定出所述直接供应链中的第一风险指标。
4.根据权利要求1所述的一种供应链金融风险的评估方法，其特征在于，所述基于预设评价规则获得所述交叉企业中所述金融交易信息的公开质量，具体包括：
获取公开网站中与所述交叉企业中的所述金融交易信息相关的多个风险评估报告；
基于所述多个风险评估报告中获取与所述金融交易信息中的任意一个交易风险信息，相对应的一个或多个风险评估字段；其中，所述交易风险信息与所述静态风险或所述动态风险相关联；
根据所述风险评估字段的总数与包含该交易风险信息的风险评估字段的数量，确定各所述交叉企业中对该交易风险信息的平均占比比重；
根据所述交叉企业中金融交易信息对所述交易风险信息的占比比重与所述平均占比比重的差值，确定所述公开质量的第一占比权重值；
确定所述风险评估字段中交易风险信息的第一类别总数与所述交叉企业中金融交易信息中交易风险的第二类别总数，以基于所述第一类别总数与所述第二类别总数的差值，确定所述公开质量的第二占比权重值；
基于所述第一占比权重值与所述第二占比权重值的和确定各所述交叉企业的交叉企业中金融交易信息的公开质量。
5.根据权利要求1所述的一种供应链金融风险的评估方法，其特征在于，所述基于线性回归方法对所述第一风险指标与所述第二风险指标进行风险评估，以获得所述直接供应链的风险评估结果，具体包括：
建立所述直接供应链的线性回归模型，并基于预设直接供应链的指标训练样本对所述线性回归模型进行初始化，获得所述线性回归模型的初始回归系数；
若基于预设直接供应链的指标校验样本，确定所述线性回归模型的评估结果的错误率大于预设错误率阈值，则调整所述初始回归系数迭代获得符合要求的线性回归模型；
将所述第一风险指标与所述第二风险指标输入所述符合要求的线性回归模型中，从而计算获得所述直接供应链的综合风险评估结果。
6.根据权利要求1所述的一种供应链金融风险的评估方法，其特征在于，所述基于线性回归方法对所述第一风险指标与所述第二风险指标进行综合评估，以获得所述直接供应链的风险评估结果之后，所述方法还包括：
基于所述直接供应链的风险评估结果，确定所述直接供应链中的风险企业；
获取所述风险企业所属的行业领域与所述风险企业的主营业务信息，并根据所述直接供应链中金融交易信息，确定所述风险企业在所述直接供应链中的角色；其中，所述角色至少包括以下任意一项或多项：供应商企业、采购商企业、物流企业；
获取所述直接供应链中与所述风险企业的角色相同的待替换企业，并基于所述风险企业所属的行业领域与所述风险企业的主营业务信息对所述待替换企业进行筛选；
若确定所述直接供应链中的所述待替换企业与所述行业领域以及所述主营业务信息相匹配，则将所述风险企业移出所述直接供应链；
若确定所述直接供应链中的所述待替换企业与所述行业领域以及所述主营业务信息不匹配，则获取所述间接供应链中与所述行业领域以及所述主营业务信息相匹配的多个企业；
并确定各所述企业中与所述交叉企业的路径长度最短的企业作为替换企业，以将所述替换企业与所述替换企业所在的分支链加入所述直接供应链中并将所述风险企业移出所述直接供应链。
7.一种供应链金融风险的评估设备，其特征在于，所述设备包括：用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行权利要求1-6中的任一项所述的方法。
8.一种供应链金融风险的评估非易失性存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令能够执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210903194.0A CN115205044B (zh) | 2022-07-29 | 2022-07-29 | 一种供应链金融风险的评估方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210903194.0A CN115205044B (zh) | 2022-07-29 | 2022-07-29 | 一种供应链金融风险的评估方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115205044A CN115205044A (zh) | 2022-10-18 |
| CN115205044B true CN115205044B (zh) | 2024-02-13 |
Family
ID=83584370
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210903194.0A Active CN115205044B (zh) | 2022-07-29 | 2022-07-29 | 一种供应链金融风险的评估方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115205044B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117993024B (zh) * | 2024-01-31 | 2024-07-02 | 北京北科融智云计算科技有限公司 | 一种基于数据要素的数据安全评估方法和系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110097252A (zh) * | 2019-03-29 | 2019-08-06 | 五渡(杭州)科技有限责任公司 | 一种用于供应链金融的风险识别系统及其方法 |
| CN110689438A (zh) * | 2019-08-26 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 企业类金融风险评分方法、装置、计算机设备及存储介质 |
| CN110910023A (zh) * | 2019-11-27 | 2020-03-24 | 韦达信息技术(深圳)有限公司 | 供应链自动化全流程交易系统 |
| CN111815207A (zh) * | 2020-08-27 | 2020-10-23 | 北京每日优鲜电子商务有限公司 | 一种针对供应链金融的风险定量评估方法 |
| CN112330439A (zh) * | 2020-11-06 | 2021-02-05 | 云销供应链科技(广州)有限公司 | 一种基于五流合一业务数据的金融风险识别装置及方法 |
| CN113763154A (zh) * | 2021-09-14 | 2021-12-07 | 福建三钢闽光股份有限公司 | 一种基于模糊灰色评价的钢贸供应链金融风险评估方法 |
| CN113989050A (zh) * | 2021-10-27 | 2022-01-28 | 福建华鼎智造技术有限公司 | 一种基于topsis综合分析的钢贸企业供应链金融风险评估方法 |
| CN114187090A (zh) * | 2021-12-08 | 2022-03-15 | 中国建设银行股份有限公司 | 企业风险评估的方法和装置 |
| CN114331345A (zh) * | 2021-12-24 | 2022-04-12 | 浪潮通用软件有限公司 | 一种企业间供应链协同的方法、系统、设备和存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8626558B2 (en) * | 2011-09-07 | 2014-01-07 | Dow Corning Corporation | Supply chain risk management method and device |
-
2022
- 2022-07-29 CN CN202210903194.0A patent/CN115205044B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110097252A (zh) * | 2019-03-29 | 2019-08-06 | 五渡(杭州)科技有限责任公司 | 一种用于供应链金融的风险识别系统及其方法 |
| CN110689438A (zh) * | 2019-08-26 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 企业类金融风险评分方法、装置、计算机设备及存储介质 |
| CN110910023A (zh) * | 2019-11-27 | 2020-03-24 | 韦达信息技术(深圳)有限公司 | 供应链自动化全流程交易系统 |
| CN111815207A (zh) * | 2020-08-27 | 2020-10-23 | 北京每日优鲜电子商务有限公司 | 一种针对供应链金融的风险定量评估方法 |
| CN112330439A (zh) * | 2020-11-06 | 2021-02-05 | 云销供应链科技(广州)有限公司 | 一种基于五流合一业务数据的金融风险识别装置及方法 |
| CN113763154A (zh) * | 2021-09-14 | 2021-12-07 | 福建三钢闽光股份有限公司 | 一种基于模糊灰色评价的钢贸供应链金融风险评估方法 |
| CN113989050A (zh) * | 2021-10-27 | 2022-01-28 | 福建华鼎智造技术有限公司 | 一种基于topsis综合分析的钢贸企业供应链金融风险评估方法 |
| CN114187090A (zh) * | 2021-12-08 | 2022-03-15 | 中国建设银行股份有限公司 | 企业风险评估的方法和装置 |
| CN114331345A (zh) * | 2021-12-24 | 2022-04-12 | 浪潮通用软件有限公司 | 一种企业间供应链协同的方法、系统、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115205044A (zh) | 2022-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Salehi et al. | The relationship between intellectual capital with economic value added and financial performance | |
| Govan et al. | The resource-based view on project risk management | |
| Caballero et al. | A Data Quality Measurement Information Model Based On ISO/IEC 15939. | |
| Franceschini et al. | Techniques for impact evaluation of performance measurement systems | |
| Amahalu | Effect of firm characteristics on environmental performance of quoted industrial goods firms in Nigeria | |
| CN115205044B (zh) | 一种供应链金融风险的评估方法、设备及介质 | |
| Haddad et al. | Selecting a discrete Multiple Criteria Decision Making method to decide on a corporate relocation | |
| Ocampo | A probabilistic fuzzy analytic network process approach (PROFUZANP) in formulating sustainable manufacturing strategy infrastructural decisions under firm size influence | |
| Putri et al. | The concept of supply chain management performance measurement with the supply chain operation reference model (Journal review) | |
| Sofia et al. | Does enterprise risk management and hybrid strategy affect to organizational performance | |
| Makui et al. | A structural equation modeling approach to examine the relationship between complexity factors of a project and the merits of project manager | |
| Andry et al. | Critical Factors of Supply Chain Based on Structural Equation Modelling for Industry 4.0. | |
| Huda et al. | The factors that influence organizational citizenship behaviour for the environment | |
| Cultrera et al. | Exploring corporate bankruptcy in Belgian private firms | |
| Hálek et al. | Non-financial indicators in the valuation process–current trends | |
| Tsehayae et al. | Data-driven approaches to discovering knowledge gaps related to factors affecting construction labor productivity | |
| Azadeh et al. | Optimization of human resources and industrial banks with ambiguous inputs using intelligent fuzzy mathematical programming approach | |
| Pereira et al. | A multicriteria decision model for the selection of information system for a logistics company using MMASSI/TI | |
| Hajiheydari et al. | Developing responsive marketing system concept: Applying system dynamics approach | |
| Hestyrosari et al. | Analysis of Supporting Factors for the Successful Performance of Project Management Office (PMO) at PT XYZ | |
| Anatami et al. | The Determinants of Corporate Social Responsibility Disclosure with Environmental Performance as Moderating Variable | |
| Nafisah et al. | The Design of Pressure Vessel Failure Risk Estimation Program Due to Uniform Corrosion Based on Machine Learning with Artificial Neural Networks | |
| Asyikin et al. | Analysis of effects of Earnings Management on Corporate Social Responsibility Disclosures and role of Audit Quality on the IDX | |
| Zulfatillah | Environmental disclosure quality impact on profitability performance | |
| Ariesa et al. | The Implementation of CSR and GCG in Improving Financial Performance |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |