基于大数据的供应链金融信用风险评估实证研究

周雷　邱勋　朱奕　毛晓飞

摘   要：通过将前沿大数据征信技术与评分卡方法相结合，以整车制造行业供应链为场景，对供应链金融信用风险进行测度。借助Python软件，从“企查查”API数据接口和万得数据库获取相关数据，对27家核心企業122条供应链多维指标进行数据挖掘、WOE编码和变量筛选，构建指标体系。然后，运用大数据和人工智能建模思路，建立涵盖14个特征解释变量的Logistic回归模型，并运用多种工具训练和改进模型形成可用于实务的Logistic评分卡。经实证检验，最终确定的信用评估模型区分能力强，风险预测准确率能达到96.77%。基于大数据的Logistic评分卡将供应链信用等级数字化，相较于传统的信用评级更具有实用性，因此，大数据技术的运用对提升供应链金融信用风险评估和管理水平具有重要价值。

关键词：供应链金融;信用风险;Logistic评分卡;人工智能

中图分类号：F832  文献标识码：B  文章编号：1674-2265（2022）05-0064-07

DOI：10.19647/j.cnki.37-1462/f.2022.05.009

一、引言

金融科技创新驱动数字供应链金融快速发展，但也使信用风险的识别与评估更加复杂。为了对供应链金融信用风险进行有效识别与管控，大多数学者从理论分析与风险测度两方面展开研究。在理论分析方面，付玮琼（2020）[1]运用供应链金融网络拓扑结构及依赖共生模型来说明核心企业主导模式下的依赖性垄断现象及其对供应链金融风险的作用机理。曹允春等（2020）[2]指出大数据等金融科技技术不断推动供应链金融智慧化，各交易主体跨界联动及数据挖掘可以解决传统风险评估中的供应链关系识别、信用风险指标关联性等问题。……