文献类型：期刊文章

作　　者：祝由[1,3] 贾冉[1] 王纲金[1,2,3] 谢赤[1,2,3]

ZHU You;JIA Ran;WANG Gangjin;XIE Chi(Business School,Hunan University,Changsha 410082,China;Financial and Investment Research Institute,Hunan University,Changsha 410082,China;Smart Economy and Digital Society Institute,Hunan University,Changsha 410082,China)

机构地区：[1]湖南大学工商管理学院,长沙410082 [2]湖南大学金融与投资管理研究中心,长沙410082 [3]湖南大学智慧经济与数字社会研究院,长沙410082

出　　处：《系统工程理论与实践》

基　　金：国家社科基金重大项目(21ZDA114);国家自然科学基金(72271087,71971079,71871088)。

年　　份：2023

卷　　号：43

期　　号：3

起止页码：795-812

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、CSSCI、CSSCI2023_2024、EAPJ、EI、IC、JST、NSSD、RCCSE、RWSKHX、SCOPUS、ZGKJHX、核心刊

摘　　要：供应链金融作为一种面向供应链上所有成员企业的系统性金融服务,重在解决中小微企业融资难、融资贵问题.但长期以来相关参与主体信息不对称问题导致其风险频发,特别是风险评估技术相对滞后,使得供应链金融难以得到有效推广.因此,供应链金融风险评估成为业界亟需解决和学界广泛研究的热点问题.本文主要从供应链金融风险评估相关文献着手,通过知识图谱技术从152篇中文文献和61篇英文文献中提取知识,并进行可视化分析.一方面探究了供应链金融风险评估的研究现状,发现现有研究存在研究视角片面、研究对象单一、研究数据样本小、研究模型性能和可解释性不足等问题;另一方面展望供应链金融风险评估的研究趋势,主要包括以下问题有待深入探究:如何多渠道采集结构化、半结构化和非结构化数据,并对其进行有效整合,以及实现隐私数据的信息安全共享.如何从互联网经济活动所产生的海量数据中挖掘供应链金融风险关联知识,并从中提取风险特征,以此建立高维度、细粒度的供应链金融风险评估指标体系.如何运用深度学习方法来提升供应链金融风险评估模型的整体性能,并通过解析风险特征的重要性和边际效应来确保模型的可解释性.

关 键 词：供应链金融 知识图谱 大数据 指标体系 深度学习  

分 类 号：F830[金融学类]