徐荣贞 何梦珂

【摘 要】 “互联网+”背景下，针对如何解决深度挖掘线上供应链金融大数据背后信用风险的问题，提出了一种基于深度信念网络（DBN）的线上供应链金融信用风险评估方法。首先，建立了由受限玻尔兹曼机（RBM）和分类器SOFTMAX构成的深度信念网络评估模型，并利用该模型对三类数据集进行性能评估测试;其次，运用因子分析法从21个指标中甄选8个指标，输入到RBM中进行转换，形成更为科学的评估指标，再将指标输入到SOFTMAX中进行评估;最后，将这种基于DBN的线上供应链金融信用风险评估方法应用到实例中进行了验证。结果表明：该方法的评估准确率达96.04%，与SVM法、Logistic法相比较，具有更高的评估准确率和更好的合理性。

【关键词】 线上供应链金融; 信用风险; 深度学习神经网络; DBN模型; 因子分析

【中图分类号】 F830.2  【文献标识码】 A  【文章编号】 1004-5937（2021）11-0061-07

一、引言

近年来供应链金融凭借其强大的融资优势在国内外迅速发展，随着互联网技术的进步，在中国将形成巨大的供应链金融市场规模，其可以在一定程度上缓解中小企业融资难的问题[ 1-4 ]。供应链金融以核心企业为支点将资金引入到供应链中的其他中小企业，同时促进了社会经济的增长，维持商业银行的利润增长点[ 5-6 ]。供应链金融在发展过程中呈现出从线下转入线上的特点，因此一系列线上平台建设情况也影响着供应链金融的发展。线上供应链金融在网络平台上展现了供应链企业交易所引发的“商流、资金流、物流、信息流”，实现了在线数据的共享，而如何利用这些共享数据准确判断企业的信用风险仍需进一步研究[ 7-8 ]。……