基于支持向量机的供应链风险评估研究

《基于支持向量机的供应链风险评估研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于支持向量机的供应链风险评估研究第31卷第1期经济经纬Vol.31No.12018><#004699'>4年1月EconomicSurveyJan.201<#004699'>4基于支持向量机的供应链风险评估研究舒彤，葛佳丽，陈收(湖南大学工商管理学院，湖南长沙<#004699'>41∞82)摘要:供应链风险评估是供应链风险管理研究中的重要内容。笔者在文献研究及调研的基础上，通过调查问卷构建了一套供应链风险评估体系，将基于支持向量机的机器学习算法运用到供应链风险评估中，得到了供应链风险评估模型并进行了实证研究。研

2、究结果表明:基于支持向量机的供应链风险评估模型可以完成对实际风险的评估，且具有较高的训练效率与精度，从而说明模型的有效性。关键词:供应链风险;风险评估;支持向量机基金项目:国家自然科学基金项目(7117219<#004699'>4;7103100<#004699'>4;71221001;70731003;70731160635)。作者简介:舒彤(1970-)，男，江西波阳人，湖南大学工商管理学院副教授，博士生导师，主要从事供应链管理研究;葛佳丽(1990-)，女，河南禹州人，湖南大学工商管理学院硕士研究生，主要从

3、事供应链管理研究;陈收(1956-)，男，广东龙川人，湖南大学副校长，教授，博士生导师，主要从事投资决策与风险管理、绩效评价、战略管理研究。中圈分类号:F830文献标识码:A文章编号:1006-1096(201<#004699'>4)01-0130-06收稿日期:2013-08-25理基础上，在模型复杂性和学习能力之间进行了折引言衷，具有较强的泛化能力和精确性。在小样本、非线在精益生产、准时制生产等先进理论的指导和性及高维模式识别等方面有较大优势，克服了神经实践下，企业间的联系愈加紧密，市场竞争已不再是网络过于学

4、习、欠学习、局部极小等问题，已成为继企业间的竞争，而是供应链间的竞争。近年来，随着神经网络研究之后机器学习理论领域新的热点。因各种供应链风险的频繁发生，企业受到了极大损害，此，将支持向量机应用到供应链风险评估中，具有十越来越多的人认识到供应链风险管理的重要性，供分重要的现实意义。应链风险管理已成为供应链管理领域的研究热点。一、文献综述供应链风险识别与评估是供应链风险管理的基础。通过识别供应链风险因素，对其潜在风险进行供应链风险评估是供应链风险管理的重要环预警和控制，探索供应链风险管理的优化方法，可在节，受到企业界

5、与学术界的关注。Prater等(2∞1)实践中建立安全可靠且具有弹性的供应链，使供应认为利用评分方法可以对跨国供应链的风险进行评链上的企业在获得较大收益的同时又能够应对风估，但是这种方法适用于跨国供应链的初步评估，具险，提升企业竞争力。因此，需要分析企业的供应链有一定的主观性。Harland等(2003)认为供应链风管理状况，通过风险识别发现供应链中的薄弱环节险管理过程包括识别风险、估计风险、制定风险控制及其可能造成的后果，利用科学的方法对其现状进规划、实施规划等几个循环阶段，建议企业做好早期行评估，确定供应链风

6、险等级。的供应链风险预警与评估。Zsidisin等(200<#004699'>4)以代支持向量机(SupportVectorMachine,SVM)是理理论为依据提出了采购商供应链评估技术。Hal-Cortes等人于1995年提出的一种机器学习方法，建1ikas等(200<#004699'>4)认为企业间可以通过合作，将单个企立在统计学习理论的VC维理论和结构风险最小原业的风险纳入整个供应链合作风险中，所提出的半.130.定量化研究方法为供应链风险评估奠定了一定的基2，…，n;该方程应满足:础。Kleindorl

7、er等(2005)提出了一个关于评估供应Yi=1g(xJ=(ω，xJ+b;;::::1链中断风险的概念框架。Wu等(2006)提出了一个Yi=-1g(xJ=(ω，xJ+b运-1层次式供应链风险因子分类与评估模型。Schoen-~pyJ(ω，xJ+b);;::::1(1)he町等(2008)通过行动研究和层次分析法，发现了17种风险因素并将其分类，提出了一个基于实证的供应链中断风险因素评估模型。丁伟东等(2003)提出了一个供应链可靠评估矩阵，但这种方法在供应链风险发生的概率上未加以考虑。付玉等(2005)提出了偶

8、发供应链风险的定量评估方法。刘嘉等(2∞5)通过供应商评价来进行供应链风险控制。刘冬林等(2006)通过独立风险和单个风险??OMargin=2/lIrullO测度来度量供应链多风险，但提出的关于风险间的关系是彼此独立的假设不符合实际情况。舒良友等固1线性可分情况下的最优分类超平面(2∞7)提出基于合作伙伴关系的制造商风险评估两条直线之间的距离为2/11ω11。要使间隔最