| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-13页 |
| 1.2 研究内容与方法 | 第13-15页 |
| 1.2.1 研究内容 | 第13-14页 |
| 1.2.2 研究方法 | 第14-15页 |
| 1.3 创新点与技术路线图 | 第15-17页 |
| 1.3.1 创新点 | 第15-16页 |
| 1.3.2 技术路线图 | 第16-17页 |
| 2 供应链融资相关文献综述 | 第17-24页 |
| 2.1 供应链融资实践研究 | 第17-18页 |
| 2.2 应收账款融资模式综述 | 第18-19页 |
| 2.3 融通仓融资模式综述 | 第19-21页 |
| 2.4 保兑仓融资模式综述 | 第21-22页 |
| 2.5 线上供应链融资与互联网金融 | 第22-23页 |
| 本章小结 | 第23-24页 |
| 3 供应链应收账款融资风险指标体系构建 | 第24-33页 |
| 3.1 指标体系构建原则和方法 | 第24-25页 |
| 3.1.1 指标体系构建原则 | 第24-25页 |
| 3.1.2 指标体系构建方法 | 第25页 |
| 3.2 指标体系构建 | 第25-31页 |
| 3.2.1 指标体系初步构建 | 第25-28页 |
| 3.2.2 本文数据来源 | 第28页 |
| 3.2.3 基于相关性和敏感性的指标筛选 | 第28-31页 |
| 本章小结 | 第31-33页 |
| 4 供应链应收账款融资风险指标体系评价 | 第33-53页 |
| 4.1 指标数据预处理方法 | 第33-35页 |
| 4.2 主观赋权法 | 第35-44页 |
| 4.2.1 层次分析法步骤和yaahp软件计算分析 | 第35-41页 |
| 4.2.2 模糊层次分析法步骤和matlab计算分析 | 第41-44页 |
| 4.2.3 两种主观赋权法比较 | 第44页 |
| 4.3 客观赋权法 | 第44-46页 |
| 4.3.1 熵权法简介 | 第44-45页 |
| 4.3.2 改进熵权法文献分析 | 第45-46页 |
| 4.3.3 熵权法计算分析 | 第46页 |
| 4.4 基于主客观赋权法的组合权重 | 第46-50页 |
| 4.4.1 组合权重文献分析 | 第47-48页 |
| 4.4.2 基于评价值最小和最大熵原理的组合权重模型 | 第48-50页 |
| 4.4.3 组合权重计算分析 | 第50页 |
| 4.5 FAHP、熵权法和组合权重案例对比 | 第50页 |
| 4.6 基于组合权重的融资风险水平计算结果 | 第50-51页 |
| 本章小结 | 第51-53页 |
| 5 基于BP神经网络的供应链应收账款融资风险评价模型 | 第53-64页 |
| 5.1 BP神经网络原理 | 第53-55页 |
| 5.1.1 BP神经网络模型 | 第53-54页 |
| 5.1.2 BP神经网络算法 | 第54-55页 |
| 5.2 BP神经网络训练模型建立 | 第55-60页 |
| 5.2.1 网络层次选择 | 第55-56页 |
| 5.2.2 输入层和输出层节点数选择 | 第56页 |
| 5.2.3 传递函数选择 | 第56-57页 |
| 5.2.4 训练函数选择 | 第57-58页 |
| 5.2.5 隐含层节点数选择 | 第58-59页 |
| 5.2.6 学习速率选择 | 第59-60页 |
| 5.3 BP神经网络评价模型建立与实例仿真 | 第60-63页 |
| 5.3.1 基于集合权重风险值的BP网络评价模型 | 第60-61页 |
| 5.3.2 基于BP训练权重和阈值的实例仿真 | 第61-63页 |
| 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 本文结论 | 第64-65页 |
| 6.2 本文展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 附录1 供应链应收账款融资风险指标体系评价咨询表 | 第73-76页 |
| 附录2 BP评价模型案例仿真数据 | 第76页 |
