【中圖分類號】F426；F406.7；F832

【文獻標志碼】A

【文章編號】1673-1069（2025）04-0156-03

1引言

藏藥作為我國四大民族醫(yī)藥之一，具有獨特的理論體系和豐富的臨床實踐，在我國西部地區(qū)乃至全國具有重要的社會與經(jīng)濟價值。近年來，國家持續(xù)加大對中醫(yī)藥和民族醫(yī)藥的政策扶持力度。2024年召開的黨的二十屆三中全會明確提出“完善中醫(yī)藥傳承創(chuàng)新發(fā)展機制”，國家中醫(yī)藥管理局隨后出臺《中醫(yī)藥標準化行動計劃（2024一2026年）》，推動產(chǎn)業(yè)標準化、現(xiàn)代化建設(shè)。西藏、青海等民族地區(qū)也相繼出臺地方性政策，如西藏自治區(qū)發(fā)布《關(guān)于醫(yī)保支持藏醫(yī)藥傳承創(chuàng)新發(fā)展的若干措施》，青海省推進《促進藏醫(yī)藥發(fā)展條例》的實施，此類政策為藏藥產(chǎn)業(yè)營造了良好的制度環(huán)境，也對企業(yè)的信用管理和融資能力提出了更高要求。

然而，藏藥行業(yè)以中小企業(yè)和傳統(tǒng)作坊為主，普遍存在資金渠道狹窄、財務(wù)不透明等問題，融資難、融資貴現(xiàn)象依然突出。供應(yīng)鏈金融作為依托核心企業(yè)信用進行風(fēng)險傳導(dǎo)和資源配置的新型融資模式，正在成為破解中小企業(yè)融資困境的重要路徑。該模式下，藏藥上下游企業(yè)可借助核心企業(yè)的信用背書獲得金融支持，從而優(yōu)化資金流動與運營效率。但由于產(chǎn)業(yè)鏈條復(fù)雜、企業(yè)信用基礎(chǔ)薄弱，信用風(fēng)險問題日益凸顯，尤其在信息不對稱和履約缺失的背景下，金融機構(gòu)面臨較大授信不確定性?；诖耍疚慕Y(jié)合藏藥行業(yè)供應(yīng)鏈特征，構(gòu)建多維度信用風(fēng)險評估指標體系，并采用支持向量機（SVM）BP神經(jīng)網(wǎng)絡(luò)、梯度提升樹（GBDT）和邏輯回歸（LR）4種模型進行比較分析，以提升信用風(fēng)險管理的科學(xué)性與實用性。

2文獻綜述

2.1供應(yīng)鏈金融信用風(fēng)險研究

供應(yīng)鏈金融作為金融服務(wù)體系與產(chǎn)業(yè)鏈深度融合的重要模式，在提升中小企業(yè)融資可得性的同時，也引發(fā)了較為復(fù)雜的信用風(fēng)險問題。由于供應(yīng)鏈融資依托核心企業(yè)信用進行信用傳導(dǎo)，其風(fēng)險特征呈現(xiàn)出主體間聯(lián)動性、外部環(huán)境敏感性及非線性復(fù)雜性。傳統(tǒng)信用風(fēng)險管理主要聚焦于單一融資主體的財務(wù)狀況，而供應(yīng)鏈金融體系下，信用風(fēng)險不僅源于個體企業(yè)的經(jīng)營能力，還受到供應(yīng)鏈整體穩(wěn)定性及行業(yè)政策變化的影響。因此，供應(yīng)鏈金融信用風(fēng)險管理應(yīng)采用系統(tǒng)化、多層次的評估框架，以提升風(fēng)險管控的精準性和前瞻性]。

2.2供應(yīng)鏈金融信用風(fēng)險評估研究

在供應(yīng)鏈金融信用風(fēng)險的評估體系方面，研究者提出了多維度評估框架，但如何在實際應(yīng)用中優(yōu)化這些指標仍需進一步探討。目前，學(xué)術(shù)界在信用風(fēng)險評估體系構(gòu)建方面主要遵循財務(wù)指標、供應(yīng)鏈協(xié)作關(guān)系及宏觀環(huán)境因素三大維度。在財務(wù)指標層面，研究普遍認為企業(yè)的盈利能力、資本結(jié)構(gòu)及償債能力直接決定信用風(fēng)險水平，如資產(chǎn)負債率、凈資產(chǎn)收益率及銷售利潤率等指標長期以來被認為是衡量信用狀況的重要標準。然而，單純依賴財務(wù)數(shù)據(jù)已無法全面刻畫供應(yīng)鏈金融中的信用風(fēng)險特征，部分學(xué)者提出，應(yīng)進一步關(guān)注核心企業(yè)信用背書、供應(yīng)鏈交易穩(wěn)定性及企業(yè)履約能力。

2.3文獻述評

現(xiàn)有研究多聚焦于汽車、制造、零售等標準化程度較高的產(chǎn)業(yè)鏈，對于具有高度地域依賴性、產(chǎn)業(yè)非標準化特征的藏藥行業(yè)而言，仍存在理論與方法適配性不足的問題。一方面，藏藥企業(yè)以中小企業(yè)為主，信息披露不充分、信用歷史記錄缺乏，導(dǎo)致傳統(tǒng)財務(wù)驅(qū)動型信用評級方法難以有效適用；另一方面，藏藥行業(yè)的供應(yīng)鏈結(jié)構(gòu)復(fù)雜，企業(yè)之間多為松散性合作關(guān)系，信用傳導(dǎo)鏈條不穩(wěn)定，增加了金融機構(gòu)對其開展供應(yīng)鏈融資的風(fēng)險辨識難度。此外，藏藥產(chǎn)業(yè)受政策支持強度、地方經(jīng)濟發(fā)展水平等宏觀因素影響顯著，信用風(fēng)險評估應(yīng)結(jié)合行業(yè)與區(qū)域特征，開展系統(tǒng)建模。

3評估指標體系搭建

基于供應(yīng)鏈金融信用風(fēng)險的非線性特征，本文參考BaselI及供應(yīng)鏈信用評級框架，結(jié)合藏藥行業(yè)供應(yīng)鏈特征，構(gòu)建涵蓋融資企業(yè)、核心企業(yè)、供應(yīng)鏈關(guān)系及行業(yè)環(huán)境的信用風(fēng)險評估體系。在此框架下，本文設(shè)計了4個一級指標，并在此基礎(chǔ)上構(gòu)建了10個二級指標和27個三級指標，涵蓋融資企業(yè)實力、核心企業(yè)實力、供應(yīng)鏈狀況和行業(yè)環(huán)境4個維度。

融資企業(yè)實力包括6個二級維度：基本狀況、盈利能力、償債能力、營運能力、成長潛力和信用狀況。其中，基本狀況類指標包括企業(yè)規(guī)模、員工人數(shù)、管理層人數(shù)和成立年限，體現(xiàn)企業(yè)的基礎(chǔ)實力；盈利能力通過凈資產(chǎn)收益率、總資產(chǎn)收益率、投人資本回報率、毛利率和凈利率進行衡量；償債能力指標包括流動比率、速動比率、現(xiàn)金比率、資產(chǎn)負債率、權(quán)益乘數(shù)和產(chǎn)權(quán)比率；營運能力通過總資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率和應(yīng)收賬款周轉(zhuǎn)率體現(xiàn)；成長潛力由營業(yè)收入增長率和凈利潤增長率反映；信用狀況通過是否有違約行為衡量。核心企業(yè)實力關(guān)注其盈利能力與信用狀況，主要包括凈資產(chǎn)收益率和履約情況兩項。供應(yīng)鏈狀況包括合作關(guān)系的久度與強度，反映融資企業(yè)與核心企業(yè)之間的交易黏性和穩(wěn)定性。行業(yè)環(huán)境從宏觀層面考察企業(yè)所處區(qū)域的經(jīng)濟環(huán)境與政策支持力度，分別以人均GDP水平和地方扶持政策的存在作為代理指標。

以上指標體系兼顧了財務(wù)穩(wěn)健性、業(yè)務(wù)合作緊密度與外部支持環(huán)境，能夠較為全面地反映藏藥企業(yè)在供應(yīng)鏈金融中的信用風(fēng)險水平。

4實證分析

4.1數(shù)據(jù)采集與預(yù)處理

本研究選取中小板及新三板掛牌上市的藏藥供應(yīng)鏈金融相關(guān)企業(yè)為研究對象，涵蓋24家企業(yè)，收集其2020-2023年的財務(wù)數(shù)據(jù)。企業(yè)數(shù)據(jù)來源于RESSET數(shù)據(jù)庫，信用狀況及供應(yīng)鏈信息則通過天眼查平臺獲取。為確保研究結(jié)果的客觀性與可操作性，本文采用 F 分數(shù)模型作為企業(yè)信用風(fēng)險的衡量標準。根據(jù) F 分數(shù)的計算結(jié)果，本文將 F 分數(shù) gt;0.0274 的企業(yè)定義為無信用風(fēng)險，而 F 分數(shù) ?0.0274 的企業(yè)定義為存在信用風(fēng)險，作為分類模型的目標變量。

本文統(tǒng)一對原始數(shù)據(jù)進行預(yù)處理：使用 Min-Max 歸一化將變量縮放至[0，1]區(qū)間，消除量綱影響；極端值采用 5% 截尾法處理，缺失值以 K 近鄰插值法補齊。隨后，按7：3比例將數(shù)據(jù)集劃分為訓(xùn)練集與測試集，確保各模型使用相同的訓(xùn)練樣本和測試樣本，以保證比較結(jié)果的可比性。

4.2模型構(gòu)建與參數(shù)設(shè)置

為比較不同機器學(xué)習(xí)方法在藏藥行業(yè)供應(yīng)鏈金融信用風(fēng)險評估中的適用性，本文選取支持向量機（SVM）BP神經(jīng)網(wǎng)絡(luò)（BP）邏輯回歸（LR）與梯度提升樹（GBDT）4種分類模型。該4類模型代表了信用風(fēng)險建模中不同的技術(shù)路徑與算法特征，具有較強的代表性與可比性。

其中，邏輯回歸作為傳統(tǒng)的線性分類模型，具備可解釋性強、訓(xùn)練效率高等優(yōu)勢，是信用評分體系中常用的基準模型；支持向量機適用于高維小樣本數(shù)據(jù)，能夠有效處理非線性分類問題；BP神經(jīng)網(wǎng)絡(luò)作為典型的深度學(xué)習(xí)算法，具有較強的非線性擬合能力，能夠挖掘復(fù)雜特征間的潛在關(guān)系；GBDT作為集成學(xué)習(xí)方法中的代表，通過多個弱分類器迭代提升整體性能，兼具精度與魯棒性，廣泛應(yīng)用于金融風(fēng)控與評分系統(tǒng)中。

因此，本文從線性模型、核方法、神經(jīng)網(wǎng)絡(luò)與集成方法4類主流算法中選取代表性模型，開展比較分析，以全面評估機器學(xué)習(xí)技術(shù)在藏藥行業(yè)信用風(fēng)險識別中的應(yīng)用效果。4種模型的構(gòu)建與參數(shù)配置如下：

SVM模型：采用徑向基函數(shù)（RBF）作為核函數(shù)，以實現(xiàn)非線性特征映射。通過四折交叉驗證和網(wǎng)格搜索法確定最優(yōu)參數(shù)，最終選定懲罰參數(shù) c=1 ，誤差限為0.001，最大迭代次數(shù)為 1000 0

BP神經(jīng)網(wǎng)絡(luò)：搭建三層前饋神經(jīng)網(wǎng)絡(luò)，輸人層節(jié)點為特征維度數(shù)，隱藏層設(shè)10個節(jié)點，激活函數(shù)為ReLU，輸出層使用Sigmoid函數(shù)。損失函數(shù)采用交叉熵，優(yōu)化算法為Adam，訓(xùn)練輪數(shù)設(shè)為 200 0

邏輯回歸模型LR：基于L2正則化構(gòu)建廣義線性模型，優(yōu)化方法為梯度下降，使用liblinear求解器，最大迭代次數(shù)設(shè)為 1000_? 0

GBDT模型：采用CART決策樹為基礎(chǔ)分類器，最大深度為3，學(xué)習(xí)率設(shè)為0.1，弱學(xué)習(xí)器數(shù)量為100棵，使用驗證集進行早?？刂埔苑肋^擬合。

所有模型均基于R4.5.0環(huán)境完成建模與驗證。模型訓(xùn)練完成后，在測試集上評估其準確率、精確率、召回率、F1分數(shù)及AUC值，結(jié)果見表1。

4.3實證結(jié)果分析

從實驗結(jié)果可以看出，SVM在所有評估指標上均優(yōu)于其余3種機器學(xué)習(xí)分類模型，尤其在召回率、F1分數(shù)及AUC指標上具有明顯優(yōu)勢。SVM識別準確率達 96.6% 、召回率96.7% ，能有效識別違約企業(yè)并降低信用風(fēng)險。此外，SVM的AUC值為0.987，表明該模型在區(qū)分違約與非違約企業(yè)方面具有較高的真實性，分類性能優(yōu)越。

相比之下，BP神經(jīng)網(wǎng)絡(luò)的召回率較低（ 62.9% ），這表明其在信用風(fēng)險識別中存在較多漏判現(xiàn)象，可能導(dǎo)致部分高風(fēng)險企業(yè)未被有效識別。而邏輯回歸和GBDT在精確率和F1值上的表現(xiàn)雖然較優(yōu)，但在AUC方面略低于SVM，表明其在面對更復(fù)雜的信用風(fēng)險數(shù)據(jù)時存在一定的局限性。邏輯回歸的線性假設(shè)可能限制了其在高維非線性問題上的表現(xiàn)，而GBDT雖然在多數(shù)情況下表現(xiàn)較好，但在本研究數(shù)據(jù)集上未能超越SVM的分類能力。因此，SVM作為綜合性能最優(yōu)的模型，在后續(xù)信用評估系統(tǒng)設(shè)計與實務(wù)應(yīng)用中具有優(yōu)先推薦的價值。

5結(jié)論與建議

本研究立足于藏藥行業(yè)供應(yīng)鏈金融信用風(fēng)險評估的現(xiàn)實需求，構(gòu)建了一套科學(xué)合理的信用風(fēng)險評估體系，并采用機器學(xué)習(xí)算法對其有效性進行驗證。研究表明，SVM具有較強泛化能力，可有效識別高風(fēng)險企業(yè)。當前藏藥企業(yè)在參與供應(yīng)鏈金融過程中，普遍面臨信息披露不足、財務(wù)制度不健全、信用基礎(chǔ)薄弱等問題。這些問題直接影響了企業(yè)在信貸市場上的信用定價與風(fēng)險認知，成為制約其融資可得性的重要因素。在供應(yīng)鏈金融模式日益數(shù)據(jù)化、規(guī)范化的背景下，藏藥企業(yè)亟須從內(nèi)部管理和外部資源協(xié)調(diào)兩個維度同步發(fā)力，提升信用能力與融資適配性。

一方面，企業(yè)需加強對信用意識和風(fēng)控能力的重視，逐步建立起規(guī)范的財務(wù)管理體系和信息披露機制，通過完善會計制度、提高報表透明度、規(guī)范企業(yè)運營等方式，為金融機構(gòu)提供真實、可信的信用依據(jù)。同時，企業(yè)應(yīng)主動強化與核心企業(yè)之間的合作粘性，借助長期交易合同和戰(zhàn)略合作協(xié)議，提升自身在供應(yīng)鏈中的履約能力和穩(wěn)定性，從而增強獲得融資的背書效應(yīng)。另一方面，在信用信息建設(shè)尚不健全、企業(yè)信用積累周期長的現(xiàn)實背景下，藏藥企業(yè)可以積極尋求外部增信機制的支持，可通過信用擔保平臺、貼息政策、引導(dǎo)基金等補充信用資源，降低融資門檻。此外，企業(yè)應(yīng)關(guān)注國家和地方層面對民族醫(yī)藥產(chǎn)業(yè)的各類扶持政策，及時掌握政策動態(tài)并主動申報相關(guān)金融優(yōu)惠工具，實現(xiàn)政策紅利與融資資源的高效對接。

藏藥企業(yè)要想在新型供應(yīng)鏈金融體系中穩(wěn)健發(fā)展，不僅要依托政策支持和金融工具，更要從根本上提升自身的信用基礎(chǔ)與管理水平，逐步構(gòu)建起“可披露、可評估、可追溯\"的信用畫像，進而實現(xiàn)從“被動融資”向“主動信用經(jīng)營”的轉(zhuǎn)變。只有實現(xiàn)產(chǎn)業(yè)與信用體系的雙向升級，藏藥行業(yè)才能真正融人現(xiàn)代化金融體系，實現(xiàn)高質(zhì)量發(fā)展與可持續(xù)金融支持的良性循環(huán)。

【參考文獻】

【1】臧克承，謝金平，邵蓉.西藏自治區(qū)藏藥產(chǎn)業(yè)發(fā)展現(xiàn)狀與對策建議[J]西藏大學(xué)學(xué)報（社會科學(xué)版），2021，36（02）：186-193.

【2】趙靜.基于大數(shù)據(jù)的供應(yīng)鏈金融風(fēng)險管理研究一評《大數(shù)據(jù)背景下基于供應(yīng)鏈金融的信用風(fēng)險評價方法研究》[J]：中國科技論文，2023，18（04）：482.

【3】周雷，邱勛，朱奕，等.基于大數(shù)據(jù)的供應(yīng)鏈金融信用風(fēng)險評估實證研究—以整車制造行業(yè)為例[J].金融發(fā)展研究，2022（05）：64-70.

【4】劉兢軼，王或婧，王靜思.供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險評價體系構(gòu)建[J].金融發(fā)展研究，2019（11）：63-67.

【5】牟偉明.供應(yīng)鏈金融信用風(fēng)險評價[J].財會月刊，2018（05）：163-169.

【6】范方志，蘇國強，王曉彥.供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險評價及其風(fēng)險管理研究[J].中央財經(jīng)大學(xué)學(xué)報，2017（12）：34-43.

【7】徐中輝，饒振遠，黃曉東，等.混合增強型機器學(xué)習(xí)算法在稀土供應(yīng)鏈金融中評價中小企業(yè)信用風(fēng)險的研究[J].稀有金屬與硬質(zhì)合金，2024，52（04）：94-102.