基于KMV和关联规则算法的行业供应链信用风险传染研究.pdf

2 o l 5 年 第 1 3 期 s i 卸 d T e 盏 m t R m h 2 0 15 N 13 d o i 1 0 3 9 6 9 j is s n 1 0 0 0 7 6 9 5 2 0 1 5 1 3 0 4 1 基于 K M V和关联规则算法的行业供应链信用风险传染研究 单汨源 陈立立 张人龙 湖南大学工商管理 学院 湖南长沙4 1 0 0 8 2 摘要 从 行业供 应链视 角 以钢铁行 业和 医药流通行 业供应链 中上 市企 业市场数 据 为研 究对 象 上市公 司信 用 风险大小以K M V模型中的违约距 离值代替 利用 A p r i o r i算法挖掘上市公 司信用风险传染的关联规则 研究结论 表明 医药流通行业供应链中企业信用风险传染频率和传染强度均 高于钢铁行业供应链 中企业 供应链 中上下 游企业整合 以及信 用技 术引进是 影响供 应链企业信 用风 险传 染重要 影响 因素 关键 词 行业供应链 信 用风 险传 染 K MV模 型 关联 规则 中图分类号 F 2 7 4 文献标 志码 A 文章编号 1 0 0 0 7 6 9 5 2 0 1 5 1 3 0 2 1 l 一 0 7 St ud y o n t h e Tr a ns mis s io n o f I ndus t r y S upp ly Cha in Cr e d it Ris k wit h KM V M o de l a nd As s oc ia t i o n Rule Alg o r it h m SHAN Miy ua n CHEN Lili ZHANG Re n lo n g C o ll e g e o f B u s i n e s s A d mi n is t r a t i o n H u n a n U n i v e r s i t y C h a n g s h a 4 1 0 0 8 2 C h i n a Ab s t r a c t F r o m t h e p e r s p e c t iv e of t h e s u p p ly c h a in in d u s t r y t h is p a p e r s t u d ie s t h e ma r k e t d a t a o f t h e lis t e d c o mp a n ie s s e le e t e d f r o m t h e s t e e l in d u s t ry a n d t h e p h a r ma c e u t ic a l d is t ri b u t io n in d u s t ry w h ic h c o me f r o m t h e s a me s u p p ly c h a in Th e c r e d it ri s k in d ic a t o rs o f lis t e d c o mp a n ie s are me a s u r e d b y t h e d is t a n c e t o d e f a u lt c a lc u la t e d t h r o u g h KMV c o mp u t a t io n al me t h o d Be s ide s Apri o r i al g o ri t h m is us e d t o dig t he t r a n s mis s io n of c r e d it ri s k b e t we e n t h e lis t e d c o mpa n ie s Th e r e s u lt in d ic a t e s t h a t c o mp are d w it h t h e s t e e l in d u s t r y s u p p ly c h a in t h e f r e q u e n c y a n d in t e n s it y of s u p p ly c h a in c r e d it ri s k c o n t a g io n w e r e h ig h e r in p h a r ma c e u t ic al d is t ri b u t io n in d u s t ry s u p p ly c h a in s u p p ly c h a in in t e g r a t io n a n d in f o r ma t io n s h a ri n g in t h e s u p p ly c h a in a le imp o r t a n t in f lu e n c e f a c t o rs f o r r e d u c in g c r e d it ri s k c o n t a g io n b e t we e n t h e e n t e r p ri s e s in s u p p ly c h a in Ke y wo r d s s u p p ly c h a in in d u s t ry c r e d it r is k c o n t a g io n KMV mo d e l As s o c ia t io n Ru le Alg o ri t h m 供 应链 风 险管 理 S u p p ly C h a in R is k Ma n a g e m e n t 简称 S C R M 一直 以来 都是供 应链管理领域 的一个重要课题 备受企业界和学术界关注 在全 球化市场竞争愈发激烈 的环境下 供 应链 结构的脆 弱性也愈发明显 由于供 应链 企业 之间存在大量债 权债务 业务 抵押担保 等相关关 系 供应链 中某 企业信用风险会传染与其有直接关 系的企业 进而 沿着供应链网络冲击整条供应链 此外 信用风险 传染在不同行业供应链 中呈现显著性差异 因此 研究信用风险在供应链 中传染和在不 同行业供应链 之间信用传染的差异性有着重大意义 目前 国外学者对供应链风险研究 主要集 中在 以下几个方面 供应链模 型构建与优 化 各种契 约对供应链 的协调机制研究 3 j 运用企业数据对 供应链风险进行实证研究 突发事件 自然灾 害等 外部 因素对 供 应链 中断 的影 响 研究 T a n g 和 S o d h ie t a l 6 指出国外并没有 与供应链信用风 险传染 或者与行业供应链信用风险传染规律直接相关的文 献 然而 近年国内部分学者开始关注并研究供应 链信用风险联动现象 大部分学者均借助金融工程 领域的工具或博弈论等方法 对供应链信用风险的 相关性进行量化研究 赵荣 借鉴经济学 中的弹性 系数理论 结合算例验证 了其在两 阶段供应链 中构 建 的制造商 违约概率 和销售商发现概 率指标 体系 具有一定 的实践意 义 杨扬 从赊销 风 险的角度 结合博弈论和结构化模 型度 量供应链企业之 间的信 用风险 研究表明赊销风 险与信用风 险具有很强 的 相关性 陈艺云 从供应链 金融参 与方信息不对称 问题出发 综合考虑了核心企业违 约的系统性传染 效应与非核心企业违约 的交易对手风险 构建 了供 应链金融 的信用风险传染模型 张圣忠 将企业知 识共享这一因素引入供应链上下游企业博弈过程 研究表明知识共享环境下知识共 享量对企业信用风 险大小和供应链信用风 险传染强度均有关系 总体 来看 国内现有研究成果 主要集 中在定性分析供应 链信用风险传染影 响因素和途径 部分文献研究 了 收稿 日期 2 0 1 4 0 6 2 4 修回 日期 2 0 1 4 0 9 1 5 基金项目 国家自 然科学基金资助项目 多项 目 运作环境下的项目族工作分解结构及其应用研究 7 0 9 7 1 0 3 6 国家社科基金后期资助项 目 多项 目 管理方法及其应用研究 1 3 F G L 0 0 5 湖南省软科学项 目 多项 目 资源配置机理及其优化研究 1 2 Y B A 0 6 1 2 1 2 单泪源等 基于 K MV和关联规则算法的行业供应链信用风险传染研究 信用风险传染 的机理并进行信用风险度量 而供应 链企业信用风险传染及其不 同行业供应链信用风 险 传染差异性研究明显不足 综合以上分析 可 以看 出 目前关 于供应 链信用 风险传染研究以及各行业供应链信用风险传染差异 性明显不足 且 大部分采取定性 的分析 或者是对 传染影响因素的研究 在研究方法 上采取数量 建模 较多 较少利用供应链企业实际的市场数据 因此 本研究利用供应链 上市企业市场数 据测算供应链 中 企业 13 违约距离 并以此来衡 量供应链 企业信 用风 险大小 在此基础上采取关联规则算法 挖 掘供应 链企业间信用风险的传染规律 1 K MV模型及关联规则算法 K MV模型假设企业股权是买入一份欧式看涨期 权 该期权 以企业价值作 为标 的资产 以企业债务 面值为执行价格 假设 在企 业的债 务到期 日 若企 业资产的市场价值 V低于企业所需偿还的负债面值 D时 企业将 发生 违约 否则 视 为企业 不违 约 违约距离表示企业 资产市场价值期望值距离违约点 的远近 距 离越大 企业发 生违约 的可能性越 小 反之越大 张玲 马若微 卜 等研究表 明 K MV模 型可以较准确评估中国上市企业信用风险水平 B la c k S c h o le s 期权定价公式 E V N d 1 一 D e N d 2 f o D t 1 其中 E表示企业股权价值 表示企业资产价 值 表示企业资产价值波动率 r 表示无风 险利 率 丁表示债务剩余期 限 为标准正态累计 分布函数 其中 d1 ln V D 一 r 一 一 V 2 2 z 2 一 一 一 2 G V d2 l n V 一 D 一r V 2 2 x d I a V X 3 2 一 一 K MV假设企业股权价值 的波动性 与企业资 产价值波动性 之间关系函数 VN 一 d1 4 V o o L 斗 上市企业的企业资产价值 和资产价值波动性 的值可通过迭代法求解方程组 1 和 4 然后 可 以计算违约距离 在 K MV模型中 违约距离 D D所表 示的上企业资产价值距离违约点的距离与企业资产收益 波动率的倍数 D D D is t a n c e t o D e f a u lt 的定义 一 D D D 一 V a V 5 1 2 K M V模型参数修正 1 股权价值 由于中国股票市场 中上市企业 的股票分流通股和非流通股 非流通股难 以确定 其 价值 本研究采取大部分学者常用的计算方法 即 使用每股净资产代替非流通股 的市场价 股权 价值 流通股市场价值 非流通股股数 每股净资产 2 股权价值年波动率 o r 以采用静 态方法的 传统 K MV模型 来估计股权价值波动率 假设股权 价值波动率的方差稳定 但这个是 否适合 中国股票 市场的波动率呢 闫海峰 王秀国 H 等研究表明 中国股票市场波动率符合 G A R C H 模 型 文 中使用股票 已调 整 日收盘价格 计算股票 E t 收益 率 并使用 G A R C H 模型来估计股权价值 的 日波 动率 股票对数 日收益率计算公式为 n 其 中 P i P 为股票已调整的 日收盘价 3 违约点 根据 K MV企业对 大量违 约事件 的企业数据库调查研究 发现违约点可 以设 置成债 务 面值总额 与流动负债之 间的某一点 并且违 约点 D 流动负债 0 5 长期负债 4 无风险利率和债务年限 本研究所采用的 无风险利率由 C S MA R国泰安数据库数据 日无风险序 列加权计算得到 债务年限取 1年 1 3关联规则及 A p r io r i算法 关联规则挖掘能够在大量的 模糊 的 无序 的 数据库中发现隐含在数据 间联 系 其 成功的应用之 一 是对超市购物篮数据分析 定义 1 设 I i1 i i 为所有项 目集 合 D为事务数据库 设 x I 是有一个 由项 目构成 的集合 称为项集 如果项集 中含有 k个项 目 则 称为 k一 项集 定义 2 设 XcI YcI 且 X n Y 如果事 务数据库 D中有 s 的事务包含 X U Y 则称关联 规 则 X Y 的支 持 度 为 s 记 为 s u p p o r t Xj Y 支持度是对关联规则重要性 的衡量标准 表 明 了规则在所有 事务中出现的频率 支持度越大 出 现频率越大 关联规则也越重要 实践 中 由于项 目数通常很大 所 以支持度一般较低 定义 3 设 xcI Y cI 且 x n Y 事务 数据库 D中包含 xnY的事务数与包含 x的事务数 的比值称 为关联 规则 X Y的置信度 记 为 c 0 一 d e n c e X Y P Y I X 置信度是对关联规则的准确度的衡量标准 其 值越大 说明事件关联性越强 关联规则的算法有很 多 文 中使用关联规则领 域较经典算 法 A p r i o r i 算 法 A p r io r i 算 法分 为 两部 分 第一 产生频繁项集 第 二 依据频繁项集 产 生关联规则 A p r io r i算法寻求频繁项集 的方法是 一 个不断迭代 的过程 每一次迭 代都包 含两个 步骤 第一步 产生候选 k一项集 C 候选集 就是有可能 单泪源等 基于 K MV和关联规则算法的行业供应链信用风险传染研究 2 1 3 成为频繁项集 的项 目集合 第二 步 基于候选 k一 项集 c 计算支持度以确定频繁项集 L A p r i o r i算 法依据从频繁项集 中产生所有简单关联规则 选 择 置信度大于用户指定最小置信度阈值的关联规则 组成有效的规则集合 2 供应链信用风险传染的行业特征 供应链 目前大致 分为产 品型供应链 和服务 型供 应链两类 产品型供应链应用最 广泛的行业 为制造 业和流通行业 制造业离不开供应链管理 可以不 夸张地说 供应链管理 的成败决定 了制造业 的命 运 钢铁行业作为国家工业 的基础 是最重要的制造业 之一 钢铁行业的供应链 管理模 式发展历程就是我 国制造业供应链 管理发展 的缩影 此外 我国传统 流通业包括批发 零售两个 阶段 随着流通业 的发 展壮大 其逐渐摆脱 以制造业 为核心的供应链 管理 模式 已经具备 主导供应链 的客观条件 医药行业 供应链模式兼顾传统流通业供应 链管理模式和现代 流通业主导型供应链 模式 因此 本研究分别选取 制造业 和流通行业 中比较有代表性 的行业 钢铁 行业和医药流通行业作为研究对象 研究供应链信 用风险在不同行业 中传染差异性 我国制造业和零售业供应链 主要特征区别包括 以下几点 1 从企业和产品角度 钢铁供应链 中企业规 模较大 存在较多 的固定 资产 可 以很好地进行融 资 以抵御风 险 此 外 虽然钢铁行业供应链 中产 品范围较小 但是钢铁作 为大宗生产 资料 在整个 供应链流通过程 中需要庞 大的资金保 障 医药流通 业中药品生产企业 固定 资产规模较 大 但是处于核 心地位的药品批发企业 资产规模相对 较小 且在药 品流通过程 中资金 占用也相对较少 2 从供应链整合角度 钢铁行业供应链整合 度较高 钢铁企业运 用供应链 管理思想较早 由早 期的企业 内部供应链协调和优化 到 目前 上下贯 通 的供应链管理模式 通过使用供应链集成和协 同等战略形成一个完整的供应链网络 医药流通行 业整合 度较低 目前 形成 了以 国药 控股 九 州通 上海医药等企业为核心的医药流通供应链 但是制 药企业与批发零售企业还没有形成紧密 的 协 同的 供应链合作模式 3 从信息共享角度 钢铁行业供应链和医药 流通行业供应链都大量地引进了先进的信息技术 以实现供应链上下游企业之间的沟通与信息共享 但是钢铁行业信息技术 引进 比较成熟 且覆盖 了整 条供应链 而医药流通行业信 息技术更 多地运用 于 物流和销售过程中 3 不 同行业供应链信用风险传染实证研究 3 1 样本 选取 与数 据预 处理 选取宝钢供应链和九州通供应链作为研究对象 使用上市企业的股票市场数据来挖掘供应链 中信用 风险传染关联规则 研究两种类型供应链 中信用风 险传染的规律及其差异性 在样本选取过程 中遵循 以下标准 1 为了方 便对比观察 样本分为两部分 第一 2 0 1 1年 1月 1 E t 一2 0 1 2年 l2月 3 1 E t 宝钢供应链和九州通供应 链上市企业 市 场数据 第 二 2 0 1 2年 1月 1日 一 2 0 1 3年 l2月 3 1日这宝钢供应链和九州通供应链上 市企业市场数据 2 样本 中市场数据包括 已调整 日收盘价 日股权价值 长期 负债 短期负债 同 期无风险利率等数据 3 剔除违约距离计算为负 值 的企业 4 优先选择 国内上市 A股企业 剔 除 在 国外上市企业 5 张荣 等研究表明 上市企 业 的资产规模 影 响企业 信用风 险传 染 的重要 因素 公司资产规模越大 抵御信用风险能力越强 因此 为尽量减少资产规模 的影 响 选取实 际供应链 中资 产规模在 1 O亿元 以上 的企业 样本 数据 来 自 C S MA R国泰安数据库和巨潮资讯网 样本选取结果见 表 1和表 2 表 1 宝钢供应链样本企业及其所属行业 表 2九州通供应链样企业及其所属行业 文中为了使用关联规则 A p r i o r i算法挖掘供应链 企业同一时期的信用风险传染规则 基于供应链企 业 日违约距离 构建事 务数据库 D D S 1 s 2 s n 其 中 s i表示数据库中第 i支股票的日违约时间 序列 本研究进行一维关 系挖掘 所 得规则类似 于 当 A公 司违约距离下跌时 在 8 0 情况下 B公 司 也会随之下跌 3 2供应 链 企业信 用 风 险测量 K M V模 型测量企业信用风险水平可使用违约概 率和违约距离两个指标 由于中国上 市企业历史违 约数据较难 收集 同时 模 型在依据违 约距离计算 违约概率时假设信用风险服从累计正态分布并不符 合实情 因此 文 中直接采取违约距离值来度量供 应链上市企业的信用风险的大小 具体计算结果见 图 1和 图 2 单泪源等 基于 K MV和关联规则算法的行业供应链信用风险传染研究 2 1 5 3 3关联规 则挖 掘 本研究采用关联规则领域经典算 法 A p fi o fi 算法 对供应链企业信用风险进行关联分析 由于企业 日 违约距离是离散数值型矩阵 笔者将其 转化为布尔 型矩阵 方法如下 设定 日违约距离 d i d 时 认 为第 i个交易 日为 T U R E 否则为 F A L S E 将数据导 入到 S P S S C l e me n t in e 1 2 0软件进 行关联规则 挖掘 设定最大前项数量为 2 最低置信度阈值 8 0 产 生关联规则如表 3 表 4 表 5 表 6所示 表 3 宝钢供应链最低置信度阀值为 8 0 生成的关联规则 2 0 1 1 2 0 1 2年 表 4 宝钢供应链最低置信度 阀值为 8 0 生成 的关联规则 2 0 1 2 2 0 1 3年 表 5 九州通供应链最低置信度阀值为 8 0 生成的关联规则 2 0 1 1 2 0 1 2年 表 6九州通供应链最低置信度阀值为 8 0 生成的关联规则 2 0 1 2 2 0 1 3年 3 4不同行业供应链信用风 险传 染挖掘结果分析 通过对宝钢供应链和九州通供应链 中企业信用 风险传染数据挖掘结果分析 可以得 出以下结论 1 如图 3所示 可 以看 出九州通供应链挖掘 出的关联规则数 目要 大于宝钢集 团供应链 2 0 1 1 2 0 1 2年和 2 0 1 2 2 0 1 3年两组时间序列样本 中宝钢集 团关联规则分别为 9条 和 6条 同时 九州通供应 链关联规则数 目均为 1 1条 此外 九州通供应链 中 关联规则支持度 主要分 布在两端 即 1 0 1 1 和 1 3 两个 区间 事实上 康美药业 九 州通 支持 度最高高达 3 2 5 7 而宝钢集 团关联规则 中支持度 则相对较小 从关联规则数 目和支持度角度 说 明 医药流通行业 和钢铁行业 相 比 供应链企业信用 风 险传染更易蔓延 且信用风险变化一致性更强 一 臻 鬟 酱 等 l O 1 l l I nl 2 1 2 1 3 i3 以上 最小支持度区问 a 2 0 1 1 2 0 1 2年数据挖掘 结果 1 0 1 1 I I 1 2 1 2 1 3 1 3 以上 最小支持度区间 b 数据挖掘结果 2 01 2 2 0 1 3年 图 3 不同行业供应链关联规则数对 比 6 5 4 3 2 l O 一 牛一 J 簌蔷鼹岱 2 1 6 单汨源等 基于 K MV和关联规则算法的行业供应链信用风险传染研究 2 在同一支持度区间 内 从置信度平均值 角 度分析结果 见图 4 除了 2 0 1 1 2 0 1 2年样本关联 规则挖掘中 九州 通供应链 在支持度 1 2 一1 3 中 未发现有效关联规则 以外 九州通供应链 中关 联规 则置信度 的平均值均要高 于宝钢集 团供应链 中的关 联规则 从关联规则中置信度的统计意义角度解释 置信度其值越 大 表 明两个 事件关联度越 大 本研 究中表示两个企业 间信用风险传染强度越强 即九 州通供应链 中企业信用 风险强度要 高于宝钢供应链 企业传染强度 l 00 芭8 0 遥 禽rio 40 楹 糊2 0 0 垦 塞堑鉴垦塑 兰 九 州涌供臆链 絮稍 艇闭供麻 l 0 O 鬯8 0 霹6 0 4 0 2 O 0 6 嚣 藩 3 萎 舛 l O 簸 小支持度 8 数据挖掘结果 2 0 1 1 2 0 1 2年 墼尘圭 芏 堕兰鲤 塾 一 九士 蚪 谴供 链 钢嚣 供扁链 1 0 1 1 1 l 1 2 1 2 l 3 l 3 以上 艟小支持发 间 b 数据挖掘结果 2 0 1 2 2 0 1 3年 图4 不同行业供应链关联规则置信度对比 3 供应链上下游企业整合和信息共享在某种程 度上抑制供应链中信用风险的传染 不同行业中供应链 在整合度和信 息共享有较大差别 宝钢供应链与九州通 供应链对比 无论在供应链整合或者信息共享上 宝钢 供应链都要优于 u h l 通供应链 而在信用风险传染分析 结果表明 宝钢集团供应链中企业传染的频率和强度小 于九州通供应链中的企业 这说明供应链的整合和信息 共享在一定程度上抑制了 企业信用风险传染在供应链中 的传染 4 供应链中核心企业信用风险恶化 加速供应 链中其他企业的信用风险感染 由表4 一 表6 所示 在 宝钢供应链中 由宝钢集团信用风险恶化所构成的关联 规则要远远多于其他企业信用风险恶化所构成的关联规 则 在九州通供应链中 九州通与康美药业本身企业信 用风险恶化具有高度传染效应 无论是宝钢集团还是九 州通在其各自的供应链中都属于核心企业 这也与大部 分学者研究观点一致 4 结论 供应链企业信用风险传染研究已成为供应链信用风 险研究的重要方向 此外 行业供应链特征使得信用风 险在不同行业供应链 中传染规律具有明显的不同 本研 究首先使用 K M V模型对供应链中企业信用风险进行度 量 然后在采用 A p r i o r i算法进行关联规则挖掘 分析 了医药流通行业和钢铁行业的供应链企业信用风险传染 规律 通过对比分析 得到以下结论 医药流通行业与 钢铁行业相比 医药流通行业供应链 中企业的信用风险 传染频率和传染强度都要高于钢铁行业供应链 中的企 业 供应链中核心企业信用风险更易在供应链中蔓延 供应链企业上下游企业整合以及信息共享程度是影响供 应链企业信用风险传染的重要因素 本研究只选取了钢铁行业和医药流通行业的著名企 业上下游供应链进行研究 存在一定的局限性 此外 本研究选取供应链样本的过程中剔除了非上市公司 导 致了研究结果有一定的偏差 但是 从 目前研究来看 对供应链进行简化研究已被大多数学者认可 未来可在 此基础上 进行深入挖掘各行业供应链信用风险传染特 征并探索其内在传染机理 参考文献 1 K L I B I W MA R T E L A S ce n a r i o b a s e d s u p p l y ch a i n n e t w o r k r i s k m o d e l i n g J E u r o p e a n J o u r n a l o f O p e r a t i o n a l R e s e a r ch 2 0 1 2 2 2 3 3 6 4 4 6 5 8 2 C H E R NM S P A NQ T E N G J S t a ck e l b e r g s o l u t io ni n a v e n d o r b u y e r s u p p l y ch ain m o d e l w it h per m i s s i b le d e l a y i n p a y me n t s J I n t e r n a t io n a l J o u r n a l o f P r o d u ct i o n E co n o m i e s 2 0 1 3 1 4 4 1 3 9 7 4 0 4 3 WA KO L B I N G E R T C R U Z J M S u p p l y ch ain d i s r u p t i o n r i s k m a n a g e me n t t h r o u g h s t r a t e g ic in f o r ma t io n a cq u is it io n a n d s h a rin g an d r is k s h a n g co n t r a ct s J I n t e r n a t i o n a l J o u r n a l o f P r o d u ct i o n R e s e a r ch 2 0 1 1 4 9 1 3 4 0 6 3 4 O 8 4 4 S A WI K I n t e g r a t e d s e l e ct i o n o f s u p p l i e r s a n d s ch e d u l i n g o f cu s t o m e r o r d e r s i n t h e p r e s e n ce o f s u p p l y ch a i n d i s rup t i o n r i s k s J I n t e ma t i o n a l J o u r n a l o f P r o d u ct i o nR e s e a r ch 2 0 1 3 5 1 2 3 2 4 7 30 6 7 0 2 2 5 T A N G C S P e r s p e ct i v e s i n s u p p l y c h a i n r i s k m a n a g e me n t J I n t e ma t i o n a l J o u r n a l o f P r o d u ct i o n E co n o mi e s 2 0 O 6 1 0 3 2 4 5 1 4 8 8 6 S O D H I S S O N G T A N G C曼R e s e a r ch e r s pers p e ct i v es o n s u p p l y ch a i n ris k m a n age m e n t J P r o d u ct i o n and O p e r a t i o n s Manage me n t 2 0 1 2 单汨源等 基于 K MV和关联规则算法的行业供应链信用风险传染研究 2 1 7 21 1 1 3 7 赵荣 供应链信用风险传导机制研究 D 北京 中国矿业大 学 2 0 1 1 8 杨扬 基于赊销行为的供应链企业信用风险 J 系统工程 201 2 2 9 1 2 3 5 3 9 9 陈艺云 违约传染与供应链金融的信用风险测度 J 统计与决策 201 2 1 3 3 3 5 1 0 张圣忠 喻冬冬 李洋 知识共享对供应链信用风险传染 的影响研 究 J 统计与信息 论坛 2 0 1 3 2 8 1 2 7 3 3 1 1 张玲 杨贞柿 陈收 K MV模型在上市企业信用风险评价 中的应用 研究 J 系统工程 2 0 O 5 2 2 1 1 8 4 8 9 1 2 马若微 K MV模型运用于中国上市企业财务困境 预警的实证检验 J 数理统计与管理 2 O 0 6 2 5 5 5 9 3 6 0 1 1 3 王秀国 谢幽篁 基于 C V a R和 G A R C H 1 1 的扩展 K M V模型 J 系统工程 201 2 1 2 5 1 4 闫海 峰 华雯君 基于 K M V模 型的中国