物流金融风险管理全过程

近年来，物流金融行业得到了迅速的发展，这对于有效的缓解中小企业所面临的资金压力以及更好的应对世界金融危机具有十分重要的意义，同时对于促进当代物流企业盈利能力的提高也具有一定的帮助。本文对物流金融风险管理的全过程进行了详细的分析，主要涉及到了风险识别、风险处理和风险评价三个方面的内容，通过本文的相关探讨，希望对企业、银行、物流企业以及融资企业能够更好的规避物汕头到周口物流流金融风险问题提供一定的借鉴和帮助。

物流金融；风险管理；过程；融资

一.物流金融的风险识别过程

在物流金融领域存在着很多的风险因素，其中部分因素是完全独立存在的，但也有一部分是彼此之间是互相作用的。要完成对物流金融风险的评价工作，就需要准确的选取科学合理的风险评价指标。

（一）融资企业存在风险的研究

对于目前多数的第三方物流企业，其更乐意和自己比较了解而且彼此之间具有长期合作关系的中小企业提供物流资金增值服务，物流企业之所以这样做目的也是为了更好的规避物流金融的风险。在对物流企业的信用等级评估工作中，主要涉及到了以下几个方面：

1.企业运营能力

选取企业的运营能力作为定性指标；对于持续运营三年以上的融资企业其信誉等级评为“优”；经营未满1年者评为“差”；处于忧和差之间的融资企业就被评为了“中”。融资企业提供了资产回报率，而第三方物流企业根据融资企业的物流数据情况提供出存货周转率。

2.融资企业的盈利能力

以“连续盈利能力”作为定性指标，对于一些连续三年内持续盈利的企业评定为“优”，连续三年内少于两年盈利的企业被评定为“差”；而连续三年内两年盈利者评为“中”。一系列的相关数据如：销售利润率和税后利润率均由融资企业所提供。

3.融资企业的偿还能力

以企业稳定存货为定性目标，在最近一年内，融资企业在第三方物流存货的规模处于稳定和升高者评定为“优”，存货规模浮动较大者评为“差”，中间者记为“中”。由融资企业提供资产负债率和速动比率。

4.企业的信用记录

由于我国目前发展相对滞后的企业资信评级体系，导致第三方物流企业始终不能以较低的成本来直接的获得所有融资企业的信用评定等级，只能通过以之前合作记录为依据，完成对该企业履约率的统计，并以此来作为衡量企业合同执行情况的主要指标。

（二）物流金融风险指标体系的建立

在现阶段稳定的银行政策的影响下，第三方物流企业作为了代理型物流金融风险的主要承担者，其中金融风险影响因素的主要来源就是抵押物本身和融资企业，对此，我们提出了详细的一套物流金融风险指标体系。

（三）对物流金融风险指标体系的检验

虽然物流金融风险指标体系的是在对实践的不断归纳和总结以及对模型的借鉴优化的基础之上形成的，但为保证该指标体系的可靠性和专业性，我们还需要对这一风险指标体系进行检验工作。

二.物流金融风险的评估工作

物流风险的评估工作也就是在物流金融风险识别的过程中对风险因子完成量子化分析的过程，对物流金融风险评估工作的结果对的对后续风险处理方法有着直接的决定性作用。在本研究中利用了BP神经网络来完成对物流金融的风险评估工作。主要步骤如下：

（一）风险评估模型的建立

在设计过程中，网络层数和网络拟合度与每一层的节点数呈现一种正相关的关系，为实现拟合度的提高虽然可以通过佛山到济源物流增加网络层数的措施，但这也直接导致了网络的复杂化，进而也增加了训练的时间。所以引用了一个同时含有一个隐含层的具有三层BP的神经网络。BP神经网络的主要特征的体现就是对BP算法，又称之为梯度优化法。一般所涉及到的BP算法确定的原则就是：沿着表现函数下降最快的方法来进行对网络权值和阀值的修正。

（二）风险样本数据的获取

1.样本数据的采集

为了更好地说明物流金融风险评价模型的具体实现过程，同时也为了更好的说明模型的有效性和可靠性，需要制定一个物流金融风险样本数据收集表。表中数据信息要详尽具体，同时细分了高风险样本和低风险样本以及中风险样本。所采集到的样本数据经过一定的整理后录入从而形成一个完整的物流金融风险样本数据汇总表。

2.样本的处理

由于在物流金融风险指标体系中同时涵盖了定性指标和定量指标，在两类指标之间又缺少一个统一的度量标准，而且也不符合神经网络对于数据输入的需求，因此特加大了对网络收敛性的训练。另外对输入风险评估模型的样本数据进行了一定的预处理过程，通常所应用到的处理方法就是模糊化和归一化等。

（三）物流金融风险评估模型的仿真

1.隐含层的节点数

据上述可知，物流金融的风险评估模型一般都是由具有三层结构的BP神经网络组成，其中在输入层中有着15个节点，而输出层仅有1个节点，在隐含层的节点数值取值范围一般都在6到14之间。但据研究发现，当节点数为14个时，评估模型的误差是较小的，同时网络误差的收敛性也较好，因此可以将物流金融风险评估模型中隐含层节点数的数量确定为14个。

2.网络训练函数

在系统中所应用的Traing D函数来完成对BP神经网络的训练可以实现网络能够很快的进行收敛，而且过程中所产生的误差也比较小。但相比较于Traing D函数，Traing DM函数对神经网络的训练得到的结果是：能够使网络收敛速度更快，所以从风险评估模型优化的角度考虑，一般我们选取的训练函数是Traing DM.

3.网络学习速率

网络学习速率的选择直接影响到了网络收敛性的稳定。一般情况下，所选择的学习速率是0.01，在这一速率下，神经网络不仅具备良好的稳定性，而且也能很快的实现收敛。适当的提高网络学习速率，将其数值从0.01升高到0.02时，出现了网络误差曲线的明显震荡；而当数值为0.05时，误差又不能达到预定的目标。综上，为实现物流金融风险评估模型的最优化，一般所采取的神经网络学习速率为0.01. （四）风险评估模型的检验

风险模型的评估结果基本上能够和样本的实际相一致，所以我们可以认为给予神经网络的物流金融风险评估模型有着良好的风险评估能力。

三.物流金融风险的处理

（一）管理型物流金融风险处理措施

1.风险回避

管理型物流方案在执行过程中会存在一定的潜在的风险，造成很多不利后果，所以需要采取一些手段和方法来减轻影响，比如放弃执行或者改变原有计划选择其他风险小的方案，这样一来就能够有效的回避风险，对于有风险的物流金融业务，需要综合自身物流实力来采取回避风险的措施，做到最小损失。

2.风险预防

风险防范意味着在实施过程中，要寻找潜在风险，采取措施，减少风险因素和风险概率，避免严重损害。在实际操作过程中，第三方物流应加强企业风险管理能力，增强员工风险意识，提高责任心，完善公司相关制度，防范财务风险，帮助企业健康发展。

（二）财务型物流金融风险处理措施

1.风险承担

所谓风险承担指的就是企业自身承担风险事故造成的损失，又称之为风险自留。在物流金融的实践中，第三方物流往往起着被动的风险承担的角色，在某项具体的业务开展之前，物流方可能也会意识到融资方抵押物所具备的风险，但是未能对存在的风险作出正确的预估，因而导致预防措施未能及时的采取进而导致了巨大的损失。在业务往来中，任何的一种业务行为都会存在一定的风险，有风险才会有收益，因此为保证企业收益的增加，也就需要采取恰当的风险承担。

2.风险转移

风险转移也是一种风险管理办法，这是主动将项目或相关的财务后果转移到其他单位或个人，从而有效地避免风险损失。风险转移作为了第三方物流企业常常采用的风险处理措施，物流方就汕头到和田物流是通过出让一部分的收益，然后成功的将物流金融业务转嫁给别人，从而有效的降低业务总体的风险。

四.结语

本文对物流金融风险管理体系进行了初步的探讨，主要涉及到了以下几方面的具体内容：

1.建立了一个具有良好的识别能力的物流金融风险评估模型；2.介进行了对物流金融风险管理全过程的系统研究；3.建立了物流金融的风险指标体系，并验证了该指标体系的稳定性和一致性。

物流金融正处在一个高度发展壮大的时期，而且现阶段相关部门对其研究的投入力度也在不断的加大，相信在不久的将来，物流金融必将会呈现出一种全新的形态，进而更好的为社会的发展做出更好更大的贡献。