大宗商品供应链风险识别

摘要

针对传统大宗商品供应链风险识别方法的识别角度不全面，识别结果准确度较低等问题，采用文本挖掘方法，建立包括数据采集及语料库构建、数据预处理、风险识别的大宗商品供应链风险识别模型框架，从中国知网、万方数据知识服务平台中获取大宗商品供应链管理相关研究文献，构建包含不同文献数的3个语料库，对语料库数据进行词频分析、N-gram分析、相关性分析、累计词频-信息熵(term frequency-information entropy, TF-H)降维及潜在狄利克雷分配(latent Dirichlet allocation, LDA)主题建模，并将风险识别结果与传统供应链风险识别方法的识别结果进行对比，验证方法的有效性。结果表明：通过LDA主题模型生成20个大宗商品供应链风险主题，每个主题从不同角度展示当前大宗商品供应链面临的风险，将识别出的大宗供应链风险分为市场风险、物流风险、金融风险、环境风险、管理风险、合作风险6种类型；文本挖掘方法与其他传统风险识别方法的风险识别结果具有较强的耦合度，且识别维度更全面、识别结果更准确。文本挖掘技术可全面、准确地识别供应链风险因素，可为大宗商品供应链风险识别提供理论支撑。

关键词

大宗商品 / 供应链管理 / 风险识别 / 文本挖掘 / LDA

基金资助

山东省金融应用重点研究项目(2022JRZZ-24)