行业资讯

统计与决策215年第12期中小企业物流外包风险控制模型与方法

2022-09-26 09:21:56

统计与决策,2015年12期,432号,中小企业物流外包风险控制模式与方法(河南师范大学旅游学院,河南新乡453007)收件人:在竞争日益复杂和激烈的市场环境下uNITY建模外包,外包将成为企业未来实现可持续发展目标的必然选择。中小型企业风险控制方法(风险矩阵法),该方法在传统风险矩阵法原理的基础上,融合了德尔菲法、BORDA序值法、层次分析法,对风险指标进行加权,建立更先进的方法 关键词:中小企业;物流外包;风险控制 科技攻关重点项目f 教育部() 作者简介:曾晓红(1969-),女,河南新乡人,硕士,讲师,研究方向:企业管理。引言 物流外包是一种现代服务业ue模型外包,可以实现双方的业务外包。互惠互利、共同进步是提升企业核心竞争力的重要途径之一。但是,外包并不一定会给企业带来好处。在日益复杂多变的市场环境下,外包业务也存在较大的风险。特别是在企业与物流服务商在信息、资源、业务结构等方面存在较大差异的情况下,选择物流外包的企业将面临更大的经营风险。

虽然外包业务正在增长,但它的增长速度并没有我们想象的那么快。据公司2003年发布的一项行业调查数据显示,超过三分之二的企业对目前的物流外包服务行业不满意,15%的企业表示正在考虑放弃物流外包,自行经营企业采用第三方物流服务后,许多意想不到的市场风险会从物流外包业务渗透到企业内部,导致企业经营风险急剧增加。物流外包的风险不仅会影响企业的正常经营活动,还会对一个国家或地区的物流市场产生重大影响。因此,如何有效识别和抑制物流外包风险成为当前实践和学术界关注的焦点。风险控制模型物流外包风险因素非常多样化。这些风险因素相互关联,相互作用。物流外包行业主要分为三大类:物流外包企业、物流服务商和外包企业客户。物流外包行业包含非常复杂的影响因素和不确定的风险。物流外包系统的参与者将相互交换信息、资金和物流。由于物流外包业务复杂多变的特点,为了达到本文的目的,本文建立了一个简化的仿真模型,该模型基于三个假设:假设风险传递路径不具有环路特征传导过程中不存在相互耦合;风险传导和风险发生概率传导是等价的概念。

在以下公式中,本文定义了物流外包业务的一组风险因素: 上式中,y指物流外包风险,y指物流外包企业。在这里,一旦发生,企业就有可能遭受这种风险损失;与P(y)相关的物流企业数量。本文使用对P有直接影响的风险因素集合;用count(Y)来描述集合Y中包含的风险数量;中提到的计算公式第三章用于计算集合中的风险因子,使用以下计算公式和方法得到P(y(1))的算法,阐明每个风险的概率。根据风险传递理论,我们可以计算出中间风险和外生风险发生的概率,可以看下式: 这里给出风险模型中所有风险因素发生概率的计算方法和步骤。计算概率V来描述计算过程,这里用来表示风险循环的次数,为了保证计算公式有效,我们还需要限制DOI:.13546/ki.tjyjc.2015.@ >12.04816510 街atistics and Decision-Making 2015 第 12 期,第 432 期,风险发生概率。 (2)关于后代风险发生概率的计算方法和过程。后代风险因素发生概率具有风险因素传导广度计算的功能。影响不容忽视。这里我们定义直接或间接相关的风险因素所有风险因素作为后代风险的集合。

(3)计算给物流外包企业设定的风险因子的预期损失值。父风险因子是诱发子风险的主要来源。本文计算子风险因子的概率为到前面的公式。这里的P((s(y)的发生概率,而是其母风险因素传递的发生概率。我们可以利用前面的公式来计算风险从传递到企业的损失基于传递的风险概率Risk(s(y)。对后代风险因素损失的期望值。一般来说,在风险传递过程中,单个风险传递会经过多个渠道和环节,可能会引发多个后代风险传递过程中的各种因素,从而给企业带来各种风险。风险损失。这里我们用Risk(y来描述物流外包系统面临的风险损失预期。N的集合使用的sendants, Risk(y 风险控制方法) 目前,风险评估的方法非常多样化,每种评估方法都有其适用范围和优缺点。本文综合比较多种评价方法,选出最佳的一种。通过分析几种常用的风险评估方法,我们知道大多数风险评估方法都没有考虑风险发生的概率,而只是分析风险损失。风险矩阵法不仅考虑了风险发生的概率,而且还预测了风险的期望值,采用定性和定量相结合的方法ue模型外包,将风险划分为不同的等级并确定它们。此外,风险矩阵的使用方法还可以避免专家评分法的局限性,根据风险影响和概率分类进行风险分类和评级,通过专家的集体评审来判断风险影响的大小和程度。

但是,我们必须认识到风险矩阵法本身的内在缺陷。一方面,它的计算方法比较简单。由于风险发生概率和风险影响等级比较模糊,是一个粗略的估计值,所以估计结果存在一定的误差。另一方面,这种方法的风险分类较少。如果风险因素较多,在计算过程中可能会遇到多个风险在同一个分类中的问题,导致风险因素分类的收敛性较大,影响计算的准确性。为了有效降低风险矩阵法的负面影响,本文对其进行优化调整,结合BORDA序数法对算法进行改进。用于对物流外包的风险因素进行排序,明确各风险因素的风险排序。 ,从而避免风险因素在一定程度上过度集中,为制定风险应对措施提供更精准的指引。此外,本文还将BORDA序列值引入专家评分方法中,并对各个风险因素赋予权重,提高了分析方法的科学合理性,保证了分析结果更加科学可信。本文建立的风险矩阵法是基于传统风险矩阵法的原理。风险价值算法。对此,本文将对上述方法进行深入阐述。 1955年,为完善军品采购决策机制,美国军品采购小组组织各行业专家建立了基于全生命周期理论的采购评价模型。

模型基于风险概率和影响大小两个维度,综合分析采购风险和影响大小。这种方法首先用于美军的电子系统采购,分析武器遥控系统的采购风险。该方法在实践中收到了良好的效果,很快在其他行业中流行起来。这种方法经过多年的发展和完善,逐渐形成了今天的风险矩阵法。在这个发展演变过程中,美国美图做出了最大的贡献。由于风险矩阵法具有明显的应用优势,它同时考虑了风险发生的概率和预期损失值,被许多企业采用。风险评估模型为启动风险评估奠定了理论基础,为风险管理提供了方法论支持。在他的论文中,Jean 构建了 BORDA 序数方法并用它来分析投票行为。 1770年和1784年,年轻的法国数学院就同一主题发表了两篇论文,系统地阐述了BORDA序数法的作用和作用。由于学者们反对 BORDA 的少数多数约定,有人指出这种分析方法可能与实际情况脱节。人们在做出选择时,总是根据个人喜好来选择。由于个体偏好存在不可避免的差异,因此按照偏好进行排序。同意A的人,同意B的有7人,同意C的有6人。少数服从多数。原则上选择A;但实际上,38%的人选择了A。为了避免少数服从多数带来的劣势,BORDA提出了一种评分制度,要求评价者根据个人喜好对评价对象进行评分。排名越高ue模型外包,得分越高。第一名方案分配如下:(n-1)分unity3d建模外包,(n-2)分为0分,相邻两个排名相差1分,最后统计全部打分). .

计算总分后,我们知道A为39,B为41,C为46,则C获胜。这种评分方式反映了个体偏好差异,更符合所有选民的整体偏好。上面我们已经介绍了 BORDA 方法的基本原理。它的主要特点是反映了选民的个人偏好因素,函数b 166统计与决策2015年第12期第432期有选民选择的结果。提案的投票人数总和  x。因此,我们可以将 BORDA 选择函数表示如下: 1970 年代,哈佛数学家 Satty 等人。提出了层次分析法,这是一种结合定性和定量分析的多维决策分析方法。层次分析法由三层组成:目标层、判断层(标准层)和程序层。判断层和解决层由多个元素组成。在构建判断矩阵的过程中,应以上一层的元素为基准,对下一层的元素进行比较分析,并对分析结果进行量化。如果第二层的元素是加权系数。在这个过程中,可以根据排序顺序确定权重系数。权重分配方法非常多样化,例如可以根据基层员工访谈的结果制定排名方案。一般来说,可以通过征求行业专家的意见来进行排名。本文采用专家打分法对BORDA序数值进行优先排序,最后建立判断矩阵。如果有n个元素,请专家打分后得到判断矩阵C=(C ij .

在上述矩阵中,Cij 表示因子 i 对目标的重要性。值得一提的是,在构造了判断矩阵之后,我们还需要进行一致性检查,因为判断矩阵是否可用直接由一致性检查决定。本文为了量化比较结果,为判断矩阵的构建提供数据支持,采用指标比值法对指标进行量化。接下来,本文介绍19标度法,计算一级指标的权重,并在此基础上检验判断矩阵的一致性(2)计算矩阵乘积的n次根W为权重。判断思维的一致性是指在组织专家进行集体评分时,为了保证专家的意见高度一致,没有明显的分歧。为了保证判断矩阵能够通过一致性检验,必须先检查矩阵索引C1的值ue模型外包,进行微分处理,使其与一致性索引RI具有一一映射关系,映射函数的一致性比用CR表示,当CR0.10,表示该矩阵没有通过一致性检验,此时需要调整判断矩阵,再次通过一次性检验,才能使用。这里给出判断矩阵一致性检验的过程ss:计算判断矩阵的特征值λmax:elements。 (2)计算CI CI(3)计算CRCR=CI RI 由于不同阶的判断矩阵一致性的特征值不同,所以CI值的标准也不同。为了解决这个问题,我们可以引入平均随机一致性指数RI。对于1~9阶判断矩阵,RI值如表1所示。

1.4610 1.49 如果判断矩阵没有通过一致性检查,则调整它。根据一级指标的分析结果,计算二级指标的权重,再次接受一致性检验。这个过程是从低到高的演变。本文采用层次分析法计算指标权重,参照BORDA序列值作为排序依据,对风险指标进行成对比较,最后建立判断矩阵计算各风险价值指标的权重应用实例 本文以4家企业的业务运营数据为分析依据,通过风险分析建立风险网络模型,并确定各风险传导机制。在下图1中,我们给出了各个风险的概率转移率,为了便于区分,我们用“”表示内部风险。根据专家评分法,我们以物流外包系统为例,得到了风险发生的概率和风险损失的期望值。在后续的评估过程中,我们将使用之前建立的风险传递模型,建立风险评估体系:根据之前建立的风险传递过程的企业风险影响因素V(y)计算出每个过程对应的后代风险数量风险因子;迭代计算每个风险因子对应的风险值,如果是同一家企业,则将所有风险值相加,得到该企业的整体风险值;根据前面建立的风险传递公式b(y)在本文中,我们可以计算物流外包的风险值,然后将所有个体风险值相加,就可以得到整个企业的综合风险值。

风险传递路径图 风险源 13 风险载体 信息流 物流 资金流 资金流 物流技术流 物流技术流 风险接受者 风险概率传递率0.30 0.45 0.45 < @0.55 0.66 0.85 0.35 0.25 表头对照表编号 企业数量给关联公司带来的损失预期(万元)企业自身损失预期(万元) 物流外包系统损失预期(万元) 企业对物流外包系统造成损失的预期(万元) 物流外包系统综合损失预期 1011 1415 <@ 0.330.21 0.16 0.33 0.13 0.13 0. 15 0.50 0.@ >06 0.07 0.44 0.33 0.40 0.43 0.32 0.55 29. 3036.60 59.20 33.60 90.00 51.00 75.@>60 82.50 8 9.00 33.00 78.90 2 3.50 69,.00 60.00 4 1.50 28.70 9.707.70 9.50 1 1.10 11.70 6. 60 11.30 41.30 5.@>30 2.30 34.@ >70 7.80 27.60 25.80 13.30 15.@>80 3870.90 50.20 82.50 22.7014.@ >70 9.50 109.50 38.60 7.80 30.20 13.30 15.@>80 104 6.90 109.50 46.40 59.30 11261.@ >60,标有“”的为内部风险,其发生概率是肯定的。必须计算其他外部风险发生的概率。

通过前面的计算公式,我们可以得到如下结果:(1)外包系统的内生风险从大到小的顺序是:Y(12)可以知道由上式可知企业B的风险因子最大,达到8,需要高度重视。(2)企业物流外包系统风险排序如下: 由上式可知,我们可以发现,企业 B 面临的风险最大,从表 4 的结果可以看出,虽然企业 A 和 B 的风险不大,但整体系统风险还是比较大的。虽然企业 C 和 D单一风险,系统整体风险在可接受范围内。(3)通过根据前面建立的基于物流外包系统的风险模型,可以得到综合风险评估值:261.@ >6万元;如果企业管理层想降低外包风险sk,它可以优化和调整物流外包系统,可以通过上述方法进行。整改,如果改善效果比较明显,可以继续优化循环。结语 近年来,河南省旅游业进入高速发展轨道,旅游业产值持续增长,产业发展数量和质量同步提升,成为河南省重要增长极之一。当地经济。进入新世纪后,外包必将成为未来企业实现可持续发展目标的必然选择。在竞争日益复杂多变的市场环境下,外包业务也存在较大的风险因素,尤其是对企业和物流服务商而言。在信息、资源、业务结构存在较大差异的情况下,选择物流外包的企业将面临更大的经营风险。

如何有效识别和抑制物流外包风险已成为当前实践和学术界关注的焦点。本文在深入研究的基础上,构建了中小企业物流外包风险控制模型。该模型基于以下三个假设:风险传导路径不具有环路特征;风险在传导过程中不会相互耦合;风险传导和风险发生概率传导是等价的概念。同时给出了各风险发生概率的算法、子孙风险发生概率的计算方法和过程,以及该组风险因素给物流外包企业带来的损失的期望值。提出了一种中小企业物流外包风险控制方法(风险矩阵法)。该方法基于传统风险矩阵法的原理。赋权并建立了更先进的 VaR 算法。本文以四家公司的业务运营数据为分析依据,通过风险分析建立风险网络模型,同时确定各风险传导机制。实证结果表明,本文构建的模型和方法是正确、可行和有效的。参考文献:[1]吴[J].进展, 2010, 18(6). [2]Han Co-Social Network work ons. Master's Degree Thesis[M]. Da⁃lian,2013. [3]Paul Using Web-Based知识抽取建模[M]. 讲义, 2011, (6589). [4] 模型[J]. Physics Letters 2010,374(34). [5] Yang et al. Behaviors . nce , [M]. Toronto, OntARio, Canada, October, 2010. (Editor-in-Chief / Hao

标签: ue模型外包