供应链金融网络建模实战

📚 共计 30 章节

供应链金融网络概述

定义、核心参与方（核心企业、上下游、金融机构）、网络结构特征

网络科学基础

图论基础（节点、边、有向/无向图）、网络类型（随机图、小世界、无标度）

数据采集与预处理

数据源（ERP、发票、物流）、数据清洗、实体对齐、关系抽取

网络构建实战

使用NetworkX构建供应链网络图、添加节点/边属性（规模、评级、账期）

网络可视化

Matplotlib/Plotly绘制、布局算法（Spring、Circular）、交互式可视化

可视化Plotly

网络拓扑分析

度分布、连通性、聚类系数、平均路径长度、网络密度

节点中心性分析

度中心性、介数中心性、接近中心性、特征向量中心性（PageRank）

中心性关键节点

社区定义、Girvan-Newman算法、Louvain算法、模块度评估

供应链风险传播模型

SIR模型在供应链中的应用、级联失效模型、风险传染路径模拟

信用风险传导

基于网络结构的信用风险扩散、违约概率计算、风险敞口评估

资金流网络建模

应收账款流转、票据贴现、资金缺口分析

资金流建模

信息流网络建模

订单信息传递、信息不对称度量、信息共享价值

信息流协同

物流网络建模

库存节点、运输路径、仓储中心、物流效率分析

多层网络建模

资金-信息-物流三层耦合网络、层间依赖关系、协同效应

动态网络分析

时序网络构建、网络演化规律、快照对比分析

网络鲁棒性分析

随机攻击与蓄意攻击、鲁棒性指标、关键节点识别

鲁棒性抗毁

核心企业识别

基于网络指标的核企识别、核企影响力评估、核企风险

核心企业识别

供应链金融产品设计

基于网络结构的应收账款融资、库存融资、预付款融资

信用评分模型

网络特征作为信用评分因子、图神经网络（GNN）基础、节点分类

信用评分GNN

图神经网络实战

PyTorch Geometric环境搭建、GCN/GAT模型构建、供应链节点分类

相似性指标（Jaccard、Adamic-Adar）、随机分块模型、未来交易预测

链路预测相似性

Node2Vec、DeepWalk、GraphSAGE、嵌入向量可视化

嵌入表示学习

异常交易模式识别、异常节点检测、图注意力机制

异常注意力

供应链金融平台架构

数据层、图计算层、应用层、API设计

案例实战1：汽车行业

数据获取、网络构建、风险分析

案例实战2：医药行业

合规风险、库存周转、资金流优化

案例实战3：跨境电商

多国节点、汇率风险、物流时效

模型评估与优化

交叉验证、超参数调优、模型可解释性（GNNExplainer）

评估可解释

监管与合规

数据隐私（联邦学习）、反洗钱（AML）网络分析、监管科技

数字孪生供应链、因果推断在图网络中的应用、大模型+图网络