《表3 基于优化建模的规范研究方法分类及其适用领域》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《供应链金融的文献回顾与展望:边界、趋势、方法及主题》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

近年来，机器学习与数据驱动模型也开始出现在供应链金融的研究中，这些方法往往需要大量的研究数据进行训练或模拟研究，更加关注模型求解方法本身的优劣。Zhu et al.（2019）和Zhu et al.（2016）采用改进的混合集成机器学习方法预测供应链金融中的中小企业信用风险，以帮助进行供应链融资决策[65-66]。Li et al.（2019）在多周期背景下提供了一个数据驱动的模型和解决方案，帮助采购和供应经理在博弈论的背景下，结合生产、订购和库存决策，做出最佳的动态信贷期限决策[67]。Cai et al.（2020）利用反向传播神经网络研究企业供应链的融资风险[68]。