2007年,Demica公司发布一份研究报告指出,73%的欧洲大型企业一方面不断向其供应商施加降价压力,一方面不断延长向这些供应商付款的账期,导致很多供应链面临资金链断裂的风险。因此强调资金流在物流、信息流中整合和协调的供应链即金融供应链。它的重要性逐渐引起学术界和企业界的关注。通过对资金流、物流和信息流的协调整合,可以保证供应链运营的顺畅以及资金的增值。与单个企业资金流的管理相比,金融供应链管理的范围更宽,面临的不确定性因素更加复杂,影响也更加深刻。因此,要实施金融供应链的风险防范,应将金融风险与供应链风险结合考虑。由于现代金融理论和模型大多是建立在“理性代理人”和“有效市场假说”这两个理论基础之上,其研究范式也局限于“完全理性”的分析框架。现代金融理论的理性人的假设是为了方便构建理论体系,而忽略人的具体决策行为。随着各种异常现象在金融市场上的累积,现代金融理论的理性不得不面对模型的结果和实际的数据的偏差的尴尬。20世纪70年代末发展起来的行为金融理论,在博弈论和实验经济学被主流经济学接纳之际,它逐渐开始撼动CAPM和EMH的权威地位。目前,行为金融理论逐渐开始成为金融研究中一个十分引人注目的领域,通过对原有理性框架中的现代金融理论深刻的反思,并从人的角度来解释市场行为,充分考虑市场参与者的心理因素的作用,为人们研究金融市场和对金融市场进行风险管理提供了一个新的视角。本文首先分析了目前金融供应链的风险识别的方法,并对金融供应链面临的潜在的金融风险进行归类分析。通过分析发现目前的供应链金融风险指标过多,因此提出基于主成分分析的人工神经网络对金融风险进行识别,不仅简化了指标,并且提高神经网络的收敛速度,取得较好的效果。根据第二章对风险的分类、量化和本章基于传统金融理论的风险管理的介绍,通过分析传统理论存在的缺点,提出利用行为资产组合模型(BPT-SA模型)对不同风险的资产进行建模。根据实例数据,利用行为金融理论的资产组合模型(BPT模型)对不同风险的资产建模,利用微粒群算法编程求解。通过仿真实验证明该模型可以解决金融供应链中的信贷风险管理问题,具有较好的可操作性。本文在第四章,通过运用行为金融理论的方法分析原有的风险管理方法的不足,提出了金融供应链整合风险管理框架。本文的创新之处在于将行为金融理论引入到金融供应链风险管理中,并根据行为金融理论建立LBPT-SA银行信贷模型,并给出微粒群算法求解。综合运用PCA/BP神经网络算法对金融供应链进行风险识别。根据原有的风险管理方法的不足,提出了金融供应链整合风险管理框架。