3. 智能寻源算法概述
智能寻源算法是供应链金融报价优化的核心引擎，它通过多维度数据融合与动态权重计算，在供应商报价集合中自动筛选出最优组合。本章聚焦于寻源算法的完整流程、报价排序的核心逻辑，以及风险权重如何作为关键调节因子影响最终排序结果。
3.1 寻源算法流程
智能寻源算法遵循“数据接入 → 特征提取 → 风险评分 → 报价排序 → 结果输出”五阶段流水线架构。每个阶段都依赖上游输出，并向下游提供标准化数据接口。
核心流程阶段说明：
- 数据接入层：接收供应商基础信息、历史交易记录、实时报价、外部征信数据（如税务、司法、工商变更）。
- 特征提取层：对原始数据进行清洗、归一化，生成可计算的特征向量（如履约率、逾期次数、价格偏离度）。
- 风险评分层：基于预训练模型或规则引擎，对每个供应商生成风险权重系数（0~1 之间）。
- 报价排序层：将风险权重与报价金额、交付周期、质量等级等因子加权融合，计算综合排序得分。
- 结果输出层：输出 Top-N 推荐供应商列表，附带风险标签与报价明细。
3.2 报价排序逻辑
报价排序采用多目标加权评分模型，将价格、交付、质量、风险四个维度归一化后线性组合。排序得分公式如下：
Score = α × PriceScore + β × DeliveryScore + γ × QualityScore + δ × RiskScore
其中：
PriceScore = 1 - (报价 - 最低价) / (最高价 - 最低价)
DeliveryScore = 1 - (交付天数 - 最短天数) / (最长天数 - 最短天数)
QualityScore = 历史合格率 / 100
RiskScore = 1 - 风险权重系数
α + β + γ + δ = 1
工程实践要点：α、β、γ、δ 四个权重系数通常由业务专家通过层次分析法（AHP）或历史数据回归确定。在智能寻源系统中，这些系数支持动态调整——例如在资金紧张周期，δ（风险权重）会被自动调高。
| 维度 | 归一化方法 | 典型权重范围 | 数据来源 |
|---|---|---|---|
| 价格 | 极差归一化 | 0.30 ~ 0.50 | 供应商实时报价 |
| 交付 | 极差归一化 | 0.15 ~ 0.25 | 历史交付记录 |
| 质量 | 线性映射 | 0.15 ~ 0.25 | 质检系统接口 |
| 风险 | 1 - 风险权重 | 0.10 ~ 0.30 | 风险评分引擎 |
3.3 风险权重如何影响排序
风险权重是排序逻辑中的惩罚因子。当供应商的信用评分低、历史违约率高或经营异常时，风险权重系数趋近于 1，导致 RiskScore 趋近于 0，从而大幅拉低综合得分。反之，优质供应商的风险权重趋近于 0，RiskScore 趋近于 1，获得排序优势。
风险权重调节的边界效应：当 δ 权重系数超过 0.3 时，风险维度将主导排序结果，可能导致价格最优但风险中等的供应商被完全排除。工程部署中建议设置 δ 的上限阈值，避免过度保守。
在实际工程部署中，风险权重并非静态值，而是通过实时风险监控引擎动态更新。当供应商出现司法诉讼、税务异常或舆情负面事件时，风险权重系数会立即上调，触发排序重算，确保推荐列表始终反映最新的风险态势。
风险权重动态更新触发条件：
- 定时触发：每 4 小时全量重算一次（适用于批量寻源场景）。
- 事件触发：当外部征信数据源推送风险事件时，立即增量更新受影响供应商的风险权重。
- 人工干预：风控人员手动调整特定供应商的风险等级，系统自动重新排序。