本文旨在介绍由刘朝明、陈晓红、傅文润、胡东滨、卫立群合作完成，并于2025年10月22日网络首发于《中国管理科学》（chinese journal of management science）的研究论文《涟漪效应下供应链中断风险的条件在险价值评估研究》。该研究由西安交通大学管理学院、湘江实验室、湖南工商大学前沿交叉学院、管理科学与工程学院以及中南大学商学院的学者共同参与。本研究属于供应链风险管理领域，聚焦于“涟漪效应”下多级供应链中断风险的量化评估难题。研究的背景在于，随着供应链全球化与复杂化，中断风险不仅影响单个企业，更会通过供应链网络传播，产生涟漪效应（Ripple Effect），放大破坏性影响，例如新冠疫情和红海航道封锁事件所示。然而，现有基于贝叶斯网络（Bayesian Network， BN）的主流评估方法多采用点估计，难以刻画极端情境下低概率、高影响风险的尾部特征，也无法有效评估此类风险的条件在险价值（Conditional Value at Risk, CVaR）。因此，本研究旨在解决两大不足：一是构建能够同时考虑企业内部风险依赖和供应链网络结构的风险传播模型；二是设计基于CVaR准则的风险评估指标，以更精确地衡量极端情境下的中断风险和涟漪效应冲击，并为管理者识别关键风险因素与核心供应商提供决策支持。

本研究的详细工作流程主要包括四个核心环节：理论模型构建、风险评估指标设计、蒙特卡洛模拟算法开发以及基于光伏供应链的算例验证。首先，在理论模型构建环节，研究团队提出了一个创新的基于贝叶斯网络的多层供应链中断风险传播模型。该模型将供应链网络中的每个节点企业（供应商和制造商）及其内部多种风险因素（如自然灾害、机器故障、物流中断等）建模为BN节点。模型的创新之处在于其有向边集合E包含了两个部分：E1代表节点企业内部各风险因素之间的因果依赖关系（如机器故障可能导致产品质量问题），E2则代表供应链上下游企业之间的供需关系，即风险如何从一个企业传播至另一个企业。这样，模型同时捕捉了风险的“内部传导”（企业内部）和“外部扩散”（企业间，即涟漪效应）。模型假设所有节点状态为二元（中断/正常），并定义了考虑内部风险和上游涟漪效应综合影响的节点中断概率计算公式，特别是引入了父节点企业重要性差异的条件概率赋值，使模型更贴合现实。

其次，在风险评估指标设计环节，研究突破了传统点估计方法的局限，引入金融风险管理中的CVaR理论。研究定义了“情境”为BN模型中所有变量概率分布（乐观、最可能、悲观）的一种特定组合。在此基础上，提出了一系列新的风险评估指标：供应链中断风险敞口及其期望值，用于衡量制造商中断的总体风险水平；涟漪效应影响及其期望值，用于量化风险传播带来的额外冲击。最关键的是，研究定义了在给定置信水平α下的风险敞口CVaR和涟漪效应影响CVaR，以刻画风险分布的尾部极端损失。为进一步支持管理决策，研究还设计了三类用于识别关键因素的指标：脆弱性指标，度量某个风险因素或供应商发生中断时，极端涟漪效应影响的增加量；可恢复性指标，度量某个风险因素或供应商被缓解时，极端涟漪效应影响的减少量；韧性指标，定义为可恢复性与脆弱性的比值，综合反映供应链在特定风险或供应商中断下的抵抗与恢复能力。

第三，在算法开发环节，为了处理BN模型中先验概率和条件概率的不确定性（源于专家评估的差异），并高效计算上述基于多情境的复杂指标，研究团队设计了一个结合贝叶斯网络与蒙特卡洛模拟的仿真算法。该算法首先构建具有相同网络结构但概率参数分别为乐观、最可能、悲观情形的三个基础BN模型。然后，通过为每个变量随机分配来自这三种情形的概率参数，生成大量（例如3^(N+K-q)种，N为企业数，K为风险因素数，q为无父节点企业数）随机情境。在算例中，研究进行了10,000次仿真实验。对于每一个生成的情境，算法利用构建的BN传播模型计算该情境下的中断风险敞口和涟漪效应影响值。最终，基于这10,000个样本值，可以绘制风险的频率分布图，并计算出前文定义的所有基于CVaR的指标，从而实现对风险尾部特征的评估和对风险因素、供应商的排序。

第四，在算例验证环节，研究以隆基绿能科技股份有限公司及其光伏组件原材料供应商构成的四级供应链为对象进行仿真分析。研究团队根据公开报告识别了供应商和制造商内部的共十余项风险因素，并构建了具体的BN网络结构图。通过运行前述蒙特卡洛模拟算法，得到了丰富的结果。主要结果包括：仿真结果显示，不同情境下的中断风险敞口和涟漪效应影响值分布存在显著差异，且其频率分布呈现右偏特征，这证实了存在低概率、高影响的尾部风险，凸显了超越点估计、进行全分布分析的必要性。对供应商O1的分析表明，其内部“自然灾害等突发事件”风险对制造商的影响最大。对所有供应商的分析则显示，供应商O9（中断时）和O4（恢复时）对制造商期望涟漪效应影响的变化最大，表明它们是日常管理中需要重点关注的对象。通过计算基于CVaR的韧性指标，研究发现供应商O6内部的七个风险因素韧性最低，被识别为关键风险因素；而制造商自身的“供应链高度集中”风险韧性较高。对不同排序方案（脆弱性、可恢复性、韧性）的相关性分析表明，各方案侧重点不同，存在弱相关或负相关，例如可恢复性排序与脆弱性排序呈负相关，因此需要综合使用尤其是韧性指标来进行决策。对比实验将点估计方法（仅使用最可能情境）与本文方法（考虑所有情境）进行对比，发现点估计方法得到的风险敞口值仅占所有情境累计分布的5.39%，这意味着有94.61%的可能性实际风险敞口会高于点估计值，这有力证明了传统点估计方法会严重低估风险，而本文方法能更全面地揭示潜在的高损失风险。

本研究的结论是，提出的基于贝叶斯网络和蒙特卡洛模拟的CVaR评估框架，能够有效克服传统点估计方法的局限性，精准评估供应链在极端情境下面临的中断风险与涟漪效应冲击。该方法不仅能量化风险的尾部特征，还能系统地识别出对制造商影响最大的关键风险因素和核心供应商。例如，在光伏供应链案例中，识别出的低韧性供应商和风险因素应为风险管控的优先对象。这为管理者在有限资源约束下制定精准的风险缓解策略、构建弹性供应链提供了科学的量化决策工具。

本研究的亮点和创新之处在于：第一，在方法论上，构建了一个统一模型，首次将企业内部风险依赖与供应链网络结构同时纳入贝叶斯网络框架，从而能更真实地模拟涟漪效应的传播路径。第二，首次将金融领域的CVaR准则系统性地引入供应链中断的涟漪效应评估中，设计了一套完整的风险评估指标体系，专注于刻画和管理“最坏情况”下的损失，填补了该领域的研究空白。第三，开发了结合BN与MCS的仿真算法，有效处理了概率评估中的不确定性，并通过生成大量情境来逼近风险的全分布，使评估结果更为稳健和可靠。第四，通过详尽的算例分析，不仅验证了模型的有效性，还通过对比实验直观揭示了传统点估计方法的不足，并提供了基于脆弱性、可恢复性和韧性的多维决策视角，具有很高的实践指导价值。本研究为供应链风险管理，特别是在应对极端事件和构建供应链韧性方面，提供了重要的理论方法和实用工具。