本文主要研究传统供应链风险管理的主要手段以及其中存在的问题,并且试图通过引入金融风险管理定量化分析的算法——VaR和CVaR,来改善和拓展供应链风险管理的途径和思路。全文以风险管理理论为线索;以模拟实验、线性规划为基本工具;以在险价值和条件在险价值在供应链风险管理领域的应用思路为指导,研究金融风险管理定量化分析方法(VaR和CVaR)在供应链管理采购模型、存储模型和风险评估模型中的应用。在竞争激烈的市场环境下,处于供应链链条中的厂商必须承担复杂的供应链网络带来的各种风险与不确定性。随着供应链网络的日趋复杂,无论是供应商还是制造厂商或者是零售商,他们都面临着前所未有的波动性和脆弱性。因此目前越来越多的制造型企业日益关注不断发展壮大的供应链管理中存在的风险因子,并且试图用一套整合的供应链风险管理模型来解决无法预测的市场需求风险、经济波动以及利润波动风险。但是从目前文献研究来看,大多数模型局限在风险管理的某一个小的领域,很少有人提出一个能够结合采购模型、存储模型和分配模型于一身的风险控制模型。本文创新点正在于此,本文希望假借于金融风险管理领域定量化分析算法的思想,将供应链管理中所遇到的采购风险、违约风险和存储损失合为一体,提供一个最优策略的优化模型。本文尝试通过将金融风险管理VaR和CVaR算法的核心思想应用到供应商采购策略和采购策略中,从另一个角度帮助制造商根据VaR和CVaR等风险度量工具对供应合同进行建模和风险分析。在传统的采购模型中,加入期权合同从而有效控制由于价格变动和外部需求变动所造成的风险损失。另外,考虑到对于制造厂商来讲,他们需要定期对由于原料价格波动、市场需求变化以及供应商违约所带来的风险进行合理的控制。因此本文也尝试将金融风险控制领域中的信用风险评估模型——CreditMetrics方法,应用到采购策略中的供应商信用评估中去,计算选择不同种类的供应商和期权交易数量控制违约损失的。实证结果证明应用VaR和CVaR的基本思想制造商可以有效的制定最优订货点并且计算CVaR和VaR进行风险控制。