《基于大数据的网络供应商信用评估模型》由会员分享，可在线阅读，更多相关《基于大数据的网络供应商信用评估模型（16页珍藏版）》请在金锄头文库上搜索。
1、基于大数据的网络供应商信用评估模型 付永贵 朱建明 中央财经大学信息学院 山西财经大学信息管理学院 摘 要： 信用问题是电子商务发展中的重要问题,也是用户最关注的问题之一。笔者在分析我国企业信用评估方法的基础上,指出了网络供应商信用评估中存在的问题;以 B2C 电子商务为例,提出网络供应商信用评估数据的来源及数据处理流程,分析了基于大数据的网络供应商信用博弈行为,使用逐步回归法建立了 B2C 网络供应商的信用评估指标体系,将逐步回归法的指标体系线性回归参数值作为指标变量的权重,构建基于部分调整模型及带权重的径向基神经网络模型的 B2C 供应商信用评估模型。通过实证分析并与纯线性回归模型、纯径向
2、基神经网络模型的信用评估结果进行比较说明本研究模型的有效性。在考虑各期信用水平滞后影响关系的前提下研究 B2C 供应商当期的总体信用水平,将网络供应商放到大数据环境中构建信用评估指标体系,综合计量经济学方法与数据挖掘算法构建信用评估模型,具有一定的前瞻性和很高的实用性,对于提高网络供应商信用评估水平具有一定的参考价值。关键词： 大数据; 网络供应商; 信用博弈; 评估模型; 作者简介：付永贵,男,1976 年 4 月生,中央财经大学信息学院博士研究生,山西财经大学信息管理学院副教授,主要研究方向为经济信息分析;作者简介：朱建明,男,1965 年 8 月生,中央财经大学信息学院教授,工学博士,博
3、士研究生导师,主要研究方向为经济信息分析,信息安全。基金：国家自然科学基金项目“基于博弈论的信息安全理论与方法研究”(项目编号:61272398)Network Supplier Credit Evaluation Model Based on Big DataFU Yong-gui ZHU Jian-ming Abstract： The credit is the important issue in e-commerces development,and is the most concerned problem of customers. Based on enterprises cre
4、dit evaluation method,we point out the shortcomings of network suppliers credit evaluation. Taking B2 C e-commerce as an example,we propose network suppliers credit evaluation data sources and data process flow,analyze the network suppliers credit game behavior based on big data,construct B2 C netwo
5、rk suppliers credit evaluation index system by using stepwise regression method,take the linear regression parameter values of the stepwise regression method index system as the weight of index variable,construct B2 C supplier credit evaluation model based on partial adjustment model and weighted RB
6、F neural network model. We run the empirical analysis and compare it with pure linear regression model,pure RBF neural network model to illustrate the research model is effective. Considering the influence of each periods credit level lag,we study B2 C suppliers total credit level of current period.
7、 We set network supplier into big data environment to construct credit evaluation index system; we also integrate econometrics methods and data mining algorithms to construct credit evaluation model. The model is practical and quite usable in improving network suppliers credit evaluation level.Keywo
8、rd： Big data; Network supplier; Credit game; Evaluation model; 一、引言进入 21 世纪以来,电子商务在全世界得到了迅猛发展,然而因交易的电子化、跨时空、全天候、平台虚拟性等特点,电子商务供应商信用评估较之传统商务产生了更高的难度,虽然目前很多电子商务交易系统设置了顾客对供应商交易信用的评估平台,但在实际运行中由于顾客的侧重点各异,单笔交易的个性化特点太强,导致单个顾客对某一供应商的信用评估结果无法取信,电子商务供应商信用评估效率不高的问题依然没有得到解决。因此,如何获取交易主体身份、行为、交易特点等多方面信息,并据此有效地进行信用
9、评估是进一步提高电子商务效率的一个关键。在实际工作中,中国目前对企业信用进行评估主要遵照GB/T 221162008 企业信用等级表示方法的规定,即按照企业的履约能力、风险程度、经营状态、不确定因素对经营与发展的影响水平等因素评估企业的信用度水平,按照企业信用度由高到低分成 AAA、AA、A、BBB、BB、B、CCC、CC、C、NR 共十类,其中AAA、AA、A、BBB 四类为信用度合格供应商的评价标准。比较有代表性的企业信用评估发布网站如企业信用网(http:/),有很多电子商务企业在此网站注册并公布了自己的信用等级。经过对电子商务交易主体及其交易模式的特性进行分析可以发现,网络供应商通常不
10、是商品的生产者,更多的情况是一个交易网站及众多在此网站注册并进行网络销售的供应商集合。客户进行信用评价时更加注重网站的规模、发展时间、提供信息的完整度、商品质量、供应商声誉、商品种类、资产状况、负债状况、供货周期、商品价格、物流配送方式、配送周期、售后服务内容、售后服务时间、供应商发展前景等,因此,目前GB/T 221162008 企业信用等级表示方法对网站及供应商进行的信用评估结果不能形成对顾客购物决策的有效指导,网络供应商信用评估需要顺应电子商务交易的特性及顾客的根本需求,通过构建更有针对性的评估指标体系对信用度进行总体评估。从学术研究及应用的角度进行分析,早期各研究应用领域主流的信用评估
11、模型以线性模型为主,近几年则以在神经网络模型基础上构建信用评估模型居多。目前电子商务领域信用评估的研究成果已经很多,比如彭丽芳等(2007)1 提出通过交易完成后交易双方对对方信用反馈的多次积累作为评判交易者信用的依据。殷红(2013)2 提出借助信用评价制度、支付机制、担保机制、争议解决机制等提高网络交易交易方的信用。廖华和张旭辉等(2014)3 提出在 C2C 信用评价模型中增加售前、售中、售后的隐性信用因素构建模型。王俊峰和吴海峰(2014)4 提出网络交易时综合 B2C 企业运营能力、偿债能力、发展能力、网络经营能力等多方面因素给出企业信用度的评价结果。贾艳涛和虞慧群(2010)等5
12、综合考虑交易金额、交易双方信誉度、交易次数、差评次数、未评价交易等因素,采用动态计算的方式构建 C2C 的可信信用评价模型。陈鑫铭和冯艳(2009)6 设计了一套基于基本信用、职业信用、交易信用的信用评估体系及基于 AHP 方法的 C2C 电子商务信用评估模型。郭亦涵和郑植(2011)7 提出在评价商家信用时以产品质量、信息质量、配送质量、服务质量指标作为基础,使用模糊综合评价法给出指标权重,同时在指标体系构建中要综合考虑评价者信用、交易金额、交易时间等因素。李瑞轩等(2009)8 按照商品价格区间分布来对成功交易加分,按照信用等级的扣分系数来对失败交易扣分,以解决信用欺诈;设计了风险计算方法
13、,根据历史交易情况及当前交易价格评估当前交易风险。综合现有电子商务领域信用评估的研究成果可以发现,目前的研究中所构建的指标体系及模型以交易主体传统既定的信用评估指标体系及模型为主,数据源则以既定交易系统等固定数据源为主,由于指标体系比较简单,数据的来源受限使得模型的评估结果不够精确,不能很好地实现对电子商务交易主体信用的评估,而信用问题恰恰是电子商务交易主体交易过程中最为关注的问题。因此电子商务交易主体信用评估效率问题成为决定目前电子商务交易频率及效率的关键因素,成为制约电子商务发展的瓶颈。随着互联网的发展,互联网所产生的数据量快速增长,云时代的来临,使得大数据越来越成为人们关注的热点,不可否
14、认,大数据正冲击和影响着人们的生活。有关大数据的概念,大数据研究机构 Gartner 的定义是“大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产”。图 1 为历年来互联网数据总量统计结果(单位:ZB)。图 1 互联网数据总量统计及预测 下载原图数据来源:IDC 统计及预测数据。大数据时代的来临,给电子商务交易信用管理带来了重大契机,目前基于大数据的电子商务交易信用问题已经得到了学术界的关注,一些专家学者也进行了相应的理论研究。比如:章向东和钟为亚(2014)9 提出大数据时代我国信用评级业应该进行评级体系重构,并使用演化博弈模型就互联网平台
15、与信用评级机构之间是否进行大数据信息提供合作进行了收益分析。李海强(2014)10 针对供应链企业信用贷款的不足,指出了大数据环境下供应链企业信用贷款风险评价的特点,并通过实例进行了分析。Jenkins 和 Patrick(2014)11 提出 Zest Finance 使用大数据实现金融业的信用评估。Wisniewski(2013)12 提出使用人的行为大数据实现征信。方湖柳和李圣君(2014)13 提出使用大数据信息实现食品安全的事前、事中、事后智能化监管。从实际应用中来看,使用大数据进行信用评估比较成功的当属美国的 FICO 公司与 Zest Finance 公司,其信用评估主要面向互联
16、网金融,其中 Zest Finance 公司使用大数据对互联网金融进行信用评估更为成功;另外,国内的阿里小贷也建立了基于大数据的征信系统。对国内外基于大数据的电子商务交易信用管理理论与实践进行分析,目前基于大数据的电子商务交易信用管理的研究尚处于初级阶段,理论研究尚处于大数据对电子商务交易信用管理的价值分析阶段,研究方法很少,应用方面案例的内容也属于尝试、探讨性的,没有形成对现实理论研究及实践应用的指导性成果。与其他电子商务类型相比,B2C 电子商务涉及面广,交易频度高,顾客随机性大,因此 B2C 电子商务网络供应商的信用评估更具必要性和普遍性。基于以上分析,本文以 B2C 电子商务为例,将电子商务交易放到大数据环境中,分析了网络供应商信用大数据的来源及数据处理流程,分析了基于大数据的网络供应商信用博弈行为,使用逐步回归法提出构建基于大数据的网络供应商信用评估指标体系的具体方法,并使用部分调整模型及带权重的径向基神经网络模型构建了基于大
