夏晗

[摘要]隨著電子商務(wù)的快速膨脹，信用風(fēng)險對電子商務(wù)發(fā)展的影響越來越突出。信用風(fēng)險已成為電子商務(wù)企業(yè)所面臨的最主要風(fēng)險之一。文章結(jié)合企業(yè)的財會指標(biāo)和電子商務(wù)運營能力構(gòu)建企業(yè)電子商務(wù)信用風(fēng)險度預(yù)測指標(biāo)，并利用主成分分析對指標(biāo)進行篩選，在此基礎(chǔ)上通過支持向量回歸機對電子商務(wù)信用風(fēng)險度進行預(yù)測，并進行實證檢驗，實證結(jié)果表明，此方法與標(biāo)準(zhǔn)支持向量回歸機和神經(jīng)網(wǎng)絡(luò)相比具有更高的分類精度，證實了該方法的可行性和優(yōu)越性，為電子商務(wù)建立可靠的信用風(fēng)險度預(yù)測系統(tǒng)提供依據(jù)。

[關(guān)鍵詞]電子商務(wù)；信用風(fēng)險度；支持向量回歸機；主成分分析；預(yù)測

DOI：10.3969/j.issn.1008-0821.2015.01.014

[中圖分類號]F724.6；F713.36 [文獻標(biāo)識碼]A [文章編號]1008-0821（2015）01-0076-04

隨著電子商務(wù)的快速發(fā)展，信用風(fēng)險已成為參與電子商務(wù)企業(yè)所面臨的最主要風(fēng)險之一。電子商務(wù)交易雙方不直接接觸，它是基于信用基礎(chǔ)上的交易。從買方的角度看，只能通過網(wǎng)上對產(chǎn)品的描述來了解產(chǎn)品質(zhì)量，但是無法掌握賣方的資產(chǎn)、生產(chǎn)等詳細情況，對賣方是否能按時交貨，貨物質(zhì)量數(shù)量有無保障都存在疑惑。從賣方角度看，他們不能了解買方能否按時足額交付貨款。雙方交易過程中，經(jīng)常會出現(xiàn)貨不對板、欺騙貨款、欺騙貨物樣品、虛假交易、假冒行為、合同詐騙、網(wǎng)上拍賣哄抬標(biāo)的、侵犯消費者合法權(quán)益等行為，因此買賣雙方會出現(xiàn)由于信息不對稱導(dǎo)致的交易不信任，電子商務(wù)信用問題成為制約電子商務(wù)健康快速發(fā)展的瓶頸?；诖耍陙碚捌髽I(yè)已經(jīng)逐漸重視電子商務(wù)信用體系的構(gòu)建，并開始構(gòu)建規(guī)范的企業(yè)和個人征信體系。

由于電子商務(wù)的迅猛發(fā)展，電子商務(wù)發(fā)展至今的20年間，國內(nèi)外學(xué)術(shù)界對這一新型的商務(wù)交易模式已經(jīng)進行了大量的研究，但是有關(guān)電子商務(wù)信用風(fēng)險研究并不多，國內(nèi)外的研究大都側(cè)重于電子商務(wù)信用風(fēng)險的形成機制和機理研究，有關(guān)電子商務(wù)信用風(fēng)險評估方法的研究很少。國內(nèi)目前的研究方法主要是綜合評判、統(tǒng)計分析和人工智能方法，張?zhí)m怡、闕丹文等建立了累進加權(quán)評價的電子商務(wù)評價方法。張明等利用統(tǒng)計多元分析方法對電子商務(wù)信用風(fēng)險進行了分類，獲得了較好的分類效果。在評價指標(biāo)方面，魏明俠等從對網(wǎng)購者對信用風(fēng)險感知的角度建立了一套評價指標(biāo)體系，支出違約對于消費者的感知程度較強，但是目前尚未形成全面的評價指標(biāo)體系。國外學(xué)者對于電子商務(wù)環(huán)境下信用風(fēng)險評估研究的重點為具體應(yīng)用方面，主要是通過數(shù)學(xué)模型進行信用等級評定，例如chenga和chian采用數(shù)據(jù)包絡(luò)分析方法（DEA）建立電子商務(wù)交易中個人信用評估模型，其中主要采用決策樹、神經(jīng)網(wǎng)絡(luò)等方法建立數(shù)學(xué)模型。Wang等人利用馬爾科夫鏈對電子商務(wù)信用風(fēng)險進行評價分析。

目前國內(nèi)外有關(guān)電子商務(wù)信用風(fēng)險預(yù)測方法主要是以綜合評判法及其結(jié)合模糊數(shù)學(xué)的改進方法和統(tǒng)計分析法為主，在人工智能方面的研究比較少。研究表明人工智能方法的信用風(fēng)險評估精度比其他方法優(yōu)越。支持向量機在小樣本訓(xùn)練方面比其他人工智能方法更勝一籌，而且該方法的泛化能力非常強。而支持向量機方法目前主要應(yīng)用于金融行業(yè)的信用風(fēng)險評估，對電子商務(wù)信用風(fēng)險評估涉及較少。而且目前的研究主要是對電子商務(wù)信用風(fēng)險的兩級分類研究，無法精確預(yù)測企業(yè)信用風(fēng)險度的高低，同時在評價指標(biāo)方面主要考慮企業(yè)的財會指標(biāo)，未將企業(yè)的電子商務(wù)運營能力考慮在內(nèi)?；诖耍疚奶岢鲞\用主成分分析和支持向量回歸機組合模型對電子商務(wù)信用風(fēng)險度進行預(yù)測，同時在評價指標(biāo)方面不僅考慮企業(yè)的財會指標(biāo)，還將企業(yè)的電子商務(wù)運營能力考慮在內(nèi)，構(gòu)建一個比較全面的評價指標(biāo)體系。實證分析結(jié)果表明該方法具有比較高的預(yù)測精度和效率，為企業(yè)進行電子商務(wù)信用風(fēng)險度預(yù)測提供參考。

1.主成分分析與支持向量回歸機組合模型

1.1模型設(shè)計

在模型中主成分分析（PCA）和支持向量回歸機（SVR）的作用分別是：主成分分析用來約減屬性，減少支持向量回歸機輸入指標(biāo)的個數(shù)；支持向量回歸機對輸入指標(biāo)進行分析處理，得到信用風(fēng)險度預(yù)測值。因此這兩種方法是以串聯(lián)方式組合在一起的，即主成分分析的處理結(jié)果作為支持向量機的輸入，把這兩種方法組合在一起，如圖1所示。endprint