论文部分内容阅读
随着我国互联网的深入发展和各行业信息化建设的推进,电子商务今年继续保持着高速增长。2011年我国B2B电子商务企业营收达到130亿元。2011我国B2B市场营收规模增长原因主要是:中小企业加大了对电子商务的投入及对增值服务的使用,二是核心运营商积极采取改进措施提高服务质量和拓展业务范围。在加大电子商务的投入和提高服务的质量的同时会发现我国电子商务平台会出现炒作阶段和低谷阶段,一些问题如电子商务生存、技术实现等掩盖了信用及其信用风险问题,另外低频的网上交易也使凸见不出来。本文是以研究B2B电子商务平台风险客户的三种方法预测模型和最优组合预测模型展开的,以建立一个最优最有效的B2B电子商务平台风险客户预警模型系统为最终目标,通过BP神经网络、决策树学习法和Logistic回归模型这三种单一的预测模型对这些指标建立预测模型,接着通过Kendall协和系数一致性检验对三种方法做最终的在库恩塔克约束条件下的最优组合预测模型,最后跟前三种预测模型进行比较,最终得到最优组合预测模型能够做出的效果比单项预测模型的效果要好,指出对风险状态下预警客户管理的对策。本文的创新之处在于:第一,首次将组合预测模型运用到B2B电子商务平台中对风险客户预测中,并能取得不错的效果;第二,在做组合预测之前做Kendall协和系数一致性检验,在以往的研究过程中很多学者直接做组合预测是相对不科学的做法。对于B2B行业来说,由于其特点是为企业之间搭建联系和交易的媒介,无法监控到客户的交易行为,缺乏交易的实体行为记录,不能从交易行为的角度获取一定的信息进行风险分析,这就给风险分析识别带来了巨大的挑战。本文提到的最优组合预测模型还有一个优点是:可以随着时间推移对模型进行修正。目前对B2B电子商务平台风险客户的预测研究还处于单项预测方法中,以后可以尝试四种预测方法的预测模型的组合,并可以对新的指标的修正,容纳新的事物。