论文部分内容阅读
摘 要：电子商务信用风险已成为电子商务进一步发展的主要障碍，因此电子商务客户信用风险是急需研究和防范的重要课题。本文在电子商务理论、信用风险管理理论以及风险预警理论的基础上，对贝叶斯网络预警模型的可行性进行了分析，并且通过节点的选择、网络模型的构造和网络参数的设置，运用局部网络的推理和预警过程来说明整个贝叶斯网络系统的推理和预警过程。最后采用Netica对模型进行运算、仿真。
关键词：电子商务信用；贝叶斯网络；风险预警系统；信用管理
在经济全球化深入发展的今天，电子商务吸引越来越多企业和个人用户参与到网上交易中。然而，电子商务并未带来预期的利润，虚拟市场中信用缺失、信用危机和信用状况恶化的问题也越来越严重，电子商务信用风险问题已成为阻碍消费者在线购物的关键因素。因此，对电子商务信用风险、在线消费行为的特点、电子商务信用风险的规避机制等方面进行深入研究就愈发显现其必要性。
一、贝叶斯网络预警可行性分析
电子商务信用风险预警是在风险评估的基础上，对各种信用风险进行有针对性的、合理的处理和预警控制。而电子商务信用风险评估包括两个方面：一是信用风险的定性处理，对存在于企业内部和外部的各种可能出现的风险进行分类、过滤、剖析，分清信用风险或非信用风险。二是信用风险的定量处理，对电子商务信用风险进行数量界定，针对某一种具体的信用风险的形成、发展、作用对象及其发生概率、强度、可能造成的损失等进行预测计算，分析该信用风险可能造成的影响。贝叶斯网络正是进行不确定性推理和决策的有效手段，因此贝叶斯网络用于电子商务信用风险预警是非常合适的。
二、模型设计
建立电子商务信用风险预警系统的首要任务是选择能在不同方面反映电子商务中信用风险活动趋势的预警指标，在贝叶斯网络方法中称之为网络节点，并且根据这些节点对网络拓扑结构进行构建。本文所构建的电子商务信用风险预警模型中的网络节点主要分为两类：一类是风险类型节点，称之为状态节点，它可以通过贝叶斯网络计算得到；第二类为风险诱因节点，称之为证据节点，它是直接的风险源，可以通过实际观测和数据统计得到。
1.B2C个人信用风险模型
根据B2C电子商务的交易特点，认为B2C电子商务信用风险预警系统应包含以下节点，其中方框代表状态节点，椭圆代表证据节点，其结构如下：
2.网络参数设置
贝叶斯网络的参数学习实质上是在已知网络结构的条件下，来学习每个节点的条件概率分布表。通过查找相关资料，总结分析得到B2C个人信用风险网络的条件概率分布表。其中状态节点即风险类型节点取值为存在风险和不存在风险，分别表示为T和F；证据节点即风险诱因节点取值为高、中、低，分别表示为H、M、L。各节点的名称分别为B2C个人信用风险（Personal Credit Risk，PCR），交易历史记录（Trade History，TH），个人因素（Personal Factor，PF），资产（Assets，As），能给予的担保（Given Guarantee，GG），累计成交金额（Total Sum，TS），违约次数（Break Promise，BP），出价次数（Bid Times，BT），成交次数（Transaction Times，TT），网友评价（Users Assess，UA），风险防范力（Risk Force，RF），风险态度（Risk Attitude，RA），受骗经历（Cheated Experience，CE），银行卡（Bank Card，BC），网站存的保障金（Security Deposit，SD）。
3.网络推理与预警
B2C网络中的推理与预警过程就是根据证据节点所提供的证据，对网络进行自底向上的信度更新，得到各个状态节点的后验概率分布，并且设定一个概率阀值，如果某一状态节点风险发生的概率大于该阀值，则认为该节点处于风险状态并加以警示。
由于B2C网络是一个单连通的网络，可以采用消息传递算法，这里选取局部网络来说明系统的推理与预警过程。以个人因素状态节点进行局部分析。
假设给定先验概率：
Bel（PF）=[0.6 0.4]，P（RF|PF）=
可得π（RF）=Bel（PF）P（RF|PF）=[0.26 0.3 0.44]
网络初始化时，由于没有证据输入，所以λ（RF）=[1 1 1]，则有Bel（RF）=αλ（RF）π（RF）=π（RF）= [0.26 0.3 0.44]
现在，有两个关于节点RF的证据E1和E2：
=[0.8 0.1 0.1]，=[0.7 0.2 0.1]。有，所以节点RF的置信度更新为
节点RF向节点PF传播的信息为
则节点PF的置信度更新为
可以看出，在没有证据支持的情况下，我们认为个人因素存在风险的可能性为0.4，是一个比较低的值，但是由于证据E1和E2的到来，使得我们对个人因素存在风险的可能性进行了重新评估，结果认为其发生的可能性为0.72，如果我们设置阀值为0.7，可以看出个人因素存在风险的可能性已经高出此阀值，则必须做出警示处理。
三、实验仿真
信用风险预警模型的设计完成之后，就可以运行该系统。由于该系统是基于贝叶斯网络构建的，可以运用贝叶斯网络的仿真工具对其进行计算。本文采用Netica软件对B2C个人信用风险模型进行计算。
初始化系统，设置系统节点和先验概率，如图所示：
图2 初始系统截图
对系统的推理主要是诊断推理，通过输入一定的风险诱因证据信息，观察风险状态节点的变化，分析风险诱因对风险状态的影响。假设需要发出警报的情况是处于风险的概率高于70%。当我们对节点UA输入证据为[1，0，0]时，发现整个系统的情况如图3所示：
可以看出节点TH发生风险的可能性增长为79.9%，处于比较危险的情况，但是PCR处于危险的可能性只有60.5%，说明现在的情况是从交易历史记录来看该交易处于比较大的风险中，但发生B2C个人信用风险的可能性还没有达到需要预警的程度。如果我们再加入一些掌握的证据的话，比如我们掌握到能给予的担保处于很低的情况，即给节点GG输入证据[1，0，0]，再次观察模型给出的结果如图4所示：
图4 输入证据节点后系统截图
在这两条证据的支持下，发生个人信用风险的概率已经高达77.2%了，这时必须发出信用风险的预警。
四、结论
本文将贝叶斯网络方法应用于电子商务信用风险领域，通过选择能在不同方面反映电子商务中信用风险活动趋势的预警指标（网络节点），并对其进行分析，构建了电子商务全面风险的贝叶斯网络拓扑结构，并对各指标节点进行先验概率的赋值，从而建立起基于贝叶斯网络的电子商务信用风险预警系统模型，并对其预警能力进行了仿真测试。但是，由于作者水平所限和客观外部条件的约束，本文所提出的方法还存在一些不足，电子商务信用风险预警系统的构建是一项长期的、艰巨的工作，需要进一步深入研究，本文仅仅是起到抛砖引玉的作用。
参考文献：
[1]丁东洋，周丽莉，刘乐平.贝叶斯方法在信用风险度量中的应用研究综述[J].数理统计与管理，2013（1）.
[2]郭春香，李旭升.贝叶斯网络个人信用评估模型[J].系统管理学报，2009（3）.
[3]李钊，苏秦，崔艳武等.基于贝叶斯网络的电子商务质量评估研究[J].科技管理研究，2007（8）.
[4]余舟毅，陈宗基，周锐.基于贝叶斯网络的威胁等级评估算法研究[J].系统仿真学报，2005，17（3）：555-558.
关键词：电子商务信用；贝叶斯网络；风险预警系统；信用管理
在经济全球化深入发展的今天，电子商务吸引越来越多企业和个人用户参与到网上交易中。然而，电子商务并未带来预期的利润，虚拟市场中信用缺失、信用危机和信用状况恶化的问题也越来越严重，电子商务信用风险问题已成为阻碍消费者在线购物的关键因素。因此，对电子商务信用风险、在线消费行为的特点、电子商务信用风险的规避机制等方面进行深入研究就愈发显现其必要性。
一、贝叶斯网络预警可行性分析
电子商务信用风险预警是在风险评估的基础上，对各种信用风险进行有针对性的、合理的处理和预警控制。而电子商务信用风险评估包括两个方面：一是信用风险的定性处理，对存在于企业内部和外部的各种可能出现的风险进行分类、过滤、剖析，分清信用风险或非信用风险。二是信用风险的定量处理，对电子商务信用风险进行数量界定，针对某一种具体的信用风险的形成、发展、作用对象及其发生概率、强度、可能造成的损失等进行预测计算，分析该信用风险可能造成的影响。贝叶斯网络正是进行不确定性推理和决策的有效手段，因此贝叶斯网络用于电子商务信用风险预警是非常合适的。
二、模型设计
建立电子商务信用风险预警系统的首要任务是选择能在不同方面反映电子商务中信用风险活动趋势的预警指标，在贝叶斯网络方法中称之为网络节点，并且根据这些节点对网络拓扑结构进行构建。本文所构建的电子商务信用风险预警模型中的网络节点主要分为两类：一类是风险类型节点，称之为状态节点，它可以通过贝叶斯网络计算得到；第二类为风险诱因节点，称之为证据节点，它是直接的风险源，可以通过实际观测和数据统计得到。
1.B2C个人信用风险模型
根据B2C电子商务的交易特点，认为B2C电子商务信用风险预警系统应包含以下节点，其中方框代表状态节点，椭圆代表证据节点，其结构如下：
2.网络参数设置
贝叶斯网络的参数学习实质上是在已知网络结构的条件下，来学习每个节点的条件概率分布表。通过查找相关资料，总结分析得到B2C个人信用风险网络的条件概率分布表。其中状态节点即风险类型节点取值为存在风险和不存在风险，分别表示为T和F；证据节点即风险诱因节点取值为高、中、低，分别表示为H、M、L。各节点的名称分别为B2C个人信用风险（Personal Credit Risk，PCR），交易历史记录（Trade History，TH），个人因素（Personal Factor，PF），资产（Assets，As），能给予的担保（Given Guarantee，GG），累计成交金额（Total Sum，TS），违约次数（Break Promise，BP），出价次数（Bid Times，BT），成交次数（Transaction Times，TT），网友评价（Users Assess，UA），风险防范力（Risk Force，RF），风险态度（Risk Attitude，RA），受骗经历（Cheated Experience，CE），银行卡（Bank Card，BC），网站存的保障金（Security Deposit，SD）。
3.网络推理与预警
B2C网络中的推理与预警过程就是根据证据节点所提供的证据，对网络进行自底向上的信度更新，得到各个状态节点的后验概率分布，并且设定一个概率阀值，如果某一状态节点风险发生的概率大于该阀值，则认为该节点处于风险状态并加以警示。
由于B2C网络是一个单连通的网络，可以采用消息传递算法，这里选取局部网络来说明系统的推理与预警过程。以个人因素状态节点进行局部分析。
假设给定先验概率：
Bel（PF）=[0.6 0.4]，P（RF|PF）=
可得π（RF）=Bel（PF）P（RF|PF）=[0.26 0.3 0.44]
网络初始化时，由于没有证据输入，所以λ（RF）=[1 1 1]，则有Bel（RF）=αλ（RF）π（RF）=π（RF）= [0.26 0.3 0.44]
现在，有两个关于节点RF的证据E1和E2：
节点RF向节点PF传播的信息为
可以看出，在没有证据支持的情况下，我们认为个人因素存在风险的可能性为0.4，是一个比较低的值，但是由于证据E1和E2的到来，使得我们对个人因素存在风险的可能性进行了重新评估，结果认为其发生的可能性为0.72，如果我们设置阀值为0.7，可以看出个人因素存在风险的可能性已经高出此阀值，则必须做出警示处理。
三、实验仿真
信用风险预警模型的设计完成之后，就可以运行该系统。由于该系统是基于贝叶斯网络构建的，可以运用贝叶斯网络的仿真工具对其进行计算。本文采用Netica软件对B2C个人信用风险模型进行计算。
初始化系统，设置系统节点和先验概率，如图所示：
图2 初始系统截图
对系统的推理主要是诊断推理，通过输入一定的风险诱因证据信息，观察风险状态节点的变化，分析风险诱因对风险状态的影响。假设需要发出警报的情况是处于风险的概率高于70%。当我们对节点UA输入证据为[1，0，0]时，发现整个系统的情况如图3所示：
可以看出节点TH发生风险的可能性增长为79.9%，处于比较危险的情况，但是PCR处于危险的可能性只有60.5%，说明现在的情况是从交易历史记录来看该交易处于比较大的风险中，但发生B2C个人信用风险的可能性还没有达到需要预警的程度。如果我们再加入一些掌握的证据的话，比如我们掌握到能给予的担保处于很低的情况，即给节点GG输入证据[1，0，0]，再次观察模型给出的结果如图4所示：
图4 输入证据节点后系统截图
在这两条证据的支持下，发生个人信用风险的概率已经高达77.2%了，这时必须发出信用风险的预警。
四、结论
本文将贝叶斯网络方法应用于电子商务信用风险领域，通过选择能在不同方面反映电子商务中信用风险活动趋势的预警指标（网络节点），并对其进行分析，构建了电子商务全面风险的贝叶斯网络拓扑结构，并对各指标节点进行先验概率的赋值，从而建立起基于贝叶斯网络的电子商务信用风险预警系统模型，并对其预警能力进行了仿真测试。但是，由于作者水平所限和客观外部条件的约束，本文所提出的方法还存在一些不足，电子商务信用风险预警系统的构建是一项长期的、艰巨的工作，需要进一步深入研究，本文仅仅是起到抛砖引玉的作用。
参考文献：
[1]丁东洋，周丽莉，刘乐平.贝叶斯方法在信用风险度量中的应用研究综述[J].数理统计与管理，2013（1）.
[2]郭春香，李旭升.贝叶斯网络个人信用评估模型[J].系统管理学报，2009（3）.
[3]李钊，苏秦，崔艳武等.基于贝叶斯网络的电子商务质量评估研究[J].科技管理研究，2007（8）.
[4]余舟毅，陈宗基，周锐.基于贝叶斯网络的威胁等级评估算法研究[J].系统仿真学报，2005，17（3）：555-558.