基于貝葉斯網(wǎng)絡(luò)的B2C電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究

杜靜+李忠婷+李業(yè)鳳

摘 要：電子商務(wù)信用風(fēng)險(xiǎn)已成為電子商務(wù)進(jìn)一步發(fā)展的主要障礙，因此電子商務(wù)客戶信用風(fēng)險(xiǎn)是急需研究和防范的重要課題。本文在電子商務(wù)理論、信用風(fēng)險(xiǎn)管理理論以及風(fēng)險(xiǎn)預(yù)警理論的基礎(chǔ)上，對貝葉斯網(wǎng)絡(luò)預(yù)警模型的可行性進(jìn)行了分析，并且通過節(jié)點(diǎn)的選擇、網(wǎng)絡(luò)模型的構(gòu)造和網(wǎng)絡(luò)參數(shù)的設(shè)置，運(yùn)用局部網(wǎng)絡(luò)的推理和預(yù)警過程來說明整個貝葉斯網(wǎng)絡(luò)系統(tǒng)的推理和預(yù)警過程。最后采用Netica對模型進(jìn)行運(yùn)算、仿真。

關(guān)鍵詞：電子商務(wù)信用；貝葉斯網(wǎng)絡(luò)；風(fēng)險(xiǎn)預(yù)警系統(tǒng)；信用管理

在經(jīng)濟(jì)全球化深入發(fā)展的今天，電子商務(wù)吸引越來越多企業(yè)和個人用戶參與到網(wǎng)上交易中。然而，電子商務(wù)并未帶來預(yù)期的利潤，虛擬市場中信用缺失、信用危機(jī)和信用狀況惡化的問題也越來越嚴(yán)重，電子商務(wù)信用風(fēng)險(xiǎn)問題已成為阻礙消費(fèi)者在線購物的關(guān)鍵因素。因此，對電子商務(wù)信用風(fēng)險(xiǎn)、在線消費(fèi)行為的特點(diǎn)、電子商務(wù)信用風(fēng)險(xiǎn)的規(guī)避機(jī)制等方面進(jìn)行深入研究就愈發(fā)顯現(xiàn)其必要性。

一、貝葉斯網(wǎng)絡(luò)預(yù)警可行性分析

電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警是在風(fēng)險(xiǎn)評估的基礎(chǔ)上，對各種信用風(fēng)險(xiǎn)進(jìn)行有針對性的、合理的處理和預(yù)警控制。而電子商務(wù)信用風(fēng)險(xiǎn)評估包括兩個方面：一是信用風(fēng)險(xiǎn)的定性處理，對存在于企業(yè)內(nèi)部和外部的各種可能出現(xiàn)的風(fēng)險(xiǎn)進(jìn)行分類、過濾、剖析，分清信用風(fēng)險(xiǎn)或非信用風(fēng)險(xiǎn)。二是信用風(fēng)險(xiǎn)的定量處理，對電子商務(wù)信用風(fēng)險(xiǎn)進(jìn)行數(shù)量界定，針對某一種具體的信用風(fēng)險(xiǎn)的形成、發(fā)展、作用對象及其發(fā)生概率、強(qiáng)度、可能造成的損失等進(jìn)行預(yù)測計(jì)算，分析該信用風(fēng)險(xiǎn)可能造成的影響。貝葉斯網(wǎng)絡(luò)正是進(jìn)行不確定性推理和決策的有效手段，因此貝葉斯網(wǎng)絡(luò)用于電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警是非常合適的。

二、模型設(shè)計(jì)

建立電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警系統(tǒng)的首要任務(wù)是選擇能在不同方面反映電子商務(wù)中信用風(fēng)險(xiǎn)活動趨勢的預(yù)警指標(biāo)，在貝葉斯網(wǎng)絡(luò)方法中稱之為網(wǎng)絡(luò)節(jié)點(diǎn)，并且根據(jù)這些節(jié)點(diǎn)對網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行構(gòu)建。本文所構(gòu)建的電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警模型中的網(wǎng)絡(luò)節(jié)點(diǎn)主要分為兩類：一類是風(fēng)險(xiǎn)類型節(jié)點(diǎn)，稱之為狀態(tài)節(jié)點(diǎn)，它可以通過貝葉斯網(wǎng)絡(luò)計(jì)算得到；第二類為風(fēng)險(xiǎn)誘因節(jié)點(diǎn)，稱之為證據(jù)節(jié)點(diǎn)，它是直接的風(fēng)險(xiǎn)源，可以通過實(shí)際觀測和數(shù)據(jù)統(tǒng)計(jì)得到。

1.B2C個人信用風(fēng)險(xiǎn)模型

根據(jù)B2C電子商務(wù)的交易特點(diǎn)，認(rèn)為B2C電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警系統(tǒng)應(yīng)包含以下節(jié)點(diǎn)，其中方框代表狀態(tài)節(jié)點(diǎn)，橢圓代表證據(jù)節(jié)點(diǎn)，其結(jié)構(gòu)如下：

2.網(wǎng)絡(luò)參數(shù)設(shè)置

貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)實(shí)質(zhì)上是在已知網(wǎng)絡(luò)結(jié)構(gòu)的條件下，來學(xué)習(xí)每個節(jié)點(diǎn)的條件概率分布表。通過查找相關(guān)資料，總結(jié)分析得到B2C個人信用風(fēng)險(xiǎn)網(wǎng)絡(luò)的條件概率分布表。其中狀態(tài)節(jié)點(diǎn)即風(fēng)險(xiǎn)類型節(jié)點(diǎn)取值為存在風(fēng)險(xiǎn)和不存在風(fēng)險(xiǎn)，分別表示為T和F；證據(jù)節(jié)點(diǎn)即風(fēng)險(xiǎn)誘因節(jié)點(diǎn)取值為高、中、低，分別表示為H、M、L。各節(jié)點(diǎn)的名稱分別為B2C個人信用風(fēng)險(xiǎn)（Personal Credit Risk，PCR），交易歷史記錄（Trade History，TH），個人因素（Personal Factor，PF），資產(chǎn)（Assets，As），能給予的擔(dān)保（Given Guarantee，GG），累計(jì)成交金額（Total Sum，TS），違約次數(shù)（Break Promise，BP），出價(jià)次數(shù)（Bid Times，BT），成交次數(shù)（Transaction Times，TT），網(wǎng)友評價(jià)（Users Assess，UA），風(fēng)險(xiǎn)防范力（Risk Force，RF），風(fēng)險(xiǎn)態(tài)度（Risk Attitude，RA），受騙經(jīng)歷（Cheated Experience，CE），銀行卡（Bank Card，BC），網(wǎng)站存的保障金（Security Deposit，SD）。

3.網(wǎng)絡(luò)推理與預(yù)警

B2C網(wǎng)絡(luò)中的推理與預(yù)警過程就是根據(jù)證據(jù)節(jié)點(diǎn)所提供的證據(jù)，對網(wǎng)絡(luò)進(jìn)行自底向上的信度更新，得到各個狀態(tài)節(jié)點(diǎn)的后驗(yàn)概率分布，并且設(shè)定一個概率閥值，如果某一狀態(tài)節(jié)點(diǎn)風(fēng)險(xiǎn)發(fā)生的概率大于該閥值，則認(rèn)為該節(jié)點(diǎn)處于風(fēng)險(xiǎn)狀態(tài)并加以警示。

由于B2C網(wǎng)絡(luò)是一個單連通的網(wǎng)絡(luò)，可以采用消息傳遞算法，這里選取局部網(wǎng)絡(luò)來說明系統(tǒng)的推理與預(yù)警過程。以個人因素狀態(tài)節(jié)點(diǎn)進(jìn)行局部分析。

假設(shè)給定先驗(yàn)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]

網(wǎng)絡(luò)初始化時，由于沒有證據(jù)輸入，所以λ（RF）=[1 1 1]，則有Bel（RF）=αλ（RF）π（RF）=π（RF）= [0.26 0.3 0.44]

現(xiàn)在，有兩個關(guān)于節(jié)點(diǎn)RF的證據(jù)E1和E2：

=[0.8 0.1 0.1]，=[0.7 0.2 0.1]。有，所以節(jié)點(diǎn)RF的置信度更新為

節(jié)點(diǎn)RF向節(jié)點(diǎn)PF傳播的信息為

則節(jié)點(diǎn)PF的置信度更新為

可以看出，在沒有證據(jù)支持的情況下，我們認(rèn)為個人因素存在風(fēng)險(xiǎn)的可能性為0.4，是一個比較低的值，但是由于證據(jù)E1和E2的到來，使得我們對個人因素存在風(fēng)險(xiǎn)的可能性進(jìn)行了重新評估，結(jié)果認(rèn)為其發(fā)生的可能性為0.72，如果我們設(shè)置閥值為0.7，可以看出個人因素存在風(fēng)險(xiǎn)的可能性已經(jīng)高出此閥值，則必須做出警示處理。

三、實(shí)驗(yàn)仿真

信用風(fēng)險(xiǎn)預(yù)警模型的設(shè)計(jì)完成之后，就可以運(yùn)行該系統(tǒng)。由于該系統(tǒng)是基于貝葉斯網(wǎng)絡(luò)構(gòu)建的，可以運(yùn)用貝葉斯網(wǎng)絡(luò)的仿真工具對其進(jìn)行計(jì)算。本文采用Netica軟件對B2C個人信用風(fēng)險(xiǎn)模型進(jìn)行計(jì)算。

初始化系統(tǒng)，設(shè)置系統(tǒng)節(jié)點(diǎn)和先驗(yàn)概率，如圖所示：

圖2 初始系統(tǒng)截圖

對系統(tǒng)的推理主要是診斷推理，通過輸入一定的風(fēng)險(xiǎn)誘因證據(jù)信息，觀察風(fēng)險(xiǎn)狀態(tài)節(jié)點(diǎn)的變化，分析風(fēng)險(xiǎn)誘因?qū)︼L(fēng)險(xiǎn)狀態(tài)的影響。假設(shè)需要發(fā)出警報(bào)的情況是處于風(fēng)險(xiǎn)的概率高于70%。當(dāng)我們對節(jié)點(diǎn)UA輸入證據(jù)為[1，0，0]時，發(fā)現(xiàn)整個系統(tǒng)的情況如圖3所示：

可以看出節(jié)點(diǎn)TH發(fā)生風(fēng)險(xiǎn)的可能性增長為79.9%，處于比較危險(xiǎn)的情況，但是PCR處于危險(xiǎn)的可能性只有60.5%，說明現(xiàn)在的情況是從交易歷史記錄來看該交易處于比較大的風(fēng)險(xiǎn)中，但發(fā)生B2C個人信用風(fēng)險(xiǎn)的可能性還沒有達(dá)到需要預(yù)警的程度。如果我們再加入一些掌握的證據(jù)的話，比如我們掌握到能給予的擔(dān)保處于很低的情況，即給節(jié)點(diǎn)GG輸入證據(jù)[1，0，0]，再次觀察模型給出的結(jié)果如圖4所示：

圖4 輸入證據(jù)節(jié)點(diǎn)后系統(tǒng)截圖

在這兩條證據(jù)的支持下，發(fā)生個人信用風(fēng)險(xiǎn)的概率已經(jīng)高達(dá)77.2%了，這時必須發(fā)出信用風(fēng)險(xiǎn)的預(yù)警。

四、結(jié)論

本文將貝葉斯網(wǎng)絡(luò)方法應(yīng)用于電子商務(wù)信用風(fēng)險(xiǎn)領(lǐng)域，通過選擇能在不同方面反映電子商務(wù)中信用風(fēng)險(xiǎn)活動趨勢的預(yù)警指標(biāo)（網(wǎng)絡(luò)節(jié)點(diǎn)），并對其進(jìn)行分析，構(gòu)建了電子商務(wù)全面風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，并對各指標(biāo)節(jié)點(diǎn)進(jìn)行先驗(yàn)概率的賦值，從而建立起基于貝葉斯網(wǎng)絡(luò)的電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警系統(tǒng)模型，并對其預(yù)警能力進(jìn)行了仿真測試。但是，由于作者水平所限和客觀外部條件的約束，本文所提出的方法還存在一些不足，電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警系統(tǒng)的構(gòu)建是一項(xiàng)長期的、艱巨的工作，需要進(jìn)一步深入研究，本文僅僅是起到拋磚引玉的作用。

參考文獻(xiàn)：

[1]丁東洋，周麗莉，劉樂平.貝葉斯方法在信用風(fēng)險(xiǎn)度量中的應(yīng)用研究綜述[J].數(shù)理統(tǒng)計(jì)與管理，2013（1）.

[2]郭春香，李旭升.貝葉斯網(wǎng)絡(luò)個人信用評估模型[J].系統(tǒng)管理學(xué)報(bào)，2009（3）.

[3]李釗，蘇秦，崔艷武等.基于貝葉斯網(wǎng)絡(luò)的電子商務(wù)質(zhì)量評估研究[J].科技管理研究，2007（8）.

[4]余舟毅，陳宗基，周銳.基于貝葉斯網(wǎng)絡(luò)的威脅等級評估算法研究[J].系統(tǒng)仿真學(xué)報(bào)，2005，17（3）：555-558.