食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式的信用風(fēng)險(xiǎn)評(píng)價(jià)*

陳 婷

（南寧師范大學(xué)物流管理與工程學(xué)院，廣西 南寧 530299）

“三農(nóng)”問(wèn)題屬于國(guó)計(jì)民生中的核心問(wèn)題之一，想要構(gòu)建社會(huì)主義現(xiàn)代化強(qiáng)國(guó)，需要完成農(nóng)業(yè)現(xiàn)代化，完成農(nóng)業(yè)現(xiàn)代化必須推動(dòng)一二三產(chǎn)業(yè)融合發(fā)展[1]?；谌蛎總€(gè)國(guó)家這幾年的經(jīng)濟(jì)發(fā)展情況分析，中小企業(yè)不僅在數(shù)目中占領(lǐng)一定優(yōu)勢(shì)，可以為社會(huì)經(jīng)濟(jì)引入較大的經(jīng)濟(jì)活力，對(duì)自身所處行業(yè)的發(fā)展存在很大推動(dòng)作用[2]。

現(xiàn)在，農(nóng)業(yè)中小企業(yè)面臨著發(fā)展迅速與資金存在很大缺口的矛盾，食用菌生產(chǎn)企業(yè)屬于農(nóng)業(yè)中小企業(yè)的核心構(gòu)成成分，面臨著相同的問(wèn)題[3]。中國(guó)農(nóng)業(yè)供應(yīng)鏈金融屬于剛剛發(fā)展與推廣時(shí)期，大量農(nóng)村商業(yè)銀行還采用以往的信用風(fēng)險(xiǎn)評(píng)價(jià)方法，一定程度上約束了食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式的發(fā)展。所以，對(duì)食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式的信用風(fēng)險(xiǎn)評(píng)價(jià)方法的優(yōu)化存在較為關(guān)鍵的理論意義與現(xiàn)實(shí)意義。構(gòu)建基于粒子群協(xié)同優(yōu)化算法的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)模型，以期為我國(guó)食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式的信用風(fēng)險(xiǎn)評(píng)價(jià)提供借鑒基礎(chǔ)。

1 基于粒子群協(xié)同優(yōu)化算法的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)模型

1.1 基于離差標(biāo)準(zhǔn)化的數(shù)據(jù)預(yù)處理

由于參加食用菌生產(chǎn)企業(yè)信用風(fēng)險(xiǎn)預(yù)測(cè)的指標(biāo)特征存在差異，量綱存在差異，數(shù)量級(jí)也存在差異，為了讓量化的指標(biāo)數(shù)據(jù)直接參加計(jì)算和直接對(duì)比差異量綱的值，將數(shù)據(jù)實(shí)行歸一化處理，指標(biāo)數(shù)據(jù)實(shí)行無(wú)量綱化，經(jīng)過(guò)無(wú)量綱化去除冗余數(shù)據(jù)[4]。

數(shù)據(jù)無(wú)量綱化的常用方法是離差標(biāo)準(zhǔn)化，通過(guò)這個(gè)方法能夠把全部數(shù)據(jù)的范圍約束于 [0，1]之中，標(biāo)準(zhǔn)化步驟是：先假定第m個(gè)指標(biāo)Rm的取值范圍是 [R1m，Rum]。

1）若指標(biāo)Rm的大小和目標(biāo)值存在非異向變動(dòng)，則自變量和因變量存在正相關(guān)時(shí)，此指標(biāo)屬于正向指標(biāo)，標(biāo)準(zhǔn)化方法為：

式中：Rum表示第m個(gè)指標(biāo)的樣本數(shù)最大值；R1m表示第m個(gè)指標(biāo)的樣本數(shù)最小值。

2）如果指標(biāo)Rm的值和目標(biāo)值屬于非異向變動(dòng)，則自變量和因變量屬于負(fù)相關(guān)時(shí)，此指標(biāo)屬于反向指標(biāo)，標(biāo)準(zhǔn)化方法是：

式中：Rm屬于第m個(gè)指標(biāo)的樣本數(shù)；Rum=max（Rm）；R1m=min（Rm）；R*∈[0，1] 屬于離差標(biāo)準(zhǔn)化后的無(wú)量剛性指標(biāo)。

1.2 粒子群協(xié)同優(yōu)化算法描述

基于1.1小節(jié)處理后的食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式的信用風(fēng)險(xiǎn)評(píng)價(jià)數(shù)據(jù)，采用粒子群協(xié)同優(yōu)化算法獲取最佳評(píng)價(jià)特征子集。

食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式中參加風(fēng)險(xiǎn)評(píng)估指標(biāo)不僅存在定量指標(biāo)，也存在定性指標(biāo)，數(shù)目很多，同時(shí)屬性具有很大關(guān)聯(lián)性；冗余度大會(huì)影響評(píng)估模型的分類準(zhǔn)確率與效率。評(píng)估模型需要盡最大可能去除噪聲特征值，以此減少分類的運(yùn)算難度，提升模型評(píng)估準(zhǔn)確率。使用二進(jìn)制PSO算法實(shí)行評(píng)價(jià)指標(biāo)選取與SVM參數(shù)協(xié)同優(yōu)化，建立食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式風(fēng)險(xiǎn)評(píng)估模型。

1.2.1 適應(yīng)度函數(shù)的設(shè)置

基于SVM分類器的分類性能評(píng)估選定指標(biāo)的有效性，則將分類器的分類準(zhǔn)確率設(shè)成評(píng)估標(biāo)準(zhǔn)。通過(guò)二進(jìn)制PSO算法協(xié)同優(yōu)化評(píng)價(jià)指標(biāo)集合與SVM參數(shù)，用評(píng)估函數(shù)計(jì)算評(píng)價(jià)指標(biāo)集合與SVM參數(shù)的質(zhì)量，將最佳的評(píng)級(jí)指標(biāo)集合與SVM參數(shù)設(shè)成尋優(yōu)結(jié)果[5]。

1.2.2 粒子編碼策略

粒子覆蓋2個(gè)范疇，依次為特征向量與SVM參數(shù)值。特征選取的關(guān)鍵在于自X個(gè)屬性里選擇Y個(gè)屬性值建立屬性的子集合，其中Y不大于X。所以，粒子第一部分編碼使用離散二進(jìn)制變量，X個(gè)屬性依次對(duì)應(yīng)X維二進(jìn)制空間。針對(duì)各個(gè)粒子而言，若第j個(gè)是1，那么代表第j個(gè)屬性是選中的；若是0，那么代表此屬性沒(méi)有選中。

粒子第二部分是SVM的關(guān)鍵參數(shù)，使用徑向基核函數(shù)，參數(shù)存在核函數(shù)f、懲罰參數(shù)d，通過(guò)連續(xù)PSO算法優(yōu)化獲取。迭代時(shí)，離散PSO算法與連續(xù)PSO算法出現(xiàn)差異信用特征子集與參數(shù)值。算法將SVM分類準(zhǔn)確率設(shè)成評(píng)估標(biāo)準(zhǔn)，準(zhǔn)確率最大的特征子集與SVM參數(shù)即為需獲取的結(jié)果[6]。

1.2.3 算法實(shí)現(xiàn)步驟

初始化粒子群，各個(gè)粒子中包含了信用特征子集、懲罰參數(shù)d以及核函數(shù)參數(shù)f，初始化粒子群參數(shù)，例如學(xué)習(xí)因子、粒子長(zhǎng)度以及最高循環(huán)次數(shù)[7]；初始化粒子群效率[8]；按照粒子編碼策略把各個(gè)粒子每部分的值變換成相應(yīng)選取的信用特征子集掩碼，同時(shí)得到參數(shù)值，按照選擇的特征子集與參數(shù)值運(yùn)算各個(gè)粒子的適應(yīng)值；按照粒子適應(yīng)值刷新局部極值點(diǎn)、全局極值點(diǎn)；更新粒子速度與位置；如果迭代至最高迭代次數(shù)，便跳至最后一步，反之回到第三步繼續(xù)迭代；輸出目前最佳特征子集、參數(shù)d、f以及分類準(zhǔn)確率。

1.3 模型構(gòu)建

食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式屬于物流演變到供應(yīng)鏈階段的一類物流金融模式，供應(yīng)鏈每方存在契約合作關(guān)系。以往的授信形式注重于互利性。文章中新建模型通過(guò)對(duì)物流與資金流的動(dòng)態(tài)操控取代對(duì)財(cái)務(wù)報(bào)表的靜態(tài)研究，淺化財(cái)務(wù)分析與準(zhǔn)入操控，以此避免融資障礙。按照食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式的特征建立評(píng)價(jià)指標(biāo)R體系[9]，其中包含3個(gè)一級(jí)指標(biāo)（A1～A3），14個(gè)二級(jí)指標(biāo)（B1～B14）以及41個(gè)三級(jí)指標(biāo)（C1～C41），詳情見(jiàn)圖1～圖3。

食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)構(gòu)建后，采用灰色關(guān)聯(lián)系數(shù)方法運(yùn)算第j個(gè)指標(biāo)和參考指標(biāo)的關(guān)聯(lián)系數(shù)Φj。最后基于灰色關(guān)聯(lián)度的對(duì)比之下，便可判斷食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式的信用風(fēng)險(xiǎn)情況[10]。

2 試驗(yàn)分析

為了分析供應(yīng)鏈金融模式中特征屬性對(duì)模型的干擾水平，試驗(yàn)依次把傳統(tǒng)風(fēng)險(xiǎn)評(píng)估體系和供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系實(shí)行分類對(duì)比。KMO度量系數(shù)檢測(cè)結(jié)果是0.797，高于適合因子分析最小值0.6；并且Barlett球形檢驗(yàn)顯著性程度是0，低于0.01?？ǚ椒植冀Y(jié)果為 4 682.008，自由度為 277。則表示試驗(yàn)數(shù)據(jù)適合用于3種模型進(jìn)行食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式的信用風(fēng)險(xiǎn)評(píng)價(jià)。3個(gè)模型基于不同評(píng)估指標(biāo)體系里的對(duì)比結(jié)果見(jiàn)表1、表2。

表1 傳統(tǒng)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中3種模型的評(píng)價(jià)性能分析結(jié)果Tab.1 Evaluation performance analysis results of three models in traditional credit risk evaluation index system

表2 供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中3種模型的評(píng)價(jià)性能分析結(jié)果Tab.2 Evaluation performance analysis results of three models in the supply chain financial credit risk evaluation index system

根據(jù)表1、表2數(shù)據(jù)可知，所選試驗(yàn)?zāi)Ｐ筒还苁窃趥鹘y(tǒng)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中還是在供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中的評(píng)價(jià)準(zhǔn)確率始終大于另外2個(gè)模型，且所用特征數(shù)最小。因?yàn)樵囼?yàn)?zāi)Ｐ湍軌蛴行コ哂嗵卣?，通過(guò)有效特征對(duì)食用菌生產(chǎn)企業(yè)供應(yīng)鏈金融模式的信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)。對(duì)比表1與表2可知，試驗(yàn)?zāi)Ｐ驮诒?中的評(píng)價(jià)準(zhǔn)確率高于表1，則文章模型在供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中的應(yīng)用性能最高。

基于上述試驗(yàn)的分析結(jié)果，采用試驗(yàn)?zāi)Ｐ突谑秤镁a(chǎn)企業(yè)供應(yīng)鏈金融模式風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中，采用試驗(yàn)?zāi)Ｐ蛯?duì)5個(gè)食用菌生產(chǎn)企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，則5個(gè)食用菌生產(chǎn)企業(yè)的灰色關(guān)聯(lián)系數(shù)如表3所示。

表3 試驗(yàn)?zāi)Ｐ偷挠?jì)算結(jié)果Tab.3 The calculation results of test model

基于表3數(shù)據(jù)可知，食用菌生產(chǎn)企業(yè)5的灰色關(guān)聯(lián)系數(shù)最低，則該企業(yè)在供應(yīng)鏈金融模式下的信用存在一定風(fēng)險(xiǎn)。將試驗(yàn)?zāi)Ｐ驮u(píng)價(jià)結(jié)果和實(shí)際情況進(jìn)行對(duì)比，對(duì)比結(jié)果如圖4所示。

基于圖4可知看出，試驗(yàn)?zāi)Ｐ蛯?shí)際評(píng)價(jià)精度均大于0.96，則評(píng)價(jià)結(jié)果可信。

3 結(jié)論

通過(guò)構(gòu)建基于粒子群協(xié)同優(yōu)化算法的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)模型，并對(duì)5個(gè)食用菌生產(chǎn)企業(yè)進(jìn)行信用風(fēng)險(xiǎn)平鍵。結(jié)合試驗(yàn)?zāi)Ｐ偷脑u(píng)價(jià)結(jié)果可知，試驗(yàn)?zāi)Ｐ筒粌H在食用菌供應(yīng)鏈融資企業(yè)自身、供應(yīng)鏈核心企業(yè)以及融資企業(yè)產(chǎn)品供應(yīng)鏈績(jī)效3種角度構(gòu)建了評(píng)價(jià)指標(biāo)體系，而且引入了粒子群協(xié)同優(yōu)化算法，使用二進(jìn)制粒子群算法實(shí)現(xiàn)特征屬性的選取與SVM核心參數(shù)優(yōu)化，有效克服高維、冗余特征對(duì)評(píng)價(jià)體系特征選取的影響，實(shí)際評(píng)價(jià)精度大于0.96，評(píng)價(jià)性能顯著。