王煒
摘? 要:隨著P2P平臺(tái)被全面封殺,供應(yīng)鏈金融平臺(tái)主要轉(zhuǎn)向產(chǎn)業(yè)供應(yīng)鏈的上下游企業(yè),該平臺(tái)以服裝產(chǎn)業(yè)鏈為試點(diǎn),以時(shí)裝周展會(huì)為切入點(diǎn),對設(shè)計(jì)師、服裝廠、買手店、批發(fā)商等服裝產(chǎn)業(yè)鏈的上下游企業(yè)進(jìn)行整合,以交易訂單為風(fēng)控基礎(chǔ),利用區(qū)塊鏈智能合約技術(shù)保障交易安全,探索產(chǎn)業(yè)供應(yīng)鏈金融平臺(tái)的應(yīng)用前景。
關(guān)鍵詞:區(qū)塊鏈;供應(yīng)鏈金融;風(fēng)險(xiǎn)控制;智能合約;人工智能
中圖分類號: TP311? ? ? 文獻(xiàn)標(biāo)志碼:A
1 項(xiàng)目背景
服裝產(chǎn)業(yè)供應(yīng)鏈金融平臺(tái)的運(yùn)作以上海紡織集團(tuán)為依托,以每年的上海時(shí)裝周的服裝貿(mào)易背景為前提,運(yùn)用基于供應(yīng)鏈貿(mào)易融資的方式,配合智能風(fēng)控監(jiān)管等手段,通過供應(yīng)鏈全環(huán)節(jié)的資金流或者物流權(quán),為上下游企業(yè)提供授信、清算、資金信貸等綜合性金融產(chǎn)品及服務(wù)。供應(yīng)鏈金融平臺(tái)實(shí)現(xiàn)“物流”“資金流”“信息流”“商流”的四流合一,可以促進(jìn)整個(gè)“鏈條”的運(yùn)轉(zhuǎn),給服裝產(chǎn)業(yè)鏈的中小企業(yè)贏得了更多的商機(jī)。
該項(xiàng)目嘗試構(gòu)建一個(gè)以服裝產(chǎn)業(yè)鏈訂單流為基礎(chǔ)的金融平臺(tái),采用人工智能技術(shù)審核訂單的真實(shí)性,集中貨倉保證物流的穩(wěn)定性,智能風(fēng)控保證上下游的企業(yè)資金的安全性。探索以訂單為抓手,以金融相關(guān)產(chǎn)品為驅(qū)動(dòng),以智能合約體系為保障,利用人工智能進(jìn)行風(fēng)險(xiǎn)控制的平臺(tái)運(yùn)營管理模式。
該平臺(tái)以上海紡織集團(tuán)每年的時(shí)裝周展會(huì)為發(fā)端,對全球各地頂級設(shè)計(jì)師的服裝作品,采用設(shè)計(jì)版權(quán)引進(jìn)的方式落地國內(nèi)的服裝企業(yè)進(jìn)行生產(chǎn),利用線上線下的展會(huì)系統(tǒng)全國招商各地的買手店,以上紡集團(tuán)作為信用擔(dān)保,整合上海銀行、通聯(lián)支付,形成完整的資金渠道,構(gòu)建上下游企業(yè)的資金信貸產(chǎn)業(yè)鏈。
2 系統(tǒng)需求分析
該系統(tǒng)作為服裝產(chǎn)業(yè)的供應(yīng)鏈平臺(tái),從服裝展會(huì)系統(tǒng)入手,以訂單中心為核心,采用數(shù)據(jù)中臺(tái)的模式對接服裝供應(yīng)鏈上下游企業(yè)的信息化系統(tǒng),形成完整的產(chǎn)業(yè)訂單流轉(zhuǎn)與交換平臺(tái)。
為保證訂單系統(tǒng)的安全性,利用區(qū)塊鏈的智能合約功能保障全流程訂單全程的安全。同時(shí)利用訂單中心的交易數(shù)據(jù),結(jié)合企業(yè)征信信息、司法案例信息等,利用人工智能技術(shù)實(shí)現(xiàn)企業(yè)的智能風(fēng)控體系。
同時(shí)為保證可以快速、安全地實(shí)現(xiàn)平臺(tái)需求,采用自行研發(fā)的快速開發(fā)平臺(tái)實(shí)現(xiàn)[1]。
2.1 服裝展會(huì)系統(tǒng)
服裝展會(huì)系統(tǒng)依托上海紡織集團(tuán)的每年春秋兩季舉辦的上海時(shí)裝周,采用線上線下展示結(jié)合,包含展會(huì)管理、設(shè)計(jì)師管理、服裝商城等基礎(chǔ)功能,通過微信小程序方便展示與傳播。
展會(huì)管理是面向服裝展會(huì)主理人的功能模塊,由服裝展會(huì)主理人發(fā)布展會(huì)信息,對設(shè)計(jì)師和品牌進(jìn)行招商,管理展會(huì)場地,并提供物聯(lián)網(wǎng)接口,其可以與展會(huì)閘機(jī)廠家對接,提供掃碼過閘機(jī)的功能。
設(shè)計(jì)師管理主要面向全球的設(shè)計(jì)師入駐和品牌、作品發(fā)布管理,提供2D照片和3D人模的展示方式,通過AutoCAD的設(shè)計(jì)圖紙智能轉(zhuǎn)換成3D的人體模特,提供可擴(kuò)展的服裝面料庫,根據(jù)不同服裝面料的質(zhì)感展示不同服裝面料的效果。同時(shí)可以通過參數(shù)調(diào)整,動(dòng)態(tài)調(diào)整3D人模的體型,展示不同人群的穿著效果,真正實(shí)現(xiàn)一套設(shè)計(jì)百樣風(fēng)格千人千面。
服裝商城功能類似目前標(biāo)準(zhǔn)的電商平臺(tái),其核心是通過智能分析平臺(tái)向設(shè)計(jì)師發(fā)布同類競品的市場價(jià)格,給買手進(jìn)行參考和比對,從款式、品牌、銷量等多個(gè)維度進(jìn)行全方位的分析。
2.2 數(shù)據(jù)中臺(tái)系統(tǒng)
為快速構(gòu)建系統(tǒng)接口并完善系統(tǒng)功能,該系統(tǒng)的核心功能是構(gòu)建一個(gè)可以快速配置化開發(fā)接口和系統(tǒng)功能的數(shù)據(jù)中臺(tái)。首先,快速接口配置系統(tǒng)采用類似Visio的流程圖界面,主要分成系統(tǒng)接口類模塊、ETL類模塊、數(shù)據(jù)算法模塊等封裝流程功能模塊如圖1所示。
采用如圖2的流程圖模式對數(shù)據(jù)處理的流程進(jìn)行自定義。
2.3 智能風(fēng)控系統(tǒng)
智能風(fēng)控系統(tǒng)通過訂單中心、通聯(lián)支付獲取企業(yè)的征信信息、通過爬蟲等技術(shù)獲取企業(yè)稅務(wù)、法律等相關(guān)風(fēng)險(xiǎn)信息。通過對企業(yè)訂單的資金方、上下游企業(yè)、金額等信息進(jìn)行綜合,采用人工智能算法,對可能存在洗錢、欺詐、刷單等行為進(jìn)行機(jī)器識(shí)別,并生成告警,提醒運(yùn)營單位進(jìn)行審核[2]。
3 技術(shù)架構(gòu)
3.1 智能合約
區(qū)塊鏈?zhǔn)且粋€(gè)分布式數(shù)據(jù)庫,記錄著區(qū)塊鏈網(wǎng)絡(luò)中曾發(fā)生的所有交易,該數(shù)據(jù)庫在網(wǎng)絡(luò)參與者之間進(jìn)行復(fù)制和共享。區(qū)塊鏈的主要特征是其允許不受信任的參與者以安全的方式在彼此之間進(jìn)行通信并發(fā)送交易,不需要受信任的第三方參與。區(qū)塊鏈?zhǔn)且粋€(gè)有序的區(qū)塊列表,每個(gè)區(qū)塊都由其加密哈希標(biāo)識(shí)。每個(gè)區(qū)塊都引用其之前的區(qū)塊,從而形成區(qū)塊鏈。每個(gè)區(qū)塊由一組交易組成。一旦創(chuàng)建了一個(gè)區(qū)塊并將其附加到區(qū)塊鏈中,該區(qū)塊中的交易就無法更改或還原,這是為了確保交易的完整性并防止雙花問題。區(qū)塊鏈技術(shù)的一個(gè)吸引人的特征是智能合約。智能合約是在區(qū)塊鏈之上運(yùn)行的可執(zhí)行代碼,可在不受信任的第三方參與的情況下執(zhí)行不受信任的各方之間的協(xié)議。
當(dāng)前系統(tǒng)中各方之間的交易通常以中心化的形式進(jìn)行,這需要受信任的第三方(如銀行的參與)。但是,這可能導(dǎo)致安全問題(如:單點(diǎn)故障)和高昂的交易費(fèi)用。區(qū)塊鏈技術(shù)的出現(xiàn)通過允許不受信任的實(shí)體以分布式方式彼此交互不需要受信任的第三方參與,解決了這些問題。區(qū)塊鏈?zhǔn)且粋€(gè)記錄了網(wǎng)絡(luò)中曾發(fā)生的所有交易的分布式數(shù)據(jù)庫。區(qū)塊鏈最初是針對比特幣(點(diǎn)對點(diǎn)數(shù)字支付系統(tǒng))引入的,但后來演變?yōu)橛糜陂_發(fā)各種去中心化應(yīng)用程序??梢圆渴鹪趨^(qū)塊鏈之上的有吸引力的應(yīng)用程序就是智能合約[3]。
智能合約是在區(qū)塊鏈上運(yùn)行的,用于執(zhí)行不受信任方之間的協(xié)議條款的可執(zhí)行代碼,可以將其視為一種系統(tǒng),一旦滿足預(yù)定義的規(guī)則,即可將數(shù)字資產(chǎn)釋放給所有或部分參與方。與傳統(tǒng)合約相比,智能合約不依賴可信賴的第三方進(jìn)行操作,交易費(fèi)用低。區(qū)塊鏈組成如圖3所示。
3.2 風(fēng)控算法
該文主要分享基于模塊度的louvain和基于信息熵infomap這2類算法。
3.2.1 基于模塊度的louvain
Louvain算法是一種基于圖數(shù)據(jù)的社區(qū)發(fā)現(xiàn)算法。原始論文為《Fast unfolding of communities in large networks》。
算法的優(yōu)化目標(biāo)為最大化整個(gè)數(shù)據(jù)的模塊度,模塊度的計(jì)算如下:
式中:m為圖中邊的總數(shù)量。
Aij代表節(jié)點(diǎn)i,j間連接的權(quán)重。
即與節(jié)點(diǎn)i相連的所有邊的權(quán)重之和。
CiCj表示節(jié)點(diǎn)i, j的commnity index。
函數(shù)δ(Ci×Cj)表示節(jié)點(diǎn)i,j是否在同一個(gè)community中(相同時(shí)取1,否則取0)。
有一點(diǎn)要搞清楚,模塊度的概念不是Louvain算法發(fā)明的,而Louvain算法只是一種優(yōu)化關(guān)系圖模塊度目標(biāo)的一種實(shí)現(xiàn)而已。
Louvain算法的兩步迭代設(shè)計(jì):
最開始,將每個(gè)原始節(jié)點(diǎn)都看成一個(gè)獨(dú)立的社區(qū),社區(qū)內(nèi)的連邊權(quán)重為0。
算法掃描數(shù)據(jù)中的所有節(jié)點(diǎn),針對每個(gè)節(jié)點(diǎn)遍歷該節(jié)點(diǎn)的所有鄰居節(jié)點(diǎn),衡量把該節(jié)點(diǎn)加入其鄰居節(jié)點(diǎn)所在的社區(qū)所帶來的模塊度的收益。并選擇對應(yīng)最大收益的鄰居節(jié)點(diǎn),加入其所在的社區(qū)。這一過程化重復(fù)進(jìn)行指導(dǎo)每一個(gè)節(jié)點(diǎn)的社區(qū)歸屬都不在發(fā)生變化。
對步驟1中形成的社區(qū)進(jìn)行折疊,把每個(gè)社區(qū)折疊成一個(gè)單點(diǎn),分別計(jì)算這些新生成的“社區(qū)點(diǎn)”之間的連邊權(quán)重,以及社區(qū)內(nèi)的所有點(diǎn)之間的連邊權(quán)重之和。用于下一輪的步驟1。
該算法的最大優(yōu)勢就是速度很快,步驟1的每次迭代的時(shí)間復(fù)雜度為O(N),N為輸入數(shù)據(jù)中的邊的數(shù)量。步驟2 的時(shí)間復(fù)雜度為O(M + N), M為本輪迭代中點(diǎn)的個(gè)數(shù)。
3.2.2 基于信息熵infomap
Infomap 設(shè)計(jì)之初想解決的問題如下:如果在一張圖上做隨機(jī)游走(不限步數(shù)的游走),如何用最短的編碼來描述隨機(jī)游走產(chǎn)生的路徑?例如,圖4中展示了一段隨機(jī)游走產(chǎn)生的路徑,那怎么描述它先訪問了哪個(gè)節(jié)點(diǎn),后訪問了哪個(gè)節(jié)點(diǎn)呢?
Infomap 的雙層編碼方式把群組識(shí)別(社區(qū)發(fā)現(xiàn))同信息編碼聯(lián)系到了一起。一個(gè)好的群組劃分可以帶來更短的編碼。所以,如果能量化編碼長度,找到使得長度最短的群組劃分,那就找到了一個(gè)好的群組劃分。
那如何量化編碼的長度呢?假設(shè)現(xiàn)在有一種群組劃分方式 M 將節(jié)點(diǎn)劃分為 m 個(gè)群組, 則描述隨機(jī)游走的平均每步編碼長度(average number of bits per step)可以用下面這個(gè)公式來度量:
在上面的公式里用到的最重要的概念是信息熵 H(X)。熵在一般的理解里是用來描述“系統(tǒng)混亂程度”的,當(dāng)一個(gè)隨機(jī)變量為均勻分布的時(shí)候,它的狀態(tài)最不確定,系統(tǒng)最混亂不可預(yù)測,這個(gè)時(shí)候熵最大。
上面的公式里, 有4個(gè)變量,其含義如下。
假設(shè)現(xiàn)在有一種群組劃分方式M將節(jié)點(diǎn)劃分為m個(gè)群組。
H(Pi) :編碼群組 i 中所有節(jié)點(diǎn)所需的平均字節(jié)長度(注意:跳出編碼也作為一個(gè)虛擬節(jié)點(diǎn)放在了各自群組內(nèi)一起編碼)。
簡單的理解上面這個(gè)公式:平均每步編碼長度 L(M) 是2個(gè)部分的加權(quán)和,一個(gè)是編碼群組名字所需的平均字節(jié)長度,一個(gè)是編碼每個(gè)群組中的節(jié)點(diǎn)所需的平均字節(jié)長度,權(quán)值是各自的占比。
如果要計(jì)算上述4個(gè)變量的值,我們只需要知道圖中每個(gè)節(jié)點(diǎn)的訪問概率和每個(gè)群組的跳轉(zhuǎn)概率。其中訪問概率的計(jì)算方法,Infomap 采取了類似 pagerank 的做法。1) 初始所有節(jié)點(diǎn)都是均勻訪問概率。2) 在每個(gè)迭代步驟里,對于每個(gè)節(jié)點(diǎn)? 有2種方式跳轉(zhuǎn):要么以 1-r 的概率從節(jié)點(diǎn) a 的連接邊中選擇一條邊進(jìn)行跳轉(zhuǎn),選每條邊的概率正比于邊的權(quán)重。要么以 r 的概率從節(jié)點(diǎn) a 隨機(jī)的跳到圖上其他任意一點(diǎn)。3) 重復(fù)步驟 2 直到收斂。
4 結(jié)語
將數(shù)據(jù)中臺(tái)、智能風(fēng)控等技術(shù)與供應(yīng)鏈金融進(jìn)行有機(jī)整合,使該平臺(tái)可以在提供安全、可控的產(chǎn)業(yè)鏈金融服務(wù)的同時(shí),也可以通過數(shù)據(jù)中臺(tái)與各客戶的自有信息化系統(tǒng)進(jìn)行有效對接,讓該平臺(tái)具有更好的擴(kuò)展性,具有更加廣闊的應(yīng)用領(lǐng)域。
參考文獻(xiàn)
[1]Blondel VD,Guillaume JL.Fast unfolding of communities in large networks[J].Journal of Statistical Mechanics Theory & Experiment,2008(15):2.
[2]Rosvall M,Axelsson D,Bergstrom CT.The map equation[J].The European Physical Journal Special Topics,2009(3):15-18.