基于機(jī)器學(xué)習(xí)和網(wǎng)絡(luò)中心性的物流行業(yè)分析

王 哲，郭 強(qiáng)，劉建國(guó) WANG Zhe, GUO Qiang, LIU Jianguo

（1. 上海理工大學(xué) 復(fù)雜系統(tǒng)科學(xué)研究中心，上海200093；2. 上海財(cái)經(jīng)大學(xué) 會(huì)計(jì)與財(cái)務(wù)研究院，上海200433）

(1. Research Center for Complex Systems Science, University of Shanghai for Science & Technology, Shanghai 200093, China;2. Institute of Accounting and Finance, Shanghai University of Finance and Economics, Shanghai 200433, China)

0 引 言

物流活動(dòng)是人類最基本的社會(huì)經(jīng)濟(jì)活動(dòng)之一，物流業(yè)是興起較晚但發(fā)展相當(dāng)快的一個(gè)產(chǎn)業(yè)，對(duì)世界各國(guó)特別是發(fā)達(dá)國(guó)家的國(guó)民經(jīng)濟(jì)增長(zhǎng)發(fā)揮著重要的支持和帶動(dòng)作用。據(jù)統(tǒng)計(jì)，發(fā)達(dá)國(guó)家像法國(guó)1996 年物流產(chǎn)值高達(dá)15 840 億法郎，德國(guó)物流產(chǎn)值高達(dá)1 580 億馬克，日本1995 年物流產(chǎn)值高達(dá)314 690 億日元，而且與日俱增[1]，世界范圍內(nèi)，不僅發(fā)達(dá)國(guó)家物流業(yè)的發(fā)展尤為迅猛，發(fā)展中國(guó)家也在逐步的進(jìn)步。我國(guó)雖然物流行業(yè)起步較晚，但是人口眾多、土地幅員遼闊，市場(chǎng)潛力巨大，特別是在電商迅猛發(fā)展的刺激下，我國(guó)物流業(yè)實(shí)現(xiàn)了跨越式發(fā)展[2]。物流給人們的生活帶來(lái)的改變也越來(lái)越顯著，無(wú)論是網(wǎng)購(gòu)已經(jīng)成為人們?nèi)粘Ｉ钕M(fèi)的一部分；還是國(guó)際貿(mào)易、大宗商品的交易越來(lái)越便捷都能清晰的表現(xiàn)出來(lái)。當(dāng)下，無(wú)論是科技革命的發(fā)展還是最近的疫情應(yīng)對(duì)中，物流都在其中扮演著重要的角色，這些足以說(shuō)明物流將會(huì)成為未來(lái)拉動(dòng)我國(guó)經(jīng)濟(jì)增長(zhǎng)的重要助力。正因?yàn)槲锪鳂I(yè)的重要性越來(lái)越顯著，對(duì)物流行業(yè)的分析也越來(lái)越多，研究的目光大多集中在成功的上市公司上。本文以研究上市公司會(huì)計(jì)報(bào)表為基礎(chǔ)，先選出了報(bào)表中基本的12 個(gè)指標(biāo)，隨后利用隨機(jī)森林的方法進(jìn)行指標(biāo)的篩選，選出了覆蓋80%以上信息的6 個(gè)指標(biāo)，接著根據(jù)Pearson 相關(guān)系數(shù)選擇了符合篩選原則的閾值來(lái)構(gòu)造公司間的網(wǎng)絡(luò)，最后根據(jù)網(wǎng)絡(luò)中心性指標(biāo)從中篩選出重要的上市公司，再進(jìn)行深度剖析。

1 模型構(gòu)建

1.1 基于隨機(jī)森林的特征選擇

本文通過(guò)Wind 對(duì)物流企業(yè)的會(huì)計(jì)報(bào)表進(jìn)行處理，得到了12 個(gè)指標(biāo)，隨后用隨機(jī)森林進(jìn)行指標(biāo)的特征重要性評(píng)價(jià)。隨機(jī)森林是一種組合分類器，最基本的是決策樹[3]。本文在決策樹的生成過(guò)程中，節(jié)點(diǎn)分裂遵循的原則為最大程度降低該節(jié)點(diǎn)的不純度，達(dá)到局部最優(yōu)化。目前大多數(shù)的分裂方法有ID3、C4.5 和CART。ID3 算法指的是信息增益；C4.5 算法指的是信息增益率；CART 算法指的是Gini系數(shù)[4]。ID3 和C4.5 對(duì)選擇的節(jié)點(diǎn)可分裂成多個(gè)子節(jié)點(diǎn)，但是不支持特征的組合，只能用于分類問(wèn)題；然而CART 對(duì)每個(gè)節(jié)點(diǎn)只會(huì)分裂成兩個(gè)子節(jié)點(diǎn)，所以支持特征的組合，可用于分類和回歸問(wèn)題。本文進(jìn)行的是特征的重要性排序，即組合，因此本文采用CART 分裂算法。Gini系數(shù)是指一個(gè)隨機(jī)樣本被分錯(cuò)的概率，則其公式如下：

其中：pk表示選中樣本屬于k類別的概率，則不屬于k類別的概率便是1-pk。CART 的分類規(guī)則是選用Gini系數(shù)較小的屬性作為分類屬性。

本文基于特征重要性對(duì)12 個(gè)指標(biāo)進(jìn)行篩選，并選擇出了涵蓋80%以上信息的6 個(gè)指標(biāo)。

1.2 網(wǎng)絡(luò)的構(gòu)建

Pearson 相關(guān)系數(shù)是衡量向量相似度的一種方法，即兩個(gè)變量之間的協(xié)方差和標(biāo)準(zhǔn)差的商，其在比較變量相似度方面應(yīng)用較廣。本文采用Pearson 相關(guān)系數(shù)度量不同公司的相關(guān)性，輸出范圍為-1 到+1，0 代表無(wú)相關(guān)性，負(fù)值為負(fù)相關(guān)，正值為正相關(guān)，其公式如下：

由于一籃子指數(shù)內(nèi)的公司同屬于物流行業(yè)，故其相似程度較高，直接判斷區(qū)分度不大，所以在這里需要設(shè)置閾值，閾值的設(shè)立本文遵循使其網(wǎng)絡(luò)中拓?fù)浣Y(jié)構(gòu)穩(wěn)定，并且可以很好地反應(yīng)股票網(wǎng)絡(luò)的內(nèi)在性質(zhì)[5]，這樣能清晰的看出它們之間的區(qū)別，緊接著根據(jù)相關(guān)系數(shù)構(gòu)造臨邊，就可以進(jìn)一步生成公司間的網(wǎng)絡(luò)[6-7]。

2 中心性分析

復(fù)雜網(wǎng)絡(luò)中節(jié)點(diǎn)重要性的評(píng)價(jià)方法源于圖論和網(wǎng)絡(luò)分析理論，網(wǎng)絡(luò)的分析主要通過(guò)各種中心性指標(biāo)來(lái)進(jìn)行度量。中心性指標(biāo)由Bavelas 在1948 年首次提出，之后Freeman 在1979 年設(shè)計(jì)了最為經(jīng)典的3 種中心性：度中心性、中介中心性和鄰近中心性[8]。

本文選擇了度中心性作為評(píng)價(jià)指標(biāo)，度是指在網(wǎng)絡(luò)中一個(gè)節(jié)點(diǎn)其直接聯(lián)系的節(jié)點(diǎn)的個(gè)數(shù)，而度中心性是在網(wǎng)絡(luò)科學(xué)中分析節(jié)點(diǎn)中心性時(shí)最直接的一個(gè)度量指標(biāo)。其表達(dá)為，一個(gè)節(jié)點(diǎn)的節(jié)點(diǎn)度越大就意味著這個(gè)節(jié)點(diǎn)的度中心性越高，那么此時(shí)該節(jié)點(diǎn)在網(wǎng)絡(luò)中就顯得越重要。一個(gè)包含N個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)中，節(jié)點(diǎn)最大可能的度值為N-1，通常為了便于比較而對(duì)中心性指標(biāo)作歸一化處理[9]，度數(shù)為ki的i節(jié)點(diǎn)的歸一化度中心性定義為：

3 實(shí)證分析

3.1 數(shù)據(jù)介紹

本文用的數(shù)據(jù)是中證指數(shù)下的滬港深通物流指數(shù)在2015 到2019 年的年報(bào)。選擇滬港深通物流指數(shù)，因?yàn)槠渲笖?shù)內(nèi)涵蓋的中國(guó)物流上市公司最為全面，并且是由中證指數(shù)有限公司所開發(fā)，具有一定權(quán)威性。而年報(bào)是反映公司一年內(nèi)運(yùn)營(yíng)狀況的重要來(lái)源，也是國(guó)家要求披露并受監(jiān)督的文件，其價(jià)值巨大。本文將報(bào)表中的數(shù)據(jù)進(jìn)行整理，選出了“每股收益（元）”，“每股凈資產(chǎn)（元）”，“銷售毛利率（%）”，“銷售凈利率（%）”，“凈資產(chǎn)收益率（%）”，“主營(yíng)業(yè)務(wù)收入增長(zhǎng)率（%）”，“凈利潤(rùn)增長(zhǎng)率（%）”，“應(yīng)收賬款周轉(zhuǎn)率（次）”，“存貨周轉(zhuǎn)率（次）”，“流動(dòng)比率（倍）”，“速動(dòng)比率（倍）”，“資產(chǎn)負(fù)債率（%）”組成本文的特征數(shù)據(jù)，極少數(shù)的缺失數(shù)據(jù)設(shè)為零，漲跌情況是用0、1 表示，漲跌時(shí)間段是年報(bào)所反映的時(shí)間段，具體如表1所示。

表1 數(shù)據(jù)介紹

3.2 結(jié)果分析

本文將經(jīng)過(guò)處理的滬港深通物流指數(shù)2015 到2019 年的年報(bào)數(shù)據(jù)用隨機(jī)森林進(jìn)行特征篩選，輸出特征重要性，結(jié)果如圖1所示。

圖1 2015 到2019 年指數(shù)數(shù)據(jù)的特征重要性輸出圖

本文選出的六個(gè)指標(biāo)為：2015 年：主營(yíng)業(yè)務(wù)收入增長(zhǎng)率，應(yīng)收賬款周轉(zhuǎn)率，存貨周轉(zhuǎn)率，流動(dòng)比率，速動(dòng)比率，資產(chǎn)負(fù)債率；2016 年：每股凈資產(chǎn)，銷售凈利率，凈資產(chǎn)收益率，流動(dòng)比率，速動(dòng)比率，資產(chǎn)負(fù)債率；2017 年：每股收益，每股凈資產(chǎn)，凈資產(chǎn)收益率，主營(yíng)業(yè)務(wù)收入增長(zhǎng)率，存貨周轉(zhuǎn)率，速動(dòng)比率；2018 年：每股收益，銷售凈利率，凈資產(chǎn)收益率，應(yīng)收賬款周轉(zhuǎn)率，存貨周轉(zhuǎn)率，流動(dòng)比率；2019 年：每股凈資產(chǎn)，凈資產(chǎn)收益率，主營(yíng)業(yè)務(wù)收入增長(zhǎng)率，應(yīng)收賬款周轉(zhuǎn)率，存貨周轉(zhuǎn)率，流動(dòng)比率。每年選出的6 個(gè)特征均涵蓋了80%以上的信息。

然后，本文又用Pearson 系數(shù)對(duì)篩選出的數(shù)據(jù)進(jìn)行矩陣化，得到了Pearson 相關(guān)系數(shù)矩陣。根據(jù)閾值篩選原則，本文得到閾值0.9，得出2015 到2019 年輸出圖，2015 年結(jié)果如圖2 所示。

從圖中得到在2015 年物流行業(yè)有較大影響力的公司為中遠(yuǎn)海發(fā)、中遠(yuǎn)?？?、中遠(yuǎn)海運(yùn)港口、北部灣港、光匯石油、日照港。

2016 到2019 年得到的有影響力的公司分別為：2016：中遠(yuǎn)海能、東方海外國(guó)際、嘉里物流、中遠(yuǎn)海特、中信海直；2017：中遠(yuǎn)?？?、深圳華強(qiáng)、淮河能源、小商品城、鐵龍物流；2018：中遠(yuǎn)?？亍⒑ＸS國(guó)際、東方海外國(guó)際、韻達(dá)控股、順豐控股；2019 年：寧波港、北部港灣、白云機(jī)場(chǎng)、天津港發(fā)展、順豐控股。從中不難發(fā)現(xiàn)從2016 年和2017 年只有嘉里物流一個(gè)民營(yíng)企業(yè)，到2018 年和2019 年順豐控股、韻達(dá)控股的嶄露頭角，物流行業(yè)的重要企業(yè)呈現(xiàn)出日新月異的變化和發(fā)展，隨著物流行業(yè)整體的大發(fā)展和民營(yíng)企業(yè)的不斷進(jìn)步，物流行業(yè)整體上發(fā)展還是較為樂(lè)觀。

4 結(jié) 論

本文研究了2015 到2019 年的滬港深通指數(shù)內(nèi)上市公司的會(huì)計(jì)報(bào)表的數(shù)據(jù)信息，認(rèn)為每個(gè)階段所發(fā)布的會(huì)計(jì)報(bào)表其所反映的上市公司的信息與當(dāng)下其股價(jià)波動(dòng)是有關(guān)聯(lián)的，進(jìn)而能反映出上市公司在行業(yè)內(nèi)的影響力，所以本文對(duì)報(bào)表進(jìn)行分析進(jìn)而研究。首先，通過(guò)Wind 數(shù)據(jù)庫(kù)對(duì)報(bào)表進(jìn)行預(yù)處理，從報(bào)表中整理出了基本的12 個(gè)指標(biāo)數(shù)據(jù)，其次運(yùn)用了隨機(jī)森林的方法，以報(bào)表時(shí)間內(nèi)的漲跌情況為結(jié)果，輸出涵蓋信息80%以上的6 個(gè)指標(biāo)，基于Pearson 相關(guān)系數(shù)結(jié)合閾值0.9 進(jìn)行矩陣化，并生成網(wǎng)絡(luò)圖，然后利用網(wǎng)絡(luò)科學(xué)的知識(shí)進(jìn)行節(jié)點(diǎn)重要性分析，進(jìn)而得到重要節(jié)點(diǎn)。從結(jié)果中不難發(fā)現(xiàn)，我國(guó)物流上市公司的重要節(jié)點(diǎn)分布從2015 年的純國(guó)企到近兩年像順豐控股和韻達(dá)控股這樣優(yōu)秀私企的出現(xiàn)[10]，說(shuō)明我國(guó)物流行業(yè)的發(fā)展越來(lái)越多元化，私企的聲音也越來(lái)越大。

本文提出的基于會(huì)計(jì)報(bào)表和網(wǎng)絡(luò)中心性的對(duì)物流行業(yè)的研究，一方面拓寬了對(duì)物流行業(yè)研究的視角；另一方面也結(jié)合了機(jī)器學(xué)習(xí)、會(huì)計(jì)知識(shí)和網(wǎng)絡(luò)中心性分析契合當(dāng)下的多學(xué)科結(jié)合發(fā)展的熱潮。當(dāng)然，本文的研究也有不足：首先，本文對(duì)網(wǎng)絡(luò)中心性分析存在欠缺，完全可以考慮多個(gè)指標(biāo)；其次，對(duì)選出的物流企業(yè)完全可以再進(jìn)行更深度的剖析，這也是接下來(lái)要進(jìn)行的工作。

圖2 2015 年結(jié)果輸出圖