第三方跨境電商結(jié)匯平臺評價指標(biāo)體系構(gòu)建研究

周翔 周笛 郭燕

[摘要]為跨境電商能順利解決第三方結(jié)匯平臺的擇優(yōu)甄別問題,首先通過問卷調(diào)查法收集商家意愿，再結(jié)合文獻(xiàn)研究法重構(gòu)并完善第三方跨境電商結(jié)匯平臺評價指標(biāo)體系，構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)模型加以數(shù)據(jù)訓(xùn)練，使得訓(xùn)練后的模型具有更好的穩(wěn)定性、預(yù)測性和泛化能力。模型可以幫助從事跨境電商領(lǐng)域的商家有針對性地甄別適合的第三方結(jié)匯平臺，以減少商家在資金結(jié)匯環(huán)節(jié)上的成本。

[關(guān)鍵字]跨境電商；結(jié)匯平臺；模糊神經(jīng)網(wǎng)絡(luò)

一、 引言

互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展帶動了跨境電子商務(wù)的發(fā)展。我國商務(wù)部公告表示：2008年至2019年中，跨境電商的年交易額年均增速近30％，而傳統(tǒng)對外貿(mào)易的年均增長不到10%?？缇畴娮由虅?wù)對傳統(tǒng)外貿(mào)產(chǎn)生了巨大沖擊。我國的跨境貿(mào)易發(fā)展速度較快，但是資金、規(guī)模和管理水平等現(xiàn)實因素的制約直接導(dǎo)致中國跨境電商普遍面臨結(jié)匯環(huán)節(jié)費用高、時效差、回款難等困境。第三方跨境電商結(jié)匯平臺能夠幫助商家在跨境電商交易結(jié)匯環(huán)節(jié)中解決技術(shù)阻滯、法律障礙、語言不通等問題，極大地方便了商家的資金回籠。跨境電商行業(yè)的崛起，也進(jìn)一步帶動了跨境支付及結(jié)匯平臺的發(fā)展。選擇適合的第三方跨境電商結(jié)匯平臺成為商家加強(qiáng)資金回流的有效途徑，然而，目前在選擇跨境電商結(jié)匯平臺的辦法上仍存在盲目性，更多的是主觀臆斷，遠(yuǎn)不能滿足跨境電子商務(wù)蓬勃發(fā)展的要求。因此，提取與商家相關(guān)度強(qiáng)的評價指標(biāo)，在此基礎(chǔ)上建立一套完善而科學(xué)的第三方跨境電商結(jié)匯平臺甄別體系成為亟迫解決的現(xiàn)實問題。

二、 文獻(xiàn)回顧

跨境結(jié)算是伴隨著傳統(tǒng)貿(mào)易結(jié)算而產(chǎn)生的，前人已經(jīng)對跨境結(jié)算做了大量研究，周莉萍著眼于跨境電商支付以及結(jié)匯風(fēng)險進(jìn)行分析，主要提到交易真實性、備用金管理風(fēng)險性，資金非法流動性這三個方面的風(fēng)險影響[1]。趙俊峰分析研究后認(rèn)為跨境支付與結(jié)算的主要問題存在于資金有沉淀的風(fēng)險、平臺自身的操作風(fēng)險以及制度的不完善性[2]。張夏恒在對跨境電子商務(wù)支付特征的研究中提到，影響用戶選擇跨境支付和結(jié)算方式的主要影響因素是跨境支付方式的普及率和影響范圍、交易主體的使用偏好、支付方式的選擇，跨境支付方式的使用成本以及跨境支付方式的特點和優(yōu)勢[3]。石紅英提出了跨境電商支付平臺結(jié)算方式及其弊端并且對外匯政策路徑進(jìn)行了分析比對[4]。莫凡以Ping Pong網(wǎng)為例，總結(jié)了跨境電商支付平臺能更適應(yīng)潮流與商家選擇的對策[5]。

縱觀國內(nèi)外相關(guān)研究，不難發(fā)現(xiàn)，對第三方跨境電商結(jié)匯平臺的影響指標(biāo)研究并不全面，也未能深入挖掘相關(guān)商家的真實需求，更多停留在政策性的研究，視角也相對單一。對跨境電商商家選擇第三方跨境結(jié)匯方式的影響指標(biāo)的研究有利于商家本身更好地做出選擇。故本文將通過相關(guān)指標(biāo)的研究，來分析商家選擇結(jié)匯平臺所采用的影響指標(biāo)。本文擬基于商家視角對相關(guān)影響指標(biāo)進(jìn)行全面評價，同時以模糊神經(jīng)網(wǎng)絡(luò)為切入點，運用類人類思維模式的模型構(gòu)建更科學(xué)的評價體系模型。

三、 指標(biāo)選取依據(jù)

指標(biāo)的選取依托于DeLone和McLean在2004年完善的DM模型即電子商務(wù)系統(tǒng)成功模型，該模型認(rèn)為一個成功的電商模型受到系統(tǒng)質(zhì)量、信息質(zhì)量、服務(wù)質(zhì)量、使用、用戶滿意、凈收益六個方面、三個維度的制約[6]。本文從使用方出發(fā)，考慮到使用方對系統(tǒng)、信息以及服務(wù)的要求，選取其第一維度中的系統(tǒng)質(zhì)量、信息質(zhì)量、服務(wù)質(zhì)量作為一級指標(biāo)。在此基礎(chǔ)之上進(jìn)行指標(biāo)體系構(gòu)建，其中信息質(zhì)量、系統(tǒng)質(zhì)量和服務(wù)質(zhì)量作為結(jié)匯平臺選擇的根本原因作為指標(biāo)體系的第一層指標(biāo)[6]。在信息質(zhì)量該層級下，考慮到跨境電商商家對相關(guān)信息流質(zhì)量的要求，進(jìn)一步細(xì)分為有用性、透明性、多種語言操作三項二級指標(biāo)；在系統(tǒng)質(zhì)量該層級下，結(jié)合商家訪談中所透露的對系統(tǒng)使用方面的需求，細(xì)分為穩(wěn)定性、安全性、實操性三項二級指標(biāo)；在服務(wù)質(zhì)量該層級下，結(jié)合當(dāng)前產(chǎn)業(yè)融合的大背景下，服務(wù)質(zhì)量自然也成為了產(chǎn)品質(zhì)量中的重要一環(huán)，因此細(xì)分為及時性、多幣種選擇、用戶類別、保障機(jī)制四項二級指標(biāo)待調(diào)查。此外，通過對商家的訪談了解到對目前面臨的第三方跨境電商結(jié)匯平臺的選擇問題上，商家很大程度上受到成本的影響，因此本文加入了運營成本這一因素來對第三方跨境電商結(jié)匯平臺進(jìn)行甄別。那么在此層級下，則細(xì)分為管理費、結(jié)匯費率兩項二級指標(biāo)。自此，選取了四項一級指標(biāo)，十二項二級指標(biāo)以待調(diào)查研究。

四、 第三方結(jié)匯平臺選擇指標(biāo)的量表開發(fā)

1. 量表開發(fā)

本文在學(xué)習(xí)國內(nèi)學(xué)者的文獻(xiàn)的基礎(chǔ)上，結(jié)合本次調(diào)查數(shù)據(jù)進(jìn)行研究，調(diào)查量表主要是借鑒DM模型，將商家選擇結(jié)匯平臺的影響指標(biāo)分為十二項細(xì)分指標(biāo)進(jìn)行測量，讓商家對可能會存在影響選擇的指標(biāo)分別進(jìn)行重要程度測試，由此來收取樣本數(shù)據(jù)，進(jìn)而對商家選擇結(jié)匯平臺的影響指標(biāo)進(jìn)行重要程度測量。此外，在問卷調(diào)查中對各個指標(biāo)的度量使用5級量表：十分重要、比較重要、一般、沒那么重要和完全不重要。

2. 樣本資料的分析

本次問卷調(diào)查針對從事跨境電商行業(yè)的商家進(jìn)行發(fā)放，因地域問題選擇在網(wǎng)絡(luò)平臺上進(jìn)行發(fā)放，共發(fā)放問卷315份，回收有效問卷298份。通過問卷調(diào)查后進(jìn)行指標(biāo)體系的選擇和構(gòu)建。其中信息質(zhì)量、系統(tǒng)質(zhì)量和服務(wù)質(zhì)量作為平臺選擇的根本原因成為了指標(biāo)體系的第一層指標(biāo)。此外，在訪談該領(lǐng)域從業(yè)者后，結(jié)合用戶需求，發(fā)現(xiàn)在跨境電商第三方結(jié)匯平臺的選擇問題上，商家很大程度上受到費用的影響，本文加入了運營成本一級指標(biāo)。并在各個指標(biāo)下進(jìn)行了細(xì)分，對整體指標(biāo)構(gòu)建的完整性做出進(jìn)一步考量。

3. 構(gòu)建指標(biāo)體系

將從DM模型出發(fā)對信息質(zhì)量、系統(tǒng)質(zhì)量、服務(wù)質(zhì)量和運營平臺四個一級指標(biāo)進(jìn)行細(xì)化與修正，使其更適合于本指標(biāo)體系的構(gòu)建。

有用性，即在結(jié)匯過程中，用戶所取得的信息是真實有效的，平臺所提供的款項來源、流程是真實的，可追溯的，保證信息的可用性。

透明性，主要包括即時匯率的公布、結(jié)匯時匯率的選擇、相關(guān)明文條款及規(guī)則等。

多種語言操作，基于跨境大背景，定會存在多國語言交流的情況，不同語言環(huán)境下表達(dá)容易產(chǎn)生歧義，因此該指標(biāo)體系將其單獨列出，對中國商家而言，語言問題極有可能會成為重要影響因素之一（表1）。

穩(wěn)定性，一、二級指標(biāo)是繼承了DM模型中的可用性和可訪問性，也就是系統(tǒng)質(zhì)量最初考慮的包括服務(wù)器的運行、雙方交流機(jī)制等能否支持系統(tǒng)穩(wěn)定的運行、發(fā)展的要素。

實操性，目前由于跨境電商平臺數(shù)量多，從業(yè)人員數(shù)量多，但由于結(jié)匯平臺的操作實則涉及金融知識，所以該方面主要考慮操作者的實際需求，要求系統(tǒng)操作難度不能過高。

安全性，是該第三方結(jié)匯平臺受到幾方政府的監(jiān)督，監(jiān)督政府是否具有權(quán)威性。確保賬戶信息得到保障，規(guī)避賬號被盜、詐騙等風(fēng)險的出現(xiàn)（表2）。

及時性，指的是在第三方結(jié)匯平臺完成結(jié)匯后，提現(xiàn)到用戶個人國內(nèi)銀行賬戶的時長。眾所周知，提現(xiàn)的時限長短直接關(guān)系到資金的流動性強(qiáng)弱，而資金循環(huán)流動的周期縮短后會提高商戶的經(jīng)營能力。

多幣種選擇，則是可以直接選擇相對應(yīng)的外國貨幣，用戶可在此平臺中將持有的不同幣種款項直接結(jié)匯成人民幣，或者結(jié)匯成其他所需幣種。

用戶類別，顧名思義便是用戶類別的限制，不同平臺對于用戶的資質(zhì)有不同的要求，有的需要提供企業(yè)證明，而有的只需要個人認(rèn)證即可。

保障機(jī)制，在第三方結(jié)匯平臺也同樣適用，平臺內(nèi)部的規(guī)章制度確保了其正常的運行[7]?；诳缇畴娚痰慕Y(jié)匯，時常會出現(xiàn)款項的凍結(jié)，導(dǎo)致結(jié)匯的失敗，被凍結(jié)的原因有可能與不同國家的政策相關(guān)，有可能與所售商品的版權(quán)相關(guān)。那么此時保障機(jī)制便發(fā)揮了重要的作用，以確保用戶的資金流向不受外來因素的影響，保證用戶的利益（表3）。

管理費，網(wǎng)絡(luò)結(jié)匯平臺雖然是虛擬的，但是平臺上的用戶都被視為個體“賬戶”，因此，基本的維護(hù)費用、管理費用等是必不可少的。選擇不同的結(jié)匯平臺需要接受不同額度的管理費用，這也將成為運行成本指標(biāo)中的一個影響因素。

結(jié)匯費率，每個結(jié)匯平臺采用的收費模式不同，參考當(dāng)下銀行轉(zhuǎn)賬的標(biāo)準(zhǔn)，即所結(jié)匯額度的抽成，當(dāng)然，每個結(jié)匯平臺抽成不盡相同。比如World First的費率在1%~2.5%，Ping Pong則是0.8%。由于該種抽成影響用戶最后的結(jié)匯利益，所以在考慮成本因素時，該項指標(biāo)是考量的核心因素[8]（表4）。

4. 指標(biāo)審核

本節(jié)以調(diào)查問卷為數(shù)據(jù)來源，采用（Majonity Addfive-Ordered Weighted Aweraging，MA-OWA）算子打分的方法對指標(biāo)體系進(jìn)行最終的確定，根據(jù)初選的指標(biāo)體系采用前文理論基礎(chǔ)部分提到的算子算法對指標(biāo)進(jìn)行一定的計算篩選，具體為采用多數(shù)集的方法進(jìn)行權(quán)重求解，即加大評估人員意見眾數(shù)值的權(quán)重值，成功規(guī)避了最值問題[9]。本文就是采用此模型來進(jìn)行指標(biāo)體系的確定，具體計算過程如下：

根據(jù)前文中依托DM模型設(shè)定初級評價指標(biāo)體系，再由專家對每個指標(biāo)進(jìn)行打分，并將打分值排序分類，分?jǐn)?shù)相同的即為同一子類，求各個子類的平均數(shù)，并定義該平均數(shù)為新子類，接著刪除每個子類中的一個數(shù)，最后反復(fù)循環(huán)步驟3和4，當(dāng)只有一個單元素集合子類時停止循環(huán)，該子類中的單元素就是最后的得分值[9]，算子得分見表5。同時根據(jù)理論的介紹，得分低于3分的指標(biāo)將無法通過篩選。由表5可得問卷調(diào)查中12項指標(biāo)均通過測驗，具有有效性，均參與指標(biāo)構(gòu)建。

五、 實證分析

本文將模糊理論與神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)合，運用模糊神經(jīng)網(wǎng)絡(luò)模型作為跨境電商結(jié)匯平臺選擇的研究方法，以下對模糊推理方法和模糊神經(jīng)網(wǎng)絡(luò)結(jié)果進(jìn)行簡述。

1. 模糊推理方法

模糊推理的方法主要有兩種，分別是Mamdani型（簡稱M型）和Tagagi-Sugeno型（簡稱TS型）。本文所提出的基于ANFIS的模糊推理方法從屬于TS型，該類型的模糊推理具有易控制優(yōu)化和自適應(yīng)方法的優(yōu)勢[10]。TS型的推理過程是用多項式代替模糊量來表示推理后效，其輸出結(jié)果用輸出數(shù)據(jù)函數(shù)形式進(jìn)行表示，即z=f（x，y）。如果x是A，y是B，那么z=f（x，y）。其中A和B是前提中的模糊集，z=f（x，y）是結(jié)論[10]。在推理過程中，每個規(guī)則產(chǎn)生一個精確的輸出，通過加權(quán)平均得到整個系統(tǒng)的輸出，加權(quán)因子由每個規(guī)則的模糊集運算產(chǎn)生。

2. 模糊神經(jīng)網(wǎng)絡(luò)及其結(jié)構(gòu)

模糊理論和神經(jīng)網(wǎng)絡(luò)各有優(yōu)勢，前者主要基于模糊邏輯，常規(guī)決策下難以順利解決的模糊信息問題可通過模糊推理進(jìn)一步處理；而后者能通過仿真推理和自動學(xué)習(xí)在模式識別、聚類分析和專家系統(tǒng)建立幾個方面提供更多的支撐，兩者的結(jié)合能進(jìn)一步融合優(yōu)勢：模糊技術(shù)更擅長邏輯推理，能夠?qū)Ω唠A信息進(jìn)行更精妙的處理，因此將模糊推理引入神經(jīng)網(wǎng)絡(luò)可以提升神經(jīng)網(wǎng)絡(luò)對相關(guān)信息的進(jìn)一步處理能力[10]。

3. 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的控制算法

減法聚類是一種快速的單鏡頭、密度聚類型算法，應(yīng)用于估算一組數(shù)據(jù)的中簇中心數(shù)目和位置。在減法聚類中，其每一個數(shù)據(jù)點都會將被視為潛在的聚類中心，再根據(jù)每個數(shù)據(jù)點其周圍的數(shù)據(jù)密度對該點被視為聚類中心的概率進(jìn)行計算[11]。過程如下：

（1）計算每個數(shù)據(jù)點的密度。對于m維空間中的N個數(shù)據(jù)點（X1，X2，…），我們認(rèn)為每個數(shù)據(jù)點可能是簇中心的候選，因此每個數(shù)據(jù)點Xi處的密度目標(biāo)定義為[10]：

[Di=j=1nexp-||xi-xj||2/(yn/2)2] （1）

ya為其中一個正數(shù)，定義一個鄰域數(shù)據(jù)點。

（2）選取密度目標(biāo)最高的數(shù)據(jù)點作為第一個聚類中心，對作為聚類中心的每個數(shù)據(jù)點相關(guān)的密度目標(biāo)進(jìn)行修改。設(shè)Dc為密度目標(biāo)，xc為選點，那么每個數(shù)據(jù)點xi的密度目標(biāo)便可通過以下公式進(jìn)行修改，即：

[Di=Di-Dciexp[-||xi-xj||2(yn2)2]] （2）

yb是正數(shù)。如上所引，若要作為下一個簇中心，那么靠近第一個簇中心xc1的數(shù)據(jù)點密度目標(biāo)將不可以繼續(xù)降低。

（3） 對下一個聚類中心xc2進(jìn)行選擇，再次對數(shù)據(jù)點的所有密度目標(biāo)進(jìn)行校正[12]。

重復(fù)上述過程。如果上述公式達(dá)到最小值，則聚類結(jié)束。

減法聚類是依托于密度的聚類算法，適用于數(shù)據(jù)集的輸入和輸出，接著根據(jù)聚類集個數(shù)和數(shù)據(jù)集聚類中心位置，在此基礎(chǔ)上對輸入空間進(jìn)行劃分并進(jìn)一步優(yōu)化，最后確定輸入和輸出語言變量的模糊規(guī)則和隸屬函數(shù)數(shù)量[10]。本文通過減法聚類法得到初始模糊推理網(wǎng)絡(luò)，然后利用數(shù)據(jù)的輸入和輸出對該網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，最后得出了一個合理的模糊推理模型。

4. 模型構(gòu)建

將MATLAB R 2012a軟件作為建模載體，運用模糊邏輯工具箱展開建模工作。調(diào)用genfis2函數(shù)即可自動構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)。本文建模通過圖形界面編輯器（ANFIS editor）展開，該編輯器能夠完成模糊神經(jīng)網(wǎng)絡(luò)的建立、訓(xùn)練和測試等功能。參數(shù)設(shè)置和模型訓(xùn)練的基本情況如下: 模型的輸入變量12個即對應(yīng)12個已通過檢驗的評價指標(biāo)、輸出變量1個對應(yīng)專家打分法所得結(jié)果；隸屬度函數(shù)采用高斯型。訓(xùn)練后得到訓(xùn)練與檢驗的絕對誤差圖（圖1）。

通過200次訓(xùn)練學(xué)習(xí)后，將訓(xùn)練誤差減至0.000057。同時由圖1可見訓(xùn)練與檢驗的絕對誤差值在經(jīng)過200次訓(xùn)練后趨于平穩(wěn)，具有較強(qiáng)的穩(wěn)定性，不會出現(xiàn)大幅度的波動。

5. 數(shù)據(jù)訓(xùn)練

本節(jié)將單獨討論模型中所用到的訓(xùn)練樣本，樣本數(shù)量298組，并以該訓(xùn)練樣本進(jìn)行建模分析。設(shè)定一個行向量為1×298的隨機(jī)數(shù)A，調(diào)用rand perm函數(shù)，以floor向下取整后，隨機(jī)抽取80%（238個）的樣本數(shù)據(jù)為訓(xùn)練樣本，得到訓(xùn)練樣本trndata，剩余20%則作為檢驗樣本，得到chkdata。利用std為數(shù)據(jù)做標(biāo)準(zhǔn)化處理。通過減法聚類自動構(gòu)建初始網(wǎng)絡(luò)，調(diào)用genfis2函數(shù)，在完成訓(xùn)練樣本的輸入（input_train)、輸出(output_train)，相關(guān)系數(shù)C的設(shè)定與標(biāo)準(zhǔn)化處理后，輸出已構(gòu)建的初始網(wǎng)絡(luò)in_fismat。

調(diào)用anfis函數(shù),輸入訓(xùn)練數(shù)據(jù)(trndata)、初始網(wǎng)絡(luò)名稱(in_fismat)、訓(xùn)練次數(shù)(epoch_n)、1、檢驗數(shù)據(jù)（chkdata）、0，輸出以構(gòu)建完成的網(wǎng)絡(luò)、訓(xùn)練樣本誤差、對應(yīng)檢驗樣本誤差最小的網(wǎng)絡(luò)、檢驗誤差。訓(xùn)練完成后通過evalfis函數(shù)完成預(yù)測，得到圖2。

由圖2可看出，訓(xùn)練數(shù)據(jù)預(yù)測值與真實值重合度高。該模糊神經(jīng)網(wǎng)絡(luò)模型具有使用價值。輸出后得到in_fismat=genfis2（input_train,output_train,c,std），經(jīng)查找與調(diào)試后取得最優(yōu)系數(shù)C=[0.2，0.2，0.3，0.3，0.6，0.3，0.4，0.4，0.4，0.4，0.4，0.4，0.4]。

6. 檢驗預(yù)測數(shù)據(jù)的準(zhǔn)確性

以Ping Pong為例，對20組樣本進(jìn)行數(shù)據(jù)檢驗。對應(yīng)專家打分值，檢驗通過改模型得出的數(shù)據(jù)是否具有實際的泛化能力。表格中期望輸出即對應(yīng)專家打分法值；實際輸出為已訓(xùn)練完后的模糊神經(jīng)網(wǎng)絡(luò)計算得分，所有結(jié)果保留至百分位。統(tǒng)計對比結(jié)果見表6。

由表6可得，利用訓(xùn)練好的模型對數(shù)據(jù)進(jìn)行測試，結(jié)果顯示測試數(shù)據(jù)的結(jié)果通過計算后與專家打分值十分接近。因而證明了該模糊神經(jīng)網(wǎng)絡(luò)模型在第三方跨境電商結(jié)匯平臺的選取中，所搭建的指標(biāo)體系能夠評價結(jié)匯平臺，并具備較好的泛化能力。

六、 總結(jié)與建議

近年來，跨境電商的發(fā)展勢頭迅猛，同時許多問題也涌現(xiàn)出來，而從事該領(lǐng)域的商家所面臨的資金結(jié)匯阻滯更是棘手問題之一。在結(jié)匯時，規(guī)避選擇使用第三方跨境電商結(jié)匯平臺，或是由于商家缺乏客觀認(rèn)知、存在過強(qiáng)主觀性而無法擇優(yōu)選擇第三方結(jié)匯平臺均會導(dǎo)致資金結(jié)匯的困難。該環(huán)節(jié)存在費用高、時效差、信用缺失等問題，以致于損害商家經(jīng)濟(jì)效益。本文在前人研究的基礎(chǔ)上重構(gòu)了第三方跨境電商結(jié)匯平臺評價指標(biāo)體系，收集數(shù)據(jù)，并配以模糊神經(jīng)網(wǎng)絡(luò)模型展開模型訓(xùn)練。訓(xùn)練后獲得穩(wěn)定性強(qiáng)且具有泛化能力的模糊神經(jīng)網(wǎng)絡(luò)模型。為從事跨境電商的商家提供更具科學(xué)的甄別方法，能夠在交易完成后選擇成本低、時效快、信譽強(qiáng)并合適該交易結(jié)匯特點的第三方結(jié)匯平臺，使商家在交易中的經(jīng)濟(jì)效益達(dá)到更佳狀態(tài)。本文在通過構(gòu)筑模糊神經(jīng)網(wǎng)絡(luò)模型及時有效地解決資金結(jié)匯問題的同時，也對模糊神經(jīng)網(wǎng)絡(luò)模型實施的企業(yè)相關(guān)人員的能力水平提出了要求。

1. 提高操作人員的技術(shù)水平

學(xué)習(xí)及泛化能力是模糊神經(jīng)網(wǎng)絡(luò)的優(yōu)勢所在，能夠有效地結(jié)合專家知識及經(jīng)驗對跨境電商結(jié)匯平臺進(jìn)行選擇。當(dāng)然，模糊神經(jīng)網(wǎng)絡(luò)也具有一定的局限性，比如相關(guān)參數(shù)的設(shè)置，訓(xùn)練樣本的容量也都會使計算結(jié)果出現(xiàn)偏差。如果操作人員對模糊神經(jīng)網(wǎng)絡(luò)領(lǐng)域沒有清晰的認(rèn)知，很有可能會出現(xiàn)模型搭建的不準(zhǔn)確致泛化能力差、預(yù)測結(jié)果不準(zhǔn)確等現(xiàn)象。所以，實施模糊神經(jīng)網(wǎng)絡(luò)對相關(guān)人員提出了一定的技術(shù)要求，可對相關(guān)人員進(jìn)行培訓(xùn)，并且通過MATLAB軟件不斷進(jìn)行實踐和操作，及時提升操作人員的技術(shù)水平。

2. 提高管理人員的決策能力

模糊神經(jīng)網(wǎng)絡(luò)模型的結(jié)果輸出只能輔助管理人員在選擇平臺時用出決策。管理人員應(yīng)當(dāng)根據(jù)自身情況以及外部環(huán)境的變化，比如各個國家相關(guān)政策的推出與變化，同質(zhì)型平臺相關(guān)優(yōu)惠措施等，來綜合進(jìn)行第三方跨境電商結(jié)匯平臺的選擇。因此，提高管理人員的綜合素質(zhì)顯得更為重要。

參考文獻(xiàn)：

[1] 周莉萍,于品顯.跨境電子商務(wù)支付現(xiàn)狀、風(fēng)險與監(jiān)管對策[J].上海金融,2016（5）:73-78.

[2] 趙俊峰.中小跨境電商企業(yè)對第三方支付的使用意愿研究[D].蚌埠：安徽財經(jīng)大學(xué),2018.

[3] 張夏恒.跨境電子商務(wù)支付表征、模式與影響因素[J].企業(yè)經(jīng)濟(jì),2017,36（7）:53-58.

[4] 石紅英.跨境電商支付平臺結(jié)算問題[J].中國金融,2018（19）:102.

[5] 莫凡.我國跨境電商支付平臺品牌國際化轉(zhuǎn)型的問題及對策——以Ping Pong網(wǎng)為例[J].對外經(jīng)貿(mào)實務(wù),2019（4）:38-41.

[6] 沈苑婧.基于模糊神經(jīng)網(wǎng)絡(luò)模型的第三方跨境電商平臺選擇的影響因素研究[D].北京：對外經(jīng)濟(jì)貿(mào)易大學(xué)，2017.

[7] 梁其鈺.我國跨境電子商務(wù)支付面臨的風(fēng)險與防范機(jī)制[J].對外經(jīng)貿(mào)實務(wù)，2018（11）:57-60.

[8] 龔榆桐,李超建.中國跨境電商支付平臺發(fā)展現(xiàn)狀、問題及應(yīng)對策略[J].對外經(jīng)貿(mào)實務(wù)，2018（11）:29-32.

[9] 沈濤綜合電子信息系統(tǒng)軟件質(zhì)量的測試和評估[J].計算機(jī)工程，2004，30（3）：101-103．

[10] 肖斌卿，楊旸，李心丹，等.基于模糊神經(jīng)網(wǎng)絡(luò)的小微企業(yè)信用評級研究[J].管理科學(xué)學(xué)報，2016，19（11）:114-126.

[11] 馬艷平.中小企業(yè)應(yīng)收賬款質(zhì)押融資的績效及信用風(fēng)險研究[D].天津：天津大學(xué)，2012.

[12] 李騰飛.基于LabWindows/CVI的數(shù)字信號分析研究[D].西安：西安電子科技大學(xué)，2007.

Research on the Evaluation Index System of the

Third-party Cross-border E-commerce Settlement Platform：

Based on Fuzzy and Neural Network

Abstract：To successfully solve the third-party exchange settlement platform selection screening problem， this paper first collects the willingness of businesses through questionnaire survey. Combined with literature research method, the evaluation index system of the third-party cross-border e-commerce settlement platform is reconstructed and improved.The fuzzy neural network model is constructed and trained with data to make the mode has better predictability and generalization ability. It can help businesses engaged in cross-border E-commerce identify suitable third-party foreign exchange settlement platforms, so as to reduce the cost of capital settlement.

Key words：cross border E-commerce；foreign exchange settlement platform；fuzzy neural network

基金項目：江蘇省社會科學(xué)基金項目（項目編號：19GLD005）。

作者簡介：周翔（1995-），男，江蘇海洋大學(xué)碩士研究生，研究方向為跨境電子商務(wù)；周笛（1997-），女，江蘇海洋大學(xué)碩士研究生，主要研究方向為跨境電子商務(wù)；郭燕（1980-），女，江蘇海洋大學(xué)博士，副教授，碩士生導(dǎo)師，研究方向為網(wǎng)絡(luò)營銷和電子商務(wù)。

（收稿日期：2020-12-02 責(zé)任編輯：顧碧言）