基于正態(tài)云模型的網(wǎng)絡(luò)異常交易風(fēng)險評價仿真

桑 振,胡 建

(河北農(nóng)業(yè)大學(xué),河北 保定071000)

1 引言

網(wǎng)絡(luò)交易即在信息網(wǎng)絡(luò)中在企業(yè)之間、企業(yè)與消費(fèi)者之間以及消費(fèi)者個人與個人之間,通過網(wǎng)絡(luò)通訊手段進(jìn)行的交易,網(wǎng)絡(luò)交易的實(shí)現(xiàn)得利于對計(jì)算機(jī)、網(wǎng)絡(luò)以及遠(yuǎn)程通信技術(shù)的使用,實(shí)現(xiàn)了交易過程的電子與數(shù)字化[1-3]。網(wǎng)絡(luò)交易的出現(xiàn)打破了傳統(tǒng)的面對面交易的模式,只需要通過網(wǎng)絡(luò)就可以完成各種商品的購買,同時網(wǎng)絡(luò)交易還配備了完善的物流配送系統(tǒng)以及方便高效的資金的結(jié)算系統(tǒng)[4]。

網(wǎng)絡(luò)交易過程中也容易出現(xiàn)交易異常的情況,相關(guān)學(xué)者針對網(wǎng)絡(luò)異常交易作了相應(yīng)的研究,文獻(xiàn)[5]提出基于模糊層次分析法對交易風(fēng)險進(jìn)行評價,采用層次分析法以及模糊綜合評價進(jìn)行風(fēng)險權(quán)重確定與評價,該方法對風(fēng)險評價的準(zhǔn)確性不夠高,且較復(fù)雜;文獻(xiàn)[6]提出基于模糊物元法對交易風(fēng)險進(jìn)行評價,采用模糊物元法對風(fēng)險管理的流程進(jìn)行梳理,準(zhǔn)確把握交易過程的風(fēng)險源,此方法比較簡單,但是評價結(jié)果的精度較低。

因此本文提出基于正態(tài)云模型的網(wǎng)絡(luò)異常交易風(fēng)險評價方法,正態(tài)云模型是一種新型的風(fēng)險評價算法,它通過將隨機(jī)性和模糊性相結(jié)合,實(shí)現(xiàn)定量描述待評價目標(biāo),并采取定性與定量映射的方式,通過數(shù)值描述轉(zhuǎn)換概念性自然語言[7,8]。該模型應(yīng)用范圍較廣,已涉及評價預(yù)測、數(shù)據(jù)挖掘及智能控制等多個領(lǐng)域,普適性較高[9],其創(chuàng)新性在于通過選取恰當(dāng)?shù)闹笜?biāo)構(gòu)建三層評價指標(biāo)體系,以體系內(nèi)目標(biāo)層與指標(biāo)層分別作為因變量和自變量,創(chuàng)建正態(tài)云模型并估計(jì)模型參數(shù),運(yùn)用該模型實(shí)現(xiàn)對網(wǎng)絡(luò)異常交易風(fēng)險的綜合評價,為企業(yè)管理層合理制定符合自身企業(yè)減低網(wǎng)絡(luò)異常交易風(fēng)險的科學(xué)戰(zhàn)略提供有效幫助。

2 基于正態(tài)云模型的網(wǎng)絡(luò)異常交易風(fēng)險評價算法

以網(wǎng)絡(luò)交易的發(fā)展趨勢與網(wǎng)絡(luò)異常交易風(fēng)險種類為依據(jù),選取產(chǎn)品識別風(fēng)險、電子支付風(fēng)險、質(zhì)量控制風(fēng)險以及信息傳送風(fēng)險作為評價網(wǎng)絡(luò)異常交易風(fēng)險的主要指標(biāo),由于風(fēng)險評估相關(guān)專家均具備主觀偏好,故而在指標(biāo)量化處理四個影響指標(biāo)時,需通過非確準(zhǔn)數(shù)據(jù)或者定性語言值形容評估值,并采用正態(tài)云模型對此類語言值實(shí)施定量化表示,獲得網(wǎng)絡(luò)異常交易風(fēng)險評價結(jié)果,實(shí)現(xiàn)對網(wǎng)絡(luò)異常交易的風(fēng)險評價?；谡龖B(tài)云模型的網(wǎng)絡(luò)異常交易評價整體過程見圖1。

圖1 網(wǎng)絡(luò)異常交易風(fēng)險評價過程圖

2.1 構(gòu)建網(wǎng)絡(luò)異常交易風(fēng)險評價指標(biāo)體系

選用包含目標(biāo)層、準(zhǔn)則層及指標(biāo)層的三層指標(biāo)結(jié)構(gòu),其中目標(biāo)層為網(wǎng)絡(luò)異常交易風(fēng)險評價度y,準(zhǔn)則層為所選取出的四個關(guān)鍵影響因素產(chǎn)品識別風(fēng)險x1、電子支付風(fēng)險x2、質(zhì)量控制風(fēng)險x3及信息傳送風(fēng)險x4,同時該層也屬于一級指標(biāo),指標(biāo)層屬于二級指標(biāo),對應(yīng)準(zhǔn)則層各影響因素共包含8個二級指標(biāo),構(gòu)建網(wǎng)絡(luò)異常交易風(fēng)險評價指標(biāo)體系,如表1所示。

表1 網(wǎng)絡(luò)異常交易風(fēng)險評價指標(biāo)體系

2.2 正態(tài)云模型構(gòu)建及參數(shù)估計(jì)

2.2.1 正態(tài)云模型

網(wǎng)絡(luò)異常交易評先評價度y作為因變量,準(zhǔn)則層各影響因素作為自變量,以自變量作為樣本輸入,因變量作為輸出,二者均屬于正態(tài)云數(shù)據(jù),同時以實(shí)數(shù)表示的廣義正態(tài)云線性回歸模型即為回歸參數(shù),即

yi(xi)=c0+c1x1i+c2x2i+…+cqxqi

(1)

式(1)中,i=1,2,…,n,回歸參數(shù)以cj表示,且j=0,1,…,q,此參數(shù)屬于實(shí)數(shù)值;因變量yi與自變量xi均屬于正態(tài)云表示的樣本數(shù)據(jù)。

繼續(xù)通過正態(tài)云xji=(Exj1,Enj1,Hej1)表示自變量,其中(Ex,En,He)代表三個數(shù)字特征,因此式(1)可調(diào)整成:

y(xi)=co(1,0,0)+c1(Ex1i,En1i,He1i)+c2(Ex2i,En2i,He2i)+…+cq(Exqi,Enqi,Heqi)

(2)

設(shè)定系數(shù)ki∈R與n個正態(tài)云模型Ci=(Exi,Eni,Hei)均在論域U內(nèi),通過軟和運(yùn)算n個正態(tài)云模型Ci,可將全新的綜合正態(tài)云Cs=(Exs,Ens,Hes)獲取到,其表達(dá)式為

Cs=(Exs,Ens,Hes)

(3)

以綜合正態(tài)云的設(shè)定為依據(jù),可得出式(2)中正態(tài)云線性回歸模型y(xi)的合成云模型

y(xi)=(Ex,En,He)yi

(4)

通過式(4)能夠得出,模糊線性回歸模型與經(jīng)典線性回歸模型二者的推廣模式即為正態(tài)云線性回歸模型,若此式模型內(nèi)的云因變量y(xi)與云自變量xji對全部i,j均有Heji=0,那么該模型即向具備正態(tài)模糊數(shù)模式的模糊線性回歸模型轉(zhuǎn)化;若此式模型內(nèi)的云因變量y(xi)與云自變量xji對全部i,j均有Enji=Heji=0,那么該模型即向經(jīng)典線性回歸模型轉(zhuǎn)化。

2.2.2 模型參數(shù)估計(jì)

(5)

(6)

由式(6)可得出間距均方誤差E′為

(7)

結(jié)合微積分得知,為對模型中的回歸參數(shù)cj實(shí)施估計(jì),應(yīng)使間距均方誤差E′對全部回歸參數(shù)cj的一階偏導(dǎo)數(shù)均達(dá)到零,如下式

(8)

(X′1X1+X′2X2)c=X′1Y1+X′2Y2

(9)

式(9)中,因X′1X1+X′2X2具有可逆性,故該式兩側(cè)均與(X′1X1+X′2X2)-1相乘之后,能夠?qū)⒄龖B(tài)云回歸模型的參數(shù)估計(jì)值獲取到,即為

c=(X′1X1+X′2X2)-1(X′1X1+X′2X2)

(10)

2.3 基于正態(tài)云模型的綜合評價算法

由于網(wǎng)絡(luò)異常交易風(fēng)險評價指標(biāo)集U內(nèi)具備定量與定性兩類指標(biāo),為符合所構(gòu)建正態(tài)云模型的需求,應(yīng)分別對兩類指標(biāo)實(shí)施處理,同時運(yùn)用量化方式數(shù)值化處理其中的定量指標(biāo)。設(shè)定論域上具備評價指標(biāo)集U={u1,u2,…,un},與其相對的評價結(jié)果等級集合以V={v1,v2,…,vm}表示,假設(shè)網(wǎng)絡(luò)異常交易風(fēng)險評價指標(biāo)集內(nèi)的定量與定性指標(biāo)數(shù)量分別為p個與a個,則總評價指標(biāo)數(shù)量n=p+a,基于正態(tài)云模型的網(wǎng)絡(luò)異常交易風(fēng)險評價過程為:

1)確定定性指標(biāo)等級隸屬度:以論域U評價結(jié)果的等級集合V為依據(jù),將群決策專家所決策出的定性指標(biāo)等級決策值vi獲取到;在此基礎(chǔ)上,將評價隸屬于vi等級的指標(biāo)ui的專家總數(shù)表示為ni,則其隸屬度為μij=ni/n,a個定性指標(biāo)的等級隸屬度矩陣為R1=(μij)a×m。

(11)

超熵Heij可經(jīng)由試驗(yàn)等方式取值,故ui與等級概念值vj相對的云模型以Cij(Exij,Enij,Heij)表示,與其對應(yīng)的定量指標(biāo)等級標(biāo)準(zhǔn)矩陣為

C=[Cij(Exij,Enij,Heij)]p×m

(12)

依據(jù)式(12)向隸屬度矩陣內(nèi)代入定量指標(biāo)的云化值,可得R2=(μij)p×m,基于此將每個指標(biāo)值及其等級隸屬度確定。當(dāng)所構(gòu)建正態(tài)云模型反復(fù)N次運(yùn)行后,各隸屬度的平均綜合值為

(13)

3)排序評價:對定性與定量指標(biāo)的等級隸屬度矩陣R1與R2實(shí)施綜合后,將整個指標(biāo)體系的等級隸屬度矩陣獲取到,即為R=(μij)n×m,本研究中依據(jù)實(shí)際所需劃分最終評價等級為較優(yōu)、優(yōu)、一般及較差四個等級;指標(biāo)權(quán)重向量以W表示,且W=[Wi(Exi,Eni,Hei)]1×n,結(jié)合W與R可得綜合評價向量B,表示為

B=W×R=[Bj(Exj,Enj,Hej)]1×m

(14)

以綜合評價向量B與各熵值的大小為依據(jù),同時與隸屬度相應(yīng)的評價等級相結(jié)合,按照從優(yōu)到劣的順序排列次序后,實(shí)現(xiàn)對評價目標(biāo)的網(wǎng)絡(luò)異常交易風(fēng)險的評價。

3 結(jié)果分析

選取A～E5個網(wǎng)絡(luò)營銷企業(yè)作為實(shí)驗(yàn)對象,運(yùn)用本文算法對各個實(shí)驗(yàn)企業(yè)的網(wǎng)絡(luò)異常交易的風(fēng)險進(jìn)行評價,檢驗(yàn)本文算法的評價效果。5個實(shí)驗(yàn)企業(yè)中,A企業(yè)為家居類產(chǎn)品進(jìn)行網(wǎng)絡(luò)交易的企業(yè),B、C企業(yè)的銷售產(chǎn)品為服飾類,D、E企業(yè)的銷售產(chǎn)品為護(hù)膚彩妝類。

通過本文算法對5個實(shí)驗(yàn)企業(yè)(A～E)的異常交易風(fēng)險展開評價,獲取到各實(shí)驗(yàn)企業(yè)一級評價指標(biāo)與網(wǎng)絡(luò)異常交易風(fēng)險優(yōu)度的正態(tài)云數(shù)據(jù),詳見表2。

表2 正態(tài)云數(shù)據(jù)統(tǒng)計(jì)

通過matlab軟件向本文算法內(nèi)的式(12)代入表2中正態(tài)云數(shù)據(jù),可獲取到各項(xiàng)評價指標(biāo)的正態(tài)云回歸系數(shù),見表3。

表3 各項(xiàng)評價指標(biāo)的正態(tài)云回歸系數(shù)

分析表3能夠得知,四個評價指標(biāo)的正態(tài)云回歸系數(shù)由大到小排序依次為c4>c3>c2>c1,說明對于各個實(shí)驗(yàn)企業(yè)網(wǎng)絡(luò)異常交易風(fēng)險的影響程度而言,由高到低排序各評價指標(biāo)均為信息傳送風(fēng)險—質(zhì)量控制風(fēng)險—電子支付風(fēng)險—產(chǎn)品識別風(fēng)險,由此可見,信息傳送風(fēng)險對網(wǎng)絡(luò)異常交易風(fēng)險的影響最大,而產(chǎn)品識別風(fēng)險的影響相對較小。

依據(jù)表2內(nèi)正態(tài)云數(shù)據(jù),通過本文算法得出各實(shí)驗(yàn)企業(yè)網(wǎng)絡(luò)異常交易風(fēng)險評價指標(biāo)的等級隸屬度及綜合評價向量值,則各實(shí)驗(yàn)企業(yè)網(wǎng)絡(luò)異常交易風(fēng)險評價結(jié)果如表4所示。

表4 各實(shí)驗(yàn)企業(yè)網(wǎng)絡(luò)異常交易風(fēng)險評價結(jié)果

依據(jù)表4內(nèi)所得數(shù)據(jù)對各實(shí)驗(yàn)企業(yè)的網(wǎng)絡(luò)異常交易風(fēng)險按由高到低實(shí)施排序,所得排序結(jié)果詳見表5。

表5 各實(shí)驗(yàn)企業(yè)網(wǎng)絡(luò)異常交易風(fēng)險評價水平排序

由表5能夠得出,5個實(shí)驗(yàn)企業(yè)中,企業(yè)E的網(wǎng)絡(luò)異常交易風(fēng)險位于首位,企業(yè)D的網(wǎng)絡(luò)異常交易風(fēng)險水平與E較為接近,企業(yè)A的網(wǎng)絡(luò)異常交易風(fēng)險水平排在最末位,其它兩個企業(yè)的網(wǎng)絡(luò)異常交易風(fēng)險水平居中,可見,在所選取的5個實(shí)驗(yàn)企業(yè)中,護(hù)膚彩妝類企業(yè)的網(wǎng)絡(luò)異常交易風(fēng)險相對較高,服飾類企業(yè)居中,而家居類企業(yè)的網(wǎng)絡(luò)異常交易風(fēng)險水平相對較低,需要重點(diǎn)關(guān)注網(wǎng)絡(luò)異常水平較高的企業(yè),并重點(diǎn)針對網(wǎng)絡(luò)異常交易風(fēng)險中的信息傳送風(fēng)險與質(zhì)量控制風(fēng)險方面的風(fēng)險予以降低。

為了進(jìn)一步檢驗(yàn)本文算法的評價效果,選取基于模糊分析法的風(fēng)險評價算法與基于模糊物元法的風(fēng)險評價算法作為本文算法的對比方法,兩個對比算法分別出自文獻(xiàn)[5]與文獻(xiàn)[6]。對比三種算法的評價誤差情況,對比結(jié)果如圖2所示。

圖2 各算法評價結(jié)果誤差情況對比

通過圖2能夠得出,三種算法中,文獻(xiàn)[6]算法的評價結(jié)果誤差最高,本文算法雖存在誤差,但誤差相對于其它兩種算法較低,由此可見,本文算法評價結(jié)果可信度較高,可用于實(shí)際網(wǎng)絡(luò)異常教育風(fēng)險評價中,為企業(yè)有效減低其網(wǎng)絡(luò)網(wǎng)絡(luò)異常交易風(fēng)險提供科學(xué)依據(jù)。

4 結(jié)論

本文針對基于正態(tài)云模型的網(wǎng)絡(luò)異常交易風(fēng)險評價算法實(shí)施仿真分析,構(gòu)建包含兩級指標(biāo)層與目標(biāo)層的網(wǎng)絡(luò)異常交易風(fēng)險評價指標(biāo)體系,以目標(biāo)層作為因變量,指標(biāo)層作為自變量,構(gòu)建正態(tài)云模型并對模型參數(shù)實(shí)施估計(jì),運(yùn)用參數(shù)估計(jì)后的正態(tài)云模型對網(wǎng)絡(luò)異常交易風(fēng)險實(shí)施綜合評價。通過實(shí)驗(yàn)驗(yàn)證可知,本文算法的評價結(jié)果誤差低,所得結(jié)果準(zhǔn)確可靠,可為企業(yè)制定有效地降低網(wǎng)絡(luò)異常交易風(fēng)險提供依據(jù)。