基于支持向量机集成的电子商务环境下客户信用评估模型研究.pdfVIP

620 2008中国发展进程中的管理科学与工程(卷I) 基于支持向量机集成的电子商务环境下客户信用评估模型研究 吴 冲，夏晗 哈尔滨工业大学管理学院，黑龙江哈尔滨150001 ca wuehong@hit．edu 摘要：随着电子商务的快速发展，越来越多的顾客参与到电子商务中来，目前电子商务相关的配套设施、法律法规等均 不完善，信用问题是困扰电子商务发展的主要瓶颈问题，I面客户信用评估是电子商务的重要组成部分，本文利用基于模糊积 分的支持向量机集成方法对客户信用进行评估，该方法考虑了各子分类器的分类结果和各子分类器判决对最终决策的重要 程度，通过实证分析探讨了此法的可行性和优越性。 关键词：电子商务；信用风险；支持向量机集成 析和人工智能三个发展阶段，最初它只是通过分析员 1 引 言 阅读个人材料决定其信用的好坏[1]，但是这一方法主 电子商务是在虚拟空间中进行的一种商务活动， 观因素太强，必然存在误判的可能性。统计方法主要 在这一虚拟世界中，人际交往出现了与现实世界完全 是判别分析(DA)[2]，判别分析是分类预测的主要研究 不同的情况，人们往往无法完全判别交易的真实性、有 范畴之一[3]，它的本质足线性同归，它的变形是Logis- 效性。并且目前电子商务相关的配套设施、法律法规 tic回归。判别分析在操作上的一个缺点是其基本假 等均不完善，基于这方面原因，电子商务快速发展的同 设很容易被打乱。譬如说，性别足定性指标而非连续 时，伴随交易量增加，电子商务交易出现了大量的信用 指标，它不足正态分布的，这就违反了基本假设。于是 风险，例如，难以确定交易双方的主体和信用状况等。 人们积极探索开发更加准确的信用评估模型，先后就 所以，成功的电子商务常常需要信用的支持，即交易双 非参数统计模型、人工智能等方法在信用评估方面的 方互相信任，信守承诺。因此，无论交易主体是企业还 应用进行了尝试[43，尤其是最近几年中已经开发出来 是个人，都应有相关的信用机构来对交易双方的信用 包括分类树[5]、神经网络[63及K一近邻判别分析[71等在 进行评价。对企业进行信用评级，而这种评级制度势 内的多种方法。但是，这些方法都有存在一些缺点，即 必能减少或避免企业的各种失信行为(包括信息不对 不能量化解释指标的重要程度，在分类树分析中没有 称所产生的失信)的发生。对个人信用的评估，收集客 参数。神经网络中则没有参数解释，用于信用评估具 户个人的信用记录，合法地制作客户个人信用调查报 有一定的片面性。同时神经网络的训练是在黑箱中进 告，并向法律规定的合格使用者有偿传播信用报告，同 行的，这种运算摈弃许多行业经验和专家经验，具有一 时，为了安全便捷地进行电子商务活动，还可把客户资 定的茸目性，人们不能对之进行干预[B]。由于神经网 信情况存储在网络，以便随时调用。 络算法采用的是经验风险最小化原则，容易陷入局部 信用评估根据客户的若干原始资料，通过若干方 极小点，收敛速度慢，并且其结构难以确定，以及易出 法，将其分为正常类和违约类，或给出一个违约概率或 现过学习现象，限制了其在实际中的应用。而且用神 信用等级，这样信用评估就可转化为统计学上的某种 经网络来评价经济问题时，很难说明神经网络训练后， 分类问题。客户信用评估，就是通过综合考察影响客 各网络参数和阀值的经济含义，使得模型缺乏说服性。 户及其家庭的内外客观、微观环境，包括经济、金融、司 为了改善分类精度，许多学者研究了基于