基于移动agent的企业信用评估系统的设计与实现.docVIP

基于移动Agent的企业信用评估系统的设计与实现 余鹤龄 （江西省科学器材公司，江西 南昌 330046） 摘要：企业信用评估是企业信用管理的重要组成部分，是社会信用体系的重要内容和基础。本文在信用评估的理论基础上，提出了基于人工神经网络的企业信用评估模型，采用移动Agent技术设计开发了企业信用评估系统，解决了分布式信用数据采集、多种应用系统协同工作与并行处理问题。 关键词：信用评估，神经网络，移动Agent 中图分类号：TP3 文献标识码：A 一、引言 信用评估是社会信用体系的重要内容和基础[1]。当前国内一些组织和单位为了防范信用风险，建立各自的信用评估系统，从组织本身的性质和自身关注的角度出发，来对自己的客户进行信用评估。各信用评估系统之间是相互独立的、不共享的，形成了“信息孤岛”，从而造成难以对企业的信用进行全面的信用分析和评估的局面。除此之外，这些部门又做着大量的重复工作，严重浪费人力、物力等资源。 论文从这个角度出发，利用先进的信息技术，建立基于移动智能体（Agent）的企业信用评估系统，移动Agent在所涉及到的管理部门中，实时收集和处理相关的企业信用信息。将采集到的动态变化的各种企业信息，通过综合集成的信用评估模型，进行集中分析和评估。打破管理部门间和企业间长期形成的“信息孤岛”，整合一切信用资源，实现企业信用数据的一致性描述和信息共享，对企业做出准确的信用评估，从而高效、客观、公正地对企业进行信用评级和规范化管理。 二、基于BP神经网络模型的企业信用评估模型 近年来，神经网络技术在模式识别、分类、预测等方面已展示了其非凡的优越性，特别是能处理任意类型的数据，是许多传统方法所无法比拟的。人工神经网络是由大量简单的基本单元——神经元相互连接而成的自适应非线性动态系统。它反映了人脑功能的若干基本特性，但并非生物系统的逼真描述，只是某种模仿、简化和抽象。人工神经网络通过不断学习，能够从未知模式的大量复杂数据中发现其规律。其中BP神经网络为目前最为成熟、算法最为稳定，同时应用最为广泛的一种神经网络模型[2]。 对于评估指标的选取，论文主要从企业的经营和财务入手，根据企业披露的信息，从企业的盈利能力、偿债能力、企业成长性、运营改善效果等四个方面提取19个指标，如表2.1所示。 表2.1变量标识与评估指标对应关系 变量标识 评估指标 X1 净资产收益率 X2 净资产经常性收益率 X3 总资产报酬率 X4 投入资本经营收益率 X5 流动比率 X6 强制性现金支出比率 X7 现金流动负债比率 X8 资产负债率 X9 三年主营业务平均增长率 X10 三年利润平均增长率 X11 三年资产平均增长率 X12 三年资本平均增长率 X13 销售增长趋势 X14 利润增长趋势 X15 主营业务利润提高 X16 流动资金周转改善 X17 总资产周转改善 X18 存货周转改善 X19 应收款周转改善 由评估指标X1、X2……X19，通过不同的计算方法，得到综合指标得分： 盈利能力得分：X20=0.4X1+0.2X2+0.3X3+0.1X4 偿债能力得分：X21 = 成长性得分：X22 = 营运改善得分：X23 = 最后综合得分为：X24=0.4X20+0.2X21+0.3X22+0.1X23（各权重由主成分分析得到）。 三、企业信用协同评估系统 （一）、系统分析 对企业进行信用评估，整合影响信用评估的数据信息是关键。各个监督管理部门从不同的角度掌握企业的信用信息。比如工商部门拥有企业的注册和发展规模信息；税务部门拥有企业的财务会计数据，主要是“三表”，即资产负债表、现金流量表和损益表；产品质量与技术监督、卫生等机构和职能部门拥有企业的产品及其它记录，等等。这些信用数据存放过于分散，不能共享，信息不畅。 信用评估中心系统检查基础数据库中是否是信用资源客户端提交的最新数据，如果不是，信用评估中心系统就会产生各信用资源客户端的代理，然后通过网络派遣到信用资源客户端去处理和提取数据，信用评估中心系统和信用资源客户端的代理通过Agent提供的消息机制来协同完成任务。在信用资源客户端，信用资源Agent也会定期或不定期的扫描本地信用数据库，及时发现本地信用数据库的更新情况，然后将更新的情况以消息的形式通知信用评估中心系统。 信用资源客户端跟踪企业的监督管理执行进程，实时收集和处理相关的企业信用信息，提供及时的信息反馈。例如：信用资源客户端发现本地应用系统正在对企业展开调查、执法处理，初步判断以前的信用数据不真实，立即反馈给信用评估中心系统，对企业信用重新评估和决策。 （二）、系统架构 企业信用协同评估系统架构如图3.1所示。整个系统从逻辑上划分为四层，分别是调度管理层、决策层、中间通信层和资源层[3]。在不同的层次上