基于貝葉斯網絡的B2C電子商務信用風險預警系統研究

杜靜+李忠婷+李業鳳

摘 要：電子商務信用風險已成為電子商務進一步發展的主要障礙，因此電子商務客戶信用風險是急需研究和防范的重要課題。本文在電子商務理論、信用風險管理理論以及風險預警理論的基礎上，對貝葉斯網絡預警模型的可行性進行了分析，并且通過節點的選擇、網絡模型的構造和網絡參數的設置，運用局部網絡的推理和預警過程來說明整個貝葉斯網絡系統的推理和預警過程。最后采用Netica對模型進行運算、仿真。

關鍵詞：電子商務信用；貝葉斯網絡；風險預警系統；信用管理

在經濟全球化深入發展的今天，電子商務吸引越來越多企業和個人用戶參與到網上交易中。然而，電子商務并未帶來預期的利潤，虛擬市場中信用缺失、信用危機和信用狀況惡化的問題也越來越嚴重，電子商務信用風險問題已成為阻礙消費者在線購物的關鍵因素。因此，對電子商務信用風險、在線消費行為的特點、電子商務信用風險的規避機制等方面進行深入研究就愈發顯現其必要性。

一、貝葉斯網絡預警可行性分析

電子商務信用風險預警是在風險評估的基礎上，對各種信用風險進行有針對性的、合理的處理和預警控制。而電子商務信用風險評估包括兩個方面：一是信用風險的定性處理，對存在于企業內部和外部的各種可能出現的風險進行分類、過濾、剖析，分清信用風險或非信用風險。二是信用風險的定量處理，對電子商務信用風險進行數量界定，針對某一種具體的信用風險的形成、發展、作用對象及其發生概率、強度、可能造成的損失等進行預測計算，分析該信用風險可能造成的影響。貝葉斯網絡正是進行不確定性推理和決策的有效手段，因此貝葉斯網絡用于電子商務信用風險預警是非常合適的。

二、模型設計

建立電子商務信用風險預警系統的首要任務是選擇能在不同方面反映電子商務中信用風險活動趨勢的預警指標，在貝葉斯網絡方法中稱之為網絡節點，并且根據這些節點對網絡拓撲結構進行構建。本文所構建的電子商務信用風險預警模型中的網絡節點主要分為兩類：一類是風險類型節點，稱之為狀態節點，它可以通過貝葉斯網絡計算得到；第二類為風險誘因節點，稱之為證據節點，它是直接的風險源，可以通過實際觀測和數據統計得到。

1.B2C個人信用風險模型

根據B2C電子商務的交易特點，認為B2C電子商務信用風險預警系統應包含以下節點，其中方框代表狀態節點，橢圓代表證據節點，其結構如下：

2.網絡參數設置

貝葉斯網絡的參數學習實質上是在已知網絡結構的條件下，來學習每個節點的條件概率分布表。通過查找相關資料，總結分析得到B2C個人信用風險網絡的條件概率分布表。其中狀態節點即風險類型節點取值為存在風險和不存在風險，分別表示為T和F；證據節點即風險誘因節點取值為高、中、低，分別表示為H、M、L。各節點的名稱分別為B2C個人信用風險（Personal Credit Risk，PCR），交易歷史記錄（Trade History，TH），個人因素（Personal Factor，PF），資產（Assets，As），能給予的擔保（Given Guarantee，GG），累計成交金額（Total Sum，TS），違約次數（Break Promise，BP），出價次數（Bid Times，BT），成交次數（Transaction Times，TT），網友評價（Users Assess，UA），風險防范力（Risk Force，RF），風險態度（Risk Attitude，RA），受騙經歷（Cheated Experience，CE），銀行卡（Bank Card，BC），網站存的保障金（Security Deposit，SD）。

3.網絡推理與預警

B2C網絡中的推理與預警過程就是根據證據節點所提供的證據，對網絡進行自底向上的信度更新，得到各個狀態節點的后驗概率分布，并且設定一個概率閥值，如果某一狀態節點風險發生的概率大于該閥值，則認為該節點處于風險狀態并加以警示。

由于B2C網絡是一個單連通的網絡，可以采用消息傳遞算法，這里選取局部網絡來說明系統的推理與預警過程。以個人因素狀態節點進行局部分析。

假設給定先驗概率：

Bel（PF）=[0.6 0.4]，P（RF|PF）=

可得π（RF）=Bel（PF）P（RF|PF）=[0.26 0.3 0.44]

網絡初始化時，由于沒有證據輸入，所以λ（RF）=[1 1 1]，則有Bel（RF）=αλ（RF）π（RF）=π（RF）= [0.26 0.3 0.44]

現在，有兩個關于節點RF的證據E1和E2：

=[0.8 0.1 0.1]，=[0.7 0.2 0.1]。有，所以節點RF的置信度更新為

節點RF向節點PF傳播的信息為

則節點PF的置信度更新為

可以看出，在沒有證據支持的情況下，我們認為個人因素存在風險的可能性為0.4，是一個比較低的值，但是由于證據E1和E2的到來，使得我們對個人因素存在風險的可能性進行了重新評估，結果認為其發生的可能性為0.72，如果我們設置閥值為0.7，可以看出個人因素存在風險的可能性已經高出此閥值，則必須做出警示處理。

三、實驗仿真

信用風險預警模型的設計完成之后，就可以運行該系統。由于該系統是基于貝葉斯網絡構建的，可以運用貝葉斯網絡的仿真工具對其進行計算。本文采用Netica軟件對B2C個人信用風險模型進行計算。

初始化系統，設置系統節點和先驗概率，如圖所示：

圖2 初始系統截圖

對系統的推理主要是診斷推理，通過輸入一定的風險誘因證據信息，觀察風險狀態節點的變化，分析風險誘因對風險狀態的影響。假設需要發出警報的情況是處于風險的概率高于70%。當我們對節點UA輸入證據為[1，0，0]時，發現整個系統的情況如圖3所示：

可以看出節點TH發生風險的可能性增長為79.9%，處于比較危險的情況，但是PCR處于危險的可能性只有60.5%，說明現在的情況是從交易歷史記錄來看該交易處于比較大的風險中，但發生B2C個人信用風險的可能性還沒有達到需要預警的程度。如果我們再加入一些掌握的證據的話，比如我們掌握到能給予的擔保處于很低的情況，即給節點GG輸入證據[1，0，0]，再次觀察模型給出的結果如圖4所示：

圖4 輸入證據節點后系統截圖

在這兩條證據的支持下，發生個人信用風險的概率已經高達77.2%了，這時必須發出信用風險的預警。

四、結論

本文將貝葉斯網絡方法應用于電子商務信用風險領域，通過選擇能在不同方面反映電子商務中信用風險活動趨勢的預警指標（網絡節點），并對其進行分析，構建了電子商務全面風險的貝葉斯網絡拓撲結構，并對各指標節點進行先驗概率的賦值，從而建立起基于貝葉斯網絡的電子商務信用風險預警系統模型，并對其預警能力進行了仿真測試。但是，由于作者水平所限和客觀外部條件的約束，本文所提出的方法還存在一些不足，電子商務信用風險預警系統的構建是一項長期的、艱巨的工作，需要進一步深入研究，本文僅僅是起到拋磚引玉的作用。

參考文獻：

[1]丁東洋，周麗莉，劉樂平.貝葉斯方法在信用風險度量中的應用研究綜述[J].數理統計與管理，2013（1）.

[2]郭春香，李旭升.貝葉斯網絡個人信用評估模型[J].系統管理學報，2009（3）.

[3]李釗，蘇秦，崔艷武等.基于貝葉斯網絡的電子商務質量評估研究[J].科技管理研究，2007（8）.

[4]余舟毅，陳宗基，周銳.基于貝葉斯網絡的威脅等級評估算法研究[J].系統仿真學報，2005，17（3）：555-558.