基于GA-SVM方法的行業協會信用度評價分析

汪 磊 楊 希 黃蓉靜

（1 安徽工程大學，安徽 蕪湖 241000）

（2 合肥工業大學，安徽 合肥 230009）

基于GA-SVM方法的行業協會信用度評價分析

汪 磊1，2楊 希2黃蓉靜1

（1 安徽工程大學，安徽 蕪湖 241000）

（2 合肥工業大學，安徽 合肥 230009）

近年來，社會公眾對于行業協會信用問題的關注越來越多。開展行業協會信用評價分析，不僅有助于提高信用評價結果的準確度，對行業協會精準“畫像”，同時可以“以評促改”，提高行業協會的規范化管理水平。因此，圍繞行業協會信用度評價開展分析，科學構建了行業協會信用度評價系統，運用支持向量機分類方法建立行業協會信用度評價模型，并引入遺傳算法對模型進行參數尋優，最后，開展實證分析并對行業協會提高信用度方面的決策提出具體建議。

行業協會；遺傳算法；支持向量機；信用評價

1 引言

近年來，行業協會在社會治理創新中的作用日益凸顯，成為保障經濟社會持續穩定的重要力量。然而受社會不良利益驅動以及社會信用體系不健全等因素的影響，行業協會在持續發展過程中也存在內部管理不規范、人才隊伍不穩定、管理執行效率低下、社會公信力不高等突出問題。因此，創新行業協會的信用管理意義重大。一直以來，我國政府十分重視行業協會的信用體系建設工作，國務院在2014年發布的《社會信用體系建設規劃綱要（2014—2020年）》中就明確提出要“把誠信建設內容納入各類社會組織章程，強化社會組織誠信自律，提高社會組織公信力”[1]。

開展行業協會信用評價分析，不僅有助于提高信用評價結果的準確度，對行業協會精準“畫像”，同時可以“以評促改”，提高行業協會的規范化管理水平。從國內外文獻看，相關研究多數集中在個人信用評價和企業信用評價方面，對社會組織特別是行業協會信用問題的分析較少。同時，研究涉及的評價方法主要包括AHP、ANP、DEA、FST、FMOP等，對人工智能算法的應用不多。因此，本文對行業協會信用度評價開展分析，科學構建了行業協會信用度評價系統，運用支持向量機分類方法建立行業協會信用度評價模型，并引入遺傳算法對模型進行參數尋優，最后，開展實證分析并對行業協會提高信用度方面提出具體的對策與建議。

2 理論分析

目前，信用評價研究多集中在個人信用和企業信用領域。在個人信用方面，Yang等通過采用人工免疫算法，利用傳統的預測精度和替代指標，采用人工神經網絡和邏輯回歸模型開展客戶信用評估[2]。Ye等比較了個人信用評價模型，指出Logistic回歸和MLP-ANN方法在個人信用評價中具有較高可靠性和準確率[3]。Li等提出使用PSO算法優化RBF神經網絡參數對個人信用進行評價的方法[4]。遲國泰等運用支持向量機方法建立農戶小額貸款信用評價模型[5]。此外，程鑫、孫璐、陳永明等也有過相關論述[6-8]。

在企業信用方面，Hajek等研究了等級評估的多種分類方法，優化特征選擇過程，改善了分類結果的準確性[9]。Attig等發現企業信用評級和社會責任體現之間的存在正向關系[10]。李菁苗等研究了電子商務環境下的中小企業信用評價指標系統，提出了基于層次分析方法的企業信用度評價模型[11]。張目等利用可變模糊集理論，提出針對新興企業的動態信用評價模型[12]。曹海敏等發現企業財務信用評價對企業的成長性影響較大[13]。此外，楊楠、殷琦、張朝輝等也做過相關研究[14-16]。

綜上所述，不少學者對信用評價問題進行了研究，并做出了有益探索。但研究鮮有針對社會組織尤其是行業協會的信用評價分析，同時對人工智能領域的新算法涉及較少。因此，本文以行業協會信用度為研究對象，嘗試利用遺傳算法和支持向量機分類方法構建行業協會的信用度評價模型，在問題和方法方面具有一定的創新性。

3 行業協會信用度評價指標體系

在指標體系的實際構建中，需要注意以下幾點：其一，行業協會涉及的范圍很廣，行業協會的類型也十分多樣，因此在相關評價指標體系構建中需要滿足指標體系適用于不同類型行業協會的要求；其二，行業協會信用信息收集難度較大，不少數據涉及行業協會內部信息，因此在行業協會信用度評價指標體系設計時需要考慮數據收集的難度和可能性；其三，涉及行業協會信用評價的數據類型十分多樣，因此在指標體系構建中需要同時考慮定性指標和定量指標的選取。圍繞上述指標體系的構建要求，本文從自身建設、內部能力、社會影響三個維度考慮，構建由9個二級指標和20個三級指標構建而成的行業協會信用度評價指標系統，具體如表1所示：

表1 行業協會信用度評價指標體系

（續表）

在自身建設方面，主要包括行業協會基本條件和組織規范兩個二級指標。基本條件是指行業協會的基本情況，主要通過該行業協會開辦資金數量和辦公條件的優劣來評價。組織規范是指內部管理的規范化程度，重點分析行業協會的內設部門數量，協會架構是否合理以及制度體系是否完善。

在內部能力方面，主要包括人力資源、財務情況和業務開展三個二級指標。在人力資源領域，考察的內容包括工作人員、專職人員比例、專職人員工資待遇。在財務管理領域，選取該行業協會年檢報告中的行業協會凈資產額、年凈資產變動額、業務活動產生的現金流量凈額三項指標。在業務開展領域，主要考察行業協會年度業務活動數量和購買社會組織服務數量。

在社會影響方面，主要包括對外宣傳、公眾態度、政府支持和國際影響四個二級指標。對外宣傳包括公開發行刊物數量和內部資料性刊物數量。公眾態度涉及行業協會年度公益活動數和社會服務活動數。政府支持涉及承接政府職能轉移數量和政府對行業協會的資助金額。國際影響力涉及行業協會參加國際活動的數量。

4 GA-SVM模型

支持向量機分類方法的基本思路是通過尋找最優線性超平面，將用于尋優的算法轉化為凸規劃問題并求解，使用非線性映射將樣本空間映射到高維特征空間，從而解決初始樣本數據的高度非線性分類及回歸問題[17]。本文中，線性超平面即決策曲面可以將行業協會信用樣本數據分成差別最大的兩類。設分類線方程為f（x）=w·x+b，則分類間隔M為：

求解支持向量可以轉化為求解一個帶約束的二次規劃問題：

利用Lagrange乘子法求解上述二次規劃問題，建立Lagrange函數：

引入懲罰函數進行優化，最后通過求解Lagrange對偶問題得到最終表達式：

其中，系數C是懲罰因子，代表對錯分點的懲罰力度。C值過高容易形成過擬合現象，而C值過低又會降低模型精度。k（xi，xj）代表核函數，核函數可以將非線性情況轉化為線性問題。C值和核函數k（xi，xj）的取值直接影響模型的預測精度，因此需要通過參數尋優找到C值和核函數k（xi，xj）的最優解。本文選擇遺傳算法對上述模型進行參數尋優，GA算法偽代碼的形式化描述為：

Step1：進行個體編碼，將單個樣本作為一條染色體，樣本的每個特征值即為染色體的一個基因，每一條染色體即為不同的特征子集；

Step2：隨機產生初始化種群，并初始化算法的有關參數；

Step3：適應度計算，并執行遺傳運算：選擇，交叉和變異；

Step4：輸出結果若不滿足標準，則返回Step2繼續執行。若滿足終止條件，則程序終止，并輸出最終結果。

在本文中，采用徑向基核函數作為上述模型的核函數。因此，行業協會的信用度評價模型可以進一步表達為：

其中，C是懲罰因子，代表懲罰力度。g代表核參數，決定最優線性超平面的形狀。g值越大說明最優線性超平面越平緩。

5 實證研究

5.1 數據描述

根據行業協會信用度評價指標體系，需要從自身建設、內部能力、社會影響三個方面收集相關數據。考慮到數據收集的難度和可獲取性，本文決定選取某地區2015年行業協會的年檢數據作為研究樣本。收集樣本量總計782個，其中，有用樣本數據671個，每個樣本包含20個特征變量。由于所有數據均來自于權威渠道且經過驗證，保證了樣本數據的真實可靠。行業協會的年檢結果有不合格、基本合格和合格三種情況，分別設定為“-1”“0”和“1”。

行業協會的評價指標設計涉及定性指標和定量指標兩類，其中定性指標是專家主觀評分，定量指標是行業協會年檢報告中的實際數據。多維數據類型容易造成行業協會信用度評價結果的不合理。鑒于此，本文先采用簡單的數據歸一化處理的方法，首先對涉及到行業協會信用度評價的定性數據和定量數據進行預處理，將多維的原始數據轉換為統一格式的數值。

5.2 試驗結果

與普通的二元分類方法不同，支持向量機分類方法并非只是產生“＋1”和“-1”兩個值。通過對支持向量機輸出的預測值進行歸一化處理后就可以得到評價對象具體的信用度評分。只是當預測結果大于0時，系統判定評價對象的分類屬性為“＋1”；當預測結果小于0時，系統判定評價對象的分類屬性為“-1”。

本文選擇在Matlab環境下對模型進行求解，首先運用GA算法計算模型中懲罰因子C和核參數g的最優解。如圖1所示，設定遺傳算法的進化代數為100，種群數量為20，則通過運算懲罰因子C和核參數g的最優解分別是56.62和1.54；其次將交叉值設定為5并進行交叉驗證，通過Matlab運算，模型的交叉驗證準確率為72.27%。

最后，本文隨機選取75%的樣本數據作為訓練樣本，25%的樣本數據作為測試樣本，通過Matlab運算后預測準確率達到87.39%，預測結果良好。實驗結果進一步說明GA-SVM模型適用于對行業協會信用度評價的研究。

6 對策與建議

圍繞行業協會信用度評價問題開展分析研究有利于提高行業協會的信用評價水平，對行業協會精準“畫像”，同時也能夠“以評促改”，加快行業協會規范化管理步伐。目前，我國行業協會管理仍普遍存在內部管理不規范、社會監督不夠、組織公信力不高等突出問題。因此，本文圍繞行業協會信用度問題提出以下幾點對策建議，為政府部門的行業協會信用管理方面的決策提供有益參考：

圖1 參數優化結果

其一，加強行業協會的規范化管理。從總體來看，行業協會發展仍處于起步階段，部分行業協會內部管理混亂、人才流動性大，難以滿足其持續發展的需求。加強行業協會管理規范，首先需要科學制定各行業協會的規范化管理標準，將標準考核納入行業協會的年檢指標；其次進一步優化協會的組織構架，合理設計組織層次和管理幅度，加強行業協會各團隊間的分工與合作；最后要規范協會人力資源管理，針對崗位差異開展員工“條塊”培訓，制定協會工作者職業標準，完善相關人才的市場化評價制度。

其二，完善行業協會監督檢查機制。多年來，年檢一直是對社會組織監督的首要方式，但是年度檢查越來越難以滿足現階段行業協會信用管理的需要，也容易造成各類失信行為的發生。對行業協會的信用行為進行有效監督，首先應考慮制定多主體共同參與機制。由于信用度檢查監督的涉及面較廣，因此需要建立多部門聯動機制，實現相關信用信息共享；其次是要保證行業協會信用監管的透明度，加快協會信息發布平臺建設，通過平臺及時讓公眾了解各類信息；第三建立健全行業協會信用評價系統，對協會信用情況進行跟蹤管理。

其三，擴大行業協會社會影響力。從年檢數據看，多數行業協會的組織活動次數有限，部分行業協會處于停滯和半停滯狀態，導致公眾對行業協會的認識度和好感度不高。擴大行業協會社會影響力，首先需要提高行業協會運營能力，拓寬行業協會參與社會治理途徑，鼓勵行業協會承接政府轉移職能；其次要增加協會在行業內的影響力，堅持行業協會在行業規范、標準制定以及集體談判中的主體性地位，并且鼓勵行業協會代表本行業參與外部交流與合作；最后要加大協會的宣傳力度，引導行業參與社會公益事業，提高公眾對行業協會的認識度和好感度。

[1]國務院.社會信用體系建設規劃綱要（2014-2020年）[Z].2014.

[2]YANG Z C，KUANG H，XU J S，et al.Artificial immateriality-based credit evaluation for mobile telephone customers[J].Journal of the Operational Research Society，2015，（9）：1533-1541.

[3]YE H，LI N，FENG H，et al.The comparisons of personal credit evaluation Models[J].Information Technology Journal，2011，（11）：2237-2241.

[4]LI S，ZHU Y，XU C，et al.Study of personal credit evaluation method based on PSO-RBF neural network model[J].American Journal of Industrial and Business Management，2013，（4）：429-434.

[5]遲國泰，潘明道.基于綜合判別能力的農戶小額貸款信用評價模型[J].管理評論，2015，（6）：23-27.

[6]程鑫.基于支持向量機的農戶信用評價研究[D].太原：山西財經大學，2015：45.

[7]孫璐，李廣建.多維個人信用評價特征感知模型的研究[J].情報工作，2015，（21）：12-23.

[8]陳永明，周龍，李雙紅.基于AHP和DEMATEL方法的農戶信用評級研究[J].征信，2012，（5）：20-24.

[9]HAJEK P，MICHALAK K.Feature selection in corporate credit rating prediction[J].Knowledge-Based Systems，2013，（1）：72-84.

[10]ATTIG N，GHOUL S E，GUEDHAMI O，et al.Corporate social responsibility and credit ratings[J].Journal of Business Ethics，2013，（4）：679-694.

[11]李菁苗，吳吉義，章劍林，等.電子商務環境下中小企業信用評價[J].系統工程理論與實踐，2012，（3）：45-57.

[12]張目，匡暑炎，閆慧杰.基于模糊積分法的戰略性新興產業企業信用評價[J].會計之友，2013，（21）：23-28.

[13]曹海敏，常越.企業財務信用評價對成長性的影響效應分析[J].經濟問題，2015，（10）：34-42.

[14]楊楠.我國中小高新技術企業融資信用評價的研究[J].科技與經濟，2011，（3）：31-35.

[15]殷琦.基于社會資本的中小企業信用評價[D].哈爾濱：哈爾濱工業大學，2011：32.

[16]張朝輝，梁慧，褚美玲.基于P2P模式的C2C信用評價方法研究[J].管理評論，2015，（12）：56-63.

[17]唐發明，王仲東，陳錦云.支持向量機多類分類算法研究[J].控制與決策，2005，（7）：746-754.

ANALYSIS ON THE CREDIT EVALUATION OF INDUSTRY ASSOCIATION BASED ON GA-SVM METHOD

WANG Lei1，2Yang Xi2HUANG Rong-jing1
（1 Anhui Polytechnic University,Wuhu Anhui 241000）
（2 Hefei University of Technology,Hefei Anhui 230009）

In recent years,the issue of association credit has attracted more attention of the public.Generally,the analysis of association credit evaluation might not only contribute to the accuracy of evaluation results, but also successfully raise the standardized management level of industry association in the process of credit evaluation.Thus,this paper focuses on the issue of credit evaluation on industry association,analyzes an index system of credit evaluation,develops an evaluation model of industry association based on SVM, introduces GA method for parameter optimization, and further proposes some specific suggestions on the improvement of association credit.

industry association；GA；SVM；credit evaluation

C916

A

1672-2868（2017）04-0044-06

2017-03-09

安徽省高等學校人文社會科學研究重點項目（項目編號：SK2016A0114）；安徽工程大學“地方政府與社會治理創新研究中心”招標項目（項目編號：DS2015D02）

汪磊（1984-），男，安徽蕪湖人。安徽工程大學管理工程學院，講師。研究方向：社會治理。

責任編輯：楊松水