基于BP神經(jīng)網(wǎng)絡(luò)的企業(yè)賒銷風(fēng)險(xiǎn)評(píng)估研究

1、基于BP神經(jīng)網(wǎng)絡(luò)的企業(yè)賒銷風(fēng)險(xiǎn)評(píng)估研究摘要：結(jié)合賒銷風(fēng)險(xiǎn)的特征，提出將“賒銷風(fēng)險(xiǎn)度作為新的賒銷風(fēng)險(xiǎn)度量標(biāo)準(zhǔn)，在此根底上將企業(yè)賒銷風(fēng)險(xiǎn)劃分為5個(gè)等級(jí)，并將bp神經(jīng)網(wǎng)絡(luò)引入賒銷風(fēng)險(xiǎn)評(píng)價(jià)，建立了基于bp神經(jīng)網(wǎng)絡(luò)的企業(yè)賒銷風(fēng)險(xiǎn)評(píng)價(jià)模型。實(shí)證結(jié)果說明，該模型是有效且可行的。關(guān)鍵詞：賒銷風(fēng)險(xiǎn)度；客戶信譽(yù)；bp神經(jīng)網(wǎng)絡(luò)；風(fēng)險(xiǎn)評(píng)價(jià)引言賒銷風(fēng)險(xiǎn)就是基于信譽(yù)銷售以后所產(chǎn)生的對(duì)將來的不確定性風(fēng)險(xiǎn)，表現(xiàn)為賒銷客戶由于各種原因，不愿意或無力歸還賒銷貨款，使企業(yè)貨款無法回收，形成呆賬的可能性1。在賒銷過程中，客戶一般并不提供本質(zhì)性擔(dān)保，因此，企業(yè)面臨的賒銷風(fēng)險(xiǎn)也隨之增加。近年來，一些企業(yè)經(jīng)營陷入困境而使得供給鏈上的其他企

2、業(yè)因賒銷貨款無法正?；厥找蚕嗬^陷入停產(chǎn)和破產(chǎn)危機(jī)，這些實(shí)例就是最好的佐證。因此，探尋和建立行之有效的賒銷風(fēng)險(xiǎn)評(píng)估方法就彰顯出其重要意義。本文從賒銷風(fēng)險(xiǎn)評(píng)價(jià)的目的出發(fā)，提出了基于賒銷風(fēng)險(xiǎn)度的賒銷風(fēng)險(xiǎn)度量標(biāo)準(zhǔn)。同時(shí)，將bp神經(jīng)網(wǎng)絡(luò)引入賒銷風(fēng)險(xiǎn)評(píng)價(jià)，建立了基于bp神經(jīng)網(wǎng)絡(luò)的企業(yè)賒銷風(fēng)險(xiǎn)評(píng)價(jià)模型。實(shí)證分析結(jié)果說明，該模型是有效可行的。一、賒銷風(fēng)險(xiǎn)的度量標(biāo)準(zhǔn)及評(píng)價(jià)指標(biāo)體系1.基于賒銷風(fēng)險(xiǎn)度的賒銷風(fēng)險(xiǎn)度量標(biāo)準(zhǔn)。在綜合考慮賒銷風(fēng)險(xiǎn)的本質(zhì)和不確定性的根底上，本文提出將“賒銷風(fēng)險(xiǎn)度作為一種新的賒銷風(fēng)險(xiǎn)衡量標(biāo)準(zhǔn)。賒銷風(fēng)險(xiǎn)度是一種以測度賒銷風(fēng)險(xiǎn)暴露程度賒銷貨款平安系數(shù)為核心的賒銷風(fēng)險(xiǎn)衡量標(biāo)準(zhǔn)，它是指對(duì)客戶開展賒銷業(yè)

3、務(wù)中，在特定的交易方式下，該客戶由于各種原因，不愿意或無力歸還賒銷貨款而使貨款將來形成呆死賬的可能性。詳細(xì)計(jì)算公式為：di=1-rt其中，di為某一客戶i進(jìn)展賒銷的賒銷風(fēng)險(xiǎn)度；rt為客戶i的當(dāng)期貨款回收率；為考核的回收期2。這一標(biāo)準(zhǔn)的優(yōu)越性可見文獻(xiàn)2。2.基于賒銷風(fēng)險(xiǎn)度的賒銷風(fēng)險(xiǎn)等級(jí)劃分。鑒于目前銀行業(yè)中運(yùn)用比擬成熟的五級(jí)信譽(yù)分類制度在國內(nèi)經(jīng)濟(jì)生活中的普及性，論文根據(jù)賒銷風(fēng)險(xiǎn)度的大小將賒銷風(fēng)險(xiǎn)分為5個(gè)等級(jí)，各等級(jí)對(duì)應(yīng)的標(biāo)準(zhǔn)及賒銷客戶特征見表13。3.賒銷風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。論文采用理論與實(shí)證相結(jié)合的方法確定賒銷風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，首先結(jié)合相關(guān)文獻(xiàn)和作者賒銷理論，提出17項(xiàng)初始指標(biāo)，然后用專家打分法

4、和實(shí)證分析兩種方法對(duì)初始的指標(biāo)體系進(jìn)展挑選，最終確定12項(xiàng)指標(biāo)見下頁表2，詳細(xì)分析過程略。二、基于bp神經(jīng)網(wǎng)絡(luò)的賒銷風(fēng)險(xiǎn)評(píng)價(jià)模型目前對(duì)于賒銷風(fēng)險(xiǎn)評(píng)價(jià)研究尚少，且賒銷風(fēng)險(xiǎn)評(píng)價(jià)是復(fù)雜非線性的多因子綜合系統(tǒng)，具有模糊、不確定等特性，合適采用構(gòu)造簡單、具有非線性擬合才能的神經(jīng)網(wǎng)絡(luò)?；谝陨峡紤]，論文將比擬成熟的bp神經(jīng)網(wǎng)絡(luò)用于賒銷風(fēng)險(xiǎn)評(píng)價(jià)，構(gòu)建神經(jīng)網(wǎng)絡(luò)五級(jí)分類風(fēng)險(xiǎn)評(píng)價(jià)評(píng)估模型，為賒銷風(fēng)險(xiǎn)管理提供一個(gè)全面的視角。本文建立的bp神經(jīng)網(wǎng)絡(luò)模型如圖1所示4。圖1bp神經(jīng)網(wǎng)絡(luò)模型該模型分為兩大模塊：前一局部是歸一化模塊，這一局部主要核心技術(shù)是將原始數(shù)據(jù)轉(zhuǎn)化為0，1區(qū)間的標(biāo)準(zhǔn)化數(shù)據(jù)；后一局部是bp神經(jīng)網(wǎng)絡(luò)bpnn

5、模塊。上述模型中的bpnn模塊采用三層bp神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)包括三層：輸入層、隱層和輸出層。應(yīng)用上述模型進(jìn)展賒銷風(fēng)險(xiǎn)評(píng)價(jià)的步驟為：1.指標(biāo)歸一化。由于神經(jīng)網(wǎng)絡(luò)的輸入要求在0，1區(qū)間，因此，在網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練前首先要將各評(píng)價(jià)指標(biāo)的原始數(shù)據(jù)進(jìn)展歸一化。由于論文本文中的12個(gè)評(píng)價(jià)指標(biāo)既有定量指標(biāo)，也有定性指標(biāo)，它們的標(biāo)準(zhǔn)化方法是不同的。定量指標(biāo)的標(biāo)準(zhǔn)化：定量指標(biāo)分為兩類：本錢型越小越好和效益型越大越好。對(duì)于指標(biāo)fi，設(shè)其論域?yàn)閐i=i，i，其中i和i表示fi的可能最孝最大值，si0，1是定義在論域di上的標(biāo)準(zhǔn)化函數(shù)。以下是兩種指標(biāo)的標(biāo)準(zhǔn)化函數(shù)5：本錢型：si=0 xiixidi1xii效益型：si=1xi

6、ixidi0 xii定性指標(biāo)的標(biāo)準(zhǔn)化：根據(jù)定性指標(biāo)取值，其標(biāo)準(zhǔn)化規(guī)那么見表3。2.網(wǎng)絡(luò)訓(xùn)練。原始數(shù)據(jù)經(jīng)過預(yù)處理后送入歸一化模塊，根據(jù)輸入信號(hào)按上一節(jié)的規(guī)那么進(jìn)展歸一化，得到12個(gè)歸一化值，然后，這些歸一化值被送入bpnn模塊。由以上分析可知，bpnn模塊輸入層的神經(jīng)元數(shù)為12，即輸入信號(hào)x1，x2，x12對(duì)應(yīng)于12個(gè)歸一化值；輸出神經(jīng)元數(shù)為1，即輸出量對(duì)應(yīng)于賒銷風(fēng)險(xiǎn)程度。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程也就是網(wǎng)絡(luò)參數(shù)修正的過程，本系統(tǒng)的網(wǎng)絡(luò)學(xué)習(xí)采用有老師的方法，網(wǎng)絡(luò)參數(shù)的修正采用梯度法實(shí)現(xiàn)。設(shè)現(xiàn)已有p個(gè)系統(tǒng)樣本數(shù)據(jù)67：a，a，a=1，2，p式中，上標(biāo)a表示樣本序號(hào)；a為樣本輸出，a為實(shí)際輸出。xaii=1

7、，2，12為輸入變量，那么輸入變量將按下式分配到隱層的第個(gè)神經(jīng)元，作為其輸入xx=ixai1式中，i是輸入層神經(jīng)元i與隱層神經(jīng)元的權(quán)值。隱層神經(jīng)元的輸出是其輸入x的函數(shù)，即：=fxai2bp神經(jīng)元的傳遞函數(shù)fx通常為對(duì)數(shù)sigid函數(shù)。同理也可以計(jì)算輸出層各個(gè)單元的輸入和輸出，這里不作詳細(xì)表達(dá)。通過一定數(shù)量的網(wǎng)絡(luò)訓(xùn)練過程，實(shí)際是修正網(wǎng)絡(luò)參數(shù)以確定最適宜的權(quán)值使對(duì)全部n個(gè)樣本的輸入，按式1、2的正向運(yùn)算得到的實(shí)際輸出a與a期望輸出樣本輸出的殘差到達(dá)最小，即：e=a-a2最小3權(quán)值及閥值的修正通過反向傳播算法的梯度法實(shí)現(xiàn)，詳細(xì)過程略。3.模型驗(yàn)證。將n-p個(gè)驗(yàn)證樣本的輸入矢量x*v=x*p+1，x

8、*p+2，x*n置于網(wǎng)絡(luò)中，進(jìn)展仿真預(yù)測，得到預(yù)測輸出矢量，檢驗(yàn)與輸出矢量與實(shí)際結(jié)果的差異以檢驗(yàn)網(wǎng)絡(luò)推廣才能。4.模型確定。假如驗(yàn)證通過，說明所建網(wǎng)絡(luò)泛化才能較強(qiáng)，可用于將來賒銷企業(yè)風(fēng)險(xiǎn)評(píng)級(jí)；否那么，通過調(diào)整訓(xùn)練樣本p的大孝隱節(jié)點(diǎn)數(shù)、訓(xùn)練周期、目的誤差等重建網(wǎng)絡(luò)。5.訓(xùn)練結(jié)果分析。評(píng)級(jí)模型確定后，就可以直接用于企業(yè)賒銷風(fēng)險(xiǎn)評(píng)價(jià)輸出衡量企業(yè)賒銷風(fēng)險(xiǎn)等級(jí)的評(píng)價(jià)值，該值的范圍為0，1，按照設(shè)定賒銷風(fēng)險(xiǎn)等級(jí)，各個(gè)等級(jí)輸出分值范圍為：一級(jí)：分值范圍為0二級(jí)：分值范圍為0.05三級(jí)：分值范圍為0.15四級(jí)：分值范圍為0.3五級(jí)：分值范圍為0.5這樣可以從網(wǎng)絡(luò)輸出值中明確得出企業(yè)賒銷風(fēng)險(xiǎn)等級(jí)。三、實(shí)證分析選

9、取東、中和西部地區(qū)賒銷客戶五級(jí)分類樣本426家，這些樣本的數(shù)據(jù)是2022年度的相關(guān)數(shù)據(jù)。從每個(gè)風(fēng)險(xiǎn)等級(jí)樣本中隨機(jī)選取290家企業(yè)作為模型訓(xùn)練樣本，其余的136家企業(yè)作為檢驗(yàn)樣本。將訓(xùn)練樣本按照標(biāo)準(zhǔn)化準(zhǔn)那么進(jìn)展標(biāo)準(zhǔn)化，建立atlab訓(xùn)練模型。模型輸入神經(jīng)元個(gè)數(shù)為12，輸出為5，規(guī)那么層神經(jīng)元采用tansig型函數(shù)，而輸出層神經(jīng)元那么采用purelin型函數(shù)。經(jīng)過7614步迭代，bpnn模型收斂，誤差最校將136家五級(jí)分類檢驗(yàn)樣本輸入到以上訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進(jìn)展判別，模型總體預(yù)測精度見表4。從表4可以看出，模型的總體正確率為88.23%，這說明該模型是有效的。表4模型對(duì)檢驗(yàn)樣本總體判斷結(jié)果注：括號(hào)

10、外的數(shù)字為被錯(cuò)誤分為該類的樣本數(shù)，括號(hào)內(nèi)的數(shù)字為該正判樣本數(shù)占所屬類樣本總數(shù)的百分比。結(jié)論當(dāng)前提出的許多衡量賒銷風(fēng)險(xiǎn)的方法，都缺乏可操作性，因此不能應(yīng)用企業(yè)數(shù)據(jù)進(jìn)展驗(yàn)證分析，這也就失去了研究的現(xiàn)實(shí)意義。為此，本文提出了一種基于“賒銷風(fēng)險(xiǎn)度的賒銷風(fēng)險(xiǎn)度量標(biāo)準(zhǔn)，并在此根底上將企業(yè)賒銷風(fēng)險(xiǎn)劃分為5個(gè)等級(jí)，并建立了基于bp的企業(yè)賒銷風(fēng)險(xiǎn)評(píng)價(jià)模型。實(shí)驗(yàn)結(jié)果說明，該模型是有效且可行的。參考文獻(xiàn)：1文彬.民營企業(yè)商業(yè)交易中的賒銷制度研究j.學(xué)術(shù)研究，2022，(4):40-45.2吳玉萍，基于支持向量機(jī)的企業(yè)賒銷風(fēng)險(xiǎn)評(píng)估模型j.軟科學(xué)，2022，(6):130-133.3薛鋒，柯孔林.粗糙集神經(jīng)網(wǎng)絡(luò)系統(tǒng)在商業(yè)銀行貸款五級(jí)分類中的應(yīng)用j.系統(tǒng)工程理論與理論，2022，(1):40-45.4蔡秋茹，羅燁.企業(yè)資信的bp神經(jīng)網(wǎng)絡(luò)評(píng)估模型研究j.計(jì)算機(jī)技術(shù)與開展，2022，(10):117-119.5徐澤水.不確定多屬性決策方法及應(yīng)用.北京:清華大學(xué)出版社，2022.6ahnbs，hs.theintegrated