摘要:隨著物流水平的提高和電子商務(wù)技術(shù)安全的完善，它們不再是制約電子商務(wù)發(fā)展的重要問題，而今信用風(fēng)險(xiǎn)問題成了制約電子商務(wù)發(fā)展的瓶頸，本文采用了規(guī)范研究和實(shí)證研究相結(jié)合的研究方法。在對國內(nèi)外研究現(xiàn)狀及現(xiàn)有風(fēng)險(xiǎn)預(yù)警理論進(jìn)行綜述的基礎(chǔ)上．構(gòu)建電子商務(wù)信用風(fēng)險(xiǎn)的預(yù)警指標(biāo)體系，建立電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警的Z—Score模型．而提出了企業(yè)應(yīng)對不同風(fēng)險(xiǎn)狀態(tài)的預(yù)警對策
　　
　　關(guān)鍵詞:風(fēng)險(xiǎn)預(yù)警論文：信用風(fēng)險(xiǎn)論文：電子商務(wù)論文
　　
　　1電子商務(wù)信用風(fēng)險(xiǎn)問題研究現(xiàn)狀論文
　　
　　1．1國內(nèi)外信用風(fēng)險(xiǎn)研究現(xiàn)狀近十年來，我國電子商務(wù)交易增長幅度迅猛增長。據(jù)艾瑞市場調(diào)研統(tǒng)計(jì)，2010年僅第三季度中國電子商務(wù)市場交易額1．2萬億元，預(yù)計(jì)未來10年．將有70％的貿(mào)易額通過電子交易完成。
　　
　　隨著電子商務(wù)交易的不斷增加，信用問題已經(jīng)成為制約電子商務(wù)發(fā)展的重要因素之一。流動快、風(fēng)險(xiǎn)高、傳染蔓延迅速的虛擬經(jīng)濟(jì)若發(fā)生信用危機(jī)，實(shí)體的貿(mào)易體系勢必會受到巨大的沖擊。所以，對電子商務(wù)信用風(fēng)險(xiǎn)研究已經(jīng)成為各國發(fā)展電子商務(wù)的首要問題目前，國內(nèi)外對電子商務(wù)信用的研究尚屬于起步階段，以案例研究和定性描述的方法為主．大都是從電子商務(wù)信用危機(jī)產(chǎn)生原因和信用風(fēng)險(xiǎn)機(jī)制的形成方面來呼吁整個社會加強(qiáng)電子商務(wù)信用體系的建立，而利用模型來研究國際范圍的電子商務(wù)信用風(fēng)險(xiǎn)并將其量化的少之又少。
　　
　　1．2現(xiàn)有信用風(fēng)險(xiǎn)頇警模型信用風(fēng)險(xiǎn)預(yù)警模型的研究最初主要用于金融機(jī)構(gòu)防范企業(yè)貸款的信用風(fēng)險(xiǎn)。而貸款信用風(fēng)險(xiǎn)往往是由企業(yè)財(cái)務(wù)危機(jī)引起的，因此，找出一些顯現(xiàn)財(cái)務(wù)狀況惡化征兆的財(cái)務(wù)指標(biāo)．有利于及早發(fā)現(xiàn)和判斷借款人或證券發(fā)行人的財(cái)務(wù)狀況，從而確定其信用等級。基于這一目的．國內(nèi)外許多金融機(jī)構(gòu)通常將信用風(fēng)險(xiǎn)的測度轉(zhuǎn)化為企業(yè)財(cái)務(wù)狀況的衡量，這使得財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型得到了極大的發(fā)展，形成了大量的研究成果。為企業(yè)其他信用風(fēng)險(xiǎn)預(yù)警模型的研究的提供了有力的支持。
　　
　　現(xiàn)有的風(fēng)險(xiǎn)預(yù)警模型可以歸納為以下幾類：
　　
　　(1)專家系統(tǒng)模型(2)貸款評級分類模型(3)CART結(jié)構(gòu)分析模型(4)信用風(fēng)險(xiǎn)判別模型2電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警模型建立電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警體系是一個復(fù)雜的體系，源于電子商務(wù)交易過程自身的復(fù)雜性，所以本研究運(yùn)用因子分析的方法建立了電子商務(wù)信用風(fēng)險(xiǎn)的Z．Score預(yù)警模型。希望能夠減少電子商務(wù)交易中的信息不對稱。降低交易主體可能面臨的信用風(fēng)險(xiǎn)。
　　
　　2．1電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警概述論文
　　
　　2．1．1電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警管理的內(nèi)容本文借鑒黃冠勝的風(fēng)險(xiǎn)預(yù)警系統(tǒng)理論，抽象出電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警管理六方面具體管理活動。在實(shí)踐中這些管理活動的先后邏輯如圖1所示警情從產(chǎn)生到爆發(fā)，有一個生命周期，被稱之為警情生命周期(如圖2)。
　　
　　至少有三次機(jī)會可以防止信用風(fēng)險(xiǎn)給電子商務(wù)造成損失，如果這三次機(jī)會都被忽視，那么電子商務(wù)運(yùn)作必然失敗。
　　
　　2．1．2電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)信用風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)的機(jī)制是防錯和糾錯，是以免疫和安全性為目的。主體的預(yù)控能力和自組織能力是其本質(zhì)。從功能模塊上劃分，主要包括一個綜合數(shù)據(jù)庫和五個子系統(tǒng)(如圖3)。
　　
　　通過以上的風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)企業(yè)可以科學(xué)高效地實(shí)施電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警管理任務(wù)，縱觀整個管理系統(tǒng)運(yùn)行過程可以看出一個清晰而封閉的管理流程(如圖4)。流程圖表達(dá)出了電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警管理的基本內(nèi)容、思路和邏輯關(guān)系2．2預(yù)警模型的建立多元線性判定模型又稱為Z—Score模型，最早是由美國學(xué)者Altman(1968)開始研究的。多元線性判斷模型盡管存在一些缺陷(如工作量較大)，但由于其具有較高的判別精度，所以在風(fēng)險(xiǎn)評價(jià)模型中被廣泛采用，因此，本論文將采用Z—Score方法建立模型。
　　
　　多元判定方程Z=a1xX1+×2+a．xX，通過該判別式把各種指標(biāo)轉(zhuǎn)換成單一的判別標(biāo)準(zhǔn)，或稱為z值。其中a，％是權(quán)數(shù)，是各種指標(biāo)。在運(yùn)用上，先是根據(jù)預(yù)測樣本構(gòu)建多元線性判定模型，確定判別z值，z值的大小可以作為判定企業(yè)電子商務(wù)信用風(fēng)險(xiǎn)的綜合標(biāo)準(zhǔn)然后將測試樣本的數(shù)據(jù)代人判別方程，得出Z值。
　　
　　本論文借鑒比較成熟的財(cái)務(wù)預(yù)警指標(biāo)體系中的部分指標(biāo)，結(jié)合電子商務(wù)的特點(diǎn)，建立了從靜態(tài)和動態(tài)兩個角度考察的電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。
　　
　　預(yù)測風(fēng)險(xiǎn)還需要對指標(biāo)進(jìn)行篩選。分析各種統(tǒng)計(jì)資料，選取以下14個指標(biāo)作為本論文衡量電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警指標(biāo)的初始數(shù)據(jù)。具體情況見表1。
　　
　　2．3搜集預(yù)警指標(biāo)數(shù)據(jù)搜集指標(biāo)數(shù)據(jù)可選擇以下兩種方案[3]：一是以n個企業(yè)同期各指標(biāo)的原始數(shù)據(jù)作為樣本。二是將某個企業(yè)凡個時(shí)期的各指標(biāo)原始數(shù)據(jù)作為樣本、輸入變量。若電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警系統(tǒng)是基于企業(yè)自己的，可以選用第二種方案第一種樣本采集方案適合某一類型企業(yè)或行業(yè)的電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警系統(tǒng)。
　　
　　本論文選取了36家涉及電子商務(wù)的商貿(mào)類上市公司2009年的數(shù)據(jù)作為研究對象(其中包括七家ST公司)，得到了樣本公司的14組(x1到Xl4)指標(biāo)數(shù)據(jù)。
　　
　　2．4預(yù)警指標(biāo)數(shù)據(jù)的處理論文
　　
　　2．4．1主成分分析首先對選取的36家公司的原始指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，在此基礎(chǔ)之上計(jì)算得到36家上市公司的14個指標(biāo)的相關(guān)系數(shù)矩陣。在相關(guān)系數(shù)矩陣表中發(fā)現(xiàn)，某些指標(biāo)之問的相關(guān)性很小(相關(guān)系數(shù)絕對值小于0．1)，某些指標(biāo)之問的相關(guān)性很大(相關(guān)系數(shù)絕對值大于0．9)；若要減少信息的冗余，必須將那些相關(guān)性很高的指標(biāo)做進(jìn)一步的處理，以消除部分指標(biāo)的相關(guān)性。可以確定．解決預(yù)警指標(biāo)之間信息的重疊問題有必要進(jìn)行指標(biāo)的綜合]．以解決預(yù)警指標(biāo)之間信息的重疊問題。本論文將采用因子分析中的主成分分析法進(jìn)行處理。在進(jìn)行分析之前，對數(shù)據(jù)進(jìn)行了KMO統(tǒng)計(jì)量檢驗(yàn)和Bartlett球形檢驗(yàn)，結(jié)果見表2．通過檢驗(yàn)結(jié)果發(fā)現(xiàn)KMO=0．616>0．5，球形檢驗(yàn)時(shí)P=0．000<0．01．這說明進(jìn)行主成分分析是合適的。
　　
　　在研究過程中，本論文以特征值大于1的主成分?jǐn)?shù)目為因子數(shù)目，由于相關(guān)系數(shù)矩陣中有六個大于1的特征值，這前六個因子已經(jīng)反映了數(shù)據(jù)的主要信息，其累積貢獻(xiàn)率為80．8％，大于80％，能比較全面地反映全部信息。
　　
　　為此，做m其因子載荷矩陣，在矩陣中能夠看出，第四、五、六個公共因子的典型代表變量不突出，那么載荷值就不能在原始變量上很好地解釋。故需進(jìn)一步進(jìn)行因子旋轉(zhuǎn)，選用方差最大正交旋轉(zhuǎn)法，經(jīng)過9步迭代得到旋轉(zhuǎn)后的因子載荷矩陣。如表2-3所示。由表3可以看出在其上載荷值大于0．8的指標(biāo)有X3，表明因子1只需由凈資產(chǎn)收益率來解釋；因子2，在其上載荷值大于0．8的指標(biāo)有X9和X12，表明數(shù)字證書等級和流動比率和兩個變量可以解釋因子2：因子3。
　　
　　在其上載荷值大于0．8的指標(biāo)有Xl0和X11，表明因子3只需由總資產(chǎn)增長率和資本累計(jì)率兩個變量來解釋：因子4，在其上載荷值大于0．8的指標(biāo)有X6，表明因子4只需由存貨周轉(zhuǎn)率來解釋：因子5，在其上載荷值大于0．8的指標(biāo)有X7．表明因子5只需由應(yīng)收賬款周轉(zhuǎn)率來解釋；因子6，在其上載荷值大于0．8的指標(biāo)有X14，表明因子6只需由貨款逾期率來解釋。為了解釋這6個因子．需要得到原始指標(biāo)與因子的相關(guān)系數(shù)，運(yùn)用SPSS軟件。觀察正交旋轉(zhuǎn)后的因子載荷矩陣發(fā)現(xiàn)，指標(biāo)與因子的對應(yīng)性很強(qiáng)，所有指標(biāo)其載荷都只在一至兩個因子上取值較大，說明只被一至兩個因子解釋。而且每個指標(biāo)較大的因子載荷值幾乎都在0．8以上，說明對應(yīng)的因子能夠比較典型地對其進(jìn)行解釋。
　　
　　在表4中，6個因子的累計(jì)方差貢獻(xiàn)率在正交旋轉(zhuǎn)前后都是80．835％，這說明它們都保留了原有14個指標(biāo)中80．835％的信息，因此因子總體的解釋能力沒有因?yàn)檎�交旋轉(zhuǎn)而改變。但是正交旋轉(zhuǎn)后，每個因子的方差貢獻(xiàn)率和特征根值變化了。原來因子中最小的特征根值為1．046，最大的特征根值為3．662：旋轉(zhuǎn)后的因子中最小的特征根值增大到1．305，最大的特征根值減小為2．629。說明各因子解釋原來變量的能力更加平衡．源于因子旋轉(zhuǎn)縮小了各因子方差貢獻(xiàn)率之間的差距。
　　
　　2．4．2模型系數(shù)的確定在因子分析中，當(dāng)因子確定以后，可計(jì)算各因子在每個樣本上的具體數(shù)值．這些數(shù)值就是因子得分。因子得分不僅是本論文接下來進(jìn)行聚類分析的依據(jù)，而且各因子作為信用評級的中間變量，可以反映不同信用等級的動因。用回歸法計(jì)算各因子得分系數(shù)。
　　
　　根據(jù)計(jì)算結(jié)果可以得出各因子對原始指標(biāo)的得分函數(shù)，如：根據(jù)上述公式可以計(jì)算出各主成分得分．在此基礎(chǔ)上，借鑒劉淑蓮(2008)[5i的研究思路，計(jì)算公司的綜合得分Z(權(quán)重是各因子的方差貢獻(xiàn)率)，即：
　　
　　最終，得出關(guān)于電子商務(wù)信用風(fēng)險(xiǎn)評價(jià)指標(biāo)的Z值表達(dá)式．即2．5聚類分析聚類分析是應(yīng)用最廣泛的分類技術(shù)．它把性質(zhì)相近的個體歸為一類，使得同一類的個體具有高度的同質(zhì)性．不同類之間的個體具有高度的異質(zhì)性在聚類分析過程中，選擇電子商務(wù)信用風(fēng)險(xiǎn)評價(jià)指標(biāo)Z為聚類變量，采用常用的迭代聚類法。本論文分別采用五級和四級分類進(jìn)行聚類分析，發(fā)現(xiàn)五級分類效果不如四級分類。本論文列出了四級分類的聚類分析結(jié)果，分析結(jié)果如表5所示上述數(shù)據(jù)顯示ST公司信用等級差的比例很高。3家上市公司被評為第4級中的全是ST公司。第3級中l(wèi)3家上市公司有3家是ST公司。
　　
　　在7家ST公司中，只有1加公司被評為2級司，這表明論文構(gòu)建的信用評級模型是有效的。從理論上說．ST公司違約的可能性大，ST公司被評為4級和3級是最理想的，但它們并不等同于違約公司．有一家ST公司屬于第2等級是合理的。
　　
　　由于電子商務(wù)信用風(fēng)險(xiǎn)評價(jià)指標(biāo)數(shù)據(jù)獲取的局限．以及在因子分析過程中會丟失少部分信息，存在一定的誤差也是合理的，要想非常精確地評價(jià)m每個電子商務(wù)上市公司的信用狀況是不客觀的。
　　
　　2．6實(shí)證檢驗(yàn)為了測試模型對上市公司電子商務(wù)信用風(fēng)險(xiǎn)狀況的預(yù)測能力，本論文在已有建模樣本之外，另外選取了8家涉足電子商務(wù)的上市公司的2009年數(shù)據(jù)作為測試樣本，其中包括3家ST公司。
　　
　　對這8家公司的數(shù)據(jù)進(jìn)行四級信用評級，結(jié)果如表8模型很好地評價(jià)了上市公司的電子商務(wù)信用風(fēng)險(xiǎn)狀況，即具有較強(qiáng)的預(yù)測能力。
　　
　　3企業(yè)電子商務(wù)信用風(fēng)險(xiǎn)管理對策論文
　　
　　3．1正常風(fēng)險(xiǎn)狀態(tài)下的預(yù)警對策
　　
　　(1)洞察危機(jī)征兆，嚴(yán)密監(jiān)測電子商務(wù)活動中的問題。
　　
　　(2)制定預(yù)防電子商務(wù)信用風(fēng)險(xiǎn)或危機(jī)的管理方案。
　　
　　3．2輕微風(fēng)險(xiǎn)狀態(tài)下的預(yù)警對策當(dāng)企業(yè)處于輕微風(fēng)險(xiǎn)狀態(tài)，預(yù)警系統(tǒng)已經(jīng)發(fā)出警報(bào)時(shí)，要嚴(yán)密審查風(fēng)險(xiǎn)預(yù)警指標(biāo)體系，并詳細(xì)分析暴露的風(fēng)險(xiǎn)因素。采取的對策有：(1)避免電子商務(wù)信用風(fēng)險(xiǎn)：(2)電子商務(wù)信用風(fēng)險(xiǎn)損失預(yù)防；(3)白留電子商務(wù)信用風(fēng)險(xiǎn)。
　　
　　3.3嚴(yán)重風(fēng)險(xiǎn)狀態(tài)下的預(yù)警對策當(dāng)預(yù)警系統(tǒng)警報(bào)為嚴(yán)重風(fēng)險(xiǎn)狀態(tài)時(shí)。要凋整應(yīng)對風(fēng)險(xiǎn)的策略重點(diǎn)，防止惡化，可采取的戰(zhàn)略措施有：嚴(yán)密監(jiān)測電子商務(wù)過程．選擇合適的戰(zhàn)略措施進(jìn)行控制，防止新風(fēng)險(xiǎn)的發(fā)生。采取風(fēng)險(xiǎn)抑制策略將高度風(fēng)險(xiǎn)狀態(tài)逐步轉(zhuǎn)化為輕微風(fēng)險(xiǎn)乃至正常狀態(tài)。
　　
　　4結(jié)論
　　
　　(1)建立了電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警指標(biāo)體系，該體系包括動態(tài)和靜態(tài)兩個方面。
　　
　　(2)運(yùn)用主成分分析的方法對電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警指標(biāo)進(jìn)行了分析，使最終確定的指標(biāo)之間具有較好的低相關(guān)性和獨(dú)立性，增強(qiáng)預(yù)警結(jié)果的客觀真實(shí)性。
　　
　　(3)在對相關(guān)數(shù)據(jù)進(jìn)行分析的基礎(chǔ)上，建立電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警的Z—score模型，并通過聚類分析的方法對電子商務(wù)信用等級進(jìn)行分類。針對不同的預(yù)警模型輸出等級。提出了企業(yè)應(yīng)該采取的對策建議。