本文選題：電子商務(wù)信用 + 風(fēng)險(xiǎn)預(yù)警　； 參考：《廣西大學(xué)》2017年碩士論文

【摘要】：近些年,隨著網(wǎng)絡(luò)的快速發(fā)展,人們開(kāi)始利用網(wǎng)絡(luò)開(kāi)展新的商務(wù)活動(dòng)模式——電子商務(wù)。在電子商務(wù)飛速發(fā)展的過(guò)程中,制約其發(fā)展的一些基礎(chǔ)性問(wèn)題(例如:交易支付、物流配送等)得到了逐步的解決,但是,電子商務(wù)活動(dòng)中的欺詐事件依舊很多,誠(chéng)信缺失問(wèn)題依然嚴(yán)重,信用風(fēng)險(xiǎn)已經(jīng)凸顯為電子商務(wù)健康快速發(fā)展的瓶頸。本文立足于電子商務(wù)迅速發(fā)展但是又受制于信用風(fēng)險(xiǎn)的現(xiàn)狀,將企業(yè)電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警系統(tǒng)進(jìn)行優(yōu)化,優(yōu)化后的系統(tǒng)可以及時(shí)準(zhǔn)確的發(fā)布預(yù)警信息,盡量減少企業(yè)的損失,同時(shí)也為有關(guān)信用管理部門(mén)提供參考信息,使其更好的監(jiān)管企業(yè)。電子商務(wù)交易雙方的企業(yè)可以利用該系統(tǒng)評(píng)測(cè)自己、交易對(duì)象甚至競(jìng)爭(zhēng)對(duì)手的信用狀況,以此來(lái)指導(dǎo)后續(xù)的決策。本文的重點(diǎn)在風(fēng)險(xiǎn)信息收集和風(fēng)險(xiǎn)識(shí)別兩個(gè)方面。在風(fēng)險(xiǎn)信息收集方面,本文針對(duì)以往相關(guān)文獻(xiàn)里的指標(biāo)體系進(jìn)行考察,不但保留了部分財(cái)務(wù)指標(biāo),還創(chuàng)新性的引入了“網(wǎng)絡(luò)交易糾紛率”和“研發(fā)投入占營(yíng)業(yè)收入比例”兩個(gè)指標(biāo)來(lái)更好的反應(yīng)服務(wù)能力和發(fā)展能力兩部分的內(nèi)容,使企業(yè)電子商務(wù)信用風(fēng)險(xiǎn)得到更加全面的反映。在風(fēng)險(xiǎn)識(shí)別方面,本文分析了機(jī)器學(xué)習(xí)里的支持向量機(jī)方法和集成學(xué)習(xí)方法在本文的可行性,創(chuàng)新性的將集成學(xué)習(xí)方法引入企業(yè)電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警領(lǐng)域內(nèi),選擇了 bagging算法來(lái)優(yōu)化支持向量機(jī),獲得了很好的分類(lèi)效果。經(jīng)過(guò)優(yōu)化的企業(yè)電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警系統(tǒng)的風(fēng)險(xiǎn)識(shí)別準(zhǔn)確率更高,說(shuō)明加入新的預(yù)警指標(biāo)的指標(biāo)體系是合理的,引入集成學(xué)習(xí)方法在企業(yè)電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警領(lǐng)域內(nèi)是可行的。由于機(jī)器學(xué)習(xí)方法有自學(xué)習(xí)性,本文優(yōu)化后的預(yù)警系統(tǒng)具一定的實(shí)用性。同時(shí),本文選擇將警情分為三級(jí)的方式,簡(jiǎn)單明了,所以本文整合的預(yù)警系統(tǒng)具有易推廣的特點(diǎn)。
[Abstract]:In recent years, with the rapid development of the network, people begin to use the network to develop a new business model-e-commerce.In the process of the rapid development of electronic commerce, some basic problems (such as transaction payment, logistics distribution, etc.) which restrict the development of electronic commerce have been gradually solved. However, there are still a lot of fraud incidents in electronic commerce activities.Lack of integrity is still a serious problem, credit risk has been highlighted for the rapid and healthy development of e-commerce bottleneck.In this paper, based on the rapid development of electronic commerce but also subject to the status quo of credit risk, the enterprise e-commerce credit risk warning system optimization, the optimized system can timely and accurate release of early warning information, as far as possible to reduce the losses of enterprises.At the same time also for the relevant credit management departments to provide reference information for better supervision of enterprises.The system can be used by enterprises of both sides to evaluate the credit status of themselves, trading objects and even competitors, so as to guide the subsequent decisions.This paper focuses on risk information collection and risk identification.In the aspect of risk information collection, this paper investigates the index system in the previous relevant literature, and not only retains some financial indicators,It also innovatively introduces the two indicators of "online transaction dispute rate" and "R & D investment as a proportion of operating income" to better respond to both service and development capabilities.Make the enterprise e-commerce credit risk more comprehensive reflection.In the aspect of risk identification, this paper analyzes the feasibility of support vector machine (SVM) and integrated learning in machine learning, and innovatively introduces the integrated learning method into the early warning field of enterprise electronic commerce credit risk.Bagging algorithm is chosen to optimize support vector machine (SVM), and good classification effect is obtained.The risk identification accuracy of the optimized e-business credit risk early warning system is higher, which shows that it is reasonable to add the new early warning index index system.It is feasible to introduce the integrated learning method in the field of enterprise e-commerce credit risk warning.Because the machine learning method has the self-study habit, the optimized early warning system in this paper has certain practicability.At the same time, this paper chooses to divide the police situation into three levels, which is simple and clear, so the integrated early warning system is easy to be popularized.
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：F275

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹順,劉婷;基于BP神經(jīng)網(wǎng)絡(luò)的企業(yè)信用評(píng)價(jià)研究[J];控制工程;2003年05期

2 朱云;邱菀華;;基于數(shù)據(jù)倉(cāng)庫(kù)的銀行信用評(píng)級(jí)模型的構(gòu)建[J];企業(yè)經(jīng)濟(jì);2006年10期

3 孔海濤;孔苗;;我國(guó)電子商務(wù)企業(yè)的風(fēng)險(xiǎn)防范[J];商場(chǎng)現(xiàn)代化;2005年28期

4 井淼;周穎;呂巍;;互聯(lián)網(wǎng)購(gòu)物環(huán)境下的消費(fèi)者感知風(fēng)險(xiǎn)維度[J];上海交通大學(xué)學(xué)報(bào);2006年04期

5 魏明俠;電子商務(wù)信用風(fēng)險(xiǎn)系統(tǒng)研究[J];預(yù)測(cè);2005年05期

6 黃冠勝;林偉;王力舟;徐戰(zhàn)菊;;風(fēng)險(xiǎn)預(yù)警系統(tǒng)的一般理論研究[J];中國(guó)標(biāo)準(zhǔn)化;2006年03期

7 張明;劉念祖;那麗春;;基于多元判別分析的電子商務(wù)信用風(fēng)險(xiǎn)研究[J];中國(guó)管理信息化(綜合版);2007年07期

8 井淼;呂巍;周穎;;消費(fèi)者視角的網(wǎng)上購(gòu)物感知風(fēng)險(xiǎn)影響因素[J];工業(yè)工程與管理;2006年03期

9 魏明俠;肖開(kāi)紅;;管理因素對(duì)電子商務(wù)信用風(fēng)險(xiǎn)的影響研究[J];科技進(jìn)步與對(duì)策;2007年01期

10 劉兆君;毛薦其;;電子商務(wù)信用風(fēng)險(xiǎn)的F積分綜合評(píng)價(jià)[J];北京交通大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2008年04期

相關(guān)會(huì)議論文 前1條

1 魏明俠;張書(shū)海;程夢(mèng)來(lái);;電子商務(wù)信用風(fēng)險(xiǎn)認(rèn)知形成的動(dòng)力學(xué)機(jī)制[A];第一屆全國(guó)神經(jīng)動(dòng)力學(xué)學(xué)術(shù)會(huì)議程序手冊(cè) & 論文摘要集[C];2012年

相關(guān)博士學(xué)位論文 前4條

1 郭志光;電子商務(wù)環(huán)境下的信用機(jī)制研究[D];北京交通大學(xué);2012年

2 夏龍;先賠保險(xiǎn)信用機(jī)制研究[D];華中科技大學(xué);2008年

3 曾勇;電子商務(wù)信用風(fēng)險(xiǎn)機(jī)理研究[D];武漢理工大學(xué);2005年

4 方先明;商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)研究[D];河海大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 唐小華;電子商務(wù)信用評(píng)價(jià)體系建構(gòu)研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2016年

2 熊若云;基于社會(huì)網(wǎng)絡(luò)信任的網(wǎng)商信用評(píng)價(jià)[D];浙江師范大學(xué);2016年

3 侯倩;電子商務(wù)環(huán)境下中小企業(yè)信用評(píng)價(jià)研究[D];北京化工大學(xué);2016年

4 虞越;B2B電商平臺(tái)企業(yè)信用評(píng)估研究[D];江蘇大學(xué);2016年

5 穆潼;C2C電子商務(wù)商家信用評(píng)價(jià)研究[D];湘潭大學(xué);2014年

6 賈安然;C2C電子商務(wù)信用評(píng)價(jià)模型的分析與研究[D];蘭州交通大學(xué);2014年

7 張玉佳;基于信息不對(duì)稱的電子商務(wù)信用風(fēng)險(xiǎn)分析與規(guī)避[D];華中師范大學(xué);2014年

8 夏雨;電子商務(wù)信用風(fēng)險(xiǎn)演化規(guī)律研究[D];河南工業(yè)大學(xué);2014年

9 葉佳;基于免疫系統(tǒng)的電子商務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)研究[D];華中師范大學(xué);2014年

10 陳洋;B2C電子商務(wù)主觀信用風(fēng)險(xiǎn)博弈分析[D];重慶師范大學(xué);2014年

，

本文編號(hào)：1761723