电子商务信用风险预警问题探索论文

　　摘要:随着物流水平的提高和电子商务技术安全的完善，它们不再是制约电子商务发展的重要问题，而今信用风险问题成了制约电子商务发展的瓶颈，本文采用了规范研究和实证研究相结合的研究方法。在对国内外研究现状及现有风险预警理论进行综述的基础上．构建电子商务信用风险的预警指标体系，建立电子商务信用风险预警的Z—Score模型．而提出了企业应对不同风险状态的预警对策
　　
　　关键词:风险预警论文：信用风险论文：电子商务论文
　　
　　1电子商务信用风险问题研究现状论文
　　
　　1．1国内外信用风险研究现状近十年来，我国电子商务交易增长幅度迅猛增长。据艾瑞市场调研统计，2010年仅第三季度中国电子商务市场交易额1．2万亿元，预计未来10年．将有70％的贸易额通过电子交易完成。
　　
　　随着电子商务交易的不断增加，信用问题已经成为制约电子商务发展的重要因素之一。流动快、风险高、传染蔓延迅速的虚拟经济若发生信用危机，实体的贸易体系势必会受到巨大的冲击。所以，对电子商务信用风险研究已经成为各国发展电子商务的首要问题目前，国内外对电子商务信用的研究尚属于起步阶段，以案例研究和定性描述的方法为主．大都是从电子商务信用危机产生原因和信用风险机制的形成方面来呼吁整个社会加强电子商务信用体系的建立，而利用模型来研究国际范围的电子商务信用风险并将其量化的少之又少。
　　
　　1．2现有信用风险顸警模型信用风险预警模型的研究最初主要用于金融机构防范企业贷款的信用风险。而贷款信用风险往往是由企业财务危机引起的，因此，找出一些显现财务状况恶化征兆的财务指标．有利于及早发现和判断借款人或证券发行人的财务状况，从而确定其信用等级。基于这一目的．国内外许多金融机构通常将信用风险的测度转化为企业财务状况的衡量，这使得财务风险预警模型得到了极大的发展，形成了大量的研究成果。为企业其他信用风险预警模型的研究的提供了有力的支持。
　　
　　现有的风险预警模型可以归纳为以下几类：
　　
　　(1)专家系统模型(2)贷款评级分类模型(3)CART结构分析模型(4)信用风险判别模型2电子商务信用风险预警模型建立电子商务信用风险预警体系是一个复杂的体系，源于电子商务交易过程自身的复杂性，所以本研究运用因子分析的方法建立了电子商务信用风险的Z．Score预警模型。希望能够减少电子商务交易中的信息不对称。降低交易主体可能面临的信用风险。
　　
　　2．1电子商务信用风险预警概述论文
　　
　　2．1．1电子商务信用风险预警管理的内容本文借鉴黄冠胜的风险预警系统理论，抽象出电子商务信用风险预警管理六方面具体管理活动。在实践中这些管理活动的先后逻辑如图1所示警情从产生到爆发，有一个生命周期，被称之为警情生命周期(如图2)。
　　
　　至少有三次机会可以防止信用风险给电子商务造成损失，如果这三次机会都被忽视，那么电子商务运作必然失败。
　　
　　2．1．2电子商务信用风险预警管理系统信用风险预警管理系统的机制是防错和纠错，是以免疫和安全性为目的。主体的预控能力和自组织能力是其本质。从功能模块上划分，主要包括一个综合数据库和五个子系统(如图3)。
　　
　　通过以上的风险预警管理系统企业可以科学高效地实施电子商务信用风险预警管理任务，纵观整个管理系统运行过程可以看出一个清晰而封闭的管理流程(如图4)。流程图表达出了电子商务信用风险预警管理的基本内容、思路和逻辑关系2．2预警模型的建立多元线性判定模型又称为Z—Score模型，最早是由美国学者Altman(1968)开始研究的。多元线性判断模型尽管存在一些缺陷(如工作量较大)，但由于其具有较高的判别精度，所以在风险评价模型中被广泛采用，因此，本论文将采用Z—Score方法建立模型。
　　
　　多元判定方程Z=a1xX1+×2+a．xX，通过该判别式把各种指标转换成单一的判别标准，或称为z值。其中a，％是权数，是各种指标。在运用上，先是根据预测样本构建多元线性判定模型，确定判别z值，z值的大小可以作为判定企业电子商务信用风险的综合标准然后将测试样本的数据代人判别方程，得出Z值。
　　
　　本论文借鉴比较成熟的财务预警指标体系中的部分指标，结合电子商务的特点，建立了从静态和动态两个角度考察的电子商务信用风险预警指标体系。
　　
　　预测风险还需要对指标进行筛选。分析各种统计资料，选取以下14个指标作为本论文衡量电子商务信用风险预警指标的初始数据。具体情况见表1。
　　
　　2．3搜集预警指标数据搜集指标数据可选择以下两种方案[3]：一是以n个企业同期各指标的原始数据作为样本。二是将某个企业凡个时期的各指标原始数据作为样本、输入变量。若电子商务信用风险预警系统是基于企业自己的，可以选用第二种方案第一种样本采集方案适合某一类型企业或行业的电子商务信用风险预警系统。
　　
　　本论文选取了36家涉及电子商务的商贸类上市公司2009年的数据作为研究对象(其中包括七家ST公司)，得到了样本公司的14组(x1到Xl4)指标数据。
　　
　　2．4预警指标数据的处理论文
　　
　　2．4．1主成分分析首先对选取的36家公司的原始指标数据进行标准化处理，在此基础之上计算得到36家上市公司的14个指标的相关系数矩阵。在相关系数矩阵表中发现，某些指标之问的相关性很小(相关系数绝对值小于0．1)，某些指标之问的相关性很大(相关系数绝对值大于0．9)；若要减少信息的冗余，必须将那些相关性很高的指标做进一步的处理，以消除部分指标的相关性。可以确定．解决预警指标之间信息的重叠问题有必要进行指标的综合]．以解决预警指标之间信息的重叠问题。本论文将采用因子分析中的主成分分析法进行处理。在进行分析之前，对数据进行了KMO统计量检验和Bartlett球形检验，结果见表2．通过检验结果发现KMO=0．616>0．5，球形检验时P=0．000<0．01．这说明进行主成分分析是合适的。
　　
　　在研究过程中，本论文以特征值大于1的主成分数目为因子数目，由于相关系数矩阵中有六个大于1的特征值，这前六个因子已经反映了数据的主要信息，其累积贡献率为80．8％，大于80％，能比较全面地反映全部信息。
　　
　　为此，做m其因子载荷矩阵，在矩阵中能够看出，第四、五、六个公共因子的典型代表变量不突出，那么载荷值就不能在原始变量上很好地解释。故需进一步进行因子旋转，选用方差最大正交旋转法，经过9步迭代得到旋转后的因子载荷矩阵。如表2-3所示。由表3可以看出在其上载荷值大于0．8的指标有X3，表明因子1只需由净资产收益率来解释；因子2，在其上载荷值大于0．8的指标有X9和X12，表明数字证书等级和流动比率和两个变量可以解释因子2：因子3。
　　
　　在其上载荷值大于0．8的指标有Xl0和X11，表明因子3只需由总资产增长率和资本累计率两个变量来解释：因子4，在其上载荷值大于0．8的指标有X6，表明因子4只需由存货周转率来解释：因子5，在其上载荷值大于0．8的指标有X7．表明因子5只需由应收账款周转率来解释；因子6，在其上载荷值大于0．8的指标有X14，表明因子6只需由货款逾期率来解释。为了解释这6个因子．需要得到原始指标与因子的相关系数，运用SPSS软件。观察正交旋转后的因子载荷矩阵发现，指标与因子的对应性很强，所有指标其载荷都只在一至两个因子上取值较大，说明只被一至两个因子解释。而且每个指标较大的因子载荷值几乎都在0．8以上，说明对应的因子能够比较典型地对其进行解释。
　　
　　在表4中，6个因子的累计方差贡献率在正交旋转前后都是80．835％，这说明它们都保留了原有14个指标中80．835％的信息，因此因子总体的解释能力没有因为正交旋转而改变。但是正交旋转后，每个因子的方差贡献率和特征根值变化了。原来因子中最小的特征根值为1．046，最大的特征根值为3．662：旋转后的因子中最小的特征根值增大到1．305，最大的特征根值减小为2．629。说明各因子解释原来变量的能力更加平衡．源于因子旋转缩小了各因子方差贡献率之间的差距。
　　
　　2．4．2模型系数的确定在因子分析中，当因子确定以后，可计算各因子在每个样本上的具体数值．这些数值就是因子得分。因子得分不仅是本论文接下来进行聚类分析的依据，而且各因子作为信用评级的中间变量，可以反映不同信用等级的动因。用回归法计算各因子得分系数。
　　
　　根据计算结果可以得出各因子对原始指标的得分函数，如：根据上述公式可以计算出各主成分得分．在此基础上，借鉴刘淑莲(2008)[5i的研究思路，计算公司的综合得分Z(权重是各因子的方差贡献率)，即：
　　
　　最终，得出关于电子商务信用风险评价指标的Z值表达式．即2．5聚类分析聚类分析是应用最广泛的分类技术．它把性质相近的个体归为一类，使得同一类的个体具有高度的同质性．不同类之间的个体具有高度的异质性在聚类分析过程中，选择电子商务信用风险评价指标Z为聚类变量，采用常用的迭代聚类法。本论文分别采用五级和四级分类进行聚类分析，发现五级分类效果不如四级分类。本论文列出了四级分类的聚类分析结果，分析结果如表5所示上述数据显示ST公司信用等级差的比例很高。3家上市公司被评为第4级中的全是ST公司。第3级中l3家上市公司有3家是ST公司。
　　
　　在7家ST公司中，只有1加公司被评为2级司，这表明论文构建的信用评级模型是有效的。从理论上说．ST公司违约的可能性大，ST公司被评为4级和3级是最理想的，但它们并不等同于违约公司．有一家ST公司属于第2等级是合理的。
　　
　　由于电子商务信用风险评价指标数据获取的局限．以及在因子分析过程中会丢失少部分信息，存在一定的误差也是合理的，要想非常精确地评价m每个电子商务上市公司的信用状况是不客观的。
　　
　　2．6实证检验为了测试模型对上市公司电子商务信用风险状况的预测能力，本论文在已有建模样本之外，另外选取了8家涉足电子商务的上市公司的2009年数据作为测试样本，其中包括3家ST公司。
　　
　　对这8家公司的数据进行四级信用评级，结果如表8模型很好地评价了上市公司的电子商务信用风险状况，即具有较强的预测能力。
　　
　　3企业电子商务信用风险管理对策论文
　　
　　3．1正常风险状态下的预警对策
　　
　　(1)洞察危机征兆，严密监测电子商务活动中的问题。
　　
　　(2)制定预防电子商务信用风险或危机的管理方案。
　　
　　3．2轻微风险状态下的预警对策当企业处于轻微风险状态，预警系统已经发出警报时，要严密审查风险预警指标体系，并详细分析暴露的风险因素。采取的对策有：(1)避免电子商务信用风险：(2)电子商务信用风险损失预防；(3)白留电子商务信用风险。
　　
　　3.3严重风险状态下的预警对策当预警系统警报为严重风险状态时。要凋整应对风险的策略重点，防止恶化，可采取的战略措施有：严密监测电子商务过程．选择合适的战略措施进行控制，防止新风险的发生。采取风险抑制策略将高度风险状态逐步转化为轻微风险乃至正常状态。
　　
　　4结论
　　
　　(1)建立了电子商务信用风险预警指标体系，该体系包括动态和静态两个方面。
　　
　　(2)运用主成分分析的方法对电子商务信用风险预警指标进行了分析，使最终确定的指标之间具有较好的低相关性和独立性，增强预警结果的客观真实性。
　　
　　(3)在对相关数据进行分析的基础上，建立电子商务信用风险预警的Z—score模型，并通过聚类分析的方法对电子商务信用等级进行分类。针对不同的预警模型输出等级。提出了企业应该采取的对策建议。