基于隐马尔可夫模型的物流企业客户违约风险评估

摘要：物流企业客户违约及其变化过程具有马尔可夫性。在利用经典算法预测违约损失值的基础上，将违约损失值作为影响因素，借鉴隐马尔可夫理论，构建基于影响因素的物流企业客户违约风险评估模型。通过该模型可以计算得到某一时刻物流企业服务的每个客户的违约风险及其风险变化指数和物流企业面临的平均违约风险及其变化指数。算例计算结果表明，该评估模型能够准确度量客户违约风险，并具有可行性和易操作性。

关键词：物流管理；风险管理；客户违约风险；隐马尔可夫模型

中图分类号：F253.9

文献标识码：A

文章编号：1003-7217(2010)03-0113-04

一、引言

物流企业客户违约风险是指客户不能按照物流服务契约履行持续交易、支付服务款项等责任时给物流企业带来的损失。典型的客户违约行为是提前中止合同和拖欠服务款项。究其原因，一方面是由于客户内外部生产经营环境的变化导致客户业务萎缩、现金流不足、甚至破产倒闭，进而引发客户被动性违约；另一方面是由于受到我国物流产业发展阶段和发展水平的限制，客户外包多以基础物流服务为主，服务的定制化程度低，市场同质化竞争激烈，再加上社会信用管理体系不健全、交易双方信任机制缺失、契约设计缺陷等因素的影响，使得客户违约成本较低，从而造成其主动性违约。可以预见，在当前全球经济形势剧烈变动、国内产业结构持续调整、产业发展环境不够理想的背景下，物流企业的客户违约风险必将存在，而且更具复杂性，如何科学评估并有效控制客户违约风险已经成为物流企业所面对的一项重要管理任务。

就现象而言，在某一时刻物流企业服务的客户数量不断变化，而每个客户的违约情况也不断变化，客户违约现象的产生具有不稳定性、动态性、随机性、无后效性等马尔可夫特性。为此，本文将在预测客户违约可能给物流企业带来的损失值的基础上，尝试应用隐马尔可夫理论构建客户违约风险评估模型，以更加科学准确地度量物流企业客户违约风险。

二、隐马尔可夫模型及其基本原理

隐马尔可夫模型(HMM)的相关基础理论于20世纪60年代末期被提出，是在马尔可夫链的基础之上发展起来的。由于实际问题比马尔可夫模型所描述的更为复杂，观测到的事件不能与状态一一对应，而是通过一组概率分布将其联系起来，这样构建的模型被称为HMM。HMM目前被广泛应用于图像处理、语音处理、地震勘探、生物信号处理、金融市场的波动性分析、经济预测等诸多领域。Hamil－ton(1989)最早证明HMM对于建模和预测时间连续性经济变量具有重要帮助。在此之后，一些学者尝试运用HMM度量信用风险的动态性，并取得了较好效果。例如，Crowder等(2005)用二项式过程描述隐马尔科夫层的状态，建立了与Hamilton类似的模型；Banachewicz等(2008)则让马尔科夫链的转换概率依赖于宏观变量，对Crowder的模型进行了拓展；Mcneil和Wendin(2007)认为马尔科夫链的可能状态具有连续集，并将其视为简单的时间序列过程；Banachewicz和Lucas(2008)针对HMM的设定误差，分别构建了离散和连续状态下的HMM，以度量公司违约概率的分位数。张冬青等(2007)认为基于影响因素的HMM具有更佳的预测结果。总结起来，HMM对于违约风险或信用风险预测与度量具有重要的借鉴价值。

五、结论

以上首次借助隐马尔可夫理论构建基于影响因素的风险评估模型来度量物流企业的客户违约风险，通过模型计算得到某一时刻物流企业服务的每个客户的违约风险及其风险变化指数、物流企业面临的平均违约风险及其变化指数。算例计算结果表明，马尔可夫链的随机性和和动态性能够比较合理地描述物流企业客户违约风险的产生及转移现象，基于HMM的评估模型能够准确度量客户违约风险，并为物流企业规避风险、拓展业务以及发展新客户提供风险依据。