电子商务企业资信的BP神经网络评估模型研究

在现代信用经济社会中，提高电子商务资信评估的准确度和科学性极其重要。企业资信评估是一个多因素的非线性问题，传统的统计学方法无法抓住资信评估的复杂木质，而神经网络可实现非线性关系的隐式表达。因此，该文提出将BP神经网络用于电子商务企业资信评估，建立电子商务企业资信的BP神经网络评估模型，并通过MAT LAB软件及其神经网络工具对其进行仿真计算。实验结果表明，该方法稳定、快捷，评价结果有效、可靠，对企业资信评估有养良好的性能。

神经网络BP算法资信评估

电子商务企业资信评估是以独立经营企业或经济主体为对象，神经网络技术可实现非线性关系的隐式表达，扬弃了预测函数的变量是线性和互相独立的假设，信用评级时不用确定各因素的权重且可以处理各指标之间的非线性相关性。文中将基于BP神经网络用于电子商务企业资信评估，建立了企业资信的神经网络评估模型，通过对原始数据的训练，进行自学习、自组织，最终得到评价结果，避免了人为判断的主观性过大。

一、电子商务企业资信影响因素选择

电子商务企业资信度评价即企业评级，以独立经营的电子商务企业或经济主体为对象，是对其在一般性的商业交往、投资合作及信贷活动中的信用评价。实际上就是对电子商务企业及经济主体的生产、经营、管理前景及经济效益状况所进行的全而考察与综合评价。文中将企业资信等级分为优、良、中、差四个等级。影响电子商务企业资信的因素很多，在对诸多学者研究的基础上，结合有关文献选取了如下12个财务指标：

二、神经网络结构设计

电子商务企业资信评估是一个模式识别问题，神经网络的目标是根据企业财务情况给出准确的信用等级。神经网络模型的建立关键是要确定网络的拓扑结构、输入结点、输出结点和层数。根据Kolmogoro、定理，三层BP网络充分学习后能逼近任何函数，因此构建三层结构的BP神经网络。由于输入向量包含12项指标，故输入层应包含12个结点。隐含结点数的确定有很多经验法则，根据Kolmogoro定理，取2n+ 1个的隐含层结点数，其中n为输入层的结点个数。因此这里隐含层结点数为25个。文中将企业资信等级分别对应一个分值，优取值4，良取值3，中取值2，差取值1。因此，输出层包含1个结点，输出资信得分。

三、实验分析

采用MAT LAB 2012b软件及其神经网络工具箱建立、训练并测试神经网络。样本数据来源于实际上市公司的财务数据，其中80例用于训练网络，5例用于测试。在评价电子商务企业资信的12个指标中，不同的指标从不同的角度对企业资信进行评估，指标之间无法比较，为了便于最终评价值的确定，需要对各个指标进行无量纲化处理；同时，由于评价中所使用的各项指标之间数值相差很大，不能直接进行比较。为使各指标在整个系统中具有可比性，必须对各指标进行标准化处理。文中在训练前对数据用M at lab中的prestd函数进行归一化处理，使其具有零均值与单位方差，鉴于篇幅的局限性删减了训练样本表。

利用实现BP算法的traingd函数对网络进行训练，2857步后网络误差平方和mse达到了误差标准目标1e- 008的要求。至此，电子商务企业资信评估的神经网络评价模型已经构建完成，在应用过程中，只需输入测试样本的指标数据，便可以进行测试。

文中将BP神经网络用于企业资信评估

通过实验表明，该方法可行且具有较高的精度，评估结果可作为靠的参考依据。其中预测值和实测值还是有一定误差，主要是因为资料数据收集的有限没有足够多的练样本，致使网络还没有得到充分的学习局限性。相信有了足够多的样本后基于BP神经网络的企业资信护估能达到更好的精确性。实验结果同时表明，该方法稳定、快捷，评价结果有效、可靠，对电子商务企业资信评估有养良好的性能。

参考文献：

[1]胡珑瑛，蒋樟生.基于BP神经网络的创新型企业评价研究[J].软科学，2008（02）.

[2]田真，茹少峰.基于BP神经网络的电子企业业绩评价[J].中国管理信息化，2008（03）.

[3]田中禾，刘俊宏，何莉.基于BP神经网络的员工素质评价模型[J].统计与决策，2008（05）.

[4]程勇.基于BP神经网络的员工绩效模糊综合评价研究[J].现代商贸工业，2008（04）.