基于定量分析的物流企业信用评价可行性研究

邬聪颖 杨孔雨

摘要：当前物流市场信用问题突出，大小企业良莠不齐，如何筛选出信用状况良好的企业、如何对企业信用状况做出分析和预警成为亟待解决的问题。文章首先分析信用问题对物流企业长期稳定发展的重要性，结合当前市场环境下物流企业诚信缺失的成因，提出建立能够进行客观评估的信用监管体系。接着，在参考和总结当前评价指标特点的基础上，提出一种基于定量分析的信用评价指标体系。最后，对评价算法的可行性进行探究，最终确定了模糊神经网络算法作为评价物流企业信用状况的方法，为进一步运用数据进行定量分析做准备。

关键词：物流企业;信用评价指标;模糊神经网络

中图分类号：F272文献标识码：A

0引言

在当前信用经济时代，信用作为企业的无形资产，为企业持续健康发展提供源源不断的内在动力，已经成为衡量企业的服务质量的重要因素，在当前我国经济发展步入新常态、寻找新方位的关键时期，物流产业的发展也面临瓶颈。然而，目前我国物流行业尚未形成统一信用评价体系，现有的评价体系中不可避免地存在一些人为因素的干扰，在此背景下，本文提出构建基于定量指标分析的评价体系，以非交易参与者的角度探究物流企业信用评价体系的可行性。

1诚信对物流企業的重要性

我国物流业的蓬勃发展离不开信用基础的支撑。一旦这一信用基础被打破，那么物流企业就不可能走得长远。甚至可以说，整个物流业的经营活动中各个环节都是由信用链串联起来的，任何一个环节信用出现问题，都将给交易双方造成巨大的损失，长此以往，物流企业将难以在市场上立足。相互信任是合作企业建立稳定合作伙伴关系的前提和基础。信用状况良好的企业能够吸引更多的客户与之展开商务合作，赢得更多的发展资源，这些资源中获得的成果又能转化成更多的好评，如此良性循环下，物流企业将会发展的越来越顺利;反之，信用状况较差的企业则可能会在下坡路上越走越差。

2当前物流市场诚信缺失的现状及成因

我国物流企业起步较晚，市场发展还不完善，无论外部监管环境还是内部竞争机制都存在很多问题，导致物流企业发展面临很多问题和挑战，尤其是在信用质量管理方面。

发展过程中暴露的问题在当前市场状况下并没有得到很好的解决，而是以一种潜移默化的方式慢慢累积。市场的混乱，造成物流企业间相互压价、恶性竞争，这些因素都导致客户在选择物流企业的服务时陷入迷茫，这也给物流企业本身拓宽业务，获得更多发展机会带来严重的困扰，大大增加了行业企业的交易风险和物流成本。同时，物流企业失信成本不高，很多钻营者利用体系的漏洞投机取巧，游走在法律法规的灰色地带，牟取不当利益。

3现有指标体系并不完善

物流行业的信用危机究其根本，在于监管及评价体系不完善。而现有的评价体系缺乏统一的标准和规范，关于评价指标也尚未有规定的形式，导致评价体系均自成一体，这使得其评价结果可靠性不高。另一方面，评价过程中的人为因素也不可避免的大大降低其评价结果的可靠性。

现有的物流企业信用评价体系大致包含两个方面：

其一，类似于银行、金融行业等基于财务指标的信用分析。这种评价体系仅仅依据物流企业的财务状况作为其信用体系的评价标准，忽略了其他因素对评价企业信用状况的影响，其评价范围具有单一性，参考价值不高。其次，企业的财务指标数据往往依赖于企业自身所提供的数据，而这些数据往往是经过修饰的，数据来源本身不能排除主观因素的影响，因此，其评价结果也是不具有客观性，参考价值不高。

其二，是基于物流行业的特色指标的定性分析。这种评价模型过于简单且主观因素所占比值较重，其评价结果大多是基于交易参与者在交易完成后对其已享受到的服务做出的评价，其评价结果在一定程度上代表了交易者的主观意愿，忽略了其他客观因素对评价结果的影响，缺乏对同行业物流企业的理性比较，这就大大降低其评价结果的客观性。

此外，如：客户满意度、差评率、客户投诉度，甚至于交易履约率、货损陪偿率等数据大多来源于企业内部，而企业为了维护自身品牌形象，在计算这些指标数据的过程中，往往会对这些分析结果进行人为修饰，突出企业各方面的能力，因此，这些复合数据只能在一定程度上具有参考价值，可靠性也不高。另一方面，在评价过程中还存在一些信用炒作现象。商家通过一些不正当手段恶意炒作，在评价过程中恶意刷分，也会导致其信用评价结果不具有参考价值。

因此，建立一套基于第四方的定量指标评价体系是非常有必要的。

4基于定量分析的物流企业信用评价体系

本文从旁观者的角度，以第四方的角度对第三方物流企业的信用状况做出客观分析，采用纯定量指标进行分析，避免了由于参与商务活动的主体直接评价所带来的主观倾向性，能够更好地保障了评价结果的可靠性。

本文在参考现有指标体系的基础上，选取其中具有单一性和独立性的指标作为模型评价的依据，这些指标数据都是可以直接搜集到的，而不是经过二次加工的，排除了人为计算指标数据中掺杂的主观因素。

本文立足企业现有的基本素质和历史中累积的信用状况，结合影响物流企业信用状况的客观因素，将第三方物流企业信用评价体系的一级指标分为信用能力和失信记录两大方面。

4.1信用能力

信用能力是物流企业在日常业务活动中履行职责所应具备的基本能力，该指标反映了企业长期经营所必须的基本素质。它代表了当前企业进行日常业务活动，是所有诚信服务的物质基础，是考察其诚信服务质量以及企业信誉内在稳定性的重要因素，本文从企业注册资本、经营年限、员工数量、分支机构数量等四个方面进行考察。

注册资本的多少并不等同于企业信用状况的好坏，但是能够在一定程度上反映企业抵御风险的能力。有理由认为，注册资本越高的企业，其抵御风险及应变能力越强，经营稳定性越强，因而在一定程度上代表其具有更好的信用。

正常情况下，经营年限越长，代表企业发展能力越好，资历越老，在一定程度上反映其信用度越好。一般认为持续经营的企业比新经营的企业信用质量更好。

员工数量的多少反映了企业发展规模的大小，而人员的多少在表示物流企业能够提供的物流服务人员的数量，一定程度上反映物流企业的服务质量，对于运输型物流企业尤为重要。因此，就物流企业而言，员工数量可作为其服务质量的又一考察指标，从侧面反映了其诚信服务水平。

分支机构的数量反映了物流企业持续经营的成果，它直观表现企业发展的繁荣程度，是体现企业活力的重要指数，在一定程度上能够反映物流企业的服务质量。一般认为分支机构的数量越多，物流运输服务水平越好，因此可作为信用评价的一个重要指标，考察的重点是运营网点的数量。

4.2失信记录

失信记录作为企业以往信用状况的历史纪录，反映了物流企业历史持续履约能力，它反映了企业内在诚信意愿程度。一般认为，历史失信记录越少，表明企业越洁身自好，更愿意继续诚信经营，保持企业品牌形象。因此失信记录可以作为考察物流企业信用评级的重要参考因素。本文主要考察企业违约记录和处罚记录。

违约记录主要考察法律纠纷和执行案件。法律纠纷主要指因一些人为因素，例如合同违约、信息泄露、不当竞争等因素造成的纠纷事件，它反映了企业处理事务的能力，而执行案件是已通过法院判决，被告却没有执行。一旦物流公司发生执行案件，将对其信用程度产生灾难性的打击，所造成的巨大后果不可想象。

处罚记录作为企业品牌形象的污点，从反面体现企业的信用程度。处罚记录主要考察行政处罚、税务处罚和环保处罚，发生以上任何一项处罚，就可以说明企业信用状况陷入危机。

综合上述各指标，建立如图l所示指标体系：

5评价方法的可行性

当前评价指标的算法主要有层次分析法、模糊综合判别法、专家打分法等，这些评价方法在进行选择时往往不能规避人为因素的干扰，因此其评价结果在一定程度上具有主观选择性，不能代表客观评价的定量分析结果。因此，一种能够自主赋予权值的方法作为评价方法不失为好的选择。

神经网络作为万能逼近器，不失为一种合适的评价方法。然而它在提取和表达模糊信息时能力不足，因此，本文拟将模糊系统和神经网络相结合，采用模糊神经网络算法作为系统评价的基本算法。模糊神经网络是对普通的BP神经网络的改进，它结合了两种方法的优点，在弥补两种方法各自不足之处的同时，又能很好地发挥各自的长处。它不仅具备神经网络较强的自适应和学习能力，能够根据数据的特点进行自我调节，有效避免人为干预确定权值的主观影响，使评价结果更加准确可靠，而且能够有效提取和表达抽象信息，将语言信息和数据信息更好地表达出来。

其基本过程为：将标准化后的评价指标数据输入神经网络，通过隶属度函数计算出隶属度，正向传播输出评价结果，再同预期结果进行比较，通过反向传播调整权值，直至网络收敛，最后将隶属度和权值结合得出模糊评价结果。

本文拟将信用评价结果分为5个等级，即：A从、从、A、B、C。这些等级将评价结果分成5个区间：上等、中上等、中等、中下等和差等，当评价结果为后兩个等级时，表明目标企业信用状况很差，应及时预警。

本文所提到的模糊神经网络如图2所示，主要包括以下5个结构。模糊规则子集数为5（代表5个评价等级），输出层的输出结果也有5个，根据输出结果的最大值选择最合适的评价等级。

第一层为输入层，该层节点的个数为评价体系中指标的个数，也就是变量的个数，即：N1=n。每个节点的输入为标准化后的指标变量的数据。每个节点之间独立且与第二层节点相联系，将输入的数值传递到下一层节点。

第二层为模糊化层，该层节点代表输入变量的模糊规则子集，在本文中指的是评价等级，第一层节点与之所属的模糊子集为全连接。该层节点的输入为与之连接的第一层节点的输出，即鼍，其输出变量为输入变量的各个隶属度的数值。隶属度数值的变化用隶属度函数来表示。例如，输入变量X1的评价等级数为5，则第二层节点中有5个节点与其相联，5个节点中任意节点的输人为变量鼍的数值，输出为变量X1对应的该等级的隶属度数值，这一数值是由隶属度函数所决定的。因此，本文中模糊化层节点个数为：

第四层也叫求“或”层，该层每个节点代表一个模糊规则的后件部分，每个节点输出结果为各评价等级的隶属度函数值。将同一个模糊规则的前件和与之连接的权值的乘积作为各评价等级的隶属度函数值，每个连接权值反映了各模糊规则的置信度，计算出的隶属度数值作为该层的输出结果。

第五层为输出层。也叫反模糊化。本文中该层节点个数为输出变量的个数，即企业最终的信用评价等级，该层与上一层的连接为全连接，其输出结果对应的评价等级的隶属度数值，将上一层的输出结果，即各等级的隶属度数值转化为唯一明确的数值。本文采用最大化反模糊化器，取各隶属度数值中的最大值作为最终的输出结果，用yi表示：它对应的评价等级就是对应的物流企业信用评价等级。

6总结

本文分析当前物流市场的信用状况，提出建立对物流企业信用评价的监管机制，并对影响物流企业信用质量客观因素进行分析，在参考和总结现有评价指标优缺点的基础上，构建了基于定量分析的物流企业信用评价体系，为客观分析物流企业信用状况提供另一种理性参考。接着，对评价方法的可行性进行探究，参考现有指标分析方法，结合本文提出的评价指标的特点，最终确定了模糊神经网络算法作为评价物流企业信用状况的方法，为进一步运用数据进行实证研究奠定基础。