基于熵权—TOPSIS的大宗商品电子交易平台综合风险评估

傅钰婷，王兴芬，庄文英

(北京信息科技大学 信息管理学院，北京 100092)

0 引言

随着互联网技术的不断发展，为大宗商品提供交易、物流、金融、信息等服务的大宗商品电子交易平台已成为大宗商品交易的主流场所。但由于平台规模不断扩大、模式越来越复杂，加之存在相关法律法规不完善等问题，使得平台风险愈发多元化。基于此，本文通过定性与定量相结合的方法，针对大宗商品电子交易平台的多因素综合风险开展研究，构建风险评估模型，旨在为政府及交易方提供参考，发挥防范风险、助力监管、辅助决策的作用。

从20世纪80年代开始，国内外学者们就开始关注大宗商品领域的风险研究。如在价格波动风险方面，Chu等[1]通过计量模型证实外部经济环境是大宗商品价格波动的主要影响因素。付星星等[2]运用图深度学习的方法，证实引入产品上下游关系能更精地准预测商品价格。在税务风险方面，黄若虹[3]通过形成原因识别分析得出引发税务风险的因素。在交易风险方面，李艳红[4]、曹剑涛等[5]通过贸易市场现状分析得出影响大宗商品市场发展的主要风险。

随着电子商务的发展，学者们也从不同角度对大宗商品电子交易平台展开研究，尤其是针对监管，杨森等[6]从交易行为要件角度提出对现货交易的法律问题进行识别的方法，逄政等[7]提出交易平台违规行为的认定方法。

以上两类研究内容的交叉部分即大宗商品电子交易平台风险，是近几年受到关注的方向，但目前研究相对较少。石晓梅等[8]通过文献分析法、访谈法等研究得出交易平台的主要风险包括：法律风险、技术风险和内部运营风险。陈晴光等[9]从交易主体出发探讨总结出主要风险包括：保证金挪用风险、信用风险和客户认知风险。冯耕中等[10]通过对重大风险事件进行分析从而得出主要风险。王兴芬等[11]对相关文献进行分析整理得出平台涉及的主要风险。

现有研究已经得出了较为丰富的大宗商品电子交易平台风险类型，但存在以下不足之处：第一，直接聚焦于大宗商品电子交易平台风险的研究尚不多见；第二，未对所得风险内容进行进一步分析，构建相应的指标体系，且风险间存在交叉冗余的内容，无法直接为监管方提供重点关注指标；第三，研究结论多是基于自身经验、文献调研、事件分析等定性方法得出，并未通过定量分析方法进行有效性、重要性验证。

因此，本文聚焦于大宗商品电子交易平台风险，首先，基于现有研究及平衡计分卡理论，构建出综合风险评估指标体系；其次，结合国内34家大宗商品电子交易平台实际运营数据，运用定性和定量相结合的熵权—优劣解距离(technique for order preference by similarity to an ideal solution,TOPSIS)方法，得到指标权重并计算出综合风险值；最后，利用历史风险事件及政府公布黑白名单对分析结果进行有效性评价，并进一步提出风险监管建议。

1 评估模型设计

1.1 指标体系构建

在对现有文献所提出的大宗商品电子交易平台风险进行归纳的基础上，对指标体系进行完善，构建本文评估模型的指标体系。

1.1.1 现有研究中平台风险类型

现有研究所提出的平台风险类型如表1所示。

表1 文献中大宗商品电子交易平台风险

1.1.2 本文评估指标体系

通过对表1平台风险类型及其解释进行整合梳理，发现风险主要分为内部风险、内外交互风险和外部风险：内部风险因素具体包含企业资质、内部管理、系统质量；内外交互风险包括业务运营情况、违法违规情况；外部风险包括宏观和行业环境等。

由于大宗商品电子交易平台的本质是企业，因此本文在以上指标的基础上，采用了平衡计分卡理论对其进行分析，在内部风险因素中增加学习与成长能力指标，在内外交互风险因素中增加市场竞争力及客户服务质量指标。

其中，学习与成长能力反映出企业在平台建设、业务运营和企业发展中所做出的努力，与企业的可持续成长能力、系统安全性、业务运营情况和员工满意度息息相关；市场竞争力越强的企业具备越强的抗风险能力，该指标体现为企业在资源获取、抵御市场周期性波动、应对政策变化、降低运营和融资成本、融资渠道多元化等方面的能力；客户服务质量越高的企业则客户粘性越强，其上下游企业产业链更完整牢固，从而抗风险能力越强。

基于上述思路得到表2平台综合风险评估指标体系，其由基本素质、营运能力、所处外部环境3个一级指标和10个二级指标组成。各指标属性分为正向属性和负向属性，分别表示增大和降低风险。

表2 大宗商品电子交易平台综合风险评估指标体系

1.2 基于熵权—TOPSIS的评估模型

目前，在风险评估时较常使用主成分分析、优劣解距离TOPSIS模型、聚类、神经网络等客观方法以及专家打分等主观方法[18]。其中TOPSIS法通过计算有限个评价对象与理想化目标的接近程度来进行排序[19]，模型的选择着重于如何赋予指标数据更合适的权重，让指标能够更加清晰完整地反映出数据信息。为体现评估结果的客观性，本文运用不受主观因素影响的熵权法进行指标权重确定，之后运用TOPSIS法进行定量评估。模型的分析过程如下。

基于大宗商品电子交易平台风险综合评估体系，确定评估平台并收集该平台相关数据，得到矩阵Χ=(xij)m×n。其中，m为评估平台数，n为评估指标数，xij表示第i(i=1,2,…,m)个大宗商品电子交易市场的第j(j=1,2,…,n)个指标值。

1)数据归一化处理。由于收集的平台数据的量纲各有不同，因此为了消除量纲不同带来的影响，首先进行数据归一化处理：

(1)

式中：xij为指标原始值；yij为标准化后的指标值；maxxj、minxj分别为j指标的最大值和最小值。

2)熵权法计算评估指标权重。度量平台风险时会用到多个指标，一个指标的信息熵越小，则意味着能够提供更多的信息，其在进行平台风险评估时能发挥的作用也越大，因此就要赋予该指标更大的权重。熵权法利用这样的思路来进行计算，将各指标同度量化，计算等j项指标下第i个大宗商品电子交易市场样本值占该指标的比重：

(2)

求解信息熵：

计算各指标权重：

(3)

3)构造规范化矩阵。根据式(3)中所得权重，对经过式(1)规范化后的数据赋予权重，从而得到决策矩阵V。

(4)

4)确定正负理想解。基于式(4)所得，找出评估平台风险的各项指标中的最大值和最小值。定义最大值为正理想解V+，最小值为负理想解V-：

(5)

5)计算各个平台能够反映平台风险大小的指标数值与正负理想解之间的距离：

(6)

6)计算各平台风险的综合评估值：

0≤Ci≤1(i= 1,2,…,m)

(7)

当Ci越大，表明第i个大宗商品电子交易平台风险越大，更需要引起重视。

2 实证分析

2.1 数据收集与处理

为验证本文所构建的评估模型具有普适性、有效性，从各级政府所发布的黑白名单和历史上发生过的重大风险事件中抽样选取研究样本对模型进行实证分析。由于不同的平台所运营的大宗商品种类、数目并不相同，为使样本更具代表性和对比性，在选择时考虑至少有两个样本是来自同地区或其运营产品是同种类的。基于此，最终抽取了34个大宗商品电子交易平台作为研究样本，并对样本平台依次编号D1—D34。数据来源于企查查、wind数据库、企业官网、网络新闻评论及政府公告。首先通过广泛的数据收集得到样本数据，然后对样本数据进行归一化，最后运用熵权—TOPSIS方法进行模型验证。

2.2 描述性统计分析

本文选取了34家大宗商品电子交易平台，对其综合风险的全部评估指标进行了描述性统计分析，各指标统计数据如表3所示。从表3可以看出：专利数、软著(软件著作权)及备案网站数、商标及其他知识产权数、关联风险数量、敏感舆情、客户负向评价数等指标标准差较大，样本数据波动较大。股东及主要人员存在法律问题占比、股权冻结数、严重违法记录数等指标其标准差相对较小，说明平台之间在这些指标上差异较小，均值具有较大的代表性。

表3 各指标描述性统计分析

2.3 评估结果

2.3.1 模型检验结果

首先，运用熵权法对各指标进行权重的计算，所得结果如表4所示。从表4可以看出，限制高消费记录数等法律相关问题、客户负面评价等客户服务质量问题以及营业执照是否被吊销等企业资质问题指标权重较大，是影响风险评估结果的关键因素。而地区年度生产总值等外部环境指标以及专利数量等学习与成长能力指标权重较小，对于评估的影响不大。这可能是由于外部环境更多地是影响企业的成长，这与学习与成长指标一致，表现的是长期发展态势，难以在短期直接体现出来。并且由于大宗商品电子交易平台不属于高新技术产业，只是将大宗交易数字化，平台间的知识产权差异不大。

表4 各指标权重

同时可知，是否有外部支持等指标权重处于中间等级，表明在风险评估时可以考虑但不是重点关注的对象，这正与近期各级政府及监管单位在清理整顿行动中所提出的态度一致。而占有较高权重的法律风险值得重点关注，企业一旦出现法律问题，容易牵一发而动全身，造成系统性风险，并且企业的法律风险情况是动态可追踪的，有助于政府实施监管。

接下来，运用TOPSIS法对平台风险的综合分值进行计算，结果如表5所示。所得结果中相对接近度越大代表该平台风险越高，将评估分数从大到小排序，因此排序越靠前代表其风险越高。

表5 TOPSIS评价计算结果

在样本平台中，D5、D25、D27、D28被评估为高风险平台；D4、D15、D21、D26、D29、D30、D31、D32、D33、D34为中风险平台；其余平台为低风险平台。其中高风险平台在历史上均出现过重大风险事件，或是曾被列入政府黑名单，而低风险平台则是政府清理整顿后所发布的白名单企业，模型结果与事实一致，说明本文所构建的风险综合评估模型具有较好的适用性和有效性。

2.3.2 风险特征分析

高风险平台特征对比如图1所示。

图1 高风险平台二级指标特征对比

分析可知，高风险平台表现出的突出特征包括：1)法律风险较大，存在一定的失信记录，终本案件执行标的及负向判决案件的总金额较高或拥有严重违法记录；2)在资质方面，股东存在一定的法律问题且在所有股东中存在问题的股东占比较高，或企业存在营业执照被吊销的情况；3)在客户服务质量方面，客户对交易平台的负向评价较多；4)作为电子交易平台，业务平台运营不稳定，甚至出现网站不存在或已被不法分子利用作为钓鱼网站的情况。

从高中低3种风险平台中各选取2个平台，对权重排名前20的指标进行对比，如图2所示，可以发现不同风险类型的平台特征区分明显，同种风险类型的平台具有近似的风险特征。

图2 高中低风险平台指标特征对比

3 结束语

本文采用平衡计分卡理论构建出具有3个一级指标、10个二级指标的大宗商品电子交易平台综合风险评估指标体系，并在此基础上运用熵权—TOPSIS法进行风险度量。通过实证分析表明，该模型评估得出的风险结果与事实一致，证明模型有效，对风险监管具有参考意义。

此外，本文模型的指标设置是动态、可量化、可持续、可比较的。在现有研究成果的基础上，本模型新增的3个指标中，客户服务质量和市场竞争力客观求得权重较高，也在实证分析中得到验证，是评估平台风险的关键指标。而学习与成长能力这一指标在平台风险评估中则相对不重要，这也体现出平台综合风险与一般企业风险评估的不同。

基于模型所得结果，对大宗商品交易平台的监管提出以下建议：进一步细化相应的法律法规和政策，加强精细化管理；加大市场舆情监测，及时把握平台的实际运营情况；加强企业资质审核，对平台高管、股东单位等定期进行相关资质的审核，同时从外至内促进平台企业加强内部管理。