基于格序理论的供应链金融中物流企业优选

叶　凯，章恒全

(河海大学 商学院，江苏 南京 211100)



基于格序理论的供应链金融中物流企业优选

叶凯，章恒全

(河海大学 商学院，江苏 南京 211100)

摘要：供应链金融中第三方物流企业的优选问题直接关系到节点企业以及整个供应链的持续稳定运转。根据银行在选择物流合作伙伴时所面临的不确定性和多目标间的不可公度性，首先运用证据距离理论计算各评价指标可信度，据此确定指标权重；其次将正、负加权理想解结合运用，构造拥有顶元素和底元素的概念格；最后用加权Kaufmann距离计算备选企业与理想企业之间的差距，完善以往的格序决策方法，并通过具体算例分析了该方法在供应链金融物流企业优选方面的适用性。

关键词：供应链金融；物流企业优选；证据理论；格序理论

新型金融服务模式(供应链金融业务)，近年来在国内拥有越来越大的市场。贷款银行、核心大企业、上下游配套的中小融资企业以及物流企业共同构成了供应链金融的主体。其中，第三方物流企业的作用在供应链金融中不可忽视：为供应链上的企业进行货物运输和配送，并且提供场地为其仓储货物；替贷款银行全程监管供应链金融中的质押物；客观评估融资中小企业的信用情况，帮助商业银行降低潜在风险等。然而，并非所有物流企业都能参与供应链金融业务，只有拥有良好信誉和高等级仓储服务能力的物流企业才能较好地保障供应链高效运营。若物流企业缺乏信誉，与供应链中的某些企业串通骗取银行贷款，或物流企业监管、仓储能力不佳，造成质押物损坏等结果，那么银行将损失惨重，供应链大环境将遭到破坏。因此，对商业银行而言，综合优选物流企业作为供应链金融的参与者是非常重要的。

在物流企业的评价方法方面，国内已有很多学者进行了研究。孙婧等[1-3]构建了选择第三方物流企业的评价指标体系；唐琮沅等[4]将物元可拓法作为对第三方逆向物流企业的评判手段。在供应链金融中物流企业评价方法研究方面，目前的研究热点主要是其所面临的风险以及风险防范的措施。马冬雪等[5]归纳了第三方物流企业在提供供应链金融服务时所遇到的风险，并用模糊聚类分析法进行风险测度；秦立公等[6]提出了基于多层次灰色关联度方法的供应链金融中物流企业评价方法。

将格序理论应用于供应链金融中物流企业评价，则能够将所有潜在目标置于相互连通的位置上，消除它们之间的不可公度性和矛盾性，为决策者提供系统分析和理性判断的依据。在格序理论评价方法的研究方面，郭耀煌等[7-9]提出为了克服传统方法单纯进行线性加权的不足，将模糊多目标多层次格序决策方法和管理者绩效评价相结合，构建了有针对性的评价指标体系；贾鹏等[10]首先运用三角模糊数量化施工方案定性指标，然后用加入了Kaufmann距离的格序决策评价方法研究施工方案优选模型，得出Kaufmann距离比Hamming距离更合理的结论。

因此，以往的研究为供应链金融中物流企业评价提供了良好的基础，但将物流企业优选和供应链金融大背景相结合，构建具体评价指标体系的文献还相对较少，所以有必要针对参与供应链金融业务的物流企业特点，研究相应的评价指标体系和优选方法。

1基于格序理论的物流企业优选模型

1.1基本思路

1.2权重确定方法

假设Ei(i=1,2,…,n)为在辨识框架下的证据，mi(i=1,2,…,n)为在同一辨识框架上的基本信任分配函数，焦元分别为Ai(i=1,2,…,m)，则任意两个证据Ei、Ej间的距离可以表示为：

(1)

证据距离与证据相似度是相反的概念。证据间的距离越大，意味着证据间的冲突越大，从而证据间的相似度越小；反之亦然。因此，表示任意两个证据间相似度的公式如下：

(2)

当有多个证据时，则任意一个证据在整个证据源中的支持度可表示为：

(3)

其中Sup(mi)是证据Ei在证据源中的支持度。Sup(mi)越大，表明证据源中其他证据越支持Ei，其可信度越高；反之，表明其可信度越低。证据Ei在证据源中的可信度表示为：

(4)

在对能够参与供应链金融的物流企业评价过程中，如果评价指标的可信度越高，那么评价结果的可信度就越高。因此，这样的评价指标应通过被赋予更高的权重来表明其重要性，即用可信度代替权重，wi=Crd(mi)。

1.3综合评价方法

优选供应链金融中物流企业的方法如下：首先，将指标值和指标权重相结合，得到加权决策矩阵；其次，选取加权指标值中的极大值和极小值，作为正、负加权理想解，以正加权理想解为顶元素、负加权理想解为底元素，计算备选企业各指标与顶元素、底元素的距离，进而得出综合距离；最后，将综合距离最大者确定为最优企业。基于格序理论的物流企业综合优选方法能够将所有目标置于相互连通的位置上，消除它们之间的不可公度性和矛盾性，为决策者提供系统分析和理性判断的依据。具体步骤如下：

(1)用线性变换方法将原始指标值进行归一化处理，基于证据理论，按照式(1)～式(4)，以评价指标的可信度代替权重得出W。

(2)用归一化处理后的指标值矩阵，与权重结合，得到加权决策矩阵T=(tij)m×n，其中tij=wj·xij(i=1,2,…,m;j=1,2,…,n)。

(5)

(5)计算备选企业Bi(i=1,2,…,r)与理想解的综合距离：

(6)

式中：D为M+与M-间的距离；p为乐观系数，取值决定于具体情况。

(6)依据Di值越大越好的原则，对备选物流企业进行排序。

2算例分析

以南京市某股份制银行为例，该行准备开展供应链金融业务，计划选择一家信誉度高、能够长期合作的第三方物流企业帮助其监管、评估贷款的中小企业和质押物。经过初步筛选后备选物流企业还有3家，分别用S1、S2、S3表示。根据这3家物流企业披露的年度财务数据，S1、S3两家物流企业资产总额均为2亿元，S2资产总额为3亿元；资产负债率方面，S2较高，S3较低，S1介于两者之间；业务增长率方面，S3较高，S2较低，S1介于两者之间。

2.1指标体系的构建

供应链金融业务是一个庞大、复杂的系统，决策过程需要从不同的角度出发，结合我国供应链金融的具体情况，根据全面、客观、有针对性的原则构建评价指标体系。在已有文献基础上，针对供应链金融中物流企业需要具备的各项素质，构建了一套三级评价指标体系，如表1所示。

表1　供应链金融中物流企业的评价指标体系

2.2初始数据的收集

根据备选物流企业的财务信息，确定定量指标值；由5位专家组成的评价小组根据评价标准，确定定性指标值。根据需要，将评价等级分为“优”、“良”、“中”、“差”，分别对应分值90、80、70、60。经过资料搜集和专家评判，得到备选3家企业各指标初始值，如表2所示。

表2　各备选物流企业的指标初始值

表2中指标C11为定量指标，单位为亿元；指标C12、C13、C14、C21、C22为定量指标，用百分比来衡量；指标C23、C31、C32、C3 3、C41、C42为定性指标，用专家所打分数来衡量。

2.3指标计算

(1)将各指标初始数据进行归一化处理，如表3所示。

表3　各备选物流企业的归一化指标值

根据表3中数值首先求出〈mi,mj〉，设归一化后的指标值为zab，a为指标的序号，b为方案的序号，则得到：〈m1,m1〉=z211+ z212+ z213=0.252+0.502+0.252=0.375，〈m1,m2〉=z11·z21+z12·z22+z13·z23=0.25×0.36+0.50×0.21+0.25×0.43≈0.303，〈m1,m3〉=z11·z31+z12·z32+z13·z33=0.25×0.37+0.50×0.21+0.25×0.42≈0.303，将该计算结果代入式(1)，求得各指标间的距离d(mi,mj)，进而得到距离矩阵：

再按照式(2)～式(4)求出各评价指标可信度，即得到权重向量：W=(0.080，0.085，0.085，0.082，0.085，0.084，0.082，0.083，0.085，0.084，0.083，0.081)。

(2)将表3中的归一化指标值与权重向量相结合，得到加权决策矩阵T=(tij)3×12：

(3)根据上一步的加权决策矩阵，得到正加权理想解M+和负加权理想解M-。

M+=(0.080,0.085,0.085,0.082,0.085,0.084,0.082,0.083,0.085,0.084,0.083,0.081)

M-=(0.040,0.043,0.043,0.041,0.042,0.042,0.041,0.041,0.042,0.042,0.042,0.041)

以正加权理想解为顶元素，以负加权理想解为底元素，构建一个概念格。由于3个备选企业各自对应的加权决策向量没有可比性，因此不能进行初步筛选。

(5)结合供应链中节点企业和备选物流企业的具体情况，乐观系数p取值0.5。由式(6)可计算出各备选物流企业与正、负加权理想解之间的综合距离(D1,D2,D3)=(0.589,0.435,0.515)。

(6)根据综合距离的大小，得到供应链金融备选物流企业的优先排序为：S1>S3>S2，因此，该供应链金融中备选的最优物流企业为S1。

3结论

(1)在确定供应链金融物流企业评价指标的权重时，利用证据距离理论计算各评价指标的可信度，用可信度来代替权重，此方法科学、客观，可减少专家打分等方法产生的主观偏差。

(2)搭建了一个以正加权理想解为顶元素、以负加权理想解为底元素的虚拟概念格，比以往只考虑某一方面的选择方法更加全面，最后用加权Kaufmann距离计算备选企业与理想企业之间的差距，通过实例说明了此方法的有效性，可为供应链金融物流企业的优选问题提供一种新的思路，具有一定的适用性。

参考文献：

[1]孙婧,黄世祥.第三方物流企业选择的指标建立及模糊评价方法[J].物流科技,2007,30(3):114-116.

[2]谢婉泽,王晚香.第三方物流供应商选择和评价[J].物流技术,2010,29(8):90-92.

[3]吉呈呈.层次分析法在C2C销售商选择第三方物流公司中的应用研究[J].技术与市场,2011(18):241-243.

[4]唐琮沅,景保峰.基于可拓评价法的第三方逆向物流企业选择研究[J].生产力研究,2008(2):63-65.

[5]马冬雪,赵一飞.第三方物流企业的供应链金融风险测度[J].物流科技,2011,34(2):54-56.

[6]秦立公,袁媛.第三方物流企业灰色关联度风险评估研究：基于供应链金融的视角[J].会计之友,2013(3):32-37.

[7]郭耀煌,刘家诚.格序决策[M].上海：上海科技出版社,2003：63-89.

[8]BIRKOFF G.Lattice theory[M].New York：American Mathematical Society,1967:23-85.

[9]吴先聪,刘星.基于格序理论的管理者绩效评价方法[J].系统工程理论与实践,2011,31(2):239-246.

[10]贾鹏,吴凤平,张丽娜.基于格序理论的模糊多目标施工方案优选[J].项目管理技术,2013,11(6):63-66.

YE Kai:Postgraduate,School of Business,Hohai University,Nanjing 211100,China.

[编辑：王志全]

文章编号：2095-3852(2016)01-0071-04

文献标志码:A

收稿日期：2015-07-08.

作者简介：叶凯(1989-)，男，湖北黄冈人，河海大学商学院硕士研究生.

中图分类号：F270

DOI：10.3963/j.issn.2095-3852.2016.01.015

Optimization of Logistics Enterprise in Supply-chain Finance Based on Lattice-order Theory

YE Kai， ZHANG Hengquan

Abstract：Optimization of 3PL in supply-chain finance is directly related to continuous and stable operation of the node enterprises and the entire supply chain.According to the uncertainty and incommensurability among multi-objectives which bank faces when choosing logistics partner,firstly,evidence theory is used to determine the weight of each index on the basis of calculating credibility of the indexes; secondly,applying weighted positive and negative ideal solution to the paper to construct the concept-lattice with top and bottom elements; then calculating the gap between the alternative enterprises and the ideal one by using weighted Kaufmann distance,to perfect previous lattice-order method,and analyzing the applicability of the method on selection of logistics enterprises in supply-chain finance through the concrete example.

Key words：supply-chain finance; optimization of logistics enterprise; evidence theory; lattice-order theory