基于GA-SVM方法的行业协会信用度评价分析

汪 磊 杨 希 黄蓉静

（1 安徽工程大学，安徽 芜湖 241000）

（2 合肥工业大学，安徽 合肥 230009）

基于GA-SVM方法的行业协会信用度评价分析

汪 磊1，2杨 希2黄蓉静1

（1 安徽工程大学，安徽 芜湖 241000）

（2 合肥工业大学，安徽 合肥 230009）

近年来，社会公众对于行业协会信用问题的关注越来越多。开展行业协会信用评价分析，不仅有助于提高信用评价结果的准确度，对行业协会精准“画像”，同时可以“以评促改”，提高行业协会的规范化管理水平。因此，围绕行业协会信用度评价开展分析，科学构建了行业协会信用度评价系统，运用支持向量机分类方法建立行业协会信用度评价模型，并引入遗传算法对模型进行参数寻优，最后，开展实证分析并对行业协会提高信用度方面的决策提出具体建议。

行业协会；遗传算法；支持向量机；信用评价

1 引言

近年来，行业协会在社会治理创新中的作用日益凸显，成为保障经济社会持续稳定的重要力量。然而受社会不良利益驱动以及社会信用体系不健全等因素的影响，行业协会在持续发展过程中也存在内部管理不规范、人才队伍不稳定、管理执行效率低下、社会公信力不高等突出问题。因此，创新行业协会的信用管理意义重大。一直以来，我国政府十分重视行业协会的信用体系建设工作，国务院在2014年发布的《社会信用体系建设规划纲要（2014—2020年）》中就明确提出要“把诚信建设内容纳入各类社会组织章程，强化社会组织诚信自律，提高社会组织公信力”[1]。

开展行业协会信用评价分析，不仅有助于提高信用评价结果的准确度，对行业协会精准“画像”，同时可以“以评促改”，提高行业协会的规范化管理水平。从国内外文献看，相关研究多数集中在个人信用评价和企业信用评价方面，对社会组织特别是行业协会信用问题的分析较少。同时，研究涉及的评价方法主要包括AHP、ANP、DEA、FST、FMOP等，对人工智能算法的应用不多。因此，本文对行业协会信用度评价开展分析，科学构建了行业协会信用度评价系统，运用支持向量机分类方法建立行业协会信用度评价模型，并引入遗传算法对模型进行参数寻优，最后，开展实证分析并对行业协会提高信用度方面提出具体的对策与建议。

2 理论分析

目前，信用评价研究多集中在个人信用和企业信用领域。在个人信用方面，Yang等通过采用人工免疫算法，利用传统的预测精度和替代指标，采用人工神经网络和逻辑回归模型开展客户信用评估[2]。Ye等比较了个人信用评价模型，指出Logistic回归和MLP-ANN方法在个人信用评价中具有较高可靠性和准确率[3]。Li等提出使用PSO算法优化RBF神经网络参数对个人信用进行评价的方法[4]。迟国泰等运用支持向量机方法建立农户小额贷款信用评价模型[5]。此外，程鑫、孙璐、陈永明等也有过相关论述[6-8]。

在企业信用方面，Hajek等研究了等级评估的多种分类方法，优化特征选择过程，改善了分类结果的准确性[9]。Attig等发现企业信用评级和社会责任体现之间的存在正向关系[10]。李菁苗等研究了电子商务环境下的中小企业信用评价指标系统，提出了基于层次分析方法的企业信用度评价模型[11]。张目等利用可变模糊集理论，提出针对新兴企业的动态信用评价模型[12]。曹海敏等发现企业财务信用评价对企业的成长性影响较大[13]。此外，杨楠、殷琦、张朝辉等也做过相关研究[14-16]。

综上所述，不少学者对信用评价问题进行了研究，并做出了有益探索。但研究鲜有针对社会组织尤其是行业协会的信用评价分析，同时对人工智能领域的新算法涉及较少。因此，本文以行业协会信用度为研究对象，尝试利用遗传算法和支持向量机分类方法构建行业协会的信用度评价模型，在问题和方法方面具有一定的创新性。

3 行业协会信用度评价指标体系

在指标体系的实际构建中，需要注意以下几点：其一，行业协会涉及的范围很广，行业协会的类型也十分多样，因此在相关评价指标体系构建中需要满足指标体系适用于不同类型行业协会的要求；其二，行业协会信用信息收集难度较大，不少数据涉及行业协会内部信息，因此在行业协会信用度评价指标体系设计时需要考虑数据收集的难度和可能性；其三，涉及行业协会信用评价的数据类型十分多样，因此在指标体系构建中需要同时考虑定性指标和定量指标的选取。围绕上述指标体系的构建要求，本文从自身建设、内部能力、社会影响三个维度考虑，构建由9个二级指标和20个三级指标构建而成的行业协会信用度评价指标系统，具体如表1所示：

表1 行业协会信用度评价指标体系

（续表）

在自身建设方面，主要包括行业协会基本条件和组织规范两个二级指标。基本条件是指行业协会的基本情况，主要通过该行业协会开办资金数量和办公条件的优劣来评价。组织规范是指内部管理的规范化程度，重点分析行业协会的内设部门数量，协会架构是否合理以及制度体系是否完善。

在内部能力方面，主要包括人力资源、财务情况和业务开展三个二级指标。在人力资源领域，考察的内容包括工作人员、专职人员比例、专职人员工资待遇。在财务管理领域，选取该行业协会年检报告中的行业协会净资产额、年净资产变动额、业务活动产生的现金流量净额三项指标。在业务开展领域，主要考察行业协会年度业务活动数量和购买社会组织服务数量。

在社会影响方面，主要包括对外宣传、公众态度、政府支持和国际影响四个二级指标。对外宣传包括公开发行刊物数量和内部资料性刊物数量。公众态度涉及行业协会年度公益活动数和社会服务活动数。政府支持涉及承接政府职能转移数量和政府对行业协会的资助金额。国际影响力涉及行业协会参加国际活动的数量。

4 GA-SVM模型

支持向量机分类方法的基本思路是通过寻找最优线性超平面，将用于寻优的算法转化为凸规划问题并求解，使用非线性映射将样本空间映射到高维特征空间，从而解决初始样本数据的高度非线性分类及回归问题[17]。本文中，线性超平面即决策曲面可以将行业协会信用样本数据分成差别最大的两类。设分类线方程为f（x）=w·x+b，则分类间隔M为：

求解支持向量可以转化为求解一个带约束的二次规划问题：

利用Lagrange乘子法求解上述二次规划问题，建立Lagrange函数：

引入惩罚函数进行优化，最后通过求解Lagrange对偶问题得到最终表达式：

其中，系数C是惩罚因子，代表对错分点的惩罚力度。C值过高容易形成过拟合现象，而C值过低又会降低模型精度。k（xi，xj）代表核函数，核函数可以将非线性情况转化为线性问题。C值和核函数k（xi，xj）的取值直接影响模型的预测精度，因此需要通过参数寻优找到C值和核函数k（xi，xj）的最优解。本文选择遗传算法对上述模型进行参数寻优，GA算法伪代码的形式化描述为：

Step1：进行个体编码，将单个样本作为一条染色体，样本的每个特征值即为染色体的一个基因，每一条染色体即为不同的特征子集；

Step2：随机产生初始化种群，并初始化算法的有关参数；

Step3：适应度计算，并执行遗传运算：选择，交叉和变异；

Step4：输出结果若不满足标准，则返回Step2继续执行。若满足终止条件，则程序终止，并输出最终结果。

在本文中，采用径向基核函数作为上述模型的核函数。因此，行业协会的信用度评价模型可以进一步表达为：

其中，C是惩罚因子，代表惩罚力度。g代表核参数，决定最优线性超平面的形状。g值越大说明最优线性超平面越平缓。

5 实证研究

5.1 数据描述

根据行业协会信用度评价指标体系，需要从自身建设、内部能力、社会影响三个方面收集相关数据。考虑到数据收集的难度和可获取性，本文决定选取某地区2015年行业协会的年检数据作为研究样本。收集样本量总计782个，其中，有用样本数据671个，每个样本包含20个特征变量。由于所有数据均来自于权威渠道且经过验证，保证了样本数据的真实可靠。行业协会的年检结果有不合格、基本合格和合格三种情况，分别设定为“-1”“0”和“1”。

行业协会的评价指标设计涉及定性指标和定量指标两类，其中定性指标是专家主观评分，定量指标是行业协会年检报告中的实际数据。多维数据类型容易造成行业协会信用度评价结果的不合理。鉴于此，本文先采用简单的数据归一化处理的方法，首先对涉及到行业协会信用度评价的定性数据和定量数据进行预处理，将多维的原始数据转换为统一格式的数值。

5.2 试验结果

与普通的二元分类方法不同，支持向量机分类方法并非只是产生“＋1”和“-1”两个值。通过对支持向量机输出的预测值进行归一化处理后就可以得到评价对象具体的信用度评分。只是当预测结果大于0时，系统判定评价对象的分类属性为“＋1”；当预测结果小于0时，系统判定评价对象的分类属性为“-1”。

本文选择在Matlab环境下对模型进行求解，首先运用GA算法计算模型中惩罚因子C和核参数g的最优解。如图1所示，设定遗传算法的进化代数为100，种群数量为20，则通过运算惩罚因子C和核参数g的最优解分别是56.62和1.54；其次将交叉值设定为5并进行交叉验证，通过Matlab运算，模型的交叉验证准确率为72.27%。

最后，本文随机选取75%的样本数据作为训练样本，25%的样本数据作为测试样本，通过Matlab运算后预测准确率达到87.39%，预测结果良好。实验结果进一步说明GA-SVM模型适用于对行业协会信用度评价的研究。

6 对策与建议

围绕行业协会信用度评价问题开展分析研究有利于提高行业协会的信用评价水平，对行业协会精准“画像”，同时也能够“以评促改”，加快行业协会规范化管理步伐。目前，我国行业协会管理仍普遍存在内部管理不规范、社会监督不够、组织公信力不高等突出问题。因此，本文围绕行业协会信用度问题提出以下几点对策建议，为政府部门的行业协会信用管理方面的决策提供有益参考：

图1 参数优化结果

其一，加强行业协会的规范化管理。从总体来看，行业协会发展仍处于起步阶段，部分行业协会内部管理混乱、人才流动性大，难以满足其持续发展的需求。加强行业协会管理规范，首先需要科学制定各行业协会的规范化管理标准，将标准考核纳入行业协会的年检指标；其次进一步优化协会的组织构架，合理设计组织层次和管理幅度，加强行业协会各团队间的分工与合作；最后要规范协会人力资源管理，针对岗位差异开展员工“条块”培训，制定协会工作者职业标准，完善相关人才的市场化评价制度。

其二，完善行业协会监督检查机制。多年来，年检一直是对社会组织监督的首要方式，但是年度检查越来越难以满足现阶段行业协会信用管理的需要，也容易造成各类失信行为的发生。对行业协会的信用行为进行有效监督，首先应考虑制定多主体共同参与机制。由于信用度检查监督的涉及面较广，因此需要建立多部门联动机制，实现相关信用信息共享；其次是要保证行业协会信用监管的透明度，加快协会信息发布平台建设，通过平台及时让公众了解各类信息；第三建立健全行业协会信用评价系统，对协会信用情况进行跟踪管理。

其三，扩大行业协会社会影响力。从年检数据看，多数行业协会的组织活动次数有限，部分行业协会处于停滞和半停滞状态，导致公众对行业协会的认识度和好感度不高。扩大行业协会社会影响力，首先需要提高行业协会运营能力，拓宽行业协会参与社会治理途径，鼓励行业协会承接政府转移职能；其次要增加协会在行业内的影响力，坚持行业协会在行业规范、标准制定以及集体谈判中的主体性地位，并且鼓励行业协会代表本行业参与外部交流与合作；最后要加大协会的宣传力度，引导行业参与社会公益事业，提高公众对行业协会的认识度和好感度。

[1]国务院.社会信用体系建设规划纲要（2014-2020年）[Z].2014.

[2]YANG Z C，KUANG H，XU J S，et al.Artificial immateriality-based credit evaluation for mobile telephone customers[J].Journal of the Operational Research Society，2015，（9）：1533-1541.

[3]YE H，LI N，FENG H，et al.The comparisons of personal credit evaluation Models[J].Information Technology Journal，2011，（11）：2237-2241.

[4]LI S，ZHU Y，XU C，et al.Study of personal credit evaluation method based on PSO-RBF neural network model[J].American Journal of Industrial and Business Management，2013，（4）：429-434.

[5]迟国泰，潘明道.基于综合判别能力的农户小额贷款信用评价模型[J].管理评论，2015，（6）：23-27.

[6]程鑫.基于支持向量机的农户信用评价研究[D].太原：山西财经大学，2015：45.

[7]孙璐，李广建.多维个人信用评价特征感知模型的研究[J].情报工作，2015，（21）：12-23.

[8]陈永明，周龙，李双红.基于AHP和DEMATEL方法的农户信用评级研究[J].征信，2012，（5）：20-24.

[9]HAJEK P，MICHALAK K.Feature selection in corporate credit rating prediction[J].Knowledge-Based Systems，2013，（1）：72-84.

[10]ATTIG N，GHOUL S E，GUEDHAMI O，et al.Corporate social responsibility and credit ratings[J].Journal of Business Ethics，2013，（4）：679-694.

[11]李菁苗，吴吉义，章剑林，等.电子商务环境下中小企业信用评价[J].系统工程理论与实践，2012，（3）：45-57.

[12]张目，匡暑炎，闫慧杰.基于模糊积分法的战略性新兴产业企业信用评价[J].会计之友，2013，（21）：23-28.

[13]曹海敏，常越.企业财务信用评价对成长性的影响效应分析[J].经济问题，2015，（10）：34-42.

[14]杨楠.我国中小高新技术企业融资信用评价的研究[J].科技与经济，2011，（3）：31-35.

[15]殷琦.基于社会资本的中小企业信用评价[D].哈尔滨：哈尔滨工业大学，2011：32.

[16]张朝辉，梁慧，褚美玲.基于P2P模式的C2C信用评价方法研究[J].管理评论，2015，（12）：56-63.

[17]唐发明，王仲东，陈锦云.支持向量机多类分类算法研究[J].控制与决策，2005，（7）：746-754.

ANALYSIS ON THE CREDIT EVALUATION OF INDUSTRY ASSOCIATION BASED ON GA-SVM METHOD

WANG Lei1，2Yang Xi2HUANG Rong-jing1
（1 Anhui Polytechnic University,Wuhu Anhui 241000）
（2 Hefei University of Technology,Hefei Anhui 230009）

In recent years,the issue of association credit has attracted more attention of the public.Generally,the analysis of association credit evaluation might not only contribute to the accuracy of evaluation results, but also successfully raise the standardized management level of industry association in the process of credit evaluation.Thus,this paper focuses on the issue of credit evaluation on industry association,analyzes an index system of credit evaluation,develops an evaluation model of industry association based on SVM, introduces GA method for parameter optimization, and further proposes some specific suggestions on the improvement of association credit.

industry association；GA；SVM；credit evaluation

C916

A

1672-2868（2017）04-0044-06

2017-03-09

安徽省高等学校人文社会科学研究重点项目（项目编号：SK2016A0114）；安徽工程大学“地方政府与社会治理创新研究中心”招标项目（项目编号：DS2015D02）

汪磊（1984-），男，安徽芜湖人。安徽工程大学管理工程学院，讲师。研究方向：社会治理。

责任编辑：杨松水