基于突变级数法的互联网供应链金融生态系统绩效评估

张潇

内容摘要：随着信息技术的发展，供应链金融的理论实践、运营模式、风险管理和控制方法不断演进和拓展。进入互联网供应链金融阶段，其未来发展机遇与挑战并存。因此，明晰当前形势下供应链金融的本质，客观、准确地对互联网供应链金融进行绩效评估，为供应链的结构优化与产业调整提供合理的科学依据，为实现产业供应链上各参与主体的良性互动，创造金融增值，打造一个互生、共生和再生的平台生态系统具有重要的现实意义。本文从供应链产业生态和平台生态的角度，运用突变级数法，构建兼具数据可比性与数据可得性的互联网供应链金融生态系统绩效评估模型，综合对互联网供应链金融生态系统进行绩效评估，并以A互联网公司为例，阐述了该方法的应用。

关键词：供应链金融生态系统 突变级数法 绩效评估

引言

近年来，随着新兴技术的应用发展，互联网、物联网、大数据、区块链等创新要素逐渐渗透到供应链的运营中，促进了供应链金融的变革，供应链金融的内涵也不断拓展、升级。供应链金融的发展，在基于一个理论框架下将其分为了三个阶段——供应链金融1.0、供应链金融2.0和互联网供应链金融（宋华，2016）。进入2014年供应链金融与互联网结合，促使供应链金融进入互联网供应链金融的时代。互联网供应链金融时代，服务提供商立足于产业打造一个生态平台，平台不仅提供了交易场所，还是产业交易信息汇集中心，通过高效整合配置平台资源，增强平台的产业感知力，挖掘市场新的价值点，由此实现产业供应链整体价值的提升。互联网供应链金融存在着巨大的发展空间，与此同时，也存在潜在的风险。平台生态系统内部，产业供应链上各参与主体和平台上的企业合作更加紧密。系统外部，供应链上的企业面临着更加动态化和更具竞争性的经营环境。无论何种金融创新，都必须关注其风险控制。传统的供应链金融绩效评估，主要从融资企业资产负债表，对供应链上中小企业财务信息进行静态分析，通过层次分析法、模糊综合评价、专家打分法等建立信用评级指标体系，孤立地对授信主体评价做出信贷决策。从产业和平台生态的角度，对互联网供应链金融进行绩效评估的研究相对较少，尚未形成体系。

本文立足于实体产业端，为实现互联网供应链金融系统生态，构建绩效评估指标体系，旨在加强评估产业供应链本身结构的合理性，评价指标体系的构建反映了互联网供应链金融绩效的核心是评估供应链产业结构的合理性，紧扣实体资产端和低成本资源共享的价值平台，实现优质资产对接资金，缩短供应链上现金流量周期、提高产业供应链资金流整体效率，促使互联网供应链金融的信用、信息和风险控制有了良好的着陆点，使得互联网供应链金融的价值得以拓展。本文运用突变理论的重要分支——突变级数法，通过对系统中的诸多矛盾因素进行归一化处理，得到相应的模糊隶属度函数。该方法客观、准确地分析和评估了互联网供应链金融产业生态系统中存在的问题，为企业调整供应链产业发展结构、合理配置资源、制定相应的战略规划提供了依据，为互联网供应链金融系统提供了一种崭新的评估方法，具有良好的应用价值。

基于突变级数法的互联网供应链金融生态系统绩效评估模型构建

（一）突变级数法基本原理及步骤

法国数学家Rene Thom教授于1972年创立了突变理论，是用来研究各种突变（不连续）现象的一个新兴数学分支，其主要方法是将各种突变现象归纳到不同类别的拓扑结构中，根据势函数把临界点分类，讨论各类临界点附近的非连续特性，并建立了七種初等突变模型，即：折叠突变、尖点突变、燕尾突变、椭圆脐点突变、双曲突变、蝴蝶突变及抛物突变。

突变级数法首先要对评价总指标进行多层次分主次的矛盾分解或者分组，以建立目标主体的递阶层次结构模型，由评价总指标到下一层指标，逐渐分解到最下层子指标。上层指标一般比较抽象，难于直接量化，对其进行分解直到可以直接量化的指标时停止。因为现阶段7种常见突变模型中的某状态变量所对应的控制变量数目最多不超过4个，所以递阶层次中的单指标的子指标分解不超过4个。

（二）原始数据无量纲化处理

在互联网供应链金融生态系统绩效评价体系中，各指标由于在内容、量纲以及取值优劣等方面均有不同，既有正指标，又有负指标（有些属于适度指标），且不同的评价指标具有不同的量纲单位，为了消除量纲和量纲单位带来的不可公度性。因此，需要对基础数据底层指标进行无量纲处理（王应明，1998）。

其中rij为第i个评估对象第j项指标的原始数据：rmax（ j）为指标j中的最大数；rmin（ j）为指标j中的最小数；[q1j，q2j]为指标集的最佳稳定区间。Zij为经标准化无量纲处理后的数据。将控制变量的原始数据转化到[0，1]之间。

（三）确定评估目标各层次的突变系统类型

Rene Thom在突变理论中证明：当状态变量为1维时，共有四种突变模型，即折迭突变、尖点突变、燕尾突变和蝴蝶突变。当状态变量为2维时，共有3种突变类型，即双曲脐型、椭圆脐型、抛物脐型。

当状态变量为1维，控制变量为1维时，该突变为折叠型，其势函数为：

f （x）= x3+ax

当状态变量为1维，上层指标由2个子指标组成，即控制变量为2维时，该突变为尖点型，其势函数为：f （x）=x4+ ax2+bx

当状态变量为1维，上层指标由3个子指标组成，即控制变量为3维时，该突变为燕尾型，其势函数为：

当状态变量为1维，上层指标由4个子指标构成，即控制变量为4维时，该突变为蝴蝶型，其势函数为：

上述各式中f （x）为突变系统中的势函数；x表示突变系统中的状态变量；a、b、c、d则分别表示突变系统中状态变量的控制参量，控制参量的排列顺序由其相对重要性程度决定。

（四）由突变系统模型的分歧方程导出归一公式

设突变系统的势函数为f （x），根据突变理论，势函数f （x）的所有零界点的集合构成平衡曲面，其方程表达式为f ′（x）=0，通过对势函数f （x）二次求导得到该平面曲面的奇点集方程，即f "（x）=0，由f ′（x）=0和f "（x）=0联立消去x，即得到该系统的分歧点集方程，它是突变理论的重点研究对象，分歧点集方程表明诸控制变量满足此方程时，系统就会发生突变。对分歧点集方程以分解形式展开可推导出归一公式。endprint

三种常见的突变系统的归一方程如下（陈秋玲，马晓姗等，2011）：

尖点突变系统的归一方程：xa=a1/2，xb=b1/3 （4）

燕尾突变系统的归一方程：xa=a1/2，xb=b1/3，xc=c1/4（5）

蝴蝶突变系统的归一方程：xa=a1/2，xb=b1/3，xc=c1/4，xd=d1/5 （6）

其中，x为突变系统中的状态变量；a、b、c、d 为状态变量的控制参量；xa、xb、xc、xd则分别为控制参量a、b、c、d所对应的x值。

（五）利用归一公式进行综合评价

通过各初始隶属函数值，利用归一公式对各级评估指标进行递归计算，最终可以得到最高层的总突变隶属函数。归一公式通过把系统内各控制变量的不同质态化为同一质态，进而得到模糊隶属函数得到最终评估结果。依据系统中各控制变量对状态变量不同影响方向，可遵循两个基本原则：“互补原则”与“非互补原则”。当系统中各控制变量之间可以相互弥补其不足，即相互关联时，将采用“互补”原则。当系统中各控制变量对状态变量不起互相弥补的作用，即不相互关联时，则采用“非互补”原则，利用“大中取小”的原则进行取值（陈晓红，杨立，2013）。

突变级数法在互联网供应链金融生态系统绩效评估中的应用

（一）互联网供应链金融生态系统绩效指标体系的构建

本文在供应链金融诸多理论研究的基础上，结合应用新兴技术发展下，拓展演变的互联网供应链金融的特点，遵循科学性、可比性、层次性和可获得性等原则，分别从平台生态水平、产业环境生态水平、平台供应链系统运作绩效水平、产业链上节点企业绩效水平4个方面，包括12个评选方向，筛选出39个表征性指标，建立了互联网供应链金融生态系统绩效评估指标体系，见表1所示。

（二）过程评估

目前，由于互联网公司对信息的保密性，笔者选取相应的案例进行实际应用的过程中，不列出企业的具体名称，数据大部分来源于企业年度报告，小部分假设。因此，在实例运算时，本文为了研究方便不免有偏差。下面以A互联网企业2012-2016年的互联网供应链金融生态系统的发展状态进行绩效评估。使用式（1）到式（3）得到无量纲化数据列于表1。通过各B层级指标下的C层指标个数，判断其突变类型，根据其突变类型分别选择式（4）、式（5）、式（6）代入进行计算，由于诸控制变量满足互补原则，取平均值得到B层指标数据列于表2。通过各A层级指标下的B层指标个数，判断其突变类型，同理，根据其突变类型选择式（4）、式（5）、式（6）代入进行计算，由于诸控制变量之间不可相互弥补不足，则按照“大中取小”原则，得到A层指标数据列于表3。A层指标集合构成蝴蝶突变模型，进行归一化处理，由于A层控制变量之间不可互相弥补不足，则依旧按照“大中去小”原则，计算出互联网供应链金融生态系统综合绩效分数列于表3。

（三）主要研究结论及建议

通过分析表2、表3中A互联网企业2012-2016年B层级各指标绩效分数和其互联网供应链金融生态系统综合绩效分数，可以得出：就综合评估结果XG而言，该公司的互联网供应链金融生态系统绩效水平分别在2012年至2013年和2014至2016年稳步提高，2016年略微下降。其中，2014年绩效水平较2013年大幅提升，表现尤为突出，其互联网供应链金融生态系统综合绩效水平较2013年提高了20.36%，由XA可以看出2014年的平台生态绩效水平、产业环境生态绩效水平和平台供应链生态绩效水平大幅度提高，分别较2013年提高了47.83%、32.07%和26.10%。对这三个指标的下一层指标进行分析，平台生态绩效水平由平台提供方技术水平B1，平台整合、协调、规范程度B2，供应链智能化程度B3刻画。三者较2013年的绩效水平分别提高61.96%、71.62%、377.63%。产业环境生态绩效水平分别由产业集群成熟度B4、产业外部环境B5来刻画，这两个指标在2014年较2013年表提高6.92%和131.83%。平台供应链生态系统运作绩效由产业服务水平B6、产业链参与企业间的协同效率B7、成本与收益B8、創新与发展B9四个维度进行刻画，它们较2013年的绩效水平分别提高了2.59%、100.52%、25.63%、213.72%。由此可知，A互联网公司在2014年，大量投入技术和产品等的创新研发，绩效水平约是2013年的2倍。其供应链智能化程度大幅度提升，绩效水平约是2013年的4倍。供应链智能化不仅为供应链金融上下游提供高效便捷的平台融资渠道，还使得焦点企业或平台提供者标准化了各种信息系统的接入界面，挖掘、整合、分析整个供应链的运作信息，增强平台的产业感知力，通过优化整合资源，挖掘新的增值机会。2014年A互联网公司的产业环境生态水平绩效提高，一方面是由于产业成熟度的提高，意味着互联网供应链金融依托的产业资产是优质资产，具备良好的能力，整个产业具有很好的发展空间和市场空间。另一方面是政策监管和经济波动趋势都与供应链产业活动协调、一致。平台生态和产业生态环境绩效的提高，使得平台供应链运营水平更加高效，其中产业链参与企业间的协同效率绩效水平较2013年提高了近一倍。2016年综合绩效水平较2015年略微下降，下降幅度为0.07%，由XA可以看出2016年的平台供应链生态系统运作绩效水平较2015年低了0.28%，对该指标的下层指标加以分析，可知产业链参与企业间的协同效率较2015年单项绩效水平下降了0.83%。由此，A互联网公司可以清晰地看到自身存在的不足，得到供应链改进的决策依据，提高平台供应链系统运作协调效率，确保资金高效、安全地流向健康、稳定的实体经济，提高整体的互联网供应链金融绩效评估水平。

结论

本文从供应链产业生态和平台生态的角度，运用突变级数法构建了互联网供应链金融生态系统的绩效评估模型。研究表明：该模型能及时、有效地对互联网供应链金融生态系统进行绩效评估，为焦点企业下一步调整供应链产业发展结构、合理配置资源、制定相应的战略规划提供了依据，推动平台金融系统服务机构建立债项节点交易企业评级和主体产业供应链运作评级相结合的风险控制体系，缩短供应链上现金流量周期、加速整个产业链现金流，提升产业竞争力和促进互联网供应链金融生态系统的健康、稳定发展，打造一个共生、互生和再生的平台生态系统。突变级数评价法在很大程度上降低了决策与分析的主观性，它汲取了层次分析法和模糊分析法的优点，避免了多目标分析决策时主观赋权的局限性，只需通过指标间的内生逻辑关系进行相对重要程度排序。计算方法简单又不失科学性和合理性，具有重要的实用价值。

参考文献：

1.宋华.基于产业生态的供应链金融的创新趋势[J].中国流通经济，2016，30（12）

2.袁昌劲.互联网供应链金融的识别及概念构建.北方经贸，2014（3）

3.钟懿.互联网供应链发展与措施.时代金融，2015，1（29）

4.勒内·托姆，周仲良译.突变论：思想和应用[M].上海译文出版社，1989

5.PostonT.Catastrophe theory and its applications[M].Courier：Dover publications，1996

6.王应明.运用离差最大化法进行多指标决策与排序[J].系统工程与电子技术，1998（3）

7.陈秋玲，马晓姗等.基于突变型的我国食品安全风险评估[J].中国安全科学学报，2011，21（2）

8.陈晓红，杨立.基于突变级数法的障碍诊断模型及其在中小企业中的应用[J].系统工程理论与实践，2013，33（3）endprint