跨境电商企业的数字信用动态评估模型研究

赵子萱　郭树行

摘要：跨境电商是连通国际和国内“双循环”的重要形式。在数字经济时代背景下，飞速发展的跨境电商对外推动国际贸易、对内助力消费升级。为更好地解决跨境电商融资难的问题，跨境电商行业的供应链金融随之产生。本文综合考虑传统信用评估指标和电商平台数字化要素指标，建立跨境电商信用评估指标体系，构建动态信用评估模型DCredit模型，更好地服务跨境电商行业的供应链金融，以满足企业的资金需求，促进行业健康发展。

关键词：跨境电商；数字信用；动态评估

引言

跨境电商的发展对中小微企业参与国际贸易有着重要意义。由于信息不对称等原因，跨境电商信用评估成为业界的痛点。随着跨境电商企业在国际大循环中的地位日益提高，如何构建许可的供应链金融已经成为跨境电商发展的关键性难题。

供应链金融是指从供应链产业链整体出发，运用金融科技手段，整合物流、资金流、信息流等信息，在真实交易背景下，构建供应链中占主导地位的核心企业与上下游企业一体化的金融供给体系和风险评估体系，提供系统性的金融解决方案，以快速响应产业链上企业的结算、融资、财务管理等综合需求，降低企业成本，提升产业链各方价值。

新冠病毒感染疫情发生以来，企业的脆弱性上升。供应链金融能够有效打通中小企业在产业链中的“堵点”，参考产业链中的核心企业的信用，为产业链中的企业融资，能够让资金在产业链中流动起来。当前以供应链金融为支撑的数字金融服务已经日益增多，建立一个科学有效的模型对跨境电商领域的企业进行信用状况动态评估，有利于优质企业资金融通，同时减少投资机构的损失，对企业获取融资支持以及促进跨境电商行业发展有着重要价值。

数字时代随着大数据的发展应用，可以依托平台数据建立信用评价指标体系和信用评估模型。本文立足于此，面向供应链金融构建跨境电商数字信用的动态评估模型，用于指导在跨境电商产业构建精准适用的供应链金融。

1. 研究现状

伴随跨境电商行业如火如荼地发展，学界对其信用评估的研究也在不断深入。

陈莉霞提出应用层次分析法对跨境电商企业的信用数据进行综合统计分析[1]；俞裕兰等建立跨境电商信用等级评价的三级指标体系，构建模糊多指标综合评价模型[2]；初佳玉将BP神经网络应用到跨境电商信用评估[3]；王珊珊等使用爬取的平台数据，应用XGBoost算法建立大数据环境下的信用评估模型[4]；荣飞琼等构建基于BP神经网络的信用评估模型，使用K-折交叉验证和混淆矩阵对模型进行评估[5]。

通过文献研究我们发现，目前国内信用评估模型越来越适用于大数据时代海量数据的处理。本文建立基于平台大数据的指标体系，构建跨境电商企业数字信用的动态评估模型。

2. DCredit模型的提出和指标体系的构建

为了满足跨境电商进行信用评估的需求，本文立足企业运营能力、获利能力、偿债能力、往期信用记录[6]、数字化能力、市场竞争能力和服务能力这七个维度，考虑跨境电商行业平台数据可获得性，结合数字经济的发展，建立基于平台数据的跨境电商信用评估体系。评估体系的构建能够为企业融资提供信用支撑，同时有助于企业自身信用管理和信用数据的积累沉淀。具体评估指标及解释如表1所示。

3. 模型介绍

AHP是一种定性分析和定量计算相结合的方法，用于系统分析与决策的综合评价，通过建立递阶层次结构把人类的判断转化到若干因素两两之间重要度的比较上，最终确定指标的权重。熵权法是一种较为客观的赋权方式，依据指标的变异程度进行赋权，指标内部差异越少，反应的信息量越少，权值越小。

AHP方法主观性强，定量的数据少，定性成分多，人为评估会存在偏差。而熵权法缺少指标之间的横向比较，容易受到数据影响，随着数据不同赋权结果会产生较大差异。确定指标权重时，应考虑指标之间的内在统计规律。为了弥补单一方法的不足，实现两种赋权方法的优势互补，本文采用组合赋权方法，均衡考虑主观情况和客观情况。

TOPSIS是一种能充分利用原始数据信息的综合评价模型，结果能充分反映各个评价方案之间的差距。区别于如模糊综合评判法等评价方法，它不需要目标函数，也不需要通过相应的检验，限制要求大大降低，使得适用范围较为广泛。本文将组合赋权法得到的综合权重应用到TOPSIS模型中，建立DCredit模型用于对跨境电商企业信用进行动态评估。

4. 模型的建立

AHP方法确定指标权重的步骤如下。

第一步：根据指标体系建立递进的层次结构。本文建立的指标体系共有7个一级指标和29个二级指标。7个一级指标间以及每个一级指标下的二级指标间均需确定权重。

第二步：对于同一层次上的各元素关于上一层次中某一准则的重要性进行两两比较，构造判断矩阵。

第三步：由判断矩阵计算被比较元素对于该准则的相对权重，并进行一致性检验。有算术平均法、几何平均法和特征值法三种计算权重的方法，本文权重的确定为三种计算方法结果的算术平均值。

熵权法确定指标A₁-G₃权重的步骤如下。

5. 实证研究

根据信用评分结果绘制折线图，如图1所示，在本次数据实例中，经营年限最长的A企业各方面条件良好，信用评分远高于其余三家企业。对于信用评估优秀的企业，不存在信用风险，需要加强信用评级数据的收集，积累企业信用要素，避免信用风险的发生。对于信用处于正常状态的企业，仍然存在信用风险的可能性，应加强对信用风险潜在因素的分析，加强管理，防止信用风险的发生。对于存在轻微信用风险状态的企业，应加强企业信用风险工作，提高信用水平，减少信用风险的发生。

结语

为了提高跨订单电子商务企业防范信用风险的能力，本文构建DCredit模型，用于对跨境电商信用水平进行动态评估，并生成相关样本数据进行分析。结果表明，DCredit模型能够有效地对企业信用风险进行评估。与其他模型相比，DCredit模型没有复杂的参数设置，易于推广。

理论上，本文将组合赋权法与TOPSIS结合，既可以有效降低评估的主观性，充分利用数据资源；又可以对指标进行横向比较，组合赋权提高了模型评估的准确率。实践中，模型一方面为供应链金融提供大数据服务，有益于规范发展供应链金融，推动产业链条上下游企业之间的开放合作、共同发展，促进产业链条上大中小企业分工协同、共生共赢，有助于保持供应链产业链完整稳定；另一方面为企业提供实时的风险监控，助力企业信用要素的积累，有利于企业融资，缓解资金融通困难的问题，打破发展瓶颈，促进数字经济时代跨境电商行业的发展。

参考文献：

[1]陈莉霞.大数据背景下跨境电商平台供应商信用评估研究[J].大众投资指南，2021，（1）：34-35.

[2]俞裕兰，杨靛青.跨境电商信用多指标综合模糊评价模型研究[J].牡丹江师范学院学报（社会科学版），2021，（1）：11-22.

[3]初佳玉.基于BP神经网络出口跨境电商企业信用评估研究[D].南昌：南昌大学，2021.

[4]王珊珊，查林涛.基于XGBoost的跨境电商企业征信等级预测研究[J].韶关学院學报，2018，39，（6）：12-15.

[5]荣飞琼，郭梦飞.基于大数据的跨境电商平台供应商信用评估研究[J].统计与信息论坛，2018，33（3）：100-107.

[6]丹青.A公司跨境电商营销绩效评价研究[D].洛阳：河南科技大学，2021.

作者简介：赵子萱，本科，研究方向：数字经济。