汪 磊 楊 希 黃蓉靜

（1 安徽工程大學(xué)，安徽 蕪湖 241000）

（2 合肥工業(yè)大學(xué)，安徽 合肥 230009）

基于GA-SVM方法的行業(yè)協(xié)會信用度評價分析

汪 磊1，2楊 希2黃蓉靜1

（1 安徽工程大學(xué)，安徽 蕪湖 241000）

（2 合肥工業(yè)大學(xué)，安徽 合肥 230009）

近年來，社會公眾對于行業(yè)協(xié)會信用問題的關(guān)注越來越多。開展行業(yè)協(xié)會信用評價分析，不僅有助于提高信用評價結(jié)果的準(zhǔn)確度，對行業(yè)協(xié)會精準(zhǔn)“畫像”，同時可以“以評促改”，提高行業(yè)協(xié)會的規(guī)范化管理水平。因此，圍繞行業(yè)協(xié)會信用度評價開展分析，科學(xué)構(gòu)建了行業(yè)協(xié)會信用度評價系統(tǒng)，運(yùn)用支持向量機(jī)分類方法建立行業(yè)協(xié)會信用度評價模型，并引入遺傳算法對模型進(jìn)行參數(shù)尋優(yōu)，最后，開展實(shí)證分析并對行業(yè)協(xié)會提高信用度方面的決策提出具體建議。

行業(yè)協(xié)會；遺傳算法；支持向量機(jī)；信用評價

1 引言

近年來，行業(yè)協(xié)會在社會治理創(chuàng)新中的作用日益凸顯，成為保障經(jīng)濟(jì)社會持續(xù)穩(wěn)定的重要力量。然而受社會不良利益驅(qū)動以及社會信用體系不健全等因素的影響，行業(yè)協(xié)會在持續(xù)發(fā)展過程中也存在內(nèi)部管理不規(guī)范、人才隊(duì)伍不穩(wěn)定、管理執(zhí)行效率低下、社會公信力不高等突出問題。因此，創(chuàng)新行業(yè)協(xié)會的信用管理意義重大。一直以來，我國政府十分重視行業(yè)協(xié)會的信用體系建設(shè)工作，國務(wù)院在2014年發(fā)布的《社會信用體系建設(shè)規(guī)劃綱要（2014—2020年）》中就明確提出要“把誠信建設(shè)內(nèi)容納入各類社會組織章程，強(qiáng)化社會組織誠信自律，提高社會組織公信力”[1]。

開展行業(yè)協(xié)會信用評價分析，不僅有助于提高信用評價結(jié)果的準(zhǔn)確度，對行業(yè)協(xié)會精準(zhǔn)“畫像”，同時可以“以評促改”，提高行業(yè)協(xié)會的規(guī)范化管理水平。從國內(nèi)外文獻(xiàn)看，相關(guān)研究多數(shù)集中在個人信用評價和企業(yè)信用評價方面，對社會組織特別是行業(yè)協(xié)會信用問題的分析較少。同時，研究涉及的評價方法主要包括AHP、ANP、DEA、FST、FMOP等，對人工智能算法的應(yīng)用不多。因此，本文對行業(yè)協(xié)會信用度評價開展分析，科學(xué)構(gòu)建了行業(yè)協(xié)會信用度評價系統(tǒng)，運(yùn)用支持向量機(jī)分類方法建立行業(yè)協(xié)會信用度評價模型，并引入遺傳算法對模型進(jìn)行參數(shù)尋優(yōu)，最后，開展實(shí)證分析并對行業(yè)協(xié)會提高信用度方面提出具體的對策與建議。

2 理論分析

目前，信用評價研究多集中在個人信用和企業(yè)信用領(lǐng)域。在個人信用方面，Yang等通過采用人工免疫算法，利用傳統(tǒng)的預(yù)測精度和替代指標(biāo)，采用人工神經(jīng)網(wǎng)絡(luò)和邏輯回歸模型開展客戶信用評估[2]。Ye等比較了個人信用評價模型，指出Logistic回歸和MLP-ANN方法在個人信用評價中具有較高可靠性和準(zhǔn)確率[3]。Li等提出使用PSO算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù)對個人信用進(jìn)行評價的方法[4]。遲國泰等運(yùn)用支持向量機(jī)方法建立農(nóng)戶小額貸款信用評價模型[5]。此外，程鑫、孫璐、陳永明等也有過相關(guān)論述[6-8]。

在企業(yè)信用方面，Hajek等研究了等級評估的多種分類方法，優(yōu)化特征選擇過程，改善了分類結(jié)果的準(zhǔn)確性[9]。Attig等發(fā)現(xiàn)企業(yè)信用評級和社會責(zé)任體現(xiàn)之間的存在正向關(guān)系[10]。李菁苗等研究了電子商務(wù)環(huán)境下的中小企業(yè)信用評價指標(biāo)系統(tǒng)，提出了基于層次分析方法的企業(yè)信用度評價模型[11]。張目等利用可變模糊集理論，提出針對新興企業(yè)的動態(tài)信用評價模型[12]。曹海敏等發(fā)現(xiàn)企業(yè)財(cái)務(wù)信用評價對企業(yè)的成長性影響較大[13]。此外，楊楠、殷琦、張朝輝等也做過相關(guān)研究[14-16]。

綜上所述，不少學(xué)者對信用評價問題進(jìn)行了研究，并做出了有益探索。但研究鮮有針對社會組織尤其是行業(yè)協(xié)會的信用評價分析，同時對人工智能領(lǐng)域的新算法涉及較少。因此，本文以行業(yè)協(xié)會信用度為研究對象，嘗試?yán)眠z傳算法和支持向量機(jī)分類方法構(gòu)建行業(yè)協(xié)會的信用度評價模型，在問題和方法方面具有一定的創(chuàng)新性。

3 行業(yè)協(xié)會信用度評價指標(biāo)體系

在指標(biāo)體系的實(shí)際構(gòu)建中，需要注意以下幾點(diǎn)：其一，行業(yè)協(xié)會涉及的范圍很廣，行業(yè)協(xié)會的類型也十分多樣，因此在相關(guān)評價指標(biāo)體系構(gòu)建中需要滿足指標(biāo)體系適用于不同類型行業(yè)協(xié)會的要求；其二，行業(yè)協(xié)會信用信息收集難度較大，不少數(shù)據(jù)涉及行業(yè)協(xié)會內(nèi)部信息，因此在行業(yè)協(xié)會信用度評價指標(biāo)體系設(shè)計(jì)時需要考慮數(shù)據(jù)收集的難度和可能性；其三，涉及行業(yè)協(xié)會信用評價的數(shù)據(jù)類型十分多樣，因此在指標(biāo)體系構(gòu)建中需要同時考慮定性指標(biāo)和定量指標(biāo)的選取。圍繞上述指標(biāo)體系的構(gòu)建要求，本文從自身建設(shè)、內(nèi)部能力、社會影響三個維度考慮，構(gòu)建由9個二級指標(biāo)和20個三級指標(biāo)構(gòu)建而成的行業(yè)協(xié)會信用度評價指標(biāo)系統(tǒng)，具體如表1所示：

表1 行業(yè)協(xié)會信用度評價指標(biāo)體系

（續(xù)表）

在自身建設(shè)方面，主要包括行業(yè)協(xié)會基本條件和組織規(guī)范兩個二級指標(biāo)?；緱l件是指行業(yè)協(xié)會的基本情況，主要通過該行業(yè)協(xié)會開辦資金數(shù)量和辦公條件的優(yōu)劣來評價。組織規(guī)范是指內(nèi)部管理的規(guī)范化程度，重點(diǎn)分析行業(yè)協(xié)會的內(nèi)設(shè)部門數(shù)量，協(xié)會架構(gòu)是否合理以及制度體系是否完善。

在內(nèi)部能力方面，主要包括人力資源、財(cái)務(wù)情況和業(yè)務(wù)開展三個二級指標(biāo)。在人力資源領(lǐng)域，考察的內(nèi)容包括工作人員、專職人員比例、專職人員工資待遇。在財(cái)務(wù)管理領(lǐng)域，選取該行業(yè)協(xié)會年檢報(bào)告中的行業(yè)協(xié)會凈資產(chǎn)額、年凈資產(chǎn)變動額、業(yè)務(wù)活動產(chǎn)生的現(xiàn)金流量凈額三項(xiàng)指標(biāo)。在業(yè)務(wù)開展領(lǐng)域，主要考察行業(yè)協(xié)會年度業(yè)務(wù)活動數(shù)量和購買社會組織服務(wù)數(shù)量。

在社會影響方面，主要包括對外宣傳、公眾態(tài)度、政府支持和國際影響四個二級指標(biāo)。對外宣傳包括公開發(fā)行刊物數(shù)量和內(nèi)部資料性刊物數(shù)量。公眾態(tài)度涉及行業(yè)協(xié)會年度公益活動數(shù)和社會服務(wù)活動數(shù)。政府支持涉及承接政府職能轉(zhuǎn)移數(shù)量和政府對行業(yè)協(xié)會的資助金額。國際影響力涉及行業(yè)協(xié)會參加國際活動的數(shù)量。

4 GA-SVM模型

支持向量機(jī)分類方法的基本思路是通過尋找最優(yōu)線性超平面，將用于尋優(yōu)的算法轉(zhuǎn)化為凸規(guī)劃問題并求解，使用非線性映射將樣本空間映射到高維特征空間，從而解決初始樣本數(shù)據(jù)的高度非線性分類及回歸問題[17]。本文中，線性超平面即決策曲面可以將行業(yè)協(xié)會信用樣本數(shù)據(jù)分成差別最大的兩類。設(shè)分類線方程為f（x）=w·x+b，則分類間隔M為：

求解支持向量可以轉(zhuǎn)化為求解一個帶約束的二次規(guī)劃問題：

利用Lagrange乘子法求解上述二次規(guī)劃問題，建立Lagrange函數(shù)：

引入懲罰函數(shù)進(jìn)行優(yōu)化，最后通過求解Lagrange對偶問題得到最終表達(dá)式：

其中，系數(shù)C是懲罰因子，代表對錯分點(diǎn)的懲罰力度。C值過高容易形成過擬合現(xiàn)象，而C值過低又會降低模型精度。k（xi，xj）代表核函數(shù)，核函數(shù)可以將非線性情況轉(zhuǎn)化為線性問題。C值和核函數(shù)k（xi，xj）的取值直接影響模型的預(yù)測精度，因此需要通過參數(shù)尋優(yōu)找到C值和核函數(shù)k（xi，xj）的最優(yōu)解。本文選擇遺傳算法對上述模型進(jìn)行參數(shù)尋優(yōu)，GA算法偽代碼的形式化描述為：

Step1：進(jìn)行個體編碼，將單個樣本作為一條染色體，樣本的每個特征值即為染色體的一個基因，每一條染色體即為不同的特征子集；

Step2：隨機(jī)產(chǎn)生初始化種群，并初始化算法的有關(guān)參數(shù)；

Step3：適應(yīng)度計(jì)算，并執(zhí)行遺傳運(yùn)算：選擇，交叉和變異；

Step4：輸出結(jié)果若不滿足標(biāo)準(zhǔn)，則返回Step2繼續(xù)執(zhí)行。若滿足終止條件，則程序終止，并輸出最終結(jié)果。

在本文中，采用徑向基核函數(shù)作為上述模型的核函數(shù)。因此，行業(yè)協(xié)會的信用度評價模型可以進(jìn)一步表達(dá)為：

其中，C是懲罰因子，代表懲罰力度。g代表核參數(shù)，決定最優(yōu)線性超平面的形狀。g值越大說明最優(yōu)線性超平面越平緩。

5 實(shí)證研究

5.1 數(shù)據(jù)描述

根據(jù)行業(yè)協(xié)會信用度評價指標(biāo)體系，需要從自身建設(shè)、內(nèi)部能力、社會影響三個方面收集相關(guān)數(shù)據(jù)?？紤]到數(shù)據(jù)收集的難度和可獲取性，本文決定選取某地區(qū)2015年行業(yè)協(xié)會的年檢數(shù)據(jù)作為研究樣本。收集樣本量總計(jì)782個，其中，有用樣本數(shù)據(jù)671個，每個樣本包含20個特征變量。由于所有數(shù)據(jù)均來自于權(quán)威渠道且經(jīng)過驗(yàn)證，保證了樣本數(shù)據(jù)的真實(shí)可靠。行業(yè)協(xié)會的年檢結(jié)果有不合格、基本合格和合格三種情況，分別設(shè)定為“-1”“0”和“1”。

行業(yè)協(xié)會的評價指標(biāo)設(shè)計(jì)涉及定性指標(biāo)和定量指標(biāo)兩類，其中定性指標(biāo)是專家主觀評分，定量指標(biāo)是行業(yè)協(xié)會年檢報(bào)告中的實(shí)際數(shù)據(jù)。多維數(shù)據(jù)類型容易造成行業(yè)協(xié)會信用度評價結(jié)果的不合理。鑒于此，本文先采用簡單的數(shù)據(jù)歸一化處理的方法，首先對涉及到行業(yè)協(xié)會信用度評價的定性數(shù)據(jù)和定量數(shù)據(jù)進(jìn)行預(yù)處理，將多維的原始數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一格式的數(shù)值。

5.2 試驗(yàn)結(jié)果

與普通的二元分類方法不同，支持向量機(jī)分類方法并非只是產(chǎn)生“＋1”和“-1”兩個值。通過對支持向量機(jī)輸出的預(yù)測值進(jìn)行歸一化處理后就可以得到評價對象具體的信用度評分。只是當(dāng)預(yù)測結(jié)果大于0時，系統(tǒng)判定評價對象的分類屬性為“＋1”；當(dāng)預(yù)測結(jié)果小于0時，系統(tǒng)判定評價對象的分類屬性為“-1”。

本文選擇在Matlab環(huán)境下對模型進(jìn)行求解，首先運(yùn)用GA算法計(jì)算模型中懲罰因子C和核參數(shù)g的最優(yōu)解。如圖1所示，設(shè)定遺傳算法的進(jìn)化代數(shù)為100，種群數(shù)量為20，則通過運(yùn)算懲罰因子C和核參數(shù)g的最優(yōu)解分別是56.62和1.54；其次將交叉值設(shè)定為5并進(jìn)行交叉驗(yàn)證，通過Matlab運(yùn)算，模型的交叉驗(yàn)證準(zhǔn)確率為72.27%。

最后，本文隨機(jī)選取75%的樣本數(shù)據(jù)作為訓(xùn)練樣本，25%的樣本數(shù)據(jù)作為測試樣本，通過Matlab運(yùn)算后預(yù)測準(zhǔn)確率達(dá)到87.39%，預(yù)測結(jié)果良好。實(shí)驗(yàn)結(jié)果進(jìn)一步說明GA-SVM模型適用于對行業(yè)協(xié)會信用度評價的研究。

6 對策與建議

圍繞行業(yè)協(xié)會信用度評價問題開展分析研究有利于提高行業(yè)協(xié)會的信用評價水平，對行業(yè)協(xié)會精準(zhǔn)“畫像”，同時也能夠“以評促改”，加快行業(yè)協(xié)會規(guī)范化管理步伐。目前，我國行業(yè)協(xié)會管理仍普遍存在內(nèi)部管理不規(guī)范、社會監(jiān)督不夠、組織公信力不高等突出問題。因此，本文圍繞行業(yè)協(xié)會信用度問題提出以下幾點(diǎn)對策建議，為政府部門的行業(yè)協(xié)會信用管理方面的決策提供有益參考：

圖1 參數(shù)優(yōu)化結(jié)果

其一，加強(qiáng)行業(yè)協(xié)會的規(guī)范化管理。從總體來看，行業(yè)協(xié)會發(fā)展仍處于起步階段，部分行業(yè)協(xié)會內(nèi)部管理混亂、人才流動性大，難以滿足其持續(xù)發(fā)展的需求。加強(qiáng)行業(yè)協(xié)會管理規(guī)范，首先需要科學(xué)制定各行業(yè)協(xié)會的規(guī)范化管理標(biāo)準(zhǔn)，將標(biāo)準(zhǔn)考核納入行業(yè)協(xié)會的年檢指標(biāo)；其次進(jìn)一步優(yōu)化協(xié)會的組織構(gòu)架，合理設(shè)計(jì)組織層次和管理幅度，加強(qiáng)行業(yè)協(xié)會各團(tuán)隊(duì)間的分工與合作；最后要規(guī)范協(xié)會人力資源管理，針對崗位差異開展員工“條塊”培訓(xùn)，制定協(xié)會工作者職業(yè)標(biāo)準(zhǔn)，完善相關(guān)人才的市場化評價制度。

其二，完善行業(yè)協(xié)會監(jiān)督檢查機(jī)制。多年來，年檢一直是對社會組織監(jiān)督的首要方式，但是年度檢查越來越難以滿足現(xiàn)階段行業(yè)協(xié)會信用管理的需要，也容易造成各類失信行為的發(fā)生。對行業(yè)協(xié)會的信用行為進(jìn)行有效監(jiān)督，首先應(yīng)考慮制定多主體共同參與機(jī)制。由于信用度檢查監(jiān)督的涉及面較廣，因此需要建立多部門聯(lián)動機(jī)制，實(shí)現(xiàn)相關(guān)信用信息共享；其次是要保證行業(yè)協(xié)會信用監(jiān)管的透明度，加快協(xié)會信息發(fā)布平臺建設(shè)，通過平臺及時讓公眾了解各類信息；第三建立健全行業(yè)協(xié)會信用評價系統(tǒng)，對協(xié)會信用情況進(jìn)行跟蹤管理。

其三，擴(kuò)大行業(yè)協(xié)會社會影響力。從年檢數(shù)據(jù)看，多數(shù)行業(yè)協(xié)會的組織活動次數(shù)有限，部分行業(yè)協(xié)會處于停滯和半停滯狀態(tài)，導(dǎo)致公眾對行業(yè)協(xié)會的認(rèn)識度和好感度不高。擴(kuò)大行業(yè)協(xié)會社會影響力，首先需要提高行業(yè)協(xié)會運(yùn)營能力，拓寬行業(yè)協(xié)會參與社會治理途徑，鼓勵行業(yè)協(xié)會承接政府轉(zhuǎn)移職能；其次要增加協(xié)會在行業(yè)內(nèi)的影響力，堅(jiān)持行業(yè)協(xié)會在行業(yè)規(guī)范、標(biāo)準(zhǔn)制定以及集體談判中的主體性地位，并且鼓勵行業(yè)協(xié)會代表本行業(yè)參與外部交流與合作；最后要加大協(xié)會的宣傳力度，引導(dǎo)行業(yè)參與社會公益事業(yè)，提高公眾對行業(yè)協(xié)會的認(rèn)識度和好感度。

[1]國務(wù)院.社會信用體系建設(shè)規(guī)劃綱要（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，F(xiàn)ENG 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]遲國泰，潘明道.基于綜合判別能力的農(nóng)戶小額貸款信用評價模型[J].管理評論，2015，（6）：23-27.

[6]程鑫.基于支持向量機(jī)的農(nóng)戶信用評價研究[D].太原：山西財(cái)經(jīng)大學(xué)，2015：45.

[7]孫璐，李廣建.多維個人信用評價特征感知模型的研究[J].情報(bào)工作，2015，（21）：12-23.

[8]陳永明，周龍，李雙紅.基于AHP和DEMATEL方法的農(nóng)戶信用評級研究[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，吳吉義，章劍林，等.電子商務(wù)環(huán)境下中小企業(yè)信用評價[J].系統(tǒng)工程理論與實(shí)踐，2012，（3）：45-57.

[12]張目，匡暑炎，閆慧杰.基于模糊積分法的戰(zhàn)略性新興產(chǎn)業(yè)企業(yè)信用評價[J].會計(jì)之友，2013，（21）：23-28.

[13]曹海敏，常越.企業(yè)財(cái)務(wù)信用評價對成長性的影響效應(yīng)分析[J].經(jīng)濟(jì)問題，2015，（10）：34-42.

[14]楊楠.我國中小高新技術(shù)企業(yè)融資信用評價的研究[J].科技與經(jīng)濟(jì)，2011，（3）：31-35.

[15]殷琦.基于社會資本的中小企業(yè)信用評價[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2011：32.

[16]張朝輝，梁慧，褚美玲.基于P2P模式的C2C信用評價方法研究[J].管理評論，2015，（12）：56-63.

[17]唐發(fā)明，王仲東，陳錦云.支持向量機(jī)多類分類算法研究[J].控制與決策，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

安徽省高等學(xué)校人文社會科學(xué)研究重點(diǎn)項(xiàng)目（項(xiàng)目編號：SK2016A0114）；安徽工程大學(xué)“地方政府與社會治理創(chuàng)新研究中心”招標(biāo)項(xiàng)目（項(xiàng)目編號：DS2015D02）

汪磊（1984-），男，安徽蕪湖人。安徽工程大學(xué)管理工程學(xué)院，講師。研究方向：社會治理。

責(zé)任編輯：楊松水