摘要
随着在线交易和互联网技术的飞速发展，电子商务平台在给企业开拓盈利渠道的同时，也埋下了不少信用风险隐患。因此，有效评判电商平台企业的信用水平、厘清影响信用的关键因素是保证企业、客户和平台三方长期共赢的必要措施。现阶段，电商平台企业的信用信息有时并不完备，干扰数据多，并且评估信用时考虑到的指标较为单一。同时，经典粗糙集理论虽然在分析不确定性问题方面具有一定优势，但仍然存在局限，包括：没有考虑条件属性重要性的差异以及无法处理多渠道信息等。基于此，本文从多个维度探讨了电商平台企业的信用风险成因，并对经典粗糙集模型进行改进优化，将新模型应用到企业信用评估研究中，从而可以为客户有效识别筛选资质优良的企业，维护自身权益提供决策依据。 首先，考虑到评估过程中可能产生来自多个渠道的覆盖信息，并且评估指标具有高维度、复杂性强等特点，本文重新构建了多源覆盖信息系统下的加权广义多粒度粗糙集模型，定义了重要度量函数的计算方法。接着，讨论了模型的相关性质，展示了属性约简步骤和相关决策规则，并通过实例研究验证了模型的可行性。 其次，在电子商务平台发展和相关政策背景下，梳理电商平台企业信用风险的特点，归纳出影响电商平台企业信用的诸多因素，同时秉持指标体系设计的相关原则，从企业财务状况、管理运营和发展潜力三个方向展开，并选取具有代表性的影响因素，建立电商平台企业信用评估指标体系。 最后，在某电商平台上随机抽取12家企业数据进行信用评估的实证研究，通过属性约简算法剔除冗余指标，获取显著影响因素，生成相对应的评估决策规则，为提高企业信用评估效率提供指导。实践证明，改进后的粗糙集模型在电商平台企业信用评估研究中具有很好的实用性，可以让电商平台有针对性地加强对入驻企业的监管，督促企业不断完善整改，为客户提供更加优质的产品服务。
NETL