基于云模型的网络信任及网络交易信用风险评估研究——以c2c交易模式为例-赖辉.pdf

《基于云模型的网络信任及网络交易信用风险评估研究——以c2c交易模式为例-赖辉.pdf》由会员分享，可在线阅读，更多相关《基于云模型的网络信任及网络交易信用风险评估研究——以c2c交易模式为例-赖辉.pdf（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第29卷第7期2017年7月管理评论Management ReviewV0129No7Jul，2017基于云模型的网络信任及网络交易信用风险评估研究以C2C交易模式为例赖辉1 黄宇梦2周宗放1(1电子科技大学经济与管理学院，成都610054；2西南财经大学会计学院，成都611130)摘要：网络信任是网络交易的前提和基础，在网络交易环境下，网络信任的刻画和评估是网络交易信用风险评估的核心内容。本文以C2C网络交易模式为例，在分析影响网络信任的主要因素的基础上，构建了基于云模型的网络信任评估模型；提出了基于网络信任的网络交易信用风险评估方法并进行示例分析。研究表明：在网络交易环境下，信用风险随着买

2、家网络信任评估值的升高而降低，而随着商品价格波动的增大而增大；在单个评估时段内，对卖家信用评分的信任倾向越大，卖家的信用欺骗行为越容易加剧网络交易的信用风险；在不同评估时段内，网络交易的信用风险与网络信任倾向呈现非线性的复杂关系。关键词：网络交易；云模型；网络信任；信用风险；评估引 言网络交易是一种互联网技术在商业领域的代表性应用，是一种依赖于信息技术的新生商业模式。网络交易极大地方便了人们的生活和工作，电子商务系统(B2B、B2C、C2C)以及近来兴起的网络借贷(P2P)都是复杂网络环境下热门的网络交易系统。然而，不管是电子商务还是P2P网贷系统，网络交易都具有虚拟性，交易过程非面对面，交易

3、双方的信息存在着严重的信息不对称2 J，由此而产生的风险不言而喻。C2C模式下，卖方的商品质量、价格及售后服务等方面的信息主要依靠于买方的估计，买方的错误估计常常导致买到假冒伪劣产品p1。国家工商总局在官方网站发布的(2014年下半年网络交易商品定向监测结果显示，总的正品率仅为587。在P2P模式下，产品是“贷款请求”，由于贷款人能获取的借款人信用信息非常有限，因而面临着较大的信息不对称风险，借款人违约导致P2P平台频繁跑路的现象早已司空见惯。因此，网络交易系统是一类典型的信息不对称系统，存在巨大的交易风险，而网络交易的风险主要源于交易主体的信用风险。2015年1月5日，央行发布了关于做好个人

4、征信业务的准备工作的通知，要求腾讯、芝麻信用等八家机构做好个人征信准备工作，凸显了互联网交易中识别和评估交易主体信用风险的重要性和紧迫性。如何对网络交易环境下的交易主体信用风险进行形式化的合理描述，进而制定网络交易信用风险的评估机制、构建相应的评估方法，已成为当前政府、业界和学术界关注和研究的热点问题。根据信用风险的内涵，可以将网络交易环境下的信用风险定义为：网络交易的一方不愿或者没有能力履行交易承诺而给交易对手带来损失的可能性。常亚平等H1综合了McKnight和BABA等人的观点，从两个维度分析C2C环境下信任的内涵：一方面认为信任是信任方对被信任方在能力、诚实和善意等方面的信心；另一方面

5、则认为信任是交易的一方对于另一方的积极预期。基于此，综合考虑现实中的实际情况，本文将“网络信任”定义为：网络交易中信任主体对信任客体在能力、诚实和善意等方面的综合感知而产生的信心和信念。显然，信任主体对信任客体的网络信任是初始信任和持续信任共同作用的结果，其中，初始信任源于信任收稿日期：2015-04-02基金项目：国家自然科学基金项目(71271043；715731030)；高等学校博士学科点专项科研基金项目(20110185110021)；四川省科技支撑项目(2012SZ0001)。作者简介：赖辉，电子科技大学经济与管理学院博士研究生；黄宇梦，西南财经大学会计学院研究生；周宗放，电子科技大

6、学经济与管理学院教授，博士生导师。万方数据管理评论 第29卷主体对信任客体历史信用评分的倾向或者重视程度的结果；持续信任主要是信任主体通过与信任客体之间的交互行为属性得到信任评估结果。大量研究表明，网络信任是进行网络交易活动的前提和关键，影响到网络交易的意愿和行为6 J。例如，在C2C模式下，消费者通过对网店卖家信用等级、顾客评论等信息的感知和判断建立初始的信任，进而产生购买商品的意愿和行为。78|。又如，在P2P模式下，贷款人通过对借款人的信用状态、社会资源等信息的分析和判断建立初始的信任，进而产生贷款的意愿和行为一10 J。持续的网络信任是网络交易双方在交易过程中逐步形成的，而初始信任是持

7、续信任的基础，是网络信任形成的关键要素。根据上述作者对网络信任的定义，网络交易环境下的信用风险(以下简称网络交易信用风险)是网络信任失效而产生的后果，因此，对网络信任的刻画和评估是网络交易信用风险评估的核心内容。基于此，本文拟在网络交易环境下提取网络信任的主要影响因素，进而构建网络信任和网络交易信用风险的量化评估模型。本文的主要工作和创新之处在于：首先，以C2C网络交易为例，从信任主体(买家)、信任客体(卖家)及交互作用等三个角度，对网络信任的主要影响因素展开讨论，并在此基础上，将具有时间特性的一类改进的云模型引入到网络交易中信任主体对信任客体的信任评估研究之中；其次，基于网络信任评估提出了网

8、络交易信用风险的一类评估方法；最后，通过示例对本文提出的方法进行了验证。本文的结构安排如下：第2部分是文献回顾；第3部分提出研究的假设和基本模型；第4部分是基于云模型的网络信任评估过程设计和基于网络信任评估的网络交易信用风险评估方法的构建；第5部分给出的示例验证了本文所提出方法的有效性；最后是本文的研究结论与管理启示。文献回顾从信任形成的生命周期角度来看，信任是由低级向高级发展的动态过程1|，包括初始信任和持续信任。国内外学者分别从不同的网络情境(如移动商务、普适商务、B2C、C2C网购，P2P网贷)对信任的影响因素进行分析。在移动商务方面，郭零兵等21认为影响移动用户信任行为的主要因素为信任

9、倾向(个人因素)，结构保证(环境因素)及系统质量(移动商家因素和技术因素)；Tao【13从实证检验的角度对影响手机支付初始信任的因素进行了剖析，发现结构保障和信息质量是影响手机支付初始信任的主要因素。从新兴普适商务的角度，顾忠伟等4 o研究了可穿戴商务消费者初始信任的影响因素，包括隐私关注、信任倾向、绩效期望、便利条件及享乐动机五个方面。在B2C环境下，Jin等纠研究发现，商家声誉、结构保障、信任态度等因素显著影响消费者的初始信任；赵宏霞等刮从临场感的视角分析消费者信任的影响因素可以从信任倾向、制度信任和信任信念三个反映信任结构的方面来分析。在C2C环境下，马钦海等1认为影响顾客初始信任的因素

10、主要有感知信用评分、感知产品特征及感知客户评论等。在P2P环境下，陈冬宇等。1 8，191认为影响贷款人初始信任的因素包括贷款人的信任倾向、借款人的信息质量、借款人的社会资本及安全保障。综合以上研究可以发现，目前网络信任影响因素的研究文献主要存在以下几方面的问题：第一，文献集中于对初始信任影响因素的探讨，而忽略了对持续信任影响因素的分析，如交互因素；第二，文献在分析初始信任影响因素时考虑不够全面，主要集中于一般的个人因素或者环境因素，如文献13，14。因此，全面客观的分析网络信任影响因素，需要综合考虑信任主体的个人因素(信任倾向)、信任客体的环境因素(商家声誉、信用保障、商品信息等)以及交互因

11、素(网络交易过程中的交互)等多个维度。对于网络交易环境下的信任模型的研究，一部分学者通过基于信任影响因素建立概念模型和结构方程模型来实现，如文献16，17；一部分学者则通过信任度的计算来建立网络交易环境下的信任模型，包括贝叶斯方法2、模糊逻辑方法21。等。此外，近两年有少部分学者已经对动态信任模型进行了探讨，Jiang等221提出了基于多智能体仿真方法的网络交易下的信任计算模型；Tian等旧纠基于直接信任和间接信任的角度提出了动态的信任和声誉计算模型。现有网络交易环境下信任模型的相关研究文献主要存在以下几方面的问题：第一，信任模型中考虑的网络信任影响因素大多局限于一般的个人或者环境因素，未从买

12、家的信任倾向、持续信任、买家的声誉、信用保障、商品信息以及交互信息等多个维度进行挖掘；第二，信任的概念模型和结构方程模型大多建立在调研问卷的数据基础上，具有一定的局限性；第三，对静态信任的刻画较为集中，对信任因素和信任结果随时间变化的时效性描述较少。近两年提出的动态信任模型虽然考虑了对动态信任的刻画，但未能很好体现信任主体的初始信任和持续信任之间的关系；第四，鲜有针对网络信任和网络交易信用风险之间量万方数据第7期 赖辉，等：基于云模型的网络信任及网络交易信用风险评估研究化关系的研究。传统的信用风险评估方法，如Logistic回归24，引、神经网络262 7|、SVM28 3以及MCLPI 29

13、1等，主要是针对企业和个人信用风险的评估，然而，网络信任评估却不能直接搬运传统的信用风险评估方法，其根本原因在于网络信任的评估指标往往不是数值型的，而是语言型的，并且具有一定的随机性和模糊性。例如，买家对于商品的描述、发货速度等进行评估时，往往采用“非常好”、“较好”、“好”、“一般”、“差”等评估语言。由于客户评论和产品信息中涉及到很多模糊化的语言评估信息，因此，如何实现网络交易中语言评估信息的定量化转换，进而构建相应的网络信任评估模型和网络交易信用风险的评估方法，是当前网络交易亟待解决的问题。另一方面，虽然很多卖家有自身的历史信用评分，但这仅仅是买方触发初始网络信任的一个方面，如果卖家的历

14、史信用评分不真实，则卖家有引发信用欺骗行为的动机，最终使网络信任不能持续。因此，买家的初始网络信任主要源于对卖家的评论以及产品信息等因素的综合考量，而持续信任则来源于一定时期网络信任的积累，体现出动态的特征。由于云模型理论能很好的把模糊性和随机性结合起来，因而能够反映网络交易环境下网络信任的随机性和模糊性特征。目前，已有学者利用云模型来解决网络交易环境下的信任评估问题。Tao等口0以淘宝网为例，提出了消费者基于云模型的信任评估的模型。针对IoT(Internet of Things)中的信任评估问题，Pang等pu将改进的AHP与云模型相结合，提出了基于改进云模型的信任评估模型。以复杂网络环境

15、的网络交易为研究背景，张仕斌等3引提出了基于云模型信任评估机制和模型；陈建均在文献32研究的基础上，进一步将基于云模型的信任评估方法扩展至整个信任链，提出了基于云模型和信任链的信任评价模型3|。现有文献提出的基于云模型的信任评估模型局限于静态的视角，反映的是某个评估时段的信任主体对信任客体的初始信任状态，而忽略了持续信任。在现实中，信任主体对网络交易中产生的信任显然是动态的过程，因此，动态的网络信任评估更为贴近现实。本文研究旨在解决网络信任的随机性和模糊性问题，同时将初始信任和持续信任有机的结合，实现网络交易环境下信任评估的动态性和客观性。在多个维度挖掘网络信任的影响因素及考虑时效性的基础上，

16、本文采用示例研究的方法，提出了基于云模型的网络信任评估模型，以及基于网络信任所构建的网络交易信用风险评估模型，这些研究工作均具有较强的研究意义和创新性。研究假设和模型1、研究假设典型的网络交易模式，如引言中提到的电子商务系统(B2B、B2C、C2C)，主要涉及到网络交易平台提供者、商业客户(信任主体)及商业服务的提供者(信任客体)，信任客体可以是个体的人、商业集团或者商品本身。因此，需要从信任主体、信任客体和交互因素三个层面对影响网络信任的因素进行挖掘。为了数据获取的方便，本文以C2C网络交易模式为例，探讨买家(信任主体)对卖家(信任客体)网络信任的评估方法，并将网络信任的评估结果嵌入网络交易

17、环境下的信用风险评估中。为讨论方便，现做以下研究假设。假设1：在C2C网络交易环境下，影响买家对卖家信任的主要因素包括买家的信任倾向、卖家的历史信用评分、商品与描述相符程度、发货速度以及服务态度等卖家的因素。本文在文献回顾中总结了影响网络交易环境下网络信任的主要因素可以从信任主体、信任客体以及交互作用等三个角度进行挖掘。假设1中的信任倾向主要源于买家的个人因素；卖家的历史信用评分反映了卖家的累计信誉，是对卖家商品安全、质量的综合反映；卖家的商品与描述符合程度、发货速度以及服务态度主要是买家对卖家的反馈评估，体现出交互因素。其中，信任倾向主要取决于买家对卖家的初始信任，可假定为买家对卖家历史信用

18、评分的重视程度；商品与描述符合程度、发货速度以及服务态度是影响买家对卖家持续信任的主要因素。假设2：在C2C网络交易环境下，影响网络交易信用风险的主要因素是买家对卖家的网络信任及商品的价格。现有文献表明，网络交易的风险包括商品的价格、卖家信用以及诸如网上的支付风险、操作风险等诸多风险。根据本文对网络交易信用风险的定义可知，网络交易的信用风险主要源于商品价格和对卖家的网络信用，虽然此处未直接提及买家的因素，但事实上，买家对卖家的网络信任已经隐含了买家的个人因素。另一方面，由于信用炒作的存在，商品价格波动是反映网络交易信用风险大小的重要指标2。因此，本文将买家对万方数据管理评论 第29卷卖家的网络

19、信任以及商品的价格作为影响C2C网络交易信用风险的主要因素。2、云模型的引入综合云模型的相关理论，下面介绍云模型的基本理论和信任云的定义。定义1 (信任云和信任云滴)设u=(x。，x：，x。)是一个用精确数值表示的定量论域，其中x。，x：，x。信任评估属性元素，丁是u空间上的定性概念。r从论域u映射到数域空间0，1】的分布p(置)称为信任隶属云(简称信任云)，即若对于置，都存在一个稳定倾向的随机数肛(置)【0，1，即u_【0，l】，VXiu，置叫(置)，则置称为对r的信任隶属度，每一个信任评估属性元素置称为信任云滴，扛1，2，m。定义2 (一维正态信任云)在定义1的基础上，若对于任意的信任属性

20、x，都存在一个稳定倾向的随机数p(x)0，1】，若x服从(E。，E。2)分布，且E。服从(E。，皿2)分布，其中B，眈，胁分别为期望、熵、超熵，X对丁的隶属度满足(x一)2p(x)=e一百；(1)则信任云肛(x)称为一维正态信任云。定义3(标准信任云)表示n个等级评估向量(非常差，差，一般，好，非常好)的n朵一维正态信任云称为标准信任云Standard Trust Cloudi(E即E叫He，)，扛1，2，3，n。定义4 (属性权重和时间衰减因子)x。，x：，x。为信任评估属性，属性权重为i，三i=1；第i个属性在第J(J=l，2，r)评估期的属性值为码，赋予墨的时效性权值tq,且满足萼卫=L

21、，2、jT-1，称为时间 。i(一1)r衰减因子，其中，t。i=1。时间衰减因子的实际意义是：距离当前信任评估时刻越远的数据，正确反映当前信任水平的有效性越低，符合现实中信任的时效性特点。属性权重和时间衰减因子的引人，为实现本文提出的动态的信任评估提供了基础。定义5 (信任云相似度)输人信任云阳。(EE。，皿，)，化：(E州E。：，皿，)，将彤。和粥：的三个数字特征组成向量咒，(EEnl，皿。)和化i(EE以，)，它们之间的余弦夹角称为信任云彤，和粥：之间的相似度一一 元觅sim(TCl，TC2)=COS(TC,，彤2)=二二 (2)|I TC。JI|ITC：|I相似度越高，表明信任云陀。和化

22、：之间的信任等级越接近。因此，可以通过某信任云和标准信任云之间的相似度，来判断该信任云所属于的信任等级。定义6 (信任评估值)信任标尺将每个属性分为n个评估等级，设第i个等级得分区间为R，”，R，“)，则该区间的评估值为value=R了+届(尺一尺?“) (3)其中，卢为某种评估的加权百分比，等于每个评估的系数之和除以总评估数，即卢=荟焉，其中N为总评估数；i为评估属性的权重。由于通过相似度只能判断某信任云或者对某属性评估的信任等级，而每个等级对应的是一个区间，因此，定义6给出了确定信任评估值的方法。研究设计1、基于云模型的网络信任评估过程如图1所示，图1显示了基于云模型的网络信任评估过程，结

23、合假设1，可将具体过程解释如下：(1)网络信任评语标尺的划分，通过定义3在确定网络信任等级n之后，利用标准云生成器生成标准网络信任云；(2)根据网络信任评估的需求，采集带有随机性和模糊性的语言评估属性(商品与描述相符程度、发货速度及服万方数据第7期 赖辉，等：基于云模型的网络信任及网络交易信用风险评估研究图1基于云模型的网络信任评估过程务态度)的相关信息，通过考量属性的权重和评估时段的时效性(时间衰减因子)，计算得到综合网络信任云；(3)根据相似度的计算，得到网络信任评估等级和对应的网络信任评估值；根据买家的信任倾向程度，对历史信用评分值和信任评估值进行加权综合得到基于云模型的最终网络信任评估

24、结果。(1)评语标尺划分假定属性(商品与描述相符程度、发货速度及服务态度)评语集的有效论域为u=0，10，分为7,=5个等级。借鉴文献32，不妨将0，10区间分为：0，15)极不可信，15，35)不可信，35，65)低可信，65，85)一般可信，85，10高可信。(2)标准网络信任云输入以上5个子区间；输出标准网络信任云(Standard Trust Cloud)STC。(EmEn。，He。)，其中，EmEni，m；分别是STCi的期望、熵和超熵。由于区间分为0，15)极不可信，15，35)不可信，35，65)低可信，65，85)一般可信，85，10高可信，可计算得到相应的E尉，Eni，胁i，

25、那么对应生成标准信任云分为极不，不，低，一般，高可信云STC，(0，05，02)，STC：(25，067，02)，STC3(5，133，02)，STC4(75，O67，02)，STC，(10，05，02)，对应的评语向量为(非常差，差，一般，好，非常好)。(3)语言评估信息的定量化表达设网络信任评估屙I生的评语为s|s，此处评语集|s=非常差，差，一般，好，非常好，运用上面的标准网络信任云系统进行定性定量转换。具体设计为：输入与s对应的标准网络信任云的数字特征B，E。，皿；输出一个随机的云滴x，生成一个正态随机数E。=：VOedU(E。，皿2)，生成一个正态随机数x=(E，E。2)分布，计算(

26、xEx)2肛(X)=e-百弓_ (4)产生一个隶属度为z(x)的云滴x，从而实现了属性评估定性语言的定量表达。(4)改进的逆向网络信任云生成器设计输入样本点置(置。，x，xi。)及时间衰减因子tii(Xn，X，置，)，本文采用等比率下降的方式表示时间衰减趋势m1，等坐=L，2，r一1，江l，2，凡。输出对应Xi的数字特征(E叫E，E；。；E。，E叫，。 。i(J+1)一r r E。；执。，胁z，矶。)。经时间衰减因子调整之后的样本均值置=荟f口戈口，一阶样本中心距荟fi：xo-Xi，样本方差1 rsi2=高善tij(x,j-Ti)2，Xi数字特征E瓜，眈i，胁i需要在此基础上进行如下的重新计算

27、9I。厂=_mE崩=x，Eni=等tj I鼍一E鼍I，肌i=I S；一Ez。I (5)Y-J21(5)综合网络信任云评估网络信任时，需要根据各网络信任因素的属性云的数字特征值和对应的权重重新进行计算，由此得到如下的综合网络信任云：m厂i一 mE。=(E鼍i)，E。=(E：i)，皿=(巩。) (6)万方数据230 管理评论 第29卷其中，i为每个评估属性的权重，E雕，Eni，醌i对应为经表达式(5)计算的结果。(6)网络信任值的计算经计算得到综合网络信任云之后，需要计算相似度，得出该综合网络信任云最接近的标准信任云，该标准信任云对应的网络信任等级即为网络信任评估的等级，对应的网络信任评估值为买家

28、对卖家语言评估属性特征的网络信任评估结果。结合卖家历史信用评分值，设买家的网络信任倾向为A，即买家对卖家历史信用评分的信任程度，1一A为买家对卖家网络信任评估结果的信任程度，最终得到网络交易下买家对卖家的网络信任评估模型：TrustValue=ACreditRating+(1一A)TrustEvaluation，A【0，1 (7)在上式中，CreditRating表示卖家的历史信用评分值，TrustEvaluation表示卖家网络信任的评估值。网络信任模型(7)表明，买家对卖家网络信任是初始信任和持续信任共同作用的结果。由于个体差异的存在，买家对卖家历史信用评分的初始信任的倾向A因人而异。A越

29、大，表明买家对卖家历史信用的信任程度越高，因而跟卖家交互行为中产生的持续信任的影响就越小；A越小，表明买家对卖家历史信用的信任程度越小，因而跟卖家的交互行为中产生的持续信任的影响就越大。2、基于网络信任评估的网络交易信用风险评估方法(1)网络交易信用风险的评估过程图2基于网络信任评估的网络交易信用风险评估架构如图2所示，图2显示了在C2C网络交易环境下，依据网络信任评估值和商品价格因素，构建基于网络信任评估的网络交易信用风险评估模型的基本思路(根据假设2)。(2)基于网络信任评估的网络交易信用风险评估模型设P(j)为J个评估时刻之后的商品价格，Pa(j-1)是_一1个评估时刻的历史平均交易价格

30、；T(j)是-评估时刻之后网络信任的评估值。本文在网络信任评估结果的基础上，根据假设2，嵌入商品价格波动的影响，构造基于网络信任评估的网络交易信用风险的计算模型如下所示：RiskValue= 器(1一半卜刨 TrustValue；1一一21其中，考若代表评估时段商品价格波动的影响，1 TrustValuei一代表评估时段内构成买家对卖家不信任 lU程度大小，代表买家的网络信任评估值归一化后(评语标尺设置的区间上限为10)的结果，根据公lU式(7)，TruatValuei是买家对卖家历史信用评分值的初始信任和与持续信任评估的综合评估结果。由假设2可知，网络交易的信用风险是商品价格和网络信任共同作

31、用的结果。如果不考虑商品价格的影响，即当J=1时，网络交易的信用风险主要受到买家对卖家不信任因素的影响，此时，网络交易下的信用风险TrustValue为RiskValue=1一_一。显然，网络信任评估值越大，代表不信任因素影响越小，网络交易信用风险产生lU的可能性就越低。当ljT时，需要同时考虑商品价格波动和不信任因素对网络交易下信用风险的共同影响。由于商品价格波动和买家的信任分别从客观和主观因素出发，彼此较为独立，因此，当买家的网络信任较为稳定时，如果商品价格的波动越大，则网络交易信用风险发生的可能性越大；当商品价格较为稳定时，如果网络信任万方数据第7期 赖辉，等：基于云模型的网络信任及网络

32、交易信用风险评估研究 231评估值越大(越小)，不信任因素的影响就越小(越大)，网络交易信用风险发生的可能性就越小(越大)。此时，网络交易的信用风险为R泓忆z驰=考若等(1TrustlV。aluej。示例分析1、基于云模型的网络信任评估(1)网络信任评估属性以下基于云模型的网络信任评估方法，选取淘宝网某商家最近3个月(由近及远按月分为评估时段3，评估时段2和评估时段1)的500条交易记录进行示例分析。根据假设1，网络信任评估的属性包括商品描述的相符度、卖家的服务态度、卖家的发货速度等3项，根据文献32的经验假设，属性的权重值依次为04，03，03。(2)网络信任的评估过程根据定性评估语言的定量

33、转化方法，可求得各个评估属性区间的分值，如表1所示。表1评估属性区间的分值假设3个评估时段的时效权重以丢等比率递减，处理500条交易数据利用改进的逆向网络信任云的生成方法，计算得到综合网络信任云化(53，1，04)；进一步，根据相似度的定义，计算得到综合网络信任云和标准网络信任云的相似度(如表2)。表2综合网络信任云和标准网络信任云的相似度如表2所示，由表2可知，综合网络信任云与低可信云相似度最高，所以该商家网络信任等级为低可信。这与该商家在淘宝网的信用等级2相符，由此，也验证了基于云模型的网络信任评估方法是有效的。根据信任云滴的分布，在低可信云及以上等级的云滴占总云滴的79，由定义6可得到网

34、络信任值Value=35+079(6535)=59。由于淘宝等级分为20个等级，为了计算方便，不妨假设每个等级以05区分，用归一化方法求出该商家(信用评分为35233)的信用评分值(CreditRating)为575，由此得到，该商家的网络信任评估值为TrustValue=575A+59-(1一A)，A【0，1】 (9)2、网络交易的信用风险评估根据上述方法，同理可计算评估时段1的网络信任评估值(TrustEvaluation。)为72，信用评分值(CreditRating，)为693，评估时段2的网络信任评估值(TrustEvaluation2)为64，信用评分值(CreditRatin92

35、)为621；通过每个时段的平均价格，可计算参法=。92，暑法=。83，由此，可计算出网络交易的信用风险值(RiskValue)(见表3)。表3 网络交易的信用风险评估值万方数据管理评论 第29卷如表3所示，网络交易的信用风险值随着网络信任评估值的升高而降低，随着商品价格波动的增大而增大，这与现实中淘宝商家的情况是基本相符。一般而言，买家对卖家的网络信任度越高，给卖家的各种评估就越好，卖家的信用等级就越高，相应网络交易的信用风险就越低。值得注意的是，如果卖家通过商品价格的变化，尤其是降价促销以提高交易量和交易额，容易发生信用欺骗行为。对于买家的网络信任倾向A而言，在单个评估时期内，网络交易的信用

36、风险显然随着A的增大而增大。这是因为买家对卖家历史信用评分的重视程度越大，买家对卖家的初始网络信任将由买家的信任倾向和卖家的信用评分决定。如果忽略了持续网络信任的重要性，卖家的信用炒作即可能导致网络交易的信用风险。值得一提的是，根据多个评估时段的评估结果可知，网络交易的信用风险和网络信任倾向之间并非简单的线性的关系，由此说明网络交易的信用风险受到了多种因素的综合影响，是初始网络信任和持续网络信任共同作用的结果。研究结论与管理启示1、研究结论与展望本文在阐述网络交易环境下网络信任和网络交易信用风险之间关系的基础上，从信任主体、信任客体及交互作用等三个方面分析了影响网络信任的主要因素；提出了基于改

37、进云模型的网络信任评估方法和基于网络信任评估的网络交易信用风险评估模型；并且以C2C网络交易模式为例，根据示例分析的结果分析，得到以下几个结论。结论一，以往的网络交易信任模型的研究往往集中于信任的静态评估，通过引入时间衰减因子和信任评估属性权重，使得信任评估属性具有一定的时效性，因而本文提出的改进的云模型实现了网络交易信任的动态评估。基于改进云模型设计的网络交易信任评价机制能有效的解决C2C网络交易情境下信任主体的信任评估问题，一方面利用云模型有效的解决了网络信任评估属性语言评价信息的随机性和模糊性问题，另一方面，动态的信任评估模型实现了信任主体的初始信任和持续信任的有效结合，得到的信任评估结

38、果对现实中的网络交易具有一定的解释性。结论二，通过建立网络交易信任评估与网络交易信用风险之间的量化模型，利用具体的示例结果分析表明，网络交易信用风险随着买家网络信任评估值的升高而降低，而随着商品价格波动的增大而增大；在单个评估时段内，对卖家信用评分的信任倾向越大，卖家的信用欺骗行为越容易加剧网络交易的信用风险；在不同评估时段内，网络交易的信用风险与网络信任倾向呈现非线性的复杂关系。这与现实中网络交易的情况是一致的，说明了本文提出的基于网络信任的网络交易信用风险评估模型的有效性。为了讨论方便，本文选取了网络信任影响因素容易挖掘、数据获取较为方便的C2C网络交易模式进行分析，对其他一些网络交易模式

39、(如B2B、B2C以及P2P等)本文没有进一步讨论。值得一提的是：虽然这些网络交易模式与C2C有一定的差异，但网络信任和网络交易信用风险的评估架构有诸多相似之处。将本文的研究结果推广到其他网络交易模式是一项非常有意思的工作。此外在进行网络信任评估时，所提取的网络信任影响因素仅考虑了几种常见的因素，设置网络信任评估属性权重和时间衰减因子时也仅仅采用了经验参数，没有深入讨论各种影响因素之间的交互作用以及对网络信任与网络交易信用风险的影响，这些不足之处也是本文下一步拟开展的研究。2、研究结论的管理启示作为一项网络交易方面的研究，本文通过具体的网络交易示例分析，表明了C2C情境中网络信任评估及通过网络

40、信任评估结果识别网络交易信用风险的重要意义和有效性。本文的研究结论为我国C2C网络交易的参与者(包括网络交易平台、买家及卖家)提供以下几个方面的管理启示和建议。第一，由于初始信任相对于持续信任更受重视，一般而言，买家对初始信任的信任倾向越大，网络交易行为越容易发生，但同时也容易受到卖家的信用欺诈；而买家的信任倾向因人而异，其主要受到自身理性认知、消费习惯和偏好等多方面的影响。因此，对作为网络交易信任主体的网络交易的买家而言，在网络交易过程中，应养成理性的消费认知和购买习惯，以避免由于错误的信任倾向导致网络交易失败；另一方面，买家应注意甄别卖家的历史信用信息(包括历史交易评价信息)和交易商品的属

41、性以及交易过程中与卖家的互动信息，以正确识别网络交易的信用风险，这样才能做出正确的信任评价。万方数据第7期 赖辉，等：基于云模型的网络信任及网络交易信用风险评估研究 233第二，网络交易平台作为网络交易的管理者，应对卖家的网络交易行为进行规范，提供强有力的信用保障，以提高买家的信任倾向和购买意愿，提高网络交易的成功率。这样不仅有助于提升网络交易平台的影响力，而且也有助于网络交易平台获取稳定的盈利保障。因此，网络交易平台应注意以下几个方面：首先，通过设计精美便捷的网站导航及开发安全支付的保障技术，提供便利性、拟人性、安全性的网络交易平台，以获取买家对交易平台的初始信任；其次，对网络交易平台的卖家

42、准人条件进行规范，通过形如收费的形式来提高交易平台的准入门槛；再次，设计合理的卖家信用评价体系(如淘宝网设计的商家信誉等级)，实时跟踪和披露卖家的信用信息，以规范卖家的日常交易行为；最后，对网络交易中因信用欺诈所产生的恶性网络交易行为及时地进行惩处，同时设置相应的卖家淘汰或者退出机制。第三，作为信任客体的网络交易卖家，应通过设计个性化、便捷的导购链接网页、提供真实的详细的商品介绍和说明以及3D在线商品服务体验，由此给予买家良好的初始信任并提高购买的意愿；为维持买家的持续信任，买家可以采用客服人员在线咨询、售后服务等措施，增进买家与卖家之间的和交流和交互，并客观地对待和处理买家的投诉与评价等问题

43、，避免因信用欺诈导致交易的失败。此外，卖家应根据市场和供需情况及时调整商品的销售价格，以提升交易的成功率。参考文献：1Mu FThe Effect of Reputation to the Moral Hazard in C2C EMarket with Game TheoryJAmerican Journal of Operations Re一27891011121314151617181920search，2015，5(5)：367-372Wang P，Zheng H，Chen D，et a1Exploring the Critical Factors Influencing Online

44、 Lending IntentionsJFinancial Innovation，2015，1(1)：8-19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，2015，27(12)：50-56常亚平，肖万福，阎俊C2C环境下服务质量对阶段信任的影响研究J管理学报，2014，11(8)：1215-1223Urbano J，Rocha AP，Oliveira EAn Approach to Computational Social TrustJAi Communications，2014，27(2)：113131Nasir SU，Kim THFast Trust Comput

45、ation in Online Social NetworksJIeice Transaction on Communications，2013，96(11)：2774-2783Yasirsiddiqui M，Gir AIntegration of Policy and Reputation based Trust Mechanisms in Ecommerce IndustryJInternationalJournal of Computer Applications，2015，1 10(8)：1519Joo JRoles of the BuyerS Trust in Seller in P

46、ostedPrice Model of，Consumer to Consumer EcommerceJJournal of Theoretical&Applied Electronic Commerce Research，2015，10(3)：3044Guo Y，Zhou W，Luo C，et a1Instancebased Credit Risk Assessment for Investment Decisions in P2P LendingJEuropeanJoumal of Operational Research，2015，249(2)：417-426陈冬宇，朱浩，郑海超风险、信任

47、和出借意愿基于拍拍贷注册用户的实证研究J管理评论，2014，26(1)：150-158“n J，Wang B，Wang N，et a1Understanding the Evolution of Consumer Trust in Mobile Commerce：A Longitudinal StudyJInformation Technology and Management，2014，15(1)：3749郭零兵，罗新星，朱明勋移动商务用户信任行为影响因素及建立路径J系统工程，2013，31(7)：120126Tao ZAn Empirical Examination ofInitial T

48、rust in Mobile PaymentJWireless Personal Communication，2014，77(2)：15191531顾忠伟，徐福缘，卫军可穿戴商务消费者初始信任影响因素的实证研究J管理评论，2015，27(7)：168176Jin BKAn Empirical Study on Consumer First Purchase Intention in Online Shopping：Integrating Initial Trust and TAMJElectronic Commerce Research，2012，12(2)：125150赵宏霞，王新海，周宝刚B2C网络购物中在线互动及临场感与消费者信任研究J管理评论，2015，27(2)：43-54马钦海，赵佳，张跃先C2C环境下顾客初始信任的影响机制研究：网上购物经验的调节作用J管理评论，2012，24(7)：7081陈冬宇基于社会认知理论的P2P网放贷交易信任研究J南开管理评论，2014，17(3)：40-48Chen D，Lai F，“n zA Tru