论文部分内容阅读
09年西方经济危机爆发后,我国的中小企业融资难得问题日益加剧。由于商业银行出于贷款成本的考虑,很难满足中小企业短、快、频的贷款需求,这就需要一种有效的金融机制来弥补原有银行贷款模式的不足。其中一种有效的金融机制就是将银行信贷应用于电子商务,和互联网企业结合成为互联网信贷。随着云计算和数据库技术的不断成熟,电子商务公司拥有海量的交易数据、评价数据,可以使用数据挖掘技术找出电子商务信贷业务信用风险的影响因素,实现贷款工业化的流程。 本文通过研究传统商业银行的信贷业务方式和当前电子商务中存在的信用问题和评价模型的不足之处。使用企业财务因素指标与企业静态信用因素指标结合方式相结合的方式分析了电子商务环境下的信用风险评估指标的选择。电子商务平台分析借贷企业财务指标,是对企业在电子商务平台中经营业绩的考核;考虑企业静态信用因素,则是对企业行业发展前景预测,将企业静态信用因素指标与财务因素指标同时纳入评价模型,综合计算企业的信用,为电商平台发放贷款提供定量的依据。 在企业贷款信用评估分析中,有大量的模糊数据和不确定性因素,电子商务平台不容易确定借款企业的信用度,本文在分析阿里巴巴违约贷款回收的数据基础之上,结合数据挖掘技术从实际出发,定量的描述了影响卖家信用因素指标的权重,再利用模糊综合评价方法,提出基于数据挖掘下的电子商务信用评价模型,希望通过对电子商务信用评价指标的量化,来为电子商务平台给企业卖家贷款时提供信用参考,使之做出合理的选择,降低电子商务网络信贷的风险。