本发明涉及商品交易安全技术领域，具体涉及一种大宗商品交易中的信用管理方法及系统。
背景技术
目前，随着互联网的蓬勃发展，借助互联网进行电子交易已经成为必然。大宗商品动辄千万的交易额，具有交易金额大的特点，而且大宗商品数量大，通常快递公司无法完成物流使命，这些特点使得大宗商品电商和消费品电商等具有天然巨大差异，而且大宗商品电子交易市场越来越多地涉及到融资服务和产品，如何对其进行风险把控，信用评级是一关键指标，而且随着业务的发展及经营状况的变化，交易商的信用等级也会有所波动，因此，如何准确有效地对交易商进行信用评估，是界面亟待解决的一个重要问题。
技术实现要素：
本发明提供一种大宗商品交易中的信用管理方法及系统，简单、准确地实现对交易商进行信用评估，进而提高大宗商品交易的安全性及可靠性。
为此，本发明实施例提供如下技术方案：
一种大宗商品交易中的信用管理方法，所述方法包括：
获取交易商当前的线上交易数据及线下行业数据；
确定基于所述线上交易数据的各评价参数对象的取值、以及基于线下行业数据的各评价参数对象的取值；
根据所述各评价参数对象的取值及预先构建的信用评价模型，计算得到所述交易商的信用度。
优选地，构建信用评价模型包括：
确定信用评价影响因素；
根据所述信用评级影响因素确定信用评价模型拓扑结构，所述拓扑结构包括：目标参数节点、以及每个目标参数节点下的一个或多个基础参数节点，每个节点对应一个评价参数对象；所述目标参数节点包括：行业评价参数节点及市场评价参数节点；
收集大量线上交易数据及线下行业数据作为训练数据；
利用所述训练数据训练得到各节点的权重。
优选地，所述方法还包括：
预先构建与不同商品类别对应的信用评价模型；
确定交易商对应的商品类别；
所述根据所述各评价参数对象的取值及预先构建的信用评价模型，计算得到所述交易商的信用度包括：
根据所述各评价参数对象的取值及与所述商品类别对应的信用评价模型，计算得到所述交易商的信用度。
优选地，所述方法还包括：
预先建立信用度与信用等级的对应关系；
根据所述对应关系确定所述交易商的信用等级。
优选地，所述方法还包括：
在接收到所述交易商的新的线上交易数据和/或线下行业数据后，更新所述交易商的信用度及信用等级。
一种大宗商品交易中的信用管理系统，所述系统包括：
数据获取模块，用于获取交易商当前的线上交易数据及线下行业数据；
计算模块，用于确定基于所述线上交易数据的各评价参数对象的取值、以及基于线下行业数据的各评价参数对象的取值；
信用评价模块，用于根据所述各评价参数对象的取值及预先构建的信用评价模型，计算得到所述交易商的信用度。
优选地，所述系统还包括：模型构建模块，用于构建信用评价模型；所述模型构建模块具体包括：
因素确定单元，用于确定信用评价影响因素；
拓扑结构确定单元，用于根据所述信用评级影响因素确定信用评价模型拓扑结构，所述拓扑结构包括：目标参数节点、以及每个目标参数节点下的一个或多个基础参数节点，每个节点对应一个评价参数对象；所述目标参数节点包括：行业评价参数节点及市场评价参数节点
数据收集单元，用于收集大量线上交易数据及线下行业数据作为训练数据；
参数训练单元，用于利用所述训练数据训练得到各节点的权重。
优选地，所述模型构建模块，用于预先构建与不同商品类别对应的信用评价模型；
所述系统还包括：
类型确定模块，用于确定交易商对应的商品类别；
所述信用评价模块，具体用于根据所述各评价参数值及与所述商品类别对应的信用评价模型，计算得到所述交易商的信用度。
优选地，所述系统还包括：
设置模块，用于预先建立信用度与信用等级的对应关系；
信用等级确定模块，用于根据所述对应关系确定所述交易商的信用等级。
优选地，所述系统还包括：
更新模型，用于在接收到所述交易商的新的线上交易数据和/或线下行业数据后，更新所述交易商的信用度及信用等级。与现有技术相比，本发明具有以下优点：
本发明提供的大宗商品交易中的信用管理方法及系统，通过预先构建信用评价模型，根据交易商的线上交易数据及线下行业数据，计算基于所述线上交易数据的各评价参数值、以及基于线下行业数据的各评价参数对象的取值；利用这些评价参数对象的取值及所述信用评价模型，计算得到所述交易商的信用度。该方案采用模型的方式，不仅简单、方便，而且充分利用了交易商的动态交易数据，使计算得到的信用度更准确、可靠，更具实时性。进而可以为交易人员提供准确的信用参考，提高大宗商品交易的安全性及可靠性。
附图说明
图1是本发明大宗商品交易中的信用管理方法中构建信用评价模型的流程图；
图2是本发明大宗商品交易中的信用管理方法的一种流程图；
图3是本发明大宗商品交易中的信用管理方法的另一种流程图；
图4是本发明大宗商品交易中的信用管理系统的一种结构示意图；
图5是本发明大宗商品交易中的信用管理系统中模型构建模块的结构示意图；
图6是本发明大宗商品交易中的信用管理系统的另一种结构示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。
由于大宗商品交易金额大、商品数量大，其信用风险问题尤其突出，而且形成风险的原因众多，比如交易商品的价格突然暴涨或暴跌导致交易商弃仓，交收仓库管理不规范致使货物难以入库、货物质量与合约不符、运输瓶颈以及货款准备不足等问题，会使得交易商难以正常交收、交易对手违约而导致损失。为此，本发明实施例提供一种大宗商品交易中的信用管理方法及系统，通过预先构建信用评价模型，根据交易商的线上交易数据及线下行业数据，计算基于所述线上交易数据的各评价参数值、以及基于线下行业数据的各评价参数值；利用这些评价参数值及所述信用评价模型，计算得到所述交易商的信用度。
构建信用评价模型时，收集大量交易商的线上交易数据及线下行业数据作为训练数据，信用评价模型拓扑结构采用两层结构，根据信用评价影响因素确定各层节点对应的评价参数对象，采用层次分析法训练得到各节点的权重。
如图1所示，是本发明大宗商品交易中的信用管理方法中构建信用评价模型的流程图，包括以下步骤：
步骤101，确定信用评价影响因素。
信用评价影响因素有多种，比如，行业情况、企业的资产情况、运营情况、竞争能力、财务情况、市场活跃性等，而且针对不同的行业，其信用评价影响因素也会有所不同，对此本发明实施例不做限定。
步骤102，根据所述信用评级影响因素确定信用评价模型拓扑结构，所述拓扑结构包括：目标参数节点、以及每个目标参数节点下的一个或多个基础参数节点，每个节点对应一个评价参数对象；所述目标参数节点包括：行业评价参数节点及市场评价参数节点。
比如，在一个具体的信用评价模型拓扑结构中，所述行业评价参数节点下包括多个基础参数节点，分别对应以下评价参数对象：
1)行业景气度，行业整体的景气度高，则经营风险概率也就越低，反之，企业发生风险事件的可能性就会增大，影响企业的信用水平；
2)企业经营规模，通常情况下，企业规模越大，抵御风险的能力越强；
3)企业知名度，较高的知名度可以提升企业的信用能力；
4)企业发展速度，具体可以根据企业主营业务收入增长率、营业利润增长率来确定。
同样，所述市场评价参数节点下包括多个基础参数节点，分别对应以下评价参数对象：
1)运营能力，可以通过交易商的单日申报交收金额确定；
2)资金能力，可以通过可用资金、保证金以及是否需要追加保证金等来确定；
3)交易能力，可以通过手续费、成交额等来确定。
上述行业评价参数节点下的评价参数对象的取值可以根据线下行业数据来确定，上述市场评价参数节点下的评价参数对象的取值可以根据线上交易数据来确定。
需要说明的是，上述信用评价模型拓扑结构只是一个具体示例，在实际应用中，可以根据行业特点及市场交易行为的不同，进行适应性地调整，对此本发明实施例不做限定。
步骤103，收集大量线上交易数据及线下行业数据作为训练数据。
步骤104，利用所述训练数据训练得到各节点的权重。
由于交易商的交易数据具有真实性、实时性的特点，而且这些数据能够在一定程度上反映交易商的行为特征，因此充分利用这些真实数据，可以合理地各节点的权重。
在模型训练过程中，可以采用现有的层次分析法进行训练，在此不再详细描述。
基于上述信用评价模型，在对交易商进行信用评价时，可以采用图2所示流程，包括以下步骤：
步骤201，获取交易商当前的线上交易数据及线下行业数据。
所述当前的线上交易数据及线下行业数据是指当前一定时期(比如，一个月、或者三个月)内的相关数据。
步骤202，确定基于所述线上交易数据的各评价参数对象的取值、以及基于线下行业数据的各评价参数对象的取值。
具体可以根据各评价参数对象的定义，利用所述线上交易数据或线下行业数据计算得到。
步骤203，根据所述各评价参数对象的取值及预先构建的信用评价模型，计算得到所述交易商的信用度。
具体地，可以根据各评价参数对象的取值及其权重进行加权计算，得到对应的交易商的信用度。
本发明提供的大宗商品交易中的信用管理方法，通过预先构建信用评价模型，根据交易商的线上交易数据及线下行业数据，计算基于所述线上交易数据的各评价参数值、以及基于线下行业数据的各评价参数对象的取值；利用这些评价参数对象的取值及所述信用评价模型，计算得到相应交易商的信用度。该方案采用模型的方式，不仅简单、方便，而且充分利用了交易商的动态交易数据，使计算得到的信用度更准确、可靠，更具实时性。进而可以为交易人员提供准确的信用参考，提高大宗商品交易的安全性及可靠性。
需要说明的是，在实际应用中，基于不同商品各自的特点，可以分别构建与不同商品类别对应的信用评价模型。
相应地，在进行信用度评估时，需要首先确定交易商对应的商品类别，然后与所述商品类别对应的信用评价模型，利用该信用评价模型及各评价参数对象的取值，计算得到相应交易商的信用度。
如图3所示，是本发明大宗商品交易中的信用管理方法的另一种流程图，包括以下步骤：
步骤301，获取交易商当前的线上交易数据及线下行业数据。
所述当前的线上交易数据及线下行业数据是指当前一定时期(比如，一个月、或者三个月)内的相关数据。
步骤302，确定基于所述线上交易数据的各评价参数对象的取值、以及基于线下行业数据的各评价参数对象的取值。
具体可以根据各评价参数对象的定义，利用所述线上交易数据或线下行业数据计算得到。
步骤303，根据所述各评价参数对象的取值及预先构建的信用评价模型，计算得到所述交易商的信用度。
步骤304，根据预先建立的信用度与信用等级的对应关系确定所述交易商的信用等级。
进一步地，在进行商品交易时，还可以显示相应交易商的信用度和/或信用等级，以给交易双方进行参考。
另外，在接收到所述交易商的新的线上交易数据和/或线下行业数据后，更新所述交易商的信用度及信用等级，比如在线上交易数据累积一定数量后进行更新。当然，也可以定期更新。
进一步地，由于随着商品交易的不断进行，会产生大量新的线上交易数据，而且随着行业及社会的发展，线下行业数据也会发生变化，基于历史数据构建的信用评价模型中的参数已不再适应对交易商的信用度进行准确评估，为此，在本发明方法另一实施例中，还可以收集当前一定时间段(比如一周)内的历史数据对所述信用评价模型的参数进行更新，或者收集当前一定量的历史数据对所述信用评价模型的参数进行更新，以保证利用该模型计算得到的信用度更加准确。
相应地，本发明还提供一种大宗商品交易中的信用管理系统，如图4所示，是该系统的一种结构示意图。
在该实施例中，所述系统包括以下各模块：
数据获取模块401，用于获取交易商当前的线上交易数据及线下行业数据；
计算模块402，用于确定基于所述线上交易数据的各评价参数对象的取值、以及基于线下行业数据的各评价参数对象的取值；
信用评价模块403，用于根据所述各评价参数对象的取值及预先构建的信用评价模型400，计算得到所述交易商的信用度。
所述信用评价模型400可以由相应的模型构建模块(未图示)来建立，所述模型构建模块可以作为本发明系统的一部分，也可以独立于该系统，对此本发明实施例不做限定。
如图5所示，是本发明大宗商品交易中的信用管理系统中模型构建模块的结构示意图，其包括：
因素确定单元51，用于确定信用评价影响因素；
拓扑结构确定单元52，用于根据所述信用评级影响因素确定信用评价模型拓扑结构，所述拓扑结构包括：目标参数节点、以及每个目标参数节点下的一个或多个基础参数节点，每个节点对应一个评价参数对象；所述目标参数节点包括：行业评价参数节点及市场评价参数节点
数据收集单元53，用于收集大量线上交易数据及线下行业数据作为训练数据；
参数训练单元54，用于利用所述训练数据训练得到各节点的权重。
需要说明的是，在实际应用中，所述模型构建模块可以基于不同商品各自的特点，分别构建与不同商品类别对应的信用评价模型。
相应地，在所述系统中还需要包括：类型确定模块(未图示)，用于确定交易商对应的商品类别。所述信用评价模块403具体可以根据所述各评价参数值及与所述商品类别对应的信用评价模型，计算得到所述交易商的信用度。
本发明提供的大宗商品交易中的信用管理系统，通过预先构建信用评价模型，根据交易商的线上交易数据及线下行业数据，计算基于所述线上交易数据的各评价参数值、以及基于线下行业数据的各评价参数对象的取值；利用这些评价参数对象的取值及所述信用评价模型，计算得到相应交易商的信用度。该方案采用模型的方式，不仅简单、方便，而且充分利用了交易商的动态交易数据，使计算得到的信用度更准确、可靠，更具实时性。进而可以为交易人员提供准确的信用参考，提高大宗商品交易的安全性及可靠性。
如图6所示，是本发明大宗商品交易中的信用管理系统的另一种结构示意图。
与图4所示实施例的区别在于，在该实施例中，所述系统还包括：
设置模块404，用于预先建立信用度与信用等级的对应关系；
信用等级确定模块405，用于根据所述对应关系确定所述交易商的信用等级。
进一步地，在本发明系统另一实施例中，还可包括：显示模块(未图示)，用于显示相应交易商的信用度和/或信用等级，以给交易双方进行参考。
另外，在本发明系统另一实施例中，在接收到所述交易商的新的线上交易数据和/或线下行业数据后，信用评价模块403还可更新所述交易商的信用度及信用等级，比如在线上交易数据累积一定数量后进行更新。当然，也可以定期更新。
进一步地，由于随着商品交易的不断进行，会产生大量新的线上交易数据，而且随着行业及社会的发展，线下行业数据也会发生变化，基于历史数据构建的信用评价模型中的参数已不再适应对交易商的信用度进行准确评估，为此，在本发明方法另一实施例中，还可以包括模型更新模块(未图示)，用于利用收集的当前一定时间段(比如一周)内的历史数据对所述信用评价模型的参数进行更新，或者利用收集的当前一定量的历史数据对所述信用评价模型的参数进行更新，以保证利用该模型计算得到的信用度更加准确。
本发明虽然以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以做出可能的变动和修改，因此本发明的保护范围应当以本发明权利要求所界定的范围为准。