孙剑明 陈晓菲 李京

内容提要：随着我国农村电子商务农贸市场规模的迅速扩大，市场主体的信用问题日益突出，已成为农产品质量安全的关键风险点和农村电子商务可持续发展的主要制约因素。考虑农村电商环境下农副产品为交易主体的基本特征，本文利用改进的Sporas信用评价模型，缩短信用再反馈周期，最大限度保持信用评价不失真。通过对信用评价成效、抗虚假反馈信息攻击以及交易量权重判定等变量的比较分析，发现改进的Sporas模型对提交不同质量在线评论用户的信用价值具有很好的区分能力，比原模型具有更强的虚假评论过滤效果，更加准确地反映了信用评估的本质规律。

关键词：区块链;农村电商;信用体系;效果评价

中图分类号：F7192;F7246文献标识码：A文章编号：1001-148X（2021）02-0074-06

收稿日期：2020-09-29

作者简介：孙剑明（1980-），男，山东黄县人，哈尔滨商业大学计算机与信息工程学院教授，工学博士，研究方向：区块链技术、农村电商;陈晓菲（1982-），女，本文通讯作者，哈尔滨人，哈尔滨商业大学经济学院博士研究生，研究方向：产业经济理论与政策研究;李京（1981-），女，哈尔滨人，哈尔滨商业大学管理学院副研究馆员，研究方向：知识经济、知识自由。

基金项目：黑龙江省哲学社会科学研究规划项目，项目编号：18GLB029。

在2035年远景目标中我国提出大力发展数字经济，电子商务作为数字经济中的重要交易平台将成为推动数字经济发展的重要力量[1]。与此同时，远景目标中指出优先发展农业农村，全面推进乡村振兴，电子商务平台将在促进乡村发展、实现乡村产业现代化以及促进农民的脱贫致富等方面提供有力支撑。尤其在《中共中央国务院关于全面推进乡村振兴加快农业农村现代化的意见》中央一号文件中[2]，指出电子商务将成为促进农村经济发展及农业消费重要手段。据统计，2018年农村地区通过电商渠道销售的农副产品已达137万亿元人民币，同比增长304%;其中农产品零售额为2305亿元，同比增长338%。农村电商将原本信息不畅的农村市场双向打通，开辟出农副产品上行、非农消费品下行的新通道，使农民从生产者转变为经营者和消费者[3]，有助于越来越多的农民脱贫致富。

农村电商的健康发展需要信用制度作为保障，信用制度是市场运行的规范之一，信用体系越健全市场运行效率越高。与企业信用体系不同，农户信用体系兼有个人和小微企业的双重属性[4]。一方面蓬勃发展的农村电商市场信用体系阻碍其高效有序发展，如农产品质量良莠不齐，交易过程虚假售价，评价反馈不实失效等[5];另一方面涉农金融信贷信用风险等级评价体系薄弱，这些都凸显出电子商务市场下农户信用体系建立的紧迫性[4]。如何借助互联网构建可靠公信的信用体系成为学者们密切关注的问题。作为一种去中心化的技术方法，区块链具有不可更改以及公开透明的技术特征，从一个极端的视角来看在一个互不信任的市场环境里，可以通过区块链共识算法建立信用基础[6]，同时区块链技术中的不可篡改及可追溯性质可不断完善和延长信用系统广度和深度，从而保证农户农产品通过互联网精准授信用以搭建农村电商农户信用体系[7]。

一、文献回顾

（一）信用与信任

从社会学角度解释信用，其是多元主体（两个以上）之间为达成某些生活需要，基于诚实守信的个人承诺与履行约定相结合的期望与能力。《资本论》中，马克思在把信用定义为价值运动的特殊形式。杜佳将信用分为三个层次：第一层次为基本道德准则，是社会交往中诚实守信的行为标准;第二层为从事生产经营活动的规范要求，是一种价值运动形式，通过本金偿还和补偿利息进行单向价值传输;第三层为法律约束层面，通过法律惩戒手段对行为人进行诚信约束[8]。尤其在现代社会中，诚信是当代经济活动的基础，缺失的信用体系将会导致一切交易无法达成[9]。信用既是社会生活的行为标准，又是经济生活的运行准则[10]。对于信用概念可以结合人性基本假设，从时间、空间两个维度展开[11]。以信贷为例包含资金的跨期交换和主体之间空间隔离，其交易是否成功则完全依赖于信用，当然这样的信用基础要以人性基本假设作为前提。

（二）区块链技术研究

区块链技术具有的不可更改、去中心化以及共识性等特性，将会通过互联网驱动社会信用体系快速形成，这将会对人们的生产生活产生巨大的影响，因此将其当做新信用时代的关键技术。区块链技术其实是一种集散列算法、时间戳、共识机制、智能合约等算法为一体的存储过程，将区块链技术应用到信用构建系统中，将可确保信息的广义公开、全链可追溯和非授权不可更改，在互联网间构建起信用之网。通过这个区块链信用系统买卖双方互不相识的情况下，不使用第三方信用担保，仅依靠区块链技术就可建立信用關系。这种信用关系可以产生以下三种机制。

第一，安全的线上交易环境。区块链是一个技术体系，集成了分布式记账、动态加密、共识机制、智能合约等，其可以为线上交易者提供可靠的交易环境。首先，区块链通过网络技术实现点对点的数字记账系统，参与者将协议一致的记账信息以点对点方式通过网络广播手段同步到采用分布式存储的区块链中，区块链中的每一个分布式存储节点均将同步记录交易过程，一共同记录方式行使监督权力，达到去中心化效果。其次通过分布式方式实现多方记账，处于区块链中的不同节点同步记录交易过程，链中各节点记录权限平等一致。再次为共识机制。由于区块链是由众多对等节点构成，在去中心化的环境下，利用工作量证明、股权证明机制、授权股权证明机制等不同的共识机制，由于共识的达成可不需要使用第三方机构进行担保就可以达成交易。最后为非对称加密、散列函数等加密技术。广义上看，在区块链上所记录的相关交易信息是公开的，但是同时为了确保隐私性涉密信息是通过加密技术隐藏起来的，如用户身份信息、交易内容信息等，在获得授权后查看者通过密钥解密后方可查询。区块链在点对点信息交互、分布式数据存储、共识机制、加密算法等多种技术的支持下，通过在链参与者监督，安全的线上交易环境，无须第三方进行背书情况下，可以确保整个交易过程信息记录准确，交易记录可追溯查询并确保任何人无法对已形成的记录进行篡改。

区块链之所以能够确保所记录的交易信息准确、公正、可追溯查询，是因为其使用了时间戳、Merkle树和分布式验证等技术手段。首先是时间戳。区块链是由多个区块连接而成的单向链结构，当每一个新的区块产生时，都会按区块产生时间的先后顺序，对其进行时间戳记并连接，形成一个链式区块。每一个链式区块中根据建立时间不同写入不同的时间戳进行以时间为序的链式排列，用以保障交易信息的完全可追溯性;其次是分布式校验，区块链中的分布式节点能根据智能合约中预先写入的交易信息规则和前序交易过程，验证交易信息的有效性和真实性。再次是Merkle树验证技术，采用Merkle二叉树结构存储的交易信息，可以大大减小巨量交易信息验证任务所耗费的时间，使用Merkle树来可以快速验证区块链中交易信息的真实性。

社会信用的维持需要通过惩戒约束违约者得以实现，以此来保证社会的高效运行。传统的社会信用借助制度性惩戒或社会性声誉降低约束违约者，而区块链则使用显示存在的智能合约技术进行确定性行为约束已消除违约现象的发生。区块链中，交易双方将权利义务等承诺写入区块链中，构造出智能合约。智能合约根据预设触发条件自动运行。这个过程不需要人工干预，也无法进行干预，因此也就避免了违约行为的发生。

区块链的智能合约技术是基于数学算法系统信用技术。这种技术的优点主要体现在以下三个方面：其一，去中心化的分散存储集体维护的数字信用环境，无须依靠第三方的信用担保;其二，通过一套较为复杂秘钥算法系统确保交割信息无法被破解并篡改，提高交易信息真实性与可靠性;其三，智能合约是对双方行为的约束，这将确保交易的公平性和交易的确定性。

第二，作用机制不同。区块链中的系统信用是通过一系列的技术手段构建可信的数据系统，通过分布式存储记录、共识机制和智能合约为交易提供保障。而传统的社会信用为依赖于中心化的“主体信用”，即依靠公认的主体指标评价系统和交和市场表现展示自身的信用度，或由第三方中介机构（如银行、政府、第三方信用评级机构等）为交易主体提供信用保障。

第三，约束机制不同。区块链中的系统信用借助智能合约，使合约的交易按照预设时间自动执行，一旦执行将不受外界影响，也不会根据被篡改。而传统的社会信用借助制度性惩戒或社会性声誉降低来约束违约者。

二、构建信用评价模型

在农村电子商务交易中，若仍然采用传统的信用模式将会导致线上交易无法公平执行，这是因为传统信用模式是建立在现场面对面交易的基础上，而线上交易无法形成区域内信用自持的群体约束效应，通过无约束的线上评价也无法避免虚假及滥用评价规则的现象发生，为了保证农村电商的健康有序发展需要构建一个互相约束的信用评价机制。

目前在线交易的评价有累加模型和权值模型两种。累加模型累计多次评价信用给出信用分值，如式（1）所示：

Cn=Cn-1+cn，cn∈-1，0，1（1）

其中，Cn，Cn-1分别为在完成交易第n次后和第n-1次后的所具有的信用分值;cn表示第n次交易结束后若用户的信用评价为负面，则在现有信用分值的基础上进行减1操作;信用评价为一般时，维持信用分值现有水平;只有在获得好评时，信用分值才进行加1操作。

该模型将评价简单的分成三个层次即优、中、劣，其优点是直观简洁的呈现每名用户的信用情况，缺点是无法防止投机性小额高频次増刷信用。因此权值模型可以避免此种情况发生，其是将单次交易的金额与获得信用分值联系起来，利用交易金额与信用分值的乘积之和进行评价如式（2）所示：

其中，Cn表示第n次交易结束后所积累的信用分值;ci表示第i次交易后交易方给予的评价分值;wi表示第i次交易的金额权重。该模型通过设置交易金额作为筛选条件可在一定程度上减少部分频刷信用问题，但仍无法完全避免虚假信用的制造。主要的产生原因为在电子商务领域，对于用户的实名制约束及信用准入没有完全展开，尤其是农村电子商务的经营者产品价值和交易金额普遍不高，评价模型易受影响。

Zacharia[12]等在信用值累加模型之上继续优化，并提出Sporas信用值模型。Sporas信用值模型如式（3）所示：

其中，Ci表示当次（第i次）交易后的所获信用值;θ为阻尼函数ΦCi-1的光滑参数，因此该参数应为大于1的正整数;Rotheri为当前交易后获得信用值;Wi为评价人评价的分值;Ei是Wi的期望值;σ是阻尼函数的调速系数;D是可取得信用值的理論最大值。该模型虽然将最近一次交易获得的累计到原有信用值中，但仍然缺少交易金额作为变量参与信用评价，因此提出改进的Sporas信用评价模型，改进后的模型针对的是农村电商环境下以农副产品为主体的特性，在原Sporas模型的基础上缩短信用再反馈周期，即引入产品质量惩戒权重参数，同时增加农产品品控差异调节参数，最大限度保持信用评价不失真，具体模型如下所示：

其中，Ctu为经过第t次交易后的该使用者的信用值;Ct-1u为经过第t次交易前一次该使用者的信用值;θ调节系数，取值非负;ΦCt-1u防止信用值变化剧烈，D信用值上限;σ信用值增速调节英语;Vx，u交易方x给出u的信用值;Et为交易方x给出u的信用值的期望;Ct-1x交易方x的信用值;信用评价评估系数;px，u交易金额调节系数;kl_divergence当次评价后KL散度值，Vali评价效用系数。

在电子商务的线上交易时，交易金额的大小与信用程度密切相关，在进行交易金额较大交易时，卖方通常需要积累较高的信用值和口碑才能取得买方的信任从而完成交易，因此当买方给出评价时将会对与该金额相当或低于其金额的交易具有参考价值，因此，在进行信用值赋予过程中将交易金额纳入，交易双方交易金额越大信用变化幅度越大。

三、模型评估策略

通过分析可以将信用体系中带判别的两类用户分为诚实守信和失信背约两类。可以认为诚实守信者在交易进行后给出的评价均为可以采信的，而失信背约者在交易后并非可以全部采信，是存在一定的概率虚假分值。因此，反馈评分的信用评估模型中将会产生失信背约者对诚实守信者，因相互竞争关系刻意给出差评的现象发生，同时失信背约者之间也会出现互评高分现象发生，这两种情况可以称为信用分值诋毁和信用分值共谋。

信用值误差（CreditValueError，CVE）表示通过算法模型计算出的信用值与真实用户的信用值之间的差异，因此可以看出CVE越小，代表模型算法计算值与用户真实值差异越小，该算法模型反馈的信用值越真实，从另一个方面可以说明该模型对于恶意评价的过滤筛选能力较强。CVE的计算公式如（7）所示。

CVE=∑Ui=1[rt（i）-pt（i）]2U（7）

其中，U参与信用评价者全体;pti为用户i在经过第t次交易时遵守诚信交易规则的概率。若当前用户i是诚实守信者，其交易过程可以认为是完全诚信的交易过程，诚信交易概率为1即pti=1;若当前用户i是失信背约者，其每个交易过程应存在不诚信交易的概率，因此pti=1-q，q为失信背约者实行非诚信交易的概率。

四、改进效果对比

（一）信用评估参数设置

各项参数设置如表1所示。

（二）实证数据分析

本文数据主要选取了2018年-2019年共8个季度的农村电商农户信用相关数据，通过网络爬虫爬取了淘宝、京东、天猫等电商平台的5000户农产品电商的在线评价数据，统计过程中陆续有用户退出市场，截止后共计得到完整数据4598份，其中，信用等级分为五个级别，分别为A：优秀、B：良好、C：中等、D：一般、E：较差，经过信用值计算及分析，我们发现，绝大部分商家信用值集中在中等及良好级别，优秀和较差级别的商家比例很小，随着交易的累计运行，商家群体的构成呈现各级别不同的变化趋势：优秀和良好的商家比例逐渐增加，一般和较差的商家比例逐渐减少，中等商家比例有所波动，但总体上也呈下降趋势，与市场中优胜劣汰的竞争规则相一致。具体计算样本的信用值面板数据如表2所示。

（三）信用评估效果对比

根据样本信用值的面板数据，拟合原Sporas模型和改进的Sporas模型评估用户的信用值的变化曲线如图1所示。各个曲线代表不同行为的用户在改进的Sporas模型框架下信用值变化情况：其中，曲线y1、y2、y3、y4分别代表用户提交了“0次”、“1次”、“2次”、“3次”的“不合格”评论的情况下的信用值变化，而y5表示原有Sporas模型评估的用户的信用值变化曲线。

图1信用值增长曲线

从图中可以观察到，交易者失信行为的增加导致其信用值降低，同时该模型具有趋势惯性性质，即便其行为良性改变其信用值增长速度也会减慢。若将信用值增长至原有水平，也将花费更的长时间积累弥补。守信行为交易者和失信行为交易者信用值的差异将十分凸显。从曲线y2、y3、y4和曲线y5的对比来看，原始的Sporas模型进行的信用评价较为单一，而改进的Sporas模型的信用评价过程更加丰富，改进的sporas模型对于提交诚信评论和失信评论的交易者信用值具有良好的区分度。

（四）过滤虚假评价能力比较

信用系统中如果出现恶意虚假评价行为，即使真实交易过程公平良序，但评价者仍然违背公正评价原则给予交易对象极低的信用评价分值。当信用系统中失信用户占比m取不同的值时，分别对Sporas模型与改进的Sporas模型的CVE进行比较，比较效果如图2所示。

如图2所示，随着信用系统中失信用户占比提高，传统的sporas模型的CVE呈现下降趋势，改进的Sporas模型的CVE则呈现出明显的上升趋势。图中显示交易信用系统中失信用户的比率低于06时，改进的信用计算误差比Sporas模型的要小;当不守信用户比率继续升高到06时，改进的Sporas模型计算误差则出现拐点其值要高于传统Sporas模型。因此改进的Sporas模型将会在失信用户比率达到06时开启加速惩罚因子，这将大大增加模型的过滤虚假评价的能力。

信用系统中若有共谋虚假评价行为，即失信用户之间违背真实的交易过程相互给予极高的信用分值，同时恶意给予诚信用户极低的信用分值。失信用户所在比例m值变化时，分别对Sporas模型与改进的Sporas模型的CVE进行比较，比较效果如图3所示。随着信用系统中失信用户占比提高，传统Sporas模型的信任误差随着失信者比率升高信用误差先升后降，改进的Sporas模型则随着失信占比率升高信用误差增加趋势不变幅度略有变化，但即使失信者占比为100%，改进的Sporas模型信任误差仍低于传统sporas。这表明改进后的Sporas模型共谋虚假的能力要优于Sporas模型。

（五）交易金额权重影响对比

交易金额权重的影响如图4所示，可以看出，交易金额的大小与信用程度密切相关，当交易金额参数p（x，u）取值变化时，改进的Sporas模型的信任值随之变化：在进行交易金额较大交易时，卖方通常需要积累较高的信用值和口碑才能取得买方的信任从而完成交易，因此当买方给出评价时将会对与该金额相当或低于其金额的交易具有参考价值。这表明改进后的Sporas模型更加准确地反映了信用评估的本质规律。

五、优化信用评估体系的建议

根据改进后的Sporas模型的量化分析结果，可以从如下几个方面对于信用评估体系进行优化，首先强化评价信息区分机制根据用户评价信息对比区分，明确用户属性，对于“非诚信”用户的信用等级变化及时反馈，对于恶意评价等行为进行甄别筛选，及时体现在信用等级变化方面;其次，细化产品品质影响因子结合农产品电商平台的特点，发挥产品品质影响因子的作用，使得影响效果及时体现在信用等级评估的变化方面，促进用户重视产品品质对于信用等级的影响，保障平台健康发展。调整交易额影响的权重根据用户交易额确定用户评价的影响权重，保护诚信用户的权益和影响力，杜绝以小交易额、大交易量来影响信用等级评价的客观性的行为的发生，使得信用体系真正成为科学度量用户诚信的明确指标。

参考文献：

[1]孔令英，李媛彤.互联网背景下农村共享经济商业模式研究——基于多案例分析[J].农业经济，2019（12）：123-124.

[2]中国共产党中央委员会.中共中央国务院关于全面推进乡村振兴加快农业农村现代化的意见[EB/OL].[2021-1-04].http：//www.moa.gov.cn/xw/zwdt/202102/t20210221_6361863.htm.

[3]彭超，刘合光.“十四五”时期的农业农村现代化：形势、问题与对策[J].改革，2020（2）：20-29.

[4]邹建国，李明贤.农业供应链金融视角的农户信用增进研究[J].财经理论与实践，2019（6）：32-38.

[5]祝国平，郭连强.农村金融改革的关键问题、深层原因与战略重点[J].江汉论坛，2018（6）：46-54.

[6]严振亚.基于区块链技术的P2P信贷创新应用[J].技术经济与管理研究，2019（10）：89-94.

[7]贺海武，延安，陈泽华.基于区块链的智能合约技术与应用综述[J].计算机研究与发展，2018，55（11）：2452-2466.

[8]杜佳.货币金融学[M].北京：清华大学出版社，北京交通大学出版社，2010.

[9]袁勇，王飞跃.区块链技术发展现状与展望[J].自动化学报，2016，42（4）：481-494.

[10]孙悦津，董德利.合作行为、集体行动逻辑与农村经济组织分析[J].安徽行政学院学报，2016，7（6）：69-75.

[11]蔡一博.智能合約与私法体系契合问题研究[J].东方法学，2019，68（2）：68-81.

[12]ZachariaG，MoukasA，MaeSP.Collabora-tiveRepuationMechanismsforElectronicMarket-places[J].DecisionSupportSystems，2000，29：371-388.

（责任编辑：郑州）