夏軼群 蘇洪銳

【摘要】在分析知識產(chǎn)權云交易系統(tǒng)信用風險結構和風險因素的基礎上，解析知識產(chǎn)權云交易系統(tǒng)信任機制中主體結構及相關關系，構建知識產(chǎn)權云交易信用風險傳播過程模型，探索知識產(chǎn)權云交易信用風險的傳播路徑以及參數(shù)敏感性。結果表明：第三方機構在系統(tǒng)中的干涉作用可使得遭受風險的產(chǎn)權權利方數(shù)量減少，解除風險的產(chǎn)權權利方數(shù)量增多;第三方機構降低法律風險力度系數(shù)或降低擔保風險力度系數(shù)的增加，可使得遭受風險的產(chǎn)權權利方數(shù)量減少。因此，第三方機構應該努力完善自身建設、加強信息公開、做好知識產(chǎn)權知識的宣傳和引導工作。

【關鍵詞】知識產(chǎn)權;云交易;信用風險;風險傳染;SIRS模型

【中圖分類號】F204? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2020）07-0141-7

一、引言

隨著物聯(lián)網(wǎng)、云技術的快速發(fā)展，大數(shù)據(jù)時代已經(jīng)到來，大數(shù)據(jù)研究逐漸成為科技、經(jīng)濟、社會等各領域關注的焦點，諸多國家已經(jīng)將大數(shù)據(jù)研究上升到國家戰(zhàn)略層面。2016年大數(shù)據(jù)產(chǎn)業(yè)進入成熟期，不但自身已發(fā)展成為規(guī)模龐大的新興產(chǎn)業(yè)，并且有望在“十三五”期間帶動市場規(guī)模達萬億之巨的互聯(lián)網(wǎng)服務業(yè)轉(zhuǎn)型。此外，我國提出了“數(shù)據(jù)強國、數(shù)據(jù)興國”的國家大數(shù)據(jù)戰(zhàn)略，以及國家大數(shù)據(jù)信息資源“云”思路。在這樣的背景下，知識產(chǎn)權交易的發(fā)展模式正朝著“云共享”的方向發(fā)展，基于云共享服務模式，必然衍生出“云交易”這種新型的知識產(chǎn)權融資模式。

知識產(chǎn)權云交易（主要包括技術專利、軟件版權等）是一種基于互聯(lián)網(wǎng)邏輯和大數(shù)據(jù)思維，整合分散的知識、技術、人力、知識產(chǎn)權融資服務、知識產(chǎn)權戰(zhàn)略管理服務、知識產(chǎn)權法律服務等資源，實現(xiàn)技術知識鏈的自適應生長，促進個人和組織技術創(chuàng)新能力提升，用戶在共享技術專利和軟件版權的同時，兼顧技術知識產(chǎn)權排他性利益保護和整體性社會公共福利提升的整合性知識產(chǎn)權生態(tài)系統(tǒng)服務模式。在知識產(chǎn)權云交易生態(tài)系統(tǒng)中，多方利益主體呈現(xiàn)出新的關系，交易信用也呈現(xiàn)出新的特征，因此針對其信用風險和信任機制的研究是必要且重要的。

二、現(xiàn)有研究綜述

在大數(shù)據(jù)背景下，傳統(tǒng)知識產(chǎn)權融資模式正面臨知識產(chǎn)權云交易模式的挑戰(zhàn)，前者存在的交易效率低、信息滯后等問題正阻礙其發(fā)展，而后者促使知識、技術、資本、服務等以互聯(lián)網(wǎng)連接和共享為基礎的新方式發(fā)生新的關聯(lián)，并且以更低的成本迅速催生新技術、新產(chǎn)品、新創(chuàng)意[1] 。大數(shù)據(jù)背景下的云交易模式雖然有助于迅速整合分散的知識、技術、人力，但也更容易引發(fā)破壞交易規(guī)則及惡意使用的行為[2] 。

從風險事件角度來看，Hsu等[3] 指出信息采集、信息搜索、信息交互邏輯是構建云交易平臺的重要基礎。Boiko和Shendryk[4] 提供了一種“危險群體識別”的信息安全解決方案。復雜信息系統(tǒng)安全事件存在一個系統(tǒng)演化過程，Zhang等[5] 對這一過程的運行機理進行了研究，建立了風險感知、風險視角、風險響應、風險通信四大狀態(tài)變量的原因樹模型。Xin等[6] 基于一種虛擬拓撲重構的信息安全事件演化機制，研究系統(tǒng)超負荷的自適應性機理，并應用Rollout啟發(fā)式優(yōu)化算法提高解決方案的質(zhì)量。恰當?shù)臄?shù)據(jù)分析與處理方法能提高實時數(shù)據(jù)和歷史數(shù)據(jù)的價值，有利于知識的擴散，但數(shù)據(jù)采集、聚合、融合和集成等中間處理步驟可能會帶來大量的隱私泄露、信息惡意使用、系統(tǒng)負載超額等安全風險[7] 。一些安全系統(tǒng)利用增加執(zhí)行冗余功能來保證系統(tǒng)安全，但效果并不理想[8] 。Barton等[9] 、曹萍等[10] 指出，系統(tǒng)信息安全事件管理是技術知識產(chǎn)權云共享面臨的重要運營風險之一， 會影響信息的價值評估，從而影響其交易價格。

從風險傳染角度來看，劉志雄[11] 基于利益相關者理論，深入探討了社會資本對信用風險的傳染和抑制作用。劉兢軼等[12] 通過建立供應鏈金融模式下中小企業(yè)信用風險評價指標體系，驗證了中小企業(yè)的盈利能力、償債能力及核心企業(yè)信用水平會顯著影響其信用風險評級。趙志明等[13] 考慮信息滯后和信息不對稱兩種情況，應用風險中性定價原理和最優(yōu)停時理論，研究了信任風險遺留問題。

當前，針對大數(shù)據(jù)下知識產(chǎn)權云交易的信用風險傳染、風險事件演化、風險因素相關關系等問題的研究亟待進一步的深入。因此，本文在分析知識產(chǎn)權云交易系統(tǒng)信用風險結構和風險因素的基礎上，解析知識產(chǎn)權云交易系統(tǒng)中主體構成及其相互作用關系，并探討知識產(chǎn)權云交易信用風險的傳染路徑以及信任機制的優(yōu)化。

三、知識產(chǎn)權云交易系統(tǒng)參與主體及信用風險要素

1. 系統(tǒng)參與主體。知識產(chǎn)權云交易系統(tǒng)參與主體主要有以下四方：一是產(chǎn)權權利方，其通過互聯(lián)網(wǎng)發(fā)布融資信息，并接收產(chǎn)權需求方發(fā)布的投資信息。二是產(chǎn)權需求方，其通過互聯(lián)網(wǎng)發(fā)布投資信息，并接收產(chǎn)權權利方發(fā)布的融資信息。三是大數(shù)據(jù)下的互聯(lián)網(wǎng)，互聯(lián)網(wǎng)通過匹配系統(tǒng)內(nèi)已有的信息，使產(chǎn)權權利方和產(chǎn)權需求方在信任彼此的情況下進行投融資交易。四是第三方機構，包括擔保機構、評估機構、大數(shù)據(jù)平臺服務機構和金融機構，對于任何一項交易，產(chǎn)權需求方是手持資金的謹慎自然人，其必定是經(jīng)過一定的核查后才判斷是否進行投資的，而在知識產(chǎn)權融資的核查中需要第三方機構的支持。知識產(chǎn)權云交易系統(tǒng)主體結構如圖1所示。

2. 系統(tǒng)信用風險的來源及主要風險要素。系統(tǒng)信用風險主要來自以下兩個方面：一是大數(shù)據(jù)下的互聯(lián)網(wǎng)、產(chǎn)權權利方、產(chǎn)權需求方之間的信息不對稱;二是第三方機構的平臺化服務效率風險。后者的風險結果導向會加劇前者風險的嚴重程度。

由圖1可知，知識產(chǎn)權云交易信用風險有兩個主要關聯(lián)體系：一是信息對稱體系，主要表現(xiàn)為產(chǎn)權權利方、產(chǎn)權需求方在面向大數(shù)據(jù)下的互聯(lián)網(wǎng)時，發(fā)布、接收信息時的信息質(zhì)量，系統(tǒng)內(nèi)部的信息對稱性會直接影響系統(tǒng)的正常運作效率。二是評估、監(jiān)管、服務機制體系，在這個體系中，第三方機構對產(chǎn)權權利方、大數(shù)據(jù)下的互聯(lián)網(wǎng)、產(chǎn)權需求方分別起到了評估、監(jiān)管、服務的作用，而對其他第三方機構的作用會間接影響這三方主體間的信息對稱性?？梢姡R產(chǎn)權云交易信用風險要素主要有：

（1）信息不對稱風險。由于不同的企業(yè)實際情況不同，其知識產(chǎn)權的評估結果也因第三方機構和人員的水平不同而不太相同，導致企業(yè)融資信息不對稱，使得出資方接收到的融資信息也不太相同，進而導致平臺服務效率低下。

（2）評估風險。在進行知識產(chǎn)權質(zhì)押融資業(yè)務之前，需要對企業(yè)的質(zhì)押物進行評估，由此會帶來評估主體、評估方法及評估客體等風險。評估機構的資質(zhì)、工作人員業(yè)務技能與職業(yè)素養(yǎng)等，都會影響評估結果;對待不同的評估客體，采取的評估方法也會存在差異，因此評估方法的選擇也非常重要。

（3）市場風險。市場環(huán)境的變化必然會影響企業(yè)的發(fā)展。地區(qū)經(jīng)濟發(fā)展程度是企業(yè)所處環(huán)境質(zhì)量的決定因素之一，地區(qū)經(jīng)濟的發(fā)展會給企業(yè)帶來更多的發(fā)展機會;產(chǎn)權交易市場狀況、市場利率穩(wěn)定性及通貨膨脹也會影響企業(yè)的發(fā)展。這些因素均可能使企業(yè)的知識產(chǎn)權價值發(fā)生變化，進而影響知識產(chǎn)權質(zhì)押融資業(yè)務的開展。

（4）政治與法律風險。政府作為知識產(chǎn)權交易的間接參與者，一方面會主動引導和服務知識產(chǎn)權交易事業(yè)的良性發(fā)展，另一方面又可能迫于公眾與利益團體的壓力或自身戰(zhàn)略決策的考量，給總體的、單項的或局部的知識產(chǎn)權交易設置政治性障礙。政局的變動、稅收政策的調(diào)整、產(chǎn)業(yè)重點領域的更替、交易流程規(guī)則的改變等均會對知識產(chǎn)權交易產(chǎn)生直接沖擊;人力資源管理政策、文化教育政策的調(diào)整則可能對知識產(chǎn)權交易產(chǎn)生間接沖擊。

此外，伴隨著相關法律法規(guī)的立、改、廢，原有的交易范式會被打破，從而影響當期或預期的知識產(chǎn)權交易。而且，國際知識產(chǎn)權制度、相關交易規(guī)則（如國際專利轉(zhuǎn)讓、許可貿(mào)易規(guī)則）的變動，勢必作用于國際知識產(chǎn)權微觀交易環(huán)節(jié)，進而影響國內(nèi)知識產(chǎn)權交易。

（5）社會與交易媒介風險。缺乏知識產(chǎn)權保護意識、剽竊之風盛行、大罷工、騷亂等社會不良因素均會對知識產(chǎn)權交易產(chǎn)生負面影響。在多數(shù)情形下，知識產(chǎn)權云交易的實現(xiàn)需要中介代理等媒介的幫助，因此媒介機構的狀況與知識產(chǎn)權云交易風險具有相關性。除了出讓方、受讓方選擇交易媒介本身具有風險性，媒介選擇后還可能出現(xiàn)“代理博弈”，即委托—代理風險。

四、信用風險傳染SIRS基本模型

基于系統(tǒng)動力學SIRS基本模型，設定知識產(chǎn)權云交易信用風險結構性參數(shù)：S表示易遭受風險的產(chǎn)權權利方，I表示遭受風險的產(chǎn)權權利方，R表示解除風險的產(chǎn)權權利方，θ表示綜合風險率，α表示解除風險率，λ表示再次遭受風險系數(shù)。知識產(chǎn)權云交易信用風險傳染的SIRS基本模型可表示為：

[dS（t）dt]=θS（t）I（t）+λR（t）

[dI（t）dt]=θS（t）I（t）-αI（t）

[dR（t）dt]=αI（t）-λR（t）

易遭受風險的產(chǎn)權權利方、遭受風險的產(chǎn)權權利方和解除風險的產(chǎn)權權利方的狀態(tài)轉(zhuǎn)化過程如圖2所示。

五、信用風險傳染過程

在知識產(chǎn)權云交易生態(tài)中，參與主體包括易遭受風險的產(chǎn)權權利方、遭受風險的產(chǎn)權權利方、解除風險的產(chǎn)權權利方、風險再生的產(chǎn)權權利方、第三方機構。在SIRS基本模型中，這五個主體之間不是單一的線性關系而是動態(tài)的多線性相互作用關系，如圖3所示，模型中涉及的變量及其說明如表所示。

圖3中存在一個正反饋回路（用“+”表示）：S→K→A→T→E→R→B→S，即：隨著易遭受風險的融資企業(yè)（產(chǎn)權權利方）的增多，其遭受風險的概率就越大，相應遭受風險的融資企業(yè)增長速率也越快;當遭受知識產(chǎn)權風險的融資企業(yè)數(shù)量達到一定程度時，第三方機構便會采取一定的措施加以控制，在其定向引導下，解除風險的融資企業(yè)逐漸增加，這些企業(yè)雖然暫時具有一定的免疫力，但是仍存在再次遭受風險的可能，因此風險再生的融資企業(yè)數(shù)量會逐步增多，依次造成新生易遭受風險的融資企業(yè)、易遭受風險的融資企業(yè)數(shù)量相應增多。

圖3中還存在如下負反饋回路（用“-”表示）：①S→K→A→S，即：隨著易遭受風險的產(chǎn)權權利方的增多，綜合風險率上升，導致一部分易遭受風險的產(chǎn)權權利方變?yōu)樵馐茱L險的產(chǎn)權權利方，總體的易遭受風險的產(chǎn)權權利方減少。②S→K→A→T→E→S，即：隨著易遭受風險的產(chǎn)權權利方的增多，綜合風險率上升，導致遭受風險的產(chǎn)權權利方增加，當其數(shù)量增加到一定程度時，第三方機構會采取一定的控制措施，使得解除風險的產(chǎn)權權利方增多，由于在一個封閉環(huán)境內(nèi)系統(tǒng)主體數(shù)量是守恒的，因此易遭受風險的產(chǎn)權權利方會相應減少。③A→T→E→A，即：隨著遭受風險的產(chǎn)權權利方的增多，在第三方機構的控制下，一部分遭受風險的產(chǎn)權權利方變?yōu)榻獬L險的產(chǎn)權權利方，總體的遭受風險的產(chǎn)權權利方減少。

六、敏感性分析

易遭受風險的產(chǎn)權權利方數(shù)量由初始易遭受風險的產(chǎn)權權利方數(shù)量、新生易遭受風險的產(chǎn)權權利方數(shù)量和遭受風險的產(chǎn)權權利方數(shù)量共同決定;遭受風險的產(chǎn)權權利方數(shù)量由易遭受風險的產(chǎn)權權利方數(shù)量、產(chǎn)權權利方與金融機構相互作用、遭受風險的比例和第三方機構干涉力度共同決定;第三方機構干涉力度由降低法律風險力度系數(shù)、降低評估風險力度系數(shù)、降低擔保風險力度系數(shù)共同決定;解除風險的產(chǎn)權權利方數(shù)量由第三方機構干涉力度和風險再生的產(chǎn)權權利方數(shù)量共同決定;風險再生的產(chǎn)權權利方數(shù)量由解除風險的產(chǎn)權權利方數(shù)量和風險再生比例共同決定。

遭受風險的產(chǎn)權權利方和解除風險的產(chǎn)權權利方這兩個水平變量的數(shù)值直接反映了SIRS模型的運作強度，且易遭受風險的產(chǎn)權權利方初始賦值、產(chǎn)權權利方與金融機構相互作用、遭受風險的比例、降低法律風險力度系數(shù)、降低評估風險力度系數(shù)、降低擔保風險力度系數(shù)和風險再生比例這幾個常量在SIRS模型中起著重要作用。

1. 易遭受風險的產(chǎn)權權利方初始賦值對系統(tǒng)運作的影響。將易遭受風險的產(chǎn)權權利方初始賦值3500（Current1）分別減少到1500（Current2）和增加到4500（Current3），則遭受風險的產(chǎn)權權利方與解除風險的產(chǎn)權權利方數(shù)量變化如圖4所示。

由圖4可知，不管初始賦值如何變化，遭受風險的產(chǎn)權權利方數(shù)量隨著時間的推移波動幅度都變小了，信息項在第5天達到最高點，在第10天達到最低點，又在第17天達到極大值點，在第21天后呈現(xiàn)平緩狀態(tài)。對于解除風險的產(chǎn)權權利方而言，同樣不管初始賦值如何變化，信息項隨著時間的推移波動幅度都變小了，在第7天達到最高點，在第13天達到最低點，然后慢慢呈現(xiàn)平緩狀態(tài)。

現(xiàn)實中上述情形表現(xiàn)為：易遭受風險的產(chǎn)權權利方數(shù)量增加，會導致遭受風險的產(chǎn)權權利方和解除風險的產(chǎn)權權利方數(shù)量分別相對增加，但是后者增加的數(shù)量明顯高于前者;由于系統(tǒng)具有自調(diào)節(jié)、自恢復能力，遭受風險與解除風險的產(chǎn)權權利方數(shù)量都是達到最高值后下降至最低值，再增加至極大值，最后趨于平穩(wěn)，但前者的波動幅度大于后者。

2. 產(chǎn)權權利方與金融機構相互作用對系統(tǒng)運作的影響。產(chǎn)權權利方與金融機構相互作用表示在系統(tǒng)中隨機的兩個信息載體的交互作用的發(fā)生概率，將該變量的賦值0.6（Current0）分別減少到0.3（Current1）和增加到0.8（Current2），則遭受風險的產(chǎn)權權利方與解除風險的產(chǎn)權權利方數(shù)量變化如圖5所示。

由圖5可知，對于遭受風險的產(chǎn)權權利方而言，其圖形的波動幅度與賦值正相關。當賦值為0.3時，在第7天信息項達到第一個峰值，然后隨著時間的推移，圖形震蕩幅度越來越小，且峰值也不斷減小;當賦值為0.6時，在第5天信息項達到第一個峰值，且每一個對應峰值始終是三個賦值條件下的最大值，在第9天達到第一個峰谷，也即最小值。對于解除風險的產(chǎn)權權利方而言，圖形整體形狀和趨勢與遭受風險的產(chǎn)權權利方圖形相似，但其峰值更高，且達到峰值的時間延遲了。

現(xiàn)實中上述情形表現(xiàn)為：產(chǎn)權權利方與金融機構相互作用與遭受風險的產(chǎn)權權利方數(shù)量、解除風險的產(chǎn)權權利方數(shù)量正相關，第三方機構的介入可以降低風險發(fā)生的概率;相對于遭受風險的產(chǎn)權權利方，解除風險的產(chǎn)權權利方數(shù)量的增減有延遲效果，這是因為遭受風險的產(chǎn)權權利方對于解除風險的產(chǎn)權權利方有直接的作用關系，且系統(tǒng)內(nèi)的遭受風險的產(chǎn)權權利方數(shù)量達到飽和后，解除風險的產(chǎn)權權利方數(shù)量便會開始增加。

3. 遭受風險的比例對系統(tǒng)運作的影響。將遭受風險的比例的賦值0.37（Current0）分別減少到0.2（Current1）和增加到0.42（Current2），則遭受風險的產(chǎn)權權利方與解除風險的產(chǎn)權權利方數(shù)量變化如圖6所示。

由圖6可知，對于遭受風險的產(chǎn)權權利方而言，由于賦值為0.37和0.42的差距較小，兩種情況下的圖形差別較小，但可以看出賦值為0.37的圖形相較于賦值為0.42的圖形稍微右移，大約在第4天達到第一個峰值，在第9天達到第一個峰谷;當賦值為0.2時，圖形的右移幅度較大，在第5天達到第一個峰值。對于解除風險的產(chǎn)權權利方而言，圖形整體形狀和趨勢與遭受風險的產(chǎn)權權利方的圖形相似，但其峰值均更高，且達到峰值的時間稍有延遲。

現(xiàn)實中上述情形表現(xiàn)為：遭受風險的比例直接關系到遭受風險的產(chǎn)權權利方數(shù)量變化，遭受風險的比例越大，產(chǎn)權權利方便越容易被感染，解除風險的產(chǎn)權權利方數(shù)量也會因為遭受風險的比例增大而增加，且相比產(chǎn)權權利方與金融機構相互作用，遭受風險的比例與遭受風險的產(chǎn)權權利方數(shù)量的直接相關性更大。

4. 第三方機構降低法律、評估、擔保風險力度系數(shù)對系統(tǒng)運作的影響。將降低法律風險力度系數(shù)的賦值0.3（Current0）分別減少到0.15（Current1）和增加到0.45（Current2），則遭受風險的產(chǎn)權權利方與解除風險的產(chǎn)權權利方數(shù)量變化如圖7所示。

由圖7可知，對于遭受風險的產(chǎn)權權利方而言，隨著賦值的增大，圖形的波動幅度減小，峰值也相應減小，但達到峰值、峰谷的時間點基本一致，在第5天達到第一個峰值，在第17天達到第二個峰值，且峰值逐漸變小，圖形的波動幅度也越來越小，逐漸趨于平緩。對于解除風險的產(chǎn)權權利方而言，整體來說，賦值對圖形的影響力度較小，隨著賦值的增大，圖形的波動幅度大小相同，在第7天達到第一個峰值，在第20～30天圖形逐漸趨于平緩。

將降低評估風險力度系數(shù)的賦值0.3分別減少到0.15和增加到0.45，將降低擔保風險力度系數(shù)的賦值0.4分別減少到0.2和增加到0.6，得到的效果圖均與圖7相似，因此不再贅述。

現(xiàn)實中上述情形表現(xiàn)為：第三方機構降低其對系統(tǒng)運作中的法律、擔保、評估作用，對于遭受風險的產(chǎn)權權利方的效果是最明顯的，直接影響企業(yè)遭受風險的概率;解除風險的產(chǎn)權權利方數(shù)量雖有變化且時間延后，但差異不明顯，這說明在系統(tǒng)內(nèi)遭受風險的產(chǎn)權權利方數(shù)量達到最高，即達到飽和后，解除風險的產(chǎn)權權利方數(shù)量便不再受第三方機構作用的干擾。

5. 風險再生比例對系統(tǒng)運作的影響。將風險再生比例的賦值0.25（Current0）分別減少到0.1（Current1）和增加到0.45（Current2），則遭受風險的產(chǎn)權權利方與解除風險的產(chǎn)權權利方數(shù)量變化如圖8所示。

由圖8可知，對于遭受風險的產(chǎn)權權利方而言，隨著賦值的增大，圖形的波動幅度逐漸減小，且峰值相應增大，在第0 ～ 4天三種賦值情況下的圖形是一致的。當賦值為0.25時，在第11天到達第一個峰谷，此后圖形逐漸趨于平緩;當賦值為0.45時，在第9天下降到0.8K后圖形便逐漸趨于平緩;當賦值為0.1時，在第11天到達第一個峰谷，且在前30天內(nèi)圖形還沒趨于平緩。對于解除風險的產(chǎn)權權利方而言，隨著賦值的增大，圖形的波動幅度逐漸減小，且峰值也相應減小，但到達峰值、峰谷的時間點基本一致，當賦值為0.45時，圖形從第9天開始逐漸趨于平緩。

現(xiàn)實中上述情形表現(xiàn)為：風險再生比例與系統(tǒng)內(nèi)解除風險的產(chǎn)權權利方數(shù)量呈負相關關系，與遭受風險的產(chǎn)權權利方呈正相關關系，風險再生比例的提高直接導致產(chǎn)權權利方再次遭受風險的概率增加，對于解除風險的產(chǎn)權權利方而言，由于遭受風險的產(chǎn)權權利方數(shù)量增加，不僅使得其在系統(tǒng)未飽和狀態(tài)下數(shù)量增加，而且使得原來本應解除風險的產(chǎn)權權利方未解除風險的概率增加，綜合二者，遭受風險的產(chǎn)權權利方數(shù)量雙倍增加。

七、總結

本文分析了知識產(chǎn)權云交易系統(tǒng)中參與主體的構成及其關系，并借助系統(tǒng)動力學原理和工具，構建知識產(chǎn)權云交易信用風險傳染模型，進而研究知識產(chǎn)權云交易信用風險的傳播路徑以及參數(shù)敏感性?；谏鲜鲅芯?，本文得到如下結論，并針對大數(shù)據(jù)背景下我國知識產(chǎn)權云交易模式信用風險調(diào)控及信任機制優(yōu)化提出相關建議：

產(chǎn)權權利方與金融機構相互作用或遭受風險的比例的增加，可以直接使遭受風險的產(chǎn)權權利方數(shù)量減少、解除風險的產(chǎn)權權利方數(shù)量增加。因此，若要減少遭受風險的產(chǎn)權權利方，第三方機構應借助媒體等加大宣傳力度，使大數(shù)據(jù)下知識產(chǎn)權云交易過程中的每一方主體對各類知識產(chǎn)權的法律保護基礎知識都具有一定的了解，并促進其參與知識產(chǎn)權云交易的積極性，從而提高用戶在知識產(chǎn)權云交易中與金融機構的相互作用次數(shù)，進而降低用戶遭受融資風險的比例，間接地使遭受知識產(chǎn)權風險的產(chǎn)權權利方數(shù)量減少，從而使第三方機構能夠有效控制融資網(wǎng)絡中的信息交錯影響。

第三方機構降低法律風險力度系數(shù)的增加，可以直接使遭受知識產(chǎn)權風險的產(chǎn)權權利方數(shù)量減少。這就要求第三方機構在政府的引導下加強自身建設，提高信息透明度，完善法律法規(guī)，加強對權利的監(jiān)督和約束。

第三方機構降低擔保風險力度系數(shù)的增加，可以使遭受知識產(chǎn)權風險的產(chǎn)權權利方數(shù)量減少。因此，第三方機構在應對突發(fā)事件時，要能夠在第一時間響應并做好管控引導工作，及時調(diào)查事件原因并公開實情，采取有效措施，做好善后處理，防止事態(tài)的惡化。

易遭受風險的產(chǎn)權權利方數(shù)量、遭受風險的比例、風險再生比例的降低，均可以有效減少遭受風險的產(chǎn)權權利方數(shù)量，從而使較多主體處于解除風險的狀態(tài)。如果能夠有效阻止產(chǎn)權權利方遭受風險的信息或事態(tài)傳播，遭受風險的范圍就會大大縮小，這就要求第三方機構加強信息公開，倡導積極向上的精神文化，建立有效的知識產(chǎn)權云交易秩序。

【 主 要 參 考 文 獻 】

[ 1 ]? ?Dusse F.， Júnior P. S.， Alves A. T.， et al.. Information visualization for emergency management：A systematic mapping study[ J].Expert?Systems with Applications，2016（1）：424 ～ 437.

[ 2 ]? ?Alzahrani B. A.， Reed M. J.， Riihij?rvi J.， et al.. Scalability of information centric networking using mediated topology management[ J].Journal of Network and Computer Applications，2015（4）：126 ～ 133.

[ 3 ]? ?Hsu J. S.， Chu T. H.， Lin T. C.，et al.. Coping knowledge boundaries between information system and business disciplines：An intellectual?capital perspective[ J].Information & Management，2014（2）：283 ～ 295.

[ 4 ]? ?Boiko B.， Shendryk V.. System integration and security of information systems[ J].Procedia Computer Science，2017（104）：35 ～ 42.

[ 5 ]? ?Zhang M. G.，Wang X. D.， Mannan M. S.，et al.. A system dynamics model for risk perception of lay people in communication regarding?risk of chemical incident[ J].Journal of Loss Prevention in the Process Industries，2017（50）：101 ～ 111.

[ 6 ]? ?Xin Y. F.， Shayman M.， La R. J.，et al.. Reconfiguration of survivable IP over WDM networks[ J].Optical Switching and Networking，2016（7）：93 ～ 100.

[ 7 ]? ?Madaan N.， Ahad M. A.， Sastry S. M.. Data integration in IoT ecosystem： Information linkage as a privacy threat[ J].Computer Law &?Security Review，2018（2）：125 ～ 133.

[ 8 ]? ?Hong L. Jeff， Juneja Sandeep， Luo Jun. Estimating sensitivities of portfolio credit risk using Monte Carlo[ J].Informs Journal on Computing，2014（4）：848 ～ 865.

[ 9 ]? ?Barton K. A.， Tejay G.， Lane M.， et al.. Information system security commitment：A study of external influences on senior management[ J].?Computers & Security，2016（6）：9 ～ 25.

[10]? ?曹萍，張劍，熊焰.高技術產(chǎn)業(yè)安全影響因素的實證研究[ J].管理評論，2017（12）：50 ～ 61.

[11]? ?劉志雄.企業(yè)社會責任、社會資本與信用風險傳染研究——基于利益相關者理論的分析[ J].江蘇社會科學，2019（6）：66 ～ 72.

[12]? ?劉兢軼，王彧婧，王靜思.供應鏈金融模式下中小企業(yè)信用風險評價體系構建[ J].金融發(fā)展研究，2019（11）：63 ～ 67.

[13]? ?趙志明，李莎莎.不完全信息下或有資本的定價與債券信用價差研究[ J].系統(tǒng)工程理論與實踐，2018（12）：3010 ～ 3020.