会员登录
会员注册弱联盟的成功率却在40%，强强联盟的成功率则在67%左右。 6、双赢性（X6）联盟的结果应该尽可能达到双赢的效果。这里的双赢包含两方面：一是通过联盟使各方获得所需资源，另一方面是使联盟所获收益在合作伙伴之间公平的分配。联盟所取得的收益一般有特定的分配结构，其中一部分是共享的，其他部分则必须加以分配。对这部分利益的分配应该与联盟各方在联盟关系中投入的资源和承担的风险相匹配。合作伙伴双赢性的选择标准，一方面要求潜在伙伴与自己具有互补性资源，另一方面也要求企业重视对合作伙伴的信誉和道德状况的考察。以上因素构成了我国商业银行战略联盟伙伴选择的评价指标集：X=（X1，X2，X3，X4，X5，X6，）。
三、评价过程模糊聚类分析利用模糊相似矩阵和模糊等价矩阵对众多商业银行的潜在联盟伙伴进行模糊分类，再根据商业银行的偏好选择一个合理的分类，从众多潜在联盟伙伴中确定出重要伙伴、次重要伙伴以及不重要的伙伴。 (一)提取统计指标根据所建立的评价指标，请专家或有经验的专业人士对潜在的联盟伙伴的各项指标进行打分，得到相应的统计数据。即联盟伙伴集合 ， 为潜在联盟伙伴的个数， 代表第 个潜在联盟伙伴；对每一个潜在联盟伙伴采用不同的m个统计指标；对元素 采用统计指标 ， 为第 个元素 的第 项指标统计均值， 。 (二)评价步骤第一步，将每个元素各项统计指标标准化。这里采用极值标准化公式，即： 第二步，确定元素之间的相似关系。建立集合 上的相似矩阵 , 。其中 （[ 0 ,1 ]，表示 与 之间的相似程度 ）。关于求 常用算法有:欧氏距离法、数量积法、夹角余弦法、相关系数法、指数相似系数法、最大最小法等等。考虑到计算的方便性，这里选用最大最小法。 第三步，计算相似矩阵R的等价闭包矩阵。一般求得的相似矩阵R只满足自反性和对称性，不满足传递性，不能直接用来聚类，而需将其改造成模糊等价矩阵 。首先将R自乘，得 然后继续算出记 ，直到对 为止。此时记 = ，可通过 进行聚类。第四步，进行聚类分析。由于模糊相似矩阵可以转化为模糊等价矩阵进行聚类分析，这里仅对模糊等价矩阵进行讨论。若模糊矩阵 是模糊等价矩阵，那么对任意， ， 的 截矩阵 均是普通等价矩阵，因此可通过 对X上的元素进行分类；而且当水平凡， 满足时 ，按 分出的每一类必是按 分出的子类。然后根据商业银行的实际要求和各水平下的聚类总偏差决定一个合理的分类。这里采用总偏差公式为： ， 为某一水平聚类的总偏差( 越小则各子类元素之间的差别越小，此分类越合理)， 为子类数，V为特定潜在联盟伙伴各指标评分， 为子类各指标平均分， 为某一子类(V, 均为向量)。
四、案例分析假设我国某家银行，共有10个可供选择的潜在联盟伙伴，现在这家银行打算对这些潜在联盟伙伴进行分类，打算与某些伙伴建立合作关系，请8位专家按5分制的原则(即指标符合很好时5分，好时4分，一般时3分，差时2分，很差时1分)分别给各个潜在伙伴各项指标打分。各项指标得分去掉一个最高分与一个最低分，然后把剩余的6位专家评分加总，取其平均值作为此项指标的最后得分。商业银行潜在联盟伙伴为：M={ Ml，M2，M3，M4，M5，M6，M7，M8，M9，M10}；评价指标集为X；根据专家意见各指标相应的权重为：W=[0.24，0.14，0.18，0 .12 ，0 .20，0 .12]。各项指标的评分情况见表1。（分析过程采用SPSS软件和MATLAB软件）表1 潜在联盟伙伴各项指标最后得分表 (一)专家评分标准化采用以上标准化公式用SPSS软件归一化处理后得到各指标的标准值，见表2。表2 制造商各项指标得分归一化数据表 (二)对制造商进行分类根据表2，并由公式(2)求得商业银行与联盟伙伴之间的相似程度表3 制造商间的相似程度数据表 表4 模糊等价矩阵 的元素表 对 进行模糊聚类:按不同水平进行聚类，10个潜在联盟可得到9种分法。根据总偏差公式，经过计算，当聚类水平由小变大时，即 介于：0 .290 ，0 .600，0 .610 ，0 .642，0 .643，0 .646 ，0 .722 ，0 .723，0 .765 ，0 .774 ，1这组数每两个之间进行聚类，各水平下聚类的总偏差依次为：16 .894 ，13 .958，12 .609，7 .012 ，4 .693，4 .693 ，2 .757 ，2 .134，1 .2921 ，0.580(这里用标准值计算得到)。故看到随着聚类水平提高，聚类的总偏差呈下降趋势，表明各子类中潜在联盟伙伴之间的总体实力越来越接近，经过对比发现，选择0 .722 （ 0 .723时的分类结果，不仅总偏差较小而且满足银行的实际需要）这里把10家企业分为6个子类，即:M={M2}U{ M5}U{ M6}U{ M7}U{ M1,
“基于模糊分析的我国商业银行战略联盟伙伴选择研究”版权归作者所有，转载请著名出处。