风险等级评价方法精品(七篇)
时间：2024-01-29 15:16:59
序论：写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感，挖掘那些隐藏在内心深处的真相，好投稿为您带来了七篇风险等级评价方法范文，愿它们成为您写作过程中的灵感催化剂，助力您的创作。
篇(1)
关键词：EPC工程总承包；物元模型；可拓评价
Abstract: EPC general contract due to the project scope, involving more participants and long construction period, the risk is far greater than the general project contracting, the need for objective, accurate, reasonable on its risk. In this paper, through the establishment of EPC's risk evaluation index, using the extension analysis and correlation function to establish the extension matter-element model, the EPC assembly package project risk evaluation, risk evaluation results are objective and comprehensive, determine the risk level, to provide decision support.
Key words: EPC general contract project; matter element model; extension evaluation
中图分类号： F721.6文献标识码： A 文章编号：
0引言
EPC承包是一家总承包商或承包商联合体对整个工程的设计（Engineering）、材料采设备采购（Procurement）、工程施工（Construction）实行全面、全过程的“交钥匙”承包。在这种承包模式下承包商通过业主对项目的功能描述进行设计，并按照合同约定承担采购和施工，其对承包工程的质量、工期、造价全面负责[1]。EPC项目规模大、系统繁复、涉及专业技术面广，参见单位多同时设计的利益相关者多且复杂，这都会影响EPC项目的实施，同时加大项目与预期结果的偏离程度[2]。
由于项目的设计、采购、施工全部由承包商完成，业主并不对项目直接负责，则项目实施过程的中的绝大多数风险由承包商承担，与此同时在这种合同下业主过失风险往往也规定由承包商来承担，例如业主并不承担合同文件中存在错误、遗漏或者不一致的风险，而承包商要对合同文件的准确性和充分性负责，在EPC模式下一般采用总价合同， 合同价格并不因为不可预见的困难和费用而予以调整，这都增加了EPC承包商的风险[3].
因此，总承包商在投标之前必须对项目风险有一个客观、全面的的评价，根据项目的不同建立完善的评价指标，运用合理的评价方法，对项目风险进行全面的识别和评价。以往承包商通常采用AHP、模糊分析法、主成分分析法等来评价项目风险[4,5,6]，但这些方法除了具有强烈主观性外, 还割裂了各指标之间的相关性, 而事实上指标之间是相互关联的，本文引入可拓理论，对项目风险进行定性定量分析，将定性的描述用以定量的方式进行表达，注重各指标之间的联系，实现风险评价的客观、准确性目的。
1 EPC总承包风险管理体系
1.1项目风险管理
项目风险管理是指项目管理班子通过对不同项目潜在风险的识别、评估，以此为基础合理地综合利用多种管理技术、方法和手段，对建设项目活动范围内的风险实行有效的控制[7]。传统的风险应对方式为风险回避、风险自留、风险转移等事中、事后处理方式，一旦风险处理不好必会影响项目的进程。现阶段风险信息向前集成，以事前主动控制和事中过程控制为主，尽量为项目的实施创造有利条件，通过对风险事件的合理利用，扩大风险事件的有利结果，以最少的成本投入来实现项目既定的总目标。与此同时,2002 年 N Lucy 提出了项目集成风险管理理论（Integrated Risk Management，IRM），将风险管理应用到项目的全生命周期，对项目风险实行全面、系统的管理，通过对项目各阶段各要素的综合配置，达到项目控制风险的目的[8]。
项目风险评价是事前主动控制风险的的重要组成部分，其评价体系主要由评价指标和评价方法组成。在项目风险评价指标的建立过程中首先要分析项目风险的形成过程，项目风险主要是由风险因素经过一些列的变化产生的，其具体过程如图1，以EPC项目风险演变为例。
图1EPC项目 风险作用链条
1.2EPC总承包项目风险评价指标的建立
评价指标是建立EPC总承包风险评价的系统的基础，其选取的准确性直接左右评价结果的可信程度。由于EPC工程项目十分复杂，涉及来自不同国家的组织和机构，涵盖了多学科知识如土建、化工、水利、电力、管理科学、经济学，因此其项目风险要从多方位、多角度进行识别[9]。
本文首先运用PEST分析方法进行风险分析，同时结合EPC承包的项目特点，决定将政治风险和社会风险并入客观风险，同时将管理风列入其中。EPC项目业主对项目本身只有功能描述，承包商需要同业主进行大量的沟通来降低与业主之间的信息不对称，因此沟通风险必须进行分析。本文经过对EPC总承包企业和相关专家学者的走访调研，结合EPC项目的特点深入分析EPC项目的风险组成，设定风险指标对潜在风险进行全面识别，从项目的客观风险、经济风险、技术风险、管理风险入手进行分析，建立相应的评价指标体系。
图2 EPC总承包风险等级评价指标体系
通过对EPC总承包风险因素的分析，识别出11个风险因素，对给出了影响风险因素的风险内容，为后面的专家打分指明方向。
EPC总承包风险评价的可拓物元模型
可拓理论由中国学者蔡文教授首次提出，可拓学用形式化的模型研究事物拓展的可能性和开拓创新的规律与方法，并用变换解决矛盾问题，它是一门横跨哲学、数学与工程学的交叉学科[10]。很多学者对将可拓理论引入进行项目评价做了尝试并取得满意的成果。周志丹等将可拓物元理论引入企业自主创新的成功度评价[11].颜红艳等对国际工程总承包项目成功度进行可拓评价[12]，李沃源等通过全面分析企业知识管理风险的影响因素并构建了风险评价指标体系[13]，郭孝锋等应用多层次可拓方法对UIG（University—Industry—Government） 合作创新进行了实证研究[14] 宿钦兰建立了政府性债务预警的可拓物元模型[15]都能得出客观准确的结果。
本文引入可拓物元模型对EPC总承包项目风险进行评价，其具体过程如下。
2.1建立多指标综合评价物元
（1）基本物元模型
根据可拓物元理论，把待评价事物I 及其特征值C 和特征的量值V 的三元有序结合R = ( I，C，V) 称为物元。可拓物元模型是把各个评价指标按照相应规则分成不同的等级，每个等级有其相应的取值范围，根据实际所测各指标值与各等级范围的相关联程度进行判断待评价物元的等级。
为了描述和评价EPC工程总承包项目风险等级的的特征，需要定义EPC工程总承包项目风险为评价物元。根据图1 所建立的EPC工程总承包项目风险等级评价指标框架，选取影响EPC工程总承包项目风险因素为评价因子( 即特征因子) ，分别记为Ci( i= 1，2，…，n) ，同时以N表示EPC工程总承包项目风险等级水平，Vi( i = 1，2，…，n) 分别为EPC工程总承包项目风险因素测定取值，其基本物元模型如下：
（2）确定经典域、节域、待评物元
1）确定经典域
设EPC工程总承包项目风险有m个评价等级，用Nj( j = 1，2，…m)表示 ，经典域定义为Ci关于各等级Nj各特征的取值范围，物元矩阵表示为:
式中: Nj( j = 1，2，…m) 为Ci的第j 个等级，Vji为Nj关于特征的量值范围，即各等级关于对应特征Ci的经典域＜ aji，bji ＞，本文将项目风险分为4个等级，Nj={低风险，较低风险，中等风险，高风险}，如为C1指标低风险的取值范围，及其经典域。
2）确定节域节域
定义为Ci各特征全部等级的值域，物元矩阵表示为:
式中Ip为待评物元，称Vpi = ＜ apj，bpj ＞ 为Ip关于特征参数Ci的节域，及Ci可取的值的范围，且有Vji∈Vpi( i = 1，2，…，n; j = 1，2，…m) 。
3） 确定待评物元
建立待评价物元模型，即将EPC总承包风险等级作为待评价项，根据特征参数的性质，确定各指标的数值，建立模型，如下
其中，P0为EPC总承包风险等级， Ci为P0的特征参数，Vi( i = 1，2，…，n) 表示特征参数的Ci具体取值，即该特征单元的实际专家评价值或者实测数据等。
（3）构建关联函数，计算关联度
根据可拓学的关联函数定义，关联函数表示物元的量值取值为实轴上一点时，符合要的范围程度[16]。即表示待评物元P0关于特征参数具体值Vi属于EPC总承包风险等级Nj的程度。令有界区间Vji =［aji，bji］的模定义为| Vji | = | bji － aji | ，则某一点Xi到某一指标等级的经典域Vji =［aji，bji］的距离为:
，公式（1）
同理，某点Xi到某指标的节域Vpi = ＜ apj，bpj ＞的距离为
，公式（2）
若区间，实域上任一点x关于Vji，Vpi的位值为
，公式（3）
则关联函数，Vji为经典域，Vpi为节域。
式中: Kj( xi) 表示待评物元P0关于特征参数的具体值Xi属于EPC工程总承包项目风险平等级Nj的程度。
（4）确立关联度及评定等级
根据公式（1），（2）（3）计算关联函数值，采用专家评分法，确定各个评价指标的权重 ，计算关联度
，公式（4）
则: Kj = maxKj( P0) ，从而确定EPC工程总承包风险等级为第j 级。
3实证分析
本文运用可拓物元模型对某企业EPC总承包项目进行风险等级评价。此项目为某少数民族地区一标志性建筑的改建工程，采用EPC总承包模式。按照上文进行的风险分析和可拓物元模型对该项目风险进行评价。
（1）取图1所列指标作为评价体系，一次记为Ci( i = 1，2，…，n)；通过对相关领域的专家进行调查访谈，将评价指标划分为1-4级标准，分别对应EPC总承包风险等级：低风险、较低风险、中等风险和高风险，对应可以构建该项目风险等级的经典域＜ aji，bji ＞。
（2）通过对该EPC总承包项目进行实地调查和分析，可以得到EPC总承包项目风险等级评价指标 的信息数据，为了评价的方便，对评价值数据进行归一化处理，及，在对各风险指标进行风险评估时从风险概率、后果的严重程度和后果的可控程度入手，其值用P0表示。结果如表1所示。
（3）采用德尔菲法对EPC总承包项目风险等级的评价指标进行打分，确定各指标相对权重，其权重如表1中所示，计算过程略。
表1EPC总承包风险评价指标标准
则EPC总承包风险等级评价的可拓物元模型为
（4）综合关联度计算。按上述权重，运用（1）、（2）（3）（4）公式计算可得EPC总承包项目风险的各个指标的关于评价标准Nj（j=1，2，3，4）的综合关联度以及项目风险的可拓综合评价等级，如表2
表2EPC工程总承包项目风险水平综合关联度和可拓综合评价表
从表中可以看出，Kj（P0）max=K4，则EPC工程总承包项目风险等级综合关联度为K4=0． 146，说明该EPC工程总承包项目风险处于高风险状态，其领导决策需慎重考虑。
4结论
（1）本文引入可拓物元模型进行EPC项目风险评价，是一种方法的探索，可拓理论是用形式化的工具，考虑多因素的共同影响作用，从定性和定量两个角度研究和解决不相容问题的规律和方法，通过建立评价指标的物元模型描述客观事物的特征，并以定量的数值表示评价的结果，能够直观地反映EPC总承包风险等级水平。
篇(2)
[关键词]财务可持续性；风险分析；风险评级；蒙特卡罗模拟
一、前言
用于风险识别和估计的方法很多，其中风险评级技术和蒙特卡罗模拟法（M－C模拟法）就是风险分析的两个很有效的方法。
本文将在下文中结合京津高速公路项目的财务可持续性风险评价，具体说明风险评级技术和蒙特卡罗模拟法在实际交通项目风险评价中的应用方法。
二、评价指标体系的选择与确定
由于京津高速公路项目属于综合大型交通运输设施建设项目，其财务可持续性问题所涉及的不确定因素具有多种属性和状态，需要从多种准则出发来综合评价项目所面临的可能风险，所以在应用风险评级技术对项目风险进行评级前，需要对其建立相应的指标体系。风险评级和蒙特卡罗模拟的结果的客观性和准确性，也将取决于该指标体系的设计是否科学、合理。
对于本项目的财务可持续性风险而言，考察项目本身的财务可持续性风险所处的等级就是风险评级的目标。对本项目来说，影响该风险评级目标的不确定因素很多，有建设投资、营业收入、建设期、贷款利率、汇率、经营成本等。本例中结合项目财务评价结果选择其中影响较大和有代表性的三项因素运营收入、运营成本和固定资产投资作为风险评级的主要指标。
三、项目财务可持续性风险等级的评定
在建立了项目财务可持续性的风险评级指标体系之后，需要根据项目可能面临的风险范围划分不同的风险等级，确定其各自的标值范围，并令其对应于各级风险评级序号1、2、3…N，其中序号越小则风险级别越高，1级为风险最高的级别。
本例中将风险分为9个等级，各风险等级对应的标值范围如下表所示：
表1 项目各风险指标的风险等级标值范围
项目名称 风险等级对应的标值范围（单位：亿元）
1 2 3 4 5 6 7 8 9
收费收入 248.2 254.4 260.6 266.8 273.0 279.2 285.4 291.6 297.8
254.4 260.6 266.8 273.0 279.2 285.4 291.6 297.8 304.0
运营成本 13.8 13.6 13.3 13.1 12.9 12.6 12.4 12.2 11.9
14.0 13.8 13.6 13.3 13.1 12.9 12.6 12.4 12.2
固定资产投资 116.8 114.8 112.9 110.9 108.9 106.9 104.9 103.0 101.0
118.8 116.8 114.8 112.9 110.9 108.9 106.9 104.9 103.0
之后采用专家调查法确定上述三项风险评级指标（运营收入、运营成本和固定资产投资）在对应的各级风险等级中可能发生的概率。然后综合三项指标的风险等级概率，加权计算得到财务可持续性所在的风险等级及其概率，形成下表：
表2 风险指标和财务可持续性综合风险评级结果表
项目名称 风险等级及概率 最可能风险
1 2 3 4 5 6 7 8 9 等级 概率
财务可持续性 0.01 0.03 0.07 0.15 0.21 0.25 0.17 0.09 0.03 6 0.25
收费收入 0.01 0.01 0.04 0.11 0.22 0.27 0.22 0.11 0.01 6 0.27
运营成本 0.01 0.03 0.06 0.12 0.17 0.26 0.17 0.12 0.06 6 0.26
固定资产投资 0.02 0.04 0.11 0.21 0.24 0.21 0.11 0.04 0.02 5 0.24
由上表可知财务可持续性综合风险等级为6级，对应的可能概率为25％。
四、项目财务可持续性风险的蒙特卡罗模拟
在上文通过专家调查法得到三项不确定因素收费收入、运营成本和固定资产投资的各风险等级的概率之后，就可以以此概率为基础，对这三项因素的不确定变化将导致的项目财务可持续性风险大小应用蒙特卡罗法进行进一步的模拟计算。
本文结合以往项目财务评价和风险分析的经验，选取财务内部收益率、财务净现值和投资回收期作为考察项目财务可持续性风险的主要财务指标，经过蒙特卡罗模拟后得到了如下的财务净现值、财务内部收益率、回收期的概率直方图和累计概率图：
图1－a 净现值概率直方图 图1－b 净现值累计概率图
图2－a 内部收益率概率直方图图2－b 内部收益率累计概率图
图3－a 回收期概率直方图图3－b 回收期累计概率图
由各项财务指标的概率直方图可以看出，各财务指标的最大发生概率所处的位置和概率值与风险评级的结果中财务可持续性最大发生概率所处的等级和概率值具有较强的一致性。从各指标的累计概率图中不但可以查到对应于某指标值可能发生的概率，亦可以在一定概率的保障程度下，求得其对应的财务指标值。
从图中结果可以看到，财务净现值均为正值，财务内部收益率均大于3.74％的基准收益率，回收期在计算期以内。
通过以上风险评级和蒙特卡罗模拟的结果可以得出判断，项目财务可持续性处于一般或较低的风险状况。
五、结论与建议
本文针对交通项目财务可持续性风险问题，通过采用风险评级技术和蒙特卡罗模拟方法对其进行了分析和计算，比通常项目评价中采用的敏感性分析更加深入和准确地考虑了项目不确定性因素对项目的影响，从而利于更准确地分析和评价项目的财务可持续性，并指导对于风险规避措施的制定工作，在实际项目财务评价工作中具有重要的作用和实际意义。
本文所采用的风险评级技术和蒙特卡罗模拟方法相结合的方法用于交通项目财务可持续性的风险分析，具有相互取长补短的特点。。
参考文献：
1． 顾培亮.系统分析与协调[M].第1版.天津：天津大学出版社，1998年.
2． 马锋.工程项目风险管理理论与实践[D].西南交通大学，2003年
3． 陈述云.风险评级统计方法论研究[J].统计与决策,2003,(4):8-10.
篇(3)
【Keywords】tariff recovery；credit risks；risk evaluation
1 引言
一直以来，电力作为一种特殊的商品，其电力供应与价值交换的主要形式是“先用电，后付费”，不同于一般商品交易“先付后用”的方式，交易方式对按时、足额回收电费造成较大影响，直接影响供电企业的正常经营活动，同时也构成了供电企业的“信用风险”。“信用风险”基本概括为受信人履约能力的变化而使授信人的预期收益与实际收益发生偏离的可能性。供电企业的“信用风险”可分为内部风险和外部风险。内部风险是企业内部员工由于工作失误或者操作违纪等原因造成的电费计量失误或电费损失；外部风险是指由于用电客户恶意拖欠电费，而没有相应制约机制造成的电费坏账损失。
电力客户的信用以及风险问题一直备受产业界、学术界和政府的重视，近年来国内对电力“信用风险”的研究较为丰富。供电企业的全面风险管理很有必要性，研究已经提出了基于目标偏移法的地市供电企业电费回收风险管理体系[1]；同时电能赊销方式也是引起的电费回收风险的一个问题，建立规范电费回收指标体系利于电力企业信用风险的分析[2]；有学者运用Logistic回归理论与方法建立可识别电力客户欠费风险识别模型，运用该模型根据所掌握的客户最新资料可提前预测出其欠费的违约概率[3]；陈昊（2013）针对当前供电企业管理制度不完善、用电企业经营不景气及客户缴费观念落后、意识薄弱等方面剖析企业需改进电费缴纳方式并建立健全电费回收制度[4]。韩启发等（2013）认为在现今化会制度和电力体制改革的情形下，协调好电网和用户收缴费用交易关系，降低电网电费回收难度十分重要，并结合当时地方电费回收情况，探讨了交费方式、回收节点、服务态度等几个方面对?费回收风险的形成的影响[5]。
如何加强客户信用建设，尽早预警并及时控制电费风险发生，尽快达到国际市场的规范要求，已成为国内供电企业亟需解决的问题。如何建立全面有效的电费回收体系，实现电费回收风险规避和风险防范，已经成为供电企业当前营销工作的重点。本文以通过实际应用为例，基于CRITIC权重模型构建客户信用和电费回收风险控制指标体系，提出电费回收用户风险评价与管理方法，为供电企业提供借鉴。
2 电力客户信用及风险评价指标体系构建
2.1 信用及风险评价指标
电力客户信用是指电力客户在电力付费、合作方式及其他有关电力事宜中履行约定所取得的信任。电力客户信用是一个内涵丰富、外延模糊的概念，其内容涉及电力客户的历史、现状、前景等诸多方面，是在综合考虑电力用户交费的历史信用记录、合作情况及交纳相关费用意愿的基础上对电力用户进行客观、公正的信用评价。该评价既是对电力客户历史的总结，也是对电力用户未来信用状况的预测和信用风险的评价[6]。企业信用管理部门针对目前的信用管理实践，广泛采用5C系统来全面考察客户的信用情况。5C是指考察客户的信用和偿付能力的5个主要要素，分别是：品德（Character），即客户愿意履行其付款承诺的可能性；能力（Capacity），即客户的支付能力和偿还贷款的能力；资本（Capita1），即客户企业的财务状况；抵押（Collatera1），客户用其资产对其所作的承诺的付款进行担保；情况（Condition），即能够对客户的偿付能力产生影响的社会经济发展的一定趋势，以及某些地区或某些领域的特殊发展和变动[7]。本文电力客户信用评价指标在遵循5C理论的基础上，全面考虑到电力行业的实际情况，灵活确定客户信用风险评估指标体系，主要指标如表1。
CRITIC权重模型是一种客观权重赋权法，它的基本思路是确定指标的客观权数以两个基本概念为基础。一是对比强度，它表示同一指标各个评价方案取值差距的大小，以标准差的形式来表现，即标准化差的大小表明了在同一指标内各方案的取值差距的大小，标准差越大各方案的取值差距越大。二是评价指标之间的冲突性，指标之间的冲突性是以指标之间的相关性为基础，如两个指标之间具有较强的正相关，说明两个指标冲突性较低。最后再由各指标值除以所有指标值之和来计算指标权重[8]。
2.1.1 信用评价指标评分及指标值计算方法
（1）电费违约系数计算方法：，其中R为应收用户违约金，L为最近一次产生应收违约金的月份与当前月份的时间间隔（0≤L
（2）按期缴费率计算方法：，其中N为应收用户的电费，M为用户按期缴费金额（指在违约金起算日前缴费）。
（3）回款及时率计算方法：电费回款期 =实际缴费日期 - 电费发行日期；固定回款期 =违约金起算日期 - 电费发行日期 + 容忍度（默认2天）；[计算方法] （固定回款期 - 电费回款期）/ 固定回款期。
（4）欠费频度计算方法：未按期缴费次数/应缴电费次数×（12-L+1）/12。
（5）电费拖欠系数计算方法：， P为缴费日期，D为电费发行日期。
2.1.2 欠费风险系数指标评分及测算方法
（1）回款波动系数计算方法：，其中。
（2）风险积累系数计算方法：F为欠费次数，Q为最近未欠费天数，S为最近12个月首尾两次欠费时间间隔（天），L0为风险消失天数（取365天），A为风险累计系数。若S=0，则A=0；若Q=S，则A=F*（L0-L）/（L0-S）。
（3）购电量趋势计算方法：计算用电回归曲线的斜率。采用Oracle10g REGR_SLOPE计算曲线斜率，并对结果求出以10为底的对数值。
（4）行业风险系数。
计算方法：，其中分别为所在行业的底信用客户和好信用客户数量，分别为全行业的底信用客户和好信用客户数量。
（5）区域风险系数。
计算方法：，其中分别为所在地区供电局的的低信用客户和高信用客户数量，分别为全省的低信用客户和高信用客户数量。
（6）用电波动系数。
计算方法：，其中，X为每月用电量，。
（7）电费拖欠系数计算方法：log10（欠费次数×累计迟交天数）×（12-L+1）/12。
上述各类指标的计算需要运用供电企业的相关数据信息，该类信息的主要来源于电力公司内部掌握的用电客户信用信息，可以从三个途径获取，一是企业内部的管理信息系统，包括电力营销管理信息系统、客户服务管理系统以及负荷控制系统中的用电客户的基本信息、用电信息以及安全用电信息；二是公司内部的客户信用行为信息，如财务信息管理系统、营销管理信息系统中的用电客户的历史缴费信息、安全检查信息以及违约用电信息等。三是公司内部的客户信用调查信息，主要存在于供电公司的抄表员、用电检查人员等由于长期的经常的与用电客户接触所掌握了大量的第一手用电客户的信用信息。比如，客户的表面印象、客户的管理能力、客户的产品需求、客户的生产规模、市场竞争环境等等。随着我国供电企业信息化的逐步完善，该类客户信用信息的采集均属于可控状态。
2.2 评分指标标准化处理
为确定单个评分指标的相对重要程度，使评价体系具有通用性和可比性，同时尽可能保持评分指标的变化信息及时更新，需要对评分指标数据的运算结果进行标准化处理。评分指标标准化处理的结果是0-1之间的小数，称为评价指数。
正向：代表该指标越大越优，标准化处理公式为：
其中：对于某一项指标x，ri代表第i个用户标准化处理的评分指标值，xi代表由【1.2评分指标数据抽取及运算】计算出的第i个用户的评分指标值，为全省用户的评分指标最大值，为所有用户的评分指标最小值。
反向：代表该指标越小越忧，标准化处理公式为：
其中：?τ谀骋幌钪副?x，rli代表第i个样本标准化处理的评分指标值。
标准化的实施过程，仅为企业用户评分指标提供了基值比较作用。
2.3 确定评分指标的权重
在CRITIC权重模型中，每个系数值占总系数值得比重即为该系数的权重，权重的确定是一个简单的过程，每个指标权重=指标值/所有指标值之和。
3 信用风险评价案例
以下对2015年6月份某市客户信用及风险情况进行评测。
3.1 电力客户信用分类与评价
按照电力用户管理的等级划分原则，结合当前用户风险分布情况制定比例，对客户缴费信用等级和欠费风险等级进行划分。客户缴费信用等级分一般为六级，分别是：AAA级、AA级、A级、B级、C级、D级；欠费风险等级分为三级，分别是：高风险、中风险、低风险。
结合用户信用等级分类，可以针对不同信用等级用户的信用风险管理开展工作，针对风险等级不同的客户，也可以制定预警方案，为电费顺利回收提供较好的管理基础。
当期该地区参与信用评价的非居民用电客户共178659户，信用分级评价情况如表2。
从具体数据中分析发现，A类客户中，AAA级35017户，占全市用户19.6%；AA级用户34302户，占全市用户19.2%；A级用户49846户，占全市用户27.9%。此三类客户作为高信用客户，缴费积极性高，应收电费平均回款天数达到6.5天，高于全市用户应收电费平均回款天数35.8%；
B级用户40735户，占全市用户22.8%，此类客户作为信用一般客户，缴费积极性高，应收电费平均回款天数达到12.4天，较全市用户应收电费平均回款天数低23.8%，近6个月发生过逾期缴费的比例为6.9%；
C级用户15007户，占全市用户8.4%，此类客户作为信用较差客户，缴费积极性高，应收电费平均回款天数达到13.7天，较全市用户应收电费平均回款天数低36.3%；近6个月发生过逾期缴费的比例为21.4%；
D级用户3752户，占全市用户2.1%，此类客户作为信用很差客户，缴费积极性高，??收电费平均回款天数达到13.5天，较全市用户应收电费平均回款天数低36.1%；近6个月发生过逾期缴费的比例为93%。
3.2 电力客户信用风险评级与管理
供电企业营销系统能够对信用等级长期处于低位及信用等级较上月发生突降的用户开展风险监测。业务人员对监测出的异常用户开展风险排查，分析用户信用异常的原因，对确实存在欠费风险的用户进行风险防控。在业务应用系统中对该类客户限制受理信用销售类的业务，加大催缴力度，采用提前催费、短信催费等多种手段保证电费回收工作。
以某房地产经营有限公司用户为例，该用户2015年7月份的信用等级较6月份突然降低了3级，由年初的AAA级下降至B级。通过验证分析该客户的缴费结果及业务办理情况，发现用户2014年全年，未发生一起电费拖欠现象；2015年2月至5月，连续发生两起电费逾期缴费记录，电费逾期缴费天数达到累计15天，导致用户信用等级突降。为此，供电企业通过加大对该用户的关注力度，在加强现场催收力度同时，实施了预付电费策略，避免了一起可能引发的电费回收风险。
从上述分析可以看出，供电企业通过对全市的用电量大客户、对年累计电量排名前20%的用户，开展信用评价结果分析，有助于及时把握电费风险节点；业务人员对信用异常的用电量大客户定期进行风险排查，对确实存在欠费风险的用户，如信用突降、长期处于信用底位等用电客户，及时开展电费催缴工作和风险防范措施，能在很大程度上避免电费损失的发生。
3.3 欠费风险评价管理
在调研的客户中，参与欠费风险评价的非居民用户共178659户，按照客户欠费风险大小，将客户分为两类，一类为低风险用户，一类为高风险用户。通过计算，该市2015年7月低风险用户为172299户，占全市用户96.44%，此类客户按期缴费的情况良好，出现电费拖欠情况的可能较小；高风险用户6360户，占全市用户3.56%，此类客户一般分为两种情况：按期缴费的情况较差，多次出现超过缴费期限或接近缴费期限才完成缴费；客户所在行业总体欠费风险较大，造成其被统计在高风险用户范围内，此类客户均应给予重点关注。
针对不同类型客户，供电企业对风险等级长期处于高危及风险等级较上月发生突降的用户应坚持开展风险监测。业务人员对监测出的异常用户应立即开展风险排查，分析用户风险异常的原因，对确实存在欠费风险的用户进行风险防控。如该市某金具有限公司，2015年7月份的信用等级较上月突然降低了2级。通过分析用户的缴费结果及业务办理情况，发现用户最近7个月缴费日期距离电费发行日间隔逐步增加，并在6月份出现一次拖欠情况。供电企业立即组织实施担保（履约保函）风险控制手段，进行了电费回收风险控制，同时开展分次结算，有效的控制了电费回收风险，避免产生经济损失。
4 电力客户信用及风险管理效益分析
4.1 管理效益提升
通过建立电费回收信用风险评价指标体系，可以有效的对信用风险实施预警管理，通过加强企业内外部的信息资源管理，多渠道收集客户信息，进行信用风险评价与控制，提高了电费回收风险事前预防控制，及时化解风险，减少了电费回收过程中人力物力的投入，消除了因欠费停电造成的电量损失，缩短了电费回收时间，为电费颗粒归仓提供了有利的保障。
4.2 经济效益增长
通过对客户欠费信用风险进行评价与分级，能及时发现问题及时处理，有效的掌握电费的回收进度及资金流向，使电费回收工作时时处于可控、在控状态，确保了电费安全、集中、及时到位。对案例单位整体数据分析，客户信用风险评价指标数据均来源于客户信息系统，其数据真实性较强，预测性较高，在此基础上实行信用风险评价管理，可以降低甚至消除欠费现象，降低财务风险，保障供电企业的经济效益。
4.3 社会效益明显
采取定量指标对客户信用风险评价，大大降低了违章用电现象发生。业务人员能够及时与列入信用风险预警客户开展沟通与交流，提醒预警客户及时筹措资金，按时缴纳电费，防止了因欠费停电影响客户生产经营，降低了欠费停电几率，维护了供电企业形象，能够产生良好的社会效益。同时，通过信用评价，也提高了客户珍惜信用、维护信用的良好氛围，有力促进了全社会信用体系的建设。
篇(4)
关键词:山洪灾害;风险评估;风险区划;GIS技术;易损性指标
中图分类号:S157．1 文献标志码:A 文章编号:1001－5485(2015)12－0041－05
1研究背景
我国是一个多山的国家，山丘区面积约占全国陆地面积的2/3。复杂的地形地质条件、暴雨多发的气候特征、密集的人口分布和人类活动的影响，导致山洪灾害发生频繁。据《全国山洪灾害防治规划报告》数据统计，我国山丘区流域面积在100km2以上的山溪河流约5万条，其中70%因受降雨、地形及人类活动影响会发生山洪灾害［1］。由于山洪灾害的发生具有突发性强、来势猛、时间短等一系列特点，且其造成的危害对人们的生命财产影响巨大［2］，因此，关于山洪灾害的研究早在20世纪初就已经开始了。经过半个多世纪的发展，山洪灾害的研究已经涉及成因、空间分布特征、灾害损失评估、风险评价与制图等各方面［3－11］。风险评估与管理逐渐也成为国际上倡导和推广的减灾防灾有效途径之一［12］。目前，山洪灾情评估工作得到了来自地学工作者、工程专家和各级政府部门的高度重视，并逐渐成为国际性的研究项目。特别是在山洪风险评估方面的表现尤为突出［7－11］。但是，这些评价工作的对象往往是泥石流、滑坡或单纯的溪河洪水等单一灾种，评价单元基本以行政区域为单元，缺乏流域系统性、灾害种类完整性，评价指标选择也无可比性［2－6］。其次，目前对大尺度范围上的山洪灾害区划成果，多为如何防治山洪灾害的目的进行的，是一种黑箱模型，未完整给出各山洪沟的危险性、易损性和风险等级水平，因而无法准确判断不同区域的山洪风险等级。因此，本文将借鉴全国山洪灾害防治规划中对山洪灾害的定义，将由降雨在山丘区引发的洪水及由山洪诱发的泥石流、滑坡等对国民经济和人民生命财产造成损失的灾害统一纳入研究范围［1］。以小流域为评价单元，开展四川省山洪灾害风险评估研究，以期为四川省山洪灾害管理及防治提供一定的理论依据。
2研究方法与数据来源
2．1研究方法
本研究对风险评估的方法，仍借鉴联合国有关自然灾害风险的定义，即风险是危险性与易损性的乘积。其中危险性是灾害的自然属性，易损性则是灾害的社会属性。风险分析在危险性和经济社会易损性分析的叠加基础上完成。因此，本研究的内容主要包括危险性分析、易损性分析以及二者叠加基础上的风险分析。最后，在风险分析的结果基础上，采用一定的区划原则和方法，结合全国山洪灾害防治规划中的一级区划和二级区划，对四川省山洪灾害风险进行更进一步的三级分区，形成风险区划图。由于在进行危险性和易损性分析时，选取的指标较多，各个指标在危险性和易损性大小中的贡献不同，为定量评价各指标在其中的权重，本研究选用层次分析法进行分析。其基本原理为:首先建立山洪灾害危险性、易损性分析评价指标体系，每一层都有1个或2个评价因素对应上层目标层，根据这些相互影响，相互制约的因素按照它们之间的隶属关系排成3层评价结构体系;然后，根据专家经验针对某一个指标相对于另一个指标的重要程度进行打分，打分后即建立判别矩阵。根据山洪灾害的成因和特点，结合目前现有数据情况，本研究选取的危险性和易损性评价指标体系见表1和表2。在进行山洪灾害危险性和易损性的评价时，为了将不同的指标体系组合后用一个统一的量化标准对其等级进行划分，首先根据已有数据的分布区间按照StandardDeviation分类方法，对危险性和易损性水平进行划分，根据实际需要，共划分为5个等级，各个等级的指标范围见表1和表2。
2．2数据来源
四川省山洪历史灾害资料来自四川省山洪灾害防治分区项目调查数据。该数据以小流域为单元，其面积界定为＜200km2［1］的小流域共计2471条(近50a来发生过山洪灾害的小流域)。部分县域，小流域单元数据是由国家气象局与国家科技基础条件平台建设项目———系统科学数据共享平台提供;四川省内及周边82个站点年雨量数据来自中国气象局数据库;DEM(90m)数据来自SRTM;土地利用数据来自中国科学院资源环境科学数据中心;岩性数据来自中国地质调查局的1∶250万中国数字地质图;基础土壤数据来自中国科学院南京土壤研究所的1∶100万中国土壤属性数据库。
3山洪灾害风险评估与区划
3．1危险性指标体系及评估
根据危险性各评价指标及对各指标数值的综合统计分析，结合专家的经验判断，参与者均为全国山洪灾害防治规划中承担相应数据资料分析的专家(共3位)，各位专家根据经验判断各级指标间的相对重要性，然后利用层次分析法确定出危险性各指标的权重值，如表3所示。结合ArcGIS的空间分析计算，将各指标危险性分级图转换为栅格格式(见图1(a)至图1(e))，结合上表给出的每个指标所确定的综合权重值，利用ArcGIS的栅格叠加计算功能，可得到山洪灾害危险性图(见图1(f))。具体计算方法为:山洪灾害危险性=0．041×最大24h暴雨极值+0．021×最大24h暴雨极值变差系数+0．207×最大1h暴雨极值+0．105×最大1h时暴雨极值变差系数+0．035×地形坡度+0．04×地形起伏度+0．091×小流域主沟比降+0．19×河网缓冲区+0．071×历史灾害缓冲区。
3．2易损性指标体系及评估危险性
根据易损性评价指标体系，依据层次分析法计算了四川省山洪灾害易损性指标的权重值(见表4)。在ArcGIS中，将各指标分级图转换为栅格格式(见图2(a)至图2(c))，结合表4给出每个指标所确定的综合权重值，利用ArcGIS的栅格叠加计算功能，可得到山洪灾害易损性成果图(见图2(d))。具体计算方法即为山洪灾害易损性=0．18×沟道两侧范围人口数量+0．42×沟道两侧范围人口密度+0．18×地均GDP+0．12×人均住房数量+0．06×历史灾害死亡人数+0．04×历史灾害冲毁房屋数。
3．3山洪风险评估
根据山洪风险度R等于危险度H乘以易损度V的定义，利用ArcGIS的空间分析叠加功能，可以计算山洪灾害的风险度图。在处理数据时，首先将危险性分级图和易损性分级图进行归一化取值(0～1)见表5，然后进行栅格相乘计算，即可得到四川省山洪灾害的风险图，其取值范围为0～1之间。根据山洪灾害风险区等级划分标准进行分级，可得到四川省山洪灾害风险分级图，如图3所示。
3．4山洪风险区划
根据山洪灾害风险分级结果，结合全国山洪灾害防治规划中的一、二级防治分区范围，采用基于空间邻接系数的聚类分析方法，对风险分级结果中的最小单元进行逐级向上合并，根据主导因素与综合因素相结合、区域单元内部相对一致、以人为本的经济社会分析等山洪灾害区划原则，划分出全国山洪灾害风险区划单元。以四川省山洪灾害风险等级为基础进行最小单元聚类，在ArcGIS中叠加全国山洪灾害防治二级区划(四川省境内)成果，同时根据四川省自然条件和山洪灾害防治现状，将四川省境内的西南地区细分为3个三级区(图4所示Ⅰ－8－3，Ⅰ－8－1，Ⅰ－8－2)，原二级区划中的藏南地区、藏北地区、秦巴山地区由于面积不大，山洪灾害现状和自然条件比较一致，因此不做进一步划分(如图4所示的Ⅲ－1，Ⅲ－2和I－4)。因此，四川省山洪灾害风险区划共涉及6个区划单元，如图4所示。在完成风险性等级划分图和区划图以后，以各风险区划单元为单位，统计各三级区内风险度等级分布特征。表6为四川省各风险区划单元内风险度等级面积统计，表7为四川省各风险区风险等级比例统计。从表7中可见，四川盆地及周边为山洪灾害中高风险区，为四川省山洪灾害重点防治地区。其它地区山洪灾害风险等级较低，在进行山洪灾害防治时，应以防治措施为主，同时加强灾害监测的预警预报。
4结论
(1)整个四川省的山洪灾害风险等级水平处于较高水平，特别是四川盆地及周边地区是山洪灾害的高风险值地区，中风险区等级以上的面积占到了整个四川盆地及周边总面积的近80%，这一区域也是四川省人口、经济密度最大的区域，因此山洪灾害防治任务艰巨。其次，秦巴山地区是四川省山洪灾害次严重地区，中风险区等级以上的面积占到了整个四川省秦巴山地区总面积的18%。其它几个三级区域山洪灾害风险水平不高，大多处于低风险和较低风险水平，山洪灾害防治应以防治措施为主，同时加强灾害监测的预警预报。(2)由于山洪灾害的成因机理十分复杂，特别是溪河洪水及其诱发的滑坡、泥石流灾害成因更为复杂，在进行山洪灾害危险性、易损性评估时，评价指标体系应在深入研究成因机理的基础上进行选取，但限于目前研究成果和资料的可获取性限制，本研究风险评估结果的准确性仍有待验证。
参考文献:
［1］长江水利委员会．全国山洪灾害防治规划报告［R］．武汉:长江水利委员会，2005．(ChangjiangWaterRe-sourcesCommission．TheMountainTorrentDisasterPre-ventionandControloftheNationalPlanningReport［R］．Wuhan:ChangjiangWaterResourcesCommission，2005．(inChinese))
［2］唐川，师玉娥．城市山洪灾害多目标评估方法探讨［J］．地理科学进展，2006，25(4):13－21．(TANGChuan，SHIYu-e．Multi-ObjectiveEvaluationMethodofMountainTorrentDisasterinUrbanArea［J］．ProgressinGeography，2006，25(4):13－21．(inChinese)
［3］石凝．闽江流域灾害性洪水形成机理分析［J］．水文，2001，21(3):30－33．(SHINing．FloodingDisas-terMechanismofMinjiangRiverWatershed［J］．Hydrol-ogy，2001，21(3):30－33．(inChinese))
［4］谢洪，陈杰，马东涛．2002年6月陕西佛坪山洪灾害成因及特征［J］．灾害学，2002，17(4):42－47．(XIEHong，CHENJie，MADong-tao．MountainTorrentDisasterCausesandCharacteristicsofFoping，ShaanxiProvinceinJune，2002［J］．Journalofcatastrophology，2002，17(4):42－47．(inChinese))
［5］韦方强，崔鹏，钟敦伦．泥石流预报分类及其研究现状和发展方向［J］．自然灾害学报，2004，13(5):10－15．(WEIFang-qiang，CUIPeng，ZHONGDun-lun．ClassificationofDebrisFlowForecastandItsPresentSta-tusandDevelopmentinReseach［J］．JournalofNaturalDisasters，2004，13(5):10－15．(inChinese))
［6］许有鹏，于瑞宏，马宗伟．长江中下游洪水灾害成因及洪水特征模拟分析［J］．长江流域资源与环境，2005，14(5):638－644．(XUYou-peng，YURui-hong，MAZong-wei．CauseofFloodDisastersandFloodCharacter-isticSimulationAnalysisoftheMiddleandLowerRea-chesoftheYangtzeRiver［J］．ResourcesandEnviron-mentintheYangtzeBasin，2005，14(5):638－644．(inChinese))
［7］张春山，李国俊，张业成，等．黄河上游地区崩塌、滑坡、泥石流地质灾害区域危险性评价［J］．地质力学学报，2003，9(2):143－153．(ZHANGChun-shan，LIGuo-jun，ZHANGYe-cheng，etal．Collapse，LandslideandDebrisFlowandGeologicalDisastersRiskAssess-mentofUpstreamoftheYellowRiver［J］．JournalofGe-omechanics，2003，9(2):143－153．(inChinese))
［8］赵士鹏．中国山洪灾害的整体特征及其危险度区划的初步研究［J］．自然灾害学报，1996，5(3):93－99．(ZHAOShi-peng．AnElementaryStudyonWholeChar-acteristicsofMountainTorrentsDisasterSysteminChinaandItsHazardRegionalization［J］．JournalofNaturalDisasters，1996，5(3):93－99．(inChinese))
［9］钟敦伦，谢洪，韦方强．长江上游泥石流危险度区划研究［J］．山地研究，1994，2(2):65－70(ZHONGDun-lun，XIEHong，WEIFang-qiang．HazardRegionalizationofDebrisFlowintheUpstreamofYangtzeRiver［J］．JournalofMountainResearch，1994，2(2):65－70(inChinese))
篇(5)
关键词：并购重组；企业文化；风险；评价
教育
一、并购重组企业文化风险的特点和类型
并购重组企业的文化风险是指在企业并购中，由于不同文化在交汇时的复杂性、不确定性，导致企业实际收益与预期收益目标发生背离，甚至使企业经营活动失败的可能性。它具有客观性、隐含性、复杂性、可控性等特征，并贯穿于并购重组战略的制定、并购重组行为的实施以及并购重组后企业资源的整合等一系列过程中，直接影响并购重组的效果。教育
并购重组企业文化风险主要有以下几种表现形式：（1）管理风险：指并购后企业所采取的管理模式和管理行为等能否被并购双方员工所接受的风险；（2）沟通风险：指在并购中，由于文化差异使得并购双方的信息、思想传递或交换受阻，产生曲解和误会而带来的风险；（3）组织风险：指并购企业在内部管理上，由于不同企业文化背景的管理人员和员工之间不能建立起协调联系，从而影响组织稳定性的风险；（4）人员风险：指由于文化的差异和冲突，一些关键的管理和技术人才离开企业，即使不离开，这种不良气氛也会使员工情绪低落、工作不积极、工作效率下降，从而导致预期目标难以实现的风险。
二、并购重组企业文化风险指标体系
并购重组企业文化风险指标体系的构建，是进行文化风险评价的基础，对并购后企业能否顺利实现整合以及能否达到预期的并购目标有着重要的指导作用，并关系到整个评价结果的实用性和正确性。
本文本着科学性、系统性、定性与定量指标相结合的原则，并结合并购重组企业的特点，借鉴一些学者对并购重组企业文化风险的研究成果，将并购重组企业面临的文化风险归类为管理文化风险、组织文化风险、沟通文化风险和人员文化风险四个方面，同时分析各种文化风险的影响因素，并运用德尔菲法根据业内专家评定确定模糊权重，初步建立评价指标体系和权重分配，如表1所示。（表1）
三、并购重组企业文化风险模糊综合评价模型
模糊综合评价是对由多种因素影响的事物做出全面评价的一种十分有效的多因素评价方法。它用模糊变换原理和最大隶属度原则，考虑与被评价事物相关的各个因素所做的综合评价。在并购重组企业文化风险因素中，涉及到大量的复杂现象和很多不易定量的因素，具有模糊性，在对其评价时，要用模糊数学理论进行定量化处理，因此采用模糊综合评价法对并购重组企业文化风险进行综合评价是很合理的。
模糊综合评价法的步骤如下：
1、确立评价因素集。建立以评估对象的各主要影响因素为元素的集合，把因素U按其属性分成4子集，记为U={u1，u2，…，u4}。
2、建立评价因素的评语集。设文化风险评语集V={v1，v2，v3，v4，v5}={高，较高，中等，较低，低}。n=5表示为u对不同评价等级的隶属度。
3、建立从U到V的单因素评判矩阵Ri。对每一个评价指标Ui进行单指标评价，进行综合评价时可以根据实际意义确定单指标评价矩阵Ri，采用德尔菲法确定Ui中各因素对应于V中的各种评语的隶属度矩阵。由此可以得到模糊模型评价矩阵。
4、给出Ui中各评价指标的权重。权重是表示某一指标在整个指标体系中具有的重要程度。实际计算时可以通过专家评分法来确定各指标的权重。
5、得出评价结果。将Ui视为一个单独因素，用Bi作为Ui的单指标评价向量，可构成U到V的模糊评价矩阵。
R=B■B■…B■=b■b■…b■b■b■…b■…… ……b■b■…b■
按照Ui在U中的重要程度给出权重，A=（a1，a2，…，as），得到U的最终评价向量B=A·R=（b1，b2，…，bm）。对B做归一化处理，按照最大隶属度原则，用B中隶属度最大者所对应的评价等级作为评价对象的等级，即为综合评价的结果。
四、应用实例
结合上述评价模型，对某并购重组企业文化风险进行综合评价。根据表1用德尔菲法得到的权重分配为：
一级指标层权重为：A=（0.4，0.2，0.3，0.1）
二级指标层权重为：
A1=（0.5，0.3，0.2）；A2=（0.6，0.4）；
A3=（0.4，0.3，0.3）；A4=（0.6，0.4）
然后，利用专家打分法确定的二级指标层的指标子集的模糊评价矩阵分别为：
R1=0.30.20.10.20.20.40.20.20.10.10.20.30.30.10.1
R2=0.20.40.10.20.10.30.10.30.10.2
R3=0.20.10.40.300.40.20.30.100.30.40.20.10
R4=0.30.20.30.10.10.20.10.40.30 二级指标层的模糊数学评价为：
B1= A1·R1
=（0.5，0.3，0.2）·0.30.20.10.20.20.40.20.20.10.10.20.30.30.10.1
=（0.31，0.22，0.17，0.15，0.15）
同理：
B2=A2·R2
=（0.6，0.4）·0.20.40.10.20.10.30.10.30.10.2
=（0.24，0.28，0.18，0.16，0.14）
B3=A3·R3
=（0.4，0.3，0.3）·0.20.10.40.300.40.20.30.100.30.40.20.10
=（0.29，0.22，0.31，0.18，0）
B4=A4·R4
=（0.6，0.4）·0.30.20.30.10.10.20.10.40.30
=（0.26，0.16，0.34，0.18，0.06）
R=B■B■B■B■= 0.310.220.170.150.150.240.280.180.160.140.290.220.310.1800.260.160.340.180.06
得到模糊综合评价结果为：B=A·R，即：
（0.4，0.2，0.3，0.1）·0.310.220.170.150.150.240.280.180.160.140.290.220.310.1800.260.160.340.180.06
=（0.285，0.226，0.231，0.164，0.094）
综合评判结果B向量的各分量之和为1，满足归一化条件。由此得到此并购重组企业文化风险相对于五个等级的评价结果。最后，评价结果说明：在所有参与评价的专家中，28.5%的人对该并购重组企业文化风险评价为“高”，22.6%评价为“较高”，23.1%评价为“中等”，16.4%评价为“较低”，9.4%评价为“低”。依据隶属度最大的决策原则，该并购重组企业文化风险等级为“高”。
依据最大隶属度原则只考虑到结果最大值所处的等级，忽略了其他等级，因此可将评语集V中各类评语定出标准分，得出并购重组企业文化风险模糊评价的最后得分。五个等级与相应的标准分如表2所示。（表2）
那么，该并购重组企业文化风险模糊评价的最后得分计算如下：
100×0.285+85×0.226+70×0.231+60×0.164+45×0.094=77.91
这说明，该并购重组企业文化风险处在中等和较高之间的水平。
五、结论
企业并购重组必然会带来文化风险，只有真正识别风险，分析各种风险的影响程度，才能有效地防范和规避风险。本文对并购重组企业文化风险进行了识别，并通过对并购重组中可能出现的各种文化风险因素进行分析，建立了并购重组企业文化风险评价指标体系，并依据模糊数学理论对其进行模糊综合评价，为并购重组企业的文化风险控制提供了依据。
主要参考文献：
[1]王基建.企业并购的文化风险及其识别[J].武汉理工大学学报，2002.6.
[2]侯菊英，陈艳艳.论社会主义和谐文化建设的主要途径[J].河南理工大学学报（社会科学版），2009.1.
[3]吴显英.企业的文化风险及其评价指标体系分析[J].企业经济，2007.3.
[4]汪应洛.系统工程[M].北京：机械工业出版社，2005.
篇(6)
关键词：房地产投资风险 风险分析 风险评价 模糊评价
中图分类号:F293.3 文献标识码:A
文章编号:1004-4914（2012）03-278-02
房地产投资是指投资者将其资金投放到房地产的开发经营管理中，以获得产业利润的一种经济行为。房地产投资的风险是指在房地产投资活动中存在影响开发利润的多种因素，而这些因素的作用难以或无法预料、控制，使开发商开发利润可能与预计利润发生背离，因而使之蒙受经济损失的可能性。房地产开发是一个动态过程，它具有开发周期长、资金投入量大等特点，很难在一开始就对整个开发过程中的有关费用和建成后的收益作精确的估计，即在开发过程中存在着不确定性，从而不可避免地带有风险。
由于房地产开发投资风险系统具有明显的层次性，且不同风险的评价及权重的确定具有较大的主观不确定性，即模糊性，因此本文将层次分析法（Analytic hierarchy Process,AHP）和模糊评价（Fuzzy Evaluation）相结合，力争建立一个适合于房地产投资风险评价的多层次、多因素模糊综合评价模型。
一、模糊综合评价介绍
模糊综合评价法，是一种运用模糊数学原理分析和评价具有“模糊性”事物的系统分析方法。它是一种以模糊推理为主的定性与定量相结合、精确与非精确相统一的分析评价方法。由于这种方法在处理各种难以用精确数学方法描述的复杂系统问题方面所表现出的独特优越性，近年来已经在许多学科领域中得到了十分广泛的应用。
模糊综合评价的基本步骤为：
第一步，构建综合评价指标体系；
第二步，确定评语等级论域；
第三步，确定指标权重W，建立模糊关系矩阵R；
第四步，计算模糊合成值；
第五步，进行模糊综合评价。
其中在基本步骤中对权重（W）的确定本文采用了层次分析法。层次分析法作为系统工程中对非定量事件一种评价分析方法是1973年由美国学者A.L.Satty最早提出来的。层次分析法是首先将复杂的问题层次化，根据问题和要达到的目标，将问题分解为不同的组成因素，并按照因素间的相互关联以及隶属关系将因素按照不同层次聚集组合，形成一个多层次的分析结构模型。根据系统的特点和基本原则，对各层的因素进行对比分析，引入1－9比率标度方法构造出判断矩阵，用求解判断矩阵最大特征根及其特征向量的方法得到各因素的相对权重。
基于AHP的房地产投资风险的模糊综合评价可按以下步骤进行：
第一步，构建风险评价指标体系；
第二步，两两比较结构要素，构造出所有的权重判断矩阵；
第三步，解权重判断矩阵，得出特征根和特征向量，并检验每一个矩阵的一致性，若不满足一致性，则要修改判断矩阵，直到满意为止。计算出最底层指标的权重组合。
第四步，建立多层次模糊评价模型，进行模糊计算；
第五步，对评价对象进行综合评价。
为了顺利而正确地对风险进行评估，必须建立和遵循一定的评价程序。
二、投资项目评价过程
（一）确定评估目的
这是整个评估工作的前提。在房地产开发过程，对风险评估具有不同目的要求，如通过评估为开发决策提供依据；为房地产置业投资确定风险损失与风险报酬；为开发活动进行市场预测等等。只要确定了评估目的，才能根据评估目的收集材料，选择合适的评估方法，准确而合理地开展评估工作。
（二）风险环境分析和收集评估资料
这是为了寻找风险源，以及定性分析风险程度所必须进行的工作。风险环境分析要抓住影响风险程度的主要环境因素进行分析。
在风险环境分析的基础上，收集汇总可定性、定量评估风险的有关资料和数据。评估资料将直接影响到风险评估的准确性和可靠性。因此，评估资料的收集要作到全面、及时、准确。此阶段还要对收集的资料进行初步分析，筛选和分类整理。
（三）建立房地产投资风险评价体系
1.指标体系的建立。根据对房地产投资风险因素的构成分析，可以得出房地产投资风险实际上是一个由多层次、多因素构成的系统如图1。根据风险识别得出的主风险因素，进一步查找各主风险因素的来源，从而得出相应的子风险因素，即构成本项目风险评价的指标体系，指标体系是以房地产投资风险因素为主要依据，建立房地产投资风险层次模型。
其中主风险因素Rk=（R1，R2，…，Rm）
子风险因素Rkp=（Rk1，Rk2，…，Rkp）
p表示主风险因素含有的子风险因素的数量。
2.指标体系权重的确定。评价指标权重是评价指标相对重要性的定量表示。此指标体系权重分为两个层次：一是各主风险因素权重，二是每个主风险因素中各子风险因素权重，两个层次的权重确定均采用专家法进行，但选择“专家”的标准不同。第一个层次即主风险因素的权重应征询项目管理专家、技术经济专家以及其他开发企业领导者的意见；第二个层次即子风险因素的权重应征询对该主风险因素精通的专家以及其他房地产开发企业该部分业务的负责人。
由风险分析得出：
（1）主风险因素权重集为A=（a1,a2,…，am），其中ak（k=1，2，…，m）表示指标Rk在R中的权重；
（2）子风险因素权重集为Ak=（ak1,ak2,…，akp），其中ak（i=1，2，…，p）表示指标Rki在Rk中的权重。
3．房地产投资风险度评语集。由于风险度变量的变动范围为[0,1]，如果将风险等级划分为n级，则每个区间的长度为1/n，风险的等级区间为：
式中i=1，2，…，n。
分级的差异直接影响因素评价值，最终影响评价结果的准确性，在房地产投资系统风险等级的评判中，一般都将风险等级划分为五级，即很低风险、较低风险、中等风险、较高风险和很高风险，其风险度取值范围分别为[0,0.2]，[0.2,0.4]，[0.4,0.6]，[0.6,0.8]和[0.8,1]之间，从而构成：定义评语集为U=u1，u2，…，un，其中uj（j=1，2，…，n）表示由小到大各级风险对投资项目的影响程度评语，取n=5，u1，u2，u3，u4，u5分别代表评语是风险影响程度很小、较小、中、较大、很大。
4．建立模型，进行评估。
（1）评价矩阵Hk的确定。假设有n位专家对子风险因素的风险程度进行评判，对第Rki项指标合计有mkij个人评判为Uj级，则可认为专家组对该成片开发项目在Rki项指标下评判为Uj级的可能性程度：
由此可得到一个子风险因素（单项指标）评价的行向量：Hk1=（hki1,hki2,hki3,hki4,hki5）。
所有子风险因素评价的行矩阵组成评价矩阵HK：
下标k为各评价指标子集中含有指标的数目。
（2）主风险因素风险综合评价。根据模糊综合评价模型，各主风险因素综合评价向量为：
模糊子集Bk=（bk1,bk2,bk3,bk4，bk5）表示在各Rk（K=1，2，…m）因素下房地产投资项目分别以百分之多少的程度处于风险各等级。
（3）风险综合评价。通过上述运算，得到是对评价指标子集的综合评价结果并B1,B2,…，Bm可构成一个总的评价矩阵B，即：
权向量A=（a1，a2，…，am）
按照模糊综合评价模型，再进行综合评价运算，即：D=A・B或
则D=（d1,d2，d3，d4，d5）就是对该投资项目的综合评价结果。按照最大隶属度原则，dj（j=1，2，3，4，5）中的数值最大者djmax所对应的风险程度等级即Uj为该投资项目的风险等级。
四、评价结论
最终评价结果是一个代数值，表示对所有房地产投资风险评价指标的综合主评分。分值越高，说明房地产投资项目的风险越高，在所有风险评价指标的综合表现越差；反之分值越低，说明房地产投资项目的风险越低。
当然风险分析针对的是未来可能的风险，无论采用何种评价方法，都可能产生错误的估计，因此评估报告须进一步分析可能存在的评估误差，以使风险决策有更为可靠的依据。
模糊综合评价方法克服了以往只能衡量房地产投资中某单一风险的弊病，而是将房地产投资作为一个系统来衡量其整体不同阶段风险程度，应用模糊综合评价理论建立的房地产投资的风险模糊评价模型，可针对房地产原始信息的不确定性，将其转换为模糊变量，利用模糊评价模型进行评价得出的定量结果，对房地产投资决策有较高的参考价值。
参考文献：
1.王俊松.房地产投资风险概述.经济与管理，2005(5)
2.任宏,邓中美.建筑策划中的风险识别与风险评价.重庆大学学报（自然科学版），2005(9)
3.徐嵘,孟德林,欧志高,李可读.完善风险识别与预防机制.中国城市金融，2006(5)
4.冯套柱,孟亚宁.房地产投资风险评价研究.沈阳理工大学学报，2005(3)
5.刘晓君,孟凡文.模糊层次分析法在房地产投资风险评价中的应用.西安建筑科技大学学报（自然科学版），2005(1)
6.熊红梅,王慧敏.房地产投资风险综合评价研究.华北水利水电学院学报，2005(1)
7.李永,胡向红,乔箭.改进的模糊层次分析法．西北大学学报（自然科学版），2005(1)
篇(7)
关键词：模糊神经网络；企业信用风险；评估模型
中图分类号：F820 文献标识码：A 文章编号：1672-3104（2013）05?0021?05
信用风险是指交易对方没有意愿或没有能力履行既定合同条件而造成违约，致使债权人或交易方遭受经济损失的可能性。企业信用风险产生的原因有企业内部自身的因素，也有环境因素。企业经营不善、决策失误导致无法履约等自身因素往往被认为是企业信用风险的根本原因[1]；而国内外宏观经济环境、法律法规制度及政治制度的突变也成为当前企业信用风险成因不可忽视的因素。
理论和实践已表明当今的中国已经步入了“信用经济时代”，这就要求作为中国经济主体的企业，在生产经营活动中需要感知风险、预测风险和规避风险，以确保契约关系的如期履行。这既是企业经营与发展的根本，也是国家和地区经济体系正常运行的基本前提。因而如何科学有效的评价企业的信用风险，对维护国家金融安全与经济健康运行的意义与价值是不言而喻的。
一、文献回顾
信用评价是穆迪（Moody）公司的创始人约翰·穆迪在1890年首创提出的债券风险管理体系，通过债券的信用评价确定债券等级，目的是帮助投资者对债券做出选择，同时也为企业管理者的生产经营决策提供建议。到上世纪二三十年代，信用评价开始在欧美国家风行，评价的技术也在与时俱进。总结其发展历程，评价技术大致可以划分为经验判断时期、统计模型时期和人工智能方法时期。
（一） 经验判断时期
这一时期主要集中在20世纪50年代以前，依赖评估人员的经验和能力对企业的信用状况作出判断。在多年的实践中，逐渐形成了“6C”“5P”及“LAPP”等要素信用评价方法。但经验判断法对评估人员的能力与水平有很高的要求，而且由于不同评估人员的的认识不同导致评价结果差异较大，评价结果公正性难以保证。
（二） 统计模型时期
在上世纪50年代到90年代期间，统计方法开始在信用评价技术中大量使用。Beaver[2]在1968建立单变量多元分析模型 （Z模型），但这种方法会存在不同变量导致不同的评价结果的缺陷。针对这一缺陷，Altman[3]利用多元判别分析法进行改进建立了Zeta模型，明显提升了风险预警的效果。1980年Ohlson[4]开始运用Logit回归模型进行企业信用评价，而后Collins和Green（1982）、Gentry、Newbold和Whitford （1987）的研究表明了Logit回归模型在信用评价方面优于Zeta模型。Jone和Hensher（2004）使用混合Logit模型提高风险评价的准确程度。随着信用评价技术的完善，一些新的统计方法不断在实践和应用，如KMV模型、VaR方法均在信用风险评价中使用，这些模型的出现意味着统计方法在信用风险度量技术的广泛使用。
但是统计学方法应用在信用评价中也有很多的不足，如统计模型要求评价指标的关系是线性的，指标要成正态分布等都与企业的实际情况不符。因此，统计方法评价企业信用风险有很大的局限性。
（三） 人工智能方法时期
从上世纪90年代开始，信用评价就进入了一个集人工智能、计算机技术和系统技术于一体的人工智能方法时期。随着人工智能的发展和应用，神经网络方法（ANN）开始进入信用评价的应用和研究领域。相对于统计方法，神经网络对样本数据分布要求不严格，具有较强的“鲁棒性”和较高的预测精度，这些优势使其成为信用风险评价的有效工具。Singleton和Surkan[5]的研究表明神经网络方法的准确率比信用评分法的准确率要高16%。Altman、Macro和macro[6]的研究也证实了神经网络准确率远高于信用评分法准确率。
我国学者对于信用评价问题的研究起步较晚，相比发达国家成熟的信用评价体系存在着相当大的差距。特别是在信用评级的实践中，仍然以信用评分为主，在评价方法上，又以统计分析为主，而对于神经网络方法、衍生工具方法的应用研究相对较少。基于此，本文构建模糊神经网络方法探索企业信用风险评价方法。
二、研究方法与样本来源
（一） 研究方法
本文中的T-S模糊系统是一种自适应能力较强的模糊系统应用，该模型不仅能自动更新，而且还能不断修正模糊子集的隶属函数。T-S模糊系统用“if-then”的规则来定义，其模糊推理如下：
其中： 为模糊系统的模糊集； 为模糊系统的参数；yi为根据模糊规则得到的输出。该模糊推理的输出部分是模糊的，输入部分是确定的，且输出为输入的线性组合。
（二） 样本来源
本文中的样本来源于2012年度浙江省重点工程招投标领域信用评级企业。为了评价的一致性，受评的72户企业均为土木施工类企业，其中55户作为神经网络的学习样本，17户作为检验样本，样本数据均由杭州资信评估公司提供。
（三） 评价指标说明
信用评价指标体系是科学评价企业信用状况的基础和依据，本文按照浙江省企业信用评价指导性标准和规范提供的指标体系[7]，其评价指标主要分为5个大类、15个中类及48个初始指标集，即① 企业基本状况大类指标：基本条件，人力资源，管理能力；②财务状况大类指标：债权债务，营运能力，盈利能力；③ 发展潜力大类指标：行业状况，技术实力，成长能力，发展战略；④ 公共信用监管大类指标；⑤ 招标投标监管信息大类指标：招标投标信用记录，合同履约情况，获奖情况。
本文样本的财务指标数据均来自于审计后的财务报表，定性指标则通过实地调查或监管部门的官网信息所得，因而所有的信用信息真实可靠。
由于信用评价指标体系中的各个指标计量单位不同，在分析之前必须通过归一化处理，化为无量纲的表达式，即为纯量。指标归一化的方法有很多，本文使用如下算子（即matlab中的mapminmax）进行归一化处理：
其中：ymax默认取为1，ymin默认取为?1，这样把原始数据归一化到?1至1之间，以便于后续的运算处理。
三、模糊神经网络构建
（一） 模糊神经网络的输入与输出
本文构建三层神经网络，模型的第一层为输入层，因为有48个输入参数指标，所以输入层设置了48个神经元；第二层为隐含层，隐含层神经元个数要依据网络学习的拟合速度选取，此处设置为100个；第三层为输出层，由于输出参数为一个，即为企业的信用等级，故输出层设置1个神经元。
（二） 基于模糊神经网络的企业信用风险评价的流程
企业信用风险评价要将输入样本数据归一化后求隶属度，旨在将数据模糊化，再采用连乘算子作为模糊算子，计算模糊模型输出值，其结果为逆模糊化的输出。通过误差计算矫正隶属度参数，训练模糊神经网络，将训练好的网络对测试数据进行信用评价。该过程如图1所示。
（三） 模糊神经网络的学习算法
1. 误差计算
2. 系数修正
3. 参数修正
四、实证研究结果
本文采用MATLAB 2010a编程，实现模糊神经网络过程对该网络进行训练。经过训练得到模糊神经网络的真实结构。该结构由48个神经元的输入层，1个神经元的输出层和100个神经元的隐含层构成，经过大量次数的训练，得到训练结果。
（一） 误差分析
从图2到图5可知，经过9 000次训练，个别点的误差仍然较大，没有趋于稳定。在经过10 000次训练后，所有点的误差非常小，训练好的模型能够用于测试数据的信用评价。
在不同训练次数下误差波动不大，说明经过10 000次训练以后的误差已经趋于稳定。从图6和图7中可以看出，需要较大的训练次数误差才能趋于稳定，主要原因在于训练样本中等级的不连续性，例如一个企业的数据理论上应该化分为等级2.4，但是在实践应用中的等级却只有2和3，按照接近原则划分到2，这样的误差出现在训练样本中将会对训练结果的好坏、预测结果的好坏有着较大的影响。
由于反归一化后结果不一定是整数，这与信用等级不一致，所以有必要对结果取整，当输出结果小于1.5，其等级为AAA（图上为1），输出结果为1.5～2.5，其等级为AA（图上为2），输出结果为2.5～3.5，其等级为A（图上为3），输出结果大于3.5，其等级为BBB（图上为4）。
测试样本评价结果如图8，等级1代表AAA，2代表AA，3代表A，4代表BBB。即：
五、结语
（1） 本文根据浙江省企业信用评价指导性标准和规范的要求确立了企业信用风险评估的指标体系， 构建了企业信用风险评估的模糊神经网络模型。通过MATLAB 2010a编程，实现模糊神经网络过程对该网络进行训练。实证研究表明， 模糊神经网络适用于企业信用风险评价，且网络预测误差小。
（2） 利用模糊神经网络得到的企业信用评价结果与杭州资信评估企业的评价结果基本一致。经对比，有4个企业的评价结果发生了一个等级的差异。
参考文献：
[1] 张瑛. 新兴技术企业信用风险评估方法研究[D]. 成都： 电了科技大学， 2009.
[2] Beaver W H. financial ratios as predictors of failure[J]. Journal of Accounting Research， 1966： 71?111.
[3] Altman E I. Financial Ratios Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance， 1968， 23： 4?7.
[4] J S. Ohlson. Financial Ratios and the Probabilitistic Prediction of Bankruptcy [J]. Journal of Accounting Research， 1980， 4： 123?133.
[5] Singleton. And Surkan. D. Simulating Correlated Defaults [J]. Paper presented at the Bank of England Conference on Credit Risk Modeling and Regulatory Implications， 2003， 9： 21?36.
