多风险控制

多风险控制（共8篇）

多风险控制 篇1

1 引言

伴随金融市场的不断发展、全球一体化进程的推进, 导致全球经济发生剧烈波动的风险因素不断增加, 亚洲金融危机、美国次债危机、日本大地震等一系列局部风险事件的影响, 通过金融体系的放大效应, 迅速波及全球, 导致金融资产价格剧烈波动, 资产组合极端风险持续增大, 如何准确地测度资产组合的极端风险成为资产配置应当考虑的重要问题。

金融资产的风险测度大致经历了以方差为代表的传统风险度量阶段;以VaR为代表的现代风险度量阶段;以CVaR (Conditional VaR) 为代表的内在一致风险度量阶段。在正态分布假设下, 采用方差分析金融资产收益率的波动性, 其缺陷在于不能很好地描述收益率的“尖峰厚尾”及偏态特征。1965年, Fama研究发现金融资产日收益率序列具有比正态分布更厚的尾部和更高的峰部, 其分布是负偏斜的, 这意味着使用正态分布往往会低估极端下跌情况下的风险[1]。VaR和CVaR是典型的下侧风险 (或称为极端风险、尾部风险) 的测度, 反映市场在极端下跌状况下, 资产组合价值面临的潜在损失的可能性。相比VaR, CVaR的数学性质更贴近实际风险特征。Artzner指出作为投资组合管理和分析工具使用的风险度量方法应满足一致性公理, 即该风险度量方法满足次可加性、正齐次性、单调性和传递不变性四个条件, 而VaR风险测度不满足该公理中的次可加性[2]。金融风险测度方法改进为资产配置优化问题提供了新的思路, Rockafellar和Uryasev使用CVaR为风险度量指标研究投资组合优化问题[3,4]。Alexander在正态分布假定下, 给出了均值-CVaR的有效边界[5]。司继文等利用蒙特卡洛模拟法对CVaR投资组合优化模型进行了分析, 与均值-方差模型和VaR模型进行比较, 验证了CVaR模型的有效性[6]。王树娟在证券投资收益最大化与条件风险值CVaR的控制目标下, 研究置信水平、交易成本、权重系数等约束对投资组合有效前沿面的影响[7]。刘志东对基于Copula-GARCH-EVT的资产组合选择问题进行研究[8]。姚海祥建立了关于均值-CVaR的效用最大化模型, 得到了效用最大值存在的条件及其最优解的性质特征[9]。在多元极值风险分析方面, 詹原瑞等提出用广义极值分布 (GEV) 和Copula对灾难风险进行分析[10]。吴恒煜等采用t-Copula和极值理论的POT模型对银行操作风险进行度量[11]。

综上可以看出, 目前针对均值-方差模型的改进多集中于风险测度的改进, 如利用VaR、CVaR或者CDD风险测度代替方差, 借助新的风险测度方法的优良理论性质和实际意义获得更好的资产配置策略。然而, 每一个风险测度只是度量了资产组合某一个角度的风险, 或者说单一的风险测度并不能全面地描述资产组合所面临的风险。同时, 基于传统的多元分布函数的风险分析, 在描述金融资产组合的极端值风险方面存在一定缺陷。本文使用CVaR风险测度和Copula-GEV分布描述金融资产组合的极端值风险, 并将其作为风险控制目标引入传统均值-方差模型, 构建多风险控制目标下的资产配置优化模型, 实现在金融资产配置决策中综合考虑期望收益、波动性风险及极端值风险。

2 多风险控制目标模型

2.1 Copula-GEV分布

描述金融资产组合的极端值分布状况, 一方面需要刻画单一资产的边际极端值风险, 另一方面需要考虑组合中资产之间的相关性, 包括极端值相关性的度量。

本文采用广义极值 (Generalized Extreme Value, GEV) 分布描述单一资产的边际极端值风险。广义极值分布的分布函数为

其中, ξ是形状参数, 如果引进位置参数μ和尺度参数σ>0, 那么Hξ (x) 可以扩展为Hξ, μ, σ (x) :

${\rm H}{}_{\xi ,\mu ,\sigma }(x)={\rm H}{}_{\xi }(\frac{x-\mu }{\sigma })(2)$

Copula函数是解决相关性度量的有效工具, 张尧庭[12]、易文德[13]等将Copula函数应用于金融风险分析, 建立基于Copula函数的资产之间同期相依与时间上短期相依的关系模型, 研究沪深股市指数收益率的相依结构;刘志东[8]、Erik[14]等通过比较分析, 得出t-Copula在拟合多元风险分布时具有较好地效果。因此, 本文尝试采用t-Copula函数研究组合中各资产收益率之间的相关性, 其定义如下。

设R为对称、 正定矩阵, 其对角元素为1; TR, ν为标准多元t分布, 其中R为相关系数矩阵, ν为自由度。t-Copula函数的形式如下:

$C(u{}_1,u{}_2,\cdots u{}_d;R,\nu )={\rm T}{}_{R,\nu }(t{}_{\nu }^{-1}(u{}_1),t{}_{\nu }^{-1}(u{}_2),\cdots ,t{}_{\nu }^{-1}(u{}_d))(3)$

其中, t-1ν是一元t分布的反函数。

将t-Copula函数与广义极值分布相结合, 构造Copula-GEV分布来描述金融资产组合的极端值分布状况。本文随机选择万科 (A) 、四环生物、中天城投、一汽轿车、五粮液、民生银行、包钢股份、中信证券、包钢稀土、长江电力10只股票2005～2010年日收益率数据, 按照不同权重构建投资组合, 为了表达和计算方便, 收益率数据均采用乘100后数值表示, 数据均来自于万得 (Wind) 资讯金融终端。将Copula-GEV分布假设下的VaR风险与正态分布假设下的VaR风险进行对比, 结果见表1。可以看出, 根据Copula-GEV分布计算的VaR值显著优于根据正态分布计算的VaR值, 这表明Copula-GEV分布更好地描述了实际股票收益率数据的尾部分布特征。

2.2 CVaR风险测度

Carlo[15]等研究表明, 条件风险值CVaR满足风险测度的一致性公理, 比VaR更适用于描述金融资产组合风险以及进行资产配置问题分析。因此, 本文采用以CVaR作为风险度量手段, 描述金融资产组合的极端值风险。

设$\overleftarrow{F}$X (p) 为随机变量X的分布函数F (x) 的逆函数, $\overleftarrow{F}{}_X(p)=\sup \{x|F(x)<p\}$, 则CVaR定义如下:

$CVaR{}_{\alpha }(X)=-\frac{1}{\alpha }{\displaystyle {\int }_0^{\alpha }\overleftarrow{F}}{}_X(p)dp(4)$

2.3 多风险控制目标下的资产配置模型

设某一资产组合中包含N种资产, r= (r1, r2, …, rN) 为N种资产的收益率向量, w= (w1, w2, …wN) 为N种资产的权重向量, 是资产配置问题的决策变量, 在不允许卖空的前提下, ${\displaystyle \sum _{i=1}^{{\rm N}}w}{}_i=1‚w{}_i>0$。将前文Copula-GEV分布假设下使用CVaR描述的资产组合极端值风险引入均值-方差模型, 建立如下多风险控制目标下的资产配置模型:

$\begin{array}{l}\min \{{\displaystyle {\int }_{-\infty }^{-VaR{}_{\alpha }}{\displaystyle \sum _{i=1}^{{\rm N}}w}}{}_{i}r{}_i\cdot p(r)dr|VaR{}_a=-\sup \{x|F{}_X(x)\\ <\alpha \},r~Copula(EV{\rm T}{}_1,\cdots ,EV{\rm T}{}_{{\rm N}};\widehat{R},\widehat{\nu })\}\\ \text{s}.\text{t}.w{}^{{\rm T}}\Sigma w\le \sigma {}_p^2\\ R{}_p={\displaystyle \sum _{i=1}^{{\rm N}}w}{}_i\cdot E(r{}_i)\ge \mu {}_p\\ {\displaystyle \sum _{i=1}^{{\rm N}}w}{}_i=1\\ w{}_i>0\\ i=1,\cdots ,{\rm N}\end{array}$

模型中, p (r) 为Copula-GEV分布所表示的资产组合极端值的分布密度函数;wTΣw表示资产组合的波动性风险, Σ为多元正态分布协方差矩阵;Rp为资产组合的期望收益率;μp和σ2p为根据经验确定的可接受收益率水平和风险水平。

2.4 算法设计

求解上述资产配置模型的难点在于, CVaR计算依赖于VaR, 且资产组合的尾部分布非连续且不可微, 基于梯度和二阶梯度计算的迭代算法已不适用。因此, 首先对Copula-GEV分布进行参数估计, 进而采用粒子群优化算法 (Particles Swarm Optimization, PSO) 和蒙特卡洛模拟 (Monte Carlo, MC) 相结合构成PSO-MC算法, 利用PSO的全局寻优能力和MC的模拟计算能力, 对多风险控制目标进行优化求解。

James和Russell在对一个简化社会模型进行仿真过程中提出PSO算法[16]。作为一种高效并行优化算法, PSO可以用于解决大量非线性、不可微和多峰值的复杂优化命题, 而且算法程序本身实现简洁, 需要调整的参数相对较少。本文采用改进的标准PSO算法结构:

$\begin{array}{l}v{}_{id}=w\cdot v{}_{id}+c{}_{1}r{}_1(p{}_{id}-x{}_{id})+c{}_{2}r{}_2(p{}_{gd}-x{}_{id})(5)\\ x{}_{id}=x{}_{id}+v{}_{id}(6)\end{array}$

在PSO算法内嵌套Monte Carlo模拟, 用于计算粒子的适应值, 即资产组合的极端值风险。Monte Carlo模拟依赖于Copula-GEV分布的参数估计, 其步骤包括:首先, 针对每一资产回报, 拟合GEV分布, 其次, 通过概率转化, 估计t-Copula的参数。其中, t-Copula函数参数又包括两部分:相关系数矩阵R和自由度ν, 可采用如下的算法流程进行参数估计:

①用广义极值边缘分布对金融资产收益率进行概率转化:

$F({\rm Z}{}_{ij})=u{}_{ij},i=1,\cdots ,n;j=1,\cdots ,d(7)$

②根据$R=\sin (\frac{\pi }{2}\tau )$, 利用kendall的τ来估计转化后序列的相关系数矩阵$\widehat{R}$:

$\widehat{R}{}_{ij}=\sin (\frac{\pi }{2}\widehat{\tau }{}_{ij})(8)$

③运用极大似然方法, 估计自由度参数ν:

$\widehat{\nu }=\underset{v\in (2,\infty ]}{{\displaystyle \text{a}\text{r}\text{g}\text{m}\text{a}\text{x}}}\left[{\displaystyle \sum _{i=1}^n\text{l}}\text{o}\text{g}(c(u{}_{i1},u{}_{i2},\cdots ,u{}_{id};v,\widehat{R}))\right](9)$

其中,

$\begin{array}{l}\begin{array}{l}c(u{}_1,u{}_2,\cdots ,u{}_d;R;v)\\ =|R|{}^{-\frac{1}{2}}\frac{\Gamma \left(\frac{v+d}{2}\right)}{\Gamma \left(\frac{v}{2}\right)}\left[\frac{\Gamma \left(\frac{v}{2}\right)}{\Gamma \left(\frac{v+1}{2}\right)}\right]{}^d\frac{\left(1+\frac{1}{v}{\zeta }^{\prime }R{}^{-1}\zeta \right){}^{-\frac{\nu +d}{2}}}{{\displaystyle \prod _{j=1}^d\left(1+\frac{\zeta {}_j^2}{v}\right)}{}^{-\frac{v+1}{2}}}\end{array}\\ \zeta =(t{}_v^{-1}(u{}_1),\cdots ,t{}_v^{-1}(u{}_d))\end{array}$

在Copula-GEV参数估计的基础上, 设计Monte Carlo计算过程如下:

①计算随机扰动项的相关系数矩阵R的Cholesky分解矩阵A;

②根据标准正态分布, 模拟d个相互独立的随机变量y= (y1, …, yd) T;

③根据χ2v分布, 模拟独立于y的随机变量s;

④令$w=Ay‚X=\frac{\sqrt{v}}{\sqrt{s}}w$;

⑤令ui=tv (xi) , i=1, …, d, 则 (u1, …, ud) ～Ctv, R;

⑥根据 (Z1, …, Zd) = (F-11 (u1) , …, F-1N (ud) ) , 得到联合分布为F (Z1, …, Zd) 、连接函数为CtR, v的d维随机向量 (Z1, …, Zd) 。

此外, 模型中的部分约束会导致算法的提前终止, 影响算法全局搜索能力, 造成计算效率低下, 因此, 采用如下编码方法对解向量进行编码, 用以消除此类约束的影响。

$w{}_i=\frac{e{}^{x{}_i}}{{\displaystyle \sum _{i=1}^{{\rm N}}e}{}^{x{}_i}},i=1,\cdots ,{\rm N}(10)$

3 实证分析

选取万科 (A) 、四环生物、中天城投、一汽轿车、五粮液、民生银行、包钢股份、中信证券、包钢稀土、长江电力10只股票2005～2010年日收益率数据, 对所建多风险控制目标下的资产配置模型, 及PSO-MC算法进行实证分析, 以上数据均来自万得 (Wind) 资讯金融终端。为了表达和计算方便, 收益率均采用乘100后数值表示。2005～2010年上证指数收益率均值和方差约为0.075和3.803, 本文以略高于这一市场平均水平的收益率均值和方差为模型约束条件, 选取μp=0.1, σ2p=4, 并通过对PSO-MC算法的多次试验选定模拟次数、粒子群规模等参数, 见表2。

根据表2参数设置, 可以得到如表3所示的资产配置结果, 其相关风险和收益指标如表4所示, 同时, 与传统均值-方差模型的最优组合、等权重组合以及按市值加权组合计算得到的风险和收益指标进行了对比分析。

从表4的比较结果可以看出, 根据均值-方差模型获得的资产配置具有最小的方差, 但是由于模型本身并没有考虑到组合的下侧风险情况, 因此其极端下跌风险较大, CVaRα和VaRα值分别达到了7.24和6.23。而根据等权重和按照市值加权策略构建的投资组合收益率较高, 但是这类组合的波动性σ2p和下侧风险值CVaRα均较高, 分别达到了4.81、6.91, 以及4.56、6.56。因此, 这两类组合的投资策略更加激进, 未考虑风险因素的影响。而多风险控制目标模型的结果较为均衡, 考虑了投资组合的多个方面, 其在收益水平μp高于可接塑收益水平0.1的情况下, 将波动性风险值和下侧风险值分别控制在3.99和6.03的水平, 有效地增加了投资组合价值的安全性, 降低了风险的影响。而且, 作为一种更加灵活的投资决策模型, 多风险控制目标下的资产配置模型可以根据不同投资者的风险偏好和经验值进行相应设定, 进而寻求相应条件下的最佳投资组合策略, 这是多风险控制目标模型所具有的最大优势。

图1和图2分别展示了全局最优值的收敛过程, 以及从200个粒子中随机选择的5个粒子的局部最优值收敛过程, 可以看出经过60步左右的迭代收敛于全局最优, 表明了算法具有较快的收敛速度。

本文随机设定10组粒子群的初始位置, 每组包含200个粒子, 重复前述计算流程, 分析算法收敛的稳定性。每组计算的全局最优值收敛过程如图3所示。

图3展示了不同初始值下PSO-MC算法的全局最优值收敛过程, 可以看出在不同初始值下, 算法均实现了较快地收敛, 结果见表5。

从表5可以看出, 给定不同初始值的情况下, 最终得到的目标函数适应值和模型解向量 (即组合中各资产权值) 均非常接近, 考虑到迭代步长对结果精度存在一定影响, 可以认为本文设计的PSO-MC算法具有良好的收敛性, 能够较好地解决多风险控制目标下的资产配置问题。

4 结论

本文使用CVaR风险测度和Copula-GEV分布描述金融资产组合的极端值风险, 并将其作为风险控制目标引入传统均值-方差模型, 构建多风险控制目标下的资产配置优化模型, 实现在金融资产配置决策中综合考虑期望收益、波动性风险及极端值风险。通过对我国上市公司股票收益率数据的实证分析, 多风险控制目标模型的结果较为均衡, 考虑了投资组合的多个方面, 其在收益水平μp高于可接受收益水平0.1的情况下, 将波动性风险值和下侧风险值分别控制在3.99和6.03的水平, 有效地增加了投资组合价值的安全性, 降低了风险的影响。而且, 作为一种更加灵活的投资决策模型, 多风险控制目标下的资产配置模型可以根据不同投资者的风险偏好和经验值进行相应设定, 进而寻求相应条件下的最佳投资组合策略。在给定不同初始值的情况下, 算法均收敛到了相同的最优点, 各组资产权值向量差别非常小, 可以大致得出各资产在组合中应占的比例, 验证了算法的有效性。

摘要：相比于VaR风险测度, CVaR风险测度因满足次可加性能够更好地描述金融资产组合风险, 而广义极值分布和Copula函数较好地拟合了金融资产收益率的厚尾特征和相依性。本文尝试使用CVaR风险测度和Copula-GEV分布描述金融资产组合的极端值风险, 并将其作为风险控制目标引入传统均值-方差模型, 构建多风险控制目标下的资产配置优化模型, 实现在金融资产配置决策中综合考虑期望收益、波动性风险和极端值风险, 并设计PSO-MC优化算法对模型进行求解。通过对我国上市公司股票收益率数据的实证分析, 验证了模型及求解算法的有效性。

关键词：资产配置,多风险控制,Copula-GEV,PSO,MC3

借名买房风险多 篇2

几年前买的房子现在翻了几番，面对巨大的经济利益，实际出资人和名义购房人的抢房大战也由此开始。北京最大的经适房建造区回龙观和天通苑均处于昌平区，昌平法院对2007～2010年的涉经适房民事案件进行调研后发现，借名买房案件占涉经适房纠纷的30%。

所谓借名买房，是指不符合经适房购买资格的人，以具有购买资格的人名义购买。借名买房是实际买房人在买房资格受到限制的情况下，采取的曲线买房策略，房产证上的所有权人，系名义上的购买人，而不是出资人，借用他人名义买房，极易引发纠纷。

2005年3月，被告侯建军与辛志国签订了一份协议，协议中约定，辛志国用侯建军购买经适房资格的指标，购买位于北京市朝阳区某小区的房屋。该房屋系经适房，建筑面积99平方米，总价款38万元，交付期限为2007年1月。在买房过程中，一切手续均用侯建军的名义，产权归辛志国所有。在签订协议当天，辛志国以侯建军名义与开发商签订了购买经适房合同书，后又以侯建军名义与银行及开发商签订《个人住房按揭合同》，借款28万元，用于购买上述房屋。此房于2007年3月取得房产证，房产证记载的产权人是侯建军。侯建军并未支付购房任何费用，房屋交付后辛志国在该房内居住。2010年3月，辛志国找到侯建军要求办理房屋过户手续，并按照协议约定在过户手续办理完毕后给侯建军5万元，但此时侯建军要求辛志国支付90万元，否则不予办理过户手续，还声称如果辛志国不给钱，就要通过法律程序收回房屋。

辛志国认为，他从2007年1月就住在所购房屋内，并交纳各种费用和归还银行贷款。侯建军应该按照约定履行协议，双方签订的协议不违背国家法律法规的强制性规定，是合法有效的，对双方均有约束力。因此，辛志国坚持只支付5万元给侯建军。多次交涉无果，侯建军一纸诉状将辛志国告到法院，要求其腾房。

法院审理后认为，该房屋系经济适用住房，现登记在侯建军名下，侯建军已取得该房屋权属证书，但未支付购房的任何费用，且被告辛志国持有所有与购买房屋有关的合同、权利证书、房屋使用等材料的原件并一直居住在该楼房内。上述事实，有《商品房买卖合同》、《个人住房按揭合同》、房屋所有权证、办理房屋所有权证档案材料及当事人陈述等证据在案佐证。法院遂依据查明的事实判决该房屋的所有权归辛志国。

注意收集和保存证据

借名买房纠纷有两种类型。一是类似上述案件，即名义上的所有权人将实际购买人诉诸法院，请求法院确认其所有权，或判令实际购买人腾房；二是实际购买人起诉名义上的所有权人，请求法院确认其拥有房屋所有权，或判令对方协助其办理房屋过户手续。本案的关键，就是要明确谁是争议房屋的所有权人。由于侯建军与辛志国之间的争议实质就是对该房屋的使用支配权利。

我国《城市房地产管理法》第59条规定，“国家实行土地使用权和房屋所有权登记发证制度。”《物权法》中规定，“不动产物权的设立、变更、转让和消灭，经依法登记，发生效力；未经登记，不发生效力，但法律另有规定的除外。”这些规定明确的是，我国实行不动产物权取得实行登记公示制度，除法律另有规定以外，未经过依法登记，不能取得不动产物权。从本案例看，虽然辛志国主张是他出资购买的房屋，但由于经过登记公示的物权人是侯建军，所以从法律上进行判断，侯建军才是房屋的物权所有人。

如果在法庭上辛志国提供不出购房合同，各种票据和录音等证据，房屋也很可能无法要回。

双方均有风险

去年，随着政府调控房价的新政接连出台，矛头直指多套房购房者。其中明确规定：有一套住房的非北京户籍家庭，将被禁止购房。外地人想在北京买房则必须提供连续5年以上社保或纳税证明，且要满足有暂住证、在北京无房等条件。为躲避“限购”， 为了应对政策，一些非京籍人开始找有北京户口的亲戚、朋友帮自己买房。

政府为解决中低等收入家庭的居住问题，推出了价格低廉的经适房，并规定了申购者须具备的条件，名义买房人转让的实际上是基于其符合政府规定的条件从而享有的购房权。在履行过程中，如果发生纠纷，极有可能被认定为无效。

多风险控制 篇3

化工行业属于基础行业,生产过程中涉及的物料多数具有毒害性及易燃易爆性,且化工生产工艺复杂、规模大,因此事故的发生将通过环境介质对化工企业产生破坏、损失,这种危害事件发生的可能性即为环境风险。近年来化工行业重大突发性事故造成环境危害的事例层出不穷,引起人们的关注,环境风险管理成为研究的热点。

Rehan Sadiqa[1]探究废弃物排放环境风险综合评价的方法,依据风险程度和重要性将风险分级,并赋予不同的三角模糊数,建立评价矩阵。Dongwoon Kim[2]等研究化工生产中风险水平、环境影响等因素对投资方案选取的影响。胡二邦[3]等结合多个行业、领域的环境风险评估实例对环境风险评估的理论和应用进行详细的论述。赵玉明[4]等总结化工生产中环境风险的类型及原因,提出通过合理布局、完善污染物排放标准等措施改善环境风险管理现状。杨源等[5]研究中石化系统内企业采用的分级控制方式,例如镇海炼化公司将风险分为公司级重大及不可容许风险和部级重大及不可容许风险两类。针对这两种风险,该企业制定技术性和管理型两种控制措施。

目前国内外对于化工企业环境风险控制的研究多局限于定性描述,较少有使用定量分析过程及科学的决策方法,缺少以计算模型为基础的科学的、全面的量化过程,这就造成风险评估和风险控制部分严重脱节的问题,无法实现风险控制对评价结果的反馈和优化。本文提出基于多目标整数规划的环境风险控制措施选择模型,着重对氯碱化工企业环境风险效果进行优化。

1环境风险控制模型

在风险管理控制决策中,控制措施采取与否的决策问题可转化为0—1规划问题。同时由于实际问题中一个规划问题常具有若干个目标,决策者对于这些目标有主次或轻重缓急的程度有不同的要求,多目标优化模型更为贴近实际。根据上述分析,本文将两种建模方式结合,采用多目标整数规划进行对风险控制措施的选择。

现假定化工企业面临m种环境风险,可采用的风险控制措施有n种。第j种控制措施对于第i种环境风险的控制效果为aij(i=1,2,…,m;j=1,2,…,n)。bi是每种风险现有控制措施下的控制效果下限。措施j的控制成本为cj。t是企业愿意支付的风险控制最高资金总额。xj=0表示第j项措施未被采用,xj=1表示被采用。企业设定的每个目标fi(X)的实际数值和目标值f0i之间的差异用偏差变量来表示。正偏差变量记为d+,表示实际值超过目标值的部分;负偏差变量记为d-,表示实际值未达到目标值的部分(d+≥0,d-≥0,d+×d-=0)。通过引入目标值和正、负偏差变量,目标规划将风险控制效果等目标函数转化为目标约束。对于存在优先权的某种风险的控制效果目标,赋予不同的优先因子Pk(i=1,2,…,K)且PkPk+1。建立如下多目标整数规划[6]。

整数规划的解决可以采用单纯形法或LINDO运算。

2氯碱化工企业的环境风险控制措施的选择

本文以某氯碱化工企业为例,进行风险控制实证分析。该企业主要生产PVC树脂、烧碱和液氯,其中PVC树脂和烧碱的年生产能力均为11万吨,主要生产原料为煤、电石和原盐,生产过程如图1所示。

企业主要工艺包括:①石盐提纯制饱和卤水;②离子膜电解卤水制烧碱;③煤发电;④电石制乙炔;⑤H2和Cl2合成制HCl;⑥制VCM;⑦VCM聚合成PVC。

该企业生产过程中主要危险有害物质有:氯气(液氯)、氢气、盐酸(氯化氢)、氯乙烯、氯化钡、烧碱、电石炉气、三氯化氮、硫酸等。其中有毒有害物质包括氯气、盐酸、氯乙烯等;易燃易爆物质包括氢气、氯乙烯、电石炉气等。氯碱生产过程中存在的风险有火灾、爆炸、中毒、灼伤、触电等,其中主要风险为泄露、火灾及爆炸。根据氯碱企业生产事故统计数据,氯气运输和贮藏装置发生故障导致的氯气(液氯)泄露是发生频率较高、环境风险大的事故。氯乙烯等物质泄漏也可造成人员中毒。可能引起火灾和爆炸的因素较多,例如电解槽、冷却器、储罐、管道损坏等引发的泄露;阀门、仪表等安全装置失效;误操作引发的超压超温引发物料泄露[8]。氢气为易燃易爆物质,但是氢气爆炸的燃烧产物以二氧化碳和水为主,对环境危害不大,因此不将氢气燃烧、爆炸作为环境风险控制对象。

根据事故频率分析和损失分析,氯碱化工企业环境风险研究一般选取氯气、盐酸和氯乙烯作为环境风险研究对象。按照历史数据及经验,本文将液氯贮槽泄漏作为环境风险评估的最大可信事故。

风险值(R)=事件概率(P)×影响后果(L) (1)

由此可计算出最大可信事故风险值RMAX,取同行业可接受风险水平RL为基准,二者进行数值比较,若

$\{\begin{array}{l}R{}_{\text{Μ}\text{A}\text{X}}\ge R{}_L‚\text{环}\text{境}\text{风}\text{险}\text{不}\text{可}\text{接}\text{受}‚\text{必}\text{须}\text{采}\text{取}\text{控}\text{制}\text{措}\text{施}；\\ R{}_{\text{Μ}\text{A}\text{X}}＜R{}_L‚\text{环}\text{境}\text{风}\text{险}\text{可}\text{以}\text{接}\text{受}。\end{array}$

化工行业的风险可接受水平为 8.33 x 10- 5人/ a。该企业为提高企业风险管理水平,将企业内风险可接受水平定为1.0 x 10- 6人/ a。根据液氯泄漏计算公式进行后果分析,得出该企业RMAX=1.2×10- 5人/ a,这就使得RMAX>RL,故需要对风险进行控制。

本企业中环境风险控制措施可分为设施配备、安全监管和救援储备三个方面。

2.1 设施配备

设施配备可分为生产工艺设施配备和消防、火灾等事故自动报警系统配备两部分。其中工艺设施配备包括:① 增设配套连锁安全装置;② 为满足防火防爆要求,设置有毒气体、火灾和可燃性气体监测仪表;③ 设置气体密封装置和气体压力上下限报警装置。

2.2 安全监管

安全监管首先应确保生产作业人员的安全素质,对作业人员的培训和职业教育,做到持证上岗。此外,成立环境风险控制监查组或监查专员,不定期监督检查,确保高危装置设有遮拦和警告标志以及仪表的准确性。

2.3 救援储备

在危险区域存放应急化学药品及防护工具,设立救援站点并配备医务人员以及必要的医疗器械、药品都是救援储备的重要组成部分。

本例将“配备工艺设施”、“配备自动报警系统”、“培训作业人员”、“设立监查组”、“存放应急药品”、“设立救援站点”作为环境风险控制模型的可选择措施。根据企业对上述控制措施的风险控制效果及成本的估算,得出本例算例数值。

建立如下模型。首先设定决策变量xj=0表示第j项控制措施未被采用,xj=1表示被采用。目标函数:

目标P1 总风险控制效果至少要达到180;

目标P2 氯气管道破裂风险、液氯贮槽泄漏风险控制效果尽可能明显;

目标P3 风险控制费用尽可能低。

建立有目标优先级的整数规划为:

min[p1d-1+p2(d-2+d-3)+p3d+4]。

st

61X1+56X2+42X3+43X4+35X5+67X6-d+1+d-1=180,

10X1+8X2+4X3+8X4+2X5+3X6>13,

15X1+20X2+7X3+9X4+10X5+20X6-d+2+d-2=55,

8X1+6X2+15X3+6X4+10X5+20X6-d+3+d-3=50,

20X1+12X2+7X3+10X4+10X5+18X6>40,

8X1+10X2+9X3+10X4+6X5+15X6>20,

28X1+15X2+10X3+14X4+5X5+17X6-d+4+d-4=55。

xj=0or1,d+i≥0,d-i≥0,(j=1,...,6,i=1,...,4)。

经LINDO 6.1运算,得到如下结果:

结果显示,X1、X4取0,X2、X3、X5、X6取1,即采用“配备自动报警系统”、“培训作业人员”、“存放应急药品”、“设立救援站点”能够使风险控制效果达到目标值。d11= d+1=20,表明风险控制效果比目标值180多出20,即目标函数值为200;d21= d+2=2,则氯气管道破裂风险控制效果超出目标值2个单位;d32= d-2=1,则液氯贮槽泄漏风险控制效果低于目标值1个单位;d42= d-4=8,体现了费用实际为47,低于目标值55。上述目标中,只有液氯贮槽泄露风险低于目标值,该风险需要采用除“配备自动报警系统”、“培训作业人员”、“存放应急药品”、“设立救援站点”之外的其他方式进行补充,以达到风险控制效果目标值。

由本例可以得出在获取风险数据的基础上,采用多目标整数规划可以选取恰当的风险控制措施,实现预设风险控制效果,并准确得出约束变量及风险控制效果实际值。

3 结论

在环境风险控制效果和成本等约束条件下,本文运用多目标整数规划环境风险控制模型实现对风险控制水平的定量计算,选择满足目标要求的风险控制措施。案例较好地展示了环境风险控制模型对化工企业环境风险控制效果的优化。在风险控制研究中,各控制措施的可行性及其控制效果的有效性需要更加充分地分析论证予以确定,可作为进一步深入探究的方向。

参考文献

[1] Sadiqa R,Husainb T.A fuzzy-based methodology for an aggregativeenvironmental risk assessment.Environment al Modeling&Software,2005;20:33—46

[2] Kim D,Kim J,Moon II.Integration of accident scenario generationand multi objective optimization for safety-cost decision making inchemical processes.Journal of Loss Prevention in the Process Indus-tries,2006;19:705—713

[3]胡二邦.环境风险评估实用技术和方法.北京:中国环境科学出版社,2000

[4]赵玉明,康娟,李琼林.化工生产中环境风险及对策研究.环境保护科学,2008;34(3):98—100

[5]杨源,陈葵阳,包晓海.危险源辨识、风险评估和风险控制全过程方法探讨.石油化工安全技术,2005;21(6):32—38

多风险控制 篇4

关键词：风险投资,多项目,多阶段,决策模型

0 引言

创业的高风险性，决定了风险资本必须采取与之相适应的投资方式，通过合理的投资组合，分散和化解风险，才能降低失败率，保证整体投资的高收益。而对于单个投资项目来说，风险投资公司一般并不将全额资本一次性投向风险企业，而是在企业发展的若干个阶段分批投入资本，并保留在任何一个阶段放弃投资和进行清算的权利。对于风险投资公司来说，当它成功募集到一只基金后，风险投资家需要确定该基金在各个阶段的投资比例，以期获得风险和收益的合理搭配。

综合分析对风险投资决策方面的相关文献和实践结果，都是对单个项目分阶段投资的优化[1]、分阶段投资收益[2]、多阶段风险投资决策分析[3]，对风险投资多项目投资组合决策评价[4]和对风险分阶段链条优化模型[5]的研究，没有把这两种情况结合。但在具体的风险投资活动中，风险投资绝不是单个项目分阶段的投资，也不是多项目投资组合，而是将两者结合起来。

1 总体概念模型

总体概念模型如图1所示。

图1中：n≥3,X1、X2、X3投资公司选择的三个项目（假设三个，可以选择三个以上），N1、N3可以是四个投资阶段的任意一个阶段；而N2=N1+1个阶段；N4=N3+1;N5=N4+1。

在初始阶段先进行项目筛选，筛选过后再分析各个项目各阶段的状况，选择在哪个阶段进行投资。

下面两节将分别解决项目筛选和阶段选择的问题。

2 风险投资多项目组合优化模型

风险投资公司的目标是获得大的投资回报和承担小的投资风险。风险投资组合优化模型就是确定一组风险投资项目的最优投资比例（或者各项目的最优投资额），在该风险投资组合的总回报率或者投资风险一定的条件下，使得投资回报最大，或者在投资组合的总回报率的期望值不低于某个所要求的约束下，使得投资风险最小。由于总回报率的方差通常总是投资比例的非线性函数，所以该规划是一个非线性规划。

假设目标函数为风险总投资回报率R最大的投资组合模型，由式（1）可得到投资风险最小的投资总回报R的期望值，又由式（2）可以得到风险投资总回报率R的方差估计量。即得到风险投资风险值不大于P时的总投资回报率R最大的投资组合模型：

式中：R为投资组合的总回报率；r1,r2，…，rm为第1至第m个项目的投资比例；σ12，σ22，…，σm2为第1至第m个项目的单项回报率的方差；σ1，σ2，…，σm为第1至第m个项目的单项回报率的标准方差；ρij为第i个投资项目与第j个投资项目的相关系数；μ1，μ2，…，μm为第1至第m个项目的单项期望回收率；P为投资者期望的风险投资风险水平。

3 风险投资多阶段投资模型———基于决策树和三级模糊决策

3.1 各阶段风险资本特点

种子期：投资目的是使项目创意商品化，通常投资规模不大，但风险高；其投资来源主要有私募个人资金和申请创投基金。这个阶段的风险投资多为“天使”投资人提供。

创业期：所承担的风险因项目创业期时间长短的不确定而加大，多为技术风险、市场风险和管理风险。提供创业资金的一般是风险投资公司、投资公司和风险投资人。

成长期：这一资金需要量增加，市场风险和管理风险加大。投资这个阶段的风险资本又分为营运资金和扩张资金，其来源为原有投资商增资和新的风险投资者的进入。

成熟期：在这个阶段，企业已形成一定的现金流，技术成熟、市场稳定，具有足够的资信信贷能力。故虽然资金的需求量很大，但风险投资已很少再增加投资了，并开始寻求退出。

3.2 决策树模型

根据风险资金投资于风险企业的四个阶段，可以把资金分为四个阶段进行投资。下页图2的决策树模型，形象地描述了风险投资公司的决策过程。由于部分过程与1和2路径相似，予以省略。下面以1和7路径为例进行分析。

如路径1，在进行第一轮投资后，对风险投资企业的后续发展前景进行评估，若满足企业进行下一步投资的条件则进入第二阶段的投资，直到最后一个阶段成功或失败的推出；路径7中第一轮投资未知的情况下进行第二轮直至第四轮投资。

P11s为路径1第一阶段投资后成功的概率，P12v为路径1第一阶段可能成功时进行第二轮投资的概率，直到P14v表示路径1第三阶段可能成功时进行第四阶段投资时的概率。P1为路径1成功的概率。

此模型也可以用于第一轮投资不是种子期的投资，即把导入期、成长期和成熟期作为第一轮投资。例如，当风险投资公司从成长期开始投资时其决策树，如下页图3所示。

3.3 决策树模型求解

步骤一：各阶段风险投资决策因子的确定。

种子期：创业者和团队的素质，管理的开放性，技术的含金量，技术的公司化程度，知识产权的拥有度，技术链的延伸性，技术创造需求能力，风险资本增长倍数与回报率，政策环境，人文环境，技术风险，环境风险等。

导入期：创业者解决问题满意度，团队知识和经验完备率，团队与企业利益的关联度，企业管理水平，技术成熟性，技术和产品的模仿难度，目标市场增长潜力，市场进入壁垒，竞争优劣程度，企业无形资产的价值，创业投资变现途径，企业财务状况，行业环境，协作环境，技术风险，市场风险，财务风险等。

成长期：团队管理的有效性，技术和产品的持续发展能力，企业研发体系，产品的竞争力，市场竞争优势，市场成长潜力，企业市场业绩，企业财务状况，上市可能性，全方位风险因素分析等。

成熟期：评估此时投资对象的经营规模与财务状况，均接近上市公司审查的要求条件并计划在公开市场筹集资金，进行多角化的经营。风险投资机构对这一阶段投资的主要考虑是，能否成功上市，证券市场投资者的接受程度，以财务操作的效果。如果风险投资机构觉得投资对象在上市能获得合理的报酬则会以15%～25%的资金比例投于成熟阶段的事业。

步骤二：概率的确定。

通过对不同企业在不同时期关键要素权重的设定，再对每项要素打分，得到其加权平均值，即这项决策成功的概率（投资风险）。可以利用这种方法对风险投资公司或者投资者比较熟悉的产业进行粗略的估计。但是对于风险投资公司不熟悉的产业和项目，且风险难以估计较复杂的可以建立多级综合决策模型，使风险投资的风险尽量降低。如下所示即为两级的决策模型，可求出每一阶段的或者多个阶段的成功概率。

其中：A1、A2、A3、A4之和及B1、B2、B3、B4之和各为1;

A为将要投资项目的不同阶段，A1、A2、A3、A4分别为项目的四个阶段并赋予权重。B为每一阶段的不同评价因素，因为风险投资每一阶段的评价因素还有因素的权重不同，应根据实际情况分别确定；B1、B2、B3、B4为四个阶段对应概率，可以根据四个阶段中每一阶段相应指标的概率和权重求出每一阶段的概率。

步骤三：投资收益的确定。

假设组合投资总投资额为I，且风险投资公司从第m个项目的种子期进行投资，四个阶段中每一阶段的成功率分别为pm1、pm2、pm3、pm4;

而各阶段退出价值=净利润×P/E（同行业可比公司市盈率）；为路径1的平均年投资收益额；

N为持有年限；

Irm由模型式（1）中得到第m个项目的投资额。

此决策问题是一个序列决策问题，一般用最大收益期望值和最大效用期望值或最大效用，采用依决策顺序方法求解：

计算各事件点的收入期望值：

E4=max（净利润×P/E-P1-I14=E14，净利润

此模型说明了在第四阶段投资成功可能和成功不可能下投资的投资收益：

说明了在第三阶段投资后投资成果不明朗的情况下，对第四阶段是否进行投资和投资成功的可能性。

依次类推，便可以得出多阶段投资阶段的投资组合情况。

由于不同项目在各个阶段的投资收益和投资回收期基本上是固定的,因此可以通过行业的投资回收期和收益对项目各阶段的投资额进行确定,即:

其中：ROIm1、ROIm2、ROIm3、ROIm4分别为项目m在第一、二、三、四阶段的投资回报率；Im1、Im2、Im3,Im4分别为项目m在第一、二、三、四阶段的投资额。

可以用单纯形法解得其中任意两个的关系，即可以确定四个阶段的投资比例。

但是，在风险投资的过程中，风险资金也有可能不是从种子期流入风险企业，风险投资公司可以从导入期、成长期和成熟期的任意一个阶段进行投资，其决策过程均适用于此模型，只是少了其中的一个或者几个阶段，而使模型更加简化。

从此模型的角度，是先从宏观上是先确定投资于哪些企业。但是，在实际的决策过程中恰恰相反，即先确定是否投资于该项目，投资于该项目的那个阶段，其投资比例和收益如何，再从这些项目中选择收益最大的一种或者几种进行组合投资，分担风险。

最后，根据求出的投资回报率与预期收益的对比来确定是否投资与单个项目、多个项目、单个项目的某一阶段或者某几个阶段、多个项目的某一阶段或者多个项目的多个阶段。

4 结束语

风险投资具有高风险和不确定性的特点。为了降低风险投资的风险提高投资效益，本文建立了多项目多阶段风险投资概念模型，利用投资组合、决策树和多级综合决策的方法，对复杂情况下的风险投资项目进行决策，使风险投资企业在决策的过程中能够平衡其风险和收益，更加符合实际情况，为风险投资决策过程提供依据，有利于风险投资的发展。

参考文献

[1]尹洪英、徐丽群、权小锋:《风险资本分阶段投资最优投资时机选择研究》[J];《工业工程与管理》2008(5):72-77。

[2]王雪霞:《风险投资中多阶段最优收益模型的研究》[J];《首都经贸大学学报》2004(3):57-60。

[3]顾婧、周宗放:《多阶段风险投资决策分析》[J];《应用基础与工程科学学报》2006(12):17-21。

[4]王梦东、童仕宽:《风险投资组合的决策评价》[J];《武汉理工大学学报(交通科学与工程版)》2007(1):153-155。

[5]权小锋、尹洪英:《风险资本分阶段投资链条优化模型》[J];《决策参考》2007(19):60-63。

赌石“玄机”多,投资风险大 篇5

玄机1 门类狭窄, 材料紧缺

赌石又称“赌料”、“赌货”, 是指含有玉石的原石在开采之前, 被风化皮 (业内称“皮壳”) 包裹, 有经验的“藏友”可根据皮壳特征或通过在局部开口来推断赌石内部有无上等玉石。因具有一定的风险, 玉石原料交易类似赌博, 把这种商业行为称为赌石。

业内人士介绍, 赌石“古已有之”, 最早赌的是和田玉, 后来在玉石原料交易中普遍采用。现在说的赌石, 主要是指翡翠原石交易, 且集中在缅甸翡翠。其根本原因, 是近年来翡翠价格大幅飙升导致翡翠收藏、投资热潮。众所周知, 任何玉石门类目前都面临天然原材料日渐稀缺的问题。而如此庞大的投资、收藏人群都集中在缅甸翡翠这个狭窄的范围内, 能“赌赢”的恐怕寥寥无几。业内人士特别指出, 由于原石资源日益紧缺, 缅甸方面“正在明显的控制上等原石的出口”, 上等原石“一天一个价”, 有时还会封盘。而“普通消费者既缺乏经验, 也没有专业常识, 想花少量钱就捡大漏的情况真是不太可能的”。

玄机2 庄家“操盘”, 敛财是图

“原石紧缺、投资难度加大, 业内早成为共识。”既然“尽人皆知”, 缘何赌石俱乐部层出不穷?业内人士认为, 这是少数商家以普通消费者为目标群体、让玉石业界外的人也能体验“一赌为快”, 一是通过扩大参与范围, 推动原石、特别是劣等原石销售, “商家自己明知赌不赢, 不如找人‘代赌’, 不管输赢, 反正石头卖出去了”;二是在操作手法上进行“操盘”, 业内人士这样来形容:一千块原石中, “庄家”顶多会放入两三块“自己也无法明确判断”的上等原石, 买到的算是“运气好”, 并且会被商家大力宣传;而绝大多数人都是“充当分母”。其根本原因就是变相敛财。

相关人士强调, 参与赌石, 财力、眼力、胆力三个要件中, 眼力至关重要。“越能读懂石头, 对石料判断越有经验, 赌石的风险就能降低, 至少能够尽量做到不赔本”。在这一行, 如果没有经验, “只凭运气, 不靠眼力, 胆子越大、投入越多, 输得越多”。

玄机3 “摸黑盲赌”, 风险极大

赌石分为全赌、半赌和明料三种。所谓全赌, 是指原石完全被皮壳“包裹”, 未作任何处理, 购买者只能通过直观观察及采用强光电筒等工具来判断石头价值, 犹如“摸黑盲赌”, 风险最高;半赌是指原石被擦开了一个小口 (业内叫做“开窗”) , 而明料是指原石已经过人工切 (也称“开门”) , 风险相对较小。然而在赌石过程中, 绝大多数商家都采用全赌的方式, 如藏友或投资者提出要开窗、开口的要求, 则需支付数百元至上万元不等的“开口费”, 就算内部没有上等玉石, “开口费”也不会退还。此外, 业内人士特别提醒, 不要被部分商家宣称赌石过程是“全明料交易”所诱惑, 赌石行业处处暗藏玄机, 在开窗、开口部分造假早就不是新闻。

玄机4 造假多端, 真伪难辨

在古董行业, 造假自古存在, 如今又被移植到最热的翡翠赌石上, 一般有五种最常见的造假手法:

第一, 移花接木。在质地差的玉石上切口, 并在切口处移植上与切口大小相近、质地优良、色彩鲜美的翡翠。第二, 死里逃生。外观好的赌石, 解开后不理想, 再将其接合起来, 恢复“原来面貌”, 让藏友及投资者“走眼” (看错) 。第三, 仙女散花。也叫“锦上添花”, 原石“种” (内部玉石成分) 还不错, 但表面无“松花” (翡翠渗出痕迹) , 为卖出更高价格, 选好位置, 用胶水将磨好的翡翠粉末撒在表面, 修补后埋入土中数十日就成了内外观俱佳的原石。第四, 开窗探月。早就开过窗、口, 发现“不理想”再用手法将开口处掩盖, 留着赚“开口费”。第五, 鱼目混珠。在原石上选好部位, 挖一个小槽, 放上绿色玻璃, 甚至绿色牙刷把、绿色牙膏等, 再细心修整成“翡翠”。

浅析多产品共线的风险评估 篇6

CFDA颁布的《药品生产管理规范 (2010年修订版) 》引入了质量风险管理 (Quality Risk Management, QRM) 的概念, 并且在第46条提出了“为降低污染和交叉污染的风险, 厂房、生产设施和设备应当根据所生产药品的特性、工艺流程及相应洁净度级别要求合理设计、布局和使用, 并符合下列要求:应当综合考虑药品的特性、工艺和预定用途等因素, 确定厂房、生产设施和设备多产品共用的可行性, 并有相应评估报告”。

由于已感知到的风险, US/EU/CFDA等国家和组织的药品监管机构已经要求将一定级别的活性物质在专用或隔离的独立厂房设施内生产, 包括某些抗生素、某些激素、某些细胞毒素类和某些高活性药物。

针对多产品共线中生产设施、系统、设备共用的问题, ISPE基准指南7《基于风险分析的制药产品生产》提出了需要进行GMP和工业卫生平衡的考虑, 并提出了初始暴露原理这一观点。

本文将按照GMP的要求对多产品共线风险评估基本标准进行讨论和分析。

1 多产品共线风险评估的执行阶段

多产品共线风险评估在启动时可以建立一个质量风险管理计划 (QRMP) , 其目的在于对需要做多产品共线风险评估的活动进行一个总体规划, 这个规划本身其实也包含了一个风险评估的过程, 也就是通过对整个体系进行一次大的风险评估来决定哪些环节、哪些活动需要进行风险评估, 以及需要哪种形式的风险评估。

在多产品风险评估的初始阶段将采用ICH Q9《质量风险管理》推荐的简单的风险管理工具———鱼骨图 (石川图) 来进行识别, 找到多产品共线存在的潜在风险, 如图1所示。

2 风险

2.1 混淆风险

在混淆风险中应考虑:

(1) 材料、产品标识和状态标识的控制;

(2) 设备和设施状态标识的控制;

(3) 材料和产品的验收管理;

(4) 物理隔离、工艺流程、材料和产品的安全处理、储存和分配;

(5) 产品线之间的转移时间不足;

(6) 意外的非洁净设备的使用;

(7) 不合格样品的取样;

(8) 引入了错误的起始原料或辅料。

其中, 还要考虑的环境因素有:

(1) 重叠的工艺流程和转运路线;

(2) 普通生产区域的控制;

(3) 关键备件的存储区域;

(4) 洁净区域的控制。

2.2 清洁 (残留) 风险

在清洁 (残留) 风险识别中应分析执行的清洁操作是否符合要求, 并从可执行力、实际能力、成本和患者这4个角度来考虑。

其中, 识别可执行力潜在的风险可考虑以下问题:

(1) 如果设定了非常低的可接受标准, 现有的检测方法是否能够检测;

(2) 如果使用了一种清洁剂 (酸或碱) , 该清洁剂是否对设备的材质有影响;

(3) 长时间的使用这种清洁剂, 是否会造成表面的凹陷或腐蚀;

(4) 长时间的使用这种清洁剂, 是否会腐蚀或损坏设备部件。

识别实际能力潜在的风险可考虑以下问题:

(1) 努力进行的清洁操作和已定义的操作水平是否是可执行的;

(2) 设施是否需要因停产而延长周期;

(3) 是否需要额外的人员来执行清洁操作;

(4) 是否存在因大面积地使用试剂或其他化学品带来的不同风险的情况。

识别成本潜在的风险可考虑以下问题:在可执行清洁标准下, 直接的或是间接的成本是多少, 所有的风险评估应该将对患者的潜在风险考虑进去。

2.3 交叉污染风险

在风险评估的执行阶段, 应考虑程序、控制和设施设计是否能够避免交叉污染, 并进行以下几个方面的分析。

识别程序/SOP潜在的风险可考虑以下问题:

(1) 现有的程序对于识别区域是否会失效, 是否需要额外的程序;

(2) 现有的程序是否能够完全遵守执行;

(3) 现有的程序是否有合适的意义。

识别控制潜在的风险可以考虑以下问题:

(1) 现有的控制对于识别区域是否会失效;

(2) 是否需要额外的控制。

识别设施/设计潜在的风险可以考虑以下问题:

(1) 设施的布局是否没有能够共享的工艺流程或重叠的工序;

(2) 如果不是, 程序和控制是否能够有效地避免交叉污染。

如果可以通过引进或改良程序、控制或设计因素来避免交叉污染, 那么, 可以考虑交叉污染的解决方案有:

(1) 可能需要进行一些特定的、低标准的评估才能相信任何与风险关联的加工的物质, 并考虑可以管理或减少到一个可接受的水平;

(2) 如果是那样的话, 可以接受多产品共线。

多产品共线后, 可能仍然存在局部交叉污染的风险, 应考虑引进或改良程序、控制或设计因素来避免某一阶段的交叉污染。

2.4 机械转移风险

在机械转移风险中, 应考虑安全的预先确定的机械转移是否受控, 并进行下述4个方面的分析:

(1) 工艺:工艺是否密闭, 物料是否会在工艺中“逃逸”, 从而被转移到设施、设备、产品、中间体、辅助设施和人员中。

(2) 程序:岗位上的程序是否能够将机械转移流程最简短化, 如避免离开工艺房间时进行的更衣活动。岗位上的程序是否要求离开工艺房间时将设备外表面进行擦拭, 如果有这要求就需要保护转移过程中的设备脚轮。

(3) 设施:是否有其他的Gx P要求避免的风险。

(4) 操作标准:用于标准操作的厂房设施是否充分考虑了工艺中物料的因素;是否需要专业知识;工艺和维保人员是否需要经过先前的专家培训来处理产品;是否通过单独的工程控制或是额外的程序控制来进行污染管理;是否是一个值得信赖的工程控制, 能够将在产品向另一个产品转换时不会引发问题。

针对机械转移的潜在风险是否可以通过修订或用程序来代替控制机械转移的污染, 直至达到安全的预确定标准, 那样就可以考虑可能需要的是能确定标准的数量、低限度、识别足够风险的评估。

2.5 空气转移风险

在空气转移风险中应考虑以下问题:

(1) 工艺:该产品在生产、转移或清洁时是否会暴露在房间环境中;工艺是否密闭;物料是否会释放到工艺流程中。

(2) 设施:是否会引入其他的Gx P风险, 例如人员的移动或是设施内的物料或是生产区域之间的压差;是否提供了物料和人员的气锁, 如果是, 它们是否有助于控制空气流通。

在空气转移风险分析时还可以考虑其他的影响因素:

(1) 开放型工序;

(2) 密封性较差的设备;

(3) 通过所包含的易破坏的或恶劣的反应, 实现物料在单元工艺步骤中进或出的重复转化;

(4) 在负压位置接收物料;

(5) 不同工序的流向;

(6) 房间和其他建筑设施提供的送风装置和回风装置。

3 风险控制

针对风险识别过程中确认的混淆、清洁 (残留) 、交叉污染、机械转移和空气流通的风险, 可以采取以下建议措施进行控制:

3.1 混淆

程序、方案、物理控制以及冗余监测能帮助减少混淆。虽然制定方法确保能够检查出混淆, 但是混淆也不可能完全被消除。降低混淆风险的技术手段包括:

(1) 颜色标识;

(2) 用条形码识别物料或设备;

(3) 选择专用的转移和设施连接技术;

(4) 标签计数打印等。

考虑到人员容易出错, 生产者有责任去形成并证实一个有效的方法以及执行策略, 以便能够预防混淆。

3.2 残留

基于科学的风险分析以及统计学分析的综合清洁程序的应用, 能够为病人提供很高的安全等级。设备的设计应该易被清洁, 并应该能证实清洁的有效性。

能够降低残留风险的技术手段包括:

(1) 设定清洁限度:清洁工艺的设计;被证实的目测检查程序;整体清洁程序采用失效模式影响分析 (FMEA) ;PAT技术;在线监测;用棉签擦拭取样;技术评估清洁过程。

(2) 与产品接触的部分使用专用产品。

(3) 包括一种或多种技术的解决方案。

3.3 机械转移

减少机械转移风险的技术手段包括:

(1) 提供可接受的操作范围, 降低机械转移的风险;

(2) 改善产品生产过程中的净化措施, 应用物料以及人员气锁间和净化程序;

(3) 工作人员应当穿洁净服以保护产品、人员以及人员衣物免受潜在的污染, 穿洁净衣防止人员衣物的污染, 吸入皮肤与产品接触的污染, 减少机械转移的风险;

(4) 在产品生产过程中应该一直戴手套, 且在连接或拆卸转运系统以及洁净设备时应该换上第2副手套, 潜在被污染的手套应当小心地移走并处理掉;

(5) 提供流程, 说明如何保持“干净”和“脏”的设备、人员、物料等;

(6) 使用人员、物料气锁间, 或者是分开的工作区域;

(7) 使用物理区域隔开成品和中间产品;

(8) 用有洁净级别的房间来帮助去除表面潜在的污染;

(9) 电话或者相似的需要手动操作的装置应当寻找代替措施, 用可以不用手操作的或者是用带接触保护的装置, 且这种装置应当易于清洁。

3.4 空气转移

减少空气转移风险的技术手段主要包括:

(1) 密闭工艺系统;

(2) 工程控制以减少工艺生产操作敞口的程度;

(3) 气流是从房顶到低地面排出, 所以操作者以及进风处是在“洁净”区域, 生产过程是在“脏”区域;

(4) 气锁;

(5) 单个的以及双重的、有或者是没有正压气流的;

(6) 人员以及物料进出的净化;

(7) HVAC以及压差分配的应用, 以减少转运的风险, 保护人员及产品。

这里列出的很多技术手段与减少机械转移风险控制的技术手段很相像。

4 多产品共线风险评估活动的文件记录

评估小组可在多产品共线风险评估活动启动初期形成质量风险管理计划, 在多产品共线风险评估活动结束后形成风险评估报告文件。一份风险评估文件的技术价值应取决于其内容的价值及其所包含的产品知识。

已形成文件的技术评价除了形式简单外, 还具有如下优点:

(1) 可针对具体的应用;

(2) 可将精力集中到已知风险上并有效地利用运行经验/产品历史, 从而不必将精力浪费到实际应用中不会发生的失效/危害方面;

(3) 代表了一种可非常有效地获得风险评估的知识, 以备现在或将来之用, 可将时间更多地花费到风险控制的设计和实施方面, 而不是将时间浪费在风险评估会议之中。

5 结语

当使用共用的设施生产不同的药品时, 潜在的交叉污染就成为了一个极其关键的问题。当生产设备清洗后剩下的活性物质残留和其他产品接触后, 可能会污染该设施内生产的其他药品。活性物质对患者具有治疗作用, 但是, 交叉污染进入其他药品的活性物质不仅对患者不具有治疗作用, 相反, 还可能会给患者带来危险。

摘要：从混淆风险、清洁 (残留) 风险、交叉污染风险、机械转移风险和空气转移风险5个方面详细分析了多产品共线风险评估的执行阶段, 并提出了相应的风险控制方法和多产品共线风险评估活动的文件记录。

关键词：多产品共线,风险,控制

参考文献

[1]国家食品药品监督管理局.药品生产质量管理规范 (2010年修订) [S]

电网基建多项目风险预警方法研究 篇7

电网基建本来就是一个十分复杂的系统, 其所受到的影响因素有很多, 无论是自然的因素, 还是经济以及法制的因素, 都能够对其起到直接的影响, 在加上技术、管理、人才等因素的限制, 使得电网的基建项目具有很高的风险, 所以, 做好风险的识别能够对电网基建项目的建设起到十分重要的作用。现如今的电网基建多项目分风险管理, 已经从被动的应对逐渐的转为了主动的防御, 这种转变让电网基建的多项目得到真正的落实, 有效的促进了电网的健康发展。本文意在对电网基建多项目风险的预警方法进行研究, 其具体内容如下。

1 电网基建多项目管理中风险预警的方法

在电网基建多项目风险管理中, 其主要的风险有三种: (1) 定性风险; (2) 定量风险; (3) 综合风险, 而风险预警的方式也主要是针对这三种风险而制定的, 首先是定性风险的识别, 其主要识别思想就是站在人的思维角度上来发现电网基建多项目的问题, 然后再通过观察其现象来对该风险有了一个直接的认识, 该种风险的识别方式具有的优点主要是简单明了, 能够更加直观的让相关人员了解风险, 并对其进行识别, 但是, 这种风险识别的方法也具有一定的弊端, 即需要一个具有较多经验以及主观原因的人来承担这项工作, 而且由于这种风险的特性, 会让系统变得更加的复杂, 在行为上更难的进行理解。而要想能够有效查找定性风险, 主要运用的方法有专家调查法、头脑风暴法、风险源清单法以及主管评论法等等。

然后是定量风险的识别, 其主要是依靠数据以及数据之间的关系、特征等变化来进行分析的, 定量风险的识别具有可靠性, 同时也能够减少数据的模糊程度, 可比性比较强, 但是, 在进行识别的过程中也具有一定的难度, 首先是对主体技能、知识技巧以及管理方式等相关知识要求较高, 并且对相关人员的管理能力也要求较强。对于定量风险而言, 其主要的识别方法有故障树分析法、财务资产状况分析法以及统计分析法等等;最后是综合风险的识别, 就是通过定性识别以及定量识别两种方式综合性的进行判断, 其优点在于层次性以及系统性十分好, 但是其规范性以及科学性不足, 其计算的结果和表达也不够直观。其主要的识别分析方法有SWOT分析法、约束与假设分析法、压力场分析以及层次全息模型法等等。

WEB-RBS风险的识别方法主要有五个步骤: (1) 有一个明确的识别目标和识别要求, 能够对其范围和对象进行确定; (2) 能够依照相关的流程进行工作的分解, 直至最后能够依据其复杂程度来进行不同层次的识别; (3) 能够依据项目的风险状况, 来将其进行逐级的细化和分类; (4) 能够将下层的风险因素来作为矩阵的行和列, 进而构建出一个风险的识别矩阵; (5) 能够凭借矩阵来对各个工作中的风险进行不同的评价。

而复杂科学管理系统思维的风险识别方法, 首先要绘制一个探索图, 其中包括所有能够想到的问题, 提出自己的建议, 这样就能够绘制出一个多项目的风险识别探索图, 然后对所有的信息进行综合的分类, 从整体的角度出发, 对相同和类似的信息进行综合和分类, 对多余的和重复的选择删除。再次进行风险圈的命名, 例如投资、进度、技术、安全等等, 然后进行成员彼此之间的互动和分析, 对其之间的关系和影响进行详细的了解, 最后进行整理工作, 即将所有的信息进行一个整合, 管理, 这种方法的优势在于能够简单明了、直接的反映出了电网建设的主要风险因素和相互之间的关系和层次, 其实践性较强, 能够对电力企业的风险有效的识别, 可以推广。

2 风险预警的构建

(1) 对预警的指标进行选取和说明, 对电网多项目风险预警来说, 影响项目建设的风险泰众多复杂。不同风险因素发的可能性、引发的风险事件、风险引发后果的严重程度各不相同, 同时风险因素的相互影响又使得基建项目风险具有了多层次性和交互性的特点。因此, 选取电网基建多项目风险预警指标时, 除了遵循明确性、衡量性、可实现性、相关性、时限性、简单性、客观性、灵敏性、一致性等指标体系设计通用基本原则外, 还需要考虑层次性、低耦合性的原则。

(2) 对预警指标风险之间的区别进行划分, 对定性风险预警指标, 一般不同家给出的各指标定性评判结, 使用算数平均或加权平均的方法来汁算专家评判结见的综合值, 然后将其放入对应的指标风险区间。本文中所使用的定性风险评估结果通过R (风险) =P (概率) ×C (后架) 来计算, 然后依据结果来对风险进行划分, 低级风险、较低风险、中度风险、较高风险和高风险五个风险等级, 分别输出蓝色、绿色、黄色、橙色和红色信号。根据项目实际实施情况, 结合预警指标实际分布区间, 可以观测到各指标输出的实际预警信号, 清楚了解每个预警指标现阶段处于哪一风险状态和风险级另, 从而采取相应的风险应对策略。

3 实例分析

首先对某一电网基建项目进行一个综合的评估, 经过相关专家的评断, 其集成管理的风险预警指标权重依次为0.292、0.324、0.296以及0.093, 对其权距离的参数设定为0.05, 首先, 对专家对个体的评估结果进行公布, 其结果以此是0.7591、0.6123、0.6554、0.5982、0.5181以及0.6022, 经过群体的综合评估, 其结果为0.6084。然后在相似度向量计算的基础上, 对专家的评估结果以及综合评估结果进行对比, 其之间的距离为0.098.因为加权距离的数值要大于原有设定的阈值, 所以只能够对专家个体的评估结果进行调试。最后, 经过几遍的调整之后, 专家的评估结果以此变为0.7403、0.6062、0.6391、0.5998、0.5230、0.5355, 在经过综合的评定之后, 群体的结果显示为0.6071, 在进行第二步, 对矩阵进行重新的计算, 这种流程直到能够满足原有的设定阈值为止, 在本次的实力分析中, 主要经过了5轮的调整, 才让加权距离能够满足阈值的条件, 自此评估阶段结束, 而此时的评估结果以此调整为0.6806、0.6058、0.6266、0.5599以及0.5642, 经过综合的评估, 群体的评估结果是0.6069, 依据分级标准, 可以判断此电网基建项目的集成管理风险等级为高风险, 多项目的管理人员要能够从不同时间、资金、人员等方面进行预警的管理。

4 结束语

电网基建多项目风险预警方法能够对电网的建设起到很大的促进作用, 能够极大提高社会中人们的生活质量, 同时也能够更好的增加社会经济的发展。在本次的研究中, 主要对电网基建多项目风险预警的方法进行研究, 即WBS-RBS法以及科学管理系统思维风险的识别方法, 此外, 还对电网基建多项目风险预警系统的构建进行详细的叙述。在此次的风险预警方法研究中, 其主要是考虑电网项目风险的特性以及构建之间的关系, 而其研究的结果能够对风险预警的有效性以及科学性有着重要的作用。

参考文献

[1]马骞, 祁达才, 李建设, 周剑, 高志华.电网安全风险管理研究与实践[J].南方电网技术, 2014, 04:11~16.

[2]宋伶俐, 杨军, 周博文, 吴耀文, 胡子修, 李俊, 邓长虹, 孙元章.一种电网基建项目辅助决策方法[J].电力自动化设备, 2013, 06:64~69.

中长期玉米走势暗藏追多风险 篇8

截至2010年4月10日, 河北、内蒙古、辽宁、吉林、黑龙江、山东、河南、四川、陕西、甘肃10个玉米主产省 (区) 各类粮食企业累计收购2009年产玉米3 914.4万吨, 比2009年同期减少1 970.9万吨, 其中国有粮食企业收购1 001.8万吨, 比2009年同期减少2 925.5万吨。以上统计数据显示, 2009年我国玉米减产是非常明显的。近期, 玉米价格的快速上涨也表明市场供应是偏紧的。面对这种情况, 政府决定临储玉米提前在市场价格上涨最强烈的东北地区释放, 并得到了市场热烈的响应, 临储玉米竞价销售结果是几乎全部成交, 成交价格也创出了新高。这给了市场非常明确的信号, 原本产区不会缺粮, 但现在产区也出现了供需失衡, 而且, 产区市场较强的需求态势又引领国内玉米价格趋涨。

近期, 刺激玉米价格高位运行的因素还有政府实施的冻猪肉收储政策。为了令猪粮比价维持在5.5∶1的合理水平, 保护养殖户的利益, 国家在政策上进行了调控, 一是启动冷冻猪肉收储, 二是在进行跨省移库玉米拍卖的基础上, 增加东北地区临储玉米的拍卖数量。从当前市场发展态势来看, 政策的实施一方面保证了生猪养殖利润处在合理的水平, 另一方面维持了玉米价格在一定区间内运行, 平抑了物价。因此, 冻猪肉收储政策对玉米市场的利好并不十分强劲。另据了解, 截至3月末, 我国生猪存栏量为4.413亿头, 同比减少731万头;能繁母猪为4 840万头, 同比下降102万头。所以, 2010年饲料玉米需求超过2009年的可能性极小, 其对玉米市场的拉动作用相对有限。

此外, 当前东北地区玉米春播推迟预期也是支持市场价格高位运行的一个重要原因。截至目前, 玉米播种延迟已比较确定, 预计播种期延迟7～10天。而按照正常年景推算, 后期在9月25日之前遭遇早霜的可能性极大。与此同时, 玉米播种期延迟也令部分地区在品种的选择上将受到限制, 早熟品种的播种面积可能会增加, 这对产量将有所影响。但另一方面, 因为2009年玉米的种植效益明显偏高, 播种面积增加可以肯定的。从黑龙江省农委的调查情况来看, 2010年黑龙江玉米意向种植面积在7 500万亩, 同比增加200万亩。由于面积增加, 不利天气令产量受损的部分完全可以补回来。因此, 玉米播种期延迟对价格的影响已经减弱。

目前, 多数贸易商对后市看涨, 收购比较积极。但从产地到销区贸易并没有利润可言。除少数深加工企业外, 现货商不敢提价收购。多数现货贸易商执行合同销售, 随收随走, 库存量相对比较小。后期国储加大拍卖量以后, 贸易商谨慎心理必然增强, 其抢粮热情将出现明显下降。

进入2010年3月份之后, 在玉米价格出现上涨的情况下, 产区农民惜售心理严重, 当前产区农民手中余粮较多, 如吉林农民余粮约占产量的3成左右, 黑龙江农民余粮约占产量的3.5成。2010年4月份产区气温偏低, 这对玉米的保存具有一定的好处, 但随着天气转暖, 玉米霉变粒增加, 品质下降, 当前农民惜售的心理已经改变。后期在农民季节性售粮小高峰到来之际, 玉米价格可能会受到一定程度的冲击。