综合模糊风险评估论文

综合模糊风险评估论文（精选11篇）

综合模糊风险评估论文 篇1

随着我国社会和经济的快速发展,各类大型超市也越来越多,大大促进了商品的流通,但由于商场内商品集中,购物消费者较多,安全问题日益突出。为了提高我国各大购物超市的安全管理水平,笔者对超市火灾事故的主要因素进行分析,并基于模糊综合评价法,建立了大型购物超市火灾风险模糊综合评估系统。

1大型购物超市模糊综合评估过程

1.1 构建火灾风险评估指标体系

根据危险源辨识理论,引起大型购物超市火灾事故的主要因素有员工的不安全行为、设备设施不安全状态、安全管理不到位、应急措施不能发挥作用等。构建大型购物超市火灾风险评估指标体系U主要分为3个层次:目标层、中间层和指标层,见表1。

1.2 确定评估等级标准

根据对大型购物超市风险状况的评估,确定5个评估等级:安全、较安全、一般、较危险、危险,构成评价集V=﹛V1,V2,V3,V4,V5﹜。为了对评价结果进行量化,使评价结果一目了然,确定各评价等级的得分范围,并取其中间值作为该评价级别的量化分值,见表2所示。

1.3 确定模糊关系矩阵

在对具体的大型购物超市的火灾风险进行评价时,请若干位专家对该超市的火灾状况进行现场检查、分析,按给定的5个评价等级进行投票,从而建立评价指标Ui的评价矩阵Ri。例如,10位专家对指标U11进行投票,认为安全的1票,较安全的4票,一般的3票,较危险的2票,危险的0票,则r11=0.1,r12=0.4,r13=0.3,r14=0.2,r15=0。笔者将10位专家对某大型购物超市的火灾风险状况评定结果进行汇总,并建立评价矩阵,结果见式(1)～式(4)。

1.4 计算评估指标权重

各评价因素的权重确定是风险评价体系最为关键的环节之一,考虑到评价指标权重确定的科学性、客观性、针对性和可操作性,采用专家调查法来确定指标的权重。具体步骤为:

(1)设计确定各因素权重的专家调查表。把各因素指标的重要性分为5个评价等级:Ⅰ很重要、Ⅱ重要、Ⅲ一般、Ⅳ不重要、Ⅴ很不重要。

(2)请有经验的专家填写调查表,5个评价等级对应的分值为(9,7,5,3,1)。

(3)统计出i因素评价的分值mi,以及i因素所在指标集合中所有指标分值的总和m,见表4。

(4)计算各因素在该指标集合中的权重Ai。其中,Ai=mi/m,见表4。

1.5 确定评估结果向量

(1)一级模糊评价。

见式(5)～式(8)。

undefined

(2)二级模糊评价。

见式(9)。

undefined

1.6 确定最终评估等级

最终评估等级C=(9 7 5 3 1)×BT =6.27,与表2对比可知,该购物超市火灾安全等级为2级,较安全。

2大型购物超市火灾风险模糊综合评估系统

为了便于系统地、准确地、快速地进行评估,在上述评价方法的基础上利用Excel软件编制了大型购物超市火灾风险模糊综合评估系统,该综合评估系统主要分两个模块:输入初始值模块和结算结果模块,见图1所示。Excel软件具有强大的数据计算、分析功能,其中内置的很多函数几乎可以满足现实中90%以上的数据分析需要。另外,Excel软件应用广泛,操作简单,目前几乎所有电脑都装有Excel软件,而且绝大多数人都能轻而易举地操作它。故笔者基于Excel软件编制了大型购物超市火灾风险模糊综合评估系统,该系统不仅计算精确,操作简便,而且适用人群广泛。

用户只需在“输入初始值模块”的“专家投票确定模糊关系矩阵”列中将专家投票数量分别填入“安全”、“较安全”、“一般”、“较危险”和“危险”5列中,就可以在“计算结果”模块中自动得出超市火灾风险评估等级。

3结语

由于大型超市人员密集、环境复杂,一旦发生火灾事故将威胁人民群众的生命安全和国家财产安全,同时还会造成不良的社会影响。大型超市火灾风险影响因素难以量化,且各个因素之间不是相互独立的,具有模糊性,因此在大型超市风险评价中,选择模糊综合评价方法分析超市火灾安全的影响因素,制定完善的大型超市火灾风险评价指标体系,建立相应的模糊综合评价的模型,可以快速准确地确定火灾风险因素,为大型购物超市的安全运营提供有益的参考。

摘要：根据大型购物超市火灾事故的特点,基于模糊综合评价法,提出完整的模糊综合评估模型。根据导致火灾事故的主要因素,从安全管理状况、员工素质、设备设施安全运行和事故应急管理4个方面建立大型购物超市火灾风险定量评估指标体系。利用Excel软件建立大型购物超市火灾风险模糊综合评估系统。

关键词：大型购物超市,火灾风险,模糊综合评估

参考文献

[1]游宇航,李元洲,陈劲松,等.大型超市安全疏散设计的初步研究[J].中国工程学报,2007,9(4):99-102.

[2]李英辉,张倩,李永刚.某大型商业建筑火灾危险性评估[J].中国安全生产科学技术,2009,5(4):117-120.

[3]王小群,张兴容.模糊评价数学模型在企业安全评价中的应用[J].工业安全与环保,2002,28(12):29-32.

[4]Francesco Gagliardi,Mariacristina Roscia,Gheorghe Lazaroiu.Eval-uation of sustainability of a city through fuzzy logic[J].Energy,2007,32(5):21-22.

[5]何顺法.基于模糊综合评判的建筑火灾危险性研究[J].消防科学与技术,2008,27(8):606-608.

[6]王莹,张树平.基于AHP和模糊综合评价法的地下公共建筑消防安全评估[J].消防科学与技术,2009,28(2):133-137.

[7]韩刚.石化企业安全生产模糊综合评价系统的研究[J].消防科学与技术,2009,28(5):384-386.

[8]赵光华.管理定量分析方法[M].北京:北京大学出版社,2008.

[9]叶义成,柯丽华,黄德育.系统综合评价技术及其应用[M].北京:冶金工业出版社,2006.

综合模糊风险评估论文 篇2

以风险因素的`权重计算为重点,建立了基于层次分析法(AHP)的风险模糊综合评判模型,并尝试将此模型应用于海上油气钻井工程的整体安全性评价中,实际工程运用表明:该模型评价过程简洁、直观,评价结果实用、有效,可为类似工程的安全性评价提供借鉴.

作 者：钱小东 刘祖德 QIAN Xiao-dong LIU Zu-de 作者单位：钱小东,QIAN Xiao-dong(中国石化集团国际石油勘探开发有限公司,北京,100083)

刘祖德,LIU Zu-de(中国地质大学工程学院,武汉,430074)

综合模糊风险评估论文 篇3

风险是一种特殊事件，这种事件会带来多个不确定的结果，每种结果的出现都存在一定概率，因此，风险是一个事件的不确定性和它可能带来的不确定的结果的综合效应，既强调事件的不确定性，又强调事件发生后结果的不确定性。影响房地产投资风险的不确定因素很多，既来自于房地产投资开发活动本身，又来自于周围的经济、政治环境，甚至还有消费者认识的滞后性，乃至大自然的灾害等等。在收集资料的基础上，根据其直接或间接的症状，对尚未发生的、潜在的及客观存在的各种风险进行判断、归类和鉴定的过程，是进行投资风险综合评价的基础。对房地产投资风险的正确认识与评价，从根本上讲，是对房地产项目投资结果的可靠性进行检验，从而测定项目的风险性，可以有助于房地产投资效益的提高，减少或避免不必要的风险损失，对保证房地产投资的科学合理性和项目投资综合效益的发挥意义重大。

一、房地产投资的风险分析

1. 房地产投资的风险特性

房地产项目的投资通常具有投资周期长、投入资金量大，且受外界因素影响显著的特征，因而使其具备了一些风险特性，具体表现如下：

多样性：由于房地产投资过程涉及社会、经济、技术等各个方面，所以其风险表现为多样性，相互之间变化呈现复杂的关系。

变现差：房地产项目投资大，周期长，而房地产市场又是不完全市场，因此，房地产投资不能像存款、国债等可以随时变现。

补偿性：开发商进行房地产项目投资时，是为了获得高额收益，即取得风险回报或风险溢价。

2. 房地产投资的风险因素

房地产项目投资的特性决定了房地产市场的多变性，而变化的根本原因就在于形成该特性的一系列不确定性因素的存在，因此，根据不同因素的性质，可以把房地产投资的风险因素大致分为以下几类：市场风险、购买力风险、经营管理风险、社会风险、政策风险和不可抗力风险等[2]。以下對市场风险、经营管理风险、社会风险、政策风险加以论述。

（1）市场风险因素

包括市场变化严重背离投资预期或项目微观管理不力等原因而导致的经济损失。房地产立项开发根据的是当前的市场状况，而从可行性分析到楼盘上市的时段内，供求状况变动的可能性很大，住户对户型结构及单元面积的偏好会发生变化。与此同时，原细分市场上供不应求的物业，经一段时间可能会大量积压，这些都难免使投资回报远远地偏离预期。此外，宏观面上，通货膨胀既刺激需求，又会引起建材劳动力价格上升，增大开发成本。利率、税率、地价、资金变现等诸因素变化都会带来筹资融资风险，增大财务管理困难。总之，经济风险既受外部环境影响，又有投资系统内部的原因。一般而言，通货膨胀、利率、税率、地价及生产要素市场变动都属于投资系统的外部大环境，它们导致的是所有投资项目的系统风险。这种风险的发生企业不能控制，只能在一定程度上减少损失；然而，未来市场供求变化、消费者偏好变化等不确定因素则是投资主体能够较好认知和把握的，也是微观经济主体进行风险管理的核心，因此，成为规避市场风险必须考虑的首要问题。

（2）经营管理风险因素

包括经营者综合素质及开发建设经验、项目的组织管理体系的规范程度、经营者获取并处理各种信息的状况、决策的科学性。例如项目投资规模、方式、地点、类型选择风险，组织管理风险等。相同类型的房地产项目，为什么有的亏损，有的盈利，很大程度上决定于对房地产项目的管理水平。经营管理水平的高低，决定了房地产项目收入支出的大小，也就决定了房地产项目抵抗商业风险的能力。因此，房地产投资者在投资时，为了降低商业风险，必须对房地产项目经营过程中的管理水平作出准确评价，以保证房地产项目综合效益的发挥和市场竞争能力的增强。

（3）政策风险因素

包括房地产政策改革风险、环保政策变化风险、建筑安全条例变化风险等。房地产政策的改变，尤其是调整性政策的出台，必然导致某些房地产成为牺牲品，结果导致此类房地产项目的商业风险加大。如，2005年“新八条”的出台，使得住宅房产受到极大影响，2005年底商品房的空置率达到26%，大大超过国际公认的10%的警戒线 。因此，政策变化也是形成房地产项目投资风险的主要因素。

上述各类风险都直接影响着房地产投资项目的投资收益，随着科学技术水平的提高，人们加强了对自然灾害等不可抗拒因素的防范，因此，在目前的房地产投资过程中，除了不可抗力因素之外的五类要素成为了主要的影响因素，也是本文进行评价的重点。

二、房地产投资风险的模糊评价模型

在高风险背后通常潜在着高收益，如果风险概率高，而收益损失的概率小，同样可以实现投资的最终目标。在对房地产投资风险进行评价时，既要充分考虑风险发生的概率，又要预测风险将会达到的风险程度（收益损失程度），结合概率和风险程度之后，才能最终决定该投资是否有价值和意义[4]。此外，房地产投资风险的评价中存在着许多不确定性的因素，是一个具有模糊性的问题。因此，本文主要以模糊数学为基础，结合概率计算的方法，构建了衡量房地产投资风险水平的测度函数：

风险测度函数包括两个变量，其中，P为房地产投资发生风险的概率，L为房地产投资风险发生时影响程度的大小。于是，进一步构建函数方程，设投资风险不发生的概率为Ps，风险不发生时的影响程度的大小为Ls。则：

。于是有：

R可视为房地产项目投资风险发生及其产生损失的似然估计。

1. P 的似然估计

由于房地产项目投资过程中存在着诸多风险因素，因此，需要建立一个风险因素的集合X，并选取风险因素作为评价因子，对这些评价因子Xi=（X1，X2，……，Xn）给定一个评定集B=（bl，b2，b3，b4，b5）=（0.1，0.3，0.5，0.7，0.9），这一分值的确定是参考层次分析法[3]中重要性指标来确定的。对应的评定集为对各风险因子失败率的描述：{很小，较小，一般，较大，很大}。在对风险因子失败率评价时，聘请专家组成风险评估小组（共N位），据此对每个风险因子进行评价，并确定相应的评定值bj（j=1，2，3，4，5）。

计算：

各风险因子Xi对价值链风险的影响程度赋予不同的权值 。则价值链风险发生的概率P为：

2. L 的模糊综合评价

评价风险发生时的影响程度L时，设定一组与影响程度相关的评定因素，组成因素集为U，可设Ui=（U1，U2，……，Un），同时对各因素赋予相应的权向量M=（M1，M2，……，Mn）。这些要素分别反映房地产投资项目将会产生的效果，如，建造的成本、消费者对物业类型的满意程度、物业的实用性程度、推广房地产产品的渠道和模式等。此外，还要设定对这些要素的评价集合V=（低，较低，中等，较高，高）={v1，v2，v3，v4，v5}=（0.1，0.3，0.5，0.7，0.9）。评估专家参照评价集V分别对各因素U 进行比较评价，得到模糊子集

于是，模糊评判矩阵为：

对风险事件的模糊综合评判矩阵B是V上模糊子集

对B进行归一化，得B’=（bl，b2，b3，b4，b5）。投资项目风险发生带来的影响L（即潜在的损失值）也就可表示为：

= 0.1bl+0.3b2+0.5b3+0.7b4+0.9b5

3. 风险水平的计算

将P，L的值代入公式：

便可以求得项目投资风险水平的值，将计算所得的结果与表中数值比较，即可知道投资风险的风险等级。

表1-1 风险等级评价表

风险水平R0.9

风险等级特高风险高风险中等风险低风险

投资等级的界定，其实质就是对一项房地产投资失败可能性的估计，其中风险水平越高意味着投资失败的概率越高。在通常情况下，风险水平在（0，0.5）区间内属于可投资范围，在（0.5，0.7）区间内属于谨慎投资范围，一旦风险水平在（0.7，∞）的区间内，投资者应当放弃投资或转换投资类型[5]。

三、房地产投资风险的综合评价

2005年6月，上海市某房地产投资公司，准备投资上海市北外滩附近的一块地产。当时，正处于“新八条”颁布实施初期，该公司投资的初衷是拟建造中、高档住宅用房，然而，为了避免投资后可能带来的高额风险成本，决策层决定进行一次风险评价。在此次评价过程中，决策层聘请了15位房地产及投资行业的专家一同参与，以便保证评价的合理性。

1. 风险发生概率

评价过程中选取的风险因素正是前文涉及的五类指标，我们用X表示风险要素集合，X={市场风险、购买力风险、经营管理风险、社会风险、政策风险}，即X={X1，X2，X3，X4，X5}；对X的评语集合为B=（bl，b2，b3，b4，b5）=（0.1，0.3，0.5，0.7，0.9）；聘请15位专家对风险因子的评价矩阵 为：

由专家进行评定后得到的权值 =（0.18，0.27，0.17，0.20，0.18）。

得到以上数据之后我们可以计算出该公司投资住宅房产的风险发生概率P。

2. 风险发生带来的影响

在求得风险发生概率之后，我们还要考虑企业投资风险发生后将会产生的影响程度，于是，就要设定一个对风险效果评价的要素集合，我们用U表示，即U={建造成本，顾客满意度，房屋类型适用性，产品营销渠道，产品促销模式}，同时对各个因素赋予相应的权向量M={1/5，1/5，1/5，1/5，1/5}。设定评价集合V={低，较低，中等，較高，高}={V1，V2，V3，V4，V5}={0.1，0.3，0.5，0.7，0.9}。得到相应的专家评价的模糊子集：

把B归一化得到B’

3. 风险水平的确定

=0.443+0.474-0.443*0.474=0.707

由表1-1可知，此类投资项目属于高等风险范畴，因此，决策层本着力求收益稳妥的原则，决定更换投资项目。此后，经过几轮的分析评价之后，决策层最终决定投资高档商务办公楼项目。

四、结束语

综合模糊风险评估论文 篇4

随着信息产业的飞速发展，信息系统项目的合理性、有效性和实用性备受关注，信息系统风险评估成为信息化项目风险控制的重要组成部分。信息系统风险评估主要是通过严格的评价程序、科学的评价指标和客观的评价方法，对项目的实际绩效进行公正的评价，以促进信息资源的优化配置。

信息系统风险日趋复杂，风险评估重点也从起先的操作系统、网络环境扩展到整个宏观环境和管理体系。而确定评估要素之后，采用何种评估方法具有举足轻重地位。针对我国实际情况，信息系统风险评估工作主要依靠一些定性或定量的评估方法。定量评估方法是指运用数量指标来对风险进行评估，主要包括层次分析法、模糊综合评判法、BP神经网络法等。定性评估方法主要依据知识和经验分析系统情况并做出判断，包括安全检查表法、专家评价法、矩阵分析法等。以上方法各有利弊，如层次分析法简便实用，但受专家经验和知识限制，主观性强；BP神经网络法虽减少了人为主观因素影响，但是需要大量已知训练样本；安全检查表法简便易行，但检查表大多不够深化[1]。

本文针对评估信息的模糊性和灰色性，提出基于灰色模糊综合评判的信息系统风险评价模型，从定性到定量的综合集成方法。该模型建立评价指标递阶层次结构，给定评价因素集、评语集、评价因素权重集和评判矩阵，进行模糊运算，最后得到综合评价结果。在系统数据较少和条件不满足统计要求的情况下，该模型的实用性则更加突出。

1 信息系统风险评估指标体系构建

评估指标体系是指评估对象所涉及的各种影响因素的集合。国外发达国家已初步建立了信息系统评估认证体系，并陆续发布了一系列相关标准、指南和规范，如：BS 7799(ISO 17799）标准建立了信息安全管理体系文档，以及如何进行安全控制，但它仅提供原则性建议，如何与实际情况相结合等问题尚未涉及。SSE-CMM模型（Systems Security Engineering Capability Maturity Model，系统安全工程的能力成熟度模型）系统地解决安全工程的组织和实施等问题，不足之处在于过程域相对独立，不利于指导风险评估活动。OCTAVE(Operationally Critical Treat,Asset,and Vulnerability Evaluation，可操作的关键威胁、资产和薄弱点评估）方法既强调安全技术，又强调安全管理，但需要多人参与，评估流程比较繁琐。

目前，比较完整且可行的IT风险控制标准是COBIT(Control Objectives for Information and Related Technology，信息及相关技术的控制目标）标准。COBIT的设计是为了帮助管理者在不可预见的IT环境下对风险和投资控制加以平衡，获得安全可控的信息技术服务，并向内外部客户提供产品和服务，同时，审计人员可以使用该标准并向组织的内部控制管理提出建议。表1是COBIT在规划组织阶段对信息系统风险的评价和管理标准。

COBIT主要关注风险的控制目标和控制手段，因此需考虑风险管理的主体和义务、风险容忍程度、根本原因分析、定量或定性的风险测量等，概括起来分为三个部分：活动、流程和信息技术：

(1）活动：侧重于风险管理活动，参与人员应包括IT部门高管和IT服务的关键用户。此外，风险评估报告也很重要，它可以协助风险管理人员及时发现风险并采取科学合理的纠正措施。正规的风险评估文档要包括风险评估方法的描述、风险的披露和确认、未识别风险及相应披露。

(2）流程：主要是指风险评估的途径和步骤，简单地说，就是先发现风险再拟定修正方案。已发现和尚未发现的风险应在风险评估报告中都应有所体现。制定修正方案是为了确保已发现的风险的负面影响要控制在可容忍程度内。

(3）信息技术：可以协助风险的测量和确认，但不恰当的信息技术同样会带来风险，譬如互联网环境下的信息安全漏洞会让用户面临信息泄露的风险，这就要求风险评估应把信息技术作为对象之一。高质量的信息系统既可以实现IT目标，又能够保护IT资产。

通过实施COBIT标准的信息系统风险评价和管理，可以增强管理人员对风险控制的感知，风险管理工作实现系统化和量化，实施难度大大降低。另外，COBIT模型实现了企业战略与IT战略的互动和融合，形成了持续改进的良性循环机制，为企业提供了具有参考价值的解决方案，从而有效降低和规避风险。

2 信息系统风险评估的灰色模糊综合评价模型

2.1 信息系统风险评估的模糊性和灰色性

所谓模糊性，是指客观事物在归属和状态上的不分明性。在评价过程中，信息系统越复杂，模糊性越大；评价因素越多，综合评判就越模糊。此时，模糊数学方法可以弥补统计数学的不足。

所谓灰色性，就是“认识的不完全性”或“未确定性”。信息系统风险研究中的很多因素很难用确切的数学语言来描述，这些信息是不完全的，不确切的，也就是说，评价信息是灰色的。

信息系统风险评估中这两个特性都存在，那么将模糊性和灰色性同时考虑是合理的，这比只考虑其中之一更能反映客观实际。因此本文将信息系统风险评估与模糊性和灰色性同时联系起来。

2.2 模型的理论基础[3]

灰色系统理论是从信息的非完备性出发，研究和处理复杂系统的理论。它对系统某一层次的观测资料加以数学处理，在更高层次上了解系统内部的变化趋势、相互关系等。

模糊数学以“模糊集合”论为基础处理不确定性问题，是描述人脑思维处理模糊信息的有力工具。模糊集合不是简单地扬弃概念的模糊性，而是尽量如实地反映人们使用模糊概念时的本意。

从定位到定量的综合集成方法是将有关专家意见、数据和信息与计算机有机结合起来，把科学理论和人的知识结合起来，构成了一个系统。此方法的成功在于发挥这个系统的整体优势和综合优势。

2.3 灰色模糊综合评判

根据评价因素的特点，灰色模糊综合评价方法在考虑专家评判信息的不完全性的同时，利用灰色聚类理论得到灰色统计量，进而构造出灰色模糊矩阵，最后采用灰色模糊算法测算出信息系统的风险大小。建模具体步骤如下：

(1)建立递阶层次评价因素集。评价因素集是信息系统风险因素的集合。设评价因素集为U={U1,U2，…，Un}。评价因素很多时，由于归一性，权重值必然很小，这会弱化权重值较小的评判因素作用，因此将众多因素按某些属性分成几类，先对每一类各因素综合评判，然后在各类之间进行高一层次综合评判，就形成了递阶层次风险评估指标体系，见表1。

(2)建立评语集。评语集是各种风险评价结果的集合。设风险评语集为0～1，见表2。

(3)建立评价因素权重集。评价因素权重集表示各评价因素与风险之间的灰色模糊关系,即各因素关于上一层准则的权重和灰度。设评价因素权重集=[(a1,v1),(a2,v2),…,(an,vn)],其中ai称为的模部;vi称为的灰部。各权重值ai满足归一化要求,即。

由于信息量很难用数值来衡量，所以，使用一些描述性语言来对应一定的灰度范围，如按信息的充分和明确程度分成以下几类：{很充分，较充分，一般，比较贫乏，很贫乏}，分别对应灰度值{0～0.20,0.21～0.41,0.41～0.60,0.61～0.80,0.81～1.00}[4]。

(4)确定评判矩阵。评判矩阵表示评价因素集与评语集之间的灰色模糊关系，即评价因素对评语集中各元素的隶属度和灰度。设评判矩阵：

其中：uij为隶属度，表示模糊关系，应归一化处理，即为灰度,表示灰色关系。

(5)进行综合评判。模部运算采用代数积算子M（·，+），灰部运算采用有界积M（⊙，+）算子。灰色模糊评判结果为：

(6)评判结果处理。灰度描述信息的不充分和不可信程度，因此，可以将评判结果转化成三参数区间数集合形式：

然后，对各区间数进行排序，具体方法如下：[5]

设两个三参数区间数;cl,cu为的取值边界,c*为其中取值可能性最大的数值,用分布函数fc(x)表示在其余各点取值可能性的大小,且,fc(x)的最简单形式是一次线性函数;对亦然。当cl=dl,c*=d*,cu=du同时成立时,则。不妨设,记大于的可能性为。对中各区间数按照上述方法两两比较,排序可能性矩阵为:

其中：pij表示第i个区间数大于第j个区间数的可能性大小。通过此矩阵可以看出两两方案的比较结果，然后按照是否pij≥0.5进行排序。

灰色模糊综合评价方法用灰度来表示和衡量评判结果的可信性，较高的灰度可以证明评判等级的真实性，帮助决策者进行科学判断，而较低的灰度则表示评判结果存在不合理性，应重新度量。由此可见，灰色模糊综合评价方法比模糊综合评判方法更加合理科学。

3 算例

某物流公司计划实施信息系统项目，邀请多位专家和教师进行风险评估。表1表示评价因素集，表2表示评语集，表3是用专家意见（Delphi）法得到的评价因素权重集和评判矩阵，其中一、二、三级指标的灰度分别为0.30、0.20和0.10。

由灰色模糊算法得：

同理可得={（0.046,0.150），(0.192,0.150）,(0.303,0.150），(0.078,0.150）}；而b3参数区间为[0.258,0.305,0.348]，b4参数区间为[0.324,0.381,0.438]，则b3和b4的参数区间有重叠。

得：fc(x）=-540.83x+188.21

排序可能性矩阵：

因此风险等级为“微小”。此时公司领导会对此项目充满信心，该项目可以获得大力支持并取得理想效果。

若用模糊综合评判方法，得B={0.046,0.192,0.303,0.381,0.078}，评判结果可能为b4所属的风险等级“微小”。又，，则最终评判结果B为b3所属的风险等级“一般”[6]。此时，公司领导会对此项目持犹豫和怀疑的态度，非常有可能取消该项目。

由上可见，灰度值和排序可能性矩阵有助于决策人员正确理解综合评判信息的可信度，做出科学决策。

4 结束语

本文从风险控制和管理角度确定信息系统风险评估指标体系，将灰色模糊综合评判方法应用于风险等级计算；这一方法是针对评价过程的非线性特点而提出的，利用模糊数学中的模糊运算法则和灰色聚类理论进行量化综合，从而得到可比的量化评价结果。

信息系统项目许多因素具有不确定性，只用风险发生概率和损失强度来确定风险期望损失，掩盖了风险特征，易导致错误和偏差。灰色模糊综合评判信息系统风险的方法针对风险和评判信息的模糊性和灰色性，不仅得到了信息系统风险等级，同时也说明其相对可信程度，为用户评估风险等级，发现主要风险因素，实施风险内部控制和管理提供了有效方法和途径，有利于及早明确信息系统项目建设的主要风险并采取针对性措施，以达到成功降低和防范风险的目的。

摘要：针对信息系统风险的信息不完全性和概念不明确性的特点,从风险控制角度构建一个递阶层次结构的风险评估指标体系。以灰色系统理论、模糊数学和从定性到定量的综合集成方法为理论基础,建立灰色模糊综合评判模型;并采用灰色模糊算法计算信息系统项目的风险等级,最后借助排序可能性矩阵对评价结果进行修正。通过算例分析可知,该模型的实验结果更客观。

关键词：风险评估,指标体系,灰色模糊综合评判,信息系统项目

参考文献

[1]刘向升、程卫民、匡开宇、杨发喜、王刚:《信息系统的风险评估方法研究》[J];《网络安全技术与应用》2006(11):33。

[2]ITGI.COBIT4.1[EB].www.itgi.org,2007:64-66.

[3]徐维祥、张全寿:《一种基于灰色理论和模糊数学的综合集成算法》[J];《系统工程理论与实践》2001(4):114-115。

[4]陈雯、张强:《第三方物流客户服务绩效的灰色模糊综合评价模型》[J];《模糊系统与数学》2007(4):151。

[5]卜广志、张宇文:《基于灰色模糊关系的灰色模糊综合评判》[J];《系统工程理论与实践》2002(22):141-144。

综合模糊风险评估论文 篇5

【关键词】高校财务； 风险预测； 模糊综合评价； GM（1，1）模型

一、建立高校财务风险预测机制的必要性

随着高等教育改革的不断深入，高校得到了越来越多的自主管理权，高校获取资金的方式也从政府拨款到政府拨款和资金自筹共存的多种方式。现在高校的发展处在一个蓬勃发展的阶段，大学扩招以后，学生数量增多，使得高校的规模的也来越大，这样带来了诸多的问题，比如师生比缩小、教室紧张等等。扩招导致了很多学校兴起了扩张的高潮，采取通过兼并其它弱势学校或兴建新的校区的方式。同时有些领导为了自己的政绩，把学校的规模发展的过大，导致银行贷款难以还清，使学校出现了前所未有的困难局面。

据调查显示，“ 十五” 期间我国高校负债已达3000亿元，有的高校负债多达10～20亿元，江苏共有115所高校，一般负债在2～8亿元，已超出了学校的承受能力。广东高校举债兴建大学城总贷款超过180亿元，虽然省政府帮助偿还150亿的贷款，但仍留给高校巨额的债务负担。比如吉林大学一度拥有六个校区，但最终因还不上银行贷款而破产。这个例子给我们提出了很好的警示。对于学校的发展不能过于盲目，必须要有一个合适的发展规模。为了学校的健康发展，建立一个合适的财务预测机制是很有必要的。规范财务工作、监控财务活动、保障高校财务平稳运转，将财务风险防患于未然是高校财务工作的重心。

本文尝试从高校财务风险的各个因素入手，先对高校的财务状况做个评价，然后通过对高校过去几年的数据，建立数学模型，预测未来高校财务的发展状况，对未来的风险做一个有效地预测。

二、高校财务评价机制及评价指标体系

评价指标体系是整个评价系统的核心，它规定了评价的内容，指标体系设计的恰当与否直接决定了评价工作的质量。为达到高校财务评价的目的，在建立评价指标体系的过程中，要遵循以下原则：

科学性原则。科学性原则要求所建立的指标体系能够实现评价目标，达到评价目的所选用的指标具有代表性和完整性，指标之间不重复、不遗漏，相互具有独立性，能基本反映财务核算和绩效评价的特点.

重要性原则。指标的重要性是指指标能够对高校的财务风险防范产生持久而重要的影响。这里的重要性原则是指全面性与重要性相结合的原则。高校财务 风险评价机制的指标要保持全面性，这样才能从不同侧面和不同方面揭示高校 中存在的财务风险防范情况。然而，影响财务风险的因素有很多，我们只要抓住主要矛盾就可以了，忽略次要矛盾，这样才能围绕核心问题展开评价。

由财务风险评价中应考虑的主要内容及其因素，以及它们之间的隶属关系，可将高校财务评价的指标体系划分为资金筹集、资金运用和财务绩效三个方面。

三.高校财务预测模型

下面我们给出高校财务评价预测模型，其步骤如下

第一步：确定评价因素、评价等级

设为被刻画评价对象的n个因素 （ 即评价指标）； 为刻画每一因素所处的m个决断（即评价等级）。

第二步：确定隶属度

对于每个指标，我们对其进行模糊化处理，邀请有关专家对有关高校上述的每个指标按特优（100分）、优秀（87分）、良好（73分）、一般（60分）、较差（47分）、差（34）、特差（20）等七个等级进行打分，然后得出一个隶属度，比如某高校的经费总收入增长率为0.5，邀请10个专家对其打分，结果是：6个特优，4个优。那么它的隶属度为

第三步：计算某高校j年度财务的评价结果

对于风险的划分标准，我们认为得分大于或等于60分时是安全的，否则认为是处于危险的，就应该引起校领导的重视。

第四步：根据连续几个年度的数据，利用GM（1，1）模型来预测未来几年的发展趋势。

记为GM（1 ，1）建模序列原始数据序列，利用一次累加生成1-AGO， 设为的AGO序列，这里

经检验，如果模型的精度达到我们的要求，我们才能用这个模型预测高校的风险。否则会引起失效，起不到应有的作用。

四、例证分析

按照第三部分所建立的指标体系和综合评价模型，本文选取了某高校2001-2010年的财务数据作为研究对象，对其财务情况进行综合评价.有关数据取自高校上报的财务报表.通过邀请一些专家对21个指标进行模糊化处理，得到历年来的各个指标的隶属度，数据见下表。

由此数据能够得到我们的模型对该高校的财务的发展状况进行预测是可行的。利用（*）式分别计算10～20年预测值得到

从上述的数据来看，该高校财政管理应该处于安全位置，并且发展会越来越好。值得需要说明的是，从上述预测的数值来说，评价的结果是呈递增的趋势，这个结果是显然的。因为该模型是递增函数。虽然实际的数据可能不是呈单调的，上下会有波动，但是误差相差不会太大。该模型能反映该高校财政管理水平的变化趋势，从而能够给学校的领导对学校未来发展的决策提供重要参考依据。当然有些高校的财务状况会越来越好，有些会越来越差，越来越差的高校一点要警醒风险。

从函数的单调性上来说，该模型比较适合预测财务状况越来越好或者越来越坏的那些高校。对于那些每年的财务评价值差别比较大，起伏波动比较大，但是总体趋势呈无明显变化的高校，GM（1，1）模型不太适合预测它们的财务的未来好坏的变化趋势，这时可以采用多项式差值方法建立的模型来预测财务未来好坏的变化趋势。GM（1，1）模型有其缺陷性，这也是我们必须去验证模型的可行性的原因。

五、结论

高校财务风险预测的机制建设涉及定性和主观的因素较多，对其进行准确的定量评价较为困难。笔者运用模糊综合评判法对高校财务风险水平进行评估，但是本文在评价机制体系以及各个指标的选取、权重的确定等方面还有进一步研究的必要。指标的选取要遵循完整性、不能重复性和科学性的特点，能不能找到一种更合理的指标体系是我们以后关注的一个重要课题。随着权重值不同预测的结果也会大相径庭，所以以后有待在这一方面加强研究，使得结果更加准确。

随着市场经济的发展和学校体制改革的不断深入，高校自我发展、自我约束的机制正在形成，政府直接管理高校模式下以预算完成情况评价指标为核心的评价体系需要向政府间接管理高校模式下以财务绩效评价指标为核心的指标体系转变.对高校财务状况进行综合评价，再利用往年的财务数据加以预测未来的财务状况，可以及时、准确地反馈财务信息，了解学校发展潜力，及时预测学校的风险。这有利于高校提前面对未来存在的财务风险，有利于在事故发生之前就找到解决问题的办法，防患于未然。

通过利用现行财务管理和会计核算体系所提供的信息资料，从财务角度对高校财务管理与绩效进行综合评价，高校人财物的利用情况能够通过具体指标体现出来，能够帮助高校发现存在的问题，也可以有针对性地提出改进措施，提高有限资源的优化配置。

参考文献

[1] 邓聚龙.灰色预测与决策[M].武汉：华中理工大学出版社，1989.

[2] 马红红， 李剑，王明伟. 基于模糊综合评价的高校财务风险防范机制研究[J]. 华南理工大学学报（社会科学版）， 2010（6）.

[3] 郭涛， 祝爱民， 于丽娟等. 高等学校财务综合评价研究[J]. 沈阳工业大学学报， 2007（8）.

[4] 徐紫娟，陈国旗. 高校财务风险控制模型的分析与实施[J]. 中国管理信息化，2007（11）.

[5] 曹升元. 高校财务风险管理研究[D].湖南：中南大学，2008.

综合模糊风险评估论文 篇6

2003年, 在经历突如其来的“非典”之后, 人们开始从安全的角度审视和反思人口问题, 在中国人民大学举办的“人口、社会与SARS”学术讨论会上, 国家人口和计划生育委员会主任张维庆首次明确提出人口安全的概念, 即, “人口安全是指一个国家的综合国力和国家安全不因人口问题而受损害, 能够避免或化解人口方面可能出现的局部性或全局性危机。其主要内容包括一个国家在一定时期内人口数量、人口素质、人口结构、人口分布以及人口迁移等因素与经济社会的发展水平、发展要求相协调, 与资源、环境的承载能力相适应, 能够实现可持续发展以及人的全面发展。”人口安全概念的提出引发了人们对该问题的大讨论, 尽管专家、学者对人口安全概念的理解还存在着一定的分歧, 但人口安全这一命题已为研究者们广泛接受。

如果从安全的对立面理解“人口安全”这一概念, 那么对应的就是“人口风险”。人口风险可以定义为人口发展偏离预期目标或与社会经济环境等发展系统产生重大不协调的可能性, 是人口因素带来的负面效应。人口风险首先来自人口系统内部, 人口规模过大或过小、结构失衡、分布不合理、素质低下都会导致人口风险, 而这些又与社会经济发展所要求的人口条件和资源环境承载能力相联系。实际上, 对人口风险进行有效管理和控制的最终目的, 就是寻求人口与社会、经济、资源、环境子系统的相互协调, 实现系统间的均衡发展和共同安全。风险控制的手段便是及时规避风险和积极应对风险。

风险概念的引入使人口安全的表述和测度更为方便。由于人口再生产周期长, 对风险事件发生频率的观察是异常困难的, 传统的概率论及数理统计方法的应用受到很大限制。另外, 人口与社会经济资源环境条件的相互关系也处于动态变化之中, 使人口风险估计过程变得非常复杂。因此, 对未来人口走向的判断只能建立在情景分析的基础上, 也就是说, 根据当前的人口形势、政策趋向和人口学规律, 可以预设人口发展的多种方案, 分析评价各方案下风险因素的潜在压力、后果和危害、系统能否承受 (脆弱性) 以及可能的应对策略。

风险是发生不幸事件的概率, 也就是事件产生我们所不希望的后果的可能性。在决策论中, 风险是集不利性、不确定性和复杂性于一身的概念。当复杂性被忽略时, 可以将其理解为概率风险。显然, 在对人口风险进行评估时, 复杂性是不能被忽略的, 这时, 我们可以用模糊风险来近似替代其风险程度。尽管模糊风险是一个不精确的估计值, 借助于模糊综合评判方法仍然可以探寻人口发展的薄弱环节, 提供降低风险的办法。

二、人口风险的模糊综合评判的基本步骤

首先对未来人口发展进行模拟, 预测人口发展的可能景象, 包括人口规模、人口结构等, 在此基础上, 利用模糊综合评判法对人口发展所面临的风险进行评估。

(一) 关于风险程度。根据风险函数表达式, R=f (p, c)

其中, R表示风险程度, p为事件发生的概率, c为事件发生的后果。

人口风险程度大小取决于两方面因素: (1) 风险事件发生的概率, 如人口激增、深度老龄化、性别比失衡、资源短缺等发生的可能性; (2) 风险事件一旦发生, 对人口安全发展的影响有多大, 可以根据各风险因素与人口安全的相关关系确定。如果用P表示概率, 用C表示影响, P和C的区间均为[0, 1], 用下标h表示风险事件发生, 用下标u表示风险事件未发生, 显然, Pu=1-Ph, Cu=1-Ch, 那么, 风险程度Ri可以表示为风险事件发生概率及其影响程度的似然函数, 即:

Ri=f (p, c)

=1-pucu (1)

=1- (1-ph) (1-ch)

=ph+ch-phch

(二) 构造模糊综合评判矩阵。

首先, 建立风险因素集U, 设U={u1, u2, …, um}, 人口风险因素可以归纳为“人口规模过快增长”、“严重的人口老龄化和劳动力老化”、“就业压力”、“出生性别比失衡”、“资源短缺和环境恶化风险”、“交通压力”、“灾害防控风险”等等;同时, 构造评判集V, 对各种风险要素确立概率等级和影响等级, 设V={v1, v2, …, vn}, 概率等级表现为可能性, 影响等级表现为影响程度 (见表1、表2) 。

然后, 建立隶属度矩阵R。参照评判集V对风险因素集U中的各因素进行评价, 构造模糊影射f:U→F (V) , 影射f表示风险因素ui对评判集V中各等级的支持程度。风险因素ui对评判集V的隶属向量Ri={ri1, ri2, …, rin}, i=1, 2, …, m。风险因素相对于概率和影响可以得到不同的隶属度矩阵, 分别记为Rp和Rc, 其一般形式为:

(三) 计算ph和ch。

由公式 (1) 可以看出, 风险程度定量测度的关键是计算ph和ch。

在计算各风险事件发生的概率时, 设对应各因素的权向量为A= (a1, a2, …, am) , 对评判集V中各评语赋予相应权重, 得到权向量B= (b1, b2, …, bn) , 则风险事件发生的概率为:

ph=ARpBT (2)

同理, 在计算风险事件对人口安全的影响时, 设对应各因素的权向量为undefined, 对评判集V中各评语赋予相应权重, 得到权向量undefined, 则风险事件对人口安全的影响为:

undefined

(四) 熵权赋值。

ph和ch的计算中均涉及到权重的确定, 评判集V的权向量B和undefined的确定相对容易, 一般地, 概率等级或影响等级越高, 应赋予的权重越大, 可以直接采用累进归一法计算确定。而风险因素集U的权向量A和undefined的确定比较复杂, 鉴于对风险因素的模糊评判已经是来自专家和社会公众的主观判断, 在此, 可以引入信息熵概念, 用熵权法进行客观赋值。

1.熵的含义。

作为一个状态函数, 熵的含义极为丰富。热力学中, 熵用来表示不可逆过程的单向性;物理学中, 熵用来表示大量分子各种运动方式的可能性大小;信息论中, 熵是信源每发一个信号的平均不确定性。既然熵是对系统不确定性的度量, 我们可以将其用于人口风险测度。

设系统可能处于n种不同的状态:S1, S2, …, Sn, 系统处于状态Si的概率为Pi, 则系统的熵可依照 (4) 式计算,

undefined

熵的两种极端情况为:只要有1个 Pi为1, 熵一定为零;如果系统状态为等概率, 即:undefined, 熵值最大。

2.熵权的确定。

在被调查者 (政府部门、专家或社会公众) 评判的各风险因素的隶属度矩阵中, rij的差距越大, 说明被调查者对风险因素Ui的支持度越高, 该因素在风险综合评价中所起的作用越大;相反, rij的值越接近, 说明被调查者的意见太分散, 该因素在风险综合评价中所起的作用微弱。这与熵值的特性正好相反, 因此熵权系数的确定分为两步, 首先, 计算熵值, 然后进行归一化处理 (相对熵值) 。

由于熵值最大时, 因素对系统风险评估的贡献最小, 因此, 风险因素Ui的权数可以由1-ei来确定, 归一化处理过程为:

(五) 风险标度。

在计算得到人口综合风险值后, 应该对风险水平有一个定性判断, 也就是说, 在给出了人口风险的基数标度以后, 还应该结合序数标度和可接受的风险水平, 对人口风险做一个定性判断。图1为风险等级的三级划分法和五级划分法。

三、应用举例

上海作为中国第一大城市, 人口规模、人口密度均居于各城市之首。与中国的人口发展历程相比, 上海人口演变有相似之处, 但也有很大的不同。主要表现在:实现人口转变的速度快, 人口老龄化显现得早;人口变动受流迁因素影响较大, 域内人口分布不均衡。对于上海这样一个自然资源匮乏, 主要生产和生活资源都依靠区域外输入的特大型城市来讲, 不仅面临着日渐增长的人口总量压力, 还包括不尽合理的人口结构、极不均衡的人口分布, 以及人口的不断膨胀对地区资源环境、基础设施、人口管理、社会福利等诸多方面带来的沉重压力。

本文以上海为例, 首先对未来人口发展进行了多方案、长周期模拟预测。目前, 上海总和生育率已经降至历史最低水平, 2003年为0.64, 2004年升至0.88。本文根据生育水平回升速度预设了9种方案 (第1种方案回升速度最快, 第9种方案回升速度最慢) 。

其次, 构造风险因素集U ={u1, u2, …, u7}, 其中, u1, u2, …, u7分别为风险因素 “人口规模过快增长”、“严重的人口老龄化和劳动力老化”、“就业压力”、“出生性别比失衡”、“资源短缺和环境恶化风险”、“交通压力”、“灾害防控风险”。由于风险具有很大的不确定性, 不同个体对人口风险理解存在很大的差别, 来自专家和社会公众的感受也存在一定差异, 因此, 调查对象涵盖了一定比例的专家和普通公众, 以提高评价主体的代表性和评估的精度。

参照表1, 专家和公众对每一种方案各风险因素进行概率等级评价, 在此基础上计算各风险因素隶属于各等级的概率, 得到隶属度矩阵Rp。以2010年方案1为例, 隶属度矩阵Rp为:

依公式 (5) , 可计算各因素的熵权ei= (0.636, 0.465, 0.636, 0.438, 0.438, 0.438, 0.636) , 依公式 (6) 进行归一化处理得到权向量A= (0.1725, 0.1261, 0.1725, 0.1188, 0.1188, 0.1188, 0.1725) 。

确定评判集V中各评语权重B= (1/15, 2/15, 3/15, 4/15, 5/15) , 根据公式 (2) , ph=ARpBT, 计算风险事件发生的概率。

参照表2, 专家和公众对每一种方案各风险因素进行影响评价, 得到隶属度矩阵Rc。以2010年方案1为例, 隶属度矩阵Rc为:

依公式 (5) , 可计算各因素的熵权ei= (0.608, 0.636, 0.636, 0.518, 0.549, 0.496, 0.496) , 依公式 (6) 进行归一化处理得到权向量undefined。

确定评判集V中各评语权重undefined, 根据公式undefined, 可计算风险事件对人口安全的影响。

依公式 (1) , R=ph+ch-phch=0.2253+0.2305-0.2253×0.2305=0.4039

风险值介于0.4～0.6之间, 属于中风险。

同理, 可以按照上述思路计算每一种方案在不同时点的风险值, 结果如表3所示。

由表3可以看出, 生育水平回升速度直接影响人口发展的风险系数, 未来上海人口发展将面临总量控制与结构优化的双重矛盾。如果生育水平回升太快, 规模风险会非常突出;如果生育水平回升太慢, 社会经济发展将难以承受人口老龄化和劳动力老化带来的巨大压力, 因此在包括计划生育政策在内的社会政策选择上必须做好充分的准备。

四、结语

模糊综合评判法分别从风险事件发生的概率及其对人口风险产生的影响两个方面进行评价, 提供了人口风险评估的一种思路, 该方法本身仍带有相当的主观性。人口风险是一个复杂化和多元化的问题, 人口风险评估是一个极富挑战性的研究课题。一味追求数学上的精确未必一定能增强实用的效能, 为了提高人口风险评价的可靠性, 关键是加强和完善人口风险辨识方法, 深入研究人口风险的孕育和生成机制, 将人口风险评估与恢复能力建设相结合。

摘要：人口安全是2003年SARS以后提出的新命题。本文立足于人口安全的对立面——人口风险的角度, 利用模糊综合评判法, 分别从风险事件发生的概率及其对人口风险产生的影响两个方面进行风险评估, 并以上海为例, 进行了实证分析。

关键词：人口风险,风险评估,模糊综合评判

参考文献

[1].郭秀云, 彭希哲.基于安全视角的上海人口发展问题研究[J].上海行政学院学报, 2006, 3:87～94

[2].彭希哲, 郭秀云.论区域人口风险管理与控制体系的建立[J].人口研究, 2006, 4:55～62

[3].张维庆.关注人口安全, 促进经济发展[J].市场与人口分析, 2003, 5:1～6

[4].李群.不确定性数学方法研究及其在社会科学中的应用[M].北京:中国社会科学出版社, 2005

综合模糊风险评估论文 篇7

在应用模糊综合评判法对信息系统进行风险评估时, 其关键问题是各风险因素的权重如何分配。对于采用传统的方法对风险因素赋值, 忽略了专家主观判断的不确定性和模糊性, 难以对一致性和矩阵性差异的判断, 而且一致性检验还缺少科学依据等问题。

本文针对传统方法的不足问题, 对信息系统每一层风险因素使用了模糊一致判断矩阵来表示。用模糊一致矩阵中的排序方法求解各风险因素的权重。[2]在此基础上运用多级模糊综合评判法来对信息系统的安全风险进行综合评估, 得出系统的安全风险等级。

1 建立评估指标体系的层次结构模型

信息系统安全风险评估涉及很多因素, 为了能够深入分析问题, 需要对影响评估结果的风险因素进行整体分析和评估。因次, 需建立按照一定层次结构的体现指标体系的结构模型, 如图1所示。建立是层次结构模型可以对信息系统的评估指标进行深入的分析, 结构模型主要包括目标层、准则层和指标层三个层次关系, 各层之间存在一定的关系, 其中, 目标层是最高层, 代表是风险评估的总体目标, 中间层是准则层, 主要设定对系统进行风险评估的准则, 对风险评估的总目标进行分解, 然后获得若干个准则, 并用多个元素分别表示。为了能更准确的表示, 在准则层可以在划分子准则层。指标层处在于最底层, 是进行系统安全风险评估的具体评估指标, 表示影响目标实现的各种因素, 如指标不能完全表达意思, 可以继续划分子层, 称为二级评估指标, 风险指标体系如图2所示。

2 模糊一致判断矩阵的构造和排序

定义1:若模糊矩阵R= (rij) nxn能够满足条件:rij+rji=1, i, j=1, 2, ..., n, 则称R为模糊互补矩阵。

定义2:若模糊互补矩阵R= (rij) nxn能够满足条件:rij=rik-rjk+0.5, i, j, k=1, 2⋯, n, 则称R为模糊一致矩阵。

模糊一致矩阵的性质有如下三点:

3) 如果R满足中分传递性, 即当λ≥0.5时, 若rij≥λ, rjk≥λ, 则有rik≥λ;当λ≤0.5时, 若rij≤λ, rjk≤λ, 则有rik≤λ。

根据模糊一致矩阵的性质, 得出了人们的决策思维的习惯, 对其合理性解释如下:

1) rij是元素i与j相对重要性的度量, 如果rij越大, 那么元素i与j越重要, rij>0.5

表示i比j重要;反之, rij<0.5表示j比i重要, rij=0.5表示元素与其自身相比较是同等重要的。

2) rij表示元素i比j重要的隶属度, 那么1-rij表示i不比j重要的隶属度, 即j比i重要的隶属度, 即rji=1-rij, R是模糊互补矩阵。

3) 如果元素i与j相比较, 前者比后者重要, 同时元素j比k也重要, 则元素i一定比元素k重要;反之, 如果元素i不比j重要, 且元素j不比k重要, 那么元素i一定不比元素k重要。

另外, 模糊一致矩阵的构造采用“0.1~0.9”标度法, 使得模糊判断矩阵的一致性也基本反映出人类思维的一致性, 即可以反映人在判断过程中存在的不确定性和模糊性。[3]由此可见, 模糊一致矩阵符合人类的思维特征, 与人类对复杂决策问题的思维、判断过程是一致的, 通过构造模糊一致矩阵可以在一定程度上反映群体专家判断的模糊性。

在决策者进行模糊判断的时候, 构造的判断矩阵通常是模糊互补矩阵而不是模糊一致矩阵, 由模糊互补矩阵构造模糊一致矩阵的方法如下:

对模糊互补判断矩阵R= (fij) nxn按行求和, 记为, 对其进行以下数学变换:

则由此建立的矩阵R= (rij) nxn是模糊一致矩阵。

模糊一致矩阵排序的方法由式 (2) 给出, 若模糊矩阵R= (rij) nxn是模糊一致矩阵, 那么排序值可由公式2计算:

在上式中满足:, 且当α越大时, 权重之间的差异越小;α越小, 权重之间的差异则越大;当时, 权重之间的差异达到最大。

由上可知, 可以利用对参数α的不同取值来进行权重结果的灵敏度分析, 有助于决策者做出正确的权重判断。

如若邀请n位专家 (视具体情况而定) 对信息系统进行安全风险评估。主要分为以下几个步骤, 第一, 采用相互比较法构造判断矩阵Α′。第二, 使用0.1-0.9标度法 (见表1) 来表示两元素比较的值, 从而可以判断矩阵的元素取值范围是0.1, 0.2, …, 0.9。判断矩阵A′= (aij) nxn, 其元素值aij反映了专家对各风险因素相对重要性的认识。

首先根据表1所示的标度方法并且结合定义1可知, 判断矩阵A′= (aij) nxn为模糊互补判断矩阵。其次, 将模糊互补矩阵Α′依据公式 (1) 改造成模糊一致判断矩阵Α′。然后, 再依据公式 (2) 计算各层次因素的重要次序, 在α取最小值= (n-1) /2, 以体现各指标间相对重要性的差异, 最终可以得到权重集W= (w1, w2, ⋯wn) 。

3 多级模糊综合判断

1) 确定因素集U和评语集V

信息系统安全风险评估的层次结构模型建立后, 因素集U就确定了。评语集的确定要根据实际需要而定, 一般将评语等级划分为3-7级, 如采用很危险、危险、中等、安全、很安全。

2) 单因素模糊判断, 确定评判矩阵R

单因素模糊评判是对单个因素ui (i=1, 2, ..., n) 的评判, 得到V上的模糊集Ri= (ri1, ri2, ⋯rim) , 其中rij对评语集中的元素vj的隶属度。单因素模糊评判是为了确定因素集U中各因素在评语集V中的隶属度, 建立一个从U到V的模糊关系, 从而导出隶属度矩阵R= (rij) nxm。

在确定风险因素ui对风险评语vj的隶属度rij时, 为了使rij更为客观合理, 邀请若干专家对照风险等级度量表 (见表2) 给出因素ui的安全风险评价, 假设对于因素ui, 有wij个vj评语, 那么因素ui隶属于评语vj的隶属度rij为:

3) 模糊综合评判

初级模糊评判主要是对U上权重集W= (W1, W2, ...WK) 和评判矩阵R的合成, 评判结果通常用B表示。

其中, “。”为模糊合成算子, 为综合考虑个评估因素的影响并保留单因素评估的全部信息, 对模糊合成算子采用M (·, ⊕) 算子。当权重集和隶属度均具有归一性时M (·, ⊕) 即为矩阵乘法运算, 并且此时B也是归一化的。

多级模糊综合评判:对于多层次系统而言, 需要从最底层开始评判, 并将每层的评判结果作为上层的输入, 组成上层的评判矩阵, 直到最高层的评判结束。二级模糊综合评判如图3所示。

4 评估结果的判定

利用多级模糊综合评判得到的最终向量B对评估结果作出判定, 在判断准则使用情况基本分为两种:最大隶属度准则和加权平均准则。

最大隶属度准则:取评估结果中最大隶属度所对应的安全等级作为系统安全风险评估的最终结果。

加权平均准则:根据实际情况对评估结果向量惊醒等级赋值, 即赋予不同等级评语vj规定值βj, 以隶属度bj为权数, 被评估信息系统的风险综合评分值为:

一般可取k=1, 2。

结合表3安全风险隶属等级划分标准, 即可判定信息系统当前的安全风险等级,

5 结论

本文针对信息系统安全风险评估中因素多、难度大等问题, 在引入模糊一致判断矩阵方法的基础上运用了多级模糊综合评判法, 对信息系统安全风险进行了综合评估, 得到了科学的、合理的安全风险等级, 从而为管理员实施安全管理控制策略提供科学的依据。

摘要：针对信息系统安全风险分析的准确性问题, 提出一种基于改进模糊综合评价方法的信息系统安全风险分析方法。该方法结合一种模糊一致矩阵来求得各风险因素的权重。并在此基础上采用多级模糊方法对风险进行评估, 通过风险评估模型的指标数据, 得到风险评估安全级别, 为今后信息系统安全风险评估提供了一定的帮助。

关键词：信息安全,风险分析,模糊,风险评估

参考文献

[1]李鹤田, 刘云, 何德全.信息系统安全风险评估研究综述[J].中国安全科学学报, 2006, 16 (1) :108-113.

[2]吴晓平, 付钰, 秦艳琳.信息安全风险评估研究[J].哈尔滨工业大学学报, 2006, 38 (增刊) :611-614.

[3]吴晓平, 汪玉.舰船装备系统综合评估的理论与方法[M].北京:科学出版社, 2007.

综合模糊风险评估论文 篇8

CO SO委员会《内部控制—整体框架》将风险评估列为内部控制要素之一, 作为内部控制的重要组成部分, 企业必须对所面临的风险进行识别, 并采用定性与定量相结合的方法, 按照风险发生的可能性及其影响程度等, 对识别的风险进行分析和排序, 确定关注重点和优先控制的风险。目前风险评估的方法总体来说分三大类:定性方法、定量方法、定性与定量相结合的方法。定性方法是对风险的影响和可能性以定性的方式进行描述, 其评估结论受评估人员经验的影响, 带有一定的主观性。定量方法具有精确性, 可以弥补定性评估方法的不足, 但是, 定量方法的缺陷也是明显的, 即对所有的重要因素进行量化是困难的, 获得更多的数据需要更高的成本。由于风险的不确定性, 因此, 在风险评估中, 定量与定性方法的结合是必要的, 两者可以互补其不足。模糊综合评价法即是这样一种方法, 该方法根据模糊数学的隶属度理论把定性评价转化为定量评价, 即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。本文考察了内部控制面临的风险, 提出了企业在风险评估时可操作的方法。

二、企业内部控制风险评估指标体系设计

根据CO SO内部控制框架, 风险评估的前提条件首先是设立目标。只有先确立了目标, 管理层才能针对目标确定风险并采取必要的行动来管理风险。其次, 识别与上述目标相关的风险。再次, 评估上述被识别风险的后果和可能性。最后, 针对风险的结果, 考虑适当的控制活动。依据CO SO内部控制框架和我国《企业内部控制基本规范》, 确定内部控制风险评价指标体系, 即两个一级指标、十个二级指标和三十一个三级指标。如表1所示。

三、企业内部控制风险模糊综合评价构建

第一, 建立内部控制风险模糊综合评价模型。具体如下:

一是确定评价因素集。依据评价指标体系确定评价指标集, 表示为:U={u1, u2, …, um}, 同时可以根据所建立的评价指标建立二级、三级等多层次的指标集。根据企业的评价指标体系可知, 企业内部控制风险从两大方面、十个因素衡量, 确定的因素集如下:一级因素集为U={u1, u2}={内部风险, 外部风险}。二级因素集为U1={u11, u12, u13, u14, u15}={人力资源因素, 管理因素, 自主创新因素, 财务因素, 安全环保因素}。U2={u21, u22, u23, u24, u25}={经济因素, 法律因素, 社会因素, 科技因素, 自然环境因素}。三级因素集为U11={u111, u112, u113}={研究开发, 技术投入, 信息技术运用}。依此类推, 可确定其他三级指标因素集。

本文采用层次分析法确定权重, 该方法是将半定性、半定量问题转化为定量计算的行之有效的方法。它将复杂的决策系统层次化, 通过逐层比较多种关联因素的相对重要性给出定量表示, 再利用数学方法确定全部因素相对重要性次序的权系数。

采用1~9标度方法, 根据各层次的指标构造判断矩阵, 利用A H P软件得出各层次的指标权重, 并对判断矩阵的一致性进行检验, 结果表明层次分析排序的结果有满意的一致性, 即权数的分配是合理的。由A H P软件得出各层次权重集为:一级指标权重集A= (0.75, 0.25) 。二级指标权重集A1= (0.0577, 0.2471, 0.5072, 0.1438, 0.0443) 。A2= (0.2129, 0.0656, 0.5208, 0.0939, 0.1068) 。三级指标权重集A11= (0.4667, 0.4667, 0.0667) 。A12= (0.429, 0.1283, 0.0652, 0.3775) 。A13= (0.1429, 0.8571) 。A14= (0.126, 0.4161, 0.4579) 。A15= (0.2, 0.4, 0.4) 。A21= (0.1622, 0.1863, 0.3518, 0.1863, 0.1134) 。A22= (0.5, 0.5) 。A23= (0.4127, 0.2135, 0.0473, 0.2365, 0.09) 。A24= (0.3333, 0.6667) 。A25= (0.75, 0.25)

三是确定评语集并赋值。V={v1, v2, v3, v4, v5}={低, 较低, 中等, 较高, 高}={1, 3, 5, 7, 9}根据对评语的赋值将1~9等分成五级, 对应相应评语, 设计定量评价标准如表2。

四是确定模糊评价综合矩阵。请20位专家对某企业影响内部控制风险的第三层因素进行评价, 根据专家评价结果汇总, 如表3。

根据表3, 进行单因素模糊评价, 即是从一个因素出发进行评价, 确定评价对象对评语集的隶属度, 进而得到模糊关系矩阵:

第二, 企业内部控制风险的模糊综合评价。模糊评价法不仅可以对评价对象按综合分值进行评价和排序, 还可以根据模糊评价的值按最大隶属度原则去评定对象的所属等级。

利用合适的算子将A与各被评事物的R进行合成, 得到各被评事物的模糊综合评价结果向量B。即:

一是各层因素模糊综合评价。从评价指标体系最末层开始进行评价, 依次对各层风险因素经行评价。

对第三层级因素做综合模糊评价, 则有:

对上述结果进行归一化处理, 得到

二是对综合评分值进行等级评定。为了对各层次因素进行比较, 可用等级分数矩阵计算综合评价值W。等级分数矩阵是对每一级评语进行赋值组成, 即:C= (1 3 5 7 9)

同理, 可以得到第一层指标内部风险与外部风险综合评判值:

企业风险综合评判值为3.7351, 对照表2评价分级标准可知企业风险属于二级, 处于“较低”风险水平, 且被评为“低”、“较低”的比率约为59%。企业内部风险与外部风险综合评判值分别3.7726, 3.6439都属于二级, 都处于“较低”风险水平。

由综合评判值得到各类风险因素的排序, 内部风险按照财务因素、管理因素、安全环保因素、人力资源因素、自主创新因素依次降低, 其中财务因素、管理因素、安全环保因素评估结果介于4.2与5.8之间, 为“中等”属于三级风险, 人力资源因素评估结果介于2.6与4.2之间, 为“较低”属于二级风险, 自主创新因素评估结果介于1~1.6之间为“低”属于一级风险;外部风险按照经济因素、科学技术因素、法律因素、自然环境因素、社会因素依次降低, 其中经济因素、科学技术因素评估结果介于4.2与5.8之间, 为“中等”属于三级风险, 法律因素、自然环境因素、社会因素评估结果介于2.6与4.2之间, 为“较低”属于二级风险。

四、结论

我国《企业内部控制基本规范》要求企业应当根据设定的控制目标, 全面系统持续地收集相关信息, 结合实际情况, 及时进行风险评估。实际工作中, 对于内部控制风险的评估多是定性的描述, 而且很难对各个风险要素的关系和重要程度进行判断。模糊综合评价法很好地解决了这个问题, 将定性分析与定量分析相结合, 不仅对企业总体风险进行了评估, 而且还可以对各个层次的风险因素水平进行判断和排序。由此, 企业可以根据对内部控制风险评估的排序确定关注重点和优先控制的风险, 并根据风险评估的结果, 建立持续的风险评估制度体系。

参考文献

综合模糊风险评估论文 篇9

一、模糊综合评价法的基本原理

模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法是利用模糊数学中的模糊集合理论、模糊线性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, 将定性评价转化为定量评价, 即运用模糊数学对受到多种因素制约的事物或者对象做出一个总体的综合评价。模糊综合评价法一般分为六个步骤:

(1) 构造评价指标层次结构图。对所要评价的对象, 确定评价目标和各级影响因素指标。

(2) 确定论域。根据综合评价指标结构图, 确定模糊综合评判因素集或论域U={U1, U2, ......Un} (准则层) , Ui= (ui1, ui2, ......Uipi) T (子准则层) , 其中一级指标Ui (i=1, 2, ......, n) 表示影响评判事物的第i个指标因素;二级指标Uipk (i, k=1, 2, ......, n) 表示影响第i个一级指标下第pk个二级指标因素;p1, p2, ......, pn分别表示第1个一级指标下二级指标因素的数量, 第2个一级指标下二级指标因素的数量, ..., 第n个一级指标下二级指标因素的数量。

(3) 确定模糊综合评价等级评价集

V={V1, V2, ......, Vm}, 其中Vj (j=1, 2, ......m) 表示评价的第j等级。一般根据实际情况将评价分为m个等级, 如设置评价集为V={优, 良, 中, 差}, m=4, 每个等级给出对应的分值, 如分值集为{100, 75, 50, 25}。

(4) 确定各级指标权数

采用抽样调查的统计方法、定量统计主成分分析法、定性定量相结合AHP方法等, 求得准则层一级指标权值W= (w1, w2, ......, wn) T和子准则层各二级指标的权值Wi= (wi1, wi2, ......, wipk) T, i=1, 2, ...., n。

(5) 确定评价集元素的隶属程度

通过发放调查问卷或者建立模糊隶属度函数, 得到评价指标Ui在评判因素Vj上的模糊判断隶属度值矩阵Ri, 即建立单指标模糊关系矩阵:

(6) 模糊综合评价。在确定权重向量W和构建隶属度矩阵R的基础上, 计算模糊综合评价的结果。

首先, 计算准则层模糊评价矩阵:

(其中“°”为模糊关系运算, 也称其为“模糊合成算子”, 可以选取不同的运算规则。)

按列归一化, 得出准则层的模糊综合评价矩阵:B*= (B1, B2, ..., Bn) T。

然后, 将准则层权重矩阵W作用于准则层的模糊综合评价矩阵B, 即:

f=WTB*= (f1, f2, ..., fm) , 并归一化。

最后, 按照每个等级的分值集, 计算综合评价得分即可。

二、重大错报风险评估分析

(一) 重大错报风险评估指标体系

本文以上市公司为例, 依据可比性、实用性、科学性原则, 按照《中国注册会计师审计准则第1211号———通过了解被审计单位及其环境识别和评估重大错报风险》的要求, 确定重大错报风险评估指标体系, 即六个一级指标和二十个二级指标, 如表1所示。

(二) 重大错报风险模糊评估

(1) 根据表1, 确定模糊综合评价指标集:

(2) 确定权重集。因为各个指标都具有层次性, 采用1~9标度法, 根据各层次的指标构造判断矩阵, 运用AHP软件求得各层次指标的权重, 并对判断矩阵的一致性进行检验, 结果表明层次分析排序的结果有满意的一致性, 说明全书的分配是合理的。由AHP软件求得的权重集为:

(3) 确定模糊综合评判等级评价集和分值集。首先将重大错报风险划分为5个等级, 确定重大错报风险的评语集:V={高, 较高, 中等, 较低, 低}。因为我们需要将重大错报风险应用于审计风险模型中, 得以计算检查风险, 因此, 我们还需要给各个评语等级设定一个具体的数值, 即将相应等级的评语设定相应的分值, 即建立分值集。

相应的分值集为V={0.9, 0.7, 0.5, 0.3, 0.1}, 即在 (1.0-0.9]区域内属于高水平;在[0.9-0.7) 区域内属于较高水平;在[0.7-0.5) 区域内属于中等水平;在[0.5-0.3) 区域内属于较低水平;在[0.3-0) 区域内属于低水平。

(4) 确定评价集元素的隶属程度, 既建立单指标模糊综合矩阵

采用专家调查的方法来确定模糊综合评价矩阵。假设请30名专家进行评价, 专家采用了解客户的业务 (UTB) 、商务分析框架 (BAF) 、企业风险模型 (BRM) 等方法来了解被审计单位, 并针对评价指标的各个因素给出评价结果。将专家评价结果进行汇总, 计算其相应的百分比, 同时可以得到一级评价指标U1, U2, U3, U4, U5, U6的单因素评价矩阵Ri, i=1, 2, 3, 4, 5, 6。结果如表2所示:

利用模糊算子M (Λ, V) 进行模糊计算, 得到单因素评价结果:

(5) 进行模糊综合评价。在确定权重W和隶属度矩阵R的基础上, 计算模糊综合评价结果。

将上述B1, B2, B3, B4, B5, B6按列进行归一化处理, 得到模糊综合评价矩阵:

进行模糊综合运算, 得到:

然后对B进行归一化处理得到:

通过对此公司重大错报风险影响因素的分析, 重大错报风险分别按高、较高、中等、较低、低的隶属度依次为:0.232, 0.24, 0.24, 0.176, 0.112。该结果表示, 对于该公司的重大错报风险水平, 23.2%的专家认为是高水平, 24%的专家认为是较高水平, 24%的专家认为是中等水平, 17.6%的专家认为是较低水平, 11.2%的专家认为是低水平。按照最大隶属度原则, 由于较高和中等水平的比率是相等的, 因此, 该公司的重大错报风险的评估有两个结果, 即“较高”水平和“中等”水平。

按照加权平均原则, 得出重大错报风险的总概率为:F=B*×V=0.5608

此结果表示, 该公司的重大错报风险水平为56.08%, 在分值集[0.7-0.5) 区域内, 属于中等水平。

实际中经常采用的方法是最大隶属度原则, 但此方法的使用是有条件的, 存在有效性问题, 有可能会得出不合理的评价结果。所以本文提出加权平均原则, 采用加权平均原则对上述各级评价指标的评价结果进行分析。这一方法得出的结果虽与最大隶属度原则方法得出的结果有点出入, 但是此结果比较符合实际情况。

三、结论

重大错报风险评估是一项复杂而又十分重要的工作, 其涉及的因素有很多, 所需要面临的被审计单位的情况又各不相同, 因此, 很难考虑周全。本文从定性与定量相结合的角度来对重大错报风险进行了研究。并且以此角度提出了模糊综合评价法, 在影响重大错报风险的因素分析的基础上构建出了重大错报风险指标体系, 根据此体系构建出了重大错报风险模糊综合评价模型, 并且以某上市公司为实证研究对象, 实现了模糊综合评价模型在重大错报风险评估中的应用, 使得重大错报风险的评估更加具有客观性和科学性。

参考文献

[1]财政部:《中国注册会计师审计准则[DB (DB/OL) ]》, 中国注册会计师协会网站.http://www.cicpa.org.cn/, 2012年11月4日。

[2]程颖、石学鹏:《审计重大错报风险评估识别与分析》, 《财会通讯》 (综合版) 2007年第3期。

综合模糊风险评估论文 篇10

关键词：汽车制造企业；财务风险；AHP-模糊综合评价

改革开放以来，我国汽车制造企业取得了迅速的发展，生产技术、管理水平都取得了巨大的进步。随着我国汽车制造业兼并重组的不断推进，汽车制造业的产业集中度将会逐步提高，规模优势也会日益凸显。然而，面对机遇的同时企业也将承受更大的风险。财务风险、财务危机时有发生给企业带来了巨大的压力。它直接危及着企业的健康发展。为此，本文将对我国汽车制造企业财务风险进行研究，以求能够促进企业持续、健康的发展。

一、基于AHP-模糊综合评价方法构建我国汽车制造企业财务风险评价模型

由于汽车制造企业风险评价是一个复杂的问题，既包括定量指标又包括定性指标，要做到客观、科学的评价，就要从不同的角度进行分析，同时，构建模型时必须遵循科学、全面、可操作和经济性原则，因此，本文选用AHP-模糊综合评价方法对我国汽车制造企业财务风险进行研究。该方法能够从定量和定性两方面进行分析，而且评价结果清晰、系统性强，能够较好的解决汽车制造企业风险评价这个问题。

（一）选取评价指标，构建风险评价指标体系

根据影响我国汽车制造企业财务风险的主要因素，建立我国汽车制造企业财务风险评价指标体系，如图1所示。从图1中可以看出，内部因素可以进行定量分析，而外部因素难以量化，为此，本文将选择模糊综合评价方法解决这个问题。

（二）建立模糊综合评价评价集

设评价指标集

u=（u1，u2），u1=（u11，u12）

u21=（u211，u212，u213，u214），…，u24（u241，u242，u243，u244），u25=（u251，u252，u253）

风险评价集v（v1，v2，v3），其中v1，v2，v3分别表示指标的评语为“优良”、“中”、“差”。

（三）构建模糊评判矩阵

在本文中，对于每个因素ui都会有vj（j=1，2，3）种评判，我们将评判结果rij称为隶属度，rij=（ri1，ri2，ri3）。如果有 m个因素，则由这m个因素的隶属度所构成的矩阵即为模糊评价矩阵R。

（四）构造判断矩阵及确定权重

专家根据判断矩阵的准则，对元素进行两两比较后按照元素的重要性程度赋值1-9：当两两者同等重要时赋值为1，前者比后者稍重要时赋值为3，前者比后者明显重要时赋值为5，前者比后者强烈重要、极端重要时分别标度为7和9，用2，4，6，8表示上述判断的中间值。若元素i与j的重要性之比为aij，则元素j与元素i的重要性之比為1/aij从而得到判断矩阵A=（aij）n×n。

对于得到的判断矩阵要进行层次单排序及一致性检验。首先，通过求解判矩阵的最大特征值及其对应的特征向量，对特征向量做归一化处理得到相应的权重。计算公式如下：

AV=λmaxV

其中：A为判断矩阵、λmax为最大特征值、V为最大特征值所对应的特征向量；其次，对判断矩阵进行一致性检验，以此避免判断矩阵因为指标过多而出现逻辑上的错误。 一致性检验过程如下：

1.计算一致性指标C.I.。计算公式为C.I.=，n为判断矩阵的阶数。

2.确定平均一致性指标R.I.。根据判断矩阵的阶数在“平均随即一致性指标表”中查找相应的R.I.值，如表1所示。

3.计算一致性比率C.R.及判断。计算公式为C.R.=，当一致性比率（C.R.）小于0.1时，判断矩阵不符合一致性要求，应该修正判断矩阵；当一致性比率（C.R.）大于0.1时，判断矩阵符合要求。

（五）进行模糊综合评价

根据指标体系由低到高的顺序，对处于同一层的各指标的指标权重与其判断矩阵进行模糊合成。然后一直重复此步骤，直至到达最高层，得到最终的合成结果。最后，根据最大隶属度原则确定评价对象的模糊综合评价结果。

二、案例分析

由于上市汽车制造企业的财务数据容易获取，也比较准确，本文选取其中的某家汽车制造企业作为例来说明AHP-模糊综合评价模型在我国汽车制造企业中将如何应用。

（一）构造评价矩阵

设计调查问卷，请20位专家们根据宏观经济环境、市场环境、该公司的财务状况等因素，按照各定量指标以及定性指标的重要程度打分，得出评语。对于取得调查结果则根据该指标的各种评语出现的次数除以专家总人数，例如流动比率这一指标， 有8名专家人给出“优”这一评语，7名专家给出“一般”的评语，5名专家给出“差”这一评语，则流动比率的判断向量为（0.40，0.35，0.25），同理，剩余指标也可取得各自的评价矩阵。

偿债能力矩阵（R21）=0.30 0.35 0.35

0.30 0.50 0.20

0.25 0.35 0.40

获利能力矩阵（R23）=0.35 0.25 0.40

0.40 0.25 0.35

0.30 0.30 0.40

成长能力矩阵（R24）=0.45 0.35 0.20

0.50 0.40 0.10

0.40 0.40 0.20现金流量矩阵（R25）=0.30 0.25 0.45

0.35 0.20 0.45

宏观经济环境矩阵（R11）=[0.40 0.35 0.25]

市场环境矩阵（R12）=[0.50 0.35 0.15]

（二）构造判断矩阵及确定其权重

专家由上到下对每一层各指标之间的相对重要程度进行两两比较判断，然后利用算术平均法对数据进行统计，得到各自的判断矩阵。本文中，我国汽车制造企业财务风险（u）问题的综合指标为最高层，第二层是u1，u2，分别代表定量评价指标和定性评价指标，专家通过对，进行两两比较后按1-9标度法打分，然后利用算数平均法统计得到u1u2判断矩阵，用字母A表示，如表2所示。

表2 u1u2的判断矩阵A

本文基于AHP算法的方根法来计算该矩阵所对应的特征值和特征向量。

1.判断矩阵每一行的元素相乘得到元素的乘积M。判断矩阵A的M=[1/3 3]T。

2.各行乘积M开n次方根（n为比较指标的个数）得到V′。判断矩阵A的M开二次方根后得V′=[0.59 1.73]T

3.将V′进行归一化处理，得到判断矩阵的特征向量V，V=。判断矩阵的特征向量为V==0.25

0.75

由此可知U1即定性评价指标的权重为0.25，U2即定量评价指标的权重为0.75。由于二阶矩阵都是满足一致性要求的，所以判断矩阵A不再进行一致性判断。同理，可以得出U1的下一层的判断矩阵为A1=5

，特征向量V1=[0.25 0.75]T。

U2的下一层有U21，U22，U23，U24，U25五个指标，根据专家的打分，统计得到判断举证A2。

A2=1 1/3 3 3 4

3 1 2 3 5

1/3 1/2 1 2 2

1/3 1/3 1/2 1 2

1/4 1/5 1/2 1/2 1

根据上面的三个步骤，同理可解得判断矩阵A2的特征向量V2=[0.26 0.40 0.17 0.10 0.07]T。又由AV=λmaxV，AV=A2V2=1 1/3 3 3 4

3 1 2 3 5

1/3 1/2 1 2 2

1/3 1/3 1/2 1 2

1/4 1/5 1/2 1/2 10.26

0.40

0.17

0.10

0.07=0.50

2.17

0.55

0.44

0.35，解得判断矩阵A2的最大特征值λmax=Σni=1=（++++）=3.12。

因为此处n=5，n值大于2，所以需要进行一致性检验，由一致性指标C.I.===-0.47，在“平均随即一致性指标表”中可查到R.I.=1.12，因此C.R.==-0.42，一致性比率小于0.1，判断矩阵符合要求。如果一致性比率大于0.1，则需要专家组重新打分，得到新的判断矩阵再检验。

同理，对剩余的判断矩阵计算其最大特征向量及最大特征值，并进行一致性检验。具体结果如下：

V21=[0.33 0.53 0.14]T

V22=[0.10 0.59 0.31]T

V23=[0.54 0.33 0.13]T

V24=[0.30 0.54 0.16]T

V25=[0.58 0.42]T

（三）模糊综合评价

1.一级模糊综合评价。由判断矩阵最大特征向量Vi得出相应的指标权重ViT，令ViT和相应的评价矩阵Ri相乘，求出该指标的模糊综合评价。例如偿债能力的模糊综合评价为：

B21=V21T·R21=[0.293 0.4295 0.2775]

专家组认为该汽车制造企业偿债能力“优”的可能性为0.2930，认为“良”的可能性为0.4295，认为“中”的可能性为，认为“差”的可能性为0.2775。同理，其他指标也可以这样分析。

B22=VT22·R22=[0.3065 0.4190 0.2745]

B23=VT23·R23=[0.3600 0.2565 0.3835]

B24=V24T·R24=[0.4690 0.3850 0.1460]

B25=V25T·R25=[0.3210 0.2290 0.4500]

2.二级模糊综合评价。在一级模糊综合评价的基础上，进行二级模糊综合评价，得出：

B2=V2T·R2=V2T·（B21，B22，B23，B24，B25）T=[0.3224 0.3824 0.2932]

B1=V1T·R1=V1T·（R11，R12）T=[0.4750 0.3500 0.1750]

3.三级模糊综合评价。在二级模糊综合评价的基础上，进行模糊计算，得出三级模糊综合评价，也就是最终评价：

B=VTB=V（B1，B2）T=[0.4379 0.3581 0.2050]

据模三级模糊计算结果可知，该汽车制造企业财务风险被认为是 “优良”的程度为，被认为是“中”的为，被认为是“差”的为，被认为是“差”的为0.41。根据最大隶属度原则可知该汽车制造企业财务状况还是比较好的。

三、結束语

根据上述分析可知，AHP-模糊综合分析法从定量指标和定性指标两方面着手对财务风险程度给予评价，而且结果简单明了，能够较好的解决我国汽车制造企业财务风险评价问题。但是该方法也存在着一些缺陷，例如对于不同的企业，需要根据其自身的情况确定各指标权重，只有这样才能更加准确的对企业财务风险进行评价。

参考文献：

1.陈淑航.基于模糊综合评价的房地产财务风险研究[J].财会研究，2010（4）.

2.崔团结.我国汽车制造企业财务风险预警分析[J].北方经贸，2009（7）.

3.李泽红，王薛.谈中小企业财务风险综合评价[J].财会月刊，2008（2）.

综合模糊风险评估论文 篇11

建筑工程施工风险是指工程实施结果相对于预期结果的变动程度,即承包商预期收益的变动程度。任何工程项目施工过程中都存在着风险,风险会造成工程项目实施的失控现象,如工期延长、成本增加、计划修改等,这些都会导致经济效益的降低,甚至项目的失败。正是由于风险会造成很大的伤害,在现代工程项目管理中,风险管理已成为必不可少的重要环节,是处理由不确定性产生的各种问题的一整套方法[1,2,3]。工程项目管理的3个目标是工期、质量和费用,一个较好完成的项目是应该在足够的时间、空间、费用之间寻找最佳的平衡点。而在我们的工程实践中,经常会遇到由于受时间、空间和费用的限制,这3个目标往往不能同时经济、高效地实现的情况,所以,在这种情况下,这3个目标也可作为项目管理中的3种风险。如何辨识这3种风险的大小程度、抓住重点,在人力、财力有限的情况下集中主要力量控制权重较大的风险显得尤其重要。如何最大限度地规避风险、转移风险,减少风险损失是当今项目管理中的一个重要课题。

笔者结合多年来的工作经验和课题研究成果,尝试运用工程经济学、现代项目管理和风险分析等多种学科的知识、理论与方法,采用定量分析与定性分析相结合,运用层次分析法和模糊综合评价法,具体对上海理工大学图文信息中心建设项目的风险进行评价,以期构建出一种全面合理的风险评估分析方法,为建筑工程风险评估和风险管理提供参考依据。

1 高校基建的特点

高校的基建项目是一个特殊领域的建筑工程项目,要做好高校基建项目的风险管理,除了要了解一般建筑工程风险管理的内容、特点外,还必须把握好高校基建项目的具体特点,以便对高校基建实施针对性的风险管理,把高校的基础设施建设做得更加优质高效。

高校的基建是高校为教学、科研等的发展需要而进行的学校用地范围内的建筑工程建设。与一般的建筑工程项目相比,高校的基建具有投资额巨大、工期紧、各专业工种齐全、质量要求高、协调工作量大等特点。因此,做好高校基建项目的风险评价和风险应对,规避风险或减少风险损失,在实际操作中有效地控制工程项目进展,可以说是现代高校基建工作十分重要的组成部分。

2 高校基建工程项目风险评估

2.1 层次分析法

2.1.1 建立系统的递阶层次结构

首先要把问题条理化、层次化,构造出一个有层次的结构模型。一个决策系统大体可以分成以下3个层次:

(1)最高层(目标层):这一层次中只有1个元素,一般它是分析问题的预定目标或理想结果。

(2)中间层(准则层):这一层次中包含了为实现目标所涉及的中间环节,它可以由若干个层次组成,包括所需考虑的准则、子准则。

(3)最低层(方案层):这一层次包含了为实现目标可供选择的各种措施、决策方案等。

2.1.2 构造成对比较判断矩阵

假设准则层比较n个因素C={C1,C2,…,Cn}对同一目标的影响,每次取两个因素Ci和Cj,aij表示Ci与Cj对目标的影响程度之比,其中aij的取值由Saaty的1～9值法决定,如表1所示。

全部比较结果可用成对n阶比较判断矩阵A=(aij)n×n表示[4]。

式中,aij为因子i相对因子j的重要性。其元素满足:

(1)aij>0 (i,j=1,2,…,n);

$(2)\mathit{a}{}_{\mathit{i}\mathit{j}}=\frac{1}{\mathit{a}{}_{\mathit{j}\mathit{i}}}(\mathit{i}‚\mathit{j}=1‚2‚\cdots ‚\mathit{n})$;

(3)aii=1 (i=1,2,…,n)。

A矩阵也可称之为正互反型矩阵。

从心理学观点来看,分级太多会超越人们的判断能力,既增加了作出判断的难度,又容易因此而提供虚假数据。Saaty等还用试验方法比较了在各种不同标度下人们判断结果的正确性,结果也表明采用1～9标度最为合适。

2.1.3 层次单一权向量及其一致性指标

设有一个n阶正规向量Q,则有:

式中:λmax——矩阵A的最大特征根;

Q——对应λmax的正规化特征向量。

采用求和法和方根法来对最大特征值和特征向量进行计算。

根据矩阵理论,正互反型矩阵满足一致性时,它的最大特征根等于矩阵的阶数,即λmax=n。于是用CI来表示评价判断矩阵的一致性指标:

$C{\rm I}=\frac{\lambda {}_{\max }-n}{n-1}$ (3)

当CI=0时,判断矩阵具有完全一致性;CI值越大,说明判断矩阵的一致性差。检验一致性还需引入判断矩阵的平均随机一致性指标RI值,对于1～10阶判断矩阵的RI值见表2。

对于1、2阶判断矩阵,RI只是形式上的,因为1、2阶判断矩阵总具有完全一致性。当阶数>2时,判断矩阵的一致性指标CI与同阶平均随机一致性指标RI的比值称为随机一致性比率CR:

$CR=\frac{C{\rm I}}{R{\rm I}}$ (4)

当CR≤0.1时,认为判断矩阵具有满意的一致性,否则需要调整判断矩阵的元素。

2.1.4 层次组合权向量及其一致性检验

从层次结构模型的第2层开始,逐层计算各层相对于第1层的相对重要性权值,所得的各层权重最终组合成为向量称为层次组合权向量。假设准则对目标的权向量为W(2),则:

W(2)=(w1(2),Λ,wn(2))T (5)

各方案对每一准则的权向量为Wk(3),则:

Wk(3)=(wk${}_{{}_1}^{(3)}$,…,wk${}_{{}_m}^{(3)}$)T (k=1,2,…,n) (6)

对于方案P1,它在各准则的权重用Wk(3)的第1个分量表示,而各准则对于目标的权重又用权向量W(2)表示,所以,P1在目标中的组合权重应为它们两两乘积之和。同样可算出P2,P3,…,Pm在目标中的组合权重。记这些权重组成的权向量为W(3),则W(3)即为组合权向量。也就是说,若以Wk(3)为列向量构成矩阵N(3),N(3)=(w1(3),Λ,wn(3)),则组合权向量为W(3)=N(3)W(2)。

若第P层的一致性指标为CI1(p),Λ,CIn(p),随机一次性指标为RI1(p),Λ,RIn(p)(n是第p-1层因素的数目),定义:

CI(p)=[CI1(p),…,CIn(p)]W(p-1) (7)

RI(p)=[RI1(p),…,RIn(p)]W(p-1) (8)

则第P层对第1层的组合一致性比率为:

CR(p)=CR(p-1)+CI(p)∕RI(p) (p=3,4,…,s) (9)

通过一致性检验的组合权向量可以作为最终决策的依据。

2.2 模糊综合评价

2.2.1 确定因素域和评价域

将建筑工程项目风险作为评估对象,确定评价因素集合F={F1,F2,…,Fn},其中各单因素子集分别为:

根据工程项目风险评价决策的实际需要,一般可将评价等级标准分为“轻微”、“中等”、“严重”、“重大”、“灾难”等5个等级。即评语集为V={V1,V2,V3,V4,V5}={轻微,中等,严重,重大,灾难}。各等级对应的值分别为{1,2,3,4,5}[5]。

2.2.2 评估实施方法

根据建筑工程项目风险评价的各种实际调查访问材料与研究数据,采用模糊数学和精确数学方法对各个评价指标进行定量估算,然后由评判专家小组的每一个成员根据已确定的评价等级标准依次对各个指标进行评价[6]。在此基础上,分别得出各子集Fi(i=1,2,…,n)中单要素的评价决策矩阵Ri(i=1,2,…,n)。再由各单要素Fi的权重系数向量Wi(由层次分析法计算)和评价决策矩阵Ri,经过合成运算可得到:

Bi=Wi·Ri=[bi1,bi2,…,bin] (i=1,2,…,n) (10)

基于单因素的层次分析结果,得到F中各子集的综合评价决策矩阵:

最后再由F的各子集的权重向量W和综合评价决策矩阵R,经过合成运算,可得出对工程项目风险评价的模糊综合评价结果:

B=W·R=[b1,b2,…,bn] (12)

3 应用实例分析

3.1 实例背景简介

上海理工大学图文信息中心工程属于高等院校大型基建项目,于2006年8月开工,要求2007年10月学校百年校庆时基本完成。建筑面积31 190 m2,项目预算总投资1.26亿元。考虑到工期比较紧,基建处拟定了3种分别以质量、进度和费用为主的建设方案,需要对这3种方案进行风险评估比较得出一种最优化的方案来指导建设。

3.2 具体评估结果

该工程项目的层次结构如图1所示。

在图文信息中心工程项目正式施工前,组织建设相关方(业主方、管理方、监理方和承包商)的主要管理和技术负责人专门召开风险咨询会议,根据各方的建设经验,采取头脑风暴方式激发大家对此项目风险的思考,并按照Saaty的1～9值法的评判规则打分,最后加权平均取整数值,构造了上海理工大学图文信息中心项目的进度、质量与费用风险判断矩阵(见表3)。

3种方案的一致性指标和层次总排序计算结果见表4。

根据式(10)和式(11)以及表4的结果可得综合评价决策矩阵:

根据式(12)计算并归一化得:

B′=[0.364,0.396,0.240]。

由此可见,3个方案的相对优先排序为:P2>P1>P3。为达到项目在学校百年校庆时按标准投入使用的目标,以进度为主的方案权重占39.6 %,应作为第一选择方案,也意味着进度风险是要重点加以应对的风险。

4 结语

结合高校基建工程项目风险综合评价的具体特点,本文采用层次分析法与模糊数学相结合的评价方法,进行了大型基建项目的风险评估和方案优化选择。通过对上海理工大学图文信息中心建设项目的风险评价,验证了采用层次分析法与模糊数学相结合的评价方法的合理性与可靠性。为高校基建工程和一般的建筑工程项目风险评估,提供了一种定性定量相结合的分析方法,对建筑工程项目风险评价的理论研究也有一定的参考价值。

摘要：从高校基建工程项目风险综合评价的具体特点入手,利用层次分析法确定了基建工程项目中各评价指标的权重,采用模糊综合评价的方法进行了基建工程项目风险评估。将层次分析法与模糊综合评价相结合,建立了高校基建工程风险模糊综合评价数学模型。为高校基建工程项目风险评估提供了一种定性定量相结合的分析方法。

关键词：高校基建,层次分析法(AHP),模糊综合评价(FCE),风险评估

参考文献

[1]付达新.基建工程施工项目风险的分析与防范[J].建筑经济,2008,(6):40-42.

[2]李平.工程项目风险分析及最优承包合同的研究[M].郑州:黄河水利出版社,2007.

[3]陈伟珂.工程项目风险管理[M].北京:人民交通出版社,2008.

[4]邵立南,何绪文,王春荣,等.基于层次分析-模糊综合评价的矿井水质量评价[J].辽宁工程技术大学学报(自然科学版),2008,27(3):450-453.

[5]陈太红,王明洋,解东升,等.地铁车站基坑工程建设风险识别与预控[J].防灾减灾工程学报,2008,(3):375-381.