模糊风险

2024-10-24

模糊风险（精选12篇）

模糊风险篇1

摘要：将模糊综合评价方法应用到区域火灾风险评价中,建立了区域火灾风险评价指标体系,确立风险评价准则,建立了基于模糊综合评价理论的区域火灾风险评价模型。利用该模型对陕西省进行了火灾风险评价,针对该省区域火灾危险程度,提出了以控制重点区域火灾危险性为重点,增加消防投入,增强消防队伍建设及加强消防安全教育,增强全民消防安全意识并重的综合性区域火灾危险性控制对策措施,为陕西省消防规划和消防安全管理提供参考建议。

关键词：区域火灾风险,模糊评价,风险评价,指标体系

区域火灾风险评价就是分析、确定研究区域的火灾危险程度及发展趋势,通过科学方法评价存在的火灾风险。近十几年学者对火灾风险评价以及一些基础项目进行了专门研究。张欣等深入研究了风险评价的一般方法及火灾风险评价的分类,针对城市区域火灾风险评价中的几个关键步骤,提出了火灾风险标准。李杰等建立了以建筑面积为单一因子的城市火灾危险评价公式。李申等根据大型综合公共建筑的火灾特殊性,应用层次分析法进行火灾风险评价,建立评价指标体系和各指标的评价尺度。张颖等针对公共娱乐场所火灾危险因素,建立双层评价指标体系,运用模糊综合评价理论设计对公共娱乐场所消防安全评价的方法和步骤。笔者尝试将模糊综合评价法与区域火灾危险评价相结合,建立模糊综合评判模型,对区域火灾风险的评价有一定的指导意义。

1 区域火灾风险评价指标体系

进行区域的火灾风险评价首先需要选择影响区域火灾安全的主要因素,构建区域火灾风险评价指标体系。评价区域中有城市、农村、城乡结合部三类区域,影响火灾的因素非常多而且复杂,并且各因素间存在着耦合关系,建立科学的评价指标体系是区域火灾风险评价的基础性工作,也是区域火灾风险评价的关键。根据区域火灾危险的特点,建立了如图1所示的区域火灾风险评价指标体系。

2 模糊综合评价体系构建

模糊综合评价法是将模糊数学方法与层次分析方法结合运用的一种方法。模糊综合评判结果是单因素评判定量化和单因素权重综合作用的结果,模糊关系矩阵和因素权重分配起了十分重要的作用。

图1 区域火灾风险评价指标体系

区域火灾的风险程度是一种模糊概念,在消防安全与危险之间无明确的界限。以模糊理论建立区域火灾风险评价的数学模型,对区域系统及其组成个体的风险性进行模糊评价具有更好的适应性。

2.1 模糊集的建立

不同的评价指标对最终评价结果的影响程度是不同的,需要确定每个评价指标的比重。综合运用专家打分法和层次分析法来确定评价指标体系设定指标的权重,具体步骤如下。

对于n个因素x1,x2,…,xn,有矩阵A,其中aii=1,aij=1/aji。

评价体系各相同层次的指标两两比较得到相对重要度排序。在排序过程中,采用1-9标度法。

在经过一系列调整后,得到判断矩阵A,经过计算求权重。其计算步骤为:(1)A的元素按行相乘得一新向量;(2)将新向量的每个分量开n次方;(3)将所得向量归一化即为权重向量W=(w1,w2,…,wn)T。

2.2 风险分析与计算

考虑到人的判断的不确定性和个体的认识差异,评分值的设计采用一个分值范围,由参加评价的研究人员,运用集体决策的思想,根据所建立的指标体系,按照对安全越有利得分越高的原则进行评分,从而降低不确定性和认识差异对结果准确性的影响。然后根据模糊集值统计方法,通过计算得出统一的结果。

对于指标ui,专家pj依据评价标准和对该指标有关情况的了解给出特征值区间[aij,bij],由此构成一集值统计系列:[ai1,bi1],[ai2,bi2],…,[aij,bij],…,[aiq,biq]。

则评价指标ui的特征值可按式(1)进行计算。

式中:i=1,2,…,n;j=1,2,…,q。

应用线性加权方法计算火灾风险度,如式(2)所示。

式中:R为上层指标火灾风险;Wi为下层指标权重;Fi为下层指标评价得分。根据R值的大小可以确定评价目标所处的风险等级。根据区域火灾防控实际,在设定量化范围的基础上将火灾风险分为四级,如表1所示。

表1 风险分级量化和特征描述

3 区域火灾风险评价

陕西省位于我国内陆腹地,全省总面积为20.58万km2,横跨三个气候带,南北气候差异较大,南部属北亚热带气候,中部及北部大部属暖温带气候,北部长城沿线属中温带气候,常住人口3775.12万人,设10个省辖市。全省现有超高层建筑60栋,2万m2以上城市综合体建筑56栋,地下公共建筑工程597处,人员密集场所8 337处,生产、储存、经营易燃易爆危险品场所3 230家;火灾高危单位618家、消防安全重点单位13 180家、一般社会单位约22万家。全省消防应急救援力量基本情况:陕西省消防总队下辖12个消防支队和1个培训基地,有137个消防大队、111个执勤中队;执勤消防车辆804台,消防坦克3台,各类装备器材188 394件(套)。根据火灾风险程度和其他相关指标数据,按照笔者建立的模糊综合评价体系计算,得到全省的整体火灾风险分值为55.35,等级为Ⅲ级,火灾风险性较高;影响全省风险因素的危险程度,如表2所示。

通过计算将指标体系中影响全省区域消防危险程度的因素分为四个程度,危险、较危险、较安全以及安全,其中安全度属于安全指标的共有10个,较安全的共有5个,较危险的共有15个,危险的共有8个。危险和较危险的指标主要集中在消防经费的投入、消防设备、现有消防队伍的建设以及火灾危险性这几个方面。全省的整体火灾风险分值为55.35,等级为Ⅲ级,火灾风险性较高,火灾风险处于较难控制的水平,应采取措施加强消防基础设施建设和完善消防管理水平。

4 对策措施

通过区域火灾危险性评价,得到影响全省火灾危险性的主要指标集中在消防经费的投入、消防设备、现有消防队伍的建设以及火灾危险性等方面。因此,笔者提出以控制重点区域火灾危险性为重点,同时增加消防投入,增强消防队伍建设及加强消防安全教育,增强全民消防安全意识并重的综合性区域火灾危险性控制措施。

表2 风险因素排序

4.1 加强社会火灾防控工作

要把消防经费、公共消防设施和装备建设、社会消防力量发展、火灾隐患整改等纳入政府年度工作目标,持续推动健全“党政同责、一岗双责、齐抓共管”的政府领导下的消防责任体系。完善乡镇(街道办)公共消防安全隐患排查治理和防控体系,建立健全消防安全重大事项决策机制,建立镇(街道办)消防安全党政领导负责制,明确分管领导;落实消防安全标准化管理工作,完善本部门、本行业消防安全管理制度和技术标准。各级住建、工商、文化、卫生、质监等行政职能部门在涉及消防安全的审批工作中,应严格把关,并建立部门间联合监管机制;进一步落实社会单位消防安全主体责任,再造社会消防安全“防火墙”,社会单位每年开展“四个能力”建设达标检查,消防安全重点单位全面深化“户籍化”管理,九小场所开展“一懂三会”达标检查,火灾高危单位每半年开展一次消防安全评估,人员密集场所全面落实“五人一室”责任;强化消防安全隐患源头控制,严格依法审批涉及消防安全的许可项目,对火灾高危单位采取先进实用的消防技术,落实人防、物防、技防措施;建立健全火灾隐患常态化排查治理、重大隐患分级治理制度,健全重大火灾隐患立案、核查、论证、公示、督办、销案制度,对认定的重大火灾隐患,凡存在严重威胁公共安全的,要采取改造、搬迁、停产、停用等措施限期整改。

4.2 加强基础设施建设

保证公共消防投入,按照国家标准科学规划城市及城镇消防安全布局、消防队站、消防供水、消防通信、消防车通道、消防装备,各级政府和规划主管部门要将城乡消防规划的编制、审批、实施全面纳入城乡规划督察内容,确保规划内容全面落实;结合城市发展实际,县级以上城市按照《城市消防队站建设标准》加强建成区消防队站建设,按照《乡镇消防队站建设标准》全部建立政府专职消防队,加强城市和城镇消防水源建设,同步建设市政消火栓和公共消防水源,各级政府要制定市政消火栓管理办法和措施,推行市政消火栓“身份证”式管理,厘清市政消火栓建设、维护保养和使用权责。

4.3 加强消防队伍建设

建立完善政府统一领导组织指挥的救援机构,健全救援总队、支队、大队机构建设,加强消防、供水、供电、供气、通信、气象、地震、医疗、交通运输、环境保护等多部门合成救援队伍建设,结合处置对象的类型和特点,分类别开展应急联动演练,让应急救援更具针对性和专业性,切实提高作战效能;全面加强以公安消防为主的综合应急救援队伍建设,建成“公安现役消防队+政府专职消防队+企事业专职消防队+志愿消防队”的全覆盖式四级灭火力量体系;按照1 min单位、社区微型消防站应急处置,3min卫星消防队到场处置,5min公安现役中心站到场处置,重特大灾害事故社会应急力量联动处置的“1+3+5+X”原则构架进一步完善消防队站布局;组建各级灭火救援专家组,建立事故处置联席会议制度,进一步提升灭火救援水平。至2020年,全省轻型搜救队全面升级为重型搜救队,西安市组建搜救中队、供水中队,汉中和安康市组建水上救援队,延安市、榆林市组建搜救犬中队(分队)和石油化工类专业处置救援队。

4.4 加强创新科技投入

建设省重点火灾实验室,加强火灾防控手段的技术研究,提升火灾防控的技防水平,试点“互联网+消防”建设,推动社会消防管理创新。引入社会第三方机构,建设“大物联网”系统,力争实现重点单位消防安全管理透明化、灭火救援战场透明化。研发高效能高机动消防车,结合城区部分道路狭窄,北部大部分地区缺水以及节约警力、提高单兵操作效能的实际状况,研发适合扑救人员密集场所、农村和社区初起火灾的高效能消防车,待技术成熟后向全省推广。集成创新“模块化”抢险救援车,针对重大自然灾害与社会安全事故的大规模、跨地域、长时间、高强度、多领域等应急救援特点,升级改造抢险救援车,最大限度提高部队应急救援作战效能。

5 结论

(1)在风险准则和致因分析的基础上,建立了多层次区域火灾评价指标体系,采用模糊理论建立了区域火灾风险评价模型,实现了较大区域火灾危险性系统评价。

(2)考虑到陕西省整体火灾风险较高,处于较难控制的水平,要集中加大消防经费、消防设备的投入,加强消防队站建设工作。

(3)针对相应的评价结果以及全省的区域火灾危险现状,要以控制重点区域火灾危险性为重点,增强消防队伍建设及加强消防安全教育,增强全民消防安全意识,深入开展火灾隐患排查治理工作,提升区域抗拒火灾风险的能力。

参考文献

[1]张欣,王宝伟,杜霞,等.城市区域火灾风险评价方法探讨[J].消防科学与技术,2006,25(2):198-201.

[2]李杰,宋建学.城市火灾危险性分析[J].自然灾害学报,1995,4(2):99-103.

[3]李申,朱磊.大型综合公共建筑的火灾风险评价[J].武警学院学报,2010,26(12):35-38.

[4]张颖,张翼.模糊综合评价理论在公共娱乐场所消防安全评价中的应用[J].价值工程,2013,(30):307-308.

[5]赵德朝,李俊梅,李炎锋.建筑火灾风险评价中火灾安全管理者的影响分析[J].消防科学与技术,2008,27(3):185-187.

[6]张一先,王建平,方宗堂,等.城市定量火灾安全评价方法[J].苏州科技学院院报,2003,16(4):27-32.

模糊风险篇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)

模糊风险篇3

[关键词] 模糊故障树风险分析工程项目仿真

故障树分析（FTA）是一种适用于复杂系统可靠性和安全性分析的有效工具。目前，FAT作为一种系统分析方法，已在核能、航空航天、机械、电子工业等系统的可靠性分析中得到较广泛的应用。

故障树工程项目的风险分析主要包括项目风险识别、风险定性分析、风险定量分析。在传统的FTA中，基本因素(底事件)发生概率被作为精确值对待。然而由于风险事件发生的概率，因影响事件发生的因素的复杂或变化或由于统计数据较少而难以精确确定具有模糊性，因而，基于概率模型和统计方法的传统FTA方法难以解决该类问题。为此，本文在传统FTA的基础上，研究基于模糊故障树的工程项目风险分析方法。

一、基本因素的模糊概率和模糊数的运算

1.基本因素的模糊概率

模糊统计是确定基本因素模糊概率的一种方法，但这需要做大量的调研、统计分析工作。在实际工程项目风险分析中，基本因素发生的概率往往由工程管理人员的经验确定，因工程管理人员的经验、知识水平等的不同而不同，基本因素发生的概率值具有很大的模糊性。采用正态模糊数可以较合理的描述事件的模糊概率，本文用正态模糊数描述基本因素的模糊概率，其隶属函数为：

模糊风险篇4

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.

模糊风险篇5

为了研究丁香湖再生水回用后对丁香水源地水质带来的风险,利用三角模糊法对再生水回用后丁香湖地区水质进行风险评价,得出北部污水处理厂的出水在未来可能对丁香湖周边的水源地产生污染,使此水源地无法保证出水的`安全,甚至可能使之废弃的结论.建议对污水厂出水深度处理,严格控制相应指标后再进行回用,同时加强水源地保护,尽量阻止污染物进入水源地防护区.

作者：陈飞鸣李玉强田海龙 CHEN Fei-ming LI Yu-qiang TIAN Hai-long 作者单位：陈飞鸣,田海龙,CHEN Fei-ming,TIAN Hai-long(沈阳建筑大学市政与环境工程学院,辽宁,沈阳,110168)

李玉强,LI Yu-qiang(辽宁省沈阳市水务集团,辽宁,沈阳,110003)

模糊风险篇6

关键词：模糊综合评判审计风险模型层次分析法

一研究背景

审计风险是指审计师对含有重要错误的财务报表表示不恰当审计意见的风险，是指在完成审计工作并发表无保留意见审计报告后，审计人员所愿意承担的一种主观确定的财务报告未公允反映的风险。审计风险越低，审计人员要求的财务报表没有重要错误的保证度越高，且风险值可以取0到1之间的任何值。在审计工作中，审计人员不可能做到百分之百的准确率。

审计风险模型为DAR=IR×CR×DR，DAR代表审计风险，IR代表固有风险，CR代表控制风险，DR代表检查风险，由于固有风险是經济业务处理中本身固有的风险，控制风险是内部控制结构未能及时预防或发现经济业务中的某些重要错误或不法行为的风险，这两种风险都不是审计人员所能控制的，因此，本公式可变换为DR=DAR/（IR×CR），也就是说，审计人员可以通过本公式计算出能接受的检查误差，在其指导下确定审计工作的工作量大小。美国注册会计师协会给出了一个普遍使用的数值5%。为了计算出DR，本文将运用模糊综合评判法来确定IR和CR。

二评价固有风险

参考文献：

模糊风险篇7

关键词：直觉模糊数,直觉模糊数的加权平均 (IFWA) 算子,直觉模糊数混合集结 (IFHA)

风险投资 (Venture Capital) 从广义上讲, 包括对一切有意义的开拓性、创业性经济活动的资金投放;从狭义上讲, 它是一种主要对尚处于创业期的未上市且具有高成长性的新兴企业 (主要是新兴高科技企业) 做长期股权投资, 旨在促进新技术成果尽快商品化, 并通过所投资企业的资本增值来实现投资回报的一种投资方式。风险投资作为一种高收益、高风险、高成长性投资, 对促进科技成果的产品化、产业化具有重要的作用。为确保风险投资的收益及安全性, 风险投资公司在对项目投资决策之前, 根据自身资本的构成和资本来源、资本规模、宏观经济和产业政策、产业和资本市场变化的趋势和特点以及自身的投资经验和人员结构等, 综合权衡收益和风险, 科学有效地评价投资风险, 是风险投资项目成败的关键, 是风险投资过程的重要一环[1]。因此, 对风险投资项目风险进行科学有效的评价一直都是十分有意义的工作。本文试图采用直觉模糊集的理论, 对各项目的风险进行综合评价, 以确定最佳投资方案, 从而为风险投资项目做出比较科学的投资决策。

1 预备知识

直觉模糊集由Atanassov提出, 是传统模糊集的一种扩充和发展。直觉模糊集增加了一个新的属性参数:非隶属度函数, 它能够更加细腻地描述和刻画客观世界的模糊性本质。

定义1[2,3]:设X是一个非空经典集合, X= (x1, x2, …, xn) , X上形如A={[x, μA (X) , νA (x) ]|x∈X}的三重组称为X上的一个直觉模糊集。其中, μA:X→[0, 1]和νA:X→[0, 1]均为X的隶属函数, 且0≤μA (x) +νA (x) ≤1, 这里μA (x) , νA (x) 分别是X上元素x属于A的隶属度和非隶属度, 表示为支持元素x属于集合A的证据所导出的肯定隶属度的下界和反对元素x属于集合A的证据所导出的否定隶属度的下界。对于X上的每一个直觉模糊集, 称πA (x) =1-μA (x) -νA (x) 为直觉模糊集A中元素x的直觉指数, 表示元素x属于A的犹豫度, 显然, 0≤πA (x) ≤1, x∈X。

定义2[4] :设a= (μ, ν) 为一个直觉模糊值, 则该直觉模糊值的记分函数为:

S (a) =μ-ν, s (a) ∈[-1, 1] (1)

如果S (a) 的值越大, 则相应的直觉模糊值a= (μ, ν) 也越大。

定义3[5]:设a= (μ, ν) 为一个直觉模糊值, 则该直觉模糊值的准确度函数为:

H (a) =μ+ν, H (a) ∈[0, 1] (2)

如果H (a) 的值越大, 则相应的直觉模糊值a= (μ, ν) 的准确度也越高。

定义4[6]:设a= (μ1, ν1) 和a2= (μ2, ν2) 为两个直觉模糊值, 对应的记分函数为S (a1) =μ1-ν1和S (a2) =μ2-ν2, 对应的准确度函数为H (a1) =μ1+ν1和H (a2) =μ2+ν2, 那么:

(1) 如果S (a1) <S (a2) , 那么有a1<a2;

(2) 当S (a1) =S (a2) 时, 如果H (a1) =H (a2) , 则a1=a2;如果H (a1) <H (a2) , 则a1<a2。

定义5[6,7]:设aj= (μj, νj) (j=1, 2, …, n) 为一个直觉模糊值集合, 令IFWA:Qn→Q, 若:

$Ι F W A_{ω} (\tilde{a}_{1} ‚ \tilde{a}_{2} ‚ \dots ‚ \tilde{a}_{n}) = \sum_{j = 1}^{n} ω_{j} \tilde{a}_{j} = (1 - \prod_{j = 1}^{n} (1 - μ_{j})^{ω_{j}} ‚ \prod_{j = 1}^{n} ν_{j}^{ω_{j}}) (3)$

其中:ω= (ω1, ω2, …, ωn) 为属性的权重, 满足ωi∈[0, 1]和 $\sum_{i = 1}^{n} ω_{i} = 1$ , 则称函数IFWA为n维直觉模糊加权平均 (IFWA) 算子。

定义6[7]:设aj= (μj, νj) (j=1, 2, …, n) 为一个直觉模糊值集合, 令IFWA:Qn→Q, 若:

$Ι F Ο W A_{w} (\tilde{a}_{1} ‚ \tilde{a}_{2} ‚ \dots ‚ \tilde{a}_{n}) = \sum_{j = 1}^{n} w_{j} \tilde{a}_{σ (j)} = [1 - \prod_{j = 1}^{n} (1 - μ_{σ (j)})^{w_{j}} ‚ \prod_{j = 1}^{n} ν_{σ (j)}^{w_{j}}] (4)$

其中:w= (w1, w2, …, wn) T为与IFOWA算子相关联的权重向量, 满足wj∈[0, 1]和 $\sum_{j = 1}^{n} w_{j} = 1$ , 且 $\tilde{a}_{σ (j)}$ 是一组直觉模糊数 $\tilde{a} (j = 1 ‚ 2 ‚ \dots ‚ n)$ 中第j个最大的元素, 并且[σ (1) , σ (2) , …, σ (n) ]是 (1, 2, …, n) 的一个置换, 对任意j=2, …, n, 满足 $\tilde{α}_{σ (j - 1)} \geq \tilde{α}_{σ (j)}$ , 则称函数IFOWA为n维直觉模糊数有序加权平均 (IFOWA) 算子。

定义7[7]:设aj= (μj, νj) (j=1, 2, …, n) 为一组直觉模糊数, 令IFHA:Qn→Q, 若:

$\begin{array}{l} Ι F Η A_{ω ‚ w} (\tilde{a}_{1} ‚ \tilde{a}_{2} ‚ \dots ‚ \tilde{a}_{n}) = \sum_{j = 1}^{n} \overset{\begin{array}{l} \cdot \\ ~ \end{array}}{a}_{σ (j)} w_{j} \\ = [1 - \prod_{j = 1}^{n} (1 - \dot{μ}_{σ (j)})^{w_{j}} ‚ \prod_{j = 1}^{n} \dot{ν}_{σ (j)}^{w_{j}}] (5) \end{array}$

其中:w= (w1, w2, …, wn) T为与IFHA算子相关联的权重向量, 满足wj∈[0, 1]和 $\sum_{j = 1}^{n} w_{j} = 1$ , 且 $\overset{\begin{array}{l} \cdot \\ ~ \end{array}}{a}_{σ (j)}$ 是一组直觉模糊数 $\overset{\begin{array}{l} \cdot \\ ~ \end{array}}{a}_{j} (\overset{\begin{array}{l} \cdot \\ ~ \end{array}}{a}_{j} = n ω_{j} \tilde{a}_{j} ‚ j = 1 ‚ 2 ‚ \dots ‚ n)$ 中第j个最大的元素, 这里ω= (ω1, ω2, …, ωn) 为 $\tilde{a}_{j} (j = 1 ‚ 2 ‚ \dots ‚ n)$ 的属性权重, 满足ωj∈[0, 1]和 $\sum_{j = 1}^{n} ω_{j} = 1 ‚ n$ 为平衡因子, 并且[σ (1) , σ (2) , …, σ (n) ]是 (1, 2, …, n) 的一个置换, 对任意j=2, …, n, 满足 $\tilde{α}_{σ (j - 1)} \geq \tilde{α}_{σ (j)}$ , 则称函数IFHA为n维直觉模糊数混合集结 (IFHA) 算子。

2 基于IFWA和IFOWA算子的风险投资项目风险群体评价方法

基于IFWA和IFOWA算子, 本文提出了一种属性权重和专家权重均为确定实数、属性值为直觉模糊数的风险投资项目风险评价方法。设A={A1, A2, …, Am}为风险投资项目的方案集, G={G1, G2, …, Gn}为风险属性集, D={D1, D2, …, Dt}为决策者集, ν= (ν1, ν2, …, νt) T为决策者权重向量, 满足 $ν_{k} \in [0 ‚ 1] ‚ \sum_{k = 1}^{t} ν_{k} = 1$ ;同时ω= (ω1, ω2, …, ωn) T为属性权重向量, 满足 $ω_{j} \in [0 ‚ 1] ‚ \sum_{j = 1}^{n} ω_{j} = 1$ , 则决策者Ek∈E (E1, E2, …, Et) 对于方案Aj∈A (A1, A2, …, Am) 关于属性Gj∈G (G1, G2, …, Gn) 进行测度, 属性值为直觉模糊数 $(μ_{i j}^{(k)} ‚ ν_{i j}^{(k)}) ‚ i = 1 ‚ 2 ‚ \dots ‚ m ‚ j = 1 ‚ 2 ‚ \dots ‚ n$ ;k=1, 2, …, t.其中μ $_{i j}^{(k)}$ 表示决策者Ek对于方案Ai关于属性Gj的满足程度 (愿意投资的程度) , ν $_{i j}^{(k)}$ 表示决策者Ek对于方案Ai关于属性Gj的不满足程度 (不愿意投资的程度) , 这里μ $_{i j}^{(k)}$ 和ν $_{i j}^{(k)}$ 的取值应满足条件μ $_{i j}^{(k)}$ ⊂[0, 1], ν $_{i j}^{(k)}$ ⊂[0, 1], 0≤μ $_{i j}^{(k)}$ +ν $_{i j}^{(k)}$ ≤1, 从而构成直觉模糊数评价矩阵 $\tilde{R}_{k} = (\tilde{r}_{i j}^{(k)})_{m \times n} = (μ_{i j}^{(k)} ‚ v_{i j}^{(k)})_{m \times n} .$

具体步骤如下:

第一步, 利用IFWAA算子对直觉模糊数决策矩阵 $\tilde{R}_{k}$ 中第i行的属性值进行集结, 得到决策者Dk对于决策方案Ai的个体综合属性值:

$\tilde{r}_{i}^{(k)} = (μ_{i}^{(k)} ‚ ν_{i}^{(k)}) = Ι F W A_{ω} (\tilde{r}_{i 1}^{(k)} ‚ \tilde{r}_{i 2}^{(k)} ‚ \dots ‚ \tilde{r}_{i n}^{(k)}) ‚ i = 1 ‚ 2 ‚ \dots ‚ m$ ;k=1, 2, …, t.

第二步, 利用IFHA算子对t位决策者给出的决策方案Ai的个体综合属性值 $\tilde{r}_{i}^{(k)} (k = 1 ‚ 2 ‚ \dots ‚ t)$ 进行集结, 得到决策方案Ai的群体综合属性值:

$\tilde{r} = (μ_{i} ‚ ν_{i}) = Ι F Η A_{ν ‚ w} (\tilde{r}_{i}^{(1)} ‚ \tilde{r}_{i}^{(2)} ‚ \dots ‚ \tilde{r}_{i}^{(t)}) ‚ i = 1 ‚ 2 ‚ \dots ‚ m .$

其中, w= (w1, w2, …, wn) 为与IFHA算子相关联的权重向量 (位置权重向量) , $w_{j} \in [0 ‚ 1] ‚ \sum_{j = 1}^{n} w_{j} = 1$ , 且ν= (ν1, ν2, …, νt) T为决策者的权重向量, $ν_{k} \in [0 ‚ 1] ‚ \sum_{k = 1}^{t} ν_{k} = 1 .$

第三步, 计算决策方案Ai的群体综合属性值 $\tilde{r}_{i}$ 的得分函数:

$S (\tilde{r}_{i}) = μ_{i} - ν_{i} ‚ i = 1 ‚ 2 ‚ \dots ‚ m .$

如果 $S (\tilde{r}_{i})$ 的值相同, 则进一步计算决策方案Ai的群体综合属性值 $\tilde{r}_{i}$ 的精确函数:

$Η (\tilde{r}_{i}) = ν_{i} + ν_{i} ‚ i = 1 ‚ 2 ‚ \dots ‚ m .$

第四步, 根据 $S (\tilde{r}_{i})$ 和 $Η (\tilde{r}_{i})$ 的值的大小对方案Ai进行排序。

3 应用实例

假设现有3位专家拟对某经济开发区4个风险投资项目Ai (i=1, 2, 3, 4) 的风险大小进行评估, 并假定专家权重向量为ν= (0.3, 0.3, 0.4) , 主要评价指标 (属性) 为u1:逆向选择风险;u2:道德风险;u3:技术风险;u4:产品市场风险;u5:管理风险;u6:产业政策基础;u7:退出渠道信息。假设指标权重为w= (0.15, 0.1, 0.2, 0.2, 0.1, 0.1, 0.15) , 三个决策者的直觉模糊评价信息如表1所示, 试评价4个风险投资项目风险高低。

下面利用本文的方法给出具体求解的计算步骤:

第一步, 利用IFWA算子得到决策者Dk对于决策方案Ai的个体综合属性值:

$\begin{array}{l} \tilde{r}_{1}^{(1)} = (0.427 ‚ 0.230) ‚ \tilde{r}_{2}^{(1)} = (0.267 ‚ 0.407) ‚ \\ \tilde{r}_{3}^{(1)} = (0.513 ‚ 0.168 ‚ \tilde{r}_{4}^{(1)} = (0.496 ‚ 0.155) \\ \tilde{r}_{1}^{(2)} = (0.378 ‚ 0.148) ‚ \tilde{r}_{2}^{(2)} = (0.484 ‚ 0.172) ‚ \\ \tilde{r}_{3}^{(2)} = (0.295 ‚ 0.305) ‚ \tilde{r}_{4}^{(2)} = (0.273 ‚ 0.357) \\ \tilde{r}_{1}^{(3)} = (0.513 ‚ 0.288) ‚ \tilde{r}_{2}^{(3)} = (0.483 ‚ 0.193) ‚ \\ \tilde{r}_{3}^{(3)} = (0.389 ‚ 0.232) ‚ \tilde{r}_{4}^{(3)} = (0.411 ‚ 0.251) \end{array}$

第二步, 利用IFHA算子得到决策方案Ai的群体综合属性值[假设w= (0.3, 0.4, 0.3) ]:

$\begin{array}{l} \tilde{r}_{1} = (0.440 ‚ 0.216) ‚ \tilde{r}_{2} = (0.429 ‚ 0.230) ‚ \\ \tilde{r}_{3} = (0.408 ‚ 0.222) ‚ \tilde{r}_{4} = (0.407 ‚ 0.235) \end{array}$

第三步, 计算决策方案Ai的群体综合属性值 $\tilde{r}_{i}$ 的得分函数:

$S (\tilde{r}_{1}) = 0.225 ‚ S (\tilde{r}_{2}) = 0.198 ‚ S (\tilde{r}_{3}) = 0.186 ‚ S (\tilde{r}_{4}) = 0.172$

第四步, 根据 $S (\tilde{r}_{i})$ 的值的大小对方案Ai进行排序, 得A1>A2>A3>A4

故最优方案为A1, 所以项目1风险最低。

4 结论

本文针对风险投资项目的系统风险很难量化的特点, 引入针对风险投资项目的系统风险评价指标体系和直觉模糊集理论, 建立了基于直觉模糊数的加权平均 (IFWA) 算子和直觉模糊数混合集结 (IFHA) 算子的风险投资项目风险评价方法。本方法为风险投资商提供新的方法, 更利于投资者对项目的控制。风险投资项目评价毕竟是一个复杂的工程, 本文只是一个新的尝试, 以期为风险投资项目风险的定量评价找到一个可行的方法。

参考文献

[1]郑君君, 刘伟, 孙世龙.关于风险投资项目风险综合评价方法的研究[J].武汉大学学报 (工学版) , 2005, 34 (4) :126-128.

[2]ATANASSOV K.Intuitionistic fuzzy sets[J].Fuzzy Sets and Sys-tems, 1986 (20) :87-96.

[3]ATANASSOV K.More on intuitionistic fuzzy sets[J].Fuzzy Setsand Systems, 1989 (33) :37-46.

[4]CHEN S M, TAN J M.Handling multicriteria fuzzy decision-mak-ing problems based on vague set theory[J].Fuzzy Sets and Systems, 1994 (67) :163-172.

[5]HONG D H, CHOI C H.Multicriteria fuzzy decision-making prob-lems based on vague set theory[J].Fuzzy Sets and Systems, 2000 (114) :103-113.

[6]XU Z S.Intuitionistic preference relations and their application ingroup decision making[J].Information Science, 2007, 177 (11) :2363-2379.

[7]XUZ S.Intuitionistic fuzzy aggregation operators[J].IEEE Transa-tions on Fuzzy Systems, 2007, 15 (6) :1179-1187.

[8]卫贵武.权重信息不完全的区间直觉模糊数多属性决策方法[J].管理学报, 2008, 5 (2) :208-211, 217.

[9]卫贵武.一种权重信息不完全的区间直觉模糊数多属性决策方法[J].统计与决策, 2008 (8) :70-71.

[10]卫贵武.一种区间直觉模糊数多属性决策TOPSIS方法[J].统计与决策, 2008 (1) :149-150.

[11]王小容, 卫贵武.选聘优秀管理人员的直觉模糊决策模型[J].统计与决策, 2008 (4) :166-067.

模糊风险篇8

PFI (Private Finance Initiative) 的英文为私人融资计划, 指政府部门根据社会对基础设施的需要, 将一些公共基础建设项目采取民间资金参与的形式, 由民间私有资金对项目进行建设、运营, 政府授予私人企业项目特许经营权, 准许其在合同期内进行经营管理取得盈利, 并按合同规定, 提供公共服务。PFI能有效利用内资解决基础建设资金不足, 提高社会资金利用率, 推进城市化水平。虽然PFI对基础建设的意义重大, 但是由于PFI参与主体多, 建设期长, 项目前期投资巨大等因素使得风险管理成为PFI项目的核心问题。因此对PFI相关风险因素进行评价是有意义的, 有利于促进PFI项目的发展。

二、PFI主要风险因素分析

1. 系统风险

系统风险主要集中在国家政治稳定性、行业宏观经济的稳定性以及法制环境等外部风险上, 包括: (1) 政治风险:由国家政局变动、政策变化、行政命令等因素造成项目无法获得国家支持和保证, 项目难以为继的风险。 (2) 法律风险:国家所奉行的政策变动造成一系列的法律法规变化无常或者无法可依的风险。 (3) 金融风险:项目所在国在经济实力、经济环境和解决经济问题能力等方面的不确定因素造成的可能的后果。 (4) 不可抗力风险:一般指自然灾害等不可控制因素对项目的影响。

2. 非系统风险

非系统风险是PFI项目的的微观风险, 主要包括: (1) 选址风险:在预计的成本和运作方式下, 项目场地不能在要求的时间内使用, 或者选址时发生不可预料的责任从而造成不能及时提供服务和取得项目收入的风险。 (2) 融资风险:融资是PFI项目的一个重要资金来源方式。由于项目公司与贷款银行的博弈, 其风险主要体现在融资实现和融资成本上。 (3) 设计风险:在PFI项目设计过程中, 项目设计采用的技术不当给项目造成的潜在风险。 (4) 建造风险:设计或建造的某个环节在执行上对项目质量、成本、工期或者服务的提供产生的不利影响。 (5) 运营风险:项目在进入经营阶段后, 市场、需求、生产等带给项目的影响。 (6) 关系风险:PFI项目参与各方工作方式、项目认知水平等对项目产生的影响。

三、基于模糊层次评价的PFI风险评价

模糊层次分析法 (Fuzzy AHP) 是对层次分析方法 (AHP) 在模糊条件下的扩展, 能充分考虑人在不确定的环境下作出决策时的模糊性, 能够比较客观地反映被调查者对因素的模糊意见, 得到比较精确的结果。

1. 建立模糊层次分析结构

PFI项目风险评价结构的构成是在上述主要风险识别的基础上, 将风险属性不同的因素分成不同的组, 再形成相应的风险层次。据此, 构建PFI项目风险层次分析结构 (见图) 。

2. 风险模糊判断矩阵的形成

PFI项目风险层次分析结构的形成使各层级之间形成了隶属关系, 根据模糊层次结构和被调查者判断分别构成各层次因素的模糊判断矩阵Ri。矩阵Ri表示相对于上一层的i因素, 本层次相关因素之间相对重要程度的比较。在此引入表1所示的语意尺度, 将专家判断意见定量化。假设上一层次因素A与其下一层次因素B1, …, Bn之间有隶属关系, 则形成模糊判断矩阵为其中是专家相对于, 因素Bi与因素Bj比较时给出的三角模糊数, lij, mij, nij并且矩阵Ra为模糊互补判断矩阵。

3. 风险排序

利用几何平均法对专家意见进行整合, 根据层次分析法原理, 计算单个风险因素的模糊评价值并归一化, 得到其相对权重值;

其中是专家意见整合后对应的三角模糊数, n为该层风险因素的个数。由于为三角模糊数, 不便于权重的排序, 因此采用Teng和Tzeng提出的重心法对三角模糊数进行简化, 式为: DFij为解模糊处理后的相对权重。

经上述步骤, 可依次得到目标层下的第一层第i个因素相对权重wi, 第一层第i个因素下的第j个指标权重wij, 第二层第j个指标下第k个指标权重Rijk。则第k个指标相对于目标层的权重为:Rk=Ri×Rij×Rijk, 其余以此类推, 可得到风险因素相对于总目标的权重值, 并进行权重的总排序。最后对模糊判断矩阵进行一致性检定。

四、实例

按照本文建立的PFI项目风险评价层次结构, 对部分学者进行了风险问卷调查, 建立模糊判断矩阵, 对问卷整合处理后得到模糊判断矩阵 (由于篇幅所限, 不再列出) 。根据上述综合模糊判断矩阵和风险排序方法可以求解出对应风险因素的相对权重值, 通过层级总排序公式可计算得到各风险因素相对于目标层的风险权重值为C1 (0.1924) , C2 (0.1705) , C3 (0.1823) , C4 (0.0930) , C5 (0.0366) , C6 (0.0894) , C7 (0.0461) , C8 (0.0769) , C9 (0.0668) , C10 (0.0460) 。

根据上述权重值可以得到PFI项目风险因素权重由大到小排序依次分别是政治风险、金融风险、法律风险、不可抗力风险、融资风险、建造风险、运营风险、设计风险、关系风险和选址风险。由此可见, 政治风险因素, 金融风险因素和法律风险因素是PFI项目运作中的三个重要风险, 需要重点关注。

五、结语

本文分析了PFI项目的主要风险, 建立了PFI项目风险评价指标体系, 利用三角模糊数和层次分析法, 构建模糊层次分析模型并对PFI项目风险进行了量化分析, 按照各风险权重值的大小对PFI风险的重要度进行了排序。该模糊层次分析模型在进行风险评价时只需要专家给出风险的两两比较即可, 简便易行;同时运用三角模糊数能有效的反映调查意见本身的模糊性, 能够比较准确的反映回答者的真实意图, 从而得到更加准确的风险评价结果。而风险指标的细化和分析方法的再优化则需要进一步的研究。

参考文献

[1]王卓甫:工程项目风险管理[M].北京:中国水利水电出版社, 2003

基于模糊集合的软件项目风险评估篇9

关键词：企业信息化,项目管理,管理变革,风险管理,软件项目风险管理

一、软件项目风险管理

软件项目管理从某种意义上讲, 就是风险管理。我们尽量去定义明确不变的需求, 以便进行计划并高效管理, 但商业环境总是快速变化的, 甚至是无序的变化。所以, 软件企业在进行项目管理的过程中, 必须采用适合自己的风险管理方法进行风险管理, 以确保软件项目在规定的预算和期限内完成项目。

软件项目的风险主要来自于以下三个方面:一是技术风险。包括项目的技术结构、项目的规模以及项目实施方的技术能力和经验。二是管理风险。管理风险主要来自于项目人员的组织有效性, 项目时间、资源的计划确定性和可控性, 以及项目质量监控的力度和立场。三是系统风险。系统在这里指的是由软件开发相关要素组成的动态联系的有机体系。

二、风险评估

风险评估表中所提到的风险是一般项目在开发过程中都客观存在的, 表中所列出的风险系数是指在不对风险进行深入的分析和有效的规避的情况下, 该风险项发生的概率。比如软件产品的设计目标是运行十年, 体系结构不合理的风险是40%的含义是, 如果不对系统进行深入的分析, 未采用最合理的软件技术进行设计, 则生产出一个不具备可扩展性的软件系统的概率是40%。由于客户公司是仍将不断发展的, 在十年内, 该软件系统都能满足公司运营要求的可能性极低。由此而可能产生的灾难性后果是公司在业务发展的时候, 必须重新开发新系统。

向客户提供风险评估, 是按照国际惯例进行的例行操作, 一方面让客户对潜在的风险有更充分的了解, 表明公司诚信为本的态度, 另一方面也用以鞭策和激励全体开发人员严格执行开发标准, 共同监督项目开发过程, 努力避免风险的发生。

多数控制方法的实质是加强开发活动的灵活性, 提高灵活性也提出了软件项目参与各方对软件项目风险大小的认识问题。同样的软件项目风险影响后果, 当参与方, 比如说开发方, 有灵活的手段控制它时, 那么对此软件项目风险的感觉就不是那样的强烈。对需求方也是同样的道理。

由于软件项目风险影响的后果有强弱之分, 所以可以据此设计不同的软件项目风险控制策略。而由基于模糊数学的软件项目评估方法所得出的矩阵见图1可以得出, 根据软件项目风险的影响程度和发生的可能性的大小简单地把软件项目风险划分为4个象限, 并且与软件项目生命周期相对应, 通过这样粗略的划分, 则能看出不同象限中不同策略的特点。

第I象限, 软件项目的初始阶段, 涉及到实际实施软件项目中的风险, 软件项目风险影响的后果不大, 软件项目风险发生的可能性又较高。典型的软件项目风险如不良的软件项目管理习惯、软件项目度量不准确和任务分配不当等。正常情况下这类风险不会威胁软件项目的生存, 至多影响到软件项目质量、进度和成本。即对应的软件项目风险控制的基本策略为软件项目风险缓解策略和软件项目风险接受策略。

第II象限, 软件项目的设计阶段, 软件项目风险影响的后果和软件项目风险发生的可能性程度均较大。

第III象限, 软件项目的实施阶段, 这类软件项目风险通常认为存在于软件项目之外, 但可能在企业外、也可能在企业内。不过有合约总比没合约要强, 有应急的准备总比暂时应付要好。而这种类型的软件项目风险所对应的软件项目风险控制的基本策略只能是风险接受策略。

第IV象限, 软件项目的收尾阶段, 其中软件项目风险影响的后果较大, 但软件项目风险发生的可能性程度不高, 往往软件项目风险控制队列中的前几项也落在这个象限中, 这类软件项目风险的典型例子有:缺乏用户的参与和缺乏高层领导的支持等, 参与各方都因为涉及到外部因素而难以控制。

以上各种应对方案和方法现实中也有交叉使用的情况, 这里所述只能说明在此情况下的主流应对方法。实际上还有不少软件项目风险控制措施基本上没有自接成本, 也就是说, 只要识别到了软件项目风险的存在, 通过及时的沟通、交流就可以避免软件项目风险转变为问题。还有研究表明, 大量的有效沟通和交流甚至不需要文字资料, 当然这更属于有效的软件项目风险控制方法。软件项目风险评估对于软件项目管理是十分重要的组成部分, 它关系了软件项目的成败。本文只是介绍了简单的基于模糊集合的软件项目风险评估方法, 而更深入的研究还有很大的探索空间。

参考文献

[1]、陈和兰, 龚少文.大型软件项目中的组织环境[J].项目管理技术, 2oo4 (12) :65一71

模糊风险篇10

一、模型应用应注意的几个方面

1.因素集

设第一层次影响因素个数为n, 可以得因素集U={u1, u2, …, un}, ui为第一层次的第i个因素集, 它又由第二层次中的P个因素决定, 即ui={ui1, ui2, …, uip}当存在更多的层次时, 可依次类推, 一般而言, 层次划分越多, 评价结果就会越准确, 但计算的工作量也会越大。在实际工作中, 因素层次是根据实际问题的性质和需要来确定。

(2) 评判集 (或者叫决断集)

假设有m个评价结果, 则评价集可表达为V={v1, v2, …, vm}, 其中vk (k=1, 2, 3, …m) 为总评判集的第m个可能的评判结果。

(3) 确定权重

在模糊综合决策中, 权重是至关重要的, 它反映了各个因素在综合决策过程中所占有的地位或起的作用。权重的确定可采取专家估测法、加权统计法、频数统计法等等, 实际应用中, 大多采用专家估测法, 具体过程为:

根据每一层次中各个因素的重要程度, 分别给予相应的权数, 第一层次因素的相应权重假设为a1, a2, …, an, 则第一层次的权重为A= (a1, a2, …an) 。其中a1是第一层次中第i个因素ui的权数。同理, 第二层次的权重可假设为Ai={ai1, ai2…aip}, 其中aij是第二层次中决定因素ui的第j个因素的权数。若还存在更低层次的因素, 则还有相应的权数和权重集。

(4) 模糊综合评判应用步骤 (以三级为例)

①一级因素模糊综合评判

(2) 二级因素模糊综合评判

根据一级模糊综合评判, 得到评判矩阵

第二层的综合评判结果为:Bi=Ai·Ri= (bi1, bi2, …bim)

(3) 三级因素模糊综合评判

根据二级模糊综合评判, 得到一级评判矩阵

第三层的综合评判结果为:B=A·R= (b1, b2, …bm)

(4) 评判结果的处理

为了简化, 可以根据最大隶属原则, 确定最后的评判结果。

二、担保业务实例

信用担保业务的外部风险评判主要包括担保项目评判和反担保措施评判, 下面分别对它们进行风险评判。这里以外部风险评判中担保项目评判为例, 反担保措施评判可以参照以下执行。

将影响担保风险评判的指标体系的评判标准分为五个等级:优、良、一般、较差、差。

采用三级模糊综合评判模型:

(1) 由上表, U= (u1, u2…, u25) 将因素集划分为三个层次。

一级因素集:U= (u1, u2) , 权重A= (0.5, 0.5)

二级因素:U1= (c1, c2, …c7, c8) , U2= (c9, c10, c11, c12)

权重A1= (0.1, 0.1, 0.07, 0.13, 0.1, 0.1, 0.33, 0.07) , A2= (0.23, 0.1, 0.13, 0.54)

三级因素:

权重:,

(2) 评判集V={v1, v2…v5}, 分别表示:优、良、一般、较差、差。

(3) 综合评判

(1) 对企业基本面即Ui进行综合评判

先对企业基本面的第三级因素进行综合评判.

单因素评判矩阵为:

作综合评判计算得:

同理, 可以得出

再对企业基本面第二级因素进行综合评判.

U1= (c1, c2, …c7) , A1= (0.1, 0.1, 0.07, 0.13, 0.1, 0.1, 0.33, 0.07) 做综合评

(2) 用上述同样的方法对项目指标及能力评价即做综合评判得出:

(3) 对第一级因素做综合评判

U={U1, U2}, 权重A= (0.5, 0.5) 得:

根据最大隶属原则, 57.5%为优。则该担保项目贷款第一还款来源风险评判为优。

模糊综合评判决策对担保业务风险可以进行十分全面的综合评判, 使风险的评判由定性分析具体到定量分析, 从而能合理评判并规避风险。需要注意的是, 管理者所做的决策应是建立在对整个项目内、外部风险评判后的基础上, 而只对其中某部分风险进行评判而的出的结论是不准确的。

摘要：运用模糊数学中的模糊综合评判决策模型, 对担保业务外部风险进行综合评判, 使风险得到量化, 从而更好地规避风险, 使管理决策更为科学合理。

关键词：担保业务,外部风险,模糊综合评判

参考文献

模糊风险篇11

企业财务风险通常表现为企业财务状况的恶化和经营成果的降低，其结果将会直接导致企业获利能力、偿债能力、营运能力和成长能力的下降，而这四个方面能力的综合即为企业的实际经营绩效。企业财务风险的发生，最终体现为企业实际经营绩效与经营目标之间出现非预期的负偏差。通过对这种负偏差及其偏差程度的分析，来综合判断企业财务风险是否发生以及财务风险状态的严重程度。定量财务指标如表1所示：

（一）模糊综合评价进行表层分析企业经营绩效评价指标体系是一个多层次、多指标的评价体系。考虑到企业经营绩效可以从A1~A4四个能力方面来评价，每一个方面在整个评价体系中的权重系数，可以由包括专家、企业管理人员及相关技术人员在内的n类有关人员依据各自的经验和方法分别给予评价。

评价结果Wik组成模糊关系评价矩阵：W=（W1，W2，W3，W4）=W11W12W13W14W21W22W23W24……Wn1Wn2Wn3Wn4，其中：Wik=1，Wik:表示第i个专家对第k方面的评价，再利用线性加权法：AK=ai·Wik（k=1，2，3，4）得出上述四方面的权重系数。其中ai为第i类人员的加权系数。

（二）BP神经网络模型内部分析以上A1～A4四个方面整体构成评价体系的表层。然后，为克服模糊综合评价这种定性方法的局限性，对每个方面中各能力指标采用人工神经网络模型来进行深层次的定量评价。

（1）构建BP网络模型结构。把这四个方面分别构造成为四个小的人工神经网络，由于前向反馈式BP神经网络具有精度高、误差小等优势，目前大多采取BP网络。其传导结构如图1所示。

BP网络是一种单向传播的多层前向网络。它采用梯度搜索技术，以使网络的实际输出值与期望输出值的误差方值为最小。其网络结构是由输入层、输出层和隐层组成，其中隐层可以是一层，也可以是多层，前层至后层节点通过网络权值相连接，同层节点中没有任何祸合，输入层和隐层的激活函数通常为Sigmoid型。但是在隐层和输出层之间的激活函数可以是线性的。Sigmoid型传递函数表达式为：f（x）=。

（2）确定模型初始权重。采用完全随机化的初始权重确定方法，通常的初始权重值与偏差值随机化方法都是在区间（-1，l）之间取均匀分布的随机数的函数，式中i，k，j分别为输入层、隐含层和输出层神经元数，rand(m,n)为m行n列的均匀分布的随机数矩阵，I(m,n)为m行n列的全1矩阵，目的是保证权值分布在区间（-1，l）范围内。这样初始权值W与阈值B为：W1=rand（k，i）-I（k，i），W2=rand（j，k）-I（j，k），B1=rand（k，1）-I（k，1），B2=rand（j，1）-I（j，1）

该函数分为线形区和饱和区，当神经元工作于饱和区时，函数变化缓慢，需经过较长的一段时间才能跳出该区域，而工作于线形区时，由于函数的变化较快，使得神经元的自我调节容易，因而收敛速度较快。如果初始权重选择的区域过大，神经元落入饱和区的概率也就越大，其收敛速度也就会很慢，但如果区域选得过小，同样会降低神经元的活性，影响网络的收敛速度。为验证上述理论，选择了［-15，15］到［-0.001，0.001］等9个区间，产生随机权重，通过分析输出的一系列累积误差变化，得出前两者当随机权值产生区间在［-0.25，0.25］之间时，两模型的收敛速度均为最快;而后两者只有当随机权值产生区间在［-0.2，0.2］之间时，两模型收敛为最快。

（3）学习次数与精度确定。BP神经网络的学习过程是由模式的正向传播和误差的反向传播所组成。在正向传播中，输入信息经隐含单元逐层处理并传向输出层。如果输出层不能得到所期望的输出，则转入反向传播过程，将实际值与网络输出之间的误差沿原来的连接通路返回，通过修改各层神经元的连接权重使误差减小，然后再转入正向传播过程。如此反复计算，直到误差小于设定值，学习过程结束。一般来讲，网络学习次数越多，其输出结果的精度越高，但学习次数多其网络训练时间也越长，另外，如果学习样本选择不当，网络精度越高，意味着其记录的错误信息越多，也会对网络的应用效果产生不利影响。为此，通过网络训练比较，前两者模型中，网络训练次数定为15万次，而后两者网络训练次数则定为16万次为宜。

（三）利用网络输出进行模糊评价通过上述步骤得出的能力系数由输出层Oj=（1，2，3，4）输出，其结果分别为R1'、R2'、R3'、R4'，则最终得到企业经营绩效的综合评价结果:AiR'i

二、财务风险控制

利用模型进行财务风险识别之后，对于存在企业内部的风险，必须实施有效的策略加以控制，从而达到财务风险管理的最终目的。这里从风险状态转移、机制改善和企业特性优化这三个不同深度的层面，分析企业财务风险控制的基本途径。

（一）风险状态转移风险状态转移是企业财务风险控制策略最为直接的形成途径，它是对企业在某一环节或区域存在的风险因素，采取直接的纠正措施加以整治，使企业由严重风险状态逐步向较低风险状态转移。企业综合评价指数值处于风险状态区域的原因可从以上所说的四个方面来反映，那么风险状态转移策略的制定也可从这些方面来考虑。例如盈利能力指标类评价指数值及其单项指标的评价指数值过小，则说明企业的盈利能力处于风险状态，经营者应采取增加销售收入或降低生产成本的对策，以扩大企业利润边际额，增强企业盈利能力。如果运营能力处于风险状态，经营者就应注意加强原材料、在制品、产成品等企业存货及其它流动资产的管理，改善企业销售政策，促进应收帐款的及时回收，以改变企业资产周转效率太低的状态。偿债能力处于风险状态，企业经营者应设法扩大股票发行量或促进股票价格提高，以增加权益资本价值，或者缩小债务帐面价值，改善企业资本结构。如果成长能力处于风险状态，企业经营者应考虑优化企业产品结构，开辟企业新的利润增长点，从而改变企业发展缓慢或处于停滞的状态。

（二）风险机制改善改善企业风险机制相对于风险状态转移，能在更深层次上控制企业财务风险的发生与扩散，能够提高企业财务风险控制的能力。改善企业财务风险机制，应从建立结构完善的风险控制制度，促进企业管理层及员工树立正确的风险观念和掌握科学的风险控制的基本方法等方面出发。一是加强企业管理决策过程中的风险观念。财务风险是客观存在的，只要有财务活动，就必然存在着财务风险。而在现实工作中，企业管理人员对财务风险的客观性认识不足，缺乏风险意识，通常认为只要管好用好资金就不会产生财务风险。二是建立健全企业财务风险控制制度。要把风险机制引入企业管理活动中，把风险观念融入企业内部控制制度中，让企业经营管理者及其员工在市场竞争中承担风险责任。

（三）企业特性优化优化企业特性则是从根本上和战略上最大限度地防范与控制企业财务风险的发生，提高企业控制财务风险的能力和水平，保障企业的长期生存和持续发展。一般来讲，企业当前的经营成果和财务状况，是在企业过去经营成果和财务状况的基础上，由当前的企业特性因素综合影响和作用的结果；未来的经营成果和财务状况，则是过去、目前和将来的企业特性因素综合影响和作用的结果。因此，对企业特性的优化是提高企业经营成果、改善企业财务状况、控制企业财务风险的根本途径和战略措施。

参考文献：

［1］姜长生、王从庆：《智能控制与应用》，科学出版社2007年版。

模糊风险篇12

目前,中国银行的项目评价主要采用风险等级评定法,但在具体操作过程中,存在指标过于主观化的问题,不管是主观指标还是客观指标,都采取单纯的专家打分法,有点过于粗略,无法客观反映贷款项目的真实风险,不利于银行做出科学的贷款决策。文献[2]采用层次分析法进行银行贷款风险分类评价,没有考虑到专家评价的主观性。文献[3~5]运用了模糊综合评价法识别风险。本文对风险评价指标之间存在不同程的相关性以及信息重叠的可能性,采用主成分分析的方法进行降维处理,进而降低了实际计算的工作量。另外,本文针对贷款风险评价的模糊性,运用模糊综合评价理论对项目贷款进行的风险评价。

一、银行信贷风险及分类

风险是指由不确定性因素所引起损失产生的可能性。商业银行的信贷风险,是商业银行在经营过程中,由于不确定性因素使借款人不能按合同规定偿还银行贷款本息,导致信贷资产预期收入遭受损失的可能性。银行信贷风险管理是指银行通过对信贷风险的识别,选择相应的手段,以最小的支出获取最大安全效果的过程。

贷款风险分类指银行综合所获得的各种信息,并运用最佳判断,根据贷款风险程度对贷款质量作出论证。对贷款风险分类的标准,目前国际上没有贷款分类标准,也没有权威的准则和指导方针。中国人民银行在比较研究各国在信贷资产分类方面做法的基础上,要求商业银行按风险程度将贷款划分为五类,即正常、关注、次级、可疑、损失。(1)正常贷款:借款人能够履行合同,没有足够理由怀疑贷款本息不能按时足额偿还;(2)关注贷款:尽管借款人目前有能力偿还贷款本息,但存在一些可能对偿还产生不利影响的因素。虽然借款人目前偿还贷款本息没有问题,但是存在潜在的缺陷,继续存在下去将会影响贷款的偿还;(3)次级贷款:借款人的还款能力出现明显问题,完全依靠其正常经营收人无法保证足额偿还贷款本息,即使执行担保,也可能会造成一定损失;(4)可疑贷款:借款人无法足额偿还贷款本息,即使执行担保,也肯定要造成较大损失。贷款已经肯定要发生损失,只是因为存在借款人重组、兼并、合并、抵押物处理或未决诉讼等待定因素,损失金额不能确定。(5)损失贷款:在采取所有可能的措施或一切必要的法律程序之后,贷款本息仍然无法收回,或只能收回极少部分。

二、银行项目贷款风险评价指标评价体系

文献[6]从银行(债权人)角度出发,将贷款的风险主要分为三类:财务风险、经营风险和道德风险。本文依据评价的科学性、可比性、综合性和层次性的原则,基于中国现有的银行项目贷款风险等级的评价指标,力求全面系统地反映真实的风险内涵。本文基于层次分析法的思想,首先确定目标层,即银行项目贷款风险等级评价体系。然后确定准则层,项目管理者素质、项目概况、项目财务评价、项目获利能力、社会效益、银行自身素质6个指标。具体方案层指标(见下页图1)。

三、银行贷款风险评价模型构建

(一)主成分分析法介绍

主成分分析(principle component analysis)是将多个指标转化为一个或少数几个互不相关的综合指标一种多元统计分析方法,它的核心思想是降维,通过把具有相关关系的多个因子转化为一组相互独立的少数几个综合因子,把各原始指标因子中重叠的信息去掉,在不改变原始数据所提供的信息的基础上更集中、更典型地显示出研究对象的本质特征。由于传统的主成分分析法没有考虑原始变量之间可能存在着一种非线性关系,所以在本文引入了对数化法对指标进行无量纲化,即对原始数据矩阵进行对数化处理。主成分分析的步骤如下:

1.原始数据矩阵的构建

设有n个被评价对象,每个对象由p个指标x1,x2,…,xP来描述。则得到原始数据矩阵:

2.将原始数据标准化

引入了对数化法对指标进行无量纲化。即对原始数据矩阵进行对数化处理:

为了使各种评价指标具有可比性,采用如下公式(标准差标准化方法),对原始数据进行标准化处理。

其中,yj和sj2分别是第j个指标的样本均值和样本方差,且

采用极值标准化公式把标准化数据压缩到[0,1]区间,,其中,xj*max和xj*min分别是标准化数据中的最大和最小值。

3.计算相关关系矩阵

由上一步得标准化数据矩阵X′=(x′ij),计算原始指标的

与xj指标因子的相关系数,且

4.求解相关矩阵的特征根和特征向量

相关矩阵R作正交变换得对角矩阵,即存在正交矩阵Q,使得

其中,λ1,λ2,…,λP为R的p个特征根,设λ1≥λ2≥…≥λP对应的特征向量为aj=(a1j,a2j,…,apj)j=1,2,…,p

特征向量aj是主成分Yj的原始指标(标准化)的组合系数,即

5.计算方差贡献率和累计方差贡献率

第j个主成分Yj的贡献率为:

累计方差贡献率是表示前个主成分所提取的原始数据信息量的比重,

6.提取主成分

在已确定的全部p个主成分中合理选择前r个来实现最终的评价分析。实际应用中,确定r的值通常要使G(r)达到70%~85%以上为原则。

(二)模糊综合评价

1.评价因子和模型库的确定

银行贷款风险等级的标准模型库定义为U={A1,A2,A3,A4,A5},风险评价指标集为X={x1,x2,…,xn}。各评价因子的标准值(见表1)。

2.隶属度计算

根据实际情况,隶属函数按照指派方法确定,选择梯形分布。A1、A2~A4、A5的隶属函数分别为:

3.根据隶属函数得出模糊评价矩阵B

4.计算各指标的权重V={v1,v2,…,vn}

5.综合评价

进行模糊矩阵合成运算,项目贷款的风险评价。由公式C=V·B计算出总体评价隶属度。根据最大隶属度原则可判断风险等级。

(三)实证分析

本文以石家庄市某银行项目贷款作为样本,该项目为房地产开发建设,投资额巨大。风险也极高,因此,必然要对该建设项目进行科学的风险评估。

首先对指标进行主成分分析,对通过计算样品的相关系数矩阵出发进行主成分分析,按照提取主成分的个数一般要求其累计方差贡献超过80%的原则,提取前4个主成分(见表2)。

用主成分载荷矩阵中的数据除以主成分相对应的特征值开平方根便得到主成分中每个指标所对应的系数,具体数值(见表3),由于篇幅有限,只写出了第一个主成分的表达式。

Y1=0.0807X1-0.3907X2+0.1391X3+0.2301X4-0.0673X5+0.0152X6-0.0191X7+0.2357X8+0.4632X9+0.5794X10+0.2720X11+0.3208X12+0.5058X13+0.2198X14+0.1449X15+0.2510X16+0.1950X17-0.0426X18-0.0002X19+0.0686X20-0.2084X21-0.1163X22+0.010X23

在第一在主成分中,累计债务覆盖率、项目债务偿还率、总债务比率等指标,其权重均在0.4以上,可视为债务因素;在第二主成分中,内部收益率、现金流量的充足情况、利润总额、净资产收益率、销售利润率等指标,其权重均在0.4以上,可视为收益因素;在第三主成分中,学历、信誉、管理能力、销售能力、银行信贷文化等指标所占比重较大,各指标权重均在0.4以上,可视为能力因素;在第四主成分中,项目的建设条件、先进适用性、市场的前景、公共关系评价、增加就业情况、对环境的影响等指标权重较大,可视为外部因素。

运用上述模型进行模糊综合评价,根据各主成分的总贡献率,可以确定4个主成分的权重。V={0.329,0.280,0.228,0.150},采用专家评分法确定指标值,计算4个主成分的得分,并代替原始样本数据用于模糊评价,因子得分值(见表3)。

根据上述模型中的隶属函数得出模糊评价矩阵B。

根据最大隶属度原则,该大型水利水电项目贷款的风险等级为:关注贷款,与实际状况基本一致。从各主成分得分可以看出,该项目的外部风险较大,因此,建议银行规范贷款行为,正确评价项目的市场前景,并积极关注产业项目的发展走势。

四、结论

1.本文使用主成分分析方法消除各指标间的相关影响,有助于对评价对象的正确认识,而且在合成时,可直接采用线性加权,非常方便。在本例中就是由23个指标合成为4个主成分,并根据主成分分析中的特征值来确定各指标的权重,直接应用于模糊评价模型。

2.本文运用的模糊综合评价方法是定性与定量相结合、专家经验与科学计算互为补充的系统分析方法。用该方法评定出的银行项目贷款风险,有利于银行作出客观科学的信贷决策。

3.本文基于主成分分析法和模糊综合评价法对商业银行进行风险评价,实证显示该方法与实际状况基本一致,由于目前国际上没有贷款分类标准和评分标准,因此,无法获取更充分的数据。希望本文提出的模型能够对商业银行进行风险评价、降低贷款风险提供帮助。

参考文献

[1]中国银行业监督管理委员会.2007年商业银行不良贷款情况表[EB/OL].http://www.cbrc.gov.cn/.

[2]姜灵敏.基于AHP的商业银行贷款风险分类评价模型[J].科技管理研究,2005,(9):178-181.

[3]刘晓星,何建敏.银行项目贷款风险等级的模糊综合评价[J].研究管理,2003,(6):49-54.

[4]蔡明瑞,黄志强.模糊综合评价法在银行贷款风险分类中的应用[J].合作经济与科技,2004,(12):23-24.