時間：2023-05-31 15:07:51
序論：在您撰寫項目風險評估時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
通過對大量電網工程分析發現，電網規劃項目風險的主要特征表現在4個方面。首先，電網規劃項目風險具有結構性，這主要是由電網規劃項目自身的結構性以及工程施工過程中的時間次第性所決定的；第二，電網規劃項目風險具有整體性與疊加性，這是因為項目所涉及的風險是多種多樣的，而每一個單獨的風險類型均會最終對項目整體產生一定程度的影響，項目整體效果是不同種影響因素彼此疊加的結果；第三，電網規劃項目風險具有相關性，不同類型風險之間既可能相互影響，也可能互為因果，在不同程度上彼此相關；第四，電網規劃項目風險有多種來源，一方面，可能是受自然因素影響而發生的，例如地震、臺風等，此外，還有可能是受人為因素影響，因此風險又具有多樣性的特征。
二、電網規劃項目風險評估指標體系構建
2.1指標體系構建原則
在電網規劃項目風險評估指標體系的構建過程中，必須要遵守一定的相關原則，只有這樣方能確保所建立指標體系的科學性、普適性。目前，指標體系構建過程主要需遵循下述5個原則，依次為:（1）系統性原則，即各類指標彼此協調，共同反映項目整體；（2）定量指標與定性指標相結合原則；（3）彼此獨立，有機結合的原則；（4）可比性原則；（5）可行性原則以及精確性原則。各類原則在電網規劃項目風險評估指標體系構建的過程中均發揮著十分重要分作用，彼此之間既各自獨立又相互影響。
2.2電網規劃項目風險評估中的財務性指標
財務性指標通常針對電網規劃項目風險中的資金相關特性進行分析，例如分析項目的盈利能力，即確定一個項目最終賺取利益的能力，這將涉及的相關企業的產品營銷、資金獲取、成本壓縮等多個方面。在分析過程中，不但要就項目目前的運行情況進行研究，還應采集項目前期的相關數據，從而實現對于未來財務相關因素的合理預測。通過財務性指標的分析，能夠有效確定相關電網項目是否符合財務預期，獲利情況是否可觀，因此，這也是項目可行性分析中一個必不可少的環節。
2.3電網規劃項目風險評估中的技術性指標
該項指標內容涉及到電網結構的分析、系統運行過程中運行效果的分析以及新增投資所獲效益的相關分析，主要涉及電網項目中技術相關因素的評價及預測。以系統運行過程中運行能效分析為例，主要涉及到“用戶供電可靠率”以及“線損率”兩類主要指標，通過對這兩個指標的分析，能夠對電網項目的運行情況進行考察，作為對于電網項目是否按照一定要求有效運行的重要參考指標。
2.4電網規劃項目風險評估中的可靠性指標
電網規劃項目風險評估中的可靠性指標指的是項目中的量化指標，主要涉及到電網性能的分析以及持續性建設的相關分析兩個方面。首先，電網性能分析過程中，需要注意所涉及電廠的電廠容量以及其輸配擴容規劃，電網調度過程是否具有可靠性，項目輔助服務能否切實有效的滿足項目的實際需求，繼電保護是否安全、性能良好。其次，在持續性建設的分析方面，應關注項目電力規劃各個環節是否配套開展以及項目從長遠角度分析分析是否能夠符合市場的整體需求。
三、基于粗糙集理論的屬性約簡評估模型
基于粗糙集理論的評估模型是源自于數學分析的一類十分常用的分析方法，通過建立此類模型，可以使得風險評估過程中有效剔除無關因素的影響，從而針對某幾類相關要素作出分析，從而得出各因素彼此間的相關關系。如前文所述，電網規劃項目所涉及的風險類型是多種多樣的，不同風險因素之間存在著相關性。然而，這并非意味著各因素之間的彼此影響是相等的。因此，在分析過程中，需要優先選擇出關聯性最強的因素方能保證風險評估過程的高效開展。這一過程便需要基于粗糙集理論的屬性約簡評估模型的運用，即在保證現有各類要素數據集性能不變的情況下，科學地對部分因素進行選擇性刪除。通過大量實踐證明，這是一種行之有效的評估方法。
四、支持向量機回歸評估模型
上世紀90年代初，數學家提出了支持向量機方法，該方法特別針對小樣本、非線性以及局部極小點此類的問題進行研究并提出相應的解決辦法，目前已在多種參數的預測方面取得了較為理想的成果；此外，該方法還能夠將復雜的問題轉化為二次規劃類型的問題并進行求解，從而在較大程度上簡化了評估流程，同時提升了評估結果的可靠性，因而在包括電網規劃項目風險評估等在內的諸多領域中均得到了頗為廣泛的應用。通過支持向量機回歸評估模型的分析，可以得到不同類型參數之間的相關關系，從而對系統整體所具有的規律進行歸納。在電網規劃項目的風險評估中，通過回歸模型的建立可以確定不同類型因素（自然因素、人為因素等）相互之間的影響程度，以及在不同項目條件下，特定的電網規劃項目整體所具有的特征，從而對于潛在風險起到評估、預測的作用。
五、結語
[關鍵詞]軟件項目風險管理神經網絡粗集
本篇論文的中心是基于粗集的人工神經網絡(ANN)技術的高風險識別，這樣在制定開發計劃中，最大的減少風險發生的概率，形成對高風險的管理。
一、模型結構的建立
本文基于粗集的BP神經網絡的風險分析模型,對項目的風險進行評估,為項目進行中的風險管理提供決策支持。在這個模型中主要是粗糙集預處理神經網絡系統，即用RS理論對ANN輸入端的樣本約簡，尋找屬性間關系，約簡掉與決策無關的屬性。簡化輸入信息的表達空間維數，簡化ANN結構。本論文在此理論基礎上，建立一種風險評估的模型結構。這個模型由三部分組成即：風險辨識單元庫、神經網絡單元、風險預警單元。
1.風險辨識單元庫。由三個部分功能組成：歷史數據的輸入，屬性約簡和初始化數據.這里用戶需提供歷史的項目風險系數。所謂項目風險系數,是在項目評價中根據各種客觀定量指標加權推算出的一種評價項目風險程度的客觀指標。計算的方法:根據項目完成時間、項目費用和效益投入比三個客觀指標,結合項目對各種資源的要求,確定三個指標的權值。項目風險系數可以表述成:r=f(w1,w2,w3,T,T/T0,S/S0,U/U0),R<1；式中:r為風險系數;T、T0分別為實際時間和計劃時間;S、S0分別為實際費用和計劃費用;U、U0分別為實際效能和預計效能;w1、w2、w3分別是時間、費用和效能的加權系數,而且應滿足w1+w2+w3=1的條件。
2.神經網絡單元。完成風險辨識單元的輸入后,神經網絡單元需要先載入經初始化的核心風險因素的歷史數據,進行網絡中權值的訓練,可以得到輸入層與隱含層、隱含層與輸出層之間的權值和閥值。
(1)選取核心特征數據作為輸入，模式對xp=[xp1,xp2,.,xpn]T,dp(網絡期望輸出)提供給網絡。用輸入模式xp,連接權系數wij及閾值hj計算各隱含單元的輸出。
m
Ypj=1/{1+exp[-(∑wijxpi-hj)]},i=1,2,.,m;j=1,2,Λ,n,
i=1
(2)用隱含層輸出ypj,連接權系數wij及閾值h計算輸出單元的輸出
m
Yp=1/{1+exp[-(∑wjxpi-hj)]},i=1,2,.,m;j=1,2,Λ,n,
i=1
Yp=[y1,y2,……,yn]T
(3)比較已知輸出與計算輸出,計算下一次的隱含各層和輸出層之間新的連接權值及輸出神經元閾值。
wj(k+1)=wj(k)+η(k)σpσpj+α[wj(k)-wj(k-1)]
h(k+1)=h(k)+η(k)σp+α[h(k)-h(k-1)]
η(k)=η0(1-t/(T+M))
η0是初始步長;t是學習次數;T是總的迭代次數;M是一個正數,α∈(0,1)是動量系數。σp是一個與偏差有關的值,對輸出結點來說；σp=yp(1-yp)(dp-yp)；對隱結點來說,因其輸出無法比較,所以經過反向推算；σpj=ypj(1-ypj)(ypwj)
(4)用σpj、xpj、wij和h計算下一次的輸入層和隱含層之間新的連接權值及隱含神經元閾值。wij(k+1)=wij(k)+η(t)σpjxpi+α[wij(k)-wij(k-1)]
3.風險預警單元
根據風險評價系數的取值,可以將項目的風險狀況分為若干個區間。本文提出的劃分方法是按照5個區間來劃分的:
r<0.2項目的風險很低,損失發生的概率或者額度很小;
0.2≤r<0.4項目的風險較低,但仍存在一定風險;
0.4≤r<0.6項目的風險處于中等水平,有出現重大損失的可能;
0.6≤r<0.8項目的風險較大,必須加強風險管理,采取避險措施;
0.8≤r<1項目的風險極大,重大損失出現的概率很高,建議重新考慮對于項目的投資決策。
總之，有許多因素影響著項目風險的各個對象，我們使用了用戶評級的方式，從風險評估單元中獲得評價系數五個等級。給出各風險指標的評價系數，衡量相關風險的大小。系數越低，項目風險越低；反之，系數越高，項目風險越高。
二、實證：以軟件開發風險因素為主要依據
這里我們從影響項目風險諸多因素中，經項目風險系數計算，作出決策表，利用粗集約簡，抽取出最核心的特征屬性(中間大量復雜的計算過程省略)。總共抽取出六個主要的指標(PersonnelManagement/Training，Schedule，ProductControl，Safety，ProjectOrganization，Communication)確定了6個輸入神經元，根據需求網絡隱含層神經元選為13個，一個取值在0到1的輸出三層神經元的BP網絡結構。將前十個季度的指標數據作為訓練樣本數據，對這些訓練樣本進行數值化和歸一化處理，給定學習率η=0.0001，動量因子α=0.01，非線性函數參數β=1.05，誤差閉值ε=0.01，經過多次迭代學習后訓練次數N＝1800網絡趨于收斂，以確定神經網絡的權值。最后將后二個季度的指標數據作為測試數據，輸入到訓練好的神經網絡中，利用神經網絡系統進行識別和分類，以判斷軟件是否會發生危機。實驗結果表明，使用神經網絡方法進行風險預警工作是有效的，運用神經網絡方法對后二個季度的指標數據進行處理和計算，最后神經網絡的實際輸出值為r=0.57和r=0.77，該軟件開發風險處于中等和較大狀態，與用專家效績評價方法評價出的結果基本吻合。
參考文獻：
[1]王國胤“Rough:集理論與知識獲取”[M].西安交通大學出版社，2001
在軟件項目特別是信息系統構建項目投資過程中的風險因素眾多，其后果嚴重程度各異，要把每個風險因素都加以考慮會導致問題的復雜化，是不現實的。本文以某高校人力資源管理信息系統的構建過程中所提出的指標體系，建立了該項目風險遞階層次結構圖。
1.1基于層次分析法的一致性效驗結果根據圖1對各風險子因素進行判斷，從而得到單因素評判矩陣。咨詢相關專家，對專家們的評判結果進行分析，合理取舍，得到風險子因素的評判矩陣。最終將評語集確定為：A={低風險，中等風險，高風險}。對于風險子因素的權重矩陣，則采用層次分析法，邀請十位技術專家進行調查研究和相關分析，采用不同因素兩兩比較的方法，構造不同層次的判斷矩陣，并進行歸一化處理和一致性檢驗。根據選定專家事先估計出項目實施人員對各個因素的側重程度，進行一級風險因素的權重分配，加權后建立權重集，現以一級風險“技術性風險”中各組成因素的權數確定為實際評判對象，其一致性效驗結果如表2。由以上一致性效驗結果可得到一個模糊集：P2=（0.5015，0.4985）同樣也可以估計出各專家對人員風險、經濟風險、環境風險、管理風險中各因素側重程度而加權組成因素的權重集如下：P1=（0.4238，0.5762），P3=（0.3824，0.2527，0.3649），P4=（0.4237，0.5673），P5=（0.3792，0.2284，0.3924）
1.2模糊綜合風險評估分析在這個過程中，要使用專家調查法，具體操作如下，選取10名專家，讓這10名專家根據各自的相關經驗，給出每一個風險指標對各類風險的隸屬度，然后對其進行歸一化，最后得出一級評判矩陣，本文通過下面的“技術性風險”中的各風險因素的一級評判矩陣，對該種方法進行說明。該一級評判矩陣如表3所示。由此相應的可得出人員風險、經濟風險、管理風險中各因素的一級評判矩陣。
1.2.1一級模糊綜合評價用加權平均模型模糊評價理論，計算項目風險評估中一級模糊評價指標的模糊值BK1=PK*RK，其中BK1代表一級模糊綜合評價指標值，P代表權系數，R為一級評判矩陣，仍以“技術性風險”為例來計算一級評判矩陣，將上述過程中的P2與R2代入公式。
1.2.2二級模糊綜合評價由人員風險、技術性風險、經濟風險、環境風險、管理風險共同組成的項目總體風險權重矩陣。從向量矩陣B的結果可以看出，三個數中0．3841最大，其隸屬于風險等級為低風險，說明該校人力資源管理信息系統的構建過程和投資風險很小，是切實可行的。
2結論與展望
2.1結論①運用模糊綜合評判法對某高校的人力資源管理信息系統的設計與實現項目進行綜合評估，得到了該項目在未來發生較低風險的可能性最大，也就是項目的生命周期是很穩定的。項目的發展也是隨著項目的目標而進行的，由此可以看到，該項目的研究和系統的構建都對某高校的人力資源現代化管理和信息化建設起到一定作用。②在實際應用模糊綜合評價法建立相關軟件項目的風險評價模型時，最關鍵的步驟是把項目中包含的方向不明、影響大小不易確定影響因素轉化成可以進行相關數學處理的模糊變量，然后在通過使用相關的模糊評價模型，對上述得出的模糊變量進行統計分析，最后得到可以定量的數據結果。從實際經驗來看，這種評價的數據結果和一般的常規分析結果基本保持一致，這種量化的風險分析結果，使得項目負責人可以隨時根據項目風險的量化指標，合理安排項目的風險防范措施，這種使用量化數據的風險分析指標，對于動態監控風險有著良好的作用。③從本文的應用實例可以看出，層次分析法適用于風險管理比較簡單方便，通過一致性效驗結果進行數學建模的方式能夠更好的反應風險的層級關系和權重指標。
[關鍵詞]軟件項目風險管理神經網絡粗集
本篇論文的中心是基于粗集的人工神經網絡(ANN)技術的高風險識別，這樣在制定開發計劃中，最大的減少風險發生的概率，形成對高風險的管理。
一、模型結構的建立
本文基于粗集的BP神經網絡的風險分析模型,對項目的風險進行評估,為項目進行中的風險管理提供決策支持。在這個模型中主要是粗糙集預處理神經網絡系統，即用RS理論對ANN輸入端的樣本約簡，尋找屬性間關系，約簡掉與決策無關的屬性。簡化輸入信息的表達空間維數，簡化ANN結構。本論文在此理論基礎上，建立一種風險評估的模型結構。這個模型由三部分組成即：風險辨識單元庫、神經網絡單元、風險預警單元。
1.風險辨識單元庫。由三個部分功能組成：歷史數據的輸入，屬性約簡和初始化數據.這里用戶需提供歷史的項目風險系數。所謂項目風險系數,是在項目評價中根據各種客觀定量指標加權推算出的一種評價項目風險程度的客觀指標。計算的方法:根據項目完成時間、項目費用和效益投入比三個客觀指標,結合項目對各種資源的要求,確定三個指標的權值。項目風險系數可以表述成:r=f(w1,w2,w3,T,T/T0,S/S0,U/U0),R<1；式中:r為風險系數;T、T0分別為實際時間和計劃時間;S、S0分別為實際費用和計劃費用;U、U0分別為實際效能和預計效能;w1、w2、w3分別是時間、費用和效能的加權系數,而且應滿足w1+w2+w3=1的條件。
2.神經網絡單元。完成風險辨識單元的輸入后,神經網絡單元需要先載入經初始化的核心風險因素的歷史數據,進行網絡中權值的訓練,可以得到輸入層與隱含層、隱含層與輸出層之間的權值和閥值。
(1)選取核心特征數據作為輸入，模式對xp=[xp1,xp2,.,xpn]T,dp(網絡期望輸出)提供給網絡。用輸入模式xp,連接權系數wij及閾值hj計算各隱含單元的輸出。
m
Ypj=1/{1+exp[-(∑wijxpi-hj)]},i=1,2,.,m;j=1,2,Λ,n,
i=1
(2)用隱含層輸出ypj,連接權系數wij及閾值h計算輸出單元的輸出
m
Yp=1/{1+exp[-(∑wjxpi-hj)]},i=1,2,.,m;j=1,2,Λ,n,
i=1
Yp=[y1,y2,……,yn]T
(3)比較已知輸出與計算輸出,計算下一次的隱含各層和輸出層之間新的連接權值及輸出神經元閾值。
wj(k+1)=wj(k)+η(k)σpσpj+α[wj(k)-wj(k-1)]
h(k+1)=h(k)+η(k)σp+α[h(k)-h(k-1)]
η(k)=η0(1-t/(T+M))
η0是初始步長;t是學習次數;T是總的迭代次數;M是一個正數,α∈(0,1)是動量系數。σp是一個與偏差有關的值,對輸出結點來說；σp=yp(1-yp)(dp-yp)；對隱結點來說,因其輸出無法比較,所以經過反向推算；σpj=ypj(1-ypj)(ypwj)(4)用σpj、xpj、wij和h計算下一次的輸入層和隱含層之間新的連接權值及隱含神經元閾值。wij(k+1)=wij(k)+η(t)σpjxpi+α[wij(k)-wij(k-1)]
3.風險預警單元
根據風險評價系數的取值,可以將項目的風險狀況分為若干個區間。本文提出的劃分方法是按照5個區間來劃分的:
r<0.2項目的風險很低,損失發生的概率或者額度很小;
0.2≤r<0.4項目的風險較低,但仍存在一定風險;
0.4≤r<0.6項目的風險處于中等水平,有出現重大損失的可能;
0.6≤r<0.8項目的風險較大,必須加強風險管理,采取避險措施;
0.8≤r<1項目的風險極大,重大損失出現的概率很高,建議重新考慮對于項目的投資決策。
總之，有許多因素影響著項目風險的各個對象，我們使用了用戶評級的方式，從風險評估單元中獲得評價系數五個等級。給出各風險指標的評價系數，衡量相關風險的大小。系數越低，項目風險越低；反之，系數越高，項目風險越高。
二、實證：以軟件開發風險因素為主要依據
這里我們從影響項目風險諸多因素中，經項目風險系數計算，作出決策表，利用粗集約簡，抽取出最核心的特征屬性(中間大量復雜的計算過程省略)。總共抽取出六個主要的指標(PersonnelManagement/Training，Schedule，ProductControl，Safety，ProjectOrganization，Communication)確定了6個輸入神經元，根據需求網絡隱含層神經元選為13個，一個取值在0到1的輸出三層神經元的BP網絡結構。將前十個季度的指標數據作為訓練樣本數據，對這些訓練樣本進行數值化和歸一化處理，給定學習率η=0.0001，動量因子α=0.01，非線性函數參數β=1.05，誤差閉值ε=0.01，經過多次迭代學習后訓練次數N＝1800網絡趨于收斂，以確定神經網絡的權值。最后將后二個季度的指標數據作為測試數據，輸入到訓練好的神經網絡中，利用神經網絡系統進行識別和分類，以判斷軟件是否會發生危機。實驗結果表明，使用神經網絡方法進行風險預警工作是有效的，運用神經網絡方法對后二個季度的指標數據進行處理和計算，最后神經網絡的實際輸出值為r=0.57和r=0.77，該軟件開發風險處于中等和較大狀態，與用專家效績評價方法評價出的結果基本吻合。
參考文獻：
[1]王國胤“Rough:集理論與知識獲取”[M].西安交通大學出版社，2001
隨著全球社會經濟的發展，工程項目變得越來越復雜，工程量增大，技術要求越來越高，市場競爭越來越激烈等都給工程項目的實施帶來很大的風險。風險管理自從產生之后就在不斷的發展，由于科學技術的不斷發展以及各個國家風險管理機構的推動，使得風險管理的理論越來越規范，新的風險管理方法不斷產生。然而隨著社會經濟的不斷發展工程項目呈現出涉及范圍廣、技術要求高、影響因素多、投資資金大等特點，給工程項目造成了很大的風險，因此研究工程項目風險識別及對策研究具有重要的應用意義。
1風險評估
風險評估是指在風險識別與估計的前提下，運用相關數學理論并結合風險評估理論構建工程項目風險評估模型，根據模型預估工程項目發生風險的概率及對應的后果，進而發現該工程項目的關鍵風險并確定整個項目的風險水平，從而為風險的處置提供科學參考依據以保障項目順利施工。具體工程項目風險評價主要包括如下內容:1)確定風險評價基準。確定工程項目風險基準需要結合項目的實際情況，根據項目主體的項目目標，按照每一類風險的后果確定其相應的可接受水平，不僅要確定單項風險基準，還需要根據總體目標來確定整體風險基準。一般風險在開始階段可接受水平相對較高，但隨著項目的實施，不確定性逐漸減少，可接受水平會逐漸降低，因此，項目風險評價基準應隨時間的推移而不斷進行調整。2)分析全部單項風險，并計算總體風險水平。項目總體風險水平的確定是在確定各單項風險之后，根據各單項風險之間的相互作用及其轉化關系，對風險的可預見性、風險所對應的各種后果與發生的概率進行合理的估計，因此，評價工程項目整體風險非常復雜。一般而言，工程項目風險后果的嚴重性及其對應發生的概率符合“二八原理”，即20%的風險對工程項目構成了80%的嚴重威脅。也就是說，可能導致嚴重后果的風險出現的概率低，而導致不嚴重后果的風險出現的概率高。同時，確定整體項目風險還需考慮多個導致不嚴重后果的風險耦合時，可能會造成相當嚴重的后果，這在確定整體項目風險水平時也需要認真考慮。3)與基準風險比較，對項目進行決策。若某單項風險大于相應的評價基準時，則可進行成本效益分析來尋找其他風險較小的方案進行替代;若項目整體風險比整體評價基準稍大時，則可考慮重新擬定新的項目總體方案。當項目總體風險不大于總體評價基準時，則表示項目風險可接受，工程項目可按計劃繼續進行，否則，考慮放棄項目。在實際的計算中，需要考慮到的因素種類很多，各因素之間還需要劃分成若干層次，并對各層次之間的因素劃分評價等級，之后求得各層矩陣，數學方法可采用模糊綜合評價的方法，其主要是在構建等級模糊子集對被評價的工程項目模糊指標進行量化(即確定隸屬度)基礎上，根據模糊變換原理來綜合各指標形成最終整體評價結果。評判順序為:首先對最低層次的指標采用模糊綜合評價的方法進行評價，然后根據評價結果構建上一層次的模糊矩陣并采用模糊綜合評價法進行評價。根據此方法由底而上逐層進行模糊綜合評價，進而得到系統總體的綜合風險評價結果。
2風險對策
風險的識別與評估的最終目的是對工程項目提供科學的決策依據及對策，因此，相關的工程項目風險管理人員在風險識別與評估之后制定相應的風險應對計劃與措施。具體風險應對計劃如圖1所示。制定風險的應對措施的主要目的是減少項目風險可能造成的危害，從而提高對工程項目風險的控制，減少損失。一般情況下，項目風險應對措施包括三種方法，即風險分散與轉移、風險損失控制、風險自留與風險回避。1)風險的分散與轉移對策。此方法是工程項目風險管理中最為常見的方法，采用這種方法應注意三個原則:a．要能夠降低工程造價和有利于合同的履行。b．誰能夠防止風險或控制風險或減少風險造成的損失，就由誰承擔該風險。c．要有利于調動承擔方的積極性。2)風險損失控制。根據工程項目預估的風險，需要制定應對措施來降低風險發生的概率及其可能造成的嚴重后果，主要包括預防損失和減少損失兩個方面。a．預防損失，例如合理的管理及制定安全計劃等，主要目的在于減少甚至消除損失發生的概率。b．減少損失，包括損失最小化方案和損失挽救方案，例如制定災難計劃、應急計劃等，其主要目的在于減少風險發生時所造成后果的嚴重性。風險損失控制方案也可以是預防損失與減少損失的組合方案。3)風險自留對策與風險回避。風險自留也稱風險承擔，企業以其內部資源來承擔項目風險所造成的損失。風險回避是一種以消極的放棄和中止的方式來避免可能產生的潛在風險，它與損失控制一樣，均是以控制項目風險本身為對象，但損失控制是主動、積極的風險對策。在采用風險回避對策時要注意有些風險回避可能是不實際甚至不可能回避的，若項目風險越復雜，采取回避對策就越不可能;風險回避同時也可能意味著獲得收益的可能性;回避一種風險的同時可能會產生另外一種新的風險。
3結語
風險評估是指在風險識別與估計的前提下，運用相關數學理論并結合風險評估理論構建工程項目風險評估模型，根據模型預估工程項目發生風險的概率及對應的后果，進而發現該工程項目的關鍵風險并確定整個項目的風險水平，從而為風險的處置提供科學參考依據以保障項目順利施工。具體工程項目風險評價主要包括如下內容:1)確定風險評價基準。確定工程項目風險基準需要結合項目的實際情況，根據項目主體的項目目標，按照每一類風險的后果確定其相應的可接受水平，不僅要確定單項風險基準，還需要根據總體目標來確定整體風險基準。一般風險在開始階段可接受水平相對較高，但隨著項目的實施，不確定性逐漸減少，可接受水平會逐漸降低，因此，項目風險評價基準應隨時間的推移而不斷進行調整。2)分析全部單項風險，并計算總體風險水平。項目總體風險水平的確定是在確定各單項風險之后，根據各單項風險之間的相互作用及其轉化關系，對風險的可預見性、風險所對應的各種后果與發生的概率進行合理的估計，因此，評價工程項目整體風險非常復雜。一般而言，工程項目風險后果的嚴重性及其對應發生的概率符合“二八原理”，即20%的風險對工程項目構成了80%的嚴重威脅。也就是說，可能導致嚴重后果的風險出現的概率低，而導致不嚴重后果的風險出現的概率高。同時，確定整體項目風險還需考慮多個導致不嚴重后果的風險耦合時，可能會造成相當嚴重的后果，這在確定整體項目風險水平時也需要認真考慮。3)與基準風險比較，對項目進行決策。若某單項風險大于相應的評價基準時，則可進行成本效益分析來尋找其他風險較小的方案進行替代;若項目整體風險比整體評價基準稍大時，則可考慮重新擬定新的項目總體方案。當項目總體風險不大于總體評價基準時，則表示項目風險可接受，工程項目可按計劃繼續進行，否則，考慮放棄項目。在實際的計算中，需要考慮到的因素種類很多，各因素之間還需要劃分成若干層次，并對各層次之間的因素劃分評價等級，之后求得各層矩陣，數學方法可采用模糊綜合評價的方法，其主要是在構建等級模糊子集對被評價的工程項目模糊指標進行量化(即確定隸屬度)基礎上，根據模糊變換原理來綜合各指標形成最終整體評價結果。評判順序為:首先對最低層次的指標采用模糊綜合評價的方法進行評價，然后根據評價結果構建上一層次的模糊矩陣并采用模糊綜合評價法進行評價。根據此方法由底而上逐層進行模糊綜合評價，進而得到系統總體的綜合風險評價結果。
2風險對策
風險的識別與評估的最終目的是對工程項目提供科學的決策依據及對策，因此，相關的工程項目風險管理人員在風險識別與評估之后制定相應的風險應對計劃與措施。具體風險應對計劃如圖1所示。制定風險的應對措施的主要目的是減少項目風險可能造成的危害，從而提高對工程項目風險的控制，減少損失。一般情況下，項目風險應對措施包括三種方法，即風險分散與轉移、風險損失控制、風險自留與風險回避。1)風險的分散與轉移對策。此方法是工程項目風險管理中最為常見的方法，采用這種方法應注意三個原則:a．要能夠降低工程造價和有利于合同的履行。b．誰能夠防止風險或控制風險或減少風險造成的損失，就由誰承擔該風險。c．要有利于調動承擔方的積極性。2)風險損失控制。根據工程項目預估的風險，需要制定應對措施來降低風險發生的概率及其可能造成的嚴重后果，主要包括預防損失和減少損失兩個方面。a．預防損失，例如合理的管理及制定安全計劃等，主要目的在于減少甚至消除損失發生的概率。b．減少損失，包括損失最小化方案和損失挽救方案，例如制定災難計劃、應急計劃等，其主要目的在于減少風險發生時所造成后果的嚴重性。風險損失控制方案也可以是預防損失與減少損失的組合方案。3)風險自留對策與風險回避。風險自留也稱風險承擔，企業以其內部資源來承擔項目風險所造成的損失。風險回避是一種以消極的放棄和中止的方式來避免可能產生的潛在風險，它與損失控制一樣，均是以控制項目風險本身為對象，但損失控制是主動、積極的風險對策。在采用風險回避對策時要注意有些風險回避可能是不實際甚至不可能回避的，若項目風險越復雜，采取回避對策就越不可能;風險回避同時也可能意味著獲得收益的可能性;回避一種風險的同時可能會產生另外一種新的風險。
3結語
關鍵詞：風險評估；蒙特卡洛模擬；灰色評價；人工神經網絡
中圖分類號：F27 文獻標識碼：A
風險評估就是在充分掌握資料的基礎之上，采用合適的方法對已識別風險進行系統分析和研究，評估風險發生的可能性（概率）、造成損失的范圍和嚴重程度（強度），為接下來選擇適當的風險處理方法提供依據。根據實際需要的不同可以對風險進行定性分析和定量分析。定性分析一般是根據風險度（重要程度）或風險大小（概率×強度）等指標對風險因素進行優先級排序，為進一步分析或處理風險提供參考，常用方法有專家打分法等。定量分析則是將體現風險特征的指標量化，加深對風險因素的認識，有助于風險管理者采取更具針對性的對策和措施，常用方法有敏感性分析、蒙特卡羅分析等。下面介紹常用的一些風險評估方法。
一、專家調查法
在風險識別的基礎之上，請專家對風險因素的發生概率和影響程度進行評價，再綜合整體風險水平進行評價。該方法簡單易行，可以在采用德爾菲法進行風險識別時同時進行，節約成本和時間，缺點是主觀性強，依賴于專家水平。
二、蒙特卡洛模擬法
蒙特卡洛模擬法又稱統計試驗法或隨機模擬法，其原理是將項目目標變量（風險評價指標）和各個風險變量綜合在一個數學模擬模型內，每個風險變量用一個概率分布來描述，然后利用計算機產生隨機數（或偽隨機數），并根據隨機數在各個風險變量的概率分布中取值，算出目標變量值，經過多次運算即可得出目標變量的期望值、方差、概率分布等指標，繪制累計概率圖，供決策者參考。
風險變量的確定，一般采用前述的風險識別方法，如果風險因素較多，可以先進行敏感性分析，選擇敏感的風險因素作為風險變量。風險變量的概率分布描述是進行模擬分析的基礎，常用的有正態分布、β分布、三角分布、梯形分布、階梯分布等，銷售量、售價、產品成本等變量多采用正態分布，工期、投資等變量多采用三角分布描述。對有歷史數據的風險變量可根據數據做統計分析，估計其概率分布，對沒有歷史數據的風險變量，可以采用專家調查法確定變量的概率分布。
該法由法國數學家John.ron.neuman創立，由于其依賴的概率統計理論與賭博原理類同，因此以歐洲著名賭城摩納哥首都Monte Carlo命名。該方法的優點是使用計算機模擬項目的自然過程，比歷史模擬方法成本低、效率高，結果相對精確；可以處理多個因素非線性、大幅波動的不確定性，并把這種不確定性的影響以概率分布形式表示出來，克服了敏感性分析的局限性。不足之處是依賴于特定的隨機過程和選擇的歷史數據，不能反映風險因素之間的相互關系，需要有可靠的模型，否則導致錯誤。
三、計劃評審技術（PERT）
該方法是用網絡圖來體現項目中各項活動的進度和相互之間的關系，確定關鍵路徑，計算總工期及概率，再綜合考慮資源因素，得到最佳的項目計劃方案。PERT主要用于對項目的進度管理，評價進度和費用方面的風險。它適用于評價缺乏歷史經驗資料的科研或產品研發項目風險以及與進度相關的項目風險。由于該方法的前提是假設項目每項活動的時間服從正態分布或β分布，總工期和關鍵路徑都具有隨機性，但是隨著關鍵路徑的確定，這一假設就失去意義，因此具有一定的缺陷。
四、敏感性分析法
敏感性分析法是指在假定其他風險因素不變的情況下，評估某一個（或幾個）特定的風險因素變化對項目目標變量的影響程度，確定它的變動幅度和臨界值，計算出敏感系數，據此對風險因素進行敏感性排序，供決策者參考。這種方法應用廣泛，常用于項目的可行性研究階段，有助于發現重要的風險因素，具體又可分為單因素敏感性分析和多因素敏感性分析。其缺點在于只能體現風險因素的強度而不能反映發生概率，也不能反映眾多風險因素同時變化時對項目的綜合影響。
五、決策樹法
決策樹法是指利用圖解的形式，將風險因素層層分解，繪制成樹狀圖，逐項計算其概率和期望值，進行風險評估和方案的比較和選擇。一棵簡單的決策樹包括決策節點、狀態節點和結果節點，決策節點與狀態節點之間為方案分支，狀態節點引出的分支為狀態分支，決策節點上標注最終方案的收益期望值，方案分支標注方案名稱，狀態節點標注某個行動方案收益期望值，狀態分支標注狀態名稱和概率，結果節點標注收益值。一般會求出目標變量在所有風險因素所有概率組合下的期望值，再畫出概率分布圖，因此計算量與風險因素和變化的數量成指數關系，并且需要有足夠的有效數據做支撐。這種方法層次清晰，不同節點面臨的風險及概率一目了然，不易遺漏，能夠適應多階段情形下的風險分析，但用于大型復雜項目時工作量較大，也不適合用于缺乏類似客觀數據的項目。
六、影響圖法
影響圖是指由風險結點集合和反映風險關系的有向弧集合構成的無環有向圖，它是在決策樹基礎之上發展起來的圖形描述工具，包含了對風險變量相關性的描述，既可以表示變量之間的概率依賴關系，又可用于計算，能夠有效地把決策問題轉化成模型，是決策問題定性描述和定量分析的有效工具。其優點是概率估計、備選方案、決策者偏好等資料完整；圖形直觀、概念明確；計算規模隨著風險因素個數呈線性增長。缺點是需要獲取大量的概率和效用值，對于復雜問題建模困難。
七、模糊綜合評價法
模糊理論是美國加州大學伯克力分校盧菲特?澤德教授于1965年首先提出的一種定量表達工具，用來表達某些無法明確定義的模糊性概念。事物的某些狀態或屬性如男或女，可以明確區分，但是如漂亮或不漂亮、高或矮之類帶有主觀意識的屬性，則很難以明確的標準加以區分，模糊理論接受自然界模糊性現象存在的事實，并將其量化，進行相關研究。
風險也具有模糊性，主要表現為風險的強度或大小很難進行明確的界定。模糊綜合評價法將項目風險大小用模糊子集進行表達，利用隸屬度及模糊推理的概念對風險因素進行排序，以改進的模糊綜合評價法為基礎，采用層次分析法（AHP）構建風險遞階層次結構，采用專家調查法確定各層次內的風險因素指標權重，逐級進行模糊運算，直至總目標層，最終獲得項目各個層級以及整體的風險評估結果。該方法將風險的定性和定量分析相結合，對于難以量化的風險因素如法律變動，也能進行有效分析，不依賴絕對指標，避免標準不合理導致的偏差。缺點是專家的主觀偏見和能力水平可能會影響結果，對隸屬度變化時評價結果改變的波動性利用不夠。
八、風險矩陣法
該方法又稱風險值法，1998年由Paul R等人提出。該方法將風險事件發生的概率和影響程度分級評分，然后分別作為矩陣的行和列形成風險矩陣，將風險概率和風險后果估計值（0～1）相乘得到風險值，進而按照風險事件在矩陣中的位置作出評估。該方法使用簡單快捷。缺點是計算風險概率往往需要歷史數據；由于風險的隨機性和影響的模糊性，易產生風險結。
九、人工神經網絡技術(ANN)
該方法是模仿生物大腦結構和功能而形成的一類信息處理系統，最先由美國生物學家Warren Mcculloch和數學家Walter Pitts于1943年提出，經過幾十年的發展已經成為多學科綜合的前沿學科。人工神經網絡的基本結構單元是神經元，它一般是多個輸入、一個輸出的非線性單元，按照一定的層次結構排列，每層神經元以加權方式與其他層次上的神經元連接構成神經網絡。根據連接方式的不同，目前已有30多種神經網絡結構，最常用的是誤差反向傳播的多層前饋式網絡，即BP網絡。人工神經網絡技術運作模式是建立神經元網絡連接，通過學習規則或自組織等過程建立相應的非線性數學模型，經過多次信息輸入和輸出比對，并不斷進行修正，使輸出結果與實際值之間差距不斷縮小。優點：具有自學習、自組織適應能力和強容錯性等特性；避免了大量的繁瑣計算，使評價工作更簡便易行；主要是通過對以往的樣本數據進行學習，獲取經驗，弱化了確定各因素權重時的人為因素。缺點：選擇網絡結構不當會影響評價結果；輸出結果不能體現單個風險因素的重要程度；泛化能力差，不適用于多目標的評價過程，項目具有獨特性、一次性的特點。
十、灰色評價方法
灰色系統理論是我國著名學者鄧聚龍于1982年提出的，他根據信息的清晰程度，將系統分為白色、黑色和灰色，白色系統信息完全可見，黑色系統信息未知，灰色系統介于兩者之間，分析過程中可充分利用已知信息將灰色系統的灰色性白化，分析方法有灰色聚類法、灰色關聯分析法等。灰色關聯分析是根據因素之間發展態勢的相似或者相異程度來衡量因素間關聯度的方法。灰色評價方法的優點：對樣本量要求不高，不要求樣本服從任何分布，可以有效地克服復雜系統的層次復雜性、結構關系的模糊性、動態變化的隨機性、指標數據的不完全性和不確定性，排除認為影響，數據不必進行歸一化處理，可靠性強。缺點：樣本數據具有時間序列特性，綜合評價結果具有“相對評價”的缺點，需要確定分辨率，其選擇標準尚無一個合理的標準。
對項目風險定性和定量分析，為選擇最佳風險處理手段提供了可靠的依據。上述風險評估方法有各自的特點和優勢，有的方法以全面、精確為特點，有的方法以簡單易用為優勢，一些方法可以同時處理風險識別和風險評估，各方法之間也有相互交叉、相互引用的情況，在實際應用中應當根據掌握資料程度、項目實際情況具體選擇。1992年英國里丁大學Simister教授對英國項目管理協會的37名會員進行風險評估技術應用方面的調查，結果顯示盡管有很多新的風險評估方法，但傳統的調查打分法、蒙特卡洛模擬和計劃評審法使用率達70%。據統計，由于資料稀缺和時間緊迫，75%的項目經理傾向于采用專家調查打分，將風險評估主觀量化。未來項目風險管理將更加注重一體化和動態持續性，風險的量化分析越來越受到重視，隨著傳統風險評估方法不斷改進，新方法的不斷完善，風險評估將會使項目管理更加科學有效。
（作者單位：重慶大學建設管理與房地產學院）
主要參考文獻
[1]廖詩娜.PPP項目定量風險評估方法比較[J].合作經濟與科技，2010.6.
[2]楊義燦.投資項目評價的理論、方法及應用研究[D].南京: 河海大學，2000.
[3]Paul R，Garvey PR，Lansdowne ZF. Risk matrix:an approach for identifying，assessing，and ranking program risks[J].Air Journal of Logistics，1998.25.
[4]易軍，許忠保，劉小鵬.人工神經網絡技術的工程應用及展望[J].湖北工業大學學報，2007.22.
