風險等級評價方法精品(七篇)

序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇風險等級評價方法范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

關鍵詞：EPC工程總承包；物元模型；可拓評價

Abstract: EPC general contract due to the project scope, involving more participants and long construction period, the risk is far greater than the general project contracting, the need for objective, accurate, reasonable on its risk. In this paper, through the establishment of EPC's risk evaluation index, using the extension analysis and correlation function to establish the extension matter-element model, the EPC assembly package project risk evaluation, risk evaluation results are objective and comprehensive, determine the risk level, to provide decision support.

Key words: EPC general contract project; matter element model; extension evaluation

中圖分類號： F721.6文獻標識碼： A 文章編號：

0引言

EPC承包是一家總承包商或承包商聯合體對整個工程的設計（Engineering）、材料采設備采購（Procurement）、工程施工（Construction）實行全面、全過程的“交鑰匙”承包。在這種承包模式下承包商通過業主對項目的功能描述進行設計，并按照合同約定承擔采購和施工，其對承包工程的質量、工期、造價全面負責[1]。EPC項目規模大、系統繁復、涉及專業技術面廣，參見單位多同時設計的利益相關者多且復雜，這都會影響EPC項目的實施，同時加大項目與預期結果的偏離程度[2]。

由于項目的設計、采購、施工全部由承包商完成，業主并不對項目直接負責，則項目實施過程的中的絕大多數風險由承包商承擔，與此同時在這種合同下業主過失風險往往也規定由承包商來承擔，例如業主并不承擔合同文件中存在錯誤、遺漏或者不一致的風險，而承包商要對合同文件的準確性和充分性負責，在EPC模式下一般采用總價合同， 合同價格并不因為不可預見的困難和費用而予以調整，這都增加了EPC承包商的風險[3].

因此，總承包商在投標之前必須對項目風險有一個客觀、全面的的評價，根據項目的不同建立完善的評價指標，運用合理的評價方法，對項目風險進行全面的識別和評價。以往承包商通常采用AHP、模糊分析法、主成分分析法等來評價項目風險[4,5,6]，但這些方法除了具有強烈主觀性外, 還割裂了各指標之間的相關性, 而事實上指標之間是相互關聯的，本文引入可拓理論，對項目風險進行定性定量分析，將定性的描述用以定量的方式進行表達，注重各指標之間的聯系，實現風險評價的客觀、準確性目的。

1 EPC總承包風險管理體系

1.1項目風險管理

項目風險管理是指項目管理班子通過對不同項目潛在風險的識別、評估，以此為基礎合理地綜合利用多種管理技術、方法和手段，對建設項目活動范圍內的風險實行有效的控制[7]。傳統的風險應對方式為風險回避、風險自留、風險轉移等事中、事后處理方式，一旦風險處理不好必會影響項目的進程?，F階段風險信息向前集成，以事前主動控制和事中過程控制為主，盡量為項目的實施創造有利條件，通過對風險事件的合理利用，擴大風險事件的有利結果，以最少的成本投入來實現項目既定的總目標。與此同時,2002 年 N Lucy 提出了項目集成風險管理理論（Integrated Risk Management，IRM），將風險管理應用到項目的全生命周期，對項目風險實行全面、系統的管理，通過對項目各階段各要素的綜合配置，達到項目控制風險的目的[8]。

項目風險評價是事前主動控制風險的的重要組成部分，其評價體系主要由評價指標和評價方法組成。在項目風險評價指標的建立過程中首先要分析項目風險的形成過程，項目風險主要是由風險因素經過一些列的變化產生的，其具體過程如圖1，以EPC項目風險演變為例。

圖1EPC項目 風險作用鏈條

1.2EPC總承包項目風險評價指標的建立

評價指標是建立EPC總承包風險評價的系統的基礎，其選取的準確性直接左右評價結果的可信程度。由于EPC工程項目十分復雜，涉及來自不同國家的組織和機構，涵蓋了多學科知識如土建、化工、水利、電力、管理科學、經濟學，因此其項目風險要從多方位、多角度進行識別[9]。

本文首先運用PEST分析方法進行風險分析，同時結合EPC承包的項目特點，決定將政治風險和社會風險并入客觀風險，同時將管理風列入其中。EPC項目業主對項目本身只有功能描述，承包商需要同業主進行大量的溝通來降低與業主之間的信息不對稱，因此溝通風險必須進行分析。本文經過對EPC總承包企業和相關專家學者的走訪調研，結合EPC項目的特點深入分析EPC項目的風險組成，設定風險指標對潛在風險進行全面識別，從項目的客觀風險、經濟風險、技術風險、管理風險入手進行分析，建立相應的評價指標體系。

基于此EPC總承包風險等級評價指標體系，如圖1所示：

圖2 EPC總承包風險等級評價指標體系

通過對EPC總承包風險因素的分析，識別出11個風險因素，對給出了影響風險因素的風險內容，為后面的專家打分指明方向。

EPC總承包風險評價的可拓物元模型

可拓理論由中國學者蔡文教授首次提出，可拓學用形式化的模型研究事物拓展的可能性和開拓創新的規律與方法，并用變換解決矛盾問題，它是一門橫跨哲學、數學與工程學的交叉學科[10]。很多學者對將可拓理論引入進行項目評價做了嘗試并取得滿意的成果。周志丹等將可拓物元理論引入企業自主創新的成功度評價[11].顏紅艷等對國際工程總承包項目成功度進行可拓評價[12]，李沃源等通過全面分析企業知識管理風險的影響因素并構建了風險評價指標體系[13]，郭孝鋒等應用多層次可拓方法對UIG（University—Industry—Government） 合作創新進行了實證研究[14] 宿欽蘭建立了政府性債務預警的可拓物元模型[15]都能得出客觀準確的結果。

本文引入可拓物元模型對EPC總承包項目風險進行評價，其具體過程如下。

2.1建立多指標綜合評價物元

（1）基本物元模型

根據可拓物元理論，把待評價事物I 及其特征值C 和特征的量值V 的三元有序結合R = ( I，C，V) 稱為物元。可拓物元模型是把各個評價指標按照相應規則分成不同的等級，每個等級有其相應的取值范圍，根據實際所測各指標值與各等級范圍的相關聯程度進行判斷待評價物元的等級。

為了描述和評價EPC工程總承包項目風險等級的的特征，需要定義EPC工程總承包項目風險為評價物元。根據圖1 所建立的EPC工程總承包項目風險等級評價指標框架，選取影響EPC工程總承包項目風險因素為評價因子( 即特征因子) ，分別記為Ci( i= 1，2，…，n) ，同時以N表示EPC工程總承包項目風險等級水平，Vi( i = 1，2，…，n) 分別為EPC工程總承包項目風險因素測定取值，其基本物元模型如下：

（2）確定經典域、節域、待評物元

1）確定經典域

設EPC工程總承包項目風險有m個評價等級，用Nj( j = 1，2，…m)表示 ，經典域定義為Ci關于各等級Nj各特征的取值范圍，物元矩陣表示為:

式中: Nj( j = 1，2，…m) 為Ci的第j 個等級，Vji為Nj關于特征的量值范圍，即各等級關于對應特征Ci的經典域＜ aji，bji ＞，本文將項目風險分為4個等級，Nj={低風險，較低風險，中等風險，高風險}，如為C1指標低風險的取值范圍，及其經典域。

2）確定節域節域

定義為Ci各特征全部等級的值域，物元矩陣表示為:

式中Ip為待評物元，稱Vpi = ＜ apj，bpj ＞ 為Ip關于特征參數Ci的節域，及Ci可取的值的范圍，且有Vji∈Vpi( i = 1，2，…，n; j = 1，2，…m) 。

3） 確定待評物元

建立待評價物元模型，即將EPC總承包風險等級作為待評價項，根據特征參數的性質，確定各指標的數值，建立模型，如下

其中，P0為EPC總承包風險等級， Ci為P0的特征參數，Vi( i = 1，2，…，n) 表示特征參數的Ci具體取值，即該特征單元的實際專家評價值或者實測數據等。

（3）構建關聯函數，計算關聯度

根據可拓學的關聯函數定義，關聯函數表示物元的量值取值為實軸上一點時，符合要的范圍程度[16]。即表示待評物元P0關于特征參數具體值Vi屬于EPC總承包風險等級Nj的程度。令有界區間Vji =［aji，bji］的模定義為| Vji | = | bji － aji | ，則某一點Xi到某一指標等級的經典域Vji =［aji，bji］的距離為:

，公式（1）

同理，某點Xi到某指標的節域Vpi = ＜ apj，bpj ＞的距離為

，公式（2）

若區間，實域上任一點x關于Vji，Vpi的位值為

，公式（3）

則關聯函數，Vji為經典域，Vpi為節域。

式中: Kj( xi) 表示待評物元P0關于特征參數的具體值Xi屬于EPC工程總承包項目風險平等級Nj的程度。

（4）確立關聯度及評定等級

根據公式（1），（2）（3）計算關聯函數值，采用專家評分法，確定各個評價指標的權重 ，計算關聯度

，公式（4）

則: Kj = maxKj( P0) ，從而確定EPC工程總承包風險等級為第j 級。

3實證分析

本文運用可拓物元模型對某企業EPC總承包項目進行風險等級評價。此項目為某少數民族地區一標志性建筑的改建工程，采用EPC總承包模式。按照上文進行的風險分析和可拓物元模型對該項目風險進行評價。

（1）取圖1所列指標作為評價體系，一次記為Ci( i = 1，2，…，n)；通過對相關領域的專家進行調查訪談，將評價指標劃分為1-4級標準，分別對應EPC總承包風險等級：低風險、較低風險、中等風險和高風險，對應可以構建該項目風險等級的經典域＜ aji，bji ＞。

（2）通過對該EPC總承包項目進行實地調查和分析，可以得到EPC總承包項目風險等級評價指標 的信息數據，為了評價的方便，對評價值數據進行歸一化處理，及，在對各風險指標進行風險評估時從風險概率、后果的嚴重程度和后果的可控程度入手，其值用P0表示。結果如表1所示。

（3）采用德爾菲法對EPC總承包項目風險等級的評價指標進行打分，確定各指標相對權重，其權重如表1中所示，計算過程略。

表1EPC總承包風險評價指標標準

則EPC總承包風險等級評價的可拓物元模型為

（4）綜合關聯度計算。按上述權重，運用（1）、（2）（3）（4）公式計算可得EPC總承包項目風險的各個指標的關于評價標準Nj（j=1，2，3，4）的綜合關聯度以及項目風險的可拓綜合評價等級，如表2

表2EPC工程總承包項目風險水平綜合關聯度和可拓綜合評價表

從表中可以看出，Kj（P0）max=K4，則EPC工程總承包項目風險等級綜合關聯度為K4=0． 146，說明該EPC工程總承包項目風險處于高風險狀態，其領導決策需慎重考慮。

4結論

（1）本文引入可拓物元模型進行EPC項目風險評價，是一種方法的探索，可拓理論是用形式化的工具，考慮多因素的共同影響作用，從定性和定量兩個角度研究和解決不相容問題的規律和方法，通過建立評價指標的物元模型描述客觀事物的特征，并以定量的數值表示評價的結果，能夠直觀地反映EPC總承包風險等級水平。

篇(2)

[關鍵詞]財務可持續性；風險分析；風險評級；蒙特卡羅模擬

一、前言

用于風險識別和估計的方法很多，其中風險評級技術和蒙特卡羅模擬法（M－C模擬法）就是風險分析的兩個很有效的方法。

本文將在下文中結合京津高速公路項目的財務可持續性風險評價，具體說明風險評級技術和蒙特卡羅模擬法在實際交通項目風險評價中的應用方法。

二、評價指標體系的選擇與確定

由于京津高速公路項目屬于綜合大型交通運輸設施建設項目，其財務可持續性問題所涉及的不確定因素具有多種屬性和狀態，需要從多種準則出發來綜合評價項目所面臨的可能風險，所以在應用風險評級技術對項目風險進行評級前，需要對其建立相應的指標體系。風險評級和蒙特卡羅模擬的結果的客觀性和準確性，也將取決于該指標體系的設計是否科學、合理。

對于本項目的財務可持續性風險而言，考察項目本身的財務可持續性風險所處的等級就是風險評級的目標。對本項目來說，影響該風險評級目標的不確定因素很多，有建設投資、營業收入、建設期、貸款利率、匯率、經營成本等。本例中結合項目財務評價結果選擇其中影響較大和有代表性的三項因素運營收入、運營成本和固定資產投資作為風險評級的主要指標。

三、項目財務可持續性風險等級的評定

在建立了項目財務可持續性的風險評級指標體系之后，需要根據項目可能面臨的風險范圍劃分不同的風險等級，確定其各自的標值范圍，并令其對應于各級風險評級序號1、2、3…N，其中序號越小則風險級別越高，1級為風險最高的級別。

本例中將風險分為9個等級，各風險等級對應的標值范圍如下表所示：

表1 項目各風險指標的風險等級標值范圍

項目名稱 風險等級對應的標值范圍（單位：億元）

1 2 3 4 5 6 7 8 9

收費收入 248.2 254.4 260.6 266.8 273.0 279.2 285.4 291.6 297.8

254.4 260.6 266.8 273.0 279.2 285.4 291.6 297.8 304.0

運營成本 13.8 13.6 13.3 13.1 12.9 12.6 12.4 12.2 11.9

14.0 13.8 13.6 13.3 13.1 12.9 12.6 12.4 12.2

固定資產投資 116.8 114.8 112.9 110.9 108.9 106.9 104.9 103.0 101.0

118.8 116.8 114.8 112.9 110.9 108.9 106.9 104.9 103.0

之后采用專家調查法確定上述三項風險評級指標（運營收入、運營成本和固定資產投資）在對應的各級風險等級中可能發生的概率。然后綜合三項指標的風險等級概率，加權計算得到財務可持續性所在的風險等級及其概率，形成下表：

表2 風險指標和財務可持續性綜合風險評級結果表

項目名稱 風險等級及概率 最可能風險

1 2 3 4 5 6 7 8 9 等級 概率

財務可持續性 0.01 0.03 0.07 0.15 0.21 0.25 0.17 0.09 0.03 6 0.25

收費收入 0.01 0.01 0.04 0.11 0.22 0.27 0.22 0.11 0.01 6 0.27

運營成本 0.01 0.03 0.06 0.12 0.17 0.26 0.17 0.12 0.06 6 0.26

固定資產投資 0.02 0.04 0.11 0.21 0.24 0.21 0.11 0.04 0.02 5 0.24

由上表可知財務可持續性綜合風險等級為6級，對應的可能概率為25％。

四、項目財務可持續性風險的蒙特卡羅模擬

在上文通過專家調查法得到三項不確定因素收費收入、運營成本和固定資產投資的各風險等級的概率之后，就可以以此概率為基礎，對這三項因素的不確定變化將導致的項目財務可持續性風險大小應用蒙特卡羅法進行進一步的模擬計算。

本文結合以往項目財務評價和風險分析的經驗，選取財務內部收益率、財務凈現值和投資回收期作為考察項目財務可持續性風險的主要財務指標，經過蒙特卡羅模擬后得到了如下的財務凈現值、財務內部收益率、回收期的概率直方圖和累計概率圖：

圖1－a 凈現值概率直方圖 圖1－b 凈現值累計概率圖

圖2－a 內部收益率概率直方圖圖2－b 內部收益率累計概率圖

圖3－a 回收期概率直方圖圖3－b 回收期累計概率圖

由各項財務指標的概率直方圖可以看出，各財務指標的最大發生概率所處的位置和概率值與風險評級的結果中財務可持續性最大發生概率所處的等級和概率值具有較強的一致性。從各指標的累計概率圖中不但可以查到對應于某指標值可能發生的概率，亦可以在一定概率的保障程度下，求得其對應的財務指標值。

從圖中結果可以看到，財務凈現值均為正值，財務內部收益率均大于3.74％的基準收益率，回收期在計算期以內。

通過以上風險評級和蒙特卡羅模擬的結果可以得出判斷，項目財務可持續性處于一般或較低的風險狀況。

五、結論與建議

本文針對交通項目財務可持續性風險問題，通過采用風險評級技術和蒙特卡羅模擬方法對其進行了分析和計算，比通常項目評價中采用的敏感性分析更加深入和準確地考慮了項目不確定性因素對項目的影響，從而利于更準確地分析和評價項目的財務可持續性，并指導對于風險規避措施的制定工作，在實際項目財務評價工作中具有重要的作用和實際意義。

本文所采用的風險評級技術和蒙特卡羅模擬方法相結合的方法用于交通項目財務可持續性的風險分析，具有相互取長補短的特點。。

參考文獻：

1． 顧培亮.系統分析與協調[M].第1版.天津：天津大學出版社，1998年.

2． 馬鋒.工程項目風險管理理論與實踐[D].西南交通大學，2003年

3． 陳述云.風險評級統計方法論研究[J].統計與決策,2003,(4):8-10.

篇(3)

【Keywords】tariff recovery；credit risks；risk evaluation

1 引言

一直以來，電力作為一種特殊的商品，其電力供應與價值交換的主要形式是“先用電，后付費”，不同于一般商品交易“先付后用”的方式，交易方式對按時、足額回收電費造成較大影響，直接影響供電企業的正常經營活動，同時也構成了供電企業的“信用風險”?！靶庞蔑L險”基本概括為受信人履約能力的變化而使授信人的預期收益與實際收益發生偏離的可能性。供電企業的“信用風險”可分為內部風險和外部風險。內部風險是企業內部員工由于工作失誤或者操作違紀等原因造成的電費計量失誤或電費損失；外部風險是指由于用電客戶惡意拖欠電費，而沒有相應制約機制造成的電費壞賬損失。

電力客戶的信用以及風險問題一直備受產業界、學術界和政府的重視，近年來國內對電力“信用風險”的研究較為豐富。供電企業的全面風險管理很有必要性，研究已經提出了基于目標偏移法的地市供電企業電費回收風險管理體系[1]；同時電能賒銷方式也是引起的電費回收風險的一個問題，建立規范電費回收指標體系利于電力企業信用風險的分析[2]；有學者運用Logistic回歸理論與方法建立可識別電力客戶欠費風險識別模型，運用該模型根據所掌握的客戶最新資料可提前預測出其欠費的違約概率[3]；陳昊（2013）針對當前供電企業管理制度不完善、用電企業經營不景氣及客戶繳費觀念落后、意識薄弱等方面剖析企業需改進電費繳納方式并建立健全電費回收制度[4]。韓啟發等（2013）認為在現今化會制度和電力體制改革的情形下，協調好電網和用戶收繳費用交易關系，降低電網電費回收難度十分重要，并結合當時地方電費回收情況，探討了交費方式、回收節點、服務態度等幾個方面對?費回收風險的形成的影響[5]。

如何加強客戶信用建設，盡早預警并及時控制電費風險發生，盡快達到國際市場的規范要求，已成為國內供電企業亟需解決的問題。如何建立全面有效的電費回收體系，實現電費回收風險規避和風險防范，已經成為供電企業當前營銷工作的重點。本文以通過實際應用為例，基于CRITIC權重模型構建客戶信用和電費回收風險控制指標體系，提出電費回收用戶風險評價與管理方法，為供電企業提供借鑒。

2 電力客戶信用及風險評價指標體系構建

2.1 信用及風險評價指標

電力客戶信用是指電力客戶在電力付費、合作方式及其他有關電力事宜中履行約定所取得的信任。電力客戶信用是一個內涵豐富、外延模糊的概念，其內容涉及電力客戶的歷史、現狀、前景等諸多方面，是在綜合考慮電力用戶交費的歷史信用記錄、合作情況及交納相關費用意愿的基礎上對電力用戶進行客觀、公正的信用評價。該評價既是對電力客戶歷史的總結，也是對電力用戶未來信用狀況的預測和信用風險的評價[6]。企業信用管理部門針對目前的信用管理實踐，廣泛采用5C系統來全面考察客戶的信用情況。5C是指考察客戶的信用和償付能力的5個主要要素，分別是：品德（Character），即客戶愿意履行其付款承諾的可能性；能力（Capacity），即客戶的支付能力和償還貸款的能力；資本（Capita1），即客戶企業的財務狀況；抵押（Collatera1），客戶用其資產對其所作的承諾的付款進行擔保；情況（Condition），即能夠對客戶的償付能力產生影響的社會經濟發展的一定趨勢，以及某些地區或某些領域的特殊發展和變動[7]。本文電力客戶信用評價指標在遵循5C理論的基礎上，全面考慮到電力行業的實際情況，靈活確定客戶信用風險評估指標體系，主要指標如表1。

CRITIC權重模型是一種客觀權重賦權法，它的基本思路是確定指標的客觀權數以兩個基本概念為基礎。一是對比強度，它表示同一指標各個評價方案取值差距的大小，以標準差的形式來表現，即標準化差的大小表明了在同一指標內各方案的取值差距的大小，標準差越大各方案的取值差距越大。二是評價指標之間的沖突性，指標之間的沖突性是以指標之間的相關性為基礎，如兩個指標之間具有較強的正相關，說明兩個指標沖突性較低。最后再由各指標值除以所有指標值之和來計算指標權重[8]。

2.1.1 信用評價指標評分及指標值計算方法

（1）電費違約系數計算方法：，其中R為應收用戶違約金，L為最近一次產生應收違約金的月份與當前月份的時間間隔（0≤L

（2）按期繳費率計算方法：，其中N為應收用戶的電費，M為用戶按期繳費金額（指在違約金起算日前繳費）。

（3）回款及時率計算方法：電費回款期 =實際繳費日期 - 電費發行日期；固定回款期 =違約金起算日期 - 電費發行日期 + 容忍度（默認2天）；[計算方法] （固定回款期 - 電費回款期）/ 固定回款期。

（4）欠費頻度計算方法：未按期繳費次數/應繳電費次數×（12-L+1）/12。

（5）電費拖欠系數計算方法：， P為繳費日期，D為電費發行日期。

2.1.2 欠費風險系數指標評分及測算方法

（1）回款波動系數計算方法：，其中。

（2）風險積累系數計算方法：F為欠費次數，Q為最近未欠費天數，S為最近12個月首尾兩次欠費時間間隔（天），L0為風險消失天數（取365天），A為風險累計系數。若S=0，則A=0；若Q=S，則A=F*（L0-L）/（L0-S）。

（3）購電量趨勢計算方法：計算用電回歸曲線的斜率。采用Oracle10g REGR_SLOPE計算曲線斜率，并對結果求出以10為底的對數值。

（4）行業風險系數。

計算方法：，其中分別為所在行業的底信用客戶和好信用客戶數量，分別為全行業的底信用客戶和好信用客戶數量。

（5）區域風險系數。

計算方法：，其中分別為所在地區供電局的的低信用客戶和高信用客戶數量，分別為全省的低信用客戶和高信用客戶數量。

（6）用電波動系數。

計算方法：，其中，X為每月用電量，。

（7）電費拖欠系數計算方法：log10（欠費次數×累計遲交天數）×（12-L+1）/12。

上述各類指標的計算需要運用供電企業的相關數據信息，該類信息的主要來源于電力公司內部掌握的用電客戶信用信息，可以從三個途徑獲取，一是企業內部的管理信息系統，包括電力營銷管理信息系統、客戶服務管理系統以及負荷控制系統中的用電客戶的基本信息、用電信息以及安全用電信息；二是公司內部的客戶信用行為信息，如財務信息管理系統、營銷管理信息系統中的用電客戶的歷史繳費信息、安全檢查信息以及違約用電信息等。三是公司內部的客戶信用調查信息，主要存在于供電公司的抄表員、用電檢查人員等由于長期的經常的與用電客戶接觸所掌握了大量的第一手用電客戶的信用信息。比如，客戶的表面印象、客戶的管理能力、客戶的產品需求、客戶的生產規模、市場競爭環境等等。隨著我國供電企業信息化的逐步完善，該類客戶信用信息的采集均屬于可控狀態。

2.2 評分指標標準化處理

為確定單個評分指標的相對重要程度，使評價體系具有通用性和可比性，同時盡可能保持評分指標的變化信息及時更新，需要對評分指標數據的運算結果進行標準化處理。評分指標標準化處理的結果是0-1之間的小數，稱為評價指數。

正向：代表該指標越大越優，標準化處理公式為：

其中：對于某一項指標x，ri代表第i個用戶標準化處理的評分指標值，xi代表由【1.2評分指標數據抽取及運算】計算出的第i個用戶的評分指標值，為全省用戶的評分指標最大值，為所有用戶的評分指標最小值。

反向：代表該指標越小越憂，標準化處理公式為：

其中：?τ諛騁幌鈧副?x，rli代表第i個樣本標準化處理的評分指標值。

標準化的實施過程，僅為企業用戶評分指標提供了基值比較作用。

2.3 確定評分指標的權重

在CRITIC權重模型中，每個系數值占總系數值得比重即為該系數的權重，權重的確定是一個簡單的過程，每個指標權重=指標值/所有指標值之和。

3 信用風險評價案例

以下對2015年6月份某市客戶信用及風險情況進行評測。

3.1 電力客戶信用分類與評價

按照電力用戶管理的等級劃分原則，結合當前用戶風險分布情況制定比例，對客戶繳費信用等級和欠費風險等級進行劃分?？蛻衾U費信用等級分一般為六級，分別是：AAA級、AA級、A級、B級、C級、D級；欠費風險等級分為三級，分別是：高風險、中風險、低風險。

結合用戶信用等級分類，可以針對不同信用等級用戶的信用風險管理開展工作，針對風險等級不同的客戶，也可以制定預警方案，為電費順利回收提供較好的管理基礎。

當期該地區參與信用評價的非居民用電客戶共178659戶，信用分級評價情況如表2。

從具體數據中分析發現，A類客戶中，AAA級35017戶，占全市用戶19.6%；AA級用戶34302戶，占全市用戶19.2%；A級用戶49846戶，占全市用戶27.9%。此三類客戶作為高信用客戶，繳費積極性高，應收電費平均回款天數達到6.5天，高于全市用戶應收電費平均回款天數35.8%；

B級用戶40735戶，占全市用戶22.8%，此類客戶作為信用一般客戶，繳費積極性高，應收電費平均回款天數達到12.4天，較全市用戶應收電費平均回款天數低23.8%，近6個月發生過逾期繳費的比例為6.9%；

C級用戶15007戶，占全市用戶8.4%，此類客戶作為信用較差客戶，繳費積極性高，應收電費平均回款天數達到13.7天，較全市用戶應收電費平均回款天數低36.3%；近6個月發生過逾期繳費的比例為21.4%；

D級用戶3752戶，占全市用戶2.1%，此類客戶作為信用很差客戶，繳費積極性高，??收電費平均回款天數達到13.5天，較全市用戶應收電費平均回款天數低36.1%；近6個月發生過逾期繳費的比例為93%。

3.2 電力客戶信用風險評級與管理

供電企業營銷系統能夠對信用等級長期處于低位及信用等級較上月發生突降的用戶開展風險監測。業務人員對監測出的異常用戶開展風險排查，分析用戶信用異常的原因，對確實存在欠費風險的用戶進行風險防控。在業務應用系統中對該類客戶限制受理信用銷售類的業務，加大催繳力度，采用提前催費、短信催費等多種手段保證電費回收工作。

以某房地產經營有限公司用戶為例，該用戶2015年7月份的信用等級較6月份突然降低了3級，由年初的AAA級下降至B級。通過驗證分析該客戶的繳費結果及業務辦理情況，發現用戶2014年全年，未發生一起電費拖欠現象；2015年2月至5月，連續發生兩起電費逾期繳費記錄，電費逾期繳費天數達到累計15天，導致用戶信用等級突降。為此，供電企業通過加大對該用戶的關注力度，在加強現場催收力度同時，實施了預付電費策略，避免了一起可能引發的電費回收風險。

從上述分析可以看出，供電企業通過對全市的用電量大客戶、對年累計電量排名前20%的用戶，開展信用評價結果分析，有助于及時把握電費風險節點；業務人員對信用異常的用電量大客戶定期進行風險排查，對確實存在欠費風險的用戶，如信用突降、長期處于信用底位等用電客戶，及時開展電費催繳工作和風險防范措施，能在很大程度上避免電費損失的發生。

3.3 欠費風險評價管理

在調研的客戶中，參與欠費風險評價的非居民用戶共178659戶，按照客戶欠費風險大小，將客戶分為兩類，一類為低風險用戶，一類為高風險用戶。通過計算，該市2015年7月低風險用戶為172299戶，占全市用戶96.44%，此類客戶按期繳費的情況良好，出現電費拖欠情況的可能較??；高風險用戶6360戶，占全市用戶3.56%，此類客戶一般分為兩種情況：按期繳費的情況較差，多次出現超過繳費期限或接近繳費期限才完成繳費；客戶所在行業總體欠費風險較大，造成其被統計在高風險用戶范圍內，此類客戶均應給予重點關注。

針對不同類型客戶，供電企業對風險等級長期處于高危及風險等級較上月發生突降的用戶應堅持開展風險監測。業務人員對監測出的異常用戶應立即開展風險排查，分析用戶風險異常的原因，對確實存在欠費風險的用戶進行風險防控。如該市某金具有限公司，2015年7月份的信用等級較上月突然降低了2級。通過分析用戶的繳費結果及業務辦理情況，發現用戶最近7個月繳費日期距離電費發行日間隔逐步增加，并在6月份出現一次拖欠情況。供電企業立即組織實施擔保（履約保函）風險控制手段，進行了電費回收風險控制，同時開展分次結算，有效的控制了電費回收風險，避免產生經濟損失。

4 電力客戶信用及風險管理效益分析

4.1 管理效益提升

通過建立電費回收信用風險評價指標體系，可以有效的對信用風險實施預警管理，通過加強企業內外部的信息資源管理，多渠道收集客戶信息，進行信用風險評價與控制，提高了電費回收風險事前預防控制，及時化解風險，減少了電費回收過程中人力物力的投入，消除了因欠費停電造成的電量損失，縮短了電費回收時間，為電費顆粒歸倉提供了有利的保障。

4.2 經濟效益增長

通過對客戶欠費信用風險進行評價與分級，能及時發現問題及時處理，有效的掌握電費的回收進度及資金流向，使電費回收工作時時處于可控、在控狀態，確保了電費安全、集中、及時到位。對案例單位整體數據分析，客戶信用風險評價指標數據均來源于客戶信息系統，其數據真實性較強，預測性較高，在此基礎上實行信用風險評價管理，可以降低甚至消除欠費現象，降低財務風險，保障供電企業的經濟效益。

4.3 社會效益明顯

采取定量指標對客戶信用風險評價，大大降低了違章用電現象發生。業務人員能夠及時與列入信用風險預警客戶開展溝通與交流，提醒預警客戶及時籌措資金，按時繳納電費，防止了因欠費停電影響客戶生產經營，降低了欠費停電幾率，維護了供電企業形象，能夠產生良好的社會效益。同時，通過信用評價，也提高了客戶珍惜信用、維護信用的良好氛圍，有力促進了全社會信用體系的建設。

篇(4)

關鍵詞:山洪災害;風險評估;風險區劃;GIS技術;易損性指標

中圖分類號:S157．1 文獻標志碼:A 文章編號:1001－5485(2015)12－0041－05

1研究背景

我國是一個多山的國家，山丘區面積約占全國陸地面積的2/3。復雜的地形地質條件、暴雨多發的氣候特征、密集的人口分布和人類活動的影響，導致山洪災害發生頻繁。據《全國山洪災害防治規劃報告》數據統計，我國山丘區流域面積在100km2以上的山溪河流約5萬條，其中70%因受降雨、地形及人類活動影響會發生山洪災害［1］。由于山洪災害的發生具有突發性強、來勢猛、時間短等一系列特點，且其造成的危害對人們的生命財產影響巨大［2］，因此，關于山洪災害的研究早在20世紀初就已經開始了。經過半個多世紀的發展，山洪災害的研究已經涉及成因、空間分布特征、災害損失評估、風險評價與制圖等各方面［3－11］。風險評估與管理逐漸也成為國際上倡導和推廣的減災防災有效途徑之一［12］。目前，山洪災情評估工作得到了來自地學工作者、工程專家和各級政府部門的高度重視，并逐漸成為國際性的研究項目。特別是在山洪風險評估方面的表現尤為突出［7－11］。但是，這些評價工作的對象往往是泥石流、滑坡或單純的溪河洪水等單一災種，評價單元基本以行政區域為單元，缺乏流域系統性、災害種類完整性，評價指標選擇也無可比性［2－6］。其次，目前對大尺度范圍上的山洪災害區劃成果，多為如何防治山洪災害的目的進行的，是一種黑箱模型，未完整給出各山洪溝的危險性、易損性和風險等級水平，因而無法準確判斷不同區域的山洪風險等級。因此，本文將借鑒全國山洪災害防治規劃中對山洪災害的定義，將由降雨在山丘區引發的洪水及由山洪誘發的泥石流、滑坡等對國民經濟和人民生命財產造成損失的災害統一納入研究范圍［1］。以小流域為評價單元，開展四川省山洪災害風險評估研究，以期為四川省山洪災害管理及防治提供一定的理論依據。

2研究方法與數據來源

2．1研究方法

本研究對風險評估的方法，仍借鑒聯合國有關自然災害風險的定義，即風險是危險性與易損性的乘積。其中危險性是災害的自然屬性，易損性則是災害的社會屬性。風險分析在危險性和經濟社會易損性分析的疊加基礎上完成。因此，本研究的內容主要包括危險性分析、易損性分析以及二者疊加基礎上的風險分析。最后，在風險分析的結果基礎上，采用一定的區劃原則和方法，結合全國山洪災害防治規劃中的一級區劃和二級區劃，對四川省山洪災害風險進行更進一步的三級分區，形成風險區劃圖。由于在進行危險性和易損性分析時，選取的指標較多，各個指標在危險性和易損性大小中的貢獻不同，為定量評價各指標在其中的權重，本研究選用層次分析法進行分析。其基本原理為:首先建立山洪災害危險性、易損性分析評價指標體系，每一層都有1個或2個評價因素對應上層目標層，根據這些相互影響，相互制約的因素按照它們之間的隸屬關系排成3層評價結構體系;然后，根據專家經驗針對某一個指標相對于另一個指標的重要程度進行打分，打分后即建立判別矩陣。根據山洪災害的成因和特點，結合目前現有數據情況，本研究選取的危險性和易損性評價指標體系見表1和表2。在進行山洪災害危險性和易損性的評價時，為了將不同的指標體系組合后用一個統一的量化標準對其等級進行劃分，首先根據已有數據的分布區間按照StandardDeviation分類方法，對危險性和易損性水平進行劃分，根據實際需要，共劃分為5個等級，各個等級的指標范圍見表1和表2。

2．2數據來源

四川省山洪歷史災害資料來自四川省山洪災害防治分區項目調查數據。該數據以小流域為單元，其面積界定為＜200km2［1］的小流域共計2471條(近50a來發生過山洪災害的小流域)。部分縣域，小流域單元數據是由國家氣象局與國家科技基礎條件平臺建設項目———系統科學數據共享平臺提供;四川省內及周邊82個站點年雨量數據來自中國氣象局數據庫;DEM(90m)數據來自SRTM;土地利用數據來自中國科學院資源環境科學數據中心;巖性數據來自中國地質調查局的1∶250萬中國數字地質圖;基礎土壤數據來自中國科學院南京土壤研究所的1∶100萬中國土壤屬性數據庫。

3山洪災害風險評估與區劃

3．1危險性指標體系及評估

根據危險性各評價指標及對各指標數值的綜合統計分析，結合專家的經驗判斷，參與者均為全國山洪災害防治規劃中承擔相應數據資料分析的專家(共3位)，各位專家根據經驗判斷各級指標間的相對重要性，然后利用層次分析法確定出危險性各指標的權重值，如表3所示。結合ArcGIS的空間分析計算，將各指標危險性分級圖轉換為柵格格式(見圖1(a)至圖1(e))，結合上表給出的每個指標所確定的綜合權重值，利用ArcGIS的柵格疊加計算功能，可得到山洪災害危險性圖(見圖1(f))。具體計算方法為:山洪災害危險性=0．041×最大24h暴雨極值+0．021×最大24h暴雨極值變差系數+0．207×最大1h暴雨極值+0．105×最大1h時暴雨極值變差系數+0．035×地形坡度+0．04×地形起伏度+0．091×小流域主溝比降+0．19×河網緩沖區+0．071×歷史災害緩沖區。

3．2易損性指標體系及評估危險性

根據易損性評價指標體系，依據層次分析法計算了四川省山洪災害易損性指標的權重值(見表4)。在ArcGIS中，將各指標分級圖轉換為柵格格式(見圖2(a)至圖2(c))，結合表4給出每個指標所確定的綜合權重值，利用ArcGIS的柵格疊加計算功能，可得到山洪災害易損性成果圖(見圖2(d))。具體計算方法即為山洪災害易損性=0．18×溝道兩側范圍人口數量+0．42×溝道兩側范圍人口密度+0．18×地均GDP+0．12×人均住房數量+0．06×歷史災害死亡人數+0．04×歷史災害沖毀房屋數。

3．3山洪風險評估

根據山洪風險度R等于危險度H乘以易損度V的定義，利用ArcGIS的空間分析疊加功能，可以計算山洪災害的風險度圖。在處理數據時，首先將危險性分級圖和易損性分級圖進行歸一化取值(0～1)見表5，然后進行柵格相乘計算，即可得到四川省山洪災害的風險圖，其取值范圍為0～1之間。根據山洪災害風險區等級劃分標準進行分級，可得到四川省山洪災害風險分級圖，如圖3所示。

3．4山洪風險區劃

根據山洪災害風險分級結果，結合全國山洪災害防治規劃中的一、二級防治分區范圍，采用基于空間鄰接系數的聚類分析方法，對風險分級結果中的最小單元進行逐級向上合并，根據主導因素與綜合因素相結合、區域單元內部相對一致、以人為本的經濟社會分析等山洪災害區劃原則，劃分出全國山洪災害風險區劃單元。以四川省山洪災害風險等級為基礎進行最小單元聚類，在ArcGIS中疊加全國山洪災害防治二級區劃(四川省境內)成果，同時根據四川省自然條件和山洪災害防治現狀，將四川省境內的西南地區細分為3個三級區(圖4所示Ⅰ－8－3，Ⅰ－8－1，Ⅰ－8－2)，原二級區劃中的藏南地區、藏北地區、秦巴山地區由于面積不大，山洪災害現狀和自然條件比較一致，因此不做進一步劃分(如圖4所示的Ⅲ－1，Ⅲ－2和I－4)。因此，四川省山洪災害風險區劃共涉及6個區劃單元，如圖4所示。在完成風險性等級劃分圖和區劃圖以后，以各風險區劃單元為單位，統計各三級區內風險度等級分布特征。表6為四川省各風險區劃單元內風險度等級面積統計，表7為四川省各風險區風險等級比例統計。從表7中可見，四川盆地及周邊為山洪災害中高風險區，為四川省山洪災害重點防治地區。其它地區山洪災害風險等級較低，在進行山洪災害防治時，應以防治措施為主，同時加強災害監測的預警預報。

4結論

(1)整個四川省的山洪災害風險等級水平處于較高水平，特別是四川盆地及周邊地區是山洪災害的高風險值地區，中風險區等級以上的面積占到了整個四川盆地及周邊總面積的近80%，這一區域也是四川省人口、經濟密度最大的區域，因此山洪災害防治任務艱巨。其次，秦巴山地區是四川省山洪災害次嚴重地區，中風險區等級以上的面積占到了整個四川省秦巴山地區總面積的18%。其它幾個三級區域山洪災害風險水平不高，大多處于低風險和較低風險水平，山洪災害防治應以防治措施為主，同時加強災害監測的預警預報。(2)由于山洪災害的成因機理十分復雜，特別是溪河洪水及其誘發的滑坡、泥石流災害成因更為復雜，在進行山洪災害危險性、易損性評估時，評價指標體系應在深入研究成因機理的基礎上進行選取，但限于目前研究成果和資料的可獲取性限制，本研究風險評估結果的準確性仍有待驗證。

參考文獻:

［1］長江水利委員會．全國山洪災害防治規劃報告［R］．武漢:長江水利委員會，2005．(ChangjiangWaterRe-sourcesCommission．TheMountainTorrentDisasterPre-ventionandControloftheNationalPlanningReport［R］．Wuhan:ChangjiangWaterResourcesCommission，2005．(inChinese))

［2］唐川，師玉娥．城市山洪災害多目標評估方法探討［J］．地理科學進展，2006，25(4):13－21．(TANGChuan，SHIYu-e．Multi-ObjectiveEvaluationMethodofMountainTorrentDisasterinUrbanArea［J］．ProgressinGeography，2006，25(4):13－21．(inChinese)

［3］石凝．閩江流域災害性洪水形成機理分析［J］．水文，2001，21(3):30－33．(SHINing．FloodingDisas-terMechanismofMinjiangRiverWatershed［J］．Hydrol-ogy，2001，21(3):30－33．(inChinese))

［4］謝洪，陳杰，馬東濤．2002年6月陜西佛坪山洪災害成因及特征［J］．災害學，2002，17(4):42－47．(XIEHong，CHENJie，MADong-tao．MountainTorrentDisasterCausesandCharacteristicsofFoping，ShaanxiProvinceinJune，2002［J］．Journalofcatastrophology，2002，17(4):42－47．(inChinese))

［5］韋方強，崔鵬，鐘敦倫．泥石流預報分類及其研究現狀和發展方向［J］．自然災害學報，2004，13(5):10－15．(WEIFang-qiang，CUIPeng，ZHONGDun-lun．ClassificationofDebrisFlowForecastandItsPresentSta-tusandDevelopmentinReseach［J］．JournalofNaturalDisasters，2004，13(5):10－15．(inChinese))

［6］許有鵬，于瑞宏，馬宗偉．長江中下游洪水災害成因及洪水特征模擬分析［J］．長江流域資源與環境，2005，14(5):638－644．(XUYou-peng，YURui-hong，MAZong-wei．CauseofFloodDisastersandFloodCharacter-isticSimulationAnalysisoftheMiddleandLowerRea-chesoftheYangtzeRiver［J］．ResourcesandEnviron-mentintheYangtzeBasin，2005，14(5):638－644．(inChinese))

［7］張春山，李國俊，張業成，等．黃河上游地區崩塌、滑坡、泥石流地質災害區域危險性評價［J］．地質力學學報，2003，9(2):143－153．(ZHANGChun-shan，LIGuo-jun，ZHANGYe-cheng，etal．Collapse，LandslideandDebrisFlowandGeologicalDisastersRiskAssess-mentofUpstreamoftheYellowRiver［J］．JournalofGe-omechanics，2003，9(2):143－153．(inChinese))

［8］趙士鵬．中國山洪災害的整體特征及其危險度區劃的初步研究［J］．自然災害學報，1996，5(3):93－99．(ZHAOShi-peng．AnElementaryStudyonWholeChar-acteristicsofMountainTorrentsDisasterSysteminChinaandItsHazardRegionalization［J］．JournalofNaturalDisasters，1996，5(3):93－99．(inChinese))

［9］鐘敦倫，謝洪，韋方強．長江上游泥石流危險度區劃研究［J］．山地研究，1994，2(2):65－70(ZHONGDun-lun，XIEHong，WEIFang-qiang．HazardRegionalizationofDebrisFlowintheUpstreamofYangtzeRiver［J］．JournalofMountainResearch，1994，2(2):65－70(inChinese))

篇(5)

關鍵詞：并購重組；企業文化；風險；評價

教育

一、并購重組企業文化風險的特點和類型

并購重組企業的文化風險是指在企業并購中，由于不同文化在交匯時的復雜性、不確定性，導致企業實際收益與預期收益目標發生背離，甚至使企業經營活動失敗的可能性。它具有客觀性、隱含性、復雜性、可控性等特征，并貫穿于并購重組戰略的制定、并購重組行為的實施以及并購重組后企業資源的整合等一系列過程中，直接影響并購重組的效果。教育

并購重組企業文化風險主要有以下幾種表現形式：（1）管理風險：指并購后企業所采取的管理模式和管理行為等能否被并購雙方員工所接受的風險；（2）溝通風險：指在并購中，由于文化差異使得并購雙方的信息、思想傳遞或交換受阻，產生曲解和誤會而帶來的風險；（3）組織風險：指并購企業在內部管理上，由于不同企業文化背景的管理人員和員工之間不能建立起協調聯系，從而影響組織穩定性的風險；（4）人員風險：指由于文化的差異和沖突，一些關鍵的管理和技術人才離開企業，即使不離開，這種不良氣氛也會使員工情緒低落、工作不積極、工作效率下降，從而導致預期目標難以實現的風險。

二、并購重組企業文化風險指標體系

并購重組企業文化風險指標體系的構建，是進行文化風險評價的基礎，對并購后企業能否順利實現整合以及能否達到預期的并購目標有著重要的指導作用，并關系到整個評價結果的實用性和正確性。

本文本著科學性、系統性、定性與定量指標相結合的原則，并結合并購重組企業的特點，借鑒一些學者對并購重組企業文化風險的研究成果，將并購重組企業面臨的文化風險歸類為管理文化風險、組織文化風險、溝通文化風險和人員文化風險四個方面，同時分析各種文化風險的影響因素，并運用德爾菲法根據業內專家評定確定模糊權重，初步建立評價指標體系和權重分配，如表1所示。（表1）

三、并購重組企業文化風險模糊綜合評價模型

模糊綜合評價是對由多種因素影響的事物做出全面評價的一種十分有效的多因素評價方法。它用模糊變換原理和最大隸屬度原則，考慮與被評價事物相關的各個因素所做的綜合評價。在并購重組企業文化風險因素中，涉及到大量的復雜現象和很多不易定量的因素，具有模糊性，在對其評價時，要用模糊數學理論進行定量化處理，因此采用模糊綜合評價法對并購重組企業文化風險進行綜合評價是很合理的。

模糊綜合評價法的步驟如下：

1、確立評價因素集。建立以評估對象的各主要影響因素為元素的集合，把因素U按其屬性分成4子集，記為U={u1，u2，…，u4}。

2、建立評價因素的評語集。設文化風險評語集V={v1，v2，v3，v4，v5}={高，較高，中等，較低，低}。n=5表示為u對不同評價等級的隸屬度。

3、建立從U到V的單因素評判矩陣Ri。對每一個評價指標Ui進行單指標評價，進行綜合評價時可以根據實際意義確定單指標評價矩陣Ri，采用德爾菲法確定Ui中各因素對應于V中的各種評語的隸屬度矩陣。由此可以得到模糊模型評價矩陣。

4、給出Ui中各評價指標的權重。權重是表示某一指標在整個指標體系中具有的重要程度。實際計算時可以通過專家評分法來確定各指標的權重。

5、得出評價結果。將Ui視為一個單獨因素，用Bi作為Ui的單指標評價向量，可構成U到V的模糊評價矩陣。

R=B■B■…B■=b■b■…b■b■b■…b■…… ……b■b■…b■

按照Ui在U中的重要程度給出權重，A=（a1，a2，…，as），得到U的最終評價向量B=A·R=（b1，b2，…，bm）。對B做歸一化處理，按照最大隸屬度原則，用B中隸屬度最大者所對應的評價等級作為評價對象的等級，即為綜合評價的結果。

四、應用實例

結合上述評價模型，對某并購重組企業文化風險進行綜合評價。根據表1用德爾菲法得到的權重分配為：

一級指標層權重為：A=（0.4，0.2，0.3，0.1）

二級指標層權重為：

A1=（0.5，0.3，0.2）；A2=（0.6，0.4）；

A3=（0.4，0.3，0.3）；A4=（0.6，0.4）

然后，利用專家打分法確定的二級指標層的指標子集的模糊評價矩陣分別為：

R1=0.30.20.10.20.20.40.20.20.10.10.20.30.30.10.1

R2=0.20.40.10.20.10.30.10.30.10.2

R3=0.20.10.40.300.40.20.30.100.30.40.20.10

R4=0.30.20.30.10.10.20.10.40.30 二級指標層的模糊數學評價為：

B1= A1·R1

=（0.5，0.3，0.2）·0.30.20.10.20.20.40.20.20.10.10.20.30.30.10.1

=（0.31，0.22，0.17，0.15，0.15）

同理：

B2=A2·R2

=（0.6，0.4）·0.20.40.10.20.10.30.10.30.10.2

=（0.24，0.28，0.18，0.16，0.14）

B3=A3·R3

=（0.4，0.3，0.3）·0.20.10.40.300.40.20.30.100.30.40.20.10

=（0.29，0.22，0.31，0.18，0）

B4=A4·R4

=（0.6，0.4）·0.30.20.30.10.10.20.10.40.30

=（0.26，0.16，0.34，0.18，0.06）

R=B■B■B■B■= 0.310.220.170.150.150.240.280.180.160.140.290.220.310.1800.260.160.340.180.06

得到模糊綜合評價結果為：B=A·R，即：

（0.4，0.2，0.3，0.1）·0.310.220.170.150.150.240.280.180.160.140.290.220.310.1800.260.160.340.180.06

=（0.285，0.226，0.231，0.164，0.094）

綜合評判結果B向量的各分量之和為1，滿足歸一化條件。由此得到此并購重組企業文化風險相對于五個等級的評價結果。最后，評價結果說明：在所有參與評價的專家中，28.5%的人對該并購重組企業文化風險評價為“高”，22.6%評價為“較高”，23.1%評價為“中等”，16.4%評價為“較低”，9.4%評價為“低”。依據隸屬度最大的決策原則，該并購重組企業文化風險等級為“高”。

依據最大隸屬度原則只考慮到結果最大值所處的等級，忽略了其他等級，因此可將評語集V中各類評語定出標準分，得出并購重組企業文化風險模糊評價的最后得分。五個等級與相應的標準分如表2所示。（表2）

那么，該并購重組企業文化風險模糊評價的最后得分計算如下：

100×0.285+85×0.226+70×0.231+60×0.164+45×0.094=77.91

這說明，該并購重組企業文化風險處在中等和較高之間的水平。

五、結論

企業并購重組必然會帶來文化風險，只有真正識別風險，分析各種風險的影響程度，才能有效地防范和規避風險。本文對并購重組企業文化風險進行了識別，并通過對并購重組中可能出現的各種文化風險因素進行分析，建立了并購重組企業文化風險評價指標體系，并依據模糊數學理論對其進行模糊綜合評價，為并購重組企業的文化風險控制提供了依據。

主要參考文獻：

[1]王基建.企業并購的文化風險及其識別[J].武漢理工大學學報，2002.6.

[2]侯菊英，陳艷艷.論社會主義和諧文化建設的主要途徑[J].河南理工大學學報（社會科學版），2009.1.

[3]吳顯英.企業的文化風險及其評價指標體系分析[J].企業經濟，2007.3.

[4]汪應洛.系統工程[M].北京：機械工業出版社，2005.

篇(6)

關鍵詞：房地產投資風險 風險分析 風險評價 模糊評價

中圖分類號:F293.3 文獻標識碼:A

文章編號:1004-4914（2012）03-278-02

房地產投資是指投資者將其資金投放到房地產的開發經營管理中，以獲得產業利潤的一種經濟行為。房地產投資的風險是指在房地產投資活動中存在影響開發利潤的多種因素，而這些因素的作用難以或無法預料、控制，使開發商開發利潤可能與預計利潤發生背離，因而使之蒙受經濟損失的可能性。房地產開發是一個動態過程，它具有開發周期長、資金投入量大等特點，很難在一開始就對整個開發過程中的有關費用和建成后的收益作精確的估計，即在開發過程中存在著不確定性，從而不可避免地帶有風險。

由于房地產開發投資風險系統具有明顯的層次性，且不同風險的評價及權重的確定具有較大的主觀不確定性，即模糊性，因此本文將層次分析法（Analytic hierarchy Process,AHP）和模糊評價（Fuzzy Evaluation）相結合，力爭建立一個適合于房地產投資風險評價的多層次、多因素模糊綜合評價模型。

一、模糊綜合評價介紹

模糊綜合評價法，是一種運用模糊數學原理分析和評價具有“模糊性”事物的系統分析方法。它是一種以模糊推理為主的定性與定量相結合、精確與非精確相統一的分析評價方法。由于這種方法在處理各種難以用精確數學方法描述的復雜系統問題方面所表現出的獨特優越性，近年來已經在許多學科領域中得到了十分廣泛的應用。

模糊綜合評價的基本步驟為：

第一步，構建綜合評價指標體系；

第二步，確定評語等級論域；

第三步，確定指標權重W，建立模糊關系矩陣R；

第四步，計算模糊合成值；

第五步，進行模糊綜合評價。

其中在基本步驟中對權重（W）的確定本文采用了層次分析法。層次分析法作為系統工程中對非定量事件一種評價分析方法是1973年由美國學者A.L.Satty最早提出來的。層次分析法是首先將復雜的問題層次化，根據問題和要達到的目標，將問題分解為不同的組成因素，并按照因素間的相互關聯以及隸屬關系將因素按照不同層次聚集組合，形成一個多層次的分析結構模型。根據系統的特點和基本原則，對各層的因素進行對比分析，引入1－9比率標度方法構造出判斷矩陣，用求解判斷矩陣最大特征根及其特征向量的方法得到各因素的相對權重。

基于AHP的房地產投資風險的模糊綜合評價可按以下步驟進行：

第一步，構建風險評價指標體系；

第二步，兩兩比較結構要素，構造出所有的權重判斷矩陣；

第三步，解權重判斷矩陣，得出特征根和特征向量，并檢驗每一個矩陣的一致性，若不滿足一致性，則要修改判斷矩陣，直到滿意為止。計算出最底層指標的權重組合。

第四步，建立多層次模糊評價模型，進行模糊計算；

第五步，對評價對象進行綜合評價。

為了順利而正確地對風險進行評估，必須建立和遵循一定的評價程序。

二、投資項目評價過程

（一）確定評估目的

這是整個評估工作的前提。在房地產開發過程，對風險評估具有不同目的要求，如通過評估為開發決策提供依據；為房地產置業投資確定風險損失與風險報酬；為開發活動進行市場預測等等。只要確定了評估目的，才能根據評估目的收集材料，選擇合適的評估方法，準確而合理地開展評估工作。

（二）風險環境分析和收集評估資料

這是為了尋找風險源，以及定性分析風險程度所必須進行的工作。風險環境分析要抓住影響風險程度的主要環境因素進行分析。

在風險環境分析的基礎上，收集匯總可定性、定量評估風險的有關資料和數據。評估資料將直接影響到風險評估的準確性和可靠性。因此，評估資料的收集要作到全面、及時、準確。此階段還要對收集的資料進行初步分析，篩選和分類整理。

（三）建立房地產投資風險評價體系

1.指標體系的建立。根據對房地產投資風險因素的構成分析，可以得出房地產投資風險實際上是一個由多層次、多因素構成的系統如圖1。根據風險識別得出的主風險因素，進一步查找各主風險因素的來源，從而得出相應的子風險因素，即構成本項目風險評價的指標體系，指標體系是以房地產投資風險因素為主要依據，建立房地產投資風險層次模型。

其中主風險因素Rk=（R1，R2，…，Rm）

子風險因素Rkp=（Rk1，Rk2，…，Rkp）

p表示主風險因素含有的子風險因素的數量。

2.指標體系權重的確定。評價指標權重是評價指標相對重要性的定量表示。此指標體系權重分為兩個層次：一是各主風險因素權重，二是每個主風險因素中各子風險因素權重，兩個層次的權重確定均采用專家法進行，但選擇“專家”的標準不同。第一個層次即主風險因素的權重應征詢項目管理專家、技術經濟專家以及其他開發企業領導者的意見；第二個層次即子風險因素的權重應征詢對該主風險因素精通的專家以及其他房地產開發企業該部分業務的負責人。

由風險分析得出：

（1）主風險因素權重集為A=（a1,a2,…，am），其中ak（k=1，2，…，m）表示指標Rk在R中的權重；

（2）子風險因素權重集為Ak=（ak1,ak2,…，akp），其中ak（i=1，2，…，p）表示指標Rki在Rk中的權重。

3．房地產投資風險度評語集。由于風險度變量的變動范圍為[0,1]，如果將風險等級劃分為n級，則每個區間的長度為1/n，風險的等級區間為：

式中i=1，2，…，n。

分級的差異直接影響因素評價值，最終影響評價結果的準確性，在房地產投資系統風險等級的評判中，一般都將風險等級劃分為五級，即很低風險、較低風險、中等風險、較高風險和很高風險，其風險度取值范圍分別為[0,0.2]，[0.2,0.4]，[0.4,0.6]，[0.6,0.8]和[0.8,1]之間，從而構成：定義評語集為U=u1，u2，…，un，其中uj（j=1，2，…，n）表示由小到大各級風險對投資項目的影響程度評語，取n=5，u1，u2，u3，u4，u5分別代表評語是風險影響程度很小、較小、中、較大、很大。

4．建立模型，進行評估。

（1）評價矩陣Hk的確定。假設有n位專家對子風險因素的風險程度進行評判，對第Rki項指標合計有mkij個人評判為Uj級，則可認為專家組對該成片開發項目在Rki項指標下評判為Uj級的可能性程度：

由此可得到一個子風險因素（單項指標）評價的行向量：Hk1=（hki1,hki2,hki3,hki4,hki5）。

所有子風險因素評價的行矩陣組成評價矩陣HK：

下標k為各評價指標子集中含有指標的數目。

（2）主風險因素風險綜合評價。根據模糊綜合評價模型，各主風險因素綜合評價向量為：

模糊子集Bk=（bk1,bk2,bk3,bk4，bk5）表示在各Rk（K=1，2，…m）因素下房地產投資項目分別以百分之多少的程度處于風險各等級。

（3）風險綜合評價。通過上述運算，得到是對評價指標子集的綜合評價結果并B1,B2,…，Bm可構成一個總的評價矩陣B，即：

權向量A=（a1，a2，…，am）

按照模糊綜合評價模型，再進行綜合評價運算，即：D=A?B或

則D=（d1,d2，d3，d4，d5）就是對該投資項目的綜合評價結果。按照最大隸屬度原則，dj（j=1，2，3，4，5）中的數值最大者djmax所對應的風險程度等級即Uj為該投資項目的風險等級。

四、評價結論

最終評價結果是一個代數值，表示對所有房地產投資風險評價指標的綜合主評分。分值越高，說明房地產投資項目的風險越高，在所有風險評價指標的綜合表現越差；反之分值越低，說明房地產投資項目的風險越低。

當然風險分析針對的是未來可能的風險，無論采用何種評價方法，都可能產生錯誤的估計，因此評估報告須進一步分析可能存在的評估誤差，以使風險決策有更為可靠的依據。

模糊綜合評價方法克服了以往只能衡量房地產投資中某單一風險的弊病，而是將房地產投資作為一個系統來衡量其整體不同階段風險程度，應用模糊綜合評價理論建立的房地產投資的風險模糊評價模型，可針對房地產原始信息的不確定性，將其轉換為模糊變量，利用模糊評價模型進行評價得出的定量結果，對房地產投資決策有較高的參考價值。

參考文獻：

1.王俊松.房地產投資風險概述.經濟與管理，2005(5)

2.任宏,鄧中美.建筑策劃中的風險識別與風險評價.重慶大學學報（自然科學版），2005(9)

3.徐嶸,孟德林,歐志高,李可讀.完善風險識別與預防機制.中國城市金融，2006(5)

4.馮套柱,孟亞寧.房地產投資風險評價研究.沈陽理工大學學報，2005(3)

5.劉曉君,孟凡文.模糊層次分析法在房地產投資風險評價中的應用.西安建筑科技大學學報（自然科學版），2005(1)

6.熊紅梅,王慧敏.房地產投資風險綜合評價研究.華北水利水電學院學報，2005(1)

7.李永,胡向紅,喬箭.改進的模糊層次分析法．西北大學學報（自然科學版），2005(1)

篇(7)

關鍵詞：模糊神經網絡；企業信用風險；評估模型

中圖分類號：F820 文獻標識碼：A 文章編號：1672-3104（2013）05?0021?05

信用風險是指交易對方沒有意愿或沒有能力履行既定合同條件而造成違約，致使債權人或交易方遭受經濟損失的可能性。企業信用風險產生的原因有企業內部自身的因素，也有環境因素。企業經營不善、決策失誤導致無法履約等自身因素往往被認為是企業信用風險的根本原因[1]；而國內外宏觀經濟環境、法律法規制度及政治制度的突變也成為當前企業信用風險成因不可忽視的因素。

理論和實踐已表明當今的中國已經步入了“信用經濟時代”，這就要求作為中國經濟主體的企業，在生產經營活動中需要感知風險、預測風險和規避風險，以確保契約關系的如期履行。這既是企業經營與發展的根本，也是國家和地區經濟體系正常運行的基本前提。因而如何科學有效的評價企業的信用風險，對維護國家金融安全與經濟健康運行的意義與價值是不言而喻的。

一、文獻回顧

信用評價是穆迪（Moody）公司的創始人約翰·穆迪在1890年首創提出的債券風險管理體系，通過債券的信用評價確定債券等級，目的是幫助投資者對債券做出選擇，同時也為企業管理者的生產經營決策提供建議。到上世紀二三十年代，信用評價開始在歐美國家風行，評價的技術也在與時俱進?？偨Y其發展歷程，評價技術大致可以劃分為經驗判斷時期、統計模型時期和人工智能方法時期。

（一） 經驗判斷時期

這一時期主要集中在20世紀50年代以前，依賴評估人員的經驗和能力對企業的信用狀況作出判斷。在多年的實踐中，逐漸形成了“6C”“5P”及“LAPP”等要素信用評價方法。但經驗判斷法對評估人員的能力與水平有很高的要求，而且由于不同評估人員的的認識不同導致評價結果差異較大，評價結果公正性難以保證。

（二） 統計模型時期

在上世紀50年代到90年代期間，統計方法開始在信用評價技術中大量使用。Beaver[2]在1968建立單變量多元分析模型 （Z模型），但這種方法會存在不同變量導致不同的評價結果的缺陷。針對這一缺陷，Altman[3]利用多元判別分析法進行改進建立了Zeta模型，明顯提升了風險預警的效果。1980年Ohlson[4]開始運用Logit回歸模型進行企業信用評價，而后Collins和Green（1982）、Gentry、Newbold和Whitford （1987）的研究表明了Logit回歸模型在信用評價方面優于Zeta模型。Jone和Hensher（2004）使用混合Logit模型提高風險評價的準確程度。隨著信用評價技術的完善，一些新的統計方法不斷在實踐和應用，如KMV模型、VaR方法均在信用風險評價中使用，這些模型的出現意味著統計方法在信用風險度量技術的廣泛使用。

但是統計學方法應用在信用評價中也有很多的不足，如統計模型要求評價指標的關系是線性的，指標要成正態分布等都與企業的實際情況不符。因此，統計方法評價企業信用風險有很大的局限性。

（三） 人工智能方法時期

從上世紀90年代開始，信用評價就進入了一個集人工智能、計算機技術和系統技術于一體的人工智能方法時期。隨著人工智能的發展和應用，神經網絡方法（ANN）開始進入信用評價的應用和研究領域。相對于統計方法，神經網絡對樣本數據分布要求不嚴格，具有較強的“魯棒性”和較高的預測精度，這些優勢使其成為信用風險評價的有效工具。Singleton和Surkan[5]的研究表明神經網絡方法的準確率比信用評分法的準確率要高16%。Altman、Macro和macro[6]的研究也證實了神經網絡準確率遠高于信用評分法準確率。

我國學者對于信用評價問題的研究起步較晚，相比發達國家成熟的信用評價體系存在著相當大的差距。特別是在信用評級的實踐中，仍然以信用評分為主，在評價方法上，又以統計分析為主，而對于神經網絡方法、衍生工具方法的應用研究相對較少。基于此，本文構建模糊神經網絡方法探索企業信用風險評價方法。

二、研究方法與樣本來源

（一） 研究方法

本文中的T-S模糊系統是一種自適應能力較強的模糊系統應用，該模型不僅能自動更新，而且還能不斷修正模糊子集的隸屬函數。T-S模糊系統用“if-then”的規則來定義，其模糊推理如下：

其中： 為模糊系統的模糊集； 為模糊系統的參數；yi為根據模糊規則得到的輸出。該模糊推理的輸出部分是模糊的，輸入部分是確定的，且輸出為輸入的線性組合。

（二） 樣本來源

本文中的樣本來源于2012年度浙江省重點工程招投標領域信用評級企業。為了評價的一致性，受評的72戶企業均為土木施工類企業，其中55戶作為神經網絡的學習樣本，17戶作為檢驗樣本，樣本數據均由杭州資信評估公司提供。

（三） 評價指標說明

信用評價指標體系是科學評價企業信用狀況的基礎和依據，本文按照浙江省企業信用評價指導性標準和規范提供的指標體系[7]，其評價指標主要分為5個大類、15個中類及48個初始指標集，即① 企業基本狀況大類指標：基本條件，人力資源，管理能力；②財務狀況大類指標：債權債務，營運能力，盈利能力；③ 發展潛力大類指標：行業狀況，技術實力，成長能力，發展戰略；④ 公共信用監管大類指標；⑤ 招標投標監管信息大類指標：招標投標信用記錄，合同履約情況，獲獎情況。

本文樣本的財務指標數據均來自于審計后的財務報表，定性指標則通過實地調查或監管部門的官網信息所得，因而所有的信用信息真實可靠。

由于信用評價指標體系中的各個指標計量單位不同，在分析之前必須通過歸一化處理，化為無量綱的表達式，即為純量。指標歸一化的方法有很多，本文使用如下算子（即matlab中的mapminmax）進行歸一化處理：

其中：ymax默認取為1，ymin默認取為?1，這樣把原始數據歸一化到?1至1之間，以便于后續的運算處理。

三、模糊神經網絡構建

（一） 模糊神經網絡的輸入與輸出

本文構建三層神經網絡，模型的第一層為輸入層，因為有48個輸入參數指標，所以輸入層設置了48個神經元；第二層為隱含層，隱含層神經元個數要依據網絡學習的擬合速度選取，此處設置為100個；第三層為輸出層，由于輸出參數為一個，即為企業的信用等級，故輸出層設置1個神經元。

（二） 基于模糊神經網絡的企業信用風險評價的流程

企業信用風險評價要將輸入樣本數據歸一化后求隸屬度，旨在將數據模糊化，再采用連乘算子作為模糊算子，計算模糊模型輸出值，其結果為逆模糊化的輸出。通過誤差計算矯正隸屬度參數，訓練模糊神經網絡，將訓練好的網絡對測試數據進行信用評價。該過程如圖1所示。

（三） 模糊神經網絡的學習算法

1. 誤差計算

2. 系數修正

3. 參數修正

四、實證研究結果

本文采用MATLAB 2010a編程，實現模糊神經網絡過程對該網絡進行訓練。經過訓練得到模糊神經網絡的真實結構。該結構由48個神經元的輸入層，1個神經元的輸出層和100個神經元的隱含層構成，經過大量次數的訓練，得到訓練結果。

（一） 誤差分析

從圖2到圖5可知，經過9 000次訓練，個別點的誤差仍然較大，沒有趨于穩定。在經過10 000次訓練后，所有點的誤差非常小，訓練好的模型能夠用于測試數據的信用評價。

在不同訓練次數下誤差波動不大，說明經過10 000次訓練以后的誤差已經趨于穩定。從圖6和圖7中可以看出，需要較大的訓練次數誤差才能趨于穩定，主要原因在于訓練樣本中等級的不連續性，例如一個企業的數據理論上應該化分為等級2.4，但是在實踐應用中的等級卻只有2和3，按照接近原則劃分到2，這樣的誤差出現在訓練樣本中將會對訓練結果的好壞、預測結果的好壞有著較大的影響。

由于反歸一化后結果不一定是整數，這與信用等級不一致，所以有必要對結果取整，當輸出結果小于1.5，其等級為AAA（圖上為1），輸出結果為1.5～2.5，其等級為AA（圖上為2），輸出結果為2.5～3.5，其等級為A（圖上為3），輸出結果大于3.5，其等級為BBB（圖上為4）。

測試樣本評價結果如圖8，等級1代表AAA，2代表AA，3代表A，4代表BBB。即：

五、結語

（1） 本文根據浙江省企業信用評價指導性標準和規范的要求確立了企業信用風險評估的指標體系， 構建了企業信用風險評估的模糊神經網絡模型。通過MATLAB 2010a編程，實現模糊神經網絡過程對該網絡進行訓練。實證研究表明， 模糊神經網絡適用于企業信用風險評價，且網絡預測誤差小。

（2） 利用模糊神經網絡得到的企業信用評價結果與杭州資信評估企業的評價結果基本一致。經對比，有4個企業的評價結果發生了一個等級的差異。

參考文獻：

[1] 張瑛. 新興技術企業信用風險評估方法研究[D]. 成都： 電了科技大學， 2009.

[2] Beaver W H. financial ratios as predictors of failure[J]. Journal of Accounting Research， 1966： 71?111.

[3] Altman E I. Financial Ratios Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance， 1968， 23： 4?7.

[4] J S. Ohlson. Financial Ratios and the Probabilitistic Prediction of Bankruptcy [J]. Journal of Accounting Research， 1980， 4： 123?133.

[5] Singleton. And Surkan. D. Simulating Correlated Defaults [J]. Paper presented at the Bank of England Conference on Credit Risk Modeling and Regulatory Implications， 2003， 9： 21?36.