神经网络项目风险评估
神经网络项目风险评估（精选10篇）
神经网络项目风险评估 第1篇
近些年国民经济持续快速发展，现阶段我国基础设施承载量已不能满足当前经济和民生需要的矛盾日益激化，看病难、入学难、出行难等民生问题不断引起社会热议，这一现象从侧面反映出以交通、能源、医疗和通讯等为代表的基础设施建设的迫切要求。在迫切要求加快基础设施建设的同时，国家财政收入可用于基础设施建设的资金量和基础设施建设方面所需的资金投入存在极大缺口。根据世界银行的统计，未来十年中国基础设施建设所需资金将达到8 400亿美元，这笔巨额资金仅依靠国家财政收入是难以满足的，可以说资金短缺已经成为制约基础设施建设的根本原因。为了适应项目建设和管理实践的发展需求，BOT项目融资作为一种有效的融资方式开始在我国基础设施建设领域里发挥了重要作用，缓解了基础设施建设的资金需求与财政投入过少的矛盾，促进了基础设施建设的进程[1]。
BOT项目融资以项目建成后的资产和预期收益为担保，实行无追索权或者有限追索权，多应用于投资规模大、建设周期长、施工难度大、风险高的项目，因此，在BOT项目实施过程中，风险管理成为项目顺利进行的关键点[2]。识别BOT项目融资和运营中的风险，如何对重点风险进行定性和定量分析、评估，确定风险的影响程度和范围是本文研究的重点。
分析我国以往的BOT项目融资实践，BOT项目的风险管理研究主要采取的是定性分析，进行定量分析较少。常用的分析方法有专家打分法、德尔菲法、层次分析法、模糊综合评价法等，这些方法在不同类型风险分析的问题研究中取得了一定的效果，但也存在一定的缺陷。专家打分法和德尔菲法等定性评估方法过于偏重专家对风险的主观认识，仅依据专家经验对项目风险进行评估，不能充分考虑项目的客观情况;当风险评价指标数量较多时，运用层次分析法和模糊综合评价法等会产生大量的工作量，也无法考虑到风险因素之间的非线性关系和风险因素的整体效应;同时，风险权重确定过程中可能产生风险因素权重不一致的现象，不能充分客观地解释项目风险状况;当项目客观环境变动因素较多时，上述几种方法就无法有效对项目风险因素进行客观的评估管理[3]。
BP人工神经网络是标准人工神经网络完善后的一种，也是目前使用最为广泛的神经网络类型。该模型的结构特点、信息处理性能和超强的学习适应能力使其具有良好容错性和储存性，可以较大程度地避免风险评估者的主观影响，非常适合于具有非线性、模糊性和不确定性的项目风险评估;同时，Matlab软件的开发和应用使该方法具非常强的应变和应用能力，对于实际有了更深刻的指导意义。
2 BOT项目风险评估指标体系
BOT与传统的项目融资不同，以项目建成后的资产和预期收益为担保，参与方众多，具有无追索权或者有限追索权、风险分担、项目周期长等特点，因此该类项目风险种类较以往项目更为复杂[4]。本文参考了以往的BOT项目融资风险评估体系和操作实践，利用主成分分析法对风险因素进行识别，得出20个风险评价指标，总结得到BOT项目风险评估体系，如表1所示。
3 BP人工神经网络理论基础及算法
人工神经网络(Artificial Neural Network,ANN)是模拟生物神经网络功能的一种经验模型，由大量、简单的处理单元广泛连接形成一个复杂的网络，每个神经元都是整个神经网络的基本运算单元，它以非线性的方式对信息进行处理，大量神经元之间信息传递和相互作用形成整个神经网络的信息处理能力。
该模型根据输入的信息建立神经元，通过学习规则或自组织等过程建立相应的非线性数学模型，通过调整权重值和阈值来学习或发现变量之间的关系，记忆客观事物在空间、时间方面的复杂关系，并以神经元之间权重值和阀值的形式存储在模型内，最终输出结果与实际值之间差距不断缩小，合理有效地解决非正态分布、非线性的风险评估问题[5]。
3.1 BP人工神经网络的数学模型
BP人工神经网络即误差反向传播神经网络，是标准人工神经网络完善后的一种模式，由一个输入层、一个或多个隐含层和一个输出层组成的多阶层型神经网络。BP人工神经网络的每层均由一定数量的神经元构成，相邻层之间的神经元紧密连接，如同人的神经细胞一样，同一层的神经元之间不连接;输入信号先由输入层节点向前传播到隐含层结点，经过激励函数的处理之后，把隐含层结点的输出信息传播至输出层结点，最终给出输出结果;信息传递只存在于相邻层神经元之间，同层神经元之间信息不传递，不同层神经元之间形成高度非线性关系。该模型结构和信息传递方式如图1所示。在项目风险管理领域内，我们把工程项目风险的二级指标作为神经网络的输入量，将项目风险管理综合评价值作为输出量[6]。
BP神经网络依据所得样本数据，通过“学习和培训”获得样本所隐含的特征关系，以神经元间连接权重值和阀值的形式储蓄专家的经验与知识。此外，BP人工神经网络还将每次迭代的误差信号由输出层经隐含层，反馈给输入层的各个神经元，根据反馈的误差值调整网络各个神经元之间的连接权重值和阀值，如此反复迭代，直到误差达到设定的容许水平。该模型的数据处理逻辑如图2所示。
3.2 BP人工神经网络的算法
BP人工神经网络模型的输入层神经元，其输出和输入相同;中间隐含层和输出层的神经元的算法只是具体的参数不同，运算规则基本相同。设Yk-1)i是k-1层第i个神经元的输出，也是第k层神经元的输入;W(k-1)ikj是k-1层第i个神经元与k层第j个神经元的连接权值;Ykj是k层第j个神经元的输出，也是k+1层神经元的输出;f为激活函数，本文选用Sigmoid函数，f(u)=1/(1+e-u);n为第k-1层的神经元数目。网络的运算规则可以表述为[7]:
输入层神经元的个数往往是依据项目风险分析指标的二级指标个数而定，输出层是期望得到的结果，一般将项目风险管理综合评价指标作为最终输出量。增加层数可以降低误差、提高精度，但同时使网络复杂化，增加网络权值和阀值的训练时间。增加隐含层中的神经元数目也可以提高误差精度，其训练效果也比增加层数更容易观察和调整。一般情况下，提高误差精度应当首选通过增加隐含层神经元数目。隐含层单元数的设定通常是对不同神经元数进行训练对比，然后适当地加上一点余量。当输出层神经元个数为n，隐含层神经元个数为m，确定隐含层数目时可以参照经验公式:
BP网络的基本处理单元为非线性的输入—输出关系。处理单元的输入和输出值可连续变化。
BP网络模型中误差反馈是通过对数据的培训完成的。我们假设BP人工神经网络每层有n个处理单元，训练集包含m个样本模式对。对第p个学习样本(p=1,2，…，m)，节点j的输入总和记为netpj，输出记Qpj，则:
如果任意设置网络初始权值，设dpj表示对第p个输入样本输出单元j的期望输出，那么对每个输入样本p，网络输出与期望输入dpj间的误差为:
在BP网络学习过程中，输出层单元与隐单元对误差的计算方式不同。在此，为了加快网络的收敛速度，引入学习速率η，则BP网络的权值修正公式为:
学习速率偶尔会使网络产生振荡，为了解决此问题，可以引入惯性参数α，时态因子α为一设定的常数项，它决定上一次的权值对本次权值更新的影响程度。由此，权值修正公式可以表达为:
权值修正是在误差方向传播过程中逐层完成的。由输出层误差修正各输出层单元的连接权值，再计算相连隐含层单元的误差量，并修正隐含层单元连接权值。权重值随着迭代的进行而更新，一般是收敛的。学习速率在一定程度上决定了网络的收敛速度，过小导致权重值更新量过小，网络收敛速度满;过大导致网络在极值点附近振荡的可能性加大，难以收敛[8]。
4 基于BP神经网络的BOT项目融资风险评估模型
4.1 建立神经网络模型
根据Kolmogorov定理，给定任意连续函数f:um→Rm,f(x)=y，这里u是闭单位区间[1],f(x)=y可以精确地用一个三层神经网络实现。1989年Robert Hecht-Nielson也证明了任何一个三层的BP网络可以完成任意的n维到m的映射。由此，本文建立的模型就是一个由输入层、隐含层和输出层三层神经元构成的三层高度非线性映射模型[9]。
模型内，最大训练次数设定为20 000，即当网络的训练次数达到20 000，模型停止训练;根据软件要求及模型的需要，本文设置的误差精度是0.000 001，当两次的迭代结果误差小于该值时，系统会结束迭代运算;项目风险因素之间呈现的是非线性关系，同时项目数据也经过归一化处理，因此选用对数S型函数作为激励函数。模型设计阶段，为了解决标准BP算法中学习速率选择不当的问题，对BP神经网络进一步优化，使学习速率可以根据误差性能函数进行调节，并引进学习动量。学习函数，设定为梯度下降动量学习函数;训练函数，自适应调整学习率并附加动量因子的梯度下降反向传播算法函数是一种在收敛速度、学习效率、结果误差度方面具有突出优势的组合优化算法，因此本文选用该种训练方法;网络误差性能函数，选用均方误差性能函数。网络模型参数设定如表2所示。
根据上文BOT项目风险评估指标体系，将风险指标作为模型的输入层神经元，即设定输入层有20个神经元;将项目风险的综合评价值指标作为输出值，输出层节点设定为1，根据输出值的大小判断项目风险情况;隐含层节点数依据经验暂定初始值为10，随后将采用试凑法确定网络收敛最快、误差最小时对应的隐节点数。
Matlab运行程序后，不同隐含层层数的网络训练结束所需训练次数如表3所示。当隐含层设为10时，网络达到收敛状态最快、训练次数最少。由此，本文确定构建的是一个20-10-1型的三层BP人工神经网络模型，模型结构如图3所示。
4.2 神经网络模型的训练和检测
BOT项目风险评估的指标内有正向指标和逆向指标，同时不同指标具有不同的物理量纲，对项目风险评估也有不同的效果。为了避免不同物理量纲和相差悬殊的数值对BP神经网络模型的消极影响，确保神经网络输出的有效性，需要对统计的数据进行归一化处理，即把输入数据和输出数据转化为值域为[0,1]的数据[10]。
逆向指标的无量纲处理:
正向指标的无量纲处理:
本文选取项目建设条件和经济环境相似的8个BOT的项目作为BP人工网络模型的训练和检测样本。1～7组数据作为模型训练样本，8组数据作为检测样本，9组数据为待评估项目的指标值，经过归一化处理的数据如表4所示。
运用Matlab编写程序，创建神经网络，建立矩阵输入数据，并对网络进行学习训练和检测。将1～7组样本数据输入网络模型，与之对应的风险评估值作为期望输出，学习和训练神经网络模型;将8组数据作为检测样本，检测神经网络的成熟度。通过107次训练后，总体误差满足要求，将各个样本数据代入模型进行检测，期望输出和实际输出的误差对比如表5所示。8组数据最大误差仅为1.38%，平均绝对误差为0.75%，故拟合情况良好，小于误差精度。因此，BP人工神经网络成熟度较高，网络模型的学习训练和检测结束[11]。
4.3 运用BP人工神经网络模型进行BOT项目风险预测
运用训练成熟的BP人工神经网络对BOT项目风险进行预测，将第9组数据输入网络，经过88次迭代，得到预测值0.192 4，此时E=3.744 9e-08，结果如图4所示。
该BOT项目经过BP神经网络的预测得到风险的综合评价值为0.192 4，根据表6项目风险评价范围可知项目风险程度属于低风险，项目风险程度可以接受[12]。由此，项目风险预测结束。如果风险综合指标过高，需要重新评估项目，采取措施后再重新评估项目风险综合指标。
5 总结
本文采用模糊数学理论中的BP人工神经网络用于BOT项目风险的评估管理，建立BOT项目风险的数据矩阵，利用BP神经网络的运算特点和高度非线形预测功能提高了项目风险投资评估的客观性和科学性;同时，利用Matlab软件构建BP人工神经模型，减少了大量工作量和人为的主观错误。
人工神经网络是一个高度非线性网络，具有模拟人脑并行处理信息的功能，具有自组织、自学习和自适应的特点，并通过不断学习训练和权重值的修正，最终形成接近实际情况的神经网络模型。BP人工神经网络优势突出:首先，该模型降低了传统分析法中人的主观性，保证了评价结果的客观性，充分考虑风险因素之间的非线性关系和风险因素的整体效应;其次，项目风险因素的评估具有动态性和模糊性特性，BP人工神经网络可以随环境的变化不断进行学习和调整，更加适应环境变化和发展的需要;最后，BP人工神经网络原理简单、拟合精度高、可操作性强、运行速度快，避免了风险因素评估过程中大量的计算和主管失误。由于目前国内外的项目风险管理均处于初级发展阶段，整个项目风险管理的数据库还在建设过程，找到相似的成功案例和项目的风险分类存在一定难度，这在一定程度上降低了BP人工神经网络的应用。
总的来说，基于BP人工神经网络的工程项目风险评估模型在项目风险评估管理方面有着良好的应用前景，能更加客观和全面地预测项目风险，能对项目投资决策起到有效的辅助作用，具有广泛推广、应用和研究意义。
参考文献
[1]蒋先玲.项目融资[M].北京:中国金融出版社,2001:152-158
[2]徐绪松,但朝阳.高技术项目投资风险模糊综合评价模型[J].数量经济技术经济研究,2000,17(1):34-36
[3]CHAPMAN C,WARD S.Project risk management:processes techniques and insights[M].New Jersey:John Wiley,1997:56-89
[4]史燕平,章昌裕.国际融资学教程[M].北京:中国对外经济贸易出版社,2001:306-310
[5]李永敏,朱善君,陈湘晖,等.根据粗糙集理论进行BP网络设计的研究[J].系统工程理论与实践,1999,19(4):62-69
[6]LAPEDES A,FARBER R.Nonliner signal processing using neural networks[Z].Prediction and System Modeling,Tech LA-UR-87-2662,Los Alamos,Los Alamos National Laboratory,1987
[7]张文修,吴伟志.粗糙集理论介绍和研究综述[J].模糊系统与数学,2000,14(4):1-12
[8]朱祖平,朱彬.基于BP神经网络的企业技术创新效果的模糊综合评价[J].系统工程理论与实践,2003,23(9):16-21
[9]闻新.MATLAB神经网络应用设计[M].北京:科学出版社,2002
[10]焦李成.神经网络数学基础[M].西安:西安电子科学技术大学出版社,1996
[11]庄镇泉,王熙法,王东生.神经网络与神经计算机[M].北京:科学出版社,1994:1-4
神经网络项目风险评估 第2篇
一、单选题
1.在工程的实施状况报告中应包括（），预测未来风险报告。A 各种市场行情 B 风险状况报告
C 各投资者企业状况报告 D 天气预测警报
2.现代工程项目风险管理过程除了风险管理计划、风险分析、风险对策和风险控制外还有（）A 风险对比
B 风险识别 C 风险回避 D 风险预警
3.现代工程项目风险管理过程除了风险管理计划、风险识别、风险对策和风险控制外还有（）A 风险回避 B 风险对比 C 风险预警 D 风险分析
4.现代工程项目风险管理过程除了风险管理计划、风险识别、风险分析和风险控制外还有（）
A 风险对策 B 风险预警 C 风险对比 D 风险回避
5.将风险责任落实到各个组织单元，使大家有风险意识。这一条是属于风险对策中的（）A 组织措施 B 技术措施 C 回避风险
D 要求对方提供担保
6.下列哪个不属于按管理的过程分析的风险。（）A 运营管理风险 B 生产能力风险 C 高层战略风险
D 环境调查和预测的风险
7.多维的风险识别不包括（）A 按项目系统要素进行分析 B 按管理的过程分析 C 项目的进度
D 按风险对目标的影响分析
8.下列不是回避风险的是（）A 回避风险大的项目
B 选择风险小或适中的项目 C 选择风险大、利润大的项目 D 及时中断危险项目
9.在风险发生情况下不应（）。A 实施降低风险计划
B 及时采取措施控制风险的影响 C 按原计划执行，听天由命
D 保证对策措施的应用和有效性，降低损失，防止风险的蔓延
10.现代工程项目的风险（）A 越来越大 B 越来越小
C 跟以前一样没变 D 范围变小
11.下列说法错误的是（）
A 风险是项目系统中的不可靠因素，会造成工程项目实施的失控现象 B 现代工程项目的风险越来越大
C 决策树常常用于不同风险方案的选择 D 国家政府工程项目中不存在风险。
12.风险控制贯穿在项目的（）等过程中。A 进度控制和成本控制 B 质量控制和合同控制 C 进度控制和合同控制
D 进度控制、成本控制、质量控制、合同控制
二、多选题
1.现代工程项目中的风险主要有（）
A 项目规模大、技术新颖、结构复杂、持续时间长、与环境接口复杂，导致实施技术和管理的难度增加
B 工程的参加单位和协作单位多，各方面责任界限的划分、权利和义务的定义异常复杂，设计、计划和合同文件等出错和矛盾的可能性加大
C 由于工程实施时间长，涉及面广，受外界环境的影响大，如经济条件、社会条件、法律和自然条件的变化等。这些因素是项目上难以预测，不能控制。
D 现代工程项目高科技含量较高，是研究、开发、建设、运行的结合，而不仅仅是传统意义上的建筑工程
E 现代企业、投资者、业主、社会各方面对工程项目的期望、要求和干预越来越多
2.本视频课程主要主要讲解了哪些内容（）A 概述
B 工程项目风险因素分析 C 风险评价 D 风险对策 E 风险控制
3采取合作方式共同承担风险的方式有（）
A 寻找抗风险能力强的可靠的有信誉的合作伙伴，最好为政府、大的可靠的信誉良好的公司、金融集团等，则双方结合后，项目的抗风险能力会大大增强 B 在资金、材料、设备、人力上对风险大的工程予以保证
C 通过良好的合同设计分配风险。如让承包商承担更大的风险，但给他更多的盈利机会 D 要求对方提供担保
E 现代工程领域战略联盟、伙伴关系模式、让承包商参与融资等
4.项目环境要素风险主要有（）A 政治风险 B 法律风险 C 经济风险 D 自然条件 E 社会风险
5.对将来情况的预测主要指那些方面（）A 政治 B 经济 C 市场 D 社会 E 自然
6.风险分析的方法主要有（）A 列举法
B 专家经验法(Delphi法)C 蒙特卡罗法 D 决策树方法 E 推测法
7.风险控制贯穿在项目的（）等过程中。A 进度控制 B 合同控制 C 质量控制 D 采购控制 E 成本控制
8.对将来情况的正常预测以及正常的、理想的工程技术、管理和组织实施是工程项目（）的基础。A 构思
B 可行性研究 C 规 D 设计 E 计划
9.风险评价的内容是（）A风险存在和发生的时间分析 B风险的影响和损失分析 C风险发生的可能性分析 D风险级别
E风险的起因和控制性分
三、判断题
1.风险管理的目的在于消灭风险。错
2.决策树常常用于不同风险方案的选择。对
3.风险管理在项目组织中逐渐职能化趋向。对
4.现代工程项目的风险越来越小。
错
5.现代工程项目高科技含量较高，是研究、开发、建设、运行的结合，而不仅仅是传统意义上的建筑工程。对
6.风险管理的目的，并不是消灭风险，而是在于有准备地、理性地进行项目实施，减少风险的损失。对
7.风险的管理为现代项目管理研究和应用的热点之一。对
浅谈电力项目社会稳定风险评估 第3篇
关键词：电力；社会稳定；风险评估
中图分类号：F407.61 文献标识码：A 文章编号：1671-864X（2014）08-0192-01
一、社会稳定风险评估的依据——《国家发展改革委重大固定资产投资项目社会稳定风险评估暂行办法》、《关于建立健全重大决策事项社会稳定风险评估机制的实施意见（试行）》之间的异同
下面结合以上两个文件，分析一下其存在的相同点和不同点。
1.相同点
①均为社会稳定风险评估。
②评估内容都强调合法性、合理性、可行性、可控性。
③听取意见的对象和方式相同。
④风险等级相同。
⑤都要提出评估报告。
⑥都追究评估主体的责任。
2.不同点
①适用范围不同：国家发展改革委发改投资[2012]2492号适用于国家发展改革委审批、核准或者核报国务院审批、核准的在中华人民共和国境内建设实施的固定资产投资项目。而中共河南省委办公厅豫办[2013]1号《关于建立健全重大决策事项社会稳定风险评估机制的实施意见（试行）》适用于我省凡是直接关系到人民群众切身利益且涉及面广、容易引发社会不稳定问题的重大决策事项，包括涉及房屋征收、农民负担、国有企业改制等。个人认为豫办[2013]1号的适用范围更广（仅就河南省而言）。
②决策机关不同：发改投资[2012]2492号指国家发改委，而豫办[2013]1号指党政机关或党委和政府有关部门。
③评估主体不同：发改投资[2012]2492号评估主体是项目所在地人民政府或其有关部门指定的评估主体，而豫办[2013]1号评估主体是地方党委和政府作出决策的，由党委和政府指定的部门作为评估主体；党委和政府有关部门作出决策的，由该部门或者牵头部门会同其他有关部门指定的机构作为评估主体。个人认为豫办[2013]1号对评估主体的范围更广（仅就河南省而言）。
④根据评估结果的决策不同，相对而言，个人认为发改投资[2012]2492号的要求更严。
⑤决策实施跟踪不同：个人认为豫办[2013]1号要求及时跟踪决策实施后造成的变化，比发改投资[2012]2492号更有针对性和可操作性，更注重落实。
二、水电项目社会稳定风险评估
根据一个抽水蓄能电站项目的社会稳定风险评估，谈谈我对水电项目社会稳定风险评估的认识。
初步认为拟建项目存在土地房屋征收征用补偿标准、水体污染物排放等5种类型9个主要单因素风险，初始风险估计为3项较大、3项一般、3项较小，综合风险指数0.293，初始风险等级为低风险，且有可靠的风险防控措施。
拟建项目主要风险防范、化解措施：
1.严格执行移民安置规划报告。2.加强宣传，做好相关政策、法规、标准的宣贯解释工作。3.对于淹没线以上留置人口的安置，补充调查其现状生产生活水平、征求个人意愿。4.施工过程中，加强安全生产管理，加强对流动人口的治安管理，提供基本的医疗、子女教育等服务。5.运营期严格落实各项规范制度，加强环境监测。
县、乡政府和项目法人单位须制定社会稳定风险应急预案，责任到人，根据周围相关社会因素的变化，不断调整完善。并建立风险管理联动机制，共同化解社会稳定风险。
三、火电项目社会稳定风险评估
下面我根据一个火电项目的社会稳定风险评估，谈谈我对火电项目社会稳定风险评估的认识。
初步认为拟建项目存在有“关停机组人员安置方案”、“ 征地补偿标准”、“征地补偿程序和方案”等方面的主要风险，初始风险等级为低风险。
拟建项目主要风险防范、化解措施：
1.完善《安置方案》。2.拟建项目按省、市现行政策确定征地补偿费用标准后，在项目投产运营前，如有关补偿费标准调高，对农民的补偿按新标准执行。3.项目建设和运行过程中，当地环境主管部门加强监督和环境监测，落实环保措施，确保污染物达标排放。4.施工过程中，加强安全生产管理，落实各项制度、及时结清工人工资，减少劳资矛盾，加强对流动人口的治安管理。
县、乡镇政府和项目法人单位须强化应急预案管理，确保适龄人员就业的同时，建立健全高龄、弱势人群的社会保障和救助，确保这部分人员生活水平不受大的影响。制定社会稳定风险应急预案，责任到人。并根据周围相关社会因素的变化，不断调整完善。逐步建立风险管理联动机制，共同化解该项目的社会稳定风险。
四、个人体会
通过以上对两个文件的分析以及两个项目的社会稳定风险评估，下面谈一下个人体会：
1.社会稳定风险评估与项目评估之间的差异。
从组织形式看，社会稳定风险评估与项目评估相比，除了邀请行业内专家、所在地政府各职能部门（与项目有关的）外，还需要邀请维稳办、信访局、移民局等单位，更重要的是必须邀请利益相关者（当地群众、与项目有直接关系的老百姓、项目单位职工）等，进行问卷调查、实地走访，现场召开座谈会、听证会，充分听取各方面意见。
从时间上，项目评估一般周期比较短。而社会稳定风险评估周期相对比较长。
从评估要点来看，项目评估主要根据设计单位编制的可研报告、申请报告以及项目所需的支持性文件发挥专家组的聪明才智形成专家组意见，然后设计单位根据专家组意见认真补充修改报告，最后咨询单位根据修改后的报告和专家组意见出具评估报告。而社会稳定风险评估主要依据社会稳定风险分析篇章的编制并充分吸收各方面的意见尤其是利益相关者的意见集合专家的智慧形成社会稳定风险评估报告，不强调设计单位对社会稳定风险分析篇章的修改。
从评估内容上，可控性是社会稳定风险评估和项目评估的最大区别，这也是要充分听取利益相关者意见的根源。
从评估方法上，项目评估一般不用上网公示，而社会稳定风险评估要求调查大众媒体包括网络媒体、移动媒体等新兴媒体对拟建项目的意见、诉求和舆论导向等。
2.社会稳定风险评估与社会稳定风险分析之间的差异。
两者的差异主要体现在社会稳定风险分析篇章编制单位受项目单位委托并签订委托合同，编制社会稳定风险分析篇章。而社会稳定风险评估是由项目所在地人民政府或其有关部门指定，不受项目单位委托。
3.社会稳定风险评估的要点。
社会稳定风险评估的要点即项目的合法性、合理性、可行性、可控性。
4.社会稳定风险评估的难点。
社会稳定风险评估的难点一是如何开展现场调研，听取利益相关者各方面的真实意见。难点二是如何在当地民意诉求和政府、企业职工诉求和业主之间找到平衡。
神经网络项目风险评估 第4篇
巨项目指的是对区域经济、国民经济、全球经济能够产生重大深远影响,对国防建设,重大科技探索、社会稳定、生态保护环境、重大历史事件有决定性意义的大型工程项目。[1]巨项目作为工程学科领域内客观存在的事物是工程类别之一,依据其定义可知该类项目的影响性较强,可变因素较一般工程项目来说量大而且不可控制性增高,项目的自身变量和外身变量给项目的实施和最终效果带来更多的不确定因素,因此,对巨项目风险管理中的预测用传统的管理预测方法有较大的局限性。文章采用BP神经网络与灰色系统联合模型对巨项目的带有时间序列的风险进行合理的预测。
1 巨项目风险因素的划分
由于巨项目具有管理组织庞大,建设难度大,参与主体多元化,信息量和不确定因素多等特点。因此,在风险管理方面采取与传统项目管理的不同方式。首先体现在巨项目风险分类方面。因巨项目建设所具有特殊的特点,以传统的系统风险方式和非系统风险方式划分难以适应项目风险的预测和管理。文章针对巨项目的特点及所采用的BP神经网络——灰色系统联合模型,对其面临的风险进行分类,其分类如图1。
以上风险类型的划分体现了巨项目所面临的主要风险类别,在利用BP神经网络——灰色系统模型进行风险预测和控制时,可以根据具体模型的要求条件对以上风险类别进行新的划分。如以少信息为主且与时间因素相关的模型进行风险预测时,则可以从与时间相关的角度进行风险划分,经济风险、自然风险、环境风险与时间的相关性密切,而其他与时间关系相对较弱。
2 风险预测中神经网络逼近和非线性插值
BP神经网络学习过程由向前计算过程和误差逆转传播过程完成。随着误差传播修正的不断进行,网络对输入模式响应的正确率也不断地上升,最后在允许误差范围内网络达到平衡状态而自动收敛。[4]
利用BP神经网络可以逼近风险损失值的期望曲线,进而用训练好的网络进行非线性插值。[4]对于风险损失值曲线,BP神经网络的映射是从时间t到风险s的一一对应的简单映射模式,因此,模型的输入宇输出节点均产生为一个。在实际的模型建立过程中可知若按一般的方法进行归一化处理会使网络收敛性能不佳,因此,在巨项目具与时间相关的风险中使用Matalab中采用的零均值化且标准偏差为1的数据预处理方法,即对应于每个输入量,要使输入的L组数据零均值且标准偏差为1。[5]相应计算方法为:
3 灰色系统的GM(1,1)预测风险大小
3.1 巨项目风险数据的预处理
一般的灰色系统对数据没有严格的要求,在有的文献中对灰色系统数据预处理研究不多,巨项目风险中的预处理是指通过BP神经网络插值的办法将风险数据值等时距化。等时距风险序列的数据按照某种要求进行处理被称为生成。灰色理论对灰量、灰过程的处理,目的时为了求得随性弱化,规律性强化的新数列,新数列得数据被称为生成数。[5]因此,用生成数据建立巨项目时间序列风险模型是灰色理论在风险预测方面的重点,常用的灰色生成为累加生成(AGO)。
设{x(0)}={x(0)(1),x(0)(2)…x(0)(n)}为原始数列,若将通过生成后得风险产生值记为{x(1)},则{x(1)}=(x(1)(1),x(1)(2)…x(1)(n))在x(0)与x(1)之间满足,则称x(1)为x(0)的一次累加生成数列。[5]
3.2 灰色巨项目风险模型的建立[10]
在研究巨项目某种风险的发展变化时,通常情况下突出一个或两个最主要的变量,为了计算上的方便,预测模型选取GM(1,1)模型。依据对所测得的风险原始数据进行一次累加生成处理后,构造相应的参数矩阵B和Yn。
依B和Yn,计算GM(1,1)预测模型中的参数β:
将参数β的各个分量代入构造的微分动态方程,通过求自化形式微分方程的解建立时间序列的响应函数。对于巨项目中时间序列风险的GM(1,1)预测模型,其微分方程为:
相应的预测模型建立后,可依据原始数据建立的初始模型,不一定能反映出时间序列风险的客观规律,因此对建立的预测模型进行精度检验。对巨项目的该类风险,采用相对误差检验方法:
其中为依据预测模型的计算值,x(0)(k)为原始数据的实际值。当w(k)满足精度要求时,可视为所建立的风险预测模型的精度是足够的。
4 巨项目风险预测实例分析
文章以某市地铁修建为算例,因该市的地质情况为地下水位较高,存在大量的软土层,作为巨项目地铁的修建持续时间较长,因此,对其中一路段的路基不均沉降用神经网络和灰色系统联合模型进行预测,以便采取相应的措施。
利用神经网络等时矩插值结果,将在单位时间测定的路基不均匀沉降值作为输入模型的原始数据列:x(0)(i)=△s(i),i=1,2,…n,n为样本个数。对原始数据列进行一次累加生成得到
联立(5)和时间响应函数(3),得到关于地基所形成的路基基础的不均匀沉降GM(1,1)模型为:S(i)=A+Be C(i-1)。对于路基不均匀沉降形成的风险段若具备收敛性的情况,则应添加初始沉降量为s(0),因此上式可以变化为S(i)=A+Be C(i-1)+s(0),其中A、B、C为待计算的参数,若C<0,当i→∞时,则可得到地质情况造成的风险沉降值为S∞=A+s(0)。
模型建立选取地铁中地质情况比较明显的路段插值后的路基沉降数据,如表1。以相应的数据做预测得到检验表2(计算过程可以通过相应的程序进行,算例中列出程序计算后的数据结果)。
由以上计算结果可以看出BP神经网络与灰色系统联合模型在对时间相关度较大的短期风险预测的精度较高,可信度较大。在该路段最终路基沉降预测中,因实际资料的局限,不能进行预测,但可通过不同的风险预测模型进行横向比较,从而计算出风险状态下路基不均匀沉降的数值。
5 小结
采用神经网络—灰色系统联合模型,对工程项目风险预测,特别是对巨项目的风险预测是种新的尝试,完善了GM模型在风险预测种的运用。对灰色系统生成所需的等时矩序列,用神经网络逼近非线性插值方法,与传统的线性插值方法相比其结果的拟合程度较高。神经网络能通过自适应性学习建立最佳映射模式,具有较强的稳定性和纠错能力,从而对样本合变量数量无严格要求,适合于巨项目类工程风险产生的非线性状况。通过计算实例表明运用模型对巨项目在短期内风险预测较精确,通过预测可以知道风险在下一步应达到或产生的状态,为及时提出相应的预控措施提供参考,具有一定的工程参考价值。
摘要：巨项目概念的提出为工程项目风险管理的方法和技术提出了新的要求,传统的风险预测与管理方法在巨项目中产生了一定的局限性。文章用神经网络逼近非线性插入方法构建时间序中的风险预测,并建立风险时间序列的GM模型和时间响应函数预测巨项目的风险,最后通过实例计算预测结果的准确性,对巨项目的风险预测具有一定的参考价值。
关键词：神经网络,灰色系统,巨项目,风险预测
参考文献
[1]任宏.重大项目管理的变革———巨项目管理的提出,香港:工程管理国际会议,2004年.
[2]李晓峰,徐玖平等.BP神经网络自适应学习算法的建立与应用[J].系位工程理论与实践,2004.1(5):1-8.
[3]董长虹.matlab神经网络与应用[M].北京国防工业出版社,2005E:P1-25.
[4]飞思科技产品研发中心MATLAB6.5输助神经网络分析与设计[M].北京:电子工业出版社,2004.P72-73
新开工项目安全风险评估表 第5篇
施工单位：工程地点：工程名称：检查日期:建设程序
1、建设合同：业主委托合同 □施工合同 □分包合同 □
2、路局安全审批手续：施组编制 □会议纪要□
施组审批报告（表）□施工交底会议记录 □开工报告 □
3、安全协议签订：车站 □车务 □工务 □供电 □电务 □通信□建筑 □给水 □
4、投标承诺和规定：按标书承诺配备了专职安全管理人员 □按规定向地铁 公司交纳了营业线施工安全风险抵押金 □
人员资质
1、持证情况：项目部组成人员任命书 □项目经理、副经理、项目总工 资质证书(复印件)□“四员一长”安全培训合格证□特殊工种操作证 □
2、安全教育：从业人员三级安全教育记录 □电化区段电化知识培训记录（考试卷保存备查）□
职责制度
1、岗位职责：项目经理到□副经理□项目总工□工程部□安质部□
2、制度建设：安全学习制度□安全教育制度□安全例会制度□ 关键作业交底制度□监控把关制度□质量检测制度□信息汇报制度□ 工作坏境
1、（五牌一图）工程概况公告牌□、安全生产措施牌□、消防安全定置牌□、安全生产警示牌□、文明施工宣传牌□、2、办公区□、作业区□、生活区□、材料堆放区□
3、营业线施工安全风险日揭示牌□现场应急处置标牌□
材料设备
1、施工用机械设备按标书承诺进场□特种设备检验检测证书□
2、应急材料：材料□机具□设备□
监理工作
1、监理合同签订□
2、监理规划□
3、监理实施细则□
4、按招标要求派驻项目监理人员□
5、对施工方案应组织审查及签署审查意见书□
6、专项方案审查□
7、总监制定对危险性较大的过程作业进行定期巡视计划□
8、临近营业线施工日计划监理签认制度□
神经网络项目风险评估 第6篇
1 3G技术概况
3G能够处理图像、音乐、视频流等多种媒体形式, 提供包括网页浏览、电话会议、电子商务等多种信息服务。为了提供这种服务, 无线网络必须能够支持不同的数据传输速度, 也就是说在室内、室外和行车的环境中能够分别支持至少2Mbps (兆字节/每秒) 、384kbps (千字节/每秒) 以及144kbps的传输速度。
2 3G业务的国内外环境
根据工信部电信研究院的统计数据, 截至2008年6月, 全球WCDMA用户累计达到2.53亿户, 其中包括4300万HSDPA用户;CDMA2000 1xEV-DO累计用户达到1亿户。2008年上半年, 新增7400万WCDMA用户, 2900万CDMA 1X用户, 1280万CDMA 1xEV-DO用户。种种数据表明, 全球3G的商用已进入加速发展时期。
目前中国电信3G 189号段在全国高调放号, 并推出首个移动品牌“CDMA天翼”以及各业务捆绑新套餐, 中国移动的“G3”业务品牌也正紧锣密鼓的展开。随着各项整合的推进, 中国移动、中国联通、中国电信三大巨头全业务运营时代已经开启, 各个运营商开始向竞争对手领域渗透。三大电信运营商均表示, 将全力做好有关投资与建设工作, 为拉动国内需求、促进经济平稳较快发展做出积极贡献。
3 3G技术发展与政策监管
为使三大电信运营商运营商进行公平竞争, 3G发展战略和规划是一项国家任务, 必须从国民经济发展全局的需要和国际经济竞争的角度审视3G发展问题。在全球化竞争时代, 我国必须对具有自主知识产权的TD予以重点政策倾斜, 加快推进其产业化和商用化进程。国务院国资委研究中心新产业研究部副部长卢奇骏认为, 目前亟须加快制定战略指导体系和政策支持体系, 呼吁在三个层面加大扶持力度:首先, 应加大对大唐及其他相关公司的研发资金投入, 建立长效投入机制;第二, 促进金融机构对运营商的贷款力度;第三, 对相关企业给予税收优惠。
4 3G网络建设策略
要建立一个覆盖全国的3G网络, 所需资金庞大, 须预先进行测算、规划资金来源, 保证网络建设顺利进行。根据中国联通CDMA网络建设的经验, 中国移动承建TD网络需要在国内大规模的建设基站购进设备和终端需要2000亿的资金, 中国联通建设WCDMA网络也需要2000亿的资金, 目前来看, 中国电信从现有的CDMA网络上升级为CDMA2000的网络所需的费用最好, 因为通过软件升级就行, 但就是这样加上建设基站等后期建网的费用至少也需要500亿元。再考虑, 在国内建三张3G网络对运营商来说, 面临着资金和基站选址等多方面的问题, 初步估计如果在全国建设3张3G网络, 将耗费4500亿元。
根据数据业务市场发展的特点和经验, 可以根据数学几何学的通用原理, 先建点, 由点构成线, 再由线构成面, 最终达到由点到线再到面的规划和组网, 也就是先在经济发达地区、沿海地区建设3G网络, 然后逐渐扩大覆盖范围向中型城市推广, 最后在技术条件和市场环境成熟的情况下进行全国推广。如意大利H3G公司经营3G业务比较早, 用户发展迅速, 其原因在于公司3G网络建设方面的良好经验, 如网络覆盖良好、网络构成比较完善、网络建设流程和职责分工明确、网络优化合理有效等。H3G公司3G网络建设的经验有助于中国运营商发展3G。
中国各地区的经济发展很不平衡, 各地区对3G的需求也是大不一样, 经济发达地区、沿海地区用户对数据业务要求相对迫切, 内陆城市仅对语音业务有需求, 三大电信运营商应根据实际情况, 采取不同的网络覆盖建设:如在经济发达的沿海地区, 对地、市、县、发达乡镇及重要铁路、公路千线、旅游景点实行全面覆盖;在经济中等水平内陆地区, 主要覆盖地区、市、县和镇政府驻地, 兼顾重要铁路、公路干线、旅游景点等地区;在经济欠发达地区, 则主要覆盖重点地市, 通过3G与2G混合组网的形式, 推进无线网络建设和升级。
5 3G网络工程项目进度控制
一般来说, 3G网络的建设过程中, 无线接入网络工程量则大于80%, 占投资的70%左右。3G牌照发放之后, 网络建设的时间取决于无线接入网络建设的进度。资金的供给及时与否也是影响3G建设速度的重要条件。每一个企业的资源都是有限的, 节能增效是三大电信运营商所追求的, 面对未来的3G网络, 我国很可能会面临一个三网同建的阶段, 自有的资金实力差距和资产的负债状况都会成为能否有效吸引投资的重要指标, 并会直接影响各大运营商3G网络的建设速度。建网速度与获得的收益是成正比关系的, 也就是说快速建网帮助运营商赢得时间, 建网速度直接影响3G运营商的收益。
5.1 组建项目团队
3G网络建设项目的成功与否很大程度上取决于一个重要人物项目经理以及其组建的项目团队。团队组建处于团队的形成阶段, 在这个阶段中, 团队成员一般而言会有一个积极的心态, 急于施展身手, 开展工作。另一方面, 团队成员对未来的工作应如何进展还不明确, 团队规范尚未建立, 团队成员不了解自己的职责及其他成员的角色, 成员的相互关系还很模糊, 成员心中充满疑问。
5.2 挑选有实际经验的设备商
挑选有实际经验的设备商来保证建网的进度, 由于3G通信无线网络的复杂性, 尤其是无线网络建设的复杂性, 运营商在选择3G供货商时, 需要挑选有丰富经验的设备商来建设网络, 保证网络高速优质的建设。随着3G增值业务的发展, 全国各地通信公司的“互联星空”应用服务平台吸纳了大量开展各类增值业务的3G服务商。但由于业务量和交易量的逐年上升, 部分通信公司遇到了原先散落于互联星空页面的各家资源各自为战, 无法进行有效整合, 形成统一的运营体系的问题, 严重影响了电信整体资源优势及增值业务的推动发展。在挑选3G系统供应商时, 应对供应商进行综合评估。以系统性能特征、供应商实力、技术平台、服务、价格、成功案例等因素为评价依据。选定最合适的供应商, 进入下一步的合同条款确认谈判。只有好的解决方案和优秀的供应商, 才可以保证3G系统健康快速的发展, 为企业赢得先机。
5.3 聘请经验丰富的第三方工程监理
聘请经验丰富的第三方工程监理可以帮助甲方整合与提升工程组的综合作战能力, 监理工作要取得良好的效果, 建立完善有效的质保体系是基本条件。对于承包人, 要把其自检质保体系作为初期质量检查的重要内容, 要求有组织、有人员、有设备、有职责、有检查考核, 项目经理是工程质量的第一责任人。对存在问题提出处理要求和建议, 较好地指导工程顺利进展。
6 3G网络工程项目风险控制
6.1 企业制度创新和建立风险控制秩序
企业的管理制度和组织形式的合理性是风险控制的基础, 通信企业必须建立灵活务实的制度形式。一般而言, 风险的发生除了不可抗力之外, 主要原因就是企业制度不健全和工作秩序混乱造成的。表现在管理出现盲区, 决策得不到执行, 权力交叉, 工作推诿, 责任不明, 秩序混乱。因此, 有必要在电信运营商的组织形式和管理制度上进行适合本企业的创新, 以提高通信业务的活力;同时, 建立明晰和井然的工作秩序和流程, 使决策得以顺利、有效地实施。适用的组织形式应以矩阵式项目经理制为主体, 设立相应的3G网络建设风险管理部门, 但管理跨度和管理层次不宜太多, 应与3G网络建设和发展规模相适应。此外, 建立内部风险保护基金, 以降低承包商运营风险, 提高总体收益。
6.2 在组织上建立以风险部门和风险经理为主体的监督机制
在3G网络建设项目实施营建过程中建立风险部门, 并设立风险经理。其作用是对项目的潜在风险进行分析、控制和监督, 并制定相应的对策方案, 为决策者提供决策依据。风险经理直接对承包商负责。另外风险经理的工作可以延展到3G建设的整个过程。阶段性风险管理是针对3G网络建设项目的前期经营招标、中期实施、后期总结和处理三个阶段, 进行的有效控制和根据相应风险决策而实行的动态前瞻式管理。它主要利用风险的“鞭梢效应”对风险的“迁移性”进行反馈式动态规划控制。
6.3 明确风险责任主体, 加强目标管理
风险管理的关键点, 在于确立风险责任主体及相关的责任、权利和义务。有了明确的责任、权利和义务, 工作的广度、宽度和深度就一目了然, 易于监督和管理。首先, 对3G网络建设项目进行定岗、定责, 即确定岗位的数量及相应的任务和责任, 但岗位和责任的确定又是灵活的, 根据3G网络建设工程项目的进展或需要相应的变化, 使责任人明确工作的内容、性质、方法、期限、应变策略、检查人和向谁负责等事项。
神经网络项目风险评估 第7篇
关键词：农村水利项目,PPP模式,网络治理,风险分配
1研究背景
水利部在《2014年农村水利工作要点》[1]中明确指出要全面深化改革,着力在农村水利组织发动、 资金投入、项目管理和运行维护等方面进行改革创新。2014年,国务院发布《关于进一步促进资本市场健康发展的若干意见》[2],强调进一步促进资本市场健康发展,健全多层次资本市场体系,对加快完善现代市场体系、拓宽企业和居民投融资渠道、优化资源配置、促进经济转型升级具有重要意义。农村水利建设是国家改善民生的一项重要任务,是建设社会主义新农村和构建和谐社会的重要内容。PPP模式是政府公共部门与私营部门的合作形式,通过引入私营部门掌握的资本参与提供公共服务,实现政府公共部门的职能[3]。作为一项具有自然垄断性质的准公共产品,农村水利存在受益方位的区域性和有限性、使用上的低效性、较低的可经营性等特点。将PPP模式引入农村水利建设中,不仅可以降低公共部门的项目成本,缓解政府资金不足的压力,而且可以通过对公共部门和私营部门的合理分工,由公共部门负责规划协调,私营部门则利用自身的竞争精神、先进的技术和成熟的管理运营经验参与项目运作,充分发挥双方优势,转移部分项目风险,更好地保障农村水利基础设施服务的有效和及时供给[4]。但是,PPP模式的引入也使得项目具有更加复杂的网络结构及网络关系,不仅要承担一般的项目风险,还会因为项目合作的公共部门和私营部门的特质差异而承担特殊的“关系风险”,这种 “关系风险”如果控制不当,会加大其他风险。风险能否在网络组织各主体间进行合理分配,成为影响农村水利PPP项目目标实现的关键因素。
笔者基于网络治理理论,剖析农村水利PPP项目网络治理特征,分析其风险体系的构成和内涵,并在此基础上合理划分各种风险的承担主体,构建风险分配框架,明确风险分配路径。
2农村水利PPP项目的网络治理特征分析
随着行政体制改革的深化和政府职能的转变, 以行政命令为核心的科层官僚制和以市场价格竞争为核心的新公共管理理论已不能适应现实需要,从而推动了网络治理等理论的产生[5]。网络治理,最早由斯蒂芬·戈德史密斯等提出,强调在政府的协调沟通下,为实现和增进公共利益而参与合作,地位相互平等,彼此分享资源,共同管理公共事务[6]。 网络治理作为一种多主体的治理模式,主张各网络主体在考虑其他参与者策略效果的基础上,按照达成的博弈规则和信任制定自身策略,最大程度利用彼此资源。
网络治理理论中的网络是自我组织的,强调参与者的自由裁量权和平等的协调与沟通,而不像科层制下的强制行政命令。网络关系有着一定的价值内涵,而不单单是市场的契约关系[7]。农村水利PPP项目所涉及的参与方众多,包括政府、投资者、 承包商、供应商、运营商以及其他参与方等。各参与方通过协议和合同紧密联系在一起,构成了网络主体,通过平等合作、相互协调、分享资源、共同管理来实现各自的利益目标,具有显著的网络治理特征。
将网络治理理论运用于实际组织的治理上,需要一套完整的运行机制。在综合已有文献成果的基础上,笔者认为网络治理的运行机制包括三方面内容: 网络信任机制、网络沟通机制和网络维护机制。 网络信任机制是网络治理运行的基础,类似于科层的权威机制或市场的价格机制,通过降低成本和约束参与方行为,实现项目目标; 网络沟通机制则是网络运行的润滑剂,网络各参与主体具有异质性特征, 需要通过加强多元主体之间的价值沟通和信息共享来加以调节; 网络维护机制是网络治理运行的保障, 通过一系列法规制度来规范各参与方的行为,预防和抵御侵害整体利益行为的发生,以保障网络正常运行。
因为建设周期长、投资大、技术要求高、受到不确定因素的影响大,尤其是项目参与方众多,且具体参与形式复杂,农村水利PPP项目除具备一般项目的风险特性,即客观性、普遍性、多样性、可测性和随机性外,还具有特殊风险———关系风险。由于农村水利PPP项目各参与方存在异质性特点,面对风险,各参与方基于自身利益,会做出对自己有利的行为。公共部门通常会综合考虑项目的经济效益和社会效益,衡量项目的合作效益是否大于自行建设效益,而私营部门则更多地追求自身投资收益的增加。 一定情况下,私营部门的利己行为会对公共部门所关注的项目社会效益造成负面影响,造成公共部门和私营部门的冲突,从而增大项目的其他风险,甚至会成为影响项目目标实现的关键因素。
鉴于农村水利PPP项目的网络治理特征及其风险特性,有必要引入一种能有效协调参与各方利益差异,优化配置网络整体资源的协作理念,建立相互信任、平等沟通和维护监督的网络运行机制,重塑多元主体的治理结构,实现信息共享和资源整合,对项目风险进行合理分配,有效降低项目风险水平,提升农村水利服务供给的绩效。农村水利PPP项目网络治理运行机制见图1。
3农村水利PPP项目的网络风险识别
风险识别是风险分配的前提和基础。农村水利PPP项目风险是指在PPP模式下,由农村水利项目内外部因素引起的对项目的前期、设计、建设、运营等产生干扰的不确定影响,从而危害项目整体效果的可能性。笔者结合已有文献中对工程项目风险分类以及部分PPP项目的案例,将农村水利PPP项目风险划分为外部风险和内部风险两大类。农村水利PPP项目风险体系见图2。
3. 1外部风险
外部风险,即由项目之外的原因产生的风险。 在农村水利PPP项目中,外部风险主要表现为政治风险、法律风险、经济风险和自然风险[8]。其中,政治风险指国家政治状况以及国家宏观政策发生变化,导致市场价格波动而产生的风险; 法律风险指由于国家法律变动而产生的风险; 经济风险指因经济发展的不确定性导致项目蒙受经济损失的可能性; 自然风险指因自然界力量造成工程财产损毁或人员伤亡的风险。外部风险属于系统性风险,在PPP项目合作的各个阶段都存在。
3. 2内部风险
内部风险,即由项目内部的原因产生的风险。 在农村水利项目中主要表现为项目开发风险、技术风险、建设风险、运营风险以及关系风险。其中,开发风险指项目前期所面临的风险; 技术风险指与项目的设计、施工、设备使用、原料等技术方面有关的风险; 建设风险指项目无法按时完工、延期完工或者完工后无法达到预期标准的风险; 运营风险指在投产运营阶段存在的各类风险; 关系风险是项目各方关系不协调导致的风险。作为一种非系统性风险, 内部风险在PPP项目合作的各个阶段会有不同表现。
需要强调的是,由于PPP项目是一种以合作经营关系为支撑的投融资模式,关系风险会直接影响到项目的其他风险以及整体风险水平,并决定着整个项目的稳定性。农村水利PPP项目中的关系风险主要包括: 权责分配不当、组织和任命不合理、信息沟通不畅以及道德风险等。各参与方需要建立相互信任的关系,保持各种信息顺畅交流,才能提高工程效率,更好地降低其他内部风险,从而降低项目整体风险水平。如果双方不合作或合作不融洽,出现项目组织结构不合理、信息交流不畅甚至故意隐瞒或提供虚假信息的情况,往往会导致项目各类资源难以充分整合,从而增大项目内部风险和整体风险水平。
4农村水利PPP项目风险在网络主体间的分配
农村水利PPP项目网络治理特征主要表现为参与主体的多样性。在达成项目目标的过程中,由于单个参与主体不能掌握所需的全部资源,这使得各主体之间有动机进行合作。公共部门与私人部门之间通过相互信任、平等沟通及维护监督产生合作优势,使得风险能够在网络主体之间合理分配,从而降低风险发生概率及其影响,达到公共服务有效供给的目的,这是在非合作状态下无法产生的。现实的风险分配也是一个参与主体之间互动的过程。借鉴刘新平等[9]对PPP项目风险分配原则的表述,笔者认为PPP项目的风险分配应该遵从4条主要原则: 1有效控制原则,即由对风险最有控制力的一方控制相应的风险; 2权责对等原则,即承担的风险程度与所得回报相匹配; 3风险限额原则,即各方承担的风险要有上限约定; 4成本最低原则,即由控制某风险成本最低的一方承担该风险,使项目风险控制所付出的总成本最低。
根据以上风险分配原则,笔者提出对农村水利PPP项目风险承担主体的分配思路: 公共部门主要承担外部风险,私营部门主要承担内部风险。其中, 公共部门有能力影响相关政策、规章制度和其他规定,对政治风险、法律风险更有控制力。私营部门具有资金、建设与运营管理的优越性,以及承担风险获得相应补偿的积极性,对于具有商业性质的融资、建设和运营风险,更有控制能力和经验。而关系风险必须由公共部门和私营部门共同承担,任何单方都没有能力独自承担关系协调失败的后果。除此之外,经济、技术等其他风险也应由双方共同承担,具体承担比例可以通过双方谈判确定。农村水利PPP项目风险在网络主体间的分配见表1。
5农村水利PPP项目风险分配框架
作为农村水利PPP项目风险管理的核心,项目风险分配存在于项目合作的整个过程。但是,风险分配并不是一项简单的工作,实践中可能因为风险分配流程不明确,造成参与方额外的谈判成本。因此,充分分析项目参与方的利益目标和风险态度,建立一个合理的、基于多方共赢的风险分配框架显得尤为重要[10]。为了有效发挥农村水利PPP项目网络治理运行机制的作用,将其风险分配划分为以下3个阶段。
5. 1风险的初步分配
风险的初步分配是在项目合作初期,由公共部门成立专门指导机构对农村水利PPP项目进行初步风险识别,判断项目引入私营资本的可行性,对项目总体进行规划,并对私营部门进行招标选择。此阶段风险分配的核心是由公共部门根据风险分析结果,初步判断公共部门和私营部门对不同风险的控制能力,将风险初步划分给最有控制能力的一方,把需要双方共同控制的风险留待下一阶段分配。
网络治理理论强调在公共部门与私营部门互相信任的基础上共同协作,实现网络运行目标。双方主体从相互认知到进行合作一起构建行动网络,依赖于双方信任关系的建立,为风险在合作主体之间的分配奠定基础。在风险的初步分配阶段,建立参与主体信任机制是关键工作,参与主体之间的信任程度大小将直接影响项目合作关系的设立与否。信任机制的构建,一方面需要公共部门转变传统的单向控制管理观念,保护多元主体的权利责任,在对私营部门供给服务提出要求的同时,尊重对方的利润需求。另一方面,公私部门内部要加强管理,提升自身能力和管理的透明度[11],促进双方的了解和相互信任,提升合作意识。
5. 2风险的全面分配
风险的全面分配是在项目合作的谈判与签约阶段,公共部门公布私营部门中标结果,双方就项目开发的时间、质量、提供服务的水平、政策扶持、风险分配等权责问题进行谈判。此阶段风险分配的核心是由公共部门和私营部门在风险初步分配的基础上, 通过进一步沟通和谈判,明确约定各参与主体各自需承担的风险。对超出各自能力的共担风险,综合考虑项目参与方对风险的态度和资源,通过沟通和谈判,确定风险分配比例和风险补偿机制。
农村水利PPP项目由单一的政府供给转变成多主体供给,形成了有多个参与方的网络结构,沟通与谈判效率的高低直接影响各参与方的权责关系分配,进而影响风险全面分配的结果。为了提高沟通和谈判效率,公共部门不仅需要建立和完善公共利益激励机制,提高私营部门参与的积极性,还需要加强信息化平台建设,增强政府与社会的信息和知识整合与共享,从而促进多元主体高效、有序的供给[12]。
5. 3风险的跟踪和再分配
风险的跟踪和再分配是在项目合作的建设、运营以及项目特许权后期移交阶段,私营部门依次进行项目的设计、建设、运营等,并在特许权期满后,按照特许协议的规定将项目移交给公共部门。此阶段风险分配的核心是在双方签订合同后,对已分配风险进行后续跟踪,监测项目是否出现预期外变化,并针对新出现的风险进行评估和再分配。
农村水利PPP项目建设与运营周期较长,较传统的水利投融资模式,其网络结构和风险更加复杂, 需要公共部门和私营部门共同努力,建立有效的网络维护机制,做好项目风险跟踪和监督工作,及时应对项目实施过程中新出现的风险,防止不正当竞争行为的发生。网络维护机制的建立,首先,需要建立和完善多元参与的相关法律体系,把农村水利PPP项目多元参与的程序与方式等重要内容写入法律, 保障各参与主体的利益; 其次,需要加强问责体制建设,对不遵守承诺的主体实施相应惩罚,保障合作承诺的有效兑现; 再次,可聘请社会独立中介机构对项目进行审计,监督网络组织成员的行为及结果,保障项目平稳实施和有效运行。
6结语
神经网络项目风险评估 第8篇
高校保密工作的重中之重是涉密科研项目。随着国防工业和经济建设的迅速发展,相关涉密项目与日俱增,所涉及的项目内容、相关人员、相关设备、相关载体的信息越来越多,面临的泄密风险也就愈来愈大,因此,研究高校涉密项目的泄密风险,科学防范泄密风险对维护国家安全、保护国家利益具有重要的现实意义。
高校保密项目风险预测属于多学科交叉的边缘性研究课题,国内外尚无对此领域的深入研究,再加上高校保密环境的复杂多样性,使得研究工作在具有独创性的同时,任务艰巨且又繁重。目前,传统的风险预测方法只能做单项评价,虽然在风险预测方面起着重要作用,但无法对系统的所有因素做出科学、合理、系统的评价。
近年来,非线性预测理论尤其是人工智能神经网络理论[1](Artificial Neural Network, ANN)在认识时间序列行为的应用中获得了重大突破。神经网络具有并行机制、模式识别、记忆和自学习能力的特点,它能充分逼近任意复杂的非线性系统,能够学习与使用不确定系统的动态特性,有很强的鲁棒性和容错性[2]。人工神经网络预测方法不需要明确输入、输出之间的函数关系,通过模仿人脑的学习过程,能够处理含有非线性并含有复杂数据的问题,因此,它非常适合于非线性预测。
本文利用主成分分析法对高校保密项目泄密风险影响因素进行降维,然后利用RBF神经网络对高校保密项目风险进行预测。
2 主成分分析法和RBF神经网络的基本原理
2.1 主成分分析法基本原理
主成分分析(Principal Component Analysis,PCA)也称主分量分析,由Hotelling于1933年首先提出[3]。主成分分析过程实质上是对原坐标系进行平移和旋转变换,使得新坐标系的原点与数据群点的重心重合,新坐标系的第一个轴与数据变化的最大方向对应,新坐标系的第二个轴与第一个轴标准正交,并且对应于数据变化的第二大方向以此类推。因此经过舍弃少量信息后,新坐标系的前m(m<n)个方向能够有效地表示原来数据的变化情况,则原来的n维特征向量空间就被降至m维[4,5]。
主成分分析法的特点:能将多个相关变量或指标化为少数几个互不相关的综合变量,而且这些综合变量包含了原变量提供的大部分信息,实现对数据的压缩,最大程度地消除了冗余信息。具体步骤如下[5]:
设有N个样本,每个样本有n个属性,将原始数据写成矩阵X=(xij)Nn。
(1)原始数据标准化,仍记为X;
(2)建立变量的相关系数阵:R=(rij)nn=X′X;
(3)求R的特征根λ1≥λ2≥≥λn及相应的单位特征向量:
(4)写出主成分:
F1=a1iX1+a2iX2++aniXn(i=1,,n)
其中的m(m<n)个主成分作为新的数据向量,来取代原始数据:
XPCA=[F1,F2,,Fm]=X[a1,a2,,am]
(5)通过主成分分析方法,得出的各个主成分的贡献率为:
2.2 RBF神经网络的基本理论
(1) RBF神经网络的基本结构[6,7]
径向基函数神经网络是一种三层前馈网络,网络采用的拓扑结构如图1所示,其中输入层有n个神经元,该层节点只传递输入信号到隐层,隐层有k个神经元,输出层有p个神经元输出层节点。计算由隐节点给出的基函数的线性组合。现已有理论证明,对于任意一个给定的非线性函数,RBF网络可以任意精度逼近这个函数。
RBF神经网络的隐层作用基函数选用高斯函数,设输入层的输入为X=(x1,x2,,xi,,xn),实际输出为Y=(y1,y2,,yk,,yp)。输入层实现从XRi(X)的非线性映射,输出层实现从R(X)yk的线性映射,输出层第k个神经元网络输出为
由此,当确定了RBF网络的聚类中心ci、宽度σi和权值ωik以后,就可求出给定某一输入时,网络对应的输出值。
(2) RBF神经网络的学习算法
RBF神经网络的学习过程包括隐层单元学习和输出层单元学习两个阶段。前者采用无监督学习的聚类算法(常用K-均值算法),其任务是用自组织聚类方法为隐层节点的径向基函数确定合适的数据中心,并根据各中心间的距离确定隐层节点的扩展常数;后者采用有监督学习的最小二乘法,确定输出层权值[8]。
(3) RBF神经网络的特点
RBF神经网络能够逼近任意的非线性函数,且已有理论证明,RBF神经网络通常具有3层BP网络的功能,但学习速度比BP方法快103104倍,而且RBF神经网络具有良好的泛化能力,不存在局部极小点[6,7,8,9],非常适合非线性系统预测。
综上所述,文中风险指标达到11个,指标因素多、指标间的相关性大、信息重叠多,相互影响;另一方面,神经网络处理信息一般不能将输入信息空间维数简化,当输入信息空间维数较大时,网络不仅结构复杂,而且训练时间增长。本文在建立高校保密项目风险预测模型时将主成分分析法引入到RBF网络中,可以最大程度地去掉不重要的和冗余的属性特征,对数据进行合理压缩,以便减小神经网络构成系统的复杂性,减少网络训练时间,提高训练效率,达到提高神经网络泛化能力和容错性的目的。
3 高校保密项目风险预测的PCA-RBF网络模型
3.1 预测指标体系及数据来源
预测指标的选择应遵循以下一些原则:(1)经济涵义的重要性,即应选择经济意义较明确,对高校涉密项目发生泄密事件影响较重要的指标。(2)测度能力强,即应是灵敏度高和可靠性强的指标。(3)数据的时效性,只有保证数据的及时性,才能保证风险预测的及时性。(4)互补性,即各指标之间应各有侧重,既有相互分工,又有相互配合。(5)数据的可靠性。数据的可靠性直接影响评价结果,在设计指标时,要考虑到相应指标的定量数据获得是否准确,要有稳定的数据来源。(6)可操作性,即所选定的指标应适应现行的保密管理工作的实际,有关数据易于获取与度量。(7)独立性,即各指标相互之间不存在线型相关的关系。
从分析预测高校保密项目风险的基本因素入手,是设计高校保密项目风险预测指标体系的基本思路。风险预测指标体系,就是一系列相互联系的能敏感地反映高校涉密项目风险管理现状及存在问题的指标有机构成的整体。文章立足当前高校保密形势,结合高校保密项目的生命周期,根据建立高校保密项目风险预测的原则,并征求保密领域专家的建议,构建高校保密项目风险预测的指标体系。
高校涉密项目数量越多密级越高,项目经费越多产生泄密的风险越大,因此选择涉密项目总数、项目总经费为评价指标。高校对保密管理工作的投入直接反映了高校保密管理工作做得是否扎实、到位,所以选择管理费用、保密津贴总额、科技保密奖励作为衡量指标。涉密项目的主体是人,“人防”是保密工作的核心,因此选取涉密科研人员和保密管理人员指标。做到“人防”的同时,还要做到“物防”,涉密计算机、涉密中间机、涉密存储介质以及非涉密计算机都是“物防”的主要对象;另一方面,涉密项目必须在涉密设备上完成,而涉密设备愈多,泄密风险就愈大,因此各种涉密设备的数量是与泄密风险有关的重要因素。
结合上述分析,具体指标为:涉密项目总数X1,项目总经费X2,管理费用X3,保密津贴总额X4,科技保密奖励X5,涉密科研人员X5,保密管理人员X6,涉密计算机X7,涉密中间机X8,涉密存储介质X10、非涉密计算机X11,共11项指标。
本文数据来源于对高校保密工作的实地调研。由于受数据可获得性制约,这里只选取了某高校20062010年的11项指标数据为研究样本。鉴于所选数据的保密性要求,实际数据不予列出。
3.2 将数据进行主成分分析
数据进行主成分分析前要标准化。标准化包括对适度指标的处理和逆指标的正向化处理、归一化处理、极端值的控制、无量纲化处理等。利用spss15.0软件对标准化后的数据进行主成分分析,文中取累积贡献率为1,即提取所有主成分,主成分特征值及方差如表1所示。
4个主成分的决策数值计算公式为:
F1=-0.3242x1-0.3225x2+0.2181x3-0.3237x4+0.115x5-0.3241x6-0.322x7-0.3221x8-0.3227x9-0.324x10-0.3221x11
同理可求得F2、F3、F4。经主成分分析后得到如表2的四个主成分的值,即为RBF网络的输入。
3.3 确定RBF网络中的参数和算法
RBF神经网络由输入层、隐层和输出层构成,高校保密项目风险的神经网络预测,实际是输入风险影响因素到输出整体风险程度的非线性映射。这里选取经主成分分析后得到的四个输入参数F1、F2、F3、F4,网络输出层结果是风险大小,文中将风险划分为三个等级,0表示无风险,1表示低风险,2表示高风险。
4 高校保密项目风险预测RBF神经网络模型的训练及测试
本文采用前三组数据进行网络训练,后两组数据进行网络测试。
利用MATLAB7.0提供的神经网络工具箱,构建径向基网络。网络输入项目风险影响因素评价矩阵,矩阵维数为33;输出为风险程度评价矩阵,矩阵维数为13。利用matlab7.0进行编程,选取神经网络工具箱中的NEWBR函数训练网络,自动确定所需隐含层节点数。设定goal=0.001,spread=1,进行训练。
由表3可知,主成分RBF网络模型对样本数据拟合效果较好,预测精度较高,优于单独使用RBF网络模型。
5 结束语
高校保密项目风险因素诸多,各个因素间信息独立性较差,交叉重叠的信息使得神经网络的结构复杂,从而加大了网络训练的难度,影响网络的收敛性能。利用主成分分析法对原始指标进行属性约减,选取主要特征分量,在保证了信息完整性的同时又提高了神经网络的学习速率和泛化能力。
仿真实验证明,利用主成分RBF网络预测高校保密项目风险是可行的,同时也证实了RBF网络在学习速率、容错性、逼近能力方面的优势,可以处理系统内在的难以解析的规律性。更重要的是,将RBF网络引入高校保密项目风险预测领域,可以克服传统预测方法单纯依靠专家主观评价的不足,这也显示了RBF网络在高校保密项目风险管理应用中的广阔前景。
参考文献
[1]张立明.人工神经网络的模型及其应用[M].上海:复旦大学出版社,1992:32-50.
[2]刘金琨.智能控制[M].北京:电子工业出版社,2005:5-18.
[3]肖东生,赵晓娟.企业组织创新风险预警[J].经济与管理研究,2007(15):81-84.
[4]CARREIRA PERPINAN M A.Continuous latent variable models fordimensionality reduction and sequential data reconstruction[D].Ph.D Thesis,2001.
[5]刘芳,蔡志平,肖侬,王志英,陈勇.基于神经网络的安全风险概率预测模型[J].计算机科学,2008,12(35):28-33.
[6]刘洪渭,丁德臣,何建敏.基于RBF神经网络的财产保险公司全面风险预警系统研究[J].管理学报,2009,6(12):1657-1660.
[7]飞思科技产品研发中心.辅助神经网络分析与设计[M].北京:电子工业出版社,2003.
[8]韩力群.人工神经网络理论、设计及应用[M].北京:化学工业出版社,2007:168.
神经网络项目风险评估 第9篇
项目贷款是指为某一特定工程项目而融通资金的方法, 它是国际中、长期贷款的一种形式, 工程项目贷款的简称。由于通货膨胀和新建大型工程项目所需费用急剧增长, 投资风险也越来越大;另外有些政府或企业的资金被占用在正在进行的工程项目中, 也使得它无力再举办新的大型工程。为了促进大型工程的建设及开拓资金运用的新途径, 一些银行办了这种工程项目贷款业务。这种业务与各种传统的融资业务有所不同, 除了向银行贷款要求的需有项目主办人之外, 还需有一个为工程项目而新建立的项目单位来进行筹资、建造和经营管理这一项目。
项目贷款一般是中长期贷款, 也有用于项目临时周转用途的短期贷款。目前, 工商银行项目贷款按项目性质、用途、企业性质和产品开发生产不同阶段划分, 主要有以下几种贷款:基本建设贷款;技术改造贷款;科技开发贷款;商业网点贷款。
二、银行项目贷款风险评估
(一) 银行项目贷款风险识别
风险识别主要是指确定哪些风险会影响项目, 并将其特征记载成文。而参加风险识别人员通常应尽可能包括以下人员:项目班子、风险管理班子、公司其他部门相关领域专家、顾客、最终用户、其他项目经理、利害关系者和外请专家。对于银行项目贷款风险的识别来看首先主要从风险管理计划、项目规划产出、风险范畴及历史资料来鉴别。其次从文件审查、信息搜集技术、核对表及图解。最后得出对于此项贷款所产生的风险值。
(二) 银行项目贷款风险评估
项目风险评估是指, 在风险事件发生之后, 对于风险事件给人们的生活、生命、财产等各个方面造成的影响和损失进行量化评估的工作。风险评估报告是对信息资产面临的威胁、存在的弱点、造成的影响以及三者综合作用而带来风险的可能性的评估。作为风险管理的基础, 项目风险评估报告, 是专业评估人员根据项目主办单位提供的项目可行性研究报告, 通过对目标项目的全面调查、综合分析和科学判断, 确定目标项目是否可行的经济文书。它是项目主管部门决定项目取舍的重要依据, 是银行向项目主办方提供资金保障的有力凭证, 也是项目建设施工过程中必需的指导文件。一般由作为项目评估方的国家项目管理部门或者项目主办方的上级部门, 组织有关专家, 或者授权委托专业咨询公司、意向上为目标项目提供贷款的银行来实施项目评估并制作项目评估报告。
(三) 项目风险度量
项目风险度量是对于项目风险的影响和后果所进行的评价和估量。项目风向度量包括对项目风险发生可能性大小 (概率大小) 的评估和估量, 对项目风险后果严重程度的评价和估量。对项目风险影响范围的评价和估量以及项目风险发生时间的评价和估量等方面。项目风向度量的主要作用是根据这种度量去制定项目风险的应对措施以及开张项目风险控制。其工作内容有: (1) 项目风险可能性的度量。 (2) 项目风险后果的度量。 (3) 项目风险影响范围的度量。 (4) 项目风险发生时间的度量。
(四) 银行项目贷款风险评估方法
在银行贷款风险评估方面, 国外已经进行了比较深入的研究。早期信贷风险评估方法主要是要素分析法和统计分析方法。目前中国的商业银行都有其自身的贷款风险评估指标体系, 而这些贷款风险评估指标体系主要是采取信用评级的方式对贷款企业进行评级, 然后根据评级结果确定贷款的风险。不过就目前而言, 中国商业银行贷款风险评估方法运用最广的还是信贷评级法。目前中国银行的项目评估主要采用风险等级评定法。
三、银行项目贷款风险控制
(一) 项目贷款风险预警
贷款风险预警是指在贷款操作和监管过程中, 根据事前设置的风险控制指标变化所发出的警示性信号, 分析预报贷款风险发生和变化情况, 提示贷款行要及时采取风险防范和控制措施。贷款风险预警包括微观预警和宏观预警。微观预警是根据各种风险预警信号, 及时判断单个借款人或单笔贷款的风险程度和风险性质。宏观预警是在微观预警的基础上, 通过对贷款风险分类监测, 依据贷款组合风险分析, 综合评价贷款质量状况, 判断全行或地区或行业的贷款风险程度。
(二) 项目贷款风险控制
风险控制是指风险管理者采取各种措施和方法, 消灭或减少风险事件发生的各种可能性, 或者减少风险事件发生时造成的损失。对各种专项贷款, 要按照项目管理程序, 对贷款项目进行立项、评估、审批、实施、验收、评价的管理过程, 以确保贷款项目的成功。严格执行贷款操作规程。实行贷款审贷分离和贷款审批授权制度, 按照贷款“三查”程序规范操作, 签订借款合同, 确保要素完整, 合法有效, 规避操作风险。
(三) 项目贷款风险监督
金融监管部门严格要求贷款风险的监管, 并且对于项目贷款质量分类, 由信贷和会计部门按有关规定适时认定, 并按照贷款质量五级分类监测要求进行归并统计。实行贷款质量分种类、分地区动态监测。贷款风险监测内容。围绕贷款风险五级分类, 设置若干贷款质量评价指标, 监测贷款质量静态分布和动态变化情况、贷款质量的量比及其变动情况, 贷款质量布局和地区、行业、种类等结构情况, 评价贷款质量稳定性和不良贷款风险程度。
四、辽宁熙盛集团项目贷款风险评估与控制
(一) 辽宁熙盛集团项目概述
辽宁熙盛重工集团有限公司是1999年11月, 经过开原市工商管理局登记注册, 批准成立的有限责任公司, 注册资本为3 852万元。目前经营项目有粮食干燥设备制造、热风机及配件制造销售、安装维修 (仅限本企业安装维修) 五金交电、钢材、建筑材料、保温销售:二三类机电产品零售;经营货物及技术进出口业务;广告发布、广告策划与创意 (仅限于开原农业机械化技术服务站综合楼顶发布) 。目前经营项目:粮食干燥设备制造。
公司设技术部、财务部、销售部、设计部、厂办和综合办等部门, 共有员工140人。截至2009年末, 公司资产总额19 101.32万元, 负载总额3 740.77万元, 所有者权益8 148.77万元, 2009年累计实现主营业务收入7 227.18万元, 利润总额811.01万元。
(二) 辽宁熙盛集团项目贷款风险评估
辽宁信誉评级委员会在2010年5月13日对辽宁熙盛集团项目贷款的风险进行了评估, 根据2009年的财务报表及主要数据分析, 该项目被评定为A+。
单位:万元
从公司财务情况分析, 公司近年发展趋势较好, 企业资产规模逐年提高, 但是目前公司曾提资产流动性一般, 可用流动资金较少。公司负载结构中应付账款占比较大, 公司拆借款较多, 对公司负债结构影响较大。由于公司销售回款期较长, 目前流动资金较少, 面临一定的短期债务压力。所有者权益结构稳定, 资产和净资产对整体负债的保护能力尚属恰当。
由表2可知, 公司资产总额逐年增大, 从2008年和2009年的增长率分别为19.32%和8.6%, 公司2009年的资产总额增长速度较之前放缓。公司近三年负债总额和所有者权益同样逐年增大, 公司2008年和2009年负债总额的增长分别是42.18%和3.96%, 2008年和2009年所有者权益的增长率分别为10.58%和10.93%, 公司2008年负债总额增加很多, 但公司2009年的资产总额增长主要是由所有者权益中未分配利润和资本公积的增加所带动。
公司资产总额中近两年末的应收账款、其他应收款规模都随着收入规模的提高比2007年规模有所增大;但公司近两年末的存货水平角2007年降低了近38%。
在收入及利润方面。公司近三年的收入和利润呈逐年增加的趋势, 2008年和2009年的收入增长率分别为29%和32%、利润增长率分别为49%和76%, 可以看出公司今年来的营业收入增长水平稳中有升, 利润空间的增长速度明显超出营业收入增长的速度, 并且保持了很高的利润空间增长速度。
从盈利能力指标来看, 公司近三年包括总资产报酬率、净资产收益率和毛利率的盈利能力指标逐年提高, 2009年的总资产报酬率和净资产收益率指标均较2007年的水平提高1倍左右、毛利率水平提升显著。
公司近年发展趋势较好, 企业资产规模逐年提高, 但是目前公司曾提资产流动性一般, 可用流动资金较少。公司负载结构中应付账款占比较大, 公司于当地单位的拆借款较多, 对公司负债结构影响较大。由于公司销售回款期较长, 目前流动资金较少, 面临一定的短期债务压力。所有者权益结构稳定, 资产和净资产对整体负债的保护能力尚属恰当。
(三) 辽宁熙盛集团项目贷款风险控制
根据对辽宁熙盛集团贷款项目风险分析, 结论是辽宁熙盛集团短期债务的支付能力和长期债务的偿还能力较强, 企业经营处于亮相循环状态, 未来经营与发展易受企业内外部不确定因素的影响, 盈利能力和偿还能力会产生波动。为此从以下几个方面做好风险控制。第一, 进一步细化项目贷款等管理制度, 准确把握辽宁熙盛集团主营业务现金流量的稳定性、财务管理、资金往来、经营效益及相关非财务信息。第二, 落实风险预警与评价措施。利用银行信息系统加强对辽宁熙盛集团财务预警信号、行为预警信号、市场预警信号的收集与分析, 及时作出风险状况提示。做到持续动态监测。第三, 增强风险管理效能, 落实贷后管理责任。辽宁熙盛集团贷款项目负责人要对资金的汇划、账户的管理、贷后检查、风险预警、风险分类、档案管理、问题贷款处置、贷款收回的全过程负责。
摘要：商业银行项目贷款风险是银行信贷风险的主要来源, 借款人不能如期归还贷款, 银行将受到经济损失。正确分析和控制商业银行项目贷款风险是银行的重要任务, 是实现良性贷款获得收益的根本保证。
关键词：项目贷款,贷款风险,风险评估,风险控制
参考文献
[1]吴玉宇.村镇银行运行存在的问题及对策分析[J].改革与战略, 2008, (1) .
[2]吴晓灵, 李德.金融业的风险管理与信用评估[M].北京:中国金融出版社, 2004.
[3]朱晓黄.商业银行风险管理[M].北京:中国金融出版社, 2005.
[4]刘琴.试论商业银行的贷款风险及其防范[J].中国乡镇企业会计, 2008, (6) .
[5]周雁.商业银行贷款风险的成因及防范[J].鸡西大学学报, 2008, (8) .
[6]孙涛.商业银行操作风险控制模式及防范策略研究[J].财贸经济, 2006, (5) .
[7]郑纯毅.中外银行贷款分类比较分析[J].金融论坛, 2007, (10) .
[8]赵燕.新型农村金融机构贷款风险管理的特色经验[J].现代金融, 2010, (1) .
[9]韩文广.商业银行贷款风险管理[J].经济研究导刊, 2009, (19) .
浅析房地产项目风险评估 第10篇
房地产项目评估的核心问题是研究项目建成后能产生的经济效益, 它所估算的数据和指标是对项目开发完成后取得效益的一种预测。由于客观环境在不断发生变化, 项目评估时可能缺乏足够的信息资料或没有全面考虑到未来可能发生的所有情况, 加上人们对客观事物变化的认识有一定的局限性, 所以目前的预测结果与未来的实际情况不可避免地会产生误差, 还会包含不同程度的风险和不确定性。因此, 必须运用盈亏平衡分析、敏感性分析、概率分析等不确定分析方法, 分析和研究项目建造成本、贷款利率等主要不确定性因素的变动对项目收益、收益率和投资回收期等经济效益指标的影响程度, 以考察项目承受各种投资风险的能力, 提高项目投资的可靠性和盈利性。
而风险分析是不确定性分析的补充和延伸, 是从项目建设的经济条件、投资环境及投资决策的实际要求出发, 借助不确定性分析的测算结果, 重点分析项目存在哪些风险、风险的性质、类型及可能造成的影响。
如果不重视房地产开发过程中存在的高风险, 对在房地产开发过程中存在的各类风险因素认识不足、估计不够, 这些风险因素一旦发生, 极易造成投资失败, 使企业甚至整个房地产行业面临巨大的风险, 因此, 重视并研究房地产开发活动中存在的风险因素, 是理论界和实业界所面临的重要课题。
1 房地产项目投资风险识别
1.1 房地产投资中风险的特点
1) 房地产商品的不可移动性与风险。房地产商品的价格与项目地块所处区域的社会经济及地理环境的优劣紧密相连。房地产开发商无法生产同某个地段的房地产商品同质的产品, 所以, 开发商必须面临并承担项目所处环境条件变化所带来的风险。这种风险源, 很大程度上就是由于房地产商品的不可移动性造成的。2) 房地产投资周期的长久性与风险。房地产商品的生产周期较长。在这较长的开发周期内, 市场的供求变化, 消费者的喜好, 政策的调整, 利率的变动, 都将难以预测, 而房地产开发与其他项目相比, 变现能力又很差, 资金一旦投入, 很难根据情况的发展而加以改变和调整。3) 房地产的资本需求性与风险。房地产开发需要很大的投资, 投资额大, 周期长, 资金周转慢, 变现能力差是开发过程中难以避免的因素。
1.2 房地产项目风险识别
房地产项目风险的来源有:
自然风险:主要是指由于自然因素的不确定性对房地产商品的生产过程和经营过程造成的影响, 以及对房地产商品产生直接破坏, 从而对房地产开发商和经营者造成经济上的损失。
政治风险:主要是指由于政策的潜在变化给房地产市场商品交换者与经营者带来各种不同形式的经济损失。政府的政策对房地产的影响是全局性的, 因而, 由于政策的变化而带来的风险将对房地产市场产生重大影响。
经济风险:主要是指一系列与经济环境和经济发展有关的不确定因素, 它们的出现会对房地产市场产生影响。经济风险由市场供求风险、财务风险、地价风险、融资风险、管理风险、工程招标投标风险、国民经济状况变化风险构成。
技术风险:主要是指由于科学技术的进步、技术结构及其相关变量的变动给房地产开发商和经营者可能带来的损失。
以上给出很多种风险因素, 在任何项目的开发中都会受到这些因素的影响。风险识别的目的是要缩小风险的不确定性, 寻找风险的主要因素, 从而为投资决策提供最适当的对策。
2 房地产投资项目风险评估方法
2.1 模糊综合评判法
运用模糊综合评判法来评价项目风险的大小, 不仅顾及评判对象的层次性, 可使房地产项目中难以量化的评价标准、影响因素的模糊性得以体现, 可以做到定性和定量分析, 在评价中又可以充分发挥人的经验, 使风险的评价结果更客观, 符合实际情况。具体方法如下:
1) 确定风险因素集。对风险做出认定和鉴别, 找出风险之所在和引起风险的主要因素, 并对其后果做出定性估计;风险因素集可以表示为:
2) 利用AHP法确定各因素的权重。利用AHP将复杂的风险问题分解成递阶层次结构, 然后在比原问题简单得多的层次上逐步分析, 构造各风险因素和子因素的判断矩阵, 计算其特征值并检验其一致性, 从而得到各风险因素的权重。权重集表示为:
3) 选择评价集。可将风险划分成几个等级, 得出评价集为:
4) 确定隶属度和评价矩阵。由专家组对评价对象其中的每一个指标进行相对等级评判, 则隶属度为:
r=判断某指标属于vj专家个数/专家总数。
用从U到V的模糊关系可以用模糊评价矩阵R来描述:
5) 进行多级模糊综合评判。将指标权重集与评价矩阵相乘即得最终评价结果E:
E=R×w×VT。
根据这一方法得出某一目标项目风险的评价结果, 将评价结果与确定的评价集V做比较, 可得出识别风险大小, 为决策做出判断。基于模糊综合评判的风险评估方法, 将复杂的风险问题模糊定量化, 且计算较为简单。
2.2FCIM模型法
传统的风险评估方法只能得出风险的大小, 而不能得出风险出现的概率, 这给投资者进行风险规避和管理带来困难;而通过模糊四边形方法与控制区间和记忆模型 (CIM) 的综合运用, 将定性指标定量化, 解决了指标间相互独立和相关的问题, 不仅得出风险的大小, 同时得出不同风险大小出现的概率, 使投资者能迅速准确地对风险进行控制。
1) 定性指标的模糊处理。
对于定性指标, 在风险评估中通常采用语言变量来表达, 确定评价定性指标的语言变量集为E={很高, 高, 一般, 低, 很低}。采用不规则四边形模糊数表示为:“很高” (0, 1, 2, 3) , “高” (2, 3, 4, 5) , “一般” (4, 5, 6, 7) , “低” (6, 7, 8, 9) , “很低” (8, 9, 10, 10) 。
假定评估者确定了定性指标并给出风险评估结果, 则采用模糊处理可以得到概率分布区间, 从而得出其概率分布值, 将定性指标定量化。
2) CIM计算。
风险分析需进行概率分布叠加, CIM模型用直方图表示变量的概率分布, 利用直方图有相同宽度的区间, 用和代替概率函数的积分, 并按串联或并联响应模型进行概率叠加, 使概率分布的叠加得以简化和普遍化。
有了定性指标的定量化, 通过CIM对变量相互独立和变量之间相关的概率计算, 得出风险程度和风险概率。
3 结语
论文分析了房地产项目开发中存在的风险, 并从不同评估目的出发粗略介绍了两种项目风险评估方法, 这些方法不同于传统的静态方法, 考虑了风险因素的不确定性等, 为风险评估提供了定量、概率大小等分析。目前我国的房地产开发企业大都不重视对建设项目的风险研究, 只关心投资获得的丰厚利润, 忽略隐藏在利润后面的高风险, 还停滞在分散的、不系统的定性分析中, 尚缺乏对各类项目投资风险进行系统研究。在投资风险评价研究方面存在以下不足:1) 考虑的风险因素较少;2) 因素间的相关性研究不够;3) 采用静态分析方式如盈亏平衡分析、灵敏度分析及概率分析方法等。因此有必要对房地产项目风险评估方法进行研究, 以有效地控制风险的产生。
参考文献
[1]宋皑, 苏同启.基于模糊综合评价的房地产项目风险评估[J].青岛理工大学学报, 2007 (28) :112-117.
[2]张亮, 朱远望.模糊评估方法在房地产项目财务风险评估中的应用[J].现代商业, 2008 (4) :260-261.
[3]张霞, 胥碧华.房地产投资风险评估的FCIM模型[J].统计与决策, 2007 (4) :63-65.
[4]欧丹.房地产项目评估中几个关键问题的探析[J].改革与战略, 2004 (8) :11-12.
神经网络项目风险评估
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
