时间：2023-05-31 15:07:51
序论：在您撰写项目风险评估时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
通过对大量电网工程分析发现，电网规划项目风险的主要特征表现在4个方面。首先，电网规划项目风险具有结构性，这主要是由电网规划项目自身的结构性以及工程施工过程中的时间次第性所决定的；第二，电网规划项目风险具有整体性与叠加性，这是因为项目所涉及的风险是多种多样的，而每一个单独的风险类型均会最终对项目整体产生一定程度的影响，项目整体效果是不同种影响因素彼此叠加的结果；第三，电网规划项目风险具有相关性，不同类型风险之间既可能相互影响，也可能互为因果，在不同程度上彼此相关；第四，电网规划项目风险有多种来源，一方面，可能是受自然因素影响而发生的，例如地震、台风等，此外，还有可能是受人为因素影响，因此风险又具有多样性的特征。
二、电网规划项目风险评估指标体系构建
2.1指标体系构建原则
在电网规划项目风险评估指标体系的构建过程中，必须要遵守一定的相关原则，只有这样方能确保所建立指标体系的科学性、普适性。目前，指标体系构建过程主要需遵循下述5个原则，依次为:（1）系统性原则，即各类指标彼此协调，共同反映项目整体；（2）定量指标与定性指标相结合原则；（3）彼此独立，有机结合的原则；（4）可比性原则；（5）可行性原则以及精确性原则。各类原则在电网规划项目风险评估指标体系构建的过程中均发挥着十分重要分作用，彼此之间既各自独立又相互影响。
2.2电网规划项目风险评估中的财务性指标
财务性指标通常针对电网规划项目风险中的资金相关特性进行分析，例如分析项目的盈利能力，即确定一个项目最终赚取利益的能力，这将涉及的相关企业的产品营销、资金获取、成本压缩等多个方面。在分析过程中，不但要就项目目前的运行情况进行研究，还应采集项目前期的相关数据，从而实现对于未来财务相关因素的合理预测。通过财务性指标的分析，能够有效确定相关电网项目是否符合财务预期，获利情况是否可观，因此，这也是项目可行性分析中一个必不可少的环节。
2.3电网规划项目风险评估中的技术性指标
该项指标内容涉及到电网结构的分析、系统运行过程中运行效果的分析以及新增投资所获效益的相关分析，主要涉及电网项目中技术相关因素的评价及预测。以系统运行过程中运行能效分析为例，主要涉及到“用户供电可靠率”以及“线损率”两类主要指标，通过对这两个指标的分析，能够对电网项目的运行情况进行考察，作为对于电网项目是否按照一定要求有效运行的重要参考指标。
2.4电网规划项目风险评估中的可靠性指标
电网规划项目风险评估中的可靠性指标指的是项目中的量化指标，主要涉及到电网性能的分析以及持续性建设的相关分析两个方面。首先，电网性能分析过程中，需要注意所涉及电厂的电厂容量以及其输配扩容规划，电网调度过程是否具有可靠性，项目辅助服务能否切实有效的满足项目的实际需求，继电保护是否安全、性能良好。其次，在持续性建设的分析方面，应关注项目电力规划各个环节是否配套开展以及项目从长远角度分析分析是否能够符合市场的整体需求。
三、基于粗糙集理论的属性约简评估模型
基于粗糙集理论的评估模型是源自于数学分析的一类十分常用的分析方法，通过建立此类模型，可以使得风险评估过程中有效剔除无关因素的影响，从而针对某几类相关要素作出分析，从而得出各因素彼此间的相关关系。如前文所述，电网规划项目所涉及的风险类型是多种多样的，不同风险因素之间存在着相关性。然而，这并非意味着各因素之间的彼此影响是相等的。因此，在分析过程中，需要优先选择出关联性最强的因素方能保证风险评估过程的高效开展。这一过程便需要基于粗糙集理论的属性约简评估模型的运用，即在保证现有各类要素数据集性能不变的情况下，科学地对部分因素进行选择性删除。通过大量实践证明，这是一种行之有效的评估方法。
四、支持向量机回归评估模型
上世纪90年代初，数学家提出了支持向量机方法，该方法特别针对小样本、非线性以及局部极小点此类的问题进行研究并提出相应的解决办法，目前已在多种参数的预测方面取得了较为理想的成果；此外，该方法还能够将复杂的问题转化为二次规划类型的问题并进行求解，从而在较大程度上简化了评估流程，同时提升了评估结果的可靠性，因而在包括电网规划项目风险评估等在内的诸多领域中均得到了颇为广泛的应用。通过支持向量机回归评估模型的分析，可以得到不同类型参数之间的相关关系，从而对系统整体所具有的规律进行归纳。在电网规划项目的风险评估中，通过回归模型的建立可以确定不同类型因素（自然因素、人为因素等）相互之间的影响程度，以及在不同项目条件下，特定的电网规划项目整体所具有的特征，从而对于潜在风险起到评估、预测的作用。
五、结语
[关键词]软件项目风险管理神经网络粗集
本篇论文的中心是基于粗集的人工神经网络(ANN)技术的高风险识别，这样在制定开发计划中，最大的减少风险发生的概率，形成对高风险的管理。
一、模型结构的建立
本文基于粗集的BP神经网络的风险分析模型,对项目的风险进行评估,为项目进行中的风险管理提供决策支持。在这个模型中主要是粗糙集预处理神经网络系统，即用RS理论对ANN输入端的样本约简，寻找属性间关系，约简掉与决策无关的属性。简化输入信息的表达空间维数，简化ANN结构。本论文在此理论基础上，建立一种风险评估的模型结构。这个模型由三部分组成即：风险辨识单元库、神经网络单元、风险预警单元。
1.风险辨识单元库。由三个部分功能组成：历史数据的输入，属性约简和初始化数据.这里用户需提供历史的项目风险系数。所谓项目风险系数,是在项目评价中根据各种客观定量指标加权推算出的一种评价项目风险程度的客观指标。计算的方法:根据项目完成时间、项目费用和效益投入比三个客观指标,结合项目对各种资源的要求,确定三个指标的权值。项目风险系数可以表述成:r=f(w1,w2,w3,T,T/T0,S/S0,U/U0),R<1；式中:r为风险系数;T、T0分别为实际时间和计划时间;S、S0分别为实际费用和计划费用;U、U0分别为实际效能和预计效能;w1、w2、w3分别是时间、费用和效能的加权系数,而且应满足w1+w2+w3=1的条件。
2.神经网络单元。完成风险辨识单元的输入后,神经网络单元需要先载入经初始化的核心风险因素的历史数据,进行网络中权值的训练,可以得到输入层与隐含层、隐含层与输出层之间的权值和阀值。
(1)选取核心特征数据作为输入，模式对xp=[xp1,xp2,.,xpn]T,dp(网络期望输出)提供给网络。用输入模式xp,连接权系数wij及阈值hj计算各隐含单元的输出。
m
Ypj=1/{1+exp[-(∑wijxpi-hj)]},i=1,2,.,m;j=1,2,Λ,n,
i=1
(2)用隐含层输出ypj,连接权系数wij及阈值h计算输出单元的输出
m
Yp=1/{1+exp[-(∑wjxpi-hj)]},i=1,2,.,m;j=1,2,Λ,n,
i=1
Yp=[y1,y2,……,yn]T
(3)比较已知输出与计算输出,计算下一次的隐含各层和输出层之间新的连接权值及输出神经元阈值。
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是初始步长;t是学习次数;T是总的迭代次数;M是一个正数,α∈(0,1)是动量系数。σp是一个与偏差有关的值,对输出结点来说；σp=yp(1-yp)(dp-yp)；对隐结点来说,因其输出无法比较,所以经过反向推算；σpj=ypj(1-ypj)(ypwj)
(4)用σpj、xpj、wij和h计算下一次的输入层和隐含层之间新的连接权值及隐含神经元阈值。wij(k+1)=wij(k)+η(t)σpjxpi+α[wij(k)-wij(k-1)]
3.风险预警单元
根据风险评价系数的取值,可以将项目的风险状况分为若干个区间。本文提出的划分方法是按照5个区间来划分的:
r<0.2项目的风险很低,损失发生的概率或者额度很小;
0.2≤r<0.4项目的风险较低,但仍存在一定风险;
0.4≤r<0.6项目的风险处于中等水平,有出现重大损失的可能;
0.6≤r<0.8项目的风险较大,必须加强风险管理,采取避险措施;
0.8≤r<1项目的风险极大,重大损失出现的概率很高,建议重新考虑对于项目的投资决策。
总之，有许多因素影响着项目风险的各个对象，我们使用了用户评级的方式，从风险评估单元中获得评价系数五个等级。给出各风险指标的评价系数，衡量相关风险的大小。系数越低，项目风险越低；反之，系数越高，项目风险越高。
二、实证：以软件开发风险因素为主要依据
这里我们从影响项目风险诸多因素中，经项目风险系数计算，作出决策表，利用粗集约简，抽取出最核心的特征属性(中间大量复杂的计算过程省略)。总共抽取出六个主要的指标(PersonnelManagement/Training，Schedule，ProductControl，Safety，ProjectOrganization，Communication)确定了6个输入神经元，根据需求网络隐含层神经元选为13个，一个取值在0到1的输出三层神经元的BP网络结构。将前十个季度的指标数据作为训练样本数据，对这些训练样本进行数值化和归一化处理，给定学习率η=0.0001，动量因子α=0.01，非线性函数参数β=1.05，误差闭值ε=0.01，经过多次迭代学习后训练次数N＝1800网络趋于收敛，以确定神经网络的权值。最后将后二个季度的指标数据作为测试数据，输入到训练好的神经网络中，利用神经网络系统进行识别和分类，以判断软件是否会发生危机。实验结果表明，使用神经网络方法进行风险预警工作是有效的，运用神经网络方法对后二个季度的指标数据进行处理和计算，最后神经网络的实际输出值为r=0.57和r=0.77，该软件开发风险处于中等和较大状态，与用专家效绩评价方法评价出的结果基本吻合。
参考文献：
[1]王国胤“Rough:集理论与知识获取”[M].西安交通大学出版社，2001
在软件项目特别是信息系统构建项目投资过程中的风险因素众多，其后果严重程度各异，要把每个风险因素都加以考虑会导致问题的复杂化，是不现实的。本文以某高校人力资源管理信息系统的构建过程中所提出的指标体系，建立了该项目风险递阶层次结构图。
1.1基于层次分析法的一致性效验结果根据图1对各风险子因素进行判断，从而得到单因素评判矩阵。咨询相关专家，对专家们的评判结果进行分析，合理取舍，得到风险子因素的评判矩阵。最终将评语集确定为：A={低风险，中等风险，高风险}。对于风险子因素的权重矩阵，则采用层次分析法，邀请十位技术专家进行调查研究和相关分析，采用不同因素两两比较的方法，构造不同层次的判断矩阵，并进行归一化处理和一致性检验。根据选定专家事先估计出项目实施人员对各个因素的侧重程度，进行一级风险因素的权重分配，加权后建立权重集，现以一级风险“技术性风险”中各组成因素的权数确定为实际评判对象，其一致性效验结果如表2。由以上一致性效验结果可得到一个模糊集：P2=（0.5015，0.4985）同样也可以估计出各专家对人员风险、经济风险、环境风险、管理风险中各因素侧重程度而加权组成因素的权重集如下：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模糊综合风险评估分析在这个过程中，要使用专家调查法，具体操作如下，选取10名专家，让这10名专家根据各自的相关经验，给出每一个风险指标对各类风险的隶属度，然后对其进行归一化，最后得出一级评判矩阵，本文通过下面的“技术性风险”中的各风险因素的一级评判矩阵，对该种方法进行说明。该一级评判矩阵如表3所示。由此相应的可得出人员风险、经济风险、管理风险中各因素的一级评判矩阵。
1.2.1一级模糊综合评价用加权平均模型模糊评价理论，计算项目风险评估中一级模糊评价指标的模糊值BK1=PK*RK，其中BK1代表一级模糊综合评价指标值，P代表权系数，R为一级评判矩阵，仍以“技术性风险”为例来计算一级评判矩阵，将上述过程中的P2与R2代入公式。
1.2.2二级模糊综合评价由人员风险、技术性风险、经济风险、环境风险、管理风险共同组成的项目总体风险权重矩阵。从向量矩阵B的结果可以看出，三个数中0．3841最大，其隶属于风险等级为低风险，说明该校人力资源管理信息系统的构建过程和投资风险很小，是切实可行的。
2结论与展望
2.1结论①运用模糊综合评判法对某高校的人力资源管理信息系统的设计与实现项目进行综合评估，得到了该项目在未来发生较低风险的可能性最大，也就是项目的生命周期是很稳定的。项目的发展也是随着项目的目标而进行的，由此可以看到，该项目的研究和系统的构建都对某高校的人力资源现代化管理和信息化建设起到一定作用。②在实际应用模糊综合评价法建立相关软件项目的风险评价模型时，最关键的步骤是把项目中包含的方向不明、影响大小不易确定影响因素转化成可以进行相关数学处理的模糊变量，然后在通过使用相关的模糊评价模型，对上述得出的模糊变量进行统计分析，最后得到可以定量的数据结果。从实际经验来看，这种评价的数据结果和一般的常规分析结果基本保持一致，这种量化的风险分析结果，使得项目负责人可以随时根据项目风险的量化指标，合理安排项目的风险防范措施，这种使用量化数据的风险分析指标，对于动态监控风险有着良好的作用。③从本文的应用实例可以看出，层次分析法适用于风险管理比较简单方便，通过一致性效验结果进行数学建模的方式能够更好的反应风险的层级关系和权重指标。
[关键词]软件项目风险管理神经网络粗集
本篇论文的中心是基于粗集的人工神经网络(ANN)技术的高风险识别，这样在制定开发计划中，最大的减少风险发生的概率，形成对高风险的管理。
一、模型结构的建立
本文基于粗集的BP神经网络的风险分析模型,对项目的风险进行评估,为项目进行中的风险管理提供决策支持。在这个模型中主要是粗糙集预处理神经网络系统，即用RS理论对ANN输入端的样本约简，寻找属性间关系，约简掉与决策无关的属性。简化输入信息的表达空间维数，简化ANN结构。本论文在此理论基础上，建立一种风险评估的模型结构。这个模型由三部分组成即：风险辨识单元库、神经网络单元、风险预警单元。
1.风险辨识单元库。由三个部分功能组成：历史数据的输入，属性约简和初始化数据.这里用户需提供历史的项目风险系数。所谓项目风险系数,是在项目评价中根据各种客观定量指标加权推算出的一种评价项目风险程度的客观指标。计算的方法:根据项目完成时间、项目费用和效益投入比三个客观指标,结合项目对各种资源的要求,确定三个指标的权值。项目风险系数可以表述成:r=f(w1,w2,w3,T,T/T0,S/S0,U/U0),R<1；式中:r为风险系数;T、T0分别为实际时间和计划时间;S、S0分别为实际费用和计划费用;U、U0分别为实际效能和预计效能;w1、w2、w3分别是时间、费用和效能的加权系数,而且应满足w1+w2+w3=1的条件。
2.神经网络单元。完成风险辨识单元的输入后,神经网络单元需要先载入经初始化的核心风险因素的历史数据,进行网络中权值的训练,可以得到输入层与隐含层、隐含层与输出层之间的权值和阀值。
(1)选取核心特征数据作为输入，模式对xp=[xp1,xp2,.,xpn]T,dp(网络期望输出)提供给网络。用输入模式xp,连接权系数wij及阈值hj计算各隐含单元的输出。
m
Ypj=1/{1+exp[-(∑wijxpi-hj)]},i=1,2,.,m;j=1,2,Λ,n,
i=1
(2)用隐含层输出ypj,连接权系数wij及阈值h计算输出单元的输出
m
Yp=1/{1+exp[-(∑wjxpi-hj)]},i=1,2,.,m;j=1,2,Λ,n,
i=1
Yp=[y1,y2,……,yn]T
(3)比较已知输出与计算输出,计算下一次的隐含各层和输出层之间新的连接权值及输出神经元阈值。
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是初始步长;t是学习次数;T是总的迭代次数;M是一个正数,α∈(0,1)是动量系数。σp是一个与偏差有关的值,对输出结点来说；σp=yp(1-yp)(dp-yp)；对隐结点来说,因其输出无法比较,所以经过反向推算；σpj=ypj(1-ypj)(ypwj)(4)用σpj、xpj、wij和h计算下一次的输入层和隐含层之间新的连接权值及隐含神经元阈值。wij(k+1)=wij(k)+η(t)σpjxpi+α[wij(k)-wij(k-1)]
3.风险预警单元
根据风险评价系数的取值,可以将项目的风险状况分为若干个区间。本文提出的划分方法是按照5个区间来划分的:
r<0.2项目的风险很低,损失发生的概率或者额度很小;
0.2≤r<0.4项目的风险较低,但仍存在一定风险;
0.4≤r<0.6项目的风险处于中等水平,有出现重大损失的可能;
0.6≤r<0.8项目的风险较大,必须加强风险管理,采取避险措施;
0.8≤r<1项目的风险极大,重大损失出现的概率很高,建议重新考虑对于项目的投资决策。
总之，有许多因素影响着项目风险的各个对象，我们使用了用户评级的方式，从风险评估单元中获得评价系数五个等级。给出各风险指标的评价系数，衡量相关风险的大小。系数越低，项目风险越低；反之，系数越高，项目风险越高。
二、实证：以软件开发风险因素为主要依据
这里我们从影响项目风险诸多因素中，经项目风险系数计算，作出决策表，利用粗集约简，抽取出最核心的特征属性(中间大量复杂的计算过程省略)。总共抽取出六个主要的指标(PersonnelManagement/Training，Schedule，ProductControl，Safety，ProjectOrganization，Communication)确定了6个输入神经元，根据需求网络隐含层神经元选为13个，一个取值在0到1的输出三层神经元的BP网络结构。将前十个季度的指标数据作为训练样本数据，对这些训练样本进行数值化和归一化处理，给定学习率η=0.0001，动量因子α=0.01，非线性函数参数β=1.05，误差闭值ε=0.01，经过多次迭代学习后训练次数N＝1800网络趋于收敛，以确定神经网络的权值。最后将后二个季度的指标数据作为测试数据，输入到训练好的神经网络中，利用神经网络系统进行识别和分类，以判断软件是否会发生危机。实验结果表明，使用神经网络方法进行风险预警工作是有效的，运用神经网络方法对后二个季度的指标数据进行处理和计算，最后神经网络的实际输出值为r=0.57和r=0.77，该软件开发风险处于中等和较大状态，与用专家效绩评价方法评价出的结果基本吻合。
参考文献：
[1]王国胤“Rough:集理论与知识获取”[M].西安交通大学出版社，2001
随着全球社会经济的发展，工程项目变得越来越复杂，工程量增大，技术要求越来越高，市场竞争越来越激烈等都给工程项目的实施带来很大的风险。风险管理自从产生之后就在不断的发展，由于科学技术的不断发展以及各个国家风险管理机构的推动，使得风险管理的理论越来越规范，新的风险管理方法不断产生。然而随着社会经济的不断发展工程项目呈现出涉及范围广、技术要求高、影响因素多、投资资金大等特点，给工程项目造成了很大的风险，因此研究工程项目风险识别及对策研究具有重要的应用意义。
1风险评估
风险评估是指在风险识别与估计的前提下，运用相关数学理论并结合风险评估理论构建工程项目风险评估模型，根据模型预估工程项目发生风险的概率及对应的后果，进而发现该工程项目的关键风险并确定整个项目的风险水平，从而为风险的处置提供科学参考依据以保障项目顺利施工。具体工程项目风险评价主要包括如下内容:1)确定风险评价基准。确定工程项目风险基准需要结合项目的实际情况，根据项目主体的项目目标，按照每一类风险的后果确定其相应的可接受水平，不仅要确定单项风险基准，还需要根据总体目标来确定整体风险基准。一般风险在开始阶段可接受水平相对较高，但随着项目的实施，不确定性逐渐减少，可接受水平会逐渐降低，因此，项目风险评价基准应随时间的推移而不断进行调整。2)分析全部单项风险，并计算总体风险水平。项目总体风险水平的确定是在确定各单项风险之后，根据各单项风险之间的相互作用及其转化关系，对风险的可预见性、风险所对应的各种后果与发生的概率进行合理的估计，因此，评价工程项目整体风险非常复杂。一般而言，工程项目风险后果的严重性及其对应发生的概率符合“二八原理”，即20%的风险对工程项目构成了80%的严重威胁。也就是说，可能导致严重后果的风险出现的概率低，而导致不严重后果的风险出现的概率高。同时，确定整体项目风险还需考虑多个导致不严重后果的风险耦合时，可能会造成相当严重的后果，这在确定整体项目风险水平时也需要认真考虑。3)与基准风险比较，对项目进行决策。若某单项风险大于相应的评价基准时，则可进行成本效益分析来寻找其他风险较小的方案进行替代;若项目整体风险比整体评价基准稍大时，则可考虑重新拟定新的项目总体方案。当项目总体风险不大于总体评价基准时，则表示项目风险可接受，工程项目可按计划继续进行，否则，考虑放弃项目。在实际的计算中，需要考虑到的因素种类很多，各因素之间还需要划分成若干层次，并对各层次之间的因素划分评价等级，之后求得各层矩阵，数学方法可采用模糊综合评价的方法，其主要是在构建等级模糊子集对被评价的工程项目模糊指标进行量化(即确定隶属度)基础上，根据模糊变换原理来综合各指标形成最终整体评价结果。评判顺序为:首先对最低层次的指标采用模糊综合评价的方法进行评价，然后根据评价结果构建上一层次的模糊矩阵并采用模糊综合评价法进行评价。根据此方法由底而上逐层进行模糊综合评价，进而得到系统总体的综合风险评价结果。
2风险对策
风险的识别与评估的最终目的是对工程项目提供科学的决策依据及对策，因此，相关的工程项目风险管理人员在风险识别与评估之后制定相应的风险应对计划与措施。具体风险应对计划如图1所示。制定风险的应对措施的主要目的是减少项目风险可能造成的危害，从而提高对工程项目风险的控制，减少损失。一般情况下，项目风险应对措施包括三种方法，即风险分散与转移、风险损失控制、风险自留与风险回避。1)风险的分散与转移对策。此方法是工程项目风险管理中最为常见的方法，采用这种方法应注意三个原则:a．要能够降低工程造价和有利于合同的履行。b．谁能够防止风险或控制风险或减少风险造成的损失，就由谁承担该风险。c．要有利于调动承担方的积极性。2)风险损失控制。根据工程项目预估的风险，需要制定应对措施来降低风险发生的概率及其可能造成的严重后果，主要包括预防损失和减少损失两个方面。a．预防损失，例如合理的管理及制定安全计划等，主要目的在于减少甚至消除损失发生的概率。b．减少损失，包括损失最小化方案和损失挽救方案，例如制定灾难计划、应急计划等，其主要目的在于减少风险发生时所造成后果的严重性。风险损失控制方案也可以是预防损失与减少损失的组合方案。3)风险自留对策与风险回避。风险自留也称风险承担，企业以其内部资源来承担项目风险所造成的损失。风险回避是一种以消极的放弃和中止的方式来避免可能产生的潜在风险，它与损失控制一样，均是以控制项目风险本身为对象，但损失控制是主动、积极的风险对策。在采用风险回避对策时要注意有些风险回避可能是不实际甚至不可能回避的，若项目风险越复杂，采取回避对策就越不可能;风险回避同时也可能意味着获得收益的可能性;回避一种风险的同时可能会产生另外一种新的风险。
3结语
风险评估是指在风险识别与估计的前提下，运用相关数学理论并结合风险评估理论构建工程项目风险评估模型，根据模型预估工程项目发生风险的概率及对应的后果，进而发现该工程项目的关键风险并确定整个项目的风险水平，从而为风险的处置提供科学参考依据以保障项目顺利施工。具体工程项目风险评价主要包括如下内容:1)确定风险评价基准。确定工程项目风险基准需要结合项目的实际情况，根据项目主体的项目目标，按照每一类风险的后果确定其相应的可接受水平，不仅要确定单项风险基准，还需要根据总体目标来确定整体风险基准。一般风险在开始阶段可接受水平相对较高，但随着项目的实施，不确定性逐渐减少，可接受水平会逐渐降低，因此，项目风险评价基准应随时间的推移而不断进行调整。2)分析全部单项风险，并计算总体风险水平。项目总体风险水平的确定是在确定各单项风险之后，根据各单项风险之间的相互作用及其转化关系，对风险的可预见性、风险所对应的各种后果与发生的概率进行合理的估计，因此，评价工程项目整体风险非常复杂。一般而言，工程项目风险后果的严重性及其对应发生的概率符合“二八原理”，即20%的风险对工程项目构成了80%的严重威胁。也就是说，可能导致严重后果的风险出现的概率低，而导致不严重后果的风险出现的概率高。同时，确定整体项目风险还需考虑多个导致不严重后果的风险耦合时，可能会造成相当严重的后果，这在确定整体项目风险水平时也需要认真考虑。3)与基准风险比较，对项目进行决策。若某单项风险大于相应的评价基准时，则可进行成本效益分析来寻找其他风险较小的方案进行替代;若项目整体风险比整体评价基准稍大时，则可考虑重新拟定新的项目总体方案。当项目总体风险不大于总体评价基准时，则表示项目风险可接受，工程项目可按计划继续进行，否则，考虑放弃项目。在实际的计算中，需要考虑到的因素种类很多，各因素之间还需要划分成若干层次，并对各层次之间的因素划分评价等级，之后求得各层矩阵，数学方法可采用模糊综合评价的方法，其主要是在构建等级模糊子集对被评价的工程项目模糊指标进行量化(即确定隶属度)基础上，根据模糊变换原理来综合各指标形成最终整体评价结果。评判顺序为:首先对最低层次的指标采用模糊综合评价的方法进行评价，然后根据评价结果构建上一层次的模糊矩阵并采用模糊综合评价法进行评价。根据此方法由底而上逐层进行模糊综合评价，进而得到系统总体的综合风险评价结果。
2风险对策
风险的识别与评估的最终目的是对工程项目提供科学的决策依据及对策，因此，相关的工程项目风险管理人员在风险识别与评估之后制定相应的风险应对计划与措施。具体风险应对计划如图1所示。制定风险的应对措施的主要目的是减少项目风险可能造成的危害，从而提高对工程项目风险的控制，减少损失。一般情况下，项目风险应对措施包括三种方法，即风险分散与转移、风险损失控制、风险自留与风险回避。1)风险的分散与转移对策。此方法是工程项目风险管理中最为常见的方法，采用这种方法应注意三个原则:a．要能够降低工程造价和有利于合同的履行。b．谁能够防止风险或控制风险或减少风险造成的损失，就由谁承担该风险。c．要有利于调动承担方的积极性。2)风险损失控制。根据工程项目预估的风险，需要制定应对措施来降低风险发生的概率及其可能造成的严重后果，主要包括预防损失和减少损失两个方面。a．预防损失，例如合理的管理及制定安全计划等，主要目的在于减少甚至消除损失发生的概率。b．减少损失，包括损失最小化方案和损失挽救方案，例如制定灾难计划、应急计划等，其主要目的在于减少风险发生时所造成后果的严重性。风险损失控制方案也可以是预防损失与减少损失的组合方案。3)风险自留对策与风险回避。风险自留也称风险承担，企业以其内部资源来承担项目风险所造成的损失。风险回避是一种以消极的放弃和中止的方式来避免可能产生的潜在风险，它与损失控制一样，均是以控制项目风险本身为对象，但损失控制是主动、积极的风险对策。在采用风险回避对策时要注意有些风险回避可能是不实际甚至不可能回避的，若项目风险越复杂，采取回避对策就越不可能;风险回避同时也可能意味着获得收益的可能性;回避一种风险的同时可能会产生另外一种新的风险。
3结语
关键词：风险评估；蒙特卡洛模拟；灰色评价；人工神经网络
中图分类号：F27 文献标识码：A
风险评估就是在充分掌握资料的基础之上，采用合适的方法对已识别风险进行系统分析和研究，评估风险发生的可能性（概率）、造成损失的范围和严重程度（强度），为接下来选择适当的风险处理方法提供依据。根据实际需要的不同可以对风险进行定性分析和定量分析。定性分析一般是根据风险度（重要程度）或风险大小（概率×强度）等指标对风险因素进行优先级排序，为进一步分析或处理风险提供参考，常用方法有专家打分法等。定量分析则是将体现风险特征的指标量化，加深对风险因素的认识，有助于风险管理者采取更具针对性的对策和措施，常用方法有敏感性分析、蒙特卡罗分析等。下面介绍常用的一些风险评估方法。
一、专家调查法
在风险识别的基础之上，请专家对风险因素的发生概率和影响程度进行评价，再综合整体风险水平进行评价。该方法简单易行，可以在采用德尔菲法进行风险识别时同时进行，节约成本和时间，缺点是主观性强，依赖于专家水平。
二、蒙特卡洛模拟法
蒙特卡洛模拟法又称统计试验法或随机模拟法，其原理是将项目目标变量（风险评价指标）和各个风险变量综合在一个数学模拟模型内，每个风险变量用一个概率分布来描述，然后利用计算机产生随机数（或伪随机数），并根据随机数在各个风险变量的概率分布中取值，算出目标变量值，经过多次运算即可得出目标变量的期望值、方差、概率分布等指标，绘制累计概率图，供决策者参考。
风险变量的确定，一般采用前述的风险识别方法，如果风险因素较多，可以先进行敏感性分析，选择敏感的风险因素作为风险变量。风险变量的概率分布描述是进行模拟分析的基础，常用的有正态分布、β分布、三角分布、梯形分布、阶梯分布等，销售量、售价、产品成本等变量多采用正态分布，工期、投资等变量多采用三角分布描述。对有历史数据的风险变量可根据数据做统计分析，估计其概率分布，对没有历史数据的风险变量，可以采用专家调查法确定变量的概率分布。
该法由法国数学家John.ron.neuman创立，由于其依赖的概率统计理论与赌博原理类同，因此以欧洲著名赌城摩纳哥首都Monte Carlo命名。该方法的优点是使用计算机模拟项目的自然过程，比历史模拟方法成本低、效率高，结果相对精确；可以处理多个因素非线性、大幅波动的不确定性，并把这种不确定性的影响以概率分布形式表示出来，克服了敏感性分析的局限性。不足之处是依赖于特定的随机过程和选择的历史数据，不能反映风险因素之间的相互关系，需要有可靠的模型，否则导致错误。
三、计划评审技术（PERT）
该方法是用网络图来体现项目中各项活动的进度和相互之间的关系，确定关键路径，计算总工期及概率，再综合考虑资源因素，得到最佳的项目计划方案。PERT主要用于对项目的进度管理，评价进度和费用方面的风险。它适用于评价缺乏历史经验资料的科研或产品研发项目风险以及与进度相关的项目风险。由于该方法的前提是假设项目每项活动的时间服从正态分布或β分布，总工期和关键路径都具有随机性，但是随着关键路径的确定，这一假设就失去意义，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风险因素不变的情况下，评估某一个（或几个）特定的风险因素变化对项目目标变量的影响程度，确定它的变动幅度和临界值，计算出敏感系数，据此对风险因素进行敏感性排序，供决策者参考。这种方法应用广泛，常用于项目的可行性研究阶段，有助于发现重要的风险因素，具体又可分为单因素敏感性分析和多因素敏感性分析。其缺点在于只能体现风险因素的强度而不能反映发生概率，也不能反映众多风险因素同时变化时对项目的综合影响。
五、决策树法
决策树法是指利用图解的形式，将风险因素层层分解，绘制成树状图，逐项计算其概率和期望值，进行风险评估和方案的比较和选择。一棵简单的决策树包括决策节点、状态节点和结果节点，决策节点与状态节点之间为方案分支，状态节点引出的分支为状态分支，决策节点上标注最终方案的收益期望值，方案分支标注方案名称，状态节点标注某个行动方案收益期望值，状态分支标注状态名称和概率，结果节点标注收益值。一般会求出目标变量在所有风险因素所有概率组合下的期望值，再画出概率分布图，因此计算量与风险因素和变化的数量成指数关系，并且需要有足够的有效数据做支撑。这种方法层次清晰，不同节点面临的风险及概率一目了然，不易遗漏，能够适应多阶段情形下的风险分析，但用于大型复杂项目时工作量较大，也不适合用于缺乏类似客观数据的项目。
六、影响图法
影响图是指由风险结点集合和反映风险关系的有向弧集合构成的无环有向图，它是在决策树基础之上发展起来的图形描述工具，包含了对风险变量相关性的描述，既可以表示变量之间的概率依赖关系，又可用于计算，能够有效地把决策问题转化成模型，是决策问题定性描述和定量分析的有效工具。其优点是概率估计、备选方案、决策者偏好等资料完整；图形直观、概念明确；计算规模随着风险因素个数呈线性增长。缺点是需要获取大量的概率和效用值，对于复杂问题建模困难。
七、模糊综合评价法
模糊理论是美国加州大学伯克力分校卢菲特・泽德教授于1965年首先提出的一种定量表达工具，用来表达某些无法明确定义的模糊性概念。事物的某些状态或属性如男或女，可以明确区分，但是如漂亮或不漂亮、高或矮之类带有主观意识的属性，则很难以明确的标准加以区分，模糊理论接受自然界模糊性现象存在的事实，并将其量化，进行相关研究。
风险也具有模糊性，主要表现为风险的强度或大小很难进行明确的界定。模糊综合评价法将项目风险大小用模糊子集进行表达，利用隶属度及模糊推理的概念对风险因素进行排序，以改进的模糊综合评价法为基础，采用层次分析法（AHP）构建风险递阶层次结构，采用专家调查法确定各层次内的风险因素指标权重，逐级进行模糊运算，直至总目标层，最终获得项目各个层级以及整体的风险评估结果。该方法将风险的定性和定量分析相结合，对于难以量化的风险因素如法律变动，也能进行有效分析，不依赖绝对指标，避免标准不合理导致的偏差。缺点是专家的主观偏见和能力水平可能会影响结果，对隶属度变化时评价结果改变的波动性利用不够。
八、风险矩阵法
该方法又称风险值法，1998年由Paul R等人提出。该方法将风险事件发生的概率和影响程度分级评分，然后分别作为矩阵的行和列形成风险矩阵，将风险概率和风险后果估计值（0～1）相乘得到风险值，进而按照风险事件在矩阵中的位置作出评估。该方法使用简单快捷。缺点是计算风险概率往往需要历史数据；由于风险的随机性和影响的模糊性，易产生风险结。
九、人工神经网络技术(ANN)
该方法是模仿生物大脑结构和功能而形成的一类信息处理系统，最先由美国生物学家Warren Mcculloch和数学家Walter Pitts于1943年提出，经过几十年的发展已经成为多学科综合的前沿学科。人工神经网络的基本结构单元是神经元，它一般是多个输入、一个输出的非线性单元，按照一定的层次结构排列，每层神经元以加权方式与其他层次上的神经元连接构成神经网络。根据连接方式的不同，目前已有30多种神经网络结构，最常用的是误差反向传播的多层前馈式网络，即BP网络。人工神经网络技术运作模式是建立神经元网络连接，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，经过多次信息输入和输出比对，并不断进行修正，使输出结果与实际值之间差距不断缩小。优点：具有自学习、自组织适应能力和强容错性等特性；避免了大量的繁琐计算，使评价工作更简便易行；主要是通过对以往的样本数据进行学习，获取经验，弱化了确定各因素权重时的人为因素。缺点：选择网络结构不当会影响评价结果；输出结果不能体现单个风险因素的重要程度；泛化能力差，不适用于多目标的评价过程，项目具有独特性、一次性的特点。
十、灰色评价方法
灰色系统理论是我国著名学者邓聚龙于1982年提出的，他根据信息的清晰程度，将系统分为白色、黑色和灰色，白色系统信息完全可见，黑色系统信息未知，灰色系统介于两者之间，分析过程中可充分利用已知信息将灰色系统的灰色性白化，分析方法有灰色聚类法、灰色关联分析法等。灰色关联分析是根据因素之间发展态势的相似或者相异程度来衡量因素间关联度的方法。灰色评价方法的优点：对样本量要求不高，不要求样本服从任何分布，可以有效地克服复杂系统的层次复杂性、结构关系的模糊性、动态变化的随机性、指标数据的不完全性和不确定性，排除认为影响，数据不必进行归一化处理，可靠性强。缺点：样本数据具有时间序列特性，综合评价结果具有“相对评价”的缺点，需要确定分辨率，其选择标准尚无一个合理的标准。
对项目风险定性和定量分析，为选择最佳风险处理手段提供了可靠的依据。上述风险评估方法有各自的特点和优势，有的方法以全面、精确为特点，有的方法以简单易用为优势，一些方法可以同时处理风险识别和风险评估，各方法之间也有相互交叉、相互引用的情况，在实际应用中应当根据掌握资料程度、项目实际情况具体选择。1992年英国里丁大学Simister教授对英国项目管理协会的37名会员进行风险评估技术应用方面的调查，结果显示尽管有很多新的风险评估方法，但传统的调查打分法、蒙特卡洛模拟和计划评审法使用率达70%。据统计，由于资料稀缺和时间紧迫，75%的项目经理倾向于采用专家调查打分，将风险评估主观量化。未来项目风险管理将更加注重一体化和动态持续性，风险的量化分析越来越受到重视，随着传统风险评估方法不断改进，新方法的不断完善，风险评估将会使项目管理更加科学有效。
（作者单位：重庆大学建设管理与房地产学院）
主要参考文献
[1]廖诗娜.PPP项目定量风险评估方法比较[J].合作经济与科技，2010.6.
[2]杨义灿.投资项目评价的理论、方法及应用研究[D].南京: 河海大学，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]易军，许忠保，刘小鹏.人工神经网络技术的工程应用及展望[J].湖北工业大学学报，2007.22.
