4．2股指期货风险的评估
股指期货风险的识别解决的问题是风险种类的识别，而股指期货风险的评估解决是风险将在什么时候发生，损失会有多大，即找出风险发生的概率及风险损失的程度，以便为下一步的风险管理提供充足有效的数理依据。风险是未来结果的不确定性和可能性，这在本质是一种概率事件或随机事件。因此，理论界以概率论和数理统计的方法为基础来估测金融风险发生的可能性。王春峰等(1998)考虑到利率、汇率、股指、商品价格等因子的复杂性以及它们之间的交互作用，提出了三维风险测量方法，包括敏感性分析、在险实验和压力试验三个层次。
VaR(Value at Risk)模型是90年代开始兴起的风险“损失”度量方法。Group集团于1993年开始提出基于Value—at—Risk损失的风险度量管理思想，此后投资银行J．P．Mrogan将这一风险管理思想逐步实现于它的分析软件工具Riskiletric中，并于1994年10月将核心的计算方法向全球公开，从此引起了监管部门和商业银行、证券投资公司、大型非金融机构的极大关注，并加以广泛的运用。在众多研究机构的推动下，以及基于“损失”(Value at Risk)度量方法的良好特征，“损失"度量方法得到了迅速的发展，现已成为金融市场风险度量的主流。
VaR字面意思是“在险价值”，其含义是在市场J下常波动下，在一定的概率水平下(置信度)和持有期间内，某一金融资产或证券组合的最大可能损失。本质是对资产组合波动的统计度量，其核心在于构
造资产组合价值的概率分布，基本思想是利用资产组合的历史波动信息来推断未来情形。只不过对未来价值波动不是一个确定数值，而是一个概率分布，可以用以下图形来表示：L概率E 回报
W=、hR图4．1 VaR本质图形
从上面给出的定义中，VaR具有以下几个非常重要的特征：
l、VaR是个总结性的度量值；
2、VaR在要求用随机形式表达一个组合未来的损益；
3、VaR值依赖于所选择的时间范围；
VaR取决于所选择的概率水平，概率越大，VaR越小，同对其作用也越小。因此VaR具有一定的灵活性，它可满足各种金融机构的需要，只
需选好时间范围和概率水平即可。但它同时也存在一个重要的缺陷，即它不要求对金融市场的走势作理论上的假定，因此在应有基于VaR
方法的概率系统时，需要凭借大量的主观判断，选择不同的模型描述市场行为，其导致的结果也可是不相同。综上所述，要确定VaR的值，需要事先确定三个要素：置信度、目标期限和观察时间。
1．置信水平(Confidence interval)，即置信度。它表示根据某种概率测算结果的可信程度，置信水平的选择具有一下的主观性，但选择的准确性却是至关重要的。置信水平选择过低，损失超过VaR值的事
件过高，将使得VaR值失去意义；置信水平选择过高，损失超过VaR
值的极端事件发生的概率会降低，但统计样本数据数目将减少，这又会使对VaR值估计的准确性降低。在现实中，置信水平一般选在95％～99％之间，根据国际研究表明对股指期货的风险测定的置信水平以95％
为宜。
2．目标期限(Target Horizon)，有称持有期限。它是衡量回报波动性和关联性的时间单位，即取得观察数据的频率，如所观察的数据是以月、周、日还是年来计，它一般是根据资产组合调整的速度来定。调整速度较快的组合应选用较短的期限，较慢的组合则选用较长的时间期限，因为在既定的观察期间内，选定的期限越长，则观察期间所取得的数据就越少，从而影响VaR值的准确性。如将观察期间选为一年，持有期限选定为三个月，在观察期间所取得的数据就只有4个，若期限选定一个月，在观察期间可得12个数据，显然12个数据的准确性要好于4个数据的准确性。
3．观察期间(Observation Period)。它是对给定持有期限回报的波动性和关联性考察的整个时间长度，即选取数据的时间范围，例如是选择一年还是半年。对观察期间的选择更多地是从历史数据和市场结构性变化之间权衡。历史数据当然越长越好，但时间太长，则市场结构性变化的可能性就越大，又会使其数据无法反映现实和未来的情况。如果能够根据历史数据直接估算出投资组合中各种金融产品的收益分布和整个组合的收益分布，那么作为该分布的一个百分位数掘的VaR值也就很容易估算出来了。但值得提醒的是，资产组合的收益转化为若干风险因子收益，然后得到这些风险因子收益的概率分布，继而得到整个组合收益的概率分布，最后求出VaR的估计值。
4．2．2 VaR的计算
VaR的计算，可分为非参数和参数法。下面主要介绍参数法。参
数法就是要求事先已知或假设资产收益率的概率分布，因资产收益率的概率分布不同，可分为以下两计算方法。
1．一般分布的VaR值的计算
令一个投资组合的初始价值为1】I『0，收益率为R，则其目标期术的价值为w=1『o(1+R)。令R的期望值与波动性分别为肛和0，在给定置信水平下该投资组合的最小值为：w幸=1jl『o(I+R‘)。在险价值定义为相对于平均值的损失，即：YaR(期望值)=E(W)-W"=E[Wo(1+R)]一Wo(I+R+)=1矿(1+p)一1】I『o(1+R术)=wo(1+肛一1一R木)1j|『o(P R水) ?(1)在险价值有时也定义为相对于O的绝对损失，即
VaR(0)=Wo-W,=-1]I『o胁。在上述情形下，求在险价值相当于确定最小价值黔或最小收益率R木。一般地，在险价值可以通过投资组合未来价值的概率分布f(W)求出。在给定置信水平C下，w半通过求解下式而得出：c=e厂(w)d(w)或1一c=[厂(w)d(w)。?(2)这一方法对任何分布都有效，无论离散分布还是连续分布，或者粗尾分布还是细尾分布，所以我们称之为一般分布。
2．正态分布的VaR值计算
如果价值服从正态分布，风险价值就可以通过投资组合的标准差和取决于置信水平的乘数因子求出。由于该方法涉及标准差这一参数的估计，因此也称为参数法。
令给定置信度C下标准正态分布的尾值为一a，即：1一c=[／(w)d(w)=C1厂(厂)d(，．)=e矽(占)dsR*R木w牛贝U有，—R*—-fl：一口。仃?(3)?(4)由于对应于w木的值一般为负，即R木=-JR宰}，所
以业：一口?(5)盯
由于正态分布比较方便易于计算，同时对许多实际情况相吻合，因此应用比较多，当投资组合价值较大，非常分散化的时候更是如此，以下的计算就是在正态分布的假定下完成的。
4．2．3 本文采用的研究方法一Risk Metrics法
Risk Metrics法是J．P．Morgan提供的VaR计算方法，采用移动平均方法中的指数移动平均规模预测波动性。它是假定过去的回报分布可以合理地预测未来情况，可用历史数据的时间序列分析估计市场因子的波动性和相关性。Risk Metrics假定市场因子的变化服从正态分布。它可以用如下的步骤表示：
1、记录资产组合的当前盯市价，以K表示该值。
2、以K表示资产组合的未来值，满足K=roe‘。其中，．代表资产组合在持有期的回报。对于单日持有期，这一步骤不必要，因为Risk Metrics假定为0回报。
3、对资产回报做一个同回报的预测，并以C表示该值。这样，有5％的机会出现实际的回报将比∥小。可表示为：Probp<，o)--5％。
4、以钟表示资产组合的未来“最差情况”值，满足砰=roe”。这样，VaR的估计值可以简单地表示为： Vo—Ko。注意到，VaR的估计值可以表示为Vo(1一e巾)。在，．”充分小的情况下，e“≈l+，．。，因此VaR的估计值可以近似地等于％e“。Ri sk Metrics这样的风险测量系统的目的就是提供一种计算广的方法。
4．2．4 VaR技术的局限性
第一，VaR技术的有效性是以市场正常运行为前提条件的。如果市场发生异常变化，如货币突然贬值、股价暴跌、利率骤升等，VaR 将失去它的效力。
第二，以VaR来测量风险，会同时遇到模型风险问题，由于VaR
模型可以使用不同的方法，如历史模拟法、方差——协方差法、蒙特卡罗模拟法得到资产收益的不同的概率分布，因而资产组合将得到不同的VaR值，这就使得真实的VaR很难得到。
第三，一些VaR模型假定金融产品收益率与市场价格变动呈正态分布，这一假设在实际运行中很少成立，绝大多数金融产品市场价格的变化具有“厚尾’’现象，这可能会出现在较高的置信度上低估VaR 值。
第四，一些模型只是一个部分估值模型，只能反映风险因子与资产价格的线性关系，而不能反映二者间的非线性关系。事实上，风险因子与资产价值的非线性关系是明显存在的，尤其是在持有期限设定较长时，资产价格及风险因子的回报将发生较大幅度的跳跃，从而使非线性关系更加突出。针对VaR技术的这些局限，现实运用中一般都会采取一些措施来保证VaR技术的有效性，本文采取准确性检验方法。
4．2．5准确性检验方法简介
VaR模型的准确性检验是指VaR模型的测量结果对实际损失的覆
盖程度。例如，如给出了95％的置信度下的VaR，则VaR模型的准确性是指实际损失结果对VaR的概率是否小于5％。VaR模型的准确性有多种形式，检验方法也有多种，主要包括失败检验法、压力测试检验法、
返回试验、分布预测法等。本文采用失败检验法的失败频率检验法。其检验过程如下假设计算VaR的置信度为C，实际考察天数为T，失败天数为N，则失败频率为P(N／T)。零假设为P=p宰。这样对VaR模型准确性的评估就转化为失败频率P是否显著不同于p1’。由二项式过程可得到N次失败在T个样本中发生的概率为： (1一p)卜ⅣP‘Ⅳ。Kupiec 对零假设P=P木。最合适的检验是似然比率检验：LR=-2ln[(1一P木)7一川P}Ⅳ】+21n[(1一Ⅳ／丁)7一川(Ⅳ／Z)川】?(6)并且在零假设的条件下，统计量LR服从自由度为1的z2分布。
4．3我国推出股指期货后的风险模拟分析
根据以上介绍的内容，对中国股指期货上市后的风险进行模拟分析。目前沪深300指数期货尚处于仿真交易期，没有真正上市，所以本文的研究有很大局限性。从仿真交易阶段沪深300指数期货和沪深300指数的走势来看，两者具有很强的相关性，我们进行风险测量的目的是在于估计期货走势波动的风险，所以现货走势和期货走势在研究上具有一定的可代替性。同时从长期的商品期货现货与期货的走势来看，也可以得出两者波动具有近似一致性，因此我们可以近似用沪深300指数的走势来预测股指期货的波动风险。
4．3．1模拟分析
Ri sk Metrics VaR计算方法的假设条件为：
a．投资组合中各个头寸的价格变动率服从正态分布，且每一头寸的期望价格变动率为零；
b．投资组合的各个头寸与投资组合整体价值间为线性关系。
假定VaR被测度得预测期为同，置信水平为95％。假设一日J．市价格，用Ri skMetriCS计算VaR的步骤如下：
1．计算VaR，我们需要均值／a的单同预测，在Risk Metrics框架内，假定单日的期望回报为0；
2．我们还需要计算资产组合回报的标准差O和p。假定资产组合的回报服从正态分布，则，o=Zo n{掌or+∥。在本文中取沪深300指数(2006．6．1-2008．3．7，数据见附表)进行风险估测。由于我们要算出，．o，我们必须先求出。和“的值；由于数据量很大，我们用EViews5．0进行计算，通过建立时间序列模型，求出了所需要的。和“值；11=0，o=0．029，Zo。，=-1．65则可得到基于正态分布的VaR的值：，o=Znn，*or+∥一0．047：由于∥是沪深300指数的对数收益率，所以T+I天的沪深300指数最小值可表示为FT+。=FT木P-1‘6幻叫=0．953Fr。我们前面做的VaR为对数收益率，可以形象地还原最大风险为： VaR=辱(1一er)=0．048Fr(辱表示第T天的指数值)。
4．3．2准确性检验
Kupiec给出了在这种检验方法的置信域，对于本文所用数据
(T=432)，95％的置信度下，预期观测到的失败个数应为N=pXT=5％
x432≈22。在本实例中，从沪深300指数数据计算可发现，在区间(2006．6．卜2008．3．7)432个数据中，收益率(见附表)低于0．953的数据共有14个。14<22，原则上可以接受零假设。将N=14带入下式：LR=-21n[(1一p木)r一Ⅳ尸·Ⅳ]+2ln[(1一N／T)r一Ⅳ(N／T)‘Ⅳ】，可得LR=4．12。z2(1)的95％的置信区间在[0．001，5．0239]，4．12
∈[0．001，5．0239]，所以该模型中得到的VaR值通过了准确性检验。这种方法的有效性倚赖于样本容量。如果VaR模型是正确的，则随着样本容量的增大，N／T和p奉之差将减小；当N／T之差随着样板容量的增加而更加显著时，表明VaR模型可能存在缺陷。
4．3．3结论
从实例中可以看出，沪深300指数的最大风险脚=辱(1一
矿)=0．047FT，且该模型已经通过了相关检验，我们可以得出结论，如果投资者投入100力．，在市场没有异常变动的情况下，有5％的概率的最大损失为4．7万。在本文模型中是用沪深300指数来代替指数期货，没考虑期货本身的波动性，同时我们在模型中只利用了可量化的市场风险，没有考虑许多不可量化的风险，如：信用风险、流动风险、操作风险和法律风险等，因此对于股指期货隐含的VaR值可能高于我们预测的结果。但是这种预测方法对投资者和管理层已经具有借鉴意义。
企业信用风险评估模型 企业信用风险评估是构建社会信用体系的重要构成要素，也是企业信用风险管理的 核心环节。企业信用风险评估涉及四个基本的概念，即信用、信用风险、信用风险管理以及信用风险评估。本节重点为厘清基本概念，并介绍相关企业信用风险评估操作。 I —、企业信用风险评估概念 企业信用风险评估是对企业信用情况进行综合评定的过程，是利用各种评估方法，分析受评企业信用关系中的履约趋势、偿债能力、信用状况、可信程度并进行公正审查和评估的活动。 信用风险评估具体内容包括在收集企业历史样本数据的基础之上，运用数理统计方法与各种数学建模方法构建统计模型与数学模型，从而对信用主体的信用风险大小进行量化测度。 I 二、企业信用风险评估模型构建 (一）信用分析瘼型概述 — 在信用风险评估过程中所使用的工具——信用分析模型可以分为两类，预测性模型和管理性模型。预测性模型用于预测客户前景，衡量客户破产的可能性；管理性模型不具有预测性，它偏重于均衡地揭示和理解客户信息，从而衡量客户实力。 计分模型 Altman的Z计分模型是建立在单变量度量指标的比率水平和绝对水平基础上的多变量模型。这个模型能够较好地区分破产企业和非破产企业。在评级的对象濒临破产时，Z 计分模型就会呈现出这些企业与基础良好企业的不同财务比率和财务趋势。 2.巴萨利模型
巴萨利模型（Bathory模型）是以其发明者Alexander Bathory的名字命名的客户资信分析模型。此模型适用于所有的行业，不需要复杂的计算。其主要的比率为税前利润/营运资本、股东权益/流动负债、有形资产净值/负债总额、营运资本/总资产。 Z计分模型和巴萨利模型均属于预测性模型。 3.营运资产分析模型 营运资产分析模型同巴萨利模型一样具有多种功能，其所需要的资料可以从一般的财务报表中直接取得。营运资产分析模型的分析过程分为两个基本的阶段：第一阶段是计算营运资产（working worth);第二阶段是资产负债表比率的计算。从评估值的计算公式中可以看出，营运资产分析模型流动比率越高越好，而资本结构比率越低越好。 《 营运资产分析模型是管理性模型，与预测性模型不同，它着重于流动性与资本结构比率的分析。由于净资产值中包含留存收益，因而营运资产分析可以反映企业的业绩。 □第三章企业征信业务 又因为该模型不需要精确的业绩资料，可以有效地适用于调整后的账目。通过营运资产和资产负债表比率的计算，确定了衡量企业规模大小的标准，并对资产负债表的评估方法进行了考察，可以确定适当的信用限额。 4.特征分析模型 特征分析模型采用特征分析技术对客户所有财务和非财务因素进行归纳分析；从客户的种种特征中选择出对信用分析意义最大、直接与客户信用状况相联系的若干特征，把它们编为几组，分别对这些因素评分并综合分析，最后得到一个较为全面的分析结果。 (二）企业信用风险评估模型构建① 1.预测性风险模型构建——Z计分模型
创建AHP审计风险评估模型 一、风险要素选择 本文对风险要素的选择主要考虑从客户需求和业务风险两个方面进行。 (一)客户需求角度 客户需求主要包括公司的战略管理与发展需求,管理层的重点关注需求以及被审计对象的经营管理需求等。公司的内审工作必须与的发展方向和目标保持一致,因此将公司战略发展的重点引入到内审工作中是十分重要和必要的。另外,内部审计是为服务的,公司的高层管理者出于对公司业绩和经营某方面关注,也会要求内审人员实施某些特定项目的审计。被审计对象的需求则更不用说。对第一类需求,可以从公司的年度战略规划中识别,如中长期发展目标、战略规划等,第二类需求信息可以根据问卷调查的方式取得,第三类需求较灵活,一般是在经营过程中临时产生。 (二)业务风险角度 业务风险的影响因素包括内控制度的有效性、运营管理水平、业务本身的性质和影响金额,以及年度工作的重难点领域等。对业务风险的评价,很多学者都已有所研究。谢维佳(20XX)在对银行进行风险评价时,认为应当从风险发生的可能性、风险发生后可能造成的损失程度以及损失频率等方面计算和衡量风险的大小,这也是大多数学者所认可和采用的方法。而刘颖斐在对的整体风险进行评价时,则考虑了风险评值、权重等因素。南方航空集团公司审计部课题组(20XX)、乔林(20XX)在研究风险导向审计时进一步引入了内控因素,如内控有效性、内控变化情况、上次审计时间等。任进军(20XX)提出从性质和来源角度评价风险,引发了我们对业务性质的关注。在审计计划制定方面,甄士龙(20XX)总结借鉴了前人的方法,还进一步将年度工作的重、难、热点以及管理层关注的项目等也作为内部审计工作的重点之一。从业务经验来看,在具体审计工作中,审计人员对业务风险的评估和判断,很大程度上还依赖于对某些重要运营指标的测试和评价,这也是业务风险评价中非常重要的考察因素之一。 (三)综合结果 通过归纳、整理各种不同观点,同时考虑业务经验以及客户需求,本文最终形成了以内部控制、运营管理、业务重点和风险评估为主的风险评价要素体系。其中内部控制包括内控制度完整性、最近一次内控测试结果、内控稳定性以及抽
供应链合作伙伴关系风险评估模型的探究 刘雪梅 （吉林建筑工程学院吉林长春 130021） 【摘要】集成化供应链管理环境下，供应链合作伙伴关系是在一定时期内的共享信息、共担风险、共同获利的战略合作伙伴关系，运行中必然存在各种风险因素。本文通过建立模糊综合评判模型，试图建立一个可操作的风险评估模型，对供应链合作伙伴关系的风险进行评估，并用案例检验该模型的实践性和可操作性。 【关键词】供应链合作伙伴关系模糊综合评判模型双因素法 一、问题提出 供应链合作伙伴关系(SCP)， Maloni M J等认为，供应链合作伙伴关系，又称为战略联盟、是指供应链中两个独立的实体为获取特定的目标和利益而形成的一种关系。Robert J .Vokurka等指出,伙伴关系是买方和供应商就一段较长时间达到的承诺和协议,其内容包括信息共享和分担伙伴关系带来的利益和风险。国内马世华认为：供应商—制造商(Supplier-Manufacturer)关系,或者称为卖主/供应商-买主(Vendor/Supplier-Buyer)关系、供应商关系（Supplier Partnership）。可以定义为供应商与制造商之间，在一定时期内的共享信息、共担风险、共同获利的伙伴关系。这样一种战略合作形成于集成化供应链管理环境下，形成于供应链中为了特定的目标和利益的企业之间。 结合我国企业合作关系现状以及国内外学者的研究可以发现，由于信息不对称风险，导致道德风险问题的产生；相互依赖性增强所带来供应链的效率降低的风险；合作伙伴同时参与多条供应链所带来的风险等原因，要求风险管理者发现供应链合作伙伴关系中存在的风险因素，并从实践的角度来探讨供应链合作伙伴关系风险评估问题，因此本文通过建立模糊综合评判模型，试图建立一个可操作的风险评估模型，对供应链合作伙伴关系的风险进行评估，并用案例检验该模型的实践性和可操作性。 二、供应链合作伙伴关系风险评估模型建立 风险定义为是因为人们从事各种活动有可能蒙受的损失或损害，对供应链风险的评价采用双因素评价风险的指标是风险等级，它是风险危害度和风险发生概率这两个因素的函数，可表示为R=F（P，C），故称双因素法。风险危害度是对风险爆发后的危害程度的估计，风险发生的概率是对风险爆发可能性的估计。通过对风险发生概率和风险危害度的评估从而得出风险综合评估结果即风险水平的等级。风险水平的等级可描述如下： 用R=F（P，C）表示风险水平的等级的值，用P f表示风险发生的概率（可视为成功的可能性），C f表示风险危害度；P s 表示风险不发生的可能性，C s表示其后果的概率测度，显然有：P f=1-P s，C f=1-C s，则风险水平的等级可计算如下：R=F（P f·C f）=1- P s ·C s
风险审计预估要素确定（底稿） 第315号国际审计准则(IsA315)要求从六方面了解被审计单位及其环境： (1)行业状况、监管环境以及其他外部因素； (2)被审计单位的性质； (3)被审计单位对会计政策的选择和运用： (4)被审计单位的目标、战略以及相关经营风险； (5)被审计单位财务业绩的衡量和评价； (6)内部控制 ISA315将被审计单位的战略以及相关经营风险与其他五个需要考虑的因素并列，对重大错报风险的分解过于粗略，实务中难以实篇。我国学者汪国平认为：重大错报风险应从宏观经济因素、行业因素、微观因素三方面分解，微观因素包括：法人治理结构、持续经营能力、可能使管理层舞弊的因素、内部控制制度、战略规划、财务状况六个因素，这样的划分，较为全面概括了重大错报风险的影响因素。 风险评估审计：审计风险--------> 道德风险*1+固有风险*β（式1）-------> 重大*1+非重大*α（式2） 1.道德风险(不可控制风险) 包括：可能使管理层舞弊的因素，管理层或股东有损害企业利益的等等行为，审计人员职业道德，风险值只有0和1，和重大事项风险相同，但重大风险的风险值可以通过展开后续审计减少可以控制的风险，降低后的重大风险事项和非重大风险事项的综合值才是应该被财务报表使用者参考的数据。 2.固有风险(可控制风险) 包括：固有风险=重大错报风险*1+非重大错报风险*α 3.重大风险（重大错报风险） 包括：与管理层沟通的有效性 客户持续经营能力，是否能保证持续经营 客户主体赔偿能力，是否能维持合理的资产结构 法人治理结构是否合理，股东是否拥有绝对的控制权 4.非重大风险=（外部环境风险+行业风险+企业内部风险）*α 包括：外部环境风险→宏观市场风险=①预测市场需求变化→预期销售收入增加率/减少率*+②整个行业的风险特点→同类比上市公司市场利润最高与最低的差值* 企业内部风险=③客户企业生产能力即供给状况→客户企业吸取资本的能力→当年实收资本/平均总资产*+④客户持续经营能力→营运能力综合指标+偿债能力综合指标*+⑤诉讼风险 1.1道德风险 包括：可能使管理层舞弊的因素，管理层或股东有损害企业利益的等等行为，审计人员职业道德 1.2固有风险=外部环境风险+行业风险+企业内部风险 外部环境风险→宏观市场风险=①预测市场需求变化→预期销售收入增加率/减少率*+②整个行业的风险特点→同类比上市公司市场利润最高与最低的差值*
风险评估和排列的应用模型 A practical model for risk assessment and prioritisation 风险评估和排列的应用模型 Introduction This article explains a practical and straightforward method of assessing and prioritising risks, based on a simple quasi-mathematical risk model. 介绍 这篇文章解释了在简单的准数学风险模型的基础上进行风险评估和排列的实用简单的方法。What is ‘risk’? Risk is simply the chance coincidence of three factors: Threats – events or activities, generally external to the system which may, at some point, affect the inherent weak points, causing impacts; Vulnerabilities – weaknesses within the system under consideration which may, at some point, be exploited by the threats; Impacts – the short- and long-term organisational [adverse] consequences should threats happen to exploit vulnerabilities. 什么是‘风险’？ 风险仅仅是三种因素的偶然巧合： 威胁——事件或者活动，通常作用于系统外部，在某一方面可能影响固有的弱点，而产生影响； 脆弱性——系统所考虑的弱点在某一方面可能暴露在威胁之下； 影响——威胁短期和长期组织的[不利的]结果碰巧利用了弱点。 The probability that a damaging impact will occur is not easy to determine as it requires the coincidence of one or more threats and vulnerabilities, which are themselves generally unpredictable. A system may possess a vulnerability for a long time without impact until some threatening event actually occurs and ‘exploits’ it. Some threats are more likely to occur than others in a given timeframe (e.g. simple keyboard errors are generally far more frequent than break-ins). Similarly, some vulnerabilities may only appear for short periods of time (e.g. while the security guard walks from the armoured van to the bank vault) whereas others may persist indefinitely (e.g. the bank vault alarm system may not cover all entry points). Impacts also vary in extent - some may be so severe as to jeopardise the entire system or organisation (e.g. a major fire), others may be totally insignificant (e.g. inconvenience to workers). 发生破坏影响的可能性之所以不容易确定，是因为它需要一个或更多的威胁和弱点的同时发生，通常它们自己都是不可预测的。系统可以在很长一段时间内存在着弱点而不受影响，直到某一威胁事件真的发生，并且暴露出来。在特定的时间里，一些威胁比另一些更容易发生（例如简单的键盘错误通常远比非法进入更频繁）。同样地，一些弱点可能仅仅在短期内出现（例如安全警卫从运钞车走到银行保险库的时候），但是，其他人可以并不知道（例如银行保险库的警报系统可以无法覆盖全部入口处）。影响也有一定程度的变化，一些影响可能严重到危及整个系统或组织（例如一次较大的火灾），而其他的影响可能无关紧要（例如给工人造成的不便）。 Insurance companies may have the skills to calculate the probabilities of certain threats and vulnerabilities, and to predict the scale of likely impacts, but even they would acknowledge
申请风险评估模型是指通过对消费信贷申请人的资信状况进行评估来预测其未来严重拖欠和坏账概率的模型。申请风险评估模型在信贷风险管理中有着非常重要的作用，因为其评估结果是信贷审批的主要依据之一。 与国外银行信用卡业务相比，我国各商业银行的信用卡业务的风险管理水平较低，管理手段与方法比较落后。缺乏一套有效的申请评估方法是阻碍个人信用卡业务进一步开展的主要因素之一。如何提高我国商业银行信用卡的信用风险管理水平，从而提高信用卡的盈利能力，使其在与外资银行的竞争中处于不败之地是本文的出发点。本文尝试利用层析分析法(AHP)和BP 神经网络相结合的组合评价方法对信用卡申办人进行信用等级评估，寻求降低信用卡的信用风险的有效措施。 一、AHP -BP 神经网络模型 1.模型构建的出发点 传统的B P 神经网络模型研究的重点是围绕着如何确定网络的输入、输出层维数的建模问题。然而，当研究复杂系统建模时，由于影响因素过多，不能确定冗余因素和有用因素，不能将输入的因素简化，这样在输入信息空间 维数较大时，网络不仅结构复杂，而且训练时间也很长，从而降低网络性能，影响计算准确度。因此，本文尝试利用层析分析法作为B P 神经网络的前处理，通过已有的专家判断、比较、评价等手段将多个变量的重要程度数量化，以其结果作为B P 神经网络的输入值，以减小B P 神经网络的结构的复杂性，从而缩短训练时间，并充分利用B P 神经网络强大的容错能力和抗干扰能力，提高模型的效率。 2.两种方法集成的可行性分析 以往国内商业银行对信用风险评估相关的数据重视不足，造成有效信息的缺失，而A H P -B P 神经网络模型仍具有神经网络采用分布式存储结构的特点，具有很强的容错能力，少量单元的局部缺损不会造成整个网络的瘫痪，适合实际操作。 信用卡风险评估是一个较为复杂的过程，涉及各方面 的因素，而且各影响因素与衡量结果之间并不完全是线性关系。而A H P -B P 神经网络模型具有很强的非线性映射能力。AHP -BP 神经网络模型自适应能力强，能不断地接受新样本、不断学习，以调整模型。商业银行以不断更新滚动数据训练模型，使评估结果更符合实际，形成动态评估过程(见图1)。 福州大学管理学院 许速群 张岐山 杨美英 申请风险评估模型 信用卡个人
（1）饮水途径非致癌健康风险评估模型: R i n=(D i×10-6/ Rf D i)/L 式中：R i n为化合物i通过饮水途径所带来健康危害的个人平均非致癌年风险度,a-1；D i为化合物i通过饮水途径单位体重的日均暴露剂量, mg/(kg·d)；Rf D i为化合物i通过饮水途径的参考剂量,mg/(kg·d)；L为人均预期寿命,a。 通过饮水途径的日均暴露剂量D i为: D i=2.2C i/70 式中:2.2为成人平均每日饮水量,L/d；C i为为水环境中化合物i的实际质量浓度,mg/L；70为人均体重,kg。 （2）食用水产品途径的非致癌健康风险评估模型: R i f=CDI/ Rf D i) CDI=(C×FIR×FR×EF×ED×CF)/(BW×AT) 式中：R i f是人群通过水产品暴露所带来健康危害的个人平均年风险度； CDI是通过食入途径单位体重的日均暴露剂量，mg/(kg·d)。 C 是化合物在水产品组织中的浓度，mg/kg； FIR 为成人每天摄入的水产品量，g/d； FR 为食用污染地区的水产品占居民所有食用的水产品的百分数(50%)； EF是暴露频率，d/a(EF=350)； ED 是人群暴露化合物的持续时间，a； CF 是鱼类从水中摄入的化合物转化成鱼体组织中的化合物的转化因子(CF=10-9)； AT是平均效应时间，d(人均寿命为73a，则致癌性风险度的AT 值是73×365d，非致癌性风险度的AT是30×365d)。 非致癌健康风险评估参数的选择：在无RRD i时可以TDI代替。 （3）剂量-反应模型： 剂量-反应评价是对暴露剂量与不良健康影响的发生概率之间关系的定量描述。其目标是得到个体暴露于剂量为D的某物质所造成一生中患肿瘤的概率Pr
个人信贷风险评估模型建立 摘要 随着我国商业银行个人消费贷款突飞猛进的发展，总量和规模与日俱增，个人消费贷款违约事件也屡见不鲜，因此商业银行个人消费贷款客户的信用评价也更显重要。 本文通过合理假设数学模型，研究确定银行个人信贷风险的评估标准。在实际中，影响贷款风险性的因素涉及很多方面，我们在题目中所给因素的基础上，选择和添加了十组较为重要的影响因素，并对其进行量化处理。 论文内容可分为三个层次：首先，我们在对大量真实样本数据分析的基础上，确定了信贷风险评分中十项影响因素的取值，并通过矩阵运算、程序设计、均值算法、数据统计、方程求解等方法，确定了各项指标的评分系数，进而最终确定了评估个人信贷风险的评分函数；其次，在确定评分函数的基础上计算贷款评分的临界值，并依次对客户进行信用评分等级划分；最后，随机选择了十位客户的数据进行检验，得出通过建立的评估模型和所求的数据与实际情况基本一致，且具有简便、易用的特点。
一、问题的提出 2008年9月美国金融市场风云再起，雷曼兄弟控股公司破产，美洲银行收购美林集团和AIG集团陷入危机。由此引发了美国金融市场的强烈震撼，并在国际金融市场掀起滔天巨浪，旷日持久的美国次贷危机中与演变成一场严峻的全球经济危机，未及一年多来，贸易骤减，企业倒闭，失业增加，各国经济特别是发达国家的经济呈现出一片萧条的景象。 “古为今用，史为实用”。前车之鉴，反思效实。所以，次贷风险的度量和防范就成为当前一个重要研究内容，而次贷风险的防范应该从信贷开始。因此，研究分析银行的客户信用程度，偿还能力等指标对银行的更好运作有着举足轻重的作用。 二、问题分析 中国人民银行颁布的《关于开展个人消费信贷指导意见》中要求各中资商业银行加大对消费贷款的支持力度，刺激消费从而带动经济发展。个人消费贷款将成为银行贷款投向的一个重点，但是消费贷款不同于其他贷款，其客户分散，贷款规模较小，且笔数多，成本高，风险远远高于其他贷款。所以银行应当加强消费信贷风险管理，建立健全信贷风险管理机制及评分标准，以保证贷款的安全性。而对贷款进行风险评估和量化研究则是银行信贷风险管理的一个必要手段。 我们首先通过对深圳某银行消费信贷样本数据的分析，并对风险评价值与所选取的 C、评价函数Y、临界十个重要因素的关系进行假设，通过运算得出了对应的评价系数 i Y和等级梯度值AAA+、AAA、AA+、AA、A+、A、B、C。且用已有的数据去检验值 C 评价函数及信贷风险标准中的等级梯度值，使模型符合实际。 三、模型的假设及符号说明 1. 模型的假设: （1）根据实际选取十项影响信贷风险的重要因素（理想状态下忽略其他次要因素的影响）。 （2）各项影响因素评价系数与所取值的关系是线性的。 （3）各影响因素的量化值与实际相符。 （4）评分标准的临界值是组A、B评分值的加权平均数。 2. 符号说明： Y:样本数据的评分值 i C:对应影响因素的评分系数 i X:各影响因素实际数据的属性量化值 ij
地铁运营安全风险评估与管理 发表时间：2017-12-18T11:28:12.970Z 来源：《建筑科技》2017年第13期作者：彭达 [导读] 本文将对地铁运营安全的风险评估与管理进行分析。 深圳市地铁集团有限公司广东深圳 518000 摘要：在我国的城市化进程中，人口密度越来越高，造成市民出行困难。为了保证城市交通的便利性，许多城市采用修建地铁的方式来缓解路面交通压力，确保交通顺畅。但是，在地铁的运行过程中，随着乘客数量的增加，就会存在一些安全风险，严重威胁着人们的生命财产安全，因此，我们需要对地铁运营安全风险进行评估与管理，以规避地铁运营期间所面临的安全威胁。本文将对地铁运营安全的风险评估与管理进行分析。 关键词：地铁运营安全；风险评估；管理 引言 自从城市化发展建设以来，地铁运行系统一直在不断完善与更新。相较于其他运行方式，地铁在交通运行功能方面呈现的优势较为显著，主要呈现在载客量大，环境舒适，更由此受到了大规模的推动与普及，成为现代化城市的主流交通系统之一。并且，由于地铁为人们提供了便捷，且舒适的交通环境，人们对其的关注度与认可度相对较高。但最近几年随着人流量的增多，导致地铁系统承载压力增大，致使事故频发而引发较大的人员伤亡、以及经济损失。因而，如何降低运营危险，保障地铁运行过程中的人员安全已经成为当今社会热点问题。 1地铁运营风险管理的基本流程与方法 1.1风险识别 地铁运营风险识别就是找出地铁运营过程中影响安全的主要因素，是风险管理流程中的第一个步骤。在风险识别的过程中，必须确定地铁运营系统的组成、特点以及各组成部分的关系，并全面检查这些环节中的不确定性。与此同时，还要分析不同种类风险对地铁正常运营造成的威胁，并确定风险作用范围，以便针对不同的风险采取不同的措施。 1.2风险分析 地铁运营风险分析就是对地铁运营风险可能造成的后果进行全面分析。风险分析需要对个别的风险元素进行分析，并量化这些元素，形成一个风险清单，以便针对这些风险制定相应的行动计划。在科学技术不断进步的同时，对地铁运营分析的难度越来越高，只有不断提高风险分析水平，才能够采取有效的措施降低风险。 1.3风险评估 地铁运营风险评估就是对地铁运营风险能够导致的后果进行评价，并根据这些后果的严重程度进行排序，同时考虑与其对应的处理措施，去顶风险、成本与效益三者之间的关系，其关键在于考虑风险对整体目标的影响。综合评估地铁运营风险时，首先应该充分预测管理决策在实施期间所伴生的后果及其可能产生的危害、后果是否可以被接受等等。风险的严重程度不同，就会造成优先处理的顺序不同。 1.4风险决策 地铁运营风险决策就是以风险分析与风险评估的结果为基础，针对风险制定相应的措施，降低风险对地铁运营的影响。一般来讲，风险策略主要有以下两种：第一，采取合理的措施，最大限度地降低风险带来的影响与危害，对其进行有效的控制。第二，采取适当的措施转移风险，降低风险对运营主体的危害，但是，不是所有风险都能够被转移。在风险决策的过程中，必须考虑成本与效益之间的关系，确保风险决策成为最佳效益方案。 2地铁运营安全风险因素分析 2.1人员因素 从人员因素上去考虑，主要是对所具备的思想素质、知识能力提升、人体功能去考虑，对于工作人员的思想素质主要是考虑人员的忍耐力以及承受能力，而学习知识的能力主要是应用在实际的工作经验积累和受培训和教育的效率上来看，而对于人体各种感官功能是基本工作的基础。 2.2机器设备因素 机器设备的影响因素主要是从其自身的系统上去考虑，首先在地铁车辆选择材料的时候，对于各种材料所存在的问题和优势要进行充分考虑，精心准备各种装饰材料，另外从供电系统上来看，一旦其中超过了电流竖直，线路温度上升，一旦产生火花会很容易导致火灾事故的发生，地铁中的通风设备要保证符合相关要求，火灾中烟气很容易让人死亡，因此通风设备的质量至关重要。 3地铁运营风险的损失评估 进行风险损失评估就是评价风险造成的管理目标偏离程度。在实际工况下，风险损失的存在形式往往不止一种，构建一套适用于所有风险的风险损失模型十分重要。因此我们尝试建立用于评估物质、人员与时间损失的风险损失模型，利用这个模型，我们可以计算安全风险造成的间接损失与直接损失。建立这个损失模型时，必须将所有损失的物理单位是进行统一，采用货币价值来衡量多种形式的损失。在这个风险损失评估模型建立后，评估人员就可以使用这个模型对地铁运营风险造成的设备、人员以及时间等损失进行评估，确定风险造成的损失。 4地铁运营安全的风险决策 为了减少一种安全风险，我们必须要对这种风险采取相应的处理措施，付出一些代价。例如，先要避免地铁遭受恐怖袭击，就需要提高地铁安检水平，投入更多的安检设备以及安检人员。这样一来，就会造成地铁运营成本有所提高，但是，地铁的运营安全却得到了保证，因此，我们有必要采取这些安全风险措施。地铁运行中的多数安全措施是不一致的，例如，在各个地铁线路中，选择的屏蔽门形式是有所不同的，这种选择需要综合考虑线路运行的环境条件以及不同方案耗用的成本。不同方案耗用的成本不同，就会造成不同的安全风险，因此，在对这些方案进行选择。风险管理决策是针对风险因素及其可能导致的后果提前制定风险控制计划，具体从风险预控、风险规
一、风险评估概述 1、风险服务的重要性 对于构建一套良好的信息安全系统，需要对整个系统的安全风险有一个清晰的认识。只有清晰的了解了自身的弱点和风险的来源，才能够真正的解决和削弱它，并以此来构建有着对性的、合理有效的安全策略，而风险评估既是安全策略规划的第一步，同时也是实施其他安全策略的必要前提。 近几年随着几次计算机蠕虫病毒的大规模肆虐攻击，很对用户的网络都遭受了不同程度的攻击，仔细分析就会发现，几乎所有的用户都部署了防病毒软件和类似的安全防护系统，越来越多的用户发现淡村的安全产品已经不能满足现在的安全防护体系的需求了。 安全是整体的体系建设过程，根据安全的木桶原理，组织网络的整个安全最大强度取决于最短最脆弱的那根木头，所以说在安全建设的过程中，如果不仔细的找到最短的那根木头，而盲目的在外面加钉子，并不能改善整体强度。 信息安全风险评估是信息安全保障体系建立过程中的重要的评价方法和决策机制，只有通过全面的风险评估，才能让客户对自身信息安全的状况做出准确的判断。 2、风险评估服务的目的及其意义 信息安全风险是指人为或自然的威胁利用信息系统及其团里体系中存在的脆弱性导致安全事件的发生及其对组织造成的影响。 信息安全风险评估是指依据有关信息安全技术与管理标准，对信息系统及由其处理、传输和存储的信息的机密性、完整性和可用性等安全属性进行评价的过程。他要评估资产面临的威胁以及威胁利用脆弱性导致安全事件的可能性，并结合安全事件所涉及的资产价值来判断安全事件一旦发生对组造成的影响。 信息安全风险评估是信息系统安全保障机制建立过程中的一种评价方法，其结果为信息安全更显管理提供依据。 3、风险评估服务机制 在信息系统生命周期里，有许多种情况必须对信息系统所涉及的人员、技术
5.2 冲压压机系统风险评价方法的构建 基于目前安全评价存在的局限性，本章将根据长安福特马自达公司的实际情况，建立一种简单易行，评价人员很容易掌握的评价方法，在具有潜在的危险环境中评价作业的危险性，它以被评价的环境与某些作为参考的环境之对比为基础，采取打分的办法制定各种自变量为分数，最后根据总的危险分数来评价其危险程度，同时，企业可根据危险程度的大小，优先采取相应的措施，以达到控制风险防止事故发生的目的。 5.2.1 风险评价诺模图评价方法基本理论 ①创建的原则 创建的原则认为影响危险性的主要因素有3个：发生事故或危险事件的可能性、暴露于这种危险环境的频率和事故严重度(即事故一旦发生时可能产生的后果)，可用下式来表达危险性： Risk=How bad (severity units: days lost per incident) ×Probability of the event on each exposure×Exposures (Time units per year) 即：风险性=事故或危险事件发生的可能性X 暴露于危险环境的频率X严重度 ②事故或危险事件发生的可能性 事故或危险事件发生的可能性是与它们实际发生的数学概率相关联的。当用概率来表示时，绝对不可能发生的概率为0，而必然发生的事件概率为1。在考虑系统的危险性时，根本不能认为发生事故是绝对不可能的，所以就不存在概率为1的情况。只能说某种环境发生事故的可能性极小，其概率趋近于0。 然而，实际不可能发生的事情在安全工作中并没有多少意义。在生产环境中，事故或危险事件的可能性是十分广泛的。完全出乎意料，不可预测的事件，直到预料某个时候会发生的事件，人为的规定前面一种情况的概率为1/1,000,000，而制定后者的可能性为1/10，对于处于这两种情况之间的情况指定了中间值。例如 把“熟练工出错率”定为1/1000，而“很可能发生”的概率定为1/100 ③暴露率 人员出现在危险环境中的事件越多，受到伤害的可能性就越大，相应的危险应就越大，为便于评估这更好的掌握评估工具，根据企业工作一般规律，每年上班时间约为11个月，48周，240天左右。 如果员工每个月暴露于危险场所1次，那么每年的暴露率为“11”； 如果员工每个星期暴露于危险场所1次，那么每年的暴露率为“48”； 以此类推： 如果员工每1分钟暴露于危险场所1次，那么每年的暴露率为“120,000”。 ④严重度 事故或危险事件造成人身伤害或物质损失在很大的范围内变化，对于伤害事故来说，可