风险型决策分析精选(九篇)

第1篇：风险型决策分析范文

关键词：侦查决策；风险型决策；决策树；贝叶斯决策法；效用

中图分类号：DF793.2 文献标识码：A 文章编号：1674-4853（2012）05-0026-07

从决策科学的角度看，以不同标准可以将决策分为个人决策和组织决策；战略决策、管理决策和业务决策；程序化决策和非程序化决策；单目标决策和多目标决策；定性决策和定量决策；确定型决策、风险型决策和不确定性决策。[1]15其中，确定型决策、风险型决策和不确定型决策是研究决策分析的基本分类方法。这种分类方法以自然状态，即决策者无法控制但可以预见的决策环境客观存在的各种状态的变化为分类标准，将自然状态的发生概率与决策方案损益值，即在特定自然状态发生时，特定决策方案实施后的收益或损失建立起直接联系，反映出决策系统三项要素，即自然状态、决策方案和决策方案损益值的逻辑关系，以及决策活动实践性和应变性的本质特征，是从动态过程角度对决策分析的分类。

侦查是一个不断决策并优选方案的过程，而侦查决策本就具有决策分析的属性。决策科学研究的决策或决策分析与日常社会生活中的决策活动略有不同，决策科学研究决策问题所要解决的是“怎么做”或“怎么做得更好”，而不是“做什么”，也就是说，是预设明确目标的方案优选。而侦查工作就是在及时合法侦破案件的明确目标指导下，直面复杂多变的案情条件，优选侦查方案的过程。对应决策系统三项要素，侦查决策系统的三项要素是案情条件、侦查方案和特定侦查方案在特定案情条件概率下的损益值。借鉴确定型决策、风险型决策和不确定型决策的分类方法，将侦查决策分为确定型侦查决策、风险型侦查决策和不确定型侦查决策，就是为了运用该分类方法所反映的决策过程的动态性、实践性、应变性，尤其是运用决策系统三项要素的逻辑关系来分析侦查决策优选的过程。决策科学和确定型决策、风险型决策和不确定型决策的分类方法与侦查决策具有高度的契合性，引入决策理论与方法研究侦查决策问题的重大意义在于，为侦查学研究和侦查决策工作提供科学方法论基础。

一、风险型侦查决策模型的提出

依案情条件确定程度不同，侦查决策被分为确定型侦查决策、风险型侦查决策和不确定型侦查决策。风险型侦查决策介于确定型侦查决策和不确定型侦查决策之间，是更符合现实侦查决策形态的决策模型，因此笔者将之作为研究侦查决策的标准模型，以下就从与确定型侦查决策和不确定型侦查决策比较的角度，分析并提出风险型侦查决策模型。

所谓确定型侦查决策，是指案情条件完全确定的侦查决策，其构成条件有四：存在一个明确的侦查目标；存在一个确定的案情条件；存在可供侦查员（决策者）选择的多个侦查方案；可求得每个侦查方案在该确定案情条件下的损益值。由于案情条件是确定且唯一的，问题的发展方向只有一种确定的结果，侦查员只要分析比较各侦查方案实施的结果就能实现优选。不确定型侦查决策，是指各种案情条件发生可能完全不确定的侦查决策，其构成条件有四：存在明确的侦查目标；存在两个以上发生可能性不知的案情条件；存在可供侦查员选择的两种以上侦查方案；可求得各侦查方案在各案情条件下的侦查决策矩阵。相较而言，确定型侦查决策是理性决策，而不确定型侦查决策是经验决策，现实中的侦查决策都是理性与经验共同作用的结果，但从决策模型的角度说，不确定型侦查决策显然更符合侦查决策的实际形态，这是由复杂多变的案情条件所决定的，也正是因此，侦查决策在本质上仍属于经验决策，经验的意义主要在于对案情条件发生可能性的预计。虽然绝大多数案件中，案情条件发生的可能性是难以预计的，但完全不知的情况也是极为少见的，在经验的指导下，侦查员总是会对案情条件发生的可能性进行预计，只是准确性与实际情况有差异。案情条件再复杂疑难、扑朔迷离的案件中的侦查决策也不可能来自毫无客观根据的灵感，现场的蛛丝马迹总会调动侦查员特定的思维和经验，从而预计相对确定的案情条件发生的可能性。从对现实侦查决策形态的诠释和决策方案优选的方法来看，确定型侦查决策和不确定型侦查决策都是极端的。从对现实侦查决策的诠释来看，完全确定案情条件发生可能和完全不知案情条件发生可能的情况都是极端的，在犯罪情势日益复杂多变，而刑事技术又不断创新发展的社会背景下，案情条件总是在经验主导、技术支持的侦查决策中存在相对确定的发生可能性，也就是说存在一种可预计的发生可能性。从决策方案优选方法的角度说，直接而理性的比较当然是理想的，但受案情条件相对确定性的影响，这种理想方法的适用空间显然是极为有限的；不确定型侦查决策则走向了另一个极端，即以对决策准则的主观选择替代对案情条件发生可能性的客观分析作为决策方法在不确定型侦查决策中，由于案情条件发生概率不知，所以只能通过选择特定的决策准则来人为设定概率。不确定型侦查决策的决策准则有：乐观准则、悲观准则、折中准则、后悔值准则和等可能准则。其中乐观准则将案情条件发生概率设为1，即完全确定，其他情况为0，即不可能；悲观准则将案情条件发生概率设为0，其他为1；折中准则将概率设为α（乐观系数），其他为1-α；后悔值准则与悲观准则相似。这四种准则都将案情条件发生概率设为完全确定和完全不确定两种极端状态，忽视了对中间状态信息的分析。而等可能准则则设为1/m，m为案情条件的数量，但案情条件的等概率显然是不现实的。，决策准则的选择受到作为决策者的侦查员的偏好、认知分析水平、经验等因素的影响，对决策准则的选择当然也反映出侦查员对案情条件确定性程度的客观分析，但由于不确定型侦查决策的前提是不知案情条件发生可能性，因此只能以对决策准则的选择替代对案情条件发生可能性的客观分析，但这种以主观选择替代客观分析的方法显然存在过大的决策风险。侦查员会受到偏好、认知分析水平、经验等因素的影响是绝对的，但与其将之应用于对决策准则的主观选择，不如直接应用于对案情条件发生可能性的客观分析，也就是将不确定型问题转化为风险型问题解决。

二、风险型侦查决策的构成条件和决策准则

由于确定型侦查决策和不确定型侦查决策的极端性，以案情条件发生可能的相对确定性为前提的风险型侦查决策就成为研究现实侦查决策优选的最合适模型。风险表明存在着收益或损失，但收益或损失出现的可能性是随机的，这种随机性的概率是通过自然状态的概率来表示的。在数学上，风险是某一不利事件的不利程度和该事件出现概率的函数。[2]56风险型侦查决策就是在分析不利事件的不利程度和该事件出现概率基础上，对侦查决策方案的优选，简单地说就是面对风险，作出选择。风险型侦查决策，是指通过侦查经验和刑事技术预计案情条件发生可能性，在此基础上比较各侦查方案的损益值，以实现优选的侦查决策。其构成条件有五：存在明确的侦查目标；存在两个以上的侦查方案；存在两个以上的案情条件；可以计算出不同侦查方案在不同案情条件下的损益值；在各案情条件中，侦查员不能肯定未来哪个案情条件一定会发生，但可以确定每个案情条件发生的可能性。

第2篇：风险型决策分析范文

【关键词】风险投资；决策模型；决策因素；综述

一、引言

所谓风险投资，是指把资金投向蕴藏着较大失败危险的高新技术开发领域，以期成功后取得高资本收益的一种商业投资行为[1]。风险投资的整个过程贯穿一系列的投资决策，决策正确，则投资成功；决策失误，必导致投资失败。因此，现代风险投资理论与方法的一个重要研究方向就是构建风险投资决策模型。准确构建决策模型不但需要利用恰当的研究方法，还要注重研究影响风险投资决策的重要因素。正确识别评估风险，有效挖掘投资潜力，可以帮助投资者规避风险，使收益做到最大化。

二、国外风险投资决策研究

国外关于风险投资决策的研究主要分为三个阶段：即一般风险企业投资决策体系研究，不同类型、不同阶段风险企业投资决策体系研究和高科技风险企业成功关键因素研究等。

（一）一般风险企业投资决策体系研究

国外对VC的研究是从上世纪80年代中期开始的。Tyebjee&Bruno[2]对41位风险投资家进行调查和谈访，从市场吸引力、产品差异性、管理能力、逆境承受能力以及退出风险等5个方面建立风险投资评估体系，为其他学者奠定了研究基础。风险投资是高风险与高收益并举的投资，投资决策是风险与收益之间的平衡。Damodaran认为风险投资决策中一方面需要评估风险企业的总体预期风险与收益水平；另一方面是评估风险投资家的预期收益。MacMillanl、Siegel & Narasimha（1985）沿用了Tyebjee&Bruno的研究方法，通过调研他们把风险投资家所关注的风险指标分为六类主要指标：竞争风险、投资风险、退出风险、执行风险、管理风险、领导者风险等。MacMillanl、Zemann& Subbanarasimha（1987）在之前的研究基础上，通过对150个风险投资公司调查研究，研究表明新合资企业获得成功的标准与两大因素密切相关：初创期的竞争程度，产品的市场接受程度。

对于之前的研究成果，仁者见仁，智者见智。Vance&Robert（1995）认为之前的投资标准过于复杂，他通过自己的采访，从产品战略思想、管理能力、收益三个方面建立了一套简易的风险投资评估体系。风险投资虽兴起于美国，研究成果却跨越了国界。在韩国风险投资较为萧条时，Joongdoug、Jung&Lee（1994）为了识别现有的风险投资评估指标中重要的投资标准，作者研究了现有风险投资的评估标准，实证研究结果表明创业者的管理能力、融资能力、产品的市场吸引力、产品或技术的优越性、原材料的可获得性、生产能力等六个因素在风险投资中较为重要。

（二）不同类型、不同阶段风险企业投资决策体系研究

风险企业处在不同阶段，发展所面临的风险不尽相同，随着科学研究的深入发展，有学者开始针对不同类型、不同阶段的风险企业进行研究。M.Kakati（2003）针对高科技风险企业设置了38个评价指标，M.Kakati教授把38个评价指标分为六类，分别为：企业家素质，组织资源能力，竞争战略，产品特征，市场特征，融资能力。研究表明企业家素质、组织资源的能力、竞争战略是企业生存能力和成就的关键性决定因素。Chorev&Anderson（2006）研究影响以色列高科技初创企业成功的关键因素，发现在管理、客户关系、产品研发是比较重要的，然而通常所强调的经济政策、商业环境却不太重要，但最为重要的是核心团队的创业态度和创业能力。

（三）高科技风险企业成功关键因素研究

随着科学研究的深入发展，对投资决策的研究越来越细致，有学者开始研究影响高科技企业成功的关键因素，这些关键因素无疑是做决策时的重要参考因素。创业企业通常以技术取胜，Cohen&Levinthal（1990）为缺乏技术优势，即便有外部网络资源和金融资本的支持，也难以在市场中获得优势地位。McDougall、Robinson& DeNisi（1992）认为新企业拥有强大的技术优势就有获得成长的机会并相对竞争对手有进入市场的优势。Hironori&Sue（2002）研究风险投资家和创业者的认知和情感对绩效的影响。研究结果表明，认知上的不一致的冲突有助于绩效的增加，但是组织内部私人之间的情感冲突则对合作绩效起着负作用。Chen、Zou&Wang（2009）研究表明，技术能力、人际网络关系、金融资本是企业发展的三大引擎。

三、国内风险投资决策研究

管理学决策理论认为，一个完整的决策过程包括存在先后顺序的三个阶段，即问题的识别与选择—决策分析过程—决策与实施方案，决策分析过程在整个决策问题中出于最重要的地位[3]。由于风险投资具有投资周期长、风险大的特点，而且投资资金有限，因此面对纷繁复杂的项目需要谨慎筛选。如果风险投资家能在投资决策时充分考虑到各种风险因素并正确分析评价和科学决策，那么就能有效降低投资风险。国内学者对风险投资决策的研究，主要集中在风险投资影响因素和决策模型构建两个方面：

（一）风险投资影响因素研究

国内学者对风险投资影响因素的研究，多数是参考国外现有相关研究文献并根据自己的认识形成决策指标体系。汤京华和王玉珍[4]分析美国、荷兰、台湾等国家或地区的风险投资项目评估因素，结合国内实际，从产品差异度、市场吸引力、管理能力、经济绩效、环境影响等五个方面建立指标体系。资金一直被视为企业运作的血脉，财务状况是企业运作效果的直观反映，客观、有效的财务记录能揭示公司运作的好坏情况。马扬等（1999）在以往研究的基础上增加财务状况等影响因素，建立了自己的评价指标体系。邹辉文等[5]通过对风险投资项目的投资政策和投资阶段的风险的分析，设置人员素质、市场前景、技术水平、财务状况、退出机制、社会环境等6个一级指标、29个二级指标，建立风险投资项目评价指标体系。投资处在不同阶段、不同行业企业的风险是不一样的，彭卫民[6]研究高科技企业风险因素，认为高科技企业风险因素主要包括：管理能力因素、技术与产品因素、市场因素、退出及收获的可能性因素。风险投资既有高风险性，同时还存在高收益性，风险投资决策分析时不仅要考虑风险因素，还应考虑收益因素。Liu et al.（2011）针对高科技初创企业风险建立了指标体系，经实证研究得到了17个影响投资的关键因素。张春英和姜丹（2001）从风险和效益两个方面构建风险投资评估的多目标评估指标体系。钱水土和周春喜[7]从企业发展角度，引入成长风险和道德风险因素，分析成长过程和环境以及企业道德对投资者投资风险的影响。

（二）风险投资决策模型构建

风险投资决策分析过程中，充分预计到各种风险因素是关键，但识别到风险因素之后，如何使用科学的方法衡量风险与收益也至关重要。在国内的研究文献中，张春英和姜丹（2001）运用层次分析法和模糊数学的集值统计原理分别进行指标权数确定和专家打分的数学处理，建立了定量评估模型；王世良和王世波[8]利用AHP构建了一个具体的层次分析评价模型；魏星等（2004）[9]运用层次分析法求出各个指标的权重并利用模糊数学建立模糊综合评价模型。层次分析法和模糊数学是一种比较简单实用的研究方法，但排列各指标的相对重要性时受人为的影响因素比较重，而且一致性检验难以通过，因此即便是同一套指标体系在不同的风险投资家所得出的结论也莫衷一是。针对上述弊端，王学军和郭亚军[10]运用序关系分析法（G1法）分析造成AHP判断矩阵不一致的原因，指出了G1法与构造判断矩阵的本质区别，解决了层次分析法的应用难题。随着科学研究的进一步深入，张丰和段玮婧[12]运用因子分析法对风险投资评价决策程序中初步评价阶段的评价指标进行研究。孙晓梅[13]利用神经元网络建立投资决策模型，实证研究的科学性已经被国外学者所证实，神经网络能弱化人的主观因素、降低人为因素在求权重中的影响。

四、对国内外风险投资决策研究基本评述

（一）从研究方法角度来看，

从研究方法角度来看，国外对风险投资项目评估决策的研究可以分为三类：①调查法，即采用对风险投资家面谈或填写调查表的方法，来总结风险投资项目评估决策指标；②实证法，即采用对实践案例分析的方法，提炼总结风险投资项目评估决策的指标；③理论法，即采用理论推导的方式来得出评估决策指标。国外现有相关文献中，风险投资决策的研究已经有了从实证到理论、从宏观到微观、从定性到定量的转变，影响因素的研究更具针对性和更可操作性。

（二）国内文献研究内容有效性偏若

风险投资实践在我国起步较晚，文献研究相比国外较为滞后[14]，因此国内研究文献多数借鉴国外现有研究成果基础上形成自己的理论。我国风险投资决策研究得到的结论缺乏检验论证，研究成果难以保证与客观实际相吻合。总之，上述还处于定性研究阶段，投资决策影响因素的可操作性不强、难以量化[14]。不同发展阶段、不同产业背景的创业企业风险因素不尽相同，国内现有文献研究的针对性较弱。

（三）国内文献研究方法的科学性不强

国内学者在研究投资决策方法时，普遍采取层次分析法、模糊数学、德尔菲打分法及主成分分析法等方法，对项目风险或投资收益进行评估。在使用这些方法求权重时，没有统一的标准，仁者见仁，智者见智，得到的结论莫衷一是。

五、研究结论

针对以上国内学者的研究不足，拟开展以下四个方面的研究工作：

（一）加强科学研究，建立符合我国实际投资影响环境的投资决策指标体系。不同国家、不同地区的市场发育程度不一样、投资者风险偏好不一样，影响投资决策的因素不尽一致。因此，亟需根据我国的实践环境，研究符合我国投资实际的决策影响因素，建立具有普遍适用性和内在统一性的投资决策指标体系。

（二）加强针对性研究，满足不同投资主体的需要。风险投资主要支持高技术风险企业的开拓与成长[1]，高新技术分布广泛，处在不同发展阶段的风险不尽一致，没有放之四海而皆准的理论成果。因此，需要根据不同行业、不同发展阶段的实际影响因素，加强研究的针对性。

（三）加强微观因素研究，检验投资决策影响因素的实际影响效果。

（四）突破现有研究方法的束缚，增加BP神经网络算法、实证研究等方法在投资领域的应用。BP神经网络在创新能力评价、绩效评价等领域甚为广泛，BP神经算法求权值能有效降低人为主观因素的影响，而且可以实现动态评价，有效避免了以往研究方法的弊端；实证研究通过调查分析，能检验理论是否与实践的统一性，反应理论成果的科学性。

参考文献：

[1]成思危.积极稳妥地推进我国的风险投资事业[J].管理世界，1999（1）：2-7.

[2]Tyzoon T.Tyebjee， Albert.V.Bruno.A Model of Venture Capitalist Investment Activity[J].Management Science，1984（9）.

[3]卢新华，孙昌群.风险投资决策的特点分析[J].科技研究管理，2003，21（2）：107-109.

[4]汤京华，王玉珍.风险投资项目评估指标体系的研究[J].北京工业大学学报，1999，25：42-44.

[5]邹辉文，陈德锦，张玉臣，张克亮.风险投资项目的终选方法和评估指标[J].科研管理，2002，23（5）：104-109.

[6]彭卫民.我国高科技企业如何实现风险管理[J].科学管理研究，2001，19（3）：37-40.

[7]钱水土，周春喜.风险投资的风险综合评价研究[J].数量经济技术经济研究，2002（10）：45-42.

[8]王世良，王世波.AHP模型在风险投资项目中的应用[J].企业经济，2004（4）：78-80.

[9]魏星，夏恩君，李全兴.风险投资项目决策中的风险综合评价[J].中国软科学，2004（2）：

153-157.

[10]王学军，郭亚军.基于G1法的判断矩阵的一致性分析[J].中国管理科学，2006，14（3）：65-60.

[11]郭斌，郑建国.多层次模糊综合评价在种子期风险投资项目评价中的应用[J].科技和产业，2011（12）：42-45.

[12]张丰，段玮婧.行业因素对风险投资项目评估指标影响的实证研究[J].科技进步与对策，2010，27（3）：132-136.

[13]孙晓梅.风险投资评价体系：基于神经元网络的建构[J].商业研究，2009（391）：150-153.

[14]谢群，员晓哲.风险投资项目评估决策体系的研究评述[J].科技管理研究，2006（8）：182-185.

基金来源：重庆市社科委基金“重庆市PE发展战略与模式研究”（项目编号： 2010YBJJ20）。

作者简介：

王开良（1955-），男，河南商丘人，重庆邮电大学经济管理学院教授，硕士生导师，主要研究方向：投融资管理、风险投资。

第3篇：风险型决策分析范文

【关键词】风险决策；蒙特卡洛模拟

一、模拟模型简介

目前，大多数决策问题的建模方法是用理论模型来分析的。然而，实际中的决策问题往往不满足理论模型的假设条件。对于传统模型不适用的决策分析情境，特别是当决策问题存在不易处理的不确定性时，模拟方法是一种有效方法。模拟是一个先建立决策问题或系统行为的数学模型或逻辑模型，再对模型进行试验，进而获得对系统行为的理解并帮助解决实际问题的过程。本文针对风险决策问题，构建了基于蒙特卡洛模拟的实验分析框架。

二、蒙特卡洛模拟模型的基本框架

针对风险决策问题，可在Excel工作表中建立包含六大表区的蒙特卡洛模拟模型的基本框架。建立蒙特卡洛模拟模型需要六大步骤：建立初始数据和参数输入区；生成服从特定分布的随机数；建立目标变量的数学表达式；利用模拟运算表进行模拟试验；根据具体问题计算统计量；利用模拟运算结果和分析结果绘制图表。对应的六大表区分别是：输入区、生成区、输出区、试验区、统计区和图形区。具体内容设计如下。

（一）输入区的建立

蒙特卡洛模拟的输入区放置在工作表的左上角。输入区的内容为风险决策问题中的全部常量和参数，分为三种类型。第一种类型是决策问题的固定参数，通常是决策问题中的基本条件、初始数值或常数等。第二种类型是为了生成特定分布的随机数而需要的参数，如均匀分布的区间端点。第三种类型是可调参数即模型控件控制的参数，主要用于重要参数的灵敏度分析。

（二）生成区的建立

蒙特卡洛模拟模型的生成区放置在输入区的下方，其功能是生成符合特定分布的随机数。随机数的生成方法主要有三种类型。一是利用Excel内建函数生成随机数，如服从均匀分布的随机数生成函数RAND()。二是利用逆变换法得到的随机数生成公式，在单元格编辑并生成随机数。三是利用Excel查找函数生成经验分布或离散分布的随机数。

（三）输出区的建立

输出区主要计算和存放与具体决策问题直接相关的一组目标公式。根据决策问题的特点，目标公式可以是一个也可以是多个，其具体形式是决策分析人对决策问题的最终理解和解答。从参数来源看，目标公式一般引用输入区的固定参数和控制参数以及生成区的随机数单元格。值得注意的是，目标公式一定包含随机变量，这也是蒙特卡洛模拟模型与确定性模型最重要的区别。

（四）试验区的建立

试验区是以输出区的目标公式为基础，利用决策问题中随机数的取值变化获得计算结果总体的一个抽样样本。在Excel平台上，蒙特卡洛模拟模型中的随机试验利用“模拟运算表”工具实现。

（五）统计区的建立

统计区是利用Excel的内建统计函数对试验区中的试验结果进行统计量计算的。具体统计量的选择取决于决策问题的特点和决策分析的具体需求。比较常用的内建统计函数包括平均值函数AVERAGE()、标准差函数STDEV()、偏度函数SKEW()、峰度函数KURT()等。

（六）图形区的建立

图形区的主要目的是将主要分析结果以图的形式输出。为此，需要利用随机试验的结果整理出绘制概率密度曲线的基本数据。这个过程大致分为以下几个步骤：第一步是生成均匀间隔的动态接受区域；第二步是利用Excel内建函数FREQUENCY()生成频率分布；第三步是利用整理的数据绘制图形。

第4篇：风险型决策分析范文

关键词：银行数据挖掘；理论分析；典型算法；应用及效用

中图分类号：TP311.13

银行是现代经济的标志，也是现代经济活动中不可或缺的环节和工具，从银行诞生应用以来，银行业就需要处理大量的经营数据，银行数据记录手段也经历了数个阶段，从白纸黑字的账本到计算机信息化时代的银行数据信息系统，银行数据业务可以在业务交易流程、数据库建设、金融风险评估和经营决策分析等方面发挥极其重要的作用。从银行业本身的发展来看，商业银行的规模和类型都在逐年丰富，信息化和数字化的银行业务模式也逐渐成为商业银行的运行模本；现代银行更加重视客户本位思考，通过多样化的市场需求分析手段，可以为客户提供极具个性化的银行业务产品服务，吸引更多的潜在客户群；同时现代银行的风险管控意识更强，在市场经济节奏更快的当今社会，银行经营决策的风险评估效果决定了现代银行的经营走向；再者是网络终端服务和移动终端服务的迅猛发展，银行交易手段更加丰富，网上银行、手机银行、移动证券交易等等电子支付交易方式的发展给现代银行带来了新的机遇和挑战，这一切都需要现代银行在数据处理分析能力上有新的应对措施。

1 数据挖掘和数据效用理论基础

数据挖掘的通用定义指的是从现有的大量存储数据中，采用数据撷取的方式，搜寻出感兴趣的、有价值的数据点或数据模块的数据处理技术。数据挖掘广泛地应用于商业金融领域，基于既定的商业化分析目标，可以依托于企业内部的金融数据系统进行数据分析，最终获得需要的商业经营规律和市场发展规律，并且能够在成熟的数据挖掘模型的支持下与其他分析工具和分析技术相结合，形成商业化的数据挖掘分析系统和分析软件。数据挖掘的功能需求决定了数据挖掘是一个典型的学科交叉项目，现代银行受到业务拓展发展的需求，在其数据挖掘技术的运用中广泛地的结合了数据库技术、智能学习技术、统计分析技术、模式识别技术、人工智能技术和神经网络技术，数据挖掘常分为六个技术类别：聚类、分类、估值、预测、相关性分组和关联规则分析、描述和可视化分析。

对数据资料的重视性促使了现代银行对数据利用效率的不懈追求，现代化经营模式中，数据已经成为最为重要的无形商品，作为商品的数据资料，其资本性和营利性决定了信息数据的效益最大化，由于数据资料的复制成本低、附加值高且利润丰厚的特点，数据信息价值理论已经成为数据效用分析的主要理论模式。

2 银行数据挖掘的应用分析

2.1 数据挖掘在银行客户需求分析中的应用

现代银行针对客户资料和消费记录都建立了功能庞大的消费市场数据库系统，对银行客户的个人资料、账户信息、交易历史记录、业务服务历史记录、理财数据和个人理财风险评估等进行了数据库仓储式分析，基于成熟的数据仓库逻辑分析模型，可以对每一个银行客户进行多维度消费分析，以交易历史纪录为例，交易历史纪录作为该分析维度下的分析主键字段，在其下端进行次元维度分析，对交易类型、交易金额、消费地点、存贷款交易、电子银行消费、手机银行消费、证券消费等进行子健分析，但是也要考虑到不同主键之间存在着较大的关联性，此时可以考虑在客户数据仓库分析中建立星形数据模，在关联数据子健上进行数据溢出处理。在数据挖掘中主要采用的是聚类算法，在对客户数据进行详细的数据仓库建立之后，可以对客户进行数据特征值标定（如商业价值、交易类型、风险倾向等），以便于进行客户分类，在用户细分时，行为特征是主要的特征，自然属性是辅助的特性。

表1 聚类汇总表

业务类型 纸黄金 基金理财 外汇 个人金融 债券 贷款

业务渠道 柜台 电话银行 网上银汉 手机银行 自主服务 中间交易

由此可以得到详细的客户聚类，例如以年龄段为标准的20-30岁阶段用户（业务类型为纸黄金，业务渠道为网银和自助服务）、30-40岁阶段用户（业务类型为外汇和金融，业务渠道为柜台和自助）、40-50岁阶段（业务类型为基金债券，业务渠道为柜台服务）。

基于SQL Server Analysis Services分析工具，在银行原始交易数据库中进行聚类分析，选用Microsoft聚类算法对交易日志中的指定页进行类型搜索，在后处理模块中可以查看聚类分析结果。聚类算法进行数据挖掘时需要原始数据具有较强的分类性和数据关联性，才能在数据挖掘中针对特定数据属性和数据聚类进行分析，并且获得该属性在任意聚类中的数据分布情况，由此可以精确的知道特定类型客户的银行消费习惯和消费倾向，有助于银行稳固现有客户群，吸引潜在客户群体。

2.2 数据挖掘在银行决策分析中的应用

银行经营的各个环节都基本实现了信息化管理，银行综合业务系统为其提供了基础业务操作平台和统一账务处理系统平台，能够帮助银行实现有效的资源整合和集中管理。数据挖掘技术的应用能够全面提升银行系统的内控管理和风险管控水平，为银行的内部决策提供有效的数据支撑。

表2 数据挖掘与银行决策关系

数据源 数据处理 数据存储 决策分析

交易数据

客户信息

管理信息

外部信息 数据抽取

数据整合

数据加载 数据仓库 经营状况决策分析

数据监控 数据节点1 资产负债决策分析

数据刷新 数据节点2 风险管理决策分析

数据包装 数据节点3 客户需求决策分析

数据公布 数据节点4 银行财务决策分析

为了保障银行的经营效益、提升业务覆盖范围并预防经营风险，银行需要及时掌握市场动态并且做出经营调整，数据挖掘技术能够跟踪分析银行经营过程中的各个基本要素环节，通过比对分析自身产品的营收现状、竞争对手的经营现状，以及对资产负债率、银行坏账率和金融产品的销量，可以及时为决策层提供参考数据。商业银行的风险管控是其保障经济效益的关键，数据挖掘系统的关键性作用体现在对银行业务的全方位、多角度的可靠性分析和风险评估，基于银行内部的风险模型参数，在成熟的模式识别技术和智能分析技术的辅助下，可以提前对经营风险进行预判，以减少成本损失为风险数据挖掘模型约束，以保障经营效益最大化为风险决策目标，以调控决策方式为风险决策手段，可以进一步提高银行的资产质量。财务风险控制中数据挖掘的具体应用如下图所示：

图1 数据挖掘在银行财务决策分析中的应用分析

3 银行数据挖掘的效用分析

3.1 数据挖掘在银行风险控制中的效用

风险控制是银行日常经营活动中的核心内容，通常来看可以分为定性控制和定量控制两种方式，定性控制的关键是建立一套有效的风险控制管理体系，在多流程决策体系的协作下，构成风险管理知识，以非结构化数据的形式保存并流转使用；定量控制则更看重对经营实时数据的管理效率，建立一个基于客户需求和市场规律的量化风险控制体系统框架。银行信用评估体系要求银行用于信用评级的数据必须具备一定年限和质量标准，对数据样本量、样本时效性、业务覆盖范围、数据来源都有明确的要求。数据挖掘对于银行风险控制的关键性作用主要体现在对于银行信用风险控制、银行市场风险评估和银行操作风险管理上。

在信用风险控制上，数据挖掘主要是针对信用关键指标：违约率、违约损失率、违约暴露和违约期限进行针对性的数据挖掘分析，结合银行的信用评级动态变化和银行信用置信度的波动规律，在银行交易数据库中采用数据关联分析方法，对概念分层数据进行多层挖掘，提高数据挖掘的精准度；在对市场风险控制上，数据挖掘技术主要集中在市场风险识别和市场动态分析两方面，通过分析银行特征值数据在各种风险环境下的数据概率分布值，可以构建银行内部的市场风险模型，结合遗传算法和智能分析，可以针对市场发展规律进行智能风险评估决策；对于市场的偶然和不确定行为，通常数据挖掘会采用预测（predication）、时序分析模式（time-series model），通过遍历历史交易数据，能够对偶然性市场行为进行概念排序，采用模糊分析（fuzzy method）、证据理论（Evidence theory）等方法进行决策分析。

3.2 数据挖掘在银行产品创新中的效用

产品创新是提升银行市场竞争力的根本手段，数据挖掘的重要性则体现在数据分析准确性和有效性上，首先是对业务流程效率的数据分析，对于总行、分行、支行和营业网点的银行结构进行业务处理效能分析，通过实际交易数据和历史交易数据进行比对分析，可以有效的找出实际业务模式中的最大风险点，设计或优化业务流程，明确录入、审核、授权各岗位的职责，从而运用创新手段控制流程风险；采用产品规划的方法指导新产品的设计流程工作，则需要在产品设计理念、产品市场定位、产品竞争优势分析和产品风险控制上进行数据分析，通过数据挖掘技术可以在银行内部历史数据、行业共享数据和商业数据的基础上进行特征属性挖掘，并最终为新产品的量化定型提供有效的数据参考，并未新产品的市场价值进行定性和定量预测分析。

4 结束语

信息化时代背景下金融业的供需地位发生巨大转变，金融数据也从经营资料开始向数据商业化发展。基于详尽的量化数据系统，现代银行可以在高效数据分析模型的基础上对银行数据进行二次开发，提供数据分析服务。本文通过阐述银行数据的数据结构，分析了对银行海量数据进行数据挖掘的主要方法和应用模式，并评估现行银行数据挖掘方法的有效性和经济效益价值，为进一步提升银行数据挖掘的效能提供了新的思路。

参考文献：

[1]丁剑敏.数据挖掘技术及其在商业银行中的应用[J].市场周刊・财经论坛，2013（04）.

[2]宓文斌.数据挖掘在银行信贷业务中的应用[M].上海：上海交通大学，2012.

[3]王佳丽.财务诊断中的数据挖掘运用研究[D].南宁：广西大学，2012（05）.

第5篇：风险型决策分析范文

关键词：独立型证券投资主体；模仿型证券投资主体；证券市场风险；独立客观相似机制；模仿从众传染机制。

1.引言

证券投资决策的核心问题是证券本来的收益和风险。证券未来的收益充满不确定性。投资证券的风险可以界定为，在给定情况和特定时间内，证券本来可能的收益间的差异。如果证券未来收益仅有一种结果是可能的，则其收益的差异为0，从而风险为0.如果证券本来收益有多种结果是可能的，则风险不为0，这种差异越大，证券的风险也越大。

产生和影响证券投资风险有经济、政治、道德与法律诸因素。就经济方面而言又可以分成市场风险、利率风险、汇率风险、购买力风险以及上市公司的经营风险和财务风险等。对证券市场来说，上述风险大致可分成内生风险和外生风险两类。市场风险就是内生风险，它仅仅由证券市场内在机制引起证券本来可能的收益间的差异。其余风险可归入外生风险类，它由市场以外的因素引起证券本来可能的收益间的差异。

本文试图从证券投资主体处理信息的角度研究证券投资市场风险形成的市场内在机制。

2.预期和决策

在有效的证券市场中，证券市场价格的调节对所有新的、公开的信息能作出迅速反应，其信息集合除包括市场本身的客观信息外，还包括公开的证券市场相关的场外客观信息。简而言之，有效的证券市场中，所有场内外相关客观信息都能在上市证券的价格中得到充分迅速的反映。因此，通过证券市场价格计算的证券收益同样能够充分迅速地反映所有证券市场场内外相关的客观信息。

投资主体处理信息的过程通常总是通过证券收益客观信息的识别，获得证券未来收益的预期信息，提取证券投资的决策信息，然后选择证券投资行为。

根据证券投资主体预期形成模式的差异，可以将预期分成理性预期和有限理性预期两大类型。

理性预期是利用最好的经济模型和现已掌握的信息所得出有关证券未来收益水平明确的预测。其中包括不直接研究证券市场价格涨落，而直接研究证券市场所有投资主体的投资行为，通过博弈模型进行证券本来收益的预期。

有限理性预期指证券投资主体不采用经济模型，凭借各自证券投资的经验或者参考其它证券投资主体的预期信息、决策信息和投资行为对证券未来收益的经济预测。

类似的，根据证券投资主体决策形成途径的差异，将决策也分成理性决策和有限理性决策两类。

理性决策是证券投资主体通过合适的证券投资决策模型或者通过证券的技术分析，然后选择投资行为的证券投资决策。

有限理性决策是证券投资主体不采用证券投资决策模型，也不采用技术分析，仅凭借各自证券投资经验或者参考其它证券投资主体的预期信息、决策信息和投资行为所进行的证券投资决策。

证券市场中，完全不考虑证券未来收益水平和变动趋势的完全非理性证券投资主体几乎是不存在的。因此，本文研究的证券投资主体在信息处理的预期和决策两个环节中都具有理性或者有限理性。

3.两类证券投资主体

具有理性的证券投资主体在信息处理两个主要环节上是通过经济模型或者技术分析独立获得理性预期信息和理性决策信息，然后独立选择证券投资行为。故称他们是独立型证券投资主体。

具有有限理性的证券投资主体在信息处理过程中，如果在两个主要环节上都是凭借自身证券投资经验获得有限理性预期信息和有限理性决策信息，然后，独立选择证券投资行为，他们也是独立型证券投资主体。如果，至少在一个环节上，参考其它证券投资主体获得有限理性预期信息或者有限理性决策信息，模仿其它证券投资主体的投资行为，选择自身投资行为，称他们是模仿型证券投资主体。

独立型证券投资主体可能采用相同的经济模型或者相同的技术分析，也可能凭借各自相似的证券投资经验，导致其证券投资行为产生客观相似的效应。

模仿型证券投资主体，基于自身认知的内涵、认知的结构和认知的层次以及投资的经验。投资的偏好和投资的心理的局限，不足以从客观信息中独立获取证券未来足够的预期信息和独立提取选择投资行为足够的决策信息，或者对各自预期信息和决策信息的置信程度不足以独立选择投资行为。他们不得不通过参考其它证券投资主体的预期信息、决策信息和投资行为，以便获取各自足够的预期信息，提取各自足够的决策信息，或者达到选择投资行为足够的置信程度，客观上模仿独立型证券投资主体的投资行为进行证券投资。因此，模仿型证券投资主体的投资行为产生模仿的效应。

模仿型投资主体的投资行为比独立型投资主体的投资行为客观上非理性含量更高一些。通过社会心理和认知心理分析，特别是证券投资博奕分析可以得到，模仿型证券投资主体模仿选择的投资策略是随大流的从众策略。

综上所述，在有效的证券市场中，独立型证券投资主体的投资行为可能存在客观相似性，而模仿型证券投资主体的投资行为必定存在模仿从众性。

4.形成风险的市场内在机制

在有效的证券市场中，上市证券的价格能充分迅速地反映证券市场所有场内外相关信息。所有证券投资主体都能任意地、不断地获取有关上市证券价格、涨跌幅度和交易量的客观信息。因此，在有效的证券市场中，所有证券投资主体的客观信息是对称的，证券市场的竞争对所有证券投资主体是公平的。

面对客观对称的信息，两类证券投资主体预期形成的模式和决策形成的途径具有较大差异，导致其证券投资行为对未来证券市场价格的波动产生不同的作用，从而对投资证券未来收益的波动也产生不同的作用。因此，两类证券投资主体的投资行为对证券未来可能收益间的差异产生不同的作用。如引言所述，证券未来可能收益间的差异就是投资证券的风险，两类投资主体的投资行为对证券市场风险产生不同的作用，他们就是形成风险的市场内在机制。

若两个具有限理性的独立型证券投资主体通过相同的经济模型或者相同的基本分析和技术分析独立获得各自的理性预期信息和理性决策信息通常是大致相同的。

若两个具有限理性的独立型证券投资主体凭借各自的投资经验大体相同，他们独立获得的有限理性预期信息和有限理性决策信息也大体相同。

上述情况下，两个独立型证券投资主体间便具有预期信息和决策信息的对称性，通常其证券投资行为对投资证券的市场风险形成产生客观相似的作用。否则，两个独立型证券投资主体的预期信息和决策信息是非对称的，其证券投资行为也不尽相同，对投资证券的市场风险形成的作用也不尽相同。

桑塔弗研究所（SFI，SantaFeInstitute）通过计算机模拟完全由独立型证券投资主体组成的股票市场发现，股票市场价格波动，股票未来可能收益间的差异，即证券投资风险和独立型证券投资主体投资行为的客观相似程度及其变化速度有关。

综上所述，独立型证券投资主体投资行为的客观相似性是证券市场风险形成的一种内在机制。不妨称为独立客观相似机制。其客观相似程度以及所持资本资产结构的变化速度达到一定水平时，投资证券的市场风险会被成倍地放大，导致证券市场出现复杂现象，价格大幅波动，交易量增加，泡沫形成，甚至累积成危机。正如桑塔弗研究所模拟的股市一样。说明形成市场风险的独立客观相似机制是证券市场内在的非线性机制。

面对客观对称的信息，模仿型证券投资主体各自独立获取的预期信息和独立提取的决策信息，通常是非对称的。模仿型证券投资主体需要参考其它证券投资主体的预期信息和决策信息，以便选择各自的证券投资行为，他们的投资行为就会或多或少地模仿其它证券投资主体的投资行为，也就是从众选择各自证券投资行为。这种模仿从众行为会在模仿型证券投资主体间传染蔓延，他们个体的有限理性投资行为演化成证券市场整体的非理性投资行为，证券市场价格的波动被成倍地放大，导致证券市场价格极度剧烈地波动，证券未来可能收益间的差异大幅度增加，证券市场风险增大，甚至风险累积成为危机。

模仿型证券投资主体投资行为的模仿从众性是证券市场风险形成的另一种内在非线性机制。不妨称为模仿从众传染机制。

5.结束语

第6篇：风险型决策分析范文

【关键词】大型企业；财务风险；形成原因；财务决策能力；风险防范机制

作为企业内部管理工作中的重要内容之一，财务管理是影响企业经营管理与决策的关键性因素。尤其现行企业在面对严峻的竞争环境下，承担的财务风险也日趋增多，若忽视做好财务风险防范工作，将难以应对来自企业内部与外部的各种风险，更无从谈及提升企业在市场中的竞争优势。因此，正确认识财务风险形成的原因并做好相关防范工作，对企业持续健康发展具有十分重要的意义。

一、大型企业财务风险的相关概述

关于企业财务风险，其多发生在企业财务管理环节中，是现代许多大型企业财务管理面临的主要问题。从财务风险的主要特征看，其主要体现为：

第一，企业负债在总资产中占有过高比率。一般大型企业往往负债率较高，出现行业性的政策性因素，或较为严重的市场和经营问题后，往往难以按合同约定偿还到期债务，此时在债务危机下便可能将企业带到财务困境中，出现资金链断裂的风险，甚至引发经营危机。同时，在负债比率过高的情况下，企业还需考虑利息问题，一旦企业出现经营问题，或财务统筹不善，现金流不足支付，将严重影响企业资信，甚至直接爆发资不抵债，甚至破产的可能。

第二，投资失误风险。大型企业为扩张市场，扩大企业规模，通常会采用项目建设、并购、联营、金融工具等投资策略。企业对项目进行投资，需依托较为准确的经济信息，通过专业的市场分析和项目调研分析，制订详实可靠的投资方案，并对项目运作的组织实施全过程进行有效管理。若决策前忽视项目投资可行性研究分析，便很可能出现决策失误风险，若在项目运作过程中缺乏有效的管理和统筹，也很可能出现资金和成本的失控。上述风险不仅导致投资难以获取实际收益，甚至可能导致本金无法收回，最终出现重大财务风险。

第三，现金流不足支付。企业在发展过程中会采取多种融资方式，融资周期和融资成本便会涉及债务问题，针对这些债务，若企业经营性现金流不足偿还，就不得不继续扩大债务规模，如总现金流不足偿还，债务将直接演化为财务风险，严重情况下将致使经营管理活动失败。

第四，较低的存货周转率。大型企业中关于存货问题，主要体现在流动性较差方面，会导致存货出现积压，企业流动资金将被大量占用，同时存货保管中涉及的风险和费用会逐渐上升，存货减值会逐期增加，利润不断降低，财务风险相应不断加大。

二、财务风险形成的主要原因分析

（一）财务风险形成的内部因素

大型企业自身内部管理不善是导致财务风险出现的直接原因。而这种管理不善多表现为管理人员风险意识的缺失以及决策的失误两方面。

其中在管理人员意识方面，大多企业经营管理活动中，部分财务人员仍不具备较强的风险意识，不能识别和防范财务风险。以企业选择扩大经营规模与增加销量的战略为例，此时企业产品销售策略更倾向于选择赊销方式，能够迅速扩大市场占有率，但所产生的应收账款也会由此增加。此时，赊销方式可作为企业营销策略之一，但在与客户合作过程中应做好前期调查工作，了解客户经营及信用情况，如直接盲目赊销，将会导致应收账款无法得到有效控制管理，坏账风险加大。企业会因流动性资产被客户长期占用，面临资产安全性及售后问题，形成财务风险。

同时，在企业财务管理活动中，若财务决策出现失误，也容易造成财务风险的发生。部分企业管理人员在财务决策上倾向于以个人主观、经验进行决策，忽视具体业务的分析评价，一旦决策偏离实际情况，便会诱发财务风险出现。另外，企业中存在的复杂的财务关系也是导致财务风险产生的重要原因，如大型企业母公司与子公司间的权责问题、利益分配问题以及资金使用问题等，若管理混乱，便容易影响资金的流动性与安全性，最终出现财务风险。

（二）财务风险形成的外部因素

财务风险管理受外部环境因素的影响，主要表现在国家相关经济政策、法律规定等方面，有些企业财务管理也会受整个社会环境的影响。综合来看，财务风险形成的外部因素主要表现在因宏观环境过于复杂而使财务管理系统受到影响。其中的宏观环境指企业所处的市场、经济、文化以及法律等环境，由于这些环境的变化都难以预测，若企业不具备一定的预测能力与风险防范意识，就可能产生财务风险问题。例如，在控制房地产行业盲目扩大发展的经济政策和金融政策环境下，房地产企业面临巨大的销售、利润与现金流压力，许多房地产企业出现财务风险，尤其是规模较小、抵御市场和财务风险能力较弱的房地产企业，甚至纷纷出现了破产；与此同时，与房地产行业存在相关性的产业都不同程度受到影响，比如钢材、水泥、煤炭等行业，由于市场萧条，销售收缩，利润下降，许多企业面临难以实现盈利、现金流不足等财务问题，尤其是此前盲目上马项目、产能过剩、大量赊销及负债率过高的企业，大多是未能对外界宏观环境及时有效进行预测所导致。同时在企业财务管理活动中，许多企业也存在经营管理者与财务人员不具备较高的经营和财务管理能力、企业内部各机构缺少有效的沟通以及相关制度不健全、缺乏有效的内部控制体系等。例如，企业销售部门未及时将市场环境中的相关信息与财务部门分享，财务管理人员因信息获取过于滞后，便难以应对外部市场环境变化，容易引发财务风险。

三、防范财务风险的具体策略

（一）注重企业应变与适应能力的提升

应变与适应能力的提升是企业减少外界宏观环境带来不利影响的关键所在。大型企业在发展中应注意做好财务管理系统构建与完善工作，以相应的财务管理战略为依托，保证内部财务管理机构的设置较为高效，且相关规章管理制度逐渐健全，并提高企业财务管理人员的综合素质，为财务管理系统的运行提供保障。这样在应对外界环境变化中，企业能够利用较为完善的财务管理系统达到风险防范的目标。

（二）财务决策能力的提升

财务决策能力的提升主要解决决策失误下出现的风险问题。实际决策中，相关管理人员与财务人员需对影响决策的因素进行综合全面的判断，将定量分析或计算等方式引入其中，且构建相应的系统模型，这样可避免完全以个人经验进行决策的问题出现。以筹资决策为例，企业应当以自身实际经营状况为依据，对所需资金做好预测分析工作，在此基础上计算分析筹资中的成本问题以及筹资中可能出现的风险，最后进行资金结构与筹资方法的确定。再以企业资金流动为例，企业所有经营管理活动都需以充足的资金作为保障，要求在应收账款、存货等各方面做好管理工作，使其周转率得以保证，这样资产的流动性将得以提高。

（三）企业财务风险防范机制的构建

风险防范机制的构建首先要求管理人员具有较高的风险意识，在实际管理过程中对于各环节都应引入相应的会计策略，这样可防止财务管理活动中出现过多的失误问题。同时，需考虑进行风险预警机制的构建。具体包括：第一，进行内控制度的完善。重点是涉及企业经营活动中的监控与风险预警相关制度，以这些制度为依托达到风险防范的目标。第二，风险分析规范化。规范化的内容主要表现在引入相关的风险报表，利用其对企业负债情况、资产情况以及资金流动情况进行分析，确保所有重大风险内容都可在报表中体现出来。第三，注重风险监管中社会中介机构发挥应有的作用。如在财务风险管理中，可直接由资产评估、律师或会计师事务所等专业机构参与其中，其作用在于为风险防范提供更为可靠的信息。

除此之外，为使企业财务风险得以有效监控，还需做好财务预警系统的构建。可根据实际的财务资料，如企业经营计划、报表等，选择相应的管理理论，如市场营销或金融理论，并结合具体的分析方式，如数学模型或定量分析法等，建立适合企业实际经营状况与业务特点的风险预警模型，进而建立风险预警系统，使企业面临的风险能够被快速识别。需注意，该预警系统中应将相关企业经营指标融入其中，如资产负债率、速动比率以及现金流指标等，一旦实际财务管理中出现指标趋势相悖的情况能够发出异常预警，以此使风险发生的概率控制到最低。另外，对于已发生的风险问题必须采取事后控制措施，如对风险基金的利用或流动资金管理策略等，有利于将财务风险危害降至最低。

四、结论

做好财务风险管理与防范工作是提升大型企业整体管理水平的重要途径与迫切要求。在实际进行财务管理中，应正确认识财务风险的表现特征，分析财务风险形成的内部原因与外部因素，在此基础上采取相应防范策略，包括企业应变能力与适应能力的提升、财务决策能力的提升以及风险防范机制的构建，进而推动企业的持续健康发展。

参考文献

[1]陈旭玲.国有企业财务风险的原因及防范措施[J].中小企业管理与科技（下旬刊），2012，（5）：87、89.

[2]商瑾.金融风险及防范对策研究[D].财政部财政科学研究所，2012.

[3]薛绯.基于财务风险防范的战略预算管理评价与优化研究[D].东华大学，2013.

[5]冯程程，林艳.国有企业并购财务风险的分析与防范[J].中国集体经济，2010，（9）：160-161.

第7篇：风险型决策分析范文

摘 要：行为金融学风险管理理论是由传统金融学风险管理理论演变而来的。行为金融学风险管理理论作为一门独立的科学体系，弥补了传统金融学对个体行为研究的不足。风险管理理论作为金融理论的研究重点，将传统金融学与行为金融学的风险管理理论进行对比分析，对于我国金融业的发展有着重要的启示作用。本文将首先分别阐述传统金融学风险管理理论与行为金融学风险管理理论，并分别分析与对比传统金融学与行为金融学风险管理理论的相同点与不同点，最后将探讨通过分析与对比两种理论的异同所获得的重要启示意义。

关键词 ：传统金融学 行为金融学 风险管理理论 启示

风险管理理论一直占据着金融理论研究的核心位置，是目前金融学研究的重中之重。随着金融学理论的不断发展壮大，风险管理理论的内涵与外延均得到了较大的发展。传统金融学与行为金融学的风险管理理论存在着诸多的共性与差异性[1-2]。对其进行深入的研究，对金融学的发展有着重要的意义。

一、传统金融学风险管理理论

传统金融学风险管理理论是以有效市场假说为理论依据的。随着金融衍生品的出现，对其进行有效的风险控制已受到人们的普遍重视。相关学者针对以股票作为标的资产的买进期权提出了定价公式。该定价公式认为可以从标的资产的价格波动中预测出期权存在的风险，同时标的资产的价格还能够预测未来市场的预期。这一理论对金融衍生品的风险管理提供了决策依据与理论基础。风险价值模型作为风险管理方法的代表被广泛应用。风险价值模型是对市场风险的综合评价分析，并对金融资产的具体风险进行了考虑。然而这种方法对风险管理对象的管理范围较窄，主要以金融资产的客观概率为基础，无法使经济主体的风险得到有效反映。

二、行为金融学风险管理理论

行为金融学风险管理理论是在传统金融学风险管理理论的理论基础上发展而来的。传统金融学风险管理理论凭借其理性原则对市场行为提出了理想假设，通过严密的数学公式，为金融决策提供了逻辑科学的数据参考[3-4]。然而传统金融学风险管理理论对于金融市场中存在的金融异像仍无法彻底的解释。行为经济学家将心理学理论融入到了对于金融投资者的行为分析中，通过分析其心理变化对于风险管理的影响作用，实现了风险管理理论的新发展，进而产生了行为金融学理论。19世纪70年代，经济学家提出了一系列新的风险管理理论。这些理论主要包括期望理论、行为组合理论、行为资产定价理论等。

三、传统金融学与行为金融学风险管理理论的相同点

（一）传统金融学与行为金融学风险管理理论的来源相同

行为组合理论是由传统资产组合理论演化而来的，是对传统资产自合理论的延伸。而行为金融学风险管理理论同样是在传统金融学风险管理理论的理论基础之上而发展而来的。行为金融学风险管理理论并非完全脱离于传统金融学风险管理理论，而是对传统金融学风险管理理论不足与缺陷的有效补充。例如，对于理性人假设理论，行为金融学认为人存在理性的一面，同时也存在非理性的一面。而对于市场有效性理论，行为金融学针对传统金融学理论中套利方面存在的问题进行了一定的改正。行为金融学风险管理理论与传统金融学风险管理理论在某些问题的看法上是有着一致性的。

（二）传统金融学与行为金融学风险管理理论的切入点相同

行为金融学与传统金融学对于风险管理理论进行研究的切入点，均是构筑在对市场主体决策行为、市场运行状况、证券市场的价格波动、投资者的市场活动等研究的基础之上的。行为金融学风险管理理论与传统金融学风险管理理论同样认为人是对市场活动造成影响的关键因素，并以人为中心，对市场中人的风险决策行为与心理进行分析，采用理论模型实现市场风险管理的量化。

（三）传统金融学与行为金融学风险管理理论的研究手段相同

行为金融学与传统金融学对于风险管理理论的研究手段，均是以一种经济学假设为理论基础，并在此基础上构建理论模型。理论模型的可靠度均取决于所参照的假设条件是否与市场实际相近似。行为金融学风险管理理论与传统金融学风险管理理论的研究方向均是从对市场个体的决策行为，到个体行为对市场的影响，再到市场整体，且均是以金融市场的实际情况为依据，对金融市场的异常现象进行解释，以这种方式接受市场的考验。

四、传统金融学与行为金融学风险管理理论的不同点

（一）传统金融学与行为金融学风险管理理论的基本假设不同

传统金融学风险管理理论以市场有效性假设与投资者的理性假设作为理论依据。传统金融学风险管理理论认为，投资者的理性使其能够在投资市场中，抓住任何一个非理性投资行为所带来的套利机会，进而造成非理性投资者在市场投资中出现利益损失，最终从竞争市场中淘汰。然而行为金融学则与其站在不同的角度上，其认为非理性投资者与理性投资者之间，由于存在市场信息披露不均衡的情况，使两者所掌握的市场信息不相等[5]。因此行为金融学风险管理理论认为传统金融学风险管理理论的市场有效性假设并不成立，该假设并没有满足成立的条件。市场是非有效性的构建了行为金融学风险管理理论的基本假设。

传统金融学风险管理理论认为，市场中所有参与的投资者均是理性的。理性的投资者以资本资产理论、期权定价理论、套利定价理论、资本资产定价模型等作为决策依据，在资本市场中谋求利益的最大值。投资者在资本市场中进行投资时所暴露的情绪与心态即是投资者的价值感受。而行为金融学风险管理理论则认为，市场中的投资者存在四类不同的情绪与心态。这四类情绪与心态包括避害大于趋利、减少后悔及推卸责任、追求时尚及从众心理、过于自信。投资者的投资行为往往会受到这四类情绪与心态的支配，进而影响投资者在市场中的投资决策，使投资者的决策行为具备一定的特性。这些特性包括投资者在市场中的决策行为存在多变性与多元化，且这种行为通常形成于投资决策的过程当中；投资者的决策行为具有很强的适应性，其行为的性质与决策的环境会对投资者的决策方法与过程造成一定的影响；投资者的行为更趋于满意性，而非最优化原则。这些特性导致投资者往往不愿意按照金融学定义上的最优化数学模型进行投资决策。因此行为金融学风险管理理论认为传统金融学风险管理理论中投资者是理性的假设并不成立，其认为投资者应是基于价值感受的非理性。因此非理性的投资者构建了行为金融学风险管理理论的基本假设。

（二）传统金融学与行为金融学风险管理理论的理论基础不同

传统金融学风险管理理论是以套利定价理论、期权定价理论、资产组合理论、资本资产定价模型作为理论基础。而行为金融学风险管理理论则在此基础之上，对心理学、行为学、社会学等理论进行了借鉴。行为金融学风险管理理论主要通过对市场主体的决策行为与心理因素等特征进行研究，并在此基础上建立了自身的风险管理体系。传统金融学风险管理理论假设投资者是在风险规避、理性预期的前提下，将预期效益最大化，而忽视了投资者决策行为与心理因素的影响作用。

（三）传统金融学与行为金融学风险管理理论的理论模型不同

传统金融学风险管理理论的理论模型主要包括资本资产定价模型、期权定价模型等。而行为金融学风险管理理论的理论模型则主要是行为资产定价模型，该模型是从资本资产定价模型进一步发展而来的。不同于资本资产定价模型，行为资产定价模型认为，并不是所有的投资者都是理性的。该模型认为投资者可以被分成两种类型。这两种类型分别为制造噪音的市场投资者与提供信息的市场投资者。制造噪音的市场投资者不以资本资产定价模型理论为理论基础，往往会导致其出现各种认知上的错误与偏差，进而受到各类错误与偏差的影响，做出错误的投资决策。而提供信息的市场投资者则是在严格遵照资本资产定价模型理论的基础上，对投资组合的方差与均值进行关注，不会遭受自身投资认知偏差对自身投资的影响，进而做出理性的投资决策[6]。制造噪音的市场投资者与提供信息的市场投资者在资本市场上的相互影响、相互作用，共同决定了市场的定价趋势。当制造噪音的市场投资者成为市场中具有代表性的投资者时，市场将呈现无效率的状态；而当提供信息的市场投资者成为市场中具有代表性的投资者时，市场将呈现有效率的状态。行为资产定价模型认为，证券市场的预期收益决定于均值方差有效组合的切线斜率。然而在证券市场受到制造噪音的市场投资者的影响时，均值方差有效组合与资本资产定价模型中市场组合将不相等。

五、对传统金融学与行为金融学风险管理理论对比研究的启示

行为金融学的研究过程是以心理学的研究成果为依托，同时结合现实中资本市场的实际情况进行分析研究。行为金融学已受到越来越多投资者的信赖。投资者根据行为金融学理论基础，自创出了一系列创新的投资决策手段，并且通过该手段在市场中的应用，实现了一定的收益。这些投资者通常将自己的投资策略建立在假设市场其他主体不变的前提下，而当市场其他主体应用与其不同或相反的投资手段时，投资者往往会处于十分被动的不利位置。而行为金融学风险管理理论的诞生，在很大程度上弥补了这一不足现象，对投资者未来在市场中的投资决策有着积极的引导作用。行为金融学风险管理理论的大力推广，使广大资本市场中的投资者在很大程度上对行为金融学理论的基础有了一定的理解，使投资者在市场中的投资决策对心理因素的依赖逐渐降低。因此只有不断的完善行为金融学风险管理理论，并使其得到进一步的发展，才能对金融市场的投资决策、金融市场的投资管理、金融资产的创新经营带来正面与积极的影响。随着市场的不断发展，金融市场仍会逐渐向市场有效性假设的方向发展。这时，资本市场将慢慢转变成客观存在的有效性市场，这一客观事实将导致行为金融学风险管理理论对金融市场的引导作用慢慢消亡。

按照行为金融学的研究结果，投资者在接受到资本市场上的信息后，由于自身的投资经验等其他因素的干扰，往往会根据发行者的宣传效应，过高或过低的对市场上发行的金融产品进行估价。而根据资本市场的验证结果，投资者往往会对自己的投资决策行为存在一定的认知误差。因此投资者应清醒的认识到，传统金融学风险管理理论基本假设中投资者是理性的假设是站不住脚的。在实际的投资决策中，投资者往往会受到来自心理、自身经验等较多因素的影响。投资者需要对自身在投资决策中的情绪与心理有一个正确的认识，并掌握自身情绪与心理对投资决策过程的影响[7-8]。投资者应清醒的认识到自身在投资决策上的失误，将导致自身的利益损失将成为其他投资者的利益与利润。资本市场的投资者应通过坦诚自身非理性的弱点这一事实，不断强化自身的风险意识。投资者应针对每一次投资决策，充分的做好事前的风险预测与风险控制。在投资决策实施后，市场出现波动时，投资者应努力学会对自己的情绪与心理进行有效的控制，防止自己做出非理性的错误决策。

在实际的资本市场中，投资者的行为存在着较高的复杂性。不同的投资者会按照自己过去的投资经验，对市场中的金融产品做出自己的初步分析与判断。在投资决策的过程中，投资者的心理决策变化同时也在不间断的发生。投资者的投资决策行为不仅仅会受到自身心理变化的干扰，同样也会受到来自外界的影响，包括市场规范、市场其他个体等。因此风险管理的决策过程也具备着一定的复杂性。针对风险管理中存在的可变因素，不能仅仅参照传统金融学风险管理理论的研究结果，其研究结果往往对于市场异像无法进行有效的解释。行为金融学风险管理理论应从市场环境等外在各种因素进行综合分析与考虑。

证券市场的不断发展壮大，对金融市场的风险管理提出了新的挑战，这使得风险管理理论不断的被应用于市场实践中。证券市场的不断优化与升级，使得风险管理理论的理论框架、理论内容、管理结构等各方面均面临着巨大的改革。行为金融学风险管理理论的研究，应从更全方位的视角，通过不同的理论体系，开创新的研究思路，使原有理论体系得到完善与发展。

结束语

综上所述，传统金融学与行为金融学风险管理理论并不是相互对立存在的，两者之间还存在着互相融合、互相渗透、互相补充。行为金融学风险管理理论的发展，在一定程度上对传统金融学风险管理理论中的不足与缺陷进行了弥补与纠正。行为金融学风险管理理论从心理学、行为学的角度上，将投资者的行为模式与心理认知均作为风险管理的研究对象，相对于传统金融学风险管理理论更符合资本市场的实际。然而目前行为金融学风险管理理论仍主要是对投资者的投资决策行为与投资决策心理等进行研究，还没有形成完善立体的理论体系。因此行为金融学风险管理理论还有进一步发展的空间。

参考文献：

[1]郑栋梁.行为金融学的发展历程探讨[J].商情,2011,(31)：6-6,136.

[2]赵晶.解析传统金融学与行为金融学的理论分歧[J].学习与探索,2014,(10)：115-120.

[3]丁志国,徐德财,赵晶等.由理想市场到现实交易：现代金融学理论假设的演进[J].当代经济研究,2013,(10)：48-54.

[4]李源,李杰.股票市场个人投资行为分析及策略建议——基于行为金融学视角[J].金融经济（理论版）, 2013,(12)： 91-92.

[5]王帅林.行为金融学初探[J].经济研究导刊,2011,(12)：53-54.

[6]任元江.基于行为金融学的投资效率探析[J].城市地理,2014,(18)：256-257.

[7]王征.论行为金融学统领下的投资策略[J].经济论坛,2013,(5)：93-94.

第8篇：风险型决策分析范文

财务风险在国内国外的概念有很多，从不同的角度和方面按照各自的理解描述和定义了财务风险。财务风险管理，毫无疑问是风险管理的分支之一，它是在充分利用前人创造和发展起来的风险管理经验和风险管理技术的基础上发展起来的一门新的管理科学。财务风险管理是一个处理源于金融市场的不确定性的过程，它涉及评估一个企业面临的财务风险并制定与内部优先事项和政策相一致的管理战略。财务风险的来源有很多，包括因短期内不能履行财务义务而导致的流动性风险，因未获得货款而产生的信用风险，对消费者的可分配收入产生影响，并导致与诸如零售商、房地产开发商和制造商的交易恶化的利率风险，投资项目在项目期内的现金流和折现率的通货膨胀风险，海外投资的预期现金流受到汇率波动的不利影响的汇率风险以及借款人的融资风险，等等。所以，建立健全的财务风险管理对每一个企业都是至关重要的。财务风险管理的主要目标就是对财务风险进行识别与分析评价之后运用各种措施和方法来减少对企业生产经营带来的不利影响，增加企业的实际收益，保证企业的生产经营在管理下持续高效。

二、国内外研究现状

国外关于财务风险管理的研究在大型工程方面主要侧重于工程项目财务风险影响因素的研究和财务风险研究方法的探讨。关于财务风险评估方法的研究现状有：Mustafa、Member、Zee等（1991）使用层次分析法（AHP）突破了传统方法的局限性，分析和评估项目风险的招投标阶段风险。在此基础上，Zhang.G、Zou.P（2007）建立了一个模糊层次分析法模型分析合资企业的环境风险以及项目的利益相关者的理性决策的风险评估模型的分析方法。TarekZayed，MohamedAmer，JiayinPan（2008）使用层次分析法（AHP）分析了中国公路的风险并提出了相应的对策。

国内的研究主要侧重于从模型、策略、评价指标和审计方面对工程项目的财务风险进行探究。我国财务风险的相关研究是从20世纪80年代末开始的。清华大学郭仲伟（1987）编写的《风险分析与决策》一书，全面系统地研究了风险分析与决策的方法，提出了风险管理的目的是为风险决策提供依据以及借助各种风险分析和控制方法，以最小投资谋取最大保障的管理活动。

张智勇（1996）最早提出国际工程承包项目的财务风险包括延迟付款、汇率浮动、换汇控制、通货膨胀等，并提出了一些应对当时经济情况的解决方法。

余娟、祝继高、刘晓宁（2005）在发表的《企业国际化经营中财务风险管理的理论探析对中国企业的启示》中提到财务风险是企业国际化经营过程中面临的重要风险，它对企业国际市场进入模式的选择有着重要的影响，并将财务风险划分投资风险、筹资风险、营运风险和交易风险，并就这四类风险对国际市场进入模式选择的影响进行研究与探讨。

石香焕、唐文彬（2007）借助于层次分析法（AHP）的工作原理，引进定性评价指标，建立层次分析模型，为全面、综合评估企业的财务风险状况提供一种新的思路，并为企业财务风险管理决策提供依据。提出了运用层次分析法的工作原理确定指标的权重，对人的主观判断进行客观描述，减少了主观因素对评价结果的误导；文章引入了定性评价指标（非财务指标），弥补了纯定量评估模型的缺陷，拓宽了风险评估的范围；通过建立层次分析模型，在对企业财务风险按各影响因素的相对隶属度进行层层分解的基础上进行综合评估。

钱丹第（2009）在国际工程项目财务风险研究方面提出国际工程面临的5项主要的财务风险：汇率波动风险、物价上涨通货膨胀风险、合同履约及合同变更风险、税收法律风险以及换汇控制。

沈亭、王淑慧（2010）借助于层次分析法（AHP）的工作原理，改进了指标选择的原则与方法，以便更适合其在财务分析中的运用，从而更加准确地反映公司的财务状况，建立层次分析模型，为全面、综合评估企业的财务风险状况提供一种新的思路，并为企业财务风险管理决策提供依据。

崔静（2011）在《企业财务管理研究》一文中说明了企业财务风险管理的内涵、目的及意义，提出在财务系统运行过程中，运用定量分析法和定性分析法，直接观察、计算、监督财务风险状况，制订公司风险经营方案。

李永杰（2012）在施工企业海外承揽工程方面进行了财务风险与防范的研究，国际工程项目面临着比国内更加复杂的政治和经济环境，项目实施过程中会受到多种财务风险的考验。要实现海外施工项目良好的盈利水平，就必须充分认识这些风险，通过多种方式增强施工企业自身应对海外风险的能力。

王茹（2012）将中国企业“走出去”即承揽海外工程的风险分为外部风险和内部风险。外部风险包括政治风险、经济风险、法律风险、市场风险、同业竞争风险等，内部风险包括战略风险、整合风险、人力资源风险、经营风险等。

尹嵩（2013）提出在我国的对外经济贸易中，国际工程项目是其中一个重要的组成部分。而我国的国际工程项目特别是国际工程承包方面，面临国外的工程承包企业激烈的竞争更是需要不断的发展。

陈永龙（2013）对国际工程承包企业的财务风险进行对策研究，提出企业应重视财务风险管理，识别、评估、处理、持续监督与评审相关的财务风险，在进行财务风险管理的过程中应尽可能地考虑各种因素的影响，使企业取得最佳的风险防范效果。

张超（2013）专门对国际工程承包项目财务风险中的汇率风险进行了研究，认为作为财务风险之一的汇率风险是任何国际承包工程企业无法回避的风险，汇率风险是双向的，既有风险损失，又有风险收益，但就国际承包工程项目而言，面临的风险损失要大于风险收益。

刘金兰、刘立旺、齐彤（2013）在系统分析价格、汇率、利率、信用、关联交易、税收、会计信息、流动性、资金安全、高风险业务风险等10项财务风险的基础上，应用多层级模糊综合评价法对海外油气项目的财务风险做了评价，得出税收、价格和汇率风险是目前海外油气项目面临的前3位财务风险，当前的财务风险处于中等略偏高水平的评价，并给出了税收、价格和汇率风险的剩余风险值。最后提出了应对财务风险的策略和措施。

第9篇：风险型决策分析范文

[关键词]大数据；个人信用风险评估；随机森林

一、引言

央行征信系统是目前世界规模最大、收录人数最多、收集信息全面、覆盖范围和使用广泛的信用信息基础数据库，其存在一些结构性的缺陷，直接影响了互联网金融和其他小型金融机构对客户综合信用评估的准确率。例如，虽然央行征信系统已经收集了8.68亿个自然人的信息，但是有信贷记录的人数仅有3亿多人，大量个人在征信系统中没有任何信贷信息；还有近6亿自然人信息没有被央行征信系统收集；央行征信系统信贷记录主要来源于商业银行等金融机构，其数据在时效性、全面性和层次性上存在短板，无法全面反映客户的真实信息；此外，民间借贷信息也不会接入央行征信系统。大数据是目前互联网领域的研究热点之一，为解决央行征信数据缺失情况下准确评估用户信用风险提供了一个方法。利用先进的机器学习理论建立基于大数据的信用评估模型，对用户在网购、交易、社交等平台积累的商誉和行为数据进行整合和分析，从而将商誉信息转化为信贷评级依据，解决交易过程中的信息不对称的问题，既可以对互联网金融、小额贷款公司等金融机构提供一个有力的风险抓手，也可以对在央行征信系统信贷数据缺失或者信用记录不好、资质比较差的客户提供一个获取信用类服务的机会。因此，深度挖掘互联网大数据信息，开发基于大数据的信用风险评估模型，具有十分重要的现理论和意义。

二、国内外典型个人信用评分系统

（一）FICO系统

FICO是FairIsaac公司推出的一套评分系统，在美国得到广泛使用，其实质是应用数学模型对客户信用信息进行量化分析，基本思想是把数据库中全体借款人的信用习惯与具体某个借款人过去的信用历史资料进行对比，分析该借款人未来发展趋势是否与数据库中那些已经陷入财务困境的借款人有共同的趋势，从而决定是否放款给借款人。其判断的指标主要是客户在金融信贷方面的信息，主要包括信贷组合（10%）、争取新信贷（10%）、信贷时长（15%），未偿债务（30%）、付款历史（35%）。FICO采用的数学模型是传统的logistic回归模型，其信息维度过于单一。

（二）ZestFinance

ZestFinance是一家基于大数据的信用风险评估公司，其信用理念是认为一切数据都与信用有关，从多种渠道获取用户数据，充分挖掘用户信用信息[1]。与传统征信体系不同，其数据来源主要包括第三方数据、网络数据、用户社交数据等多个维度，能够在大数据基础上，从多种角度对借款人进行量化信用评估。ZestFinance的信用评估模型基于先进机器学习和集成学习模型，但具体的预测模型细节是其核心机密，其信用评估模型中用到几千个数据项。（三）芝麻评分芝麻评分是蚂蚁金服旗下个人征信机构在国内率先推出的个人信用评分。芝麻信用通过网络数据的收集和评估对不同的个体给出相应的评分，主要考虑个人信用历史、行为偏好、履约能力、身份特征和人脉关系等维度，数据来源于阿里巴巴生态系统数据、政府公共部门数据以及合作机构数据等。评分模型以线性回归和逻辑回归为主，部分模型也涉及决策树、神经网络等现金机器学习技术。

三、构建用户画像

如何有效地收集、组织用户信息，挖掘与业务应用相关属性，是基于大数据的业务分析和建模之前需要重点解决的问题。“用户画像”是指企业通过收集与分析消费者相关的各种大数据信息，完美地抽象出一个用户的商业信息全貌，并针对特定业务场景进行用户特征不同维度的重新组合，精准刻画用户的商业特征[2]。用户画像可以用标签的集合来表述，一个标签可以看作是高度精炼的特征标识，如年龄段标签：25~35岁；地域标签：上海等。对互联网上用户相对稳定的静态信息数据，如性别、年龄、地域、职业、婚姻状况等，直接建立标签；对用户不断变化的行为等动态信息数据，采用事件模型构建标签及对应权重，一个典型事件模型包括时间、地点、人物三个要素，即什么用户、在什么时间、什么地点做了什么事。此外，标签的权重还应当考虑时效因素。

四、大数据预处理

在利用大数据进行个人信用风险评估建模之前，必须对大数据进行预处理，使其满足建模要求，主要包括以下一些处理环节。1.数据收集按照原始数据库和建模数据库分别收集数据，必要时采取补录数据的方式完善建模数据库。2.数据核对需要从表1所示的几个方面进行数据核对。3.数据清洗经过数据核对发现的数据问题，将通过数据清洗处理步骤进行处理。对于有问题的数据，尽量通过调整后使用，经过调整后仍然无法使用的数据，对其进行删除处理。4.单变量分析目的是确保变量满足符合实际业务意义，对分析对象具有高区分能力。（1）变量区分能力分析。往往使用多个统计指标进行计算，例如AR，K-S，等，然后综合各个统计指标的计算结果对于变量进行选择；（2）经济学含义分析。变量应当反映实际业务需要，具有明确的经济学含义；（3）变量转换。变量可能有很多类型，各个变量取值范围也可能有所不同，常用转换方法是将变量转换为概率值。5.多变量分析目的是降低变量间相关性，使模型具有稳定的高区分能力，包含尽可能多的不同信息类型。（1）变量相关性。常用方法有相关性矩阵，聚类分析或者使用容忍度、VIF指标等；（2）区分能力。对于多个变量的组合，除了分析其区分能力的高低之外，区分能力的稳定性也是一个重要的因素。（3）信息类型。模型所选变量对于可能信息类型要尽量涵盖全面，保证模型能够对于分析对象信用状况进行全面的评估。6.变量衍生互联网数据稀疏性强、原始变量业务解释性较弱，因此在模型分析前需生成更加稠密、业务解释性更强的衍生变量。衍生变量主要侧重于商品消费信息。

五、风险计量模型

传统信用风险评估模型在业务逻辑架构下分析变量的基本属性及风险区分能力，用逻辑回归等统计分析模型进行量化分析，得到精确的风险计量结果，然而用户行为数据独有的稀疏性会使得统计模型极不稳定。决策树对局部数据分析有着极强的稳定性和鲁棒性，同时可以揭示变量风险区分能力的非线性结构关系。因此可以将决策树模型和逻辑回归模型进行结合，即在进行统计建模前添加一层决策树模型进行单变量分析，同时利用CHAID决策树生成二元决策树变量，然后将决策树模型的输出结果(单变量、交叉变量及二元决策树变量)一同导入逻辑回归模型中进行统计建模，确定所有风险因子的风险权重。

（一）决策树模型

在决策树各种算法中，CHAID（Chi-SquaredAutomaticInteractionDetection）[3]既适用于二值型变量，也适用于连续型变量。针对每一次分叉，CHAID产生一系列二维，然后分别计算所生成二维表的卡方统计量或F检验。如果几个备选变量分类均显著，则比较P值大小，然后根据P值大小选择最显著的分类变量以及划分作为子节点。

（二）随机森林模型

随机森林（RandomForest）[4]是由美国科学家LeoBreiman2001年发表的一种机器学习算法，包含多个由Bagging集成学习技术训练得到的决策树，最终的分类结果由单个决策树的输出结果投票决定。随机森林克服了决策树过拟合问题，对噪声和异常值有较好的容忍性，对高维数据分类问题具有良好的可扩展性和并行性。

（三）逻辑回归模型

逻辑回归模型是因变量服从二项分布，且自变量的线性预测与因变量的logit变换相连接的一种广义线性模型。如果样本分布服从多元正态分布，那么该样本正好符合对数回归的假设，对数模型的误差项服从二项分布，在拟合时采用最大似然估计法进行参数估计。

六、系统开发关键步骤

根据前述风险计量模型，大数据环境下建立个人信用风险评估系统的关键步骤如下：不难看出，通过上述方法建立的系统具有以下优点：（1）以传统模型为基础搭建，保留传统模型的业务解释性和稳定性；（2）以随机森林模型为基本架构搭建了随机模型，克服了传统模型对数据噪声亦比较敏感的缺陷，使该系统的泛化性与稳定性有了进一步的提高；（3）克服了传统模型一般只能容纳10-15个变量的缺陷，该系统可以涵盖100+个变量。可以从源头杜绝用户刷分现象，提升公信力；（4）在应用层面的高度稳定性与业务解释性，使其有着比纯粹机器学习模型更广泛的应用空间。

七、应用展望

通过上述方法在大数据环境下建立的个人信用风险评估系统，可以在以下一些方面进行广泛应用。

（一）征信多元化

传统金融机构的征信信息来源主要是央行征信，但央行征信仅有3亿多人有信贷记录，信贷记录又主要来源于商业银行和农村信用社等金融机构。随着互联网不断渗入人们生活，互联网行为数据是央行征信的有效补充，可以不断强化征信数据的时效性、全面性和层次性，从无形中记录用户的行为，去伪存真，还原真实的客户。从而大大提升信息的利用率和有效性。同时，大数据风险模型的应用，可以不断提高金融机构风险识别、计量能力，从而不断完善征信信息体系架构，为精细化风险定价提供必要的基础和土壤。

（二）授信审批自动化

随着大数据模型开发技术与内部评级体系建设的深度融合，金融机构可更加广泛和全面地将评分/评级结果应用于授信审批，为贷款决策提供参考和支持。大数据风险模型优秀的风险排序及区分能力能够大力推进自动化审批的进程及线上产品的改革与创新。对模型评分高于一定级别且满足其它授信决策条件的，授信申请可以自动通过，不需要再经人工审核，对于评分低于一定级别的，模型自动拒绝其申请；只有评分介于以上两者之间的客户，才由人工介入进行申请审核。

（三）风险监控与预警精确化

风险监控与预警是指借助各类信息来源或渠道，通过对数据与信息进行整合与分析，运用定量和定性分析相结合的方法来发现授信客户及业务的早期风险征兆，准确识别风险的原因，分析其可能的发展趋势，并及时采取有针对性的处理措施，控制和化解授信风险的一系列管理过程。大数据风险模型较传统内部评级体系更为精细和灵敏，可以快速识别贷后风险，为不同的用户设定不同的监控频率、自动筛选高风险客户，制定有针对性的贷后管理措施、贷后管理工作等。

[参考文献]

[1]刘新海,丁伟.大数据征信应用与启示——以美国互联网金融公司ZestFinance为例[J].清华金融评论,2014(10).

[2]余孟杰.产品研发中用户画像的数据模建——从具象到抽象[J].设计艺术研究,2014(12).

[3]黄奇.基于CHAID决策树的个人收入分析[J].数学理论与应用.2009(12).