常用风险分析方法

10.5.2　常用风险分析方法

风险分析是由风险分析人员，通过对风险分析工具、技术以及风险表现类别的掌握，对风险存在和发生的时间、风险的影响和损失、风险可能性、风险级别以及风险的可控性加以分析。常用风险分析的方法较多，本节仅简要介绍几种常用方法的基本原理和基本操作步骤。具体应用可参见有关书籍。

1.专家调查法

专家调查法指通过发函、开会或其他形式向专家进行咨询，由专家对项目风险因素、风险发生的可能性及风险对项目的影响程度进行评定，将多位专家的经验集中起来形成分析结论。专家调查法简单、易操作，它凭借分析者的经验对项目各类风险因素及其风险程度做出定性估计。由于它比一般的经验识别法更具客观性，因此应用较为广泛。

采用专家调查法时，专家应熟悉该行业和所评估的风险因素，并能做到客观公正。为减少主观性，聘用的专家应有一定数量要求，一般应在10～20位。

具体操作上，将项目可能出现的各类风险因素、风险发生的可能性及风险对项目的影响程度采取表格形式一一列出，请每位专家凭借经验独立对各类风险因素的可能性和影响程度进行选择，最后将各位专家的意见归集起来，填写专家调查表。专家调查法是获得主观概率的基本方法。

2.层次分析法

层次分析法（the analytic hierarchy process）是美国著名运筹学家，匹兹堡大学教授T.L.Saaty于20世纪70年代中期提出的一种定性与定量相结合的决策分析方法，简称AHP方法。

层次分析法是一种多准则决策分析方法。这种方法是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。尤其适合于对决策结果难于直接准确计量的场合。

层次分析法的特点是能将人们的思维过程数学化、系统化，以便于接受。应用这种方法时所需的定量信息较少，但要求决策者对决策问题的本质、包含的要素及其相互之间的逻辑关系掌握十分透彻。

在风险分析中它有两种用途：一是将风险因素逐层分解识别，直至最基本的风险因素，也称正向分解；二是两两比较同一层次风险因素的重要程度，列出该层风险因素的判断矩阵（判断矩阵可由专家调查法得出），判断矩阵的特征根就是该层次各个风险因素的权重，利用权重与同层次风险因素概率分布的组合，求得上一层风险的概率分布，直至求出总目标的概率分布，也称反向合成。

运用层次分析法的步骤如下：

（1）通过对项目风险的深刻认识，确定该项目的总目标，实现目标的准则、策略和各种风险因素件等，广泛地收集信息。

（2）建立一个多层次的递阶结构，按目标的不同、实现功能的差异，将系统分为几个等级层次，如图10-8所示。应用AHP分析决策问题时，首先要把问题条理化、层次化，构造出一个有层次的结构模型。在这个模型上，复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配作用。这些层次可以分为三类：

图10-8　风险因素的递阶层次图

①最高层。这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果，因此也称为目标层。

②中间层。这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则，因此也称为准则层。

③最底层。这一层次包括了为实现目标可供选择的各种措施、决策方案等，因此也称为措施层或方案层。

递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关，一般的层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个。这是因为支配的元素过多会给两两比较判断带来困难。

（3）确定以上递阶结构中相邻层次元素间相关程度。通过构造两两比较判断矩阵及矩阵运算的数学方法，确定对于上一层次的某个元素而言，本层次中与其相关元素的重要性排序——相对权值。

（4）计算各层元素对系统目标的合成权重，进行总排序，以确定递阶结构图中最底层各个元素在总目标中的重要程度。

（5）将各项的权重与子项的风险概率分布加权叠加，得出项目的经济风险概率分布。

3.CIM法

CIM模型（CIM，controlled interval and memory model）是控制区间和记忆模型，也称概率分布的叠加模型，或“记忆模型”。这种方法是C钱伯曼（C. Chapman）和D.库泊（D.Cooper）在1983年提出的。CIM模型包括串联响应模型和并联响应模型，它们分别是以随机变量的概率分布形式进行串联、并联叠加的有效方法。

CIM方法的主要特点是：用离散的直方图表示随机变量概率分布，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。在概率叠加的时候，CIM可将直方图的变量区间进行调整，即所谓的区间控制，一般是缩小变量区间，使直方图与概率解析分布的误差显著减小，提高了计算的精度。CIM模型同时也可用“记忆”的方式考虑前后变量的相互影响，把前面概率分布叠加的结果记忆下来，应用“控制区间”的方法将其与后面变量的概率分布叠加，直到最后一个变量为止。应用CIM模型分析风险的具体方法，读者可以参考有关CIM的书籍。

4.概率树

概率树分析是假定风险变量之间是相互独立的，在构造概率树的基础上，将每个风险变量的各种状态取值组合计算，分别计算每种组合状态下的评价指标值及相应的概率，得到评价指标的概率分布，并统计出评价指标低于或高于基准值的累计概率，计算评价指标的期望值、方差、标准差和离散系数。可以绘制以评价指标为横轴，累计概率为纵轴的累计概率曲线。运用概率树分析风险的步骤如下：

（1）通过敏感性分析，确定风险变量。

（2）判断风险变量可能发生的情况。

（3）确定每种情况可能发生的概率，每种情况发生的概率之和必须等于1。

（4）求出可能发生事件的净现值、加权净现值，然后计算净现值的期望值。

（5）用插入法求出净现值大于或等于零的累计概率。

5.蒙特卡罗模拟法

蒙特卡罗模拟法（Monte-Carlo Simulation）又称随机模拟法或统计试验法，是一种依据统计理论，利用计算机来研究风险发生概率或风险损失的数值计算方法。由于该方法相对精确，在目前的工程项目风险分析中，得到应用广泛。该方法源于第二次世界大战期间，Von Neuman和Ulam对裂变物质中子的随机扩散进行模拟的研究，并以世界闻名的赌城蒙特卡罗作为该项目研究的秘密代号而得名。

蒙特卡罗模拟技术，是用随机抽样的方法抽取一组满足输入变量的概率分布特征的数值，输入这组变量计算项目评价指标，通过多次抽样计算可获得评价指标的概率分布及累计概率分布、期望值、方差、标准差，计算项目可行或不可行的概率，从而估计项目投资所承担的风险。具体模拟过程如下：

（1）通过敏感性分析，确定风险变量。

（2）构造风险变量的概率分布模型。

（3）为各输入风险变量抽取随机数。

（4）将抽得的随机数转化为各输入变量的抽样值。

（5）将抽样值组成一组项目评价基础数据。

（6）根据基础数据计算出评价指标值。

（7）整理模拟结果所得评价指标的期望值、方差、标准差和它的概率分布及累计概率，绘制累计概率图，计算项目可行或不可行的概率。