社會(huì)穩(wěn)定風(fēng)險(xiǎn)定量分析方法新探討
—— 基于蒙特卡羅模擬的社會(huì)穩(wěn)定風(fēng)險(xiǎn)定量分析

文/趙心田 劉俊穎 楊宣華

1.社會(huì)穩(wěn)定風(fēng)險(xiǎn)的描述

風(fēng)險(xiǎn)是未來損失的不確定性[1]。在社會(huì)穩(wěn)定風(fēng)險(xiǎn)中，“損失”則定義為發(fā)生群體性事件或個(gè)體極端事件，其程度則根據(jù)參與人數(shù)、沖突程度等來評(píng)價(jià)并量化為0～1不同的值；“不確定性”則表示為發(fā)生的概率以及影響的程度是不同的。對于社會(huì)風(fēng)險(xiǎn)的描述，可類似于：“該項(xiàng)目以40%概率造成0.5的社會(huì)穩(wěn)定影響，以10%的概率造成0.8的影響?！?/p>

2.社會(huì)穩(wěn)定風(fēng)險(xiǎn)分析定量分析現(xiàn)狀

“綜合風(fēng)險(xiǎn)指數(shù)法”是目前社會(huì)穩(wěn)定風(fēng)險(xiǎn)定量分析中比較常見的方法。其思路為：先估計(jì)單因素的風(fēng)險(xiǎn)概率和影響程度，二者乘積為該因素的風(fēng)險(xiǎn)程度，再確定單因素風(fēng)險(xiǎn)在項(xiàng)目整體中的權(quán)重，然后對各因素的風(fēng)險(xiǎn)程度加權(quán)求和，作為整個(gè)項(xiàng)目的綜合風(fēng)險(xiǎn)指數(shù)?！熬C合風(fēng)險(xiǎn)指數(shù)法”主要有兩個(gè)缺點(diǎn)[2][3][4]：（1）無論是單因素風(fēng)險(xiǎn)還是項(xiàng)目整體風(fēng)險(xiǎn)，都是估計(jì)的具體值，并沒有體現(xiàn)風(fēng)險(xiǎn)“不確定性”的特點(diǎn)；（2）加權(quán)會(huì)“稀釋”某些重要風(fēng)險(xiǎn)在整體項(xiàng)目風(fēng)險(xiǎn)中的作用，可能導(dǎo)致因整體風(fēng)險(xiǎn)偏低而忽視某些個(gè)別的重要風(fēng)險(xiǎn)。針對第2點(diǎn)，徐成彬、李開孟、彭振武在文章[3]中提出了以問題解決為導(dǎo)向的社會(huì)穩(wěn)定風(fēng)險(xiǎn)評(píng)估框架，以“發(fā)現(xiàn)問題-分析問題-解決問題”為主線，對單個(gè)風(fēng)險(xiǎn)因素進(jìn)行風(fēng)險(xiǎn)程度的定性和定量評(píng)估，并提出風(fēng)險(xiǎn)防范和化解措施，使每一個(gè)風(fēng)險(xiǎn)因素都達(dá)到低風(fēng)險(xiǎn)并可控的狀態(tài)。該方法強(qiáng)調(diào)了以解決風(fēng)險(xiǎn)問題為主，避免了加權(quán)帶來的“稀釋”作用。但該方法偏重定性分析，定量分析稍顯不足。針對第1點(diǎn)，胡建一在文章[4]中，將項(xiàng)目的整體風(fēng)險(xiǎn)用概率的視角來對待，得出項(xiàng)目整體風(fēng)險(xiǎn)發(fā)生的可能性與可能發(fā)生的損失結(jié)果，這更符合風(fēng)險(xiǎn)的“不確定性”。但該方法中，對單個(gè)風(fēng)險(xiǎn)因素的估計(jì)，依然使用“點(diǎn)乘”的估計(jì)思路，沒有體現(xiàn)出單因素風(fēng)險(xiǎn)的“不確定性”。

3.社會(huì)穩(wěn)定風(fēng)險(xiǎn)定量分析方法新探討

本文提出的定量分析思路旨在解決“綜合指數(shù)法”的兩個(gè)不足。本文將單個(gè)風(fēng)險(xiǎn)因素和項(xiàng)目整體風(fēng)險(xiǎn)都視為服從一定概率分布的隨機(jī)變量，同時(shí)，對于單因素風(fēng)險(xiǎn)和項(xiàng)目整體風(fēng)險(xiǎn)關(guān)系，不使用“加權(quán)平均”的思路，而是構(gòu)造一個(gè)新的風(fēng)險(xiǎn)決策函數(shù)。本文首先采用“三點(diǎn)估算法”對單因素風(fēng)險(xiǎn)進(jìn)行估計(jì)，然后根據(jù)已定義的風(fēng)險(xiǎn)決策函數(shù)，利用蒙特卡羅模擬法對項(xiàng)目整體的風(fēng)險(xiǎn)進(jìn)行定量分析。

3.1 單因素風(fēng)險(xiǎn)程度的估計(jì)

本研究將單個(gè)因素的風(fēng)險(xiǎn)影響程度視為服從一定概率分布的隨機(jī)變量，例如圖1所示，該風(fēng)險(xiǎn)40%概率造成0.4的影響程度，10%的概率造成0.7的影響程度。從這個(gè)角度出發(fā)，假如一個(gè)因素以較高概率發(fā)生較大影響，那就是個(gè)高風(fēng)險(xiǎn)因素，如果一個(gè)因素以較高概率產(chǎn)生較小的影響，那就是個(gè)低風(fēng)險(xiǎn)因素。

圖1 單因素風(fēng)險(xiǎn)影響程度概率分布圖

圖2 貝塔分布圖

基于此，對單因素風(fēng)險(xiǎn)進(jìn)行定量估計(jì)，就變成估計(jì)該風(fēng)險(xiǎn)因素影響程度的概率密度函數(shù)。然而，鑒于社會(huì)穩(wěn)定風(fēng)險(xiǎn)定量分析的相關(guān)研究起步較晚，可參考的歷史數(shù)據(jù)少，前期調(diào)研也更多的是定性資料，導(dǎo)致對于概率分布的假設(shè)和參數(shù)估計(jì)幾乎是沒有數(shù)據(jù)來支撐的。針對該類情況，本文借鑒項(xiàng)目風(fēng)險(xiǎn)決策中較為成熟的一種方法—三點(diǎn)估算法，對單因素風(fēng)險(xiǎn)進(jìn)行參數(shù)估計(jì)。

（1）三點(diǎn)估算法

三點(diǎn)估算法最初是來自于計(jì)劃評(píng)審技術(shù)（Program Evaluation and Review Technique，簡稱 PERT），PERT是目前工程實(shí)踐中運(yùn)用非常廣泛的一種工程項(xiàng)目進(jìn)度風(fēng)險(xiǎn)分析方法[7]。PERT 于1958年由美國海軍武器規(guī)劃局的工程技術(shù)人員提出，他們運(yùn)用該方法決策北極星導(dǎo)彈潛艇的建造，提前兩年完成任務(wù)，取得巨大的成功。經(jīng)典的PERT方法認(rèn)為，項(xiàng)目的各項(xiàng)活動(dòng)花費(fèi)的時(shí)間是一個(gè)隨機(jī)變量（設(shè)為X），不能估計(jì)出其準(zhǔn)確值，但假設(shè)X服從貝塔分布，可以用三個(gè)值對該分布進(jìn)行刻畫估計(jì)：最樂觀時(shí)間a、最悲觀時(shí)間b、最可能的時(shí)間m（如圖2）。

在前期量化資料很少的情況下，將風(fēng)險(xiǎn)的影響程度假設(shè)為貝塔分布是一種經(jīng)驗(yàn)性的做法，從項(xiàng)目風(fēng)險(xiǎn)管理的運(yùn)用來看，這種假設(shè)是合理的[8]。本文設(shè)單因素風(fēng)險(xiǎn)為變量X，并假設(shè)其服從貝塔分布，利用a,b,m便可以估算出X的均值（u表示，下同）與方差（σ2表示，下同），分別如公式（1）和（2）所示：

關(guān)于上述式子的估算，文獻(xiàn)[5]第二章節(jié)中提到了華羅庚教授對其做過的通俗解釋。

利用三點(diǎn)估算（a,m,b）以及公式（1）（2），便可以完成貝塔分布的未知參數(shù)的估計(jì)。(a,m,b)由評(píng)估專家依據(jù)前期的調(diào)研資料和經(jīng)驗(yàn)進(jìn)行估算，其中：

?最樂觀的估計(jì)：事情進(jìn)展比較順利，考慮到的困難點(diǎn)幾乎沒有出現(xiàn)，這種情況得到估計(jì)值a。

?最可能的估計(jì)：根據(jù)歷史經(jīng)驗(yàn)，借鑒同類項(xiàng)目的情況，判斷考慮到的困難點(diǎn)最可能影響的程度，在這種情況下得到估計(jì)值m。

?最悲觀的估計(jì)：事情進(jìn)展不是很順利，許多潛在的困難點(diǎn)都出現(xiàn)了，甚至還有沒有考慮到的困難出現(xiàn)，在這種情況下得到估計(jì)值b。

（2）貝塔分布的參數(shù)估計(jì)

單因素風(fēng)險(xiǎn)X服從貝塔分布 ，貝塔分布總共有4個(gè)參數(shù)，其中a,b決定了分布的區(qū)間，r,s決定了分布的形狀。其均值與方差分別如公式(3)和(4)所示：

該分布中，概率最大的數(shù)為眾數(shù)m（即最可能的估值），根據(jù)貝塔分布的公式，利用導(dǎo)數(shù)df(x) /d/d(x)=0即得

利用公式（3）（4）（5）中任意兩個(gè)帶入（1）（2）可得r和s的估計(jì)。注意這里的r，s可能并非唯一解，需保證r>0，s>0。比如這里用（3）（5）帶入（1）（2）即得：

利用a,b,m便完成了貝塔分布4個(gè)參數(shù)（a,b,r,s）的估計(jì)。

3.2風(fēng)險(xiǎn)決策函數(shù)：風(fēng)險(xiǎn)因素和項(xiàng)目整體風(fēng)險(xiǎn)的關(guān)系

設(shè)X1,X2,???,Xn為n個(gè)單 因素風(fēng)險(xiǎn)隨機(jī)變量，項(xiàng)目整體風(fēng)險(xiǎn)為Y，風(fēng)險(xiǎn)決策函數(shù)為Y=F(X1,X2,??,Xn)。“綜合風(fēng)險(xiǎn)指數(shù)法”中該決策函數(shù)相當(dāng)于Y=WiXi，其中Xi為第i個(gè)風(fēng)險(xiǎn)因素的風(fēng)險(xiǎn)程度，Wi為第i個(gè)風(fēng)險(xiǎn)因素的權(quán)重。但該公式是欠妥的[2]，尤其是權(quán)重會(huì)導(dǎo)致項(xiàng)目整體風(fēng)險(xiǎn)被拉低。若一個(gè)項(xiàng)目具有某項(xiàng)可能引發(fā)社會(huì)穩(wěn)定的風(fēng)險(xiǎn)，如征地補(bǔ)償可能引發(fā)群體性事件，則該風(fēng)險(xiǎn)就是項(xiàng)目整體風(fēng)險(xiǎn)，不存在局部風(fēng)險(xiǎn)和整體風(fēng)險(xiǎn)區(qū)分的問題[2]。比如有3個(gè)風(fēng)險(xiǎn)因素，風(fēng)險(xiǎn)程度等級(jí)分別為較大、一般、較小，則項(xiàng)目整體風(fēng)險(xiǎn)程度不應(yīng)該低于較大風(fēng)險(xiǎn)的等級(jí)程度。受該思路的啟發(fā)，本文提出的風(fēng)險(xiǎn)決策函數(shù)如公式（9）所示：

該函數(shù)表示用風(fēng)險(xiǎn)因素中風(fēng)險(xiǎn)程度最大的定義為項(xiàng)目整體風(fēng)險(xiǎn)程度。該決策函數(shù)有如下好處：

?避免了加權(quán)平均可能會(huì)導(dǎo)致的“稀釋”作用。

?整體風(fēng)險(xiǎn)程度不低于任意一個(gè)風(fēng)險(xiǎn)因素的風(fēng)險(xiǎn)程度，這也符合實(shí)際的情況。

?如果想讓項(xiàng)目整體風(fēng)險(xiǎn)降低，則需要重點(diǎn)關(guān)注影響程度最大的風(fēng)險(xiǎn)因素，將其影響程度降低。這點(diǎn)和中國國際工程咨詢有限公司提出的“以問題解決為導(dǎo)向”的評(píng)價(jià)框架[3]中“以項(xiàng)目的所有社會(huì)穩(wěn)定風(fēng)險(xiǎn)均處于‘低風(fēng)險(xiǎn)且可控’狀態(tài)為評(píng)判準(zhǔn)則”是相吻合的。

?單因素風(fēng)險(xiǎn)程度是隨機(jī)變量，由該決策函數(shù)計(jì)算所得的項(xiàng)目整體風(fēng)險(xiǎn)程度依然是一個(gè)隨機(jī)變量，也具有“不確定性”的特點(diǎn)。

3.3蒙特卡羅模擬

項(xiàng)目社會(huì)穩(wěn)定風(fēng)險(xiǎn)分析和評(píng)估有兩個(gè)重要目標(biāo)：第一，確定項(xiàng)目的整體風(fēng)險(xiǎn)程度，為決策者提供依據(jù)；第二，識(shí)別出項(xiàng)目中最主要的幾個(gè)風(fēng)險(xiǎn)因素，重點(diǎn)分析并提出全面的風(fēng)險(xiǎn)防范和化解措施?；谏鲜觯?.1）（3.2）的單因素風(fēng)險(xiǎn)假設(shè)和決策函數(shù)，可以通過蒙特卡羅模擬對上述兩個(gè)目標(biāo)進(jìn)行定量的分析。

（1）蒙特卡羅模擬流程及原理

蒙特卡羅模擬方法是一種以數(shù)理統(tǒng)計(jì)理論為基礎(chǔ)的仿真方法，廣泛運(yùn)用于風(fēng)險(xiǎn)決策的量化分析中。其基本原理：設(shè)是n個(gè)風(fēng)險(xiǎn)因素的隨機(jī)變量，這n個(gè)隨機(jī)變量的概率分布是已知的，風(fēng)險(xiǎn)決策函數(shù)為這個(gè)函數(shù)表達(dá)式也是已知的。蒙特卡羅模擬方法依據(jù)隨機(jī)變量各自的概率分布隨機(jī)生成一組確定的值將這組值帶入決策函數(shù)，求得y的值這就完成一次模擬的過程。蒙特卡羅模擬往往是要進(jìn)行成千上萬次，得到一系列的y值然后通過統(tǒng)計(jì)這一系列y的特征，完成對項(xiàng)目風(fēng)險(xiǎn)的量化分析。模擬次數(shù)越多，對y刻畫的精確度越高。

社會(huì)穩(wěn)定風(fēng)險(xiǎn)進(jìn)行量化分析的蒙特卡羅模擬流程如圖3所示：

① 識(shí)別風(fēng)險(xiǎn)因素，并確定各單因素風(fēng)險(xiǎn)的概率分布。這里各風(fēng)險(xiǎn)因素均假設(shè)為貝塔分布。

圖3 蒙特卡羅模擬流程圖

② 在①假設(shè)的概率分布基礎(chǔ)上，對概率分布的參數(shù)進(jìn)行估計(jì)。這里用三點(diǎn)估算法估計(jì)貝塔分布的各參數(shù)。

③在②的基礎(chǔ)上利用蒙特卡羅模擬產(chǎn)生一組隨機(jī)值。

④將③產(chǎn)生的值帶入決策函數(shù)，并重復(fù)多次該過程，計(jì)算出一系列的y。

⑤對④所獲得的一系列y值進(jìn)行統(tǒng)計(jì)，從而刻畫出項(xiàng)目的風(fēng)險(xiǎn)特征。

（2）確定項(xiàng)目整體風(fēng)險(xiǎn)程度

本文以風(fēng)險(xiǎn)程度高于0.64為高風(fēng)險(xiǎn)，0.36-0.64為中風(fēng)險(xiǎn)，0.36以下為低風(fēng)險(xiǎn)作為判定準(zhǔn)則。假設(shè)隨機(jī)模擬了N次獲得了項(xiàng)目整體風(fēng)險(xiǎn)程度的N個(gè)值 ，則項(xiàng)目整體風(fēng)險(xiǎn)程度期望值如公式（10）所示：

項(xiàng)目高風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)與低風(fēng)險(xiǎn)的發(fā)生的概率為：

最后，本文以項(xiàng)目高、中、低風(fēng)險(xiǎn)的概率和整體風(fēng)險(xiǎn)程度期望值來定量刻畫項(xiàng)目的整體風(fēng)險(xiǎn)。

（3）確定重點(diǎn)風(fēng)險(xiǎn)因素

對于單因素風(fēng)險(xiǎn)的重要程度，可以用以下的指標(biāo)進(jìn)行衡量：

期望值?？梢灾苯佑萌c(diǎn)估算法中的期望公式，計(jì)算出該風(fēng)險(xiǎn)因素的影響程度的期望值，用期望值進(jìn)行比較。或者用蒙特卡羅模擬中，求出各個(gè)風(fēng)險(xiǎn)程度的平均值

CRI（等級(jí)相關(guān)）。計(jì)算單個(gè)風(fēng)險(xiǎn)因素（Xi）對項(xiàng)目整體風(fēng)險(xiǎn)程度（Y）的影響程度大小，影響越大，則該風(fēng)險(xiǎn)因素越重要。衡量該影響的指標(biāo)設(shè)計(jì)可以有多種，參考Williams(1993)[6]在網(wǎng)絡(luò)評(píng)審計(jì)劃研究中提出的活動(dòng)重要性指標(biāo)（Cruciality Index，CRI），又叫等級(jí)相關(guān)。CRI是用Xi和Y的相關(guān)系數(shù) corr（Xi，Y）來衡量該風(fēng)險(xiǎn)因素對Y的影響。

（4）工具推薦

蒙特卡羅模擬的工具很多，本文推薦一款excel的插件--Crystal Ball。Crystal Ball是美國Decisioneering公司開發(fā)的一款軟件，是一款專門用來做風(fēng)險(xiǎn)評(píng)估和決策分析的工具。

4.案例分析

4.1 項(xiàng)目概述

該項(xiàng)目是某地區(qū)示范小城鎮(zhèn)農(nóng)民安置用房項(xiàng)目，通過前期的風(fēng)險(xiǎn)盡職調(diào)查和專家的討論，共識(shí)別出8項(xiàng)風(fēng)險(xiǎn)因素，并利用“綜合指數(shù)法”進(jìn)行量化評(píng)估，結(jié)果如表1所示。

用綜合風(fēng)險(xiǎn)指數(shù)的方法評(píng)估后，措施前項(xiàng)目整體風(fēng)險(xiǎn)等級(jí)為中風(fēng)險(xiǎn)，措施后為低風(fēng)險(xiǎn)。

4.2 蒙特卡羅模擬方法進(jìn)行風(fēng)險(xiǎn)分析

（1）單因素風(fēng)險(xiǎn)的估計(jì)

根據(jù)調(diào)研資料和經(jīng)驗(yàn)專家對每個(gè)風(fēng)險(xiǎn)因素分別估計(jì)出最樂觀值、最可能值和最悲觀值等三個(gè)值，然后對各個(gè)專家的估計(jì)值進(jìn)行平均，獲得每個(gè)風(fēng)險(xiǎn)因素的三點(diǎn)估計(jì)值（見表2）。例如，措施前“規(guī)劃和審批”和“征地拆遷補(bǔ)償”兩個(gè)風(fēng)險(xiǎn)因素，在綜合指數(shù)法中，二者的風(fēng)險(xiǎn)程度得分較為接近，均為較大風(fēng)險(xiǎn)。由于項(xiàng)目的前期很多審批程序都還在進(jìn)行中，因此專家在打分上面對“規(guī)劃和審批”的風(fēng)險(xiǎn)影響打分都比較高，最后該風(fēng)險(xiǎn)定為較大風(fēng)險(xiǎn)。但在三點(diǎn)估算法中，可以看到二者的明顯區(qū)別：最樂觀估計(jì)中，對于“規(guī)劃和審批”假如前置審批順利，其風(fēng)險(xiǎn)影響基本可以忽略，分值為0.1，但是對于“征地拆遷補(bǔ)償”假如順利的話，依然存在一些潛在的困難，不可將其忽視，分值為0.22。對于悲觀的估計(jì)，即便“規(guī)劃和審批”中出現(xiàn)了很多困難，但是對于社會(huì)穩(wěn)定的影響還是有限的，分值0.4，但是“征地拆遷補(bǔ)償”不一樣，悲觀的情況就是會(huì)引起群體事件，分值0.78。可以看到二者的概率密度如圖4所示（其中“規(guī)劃和審批”的概率密度如圖4（1）所示，“征地拆遷補(bǔ)償”如圖4（2）所示），二者有明顯的區(qū)別。因此，三點(diǎn)估算法可以反映比“綜合指數(shù)法”更多的信息。

表1 應(yīng)用“綜合指數(shù)法”的風(fēng)險(xiǎn)量化評(píng)估結(jié)果

圖4 （1）“規(guī)劃和審批”風(fēng)險(xiǎn)的概率密度

圖4 （2）“征地拆遷補(bǔ)償”風(fēng)險(xiǎn)的概率密度

落實(shí)措施后，再分別評(píng)估各風(fēng)險(xiǎn)因素最可能值、最樂觀值，最悲觀值。最后得到該項(xiàng)目各風(fēng)險(xiǎn)因素措施前后的三點(diǎn)估算值，如表2所示：

（2）蒙特卡羅模擬分析

項(xiàng)目的決策函數(shù)y=max（X1，X2，???，X8），設(shè)置模擬的次數(shù)為10000次，然后得到統(tǒng)計(jì)結(jié)果，并對項(xiàng)目整體風(fēng)險(xiǎn)和單因素風(fēng)險(xiǎn)分別進(jìn)行量化分析。

1）措施前項(xiàng)目的整體風(fēng)險(xiǎn)

措施前的風(fēng)險(xiǎn)量化結(jié)果如圖5所示，其中，項(xiàng)目的期望風(fēng)險(xiǎn)值為：0.55，其中，86%的概率是中風(fēng)險(xiǎn)，14%的概率是高風(fēng)險(xiǎn)，幾乎不會(huì)出現(xiàn)低風(fēng)險(xiǎn)。

2）識(shí)別重要的風(fēng)險(xiǎn)因素

利用上文提到的CR（I等級(jí)相關(guān)）指標(biāo)來評(píng)估各風(fēng)險(xiǎn)因素的重要程度。Crystal Ball中的敏感度分析部分，點(diǎn)擊預(yù)測—>打開敏感度圖，系統(tǒng)默認(rèn)為方差貢獻(xiàn)，此處本研究選擇等級(jí)相關(guān)，其結(jié)果如圖6所示，“群眾工作落實(shí)”、“征地拆遷補(bǔ)償”、“安置房保障”依次是和項(xiàng)目整體風(fēng)險(xiǎn)最相關(guān)的指標(biāo)，應(yīng)當(dāng)重點(diǎn)關(guān)注，提出有效可行的風(fēng)險(xiǎn)防范和化解措施。

表2 項(xiàng)目各風(fēng)險(xiǎn)因素的三點(diǎn)估算值

圖5 措施前項(xiàng)目整體風(fēng)險(xiǎn)量化圖

圖6 CRI 敏感度圖分析

3）措施后的項(xiàng)目整體風(fēng)險(xiǎn)

措施后，蒙特卡羅模擬結(jié)果圖7所示：項(xiàng)目整體風(fēng)險(xiǎn)期望值為0.34，74%的概率是低風(fēng)險(xiǎn)，26%的概率中風(fēng)險(xiǎn)。

結(jié)果顯示，該方法措施前后項(xiàng)目整體風(fēng)險(xiǎn)的期望值都高于綜合指數(shù)法，因?yàn)樵摲椒ㄓ米罡叩娘L(fēng)險(xiǎn)因素衡量項(xiàng)目整體風(fēng)險(xiǎn)，所以期望值會(huì)比用綜合指數(shù)法的方法高。同時(shí)該方法還給出了項(xiàng)目處于各風(fēng)險(xiǎn)等級(jí)的概率，輔助風(fēng)險(xiǎn)決策。由于三點(diǎn)估算法，加入了更多差異的信息，這使得識(shí)別重點(diǎn)風(fēng)險(xiǎn)因素也更準(zhǔn)確，如果想要降低項(xiàng)目的整體風(fēng)險(xiǎn)，那就需要將所有的風(fēng)險(xiǎn)因素都降低到可控的狀態(tài)。

5.總結(jié)

圖7 措施后項(xiàng)目整體風(fēng)險(xiǎn)量化圖

本文回顧和分析目前社會(huì)穩(wěn)定風(fēng)險(xiǎn)定量分析的方法以及存在的問題，在此基礎(chǔ)上探討新的定量分析方法。該方法假設(shè)單因素風(fēng)險(xiǎn)為服從貝塔分布的隨機(jī)變量，并用三點(diǎn)估算法對其進(jìn)行參數(shù)估計(jì)。對于項(xiàng)目整體風(fēng)險(xiǎn)和單因素風(fēng)險(xiǎn)因素的關(guān)系，本文則以單因素風(fēng)險(xiǎn)中的最大值作為項(xiàng)目的整體風(fēng)險(xiǎn)值，該公式表明要想降低項(xiàng)目風(fēng)險(xiǎn)則需要將每個(gè)因素的風(fēng)險(xiǎn)都降低。最后基于蒙特卡羅模擬方法，對項(xiàng)目整體風(fēng)險(xiǎn)進(jìn)行量化估計(jì)，獲得決策的結(jié)果。該方法運(yùn)用在一個(gè)項(xiàng)目案例上，不僅能夠獲得該項(xiàng)目整體風(fēng)險(xiǎn)的期望值，還能夠獲得項(xiàng)目處于高中低各等級(jí)風(fēng)險(xiǎn)的概率值，同時(shí)利用CRI指標(biāo)，能夠識(shí)別出重要的風(fēng)險(xiǎn)因素，運(yùn)用風(fēng)險(xiǎn)防范化解措施后，模擬結(jié)果表明雖然項(xiàng)目的整體風(fēng)險(xiǎn)期望處于低風(fēng)險(xiǎn)，但仍有26%的可能性發(fā)生中風(fēng)險(xiǎn)，這有助于對風(fēng)險(xiǎn)更全面的認(rèn)識(shí)，從而為決策提供更全面地視角?？_法的工程項(xiàng)目工期風(fēng)險(xiǎn)分析[D],三峽大學(xué),2012.