新型產(chǎn)業(yè)經(jīng)濟(jì)環(huán)境下農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估

路 榮

（西安財(cái)經(jīng)大學(xué)行知學(xué)院，陜西 西安 710038）

農(nóng)村經(jīng)濟(jì)逐漸步入國民整體經(jīng)濟(jì)循環(huán)，農(nóng)村新型產(chǎn)業(yè)經(jīng)濟(jì)的發(fā)展離不開金融力量作支撐，農(nóng)民群體的生活離不開數(shù)字金融行業(yè)［1］。數(shù)字金融宏觀上包括互聯(lián)網(wǎng)支付、移動支付、網(wǎng)上銀行、網(wǎng)上貸款、網(wǎng)上基金等金融服務(wù)項(xiàng)目。金融與科技的有機(jī)結(jié)合呈現(xiàn)了數(shù)字金融的新業(yè)態(tài)［2］，與傳統(tǒng)金融經(jīng)營模式相比，數(shù)字金融包含支付、信息處理、資源配置等綜合性功能，在一定程度上增加了資金的流動性，擴(kuò)大了需求，進(jìn)而拉動了農(nóng)村地區(qū)產(chǎn)業(yè)經(jīng)濟(jì)的增長［3］。但由于數(shù)字金融涉及金融科技、軟硬件設(shè)備、農(nóng)民群體等多種因素，使得操作過程中存在巨大的風(fēng)險(xiǎn)因素。

以往的金融操作風(fēng)險(xiǎn)研究大多集中在城市數(shù)字金融風(fēng)險(xiǎn)評估以及農(nóng)村傳統(tǒng)形式金融操作風(fēng)險(xiǎn)評估方面，而對于新型的農(nóng)村數(shù)字金融業(yè)態(tài)操作風(fēng)險(xiǎn)研究較少。本研究結(jié)合農(nóng)村產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展等特征，構(gòu)建了風(fēng)險(xiǎn)矩陣優(yōu)化模型，以農(nóng)村某數(shù)字金融系統(tǒng)為研究實(shí)例，通過對金融操作過程進(jìn)行風(fēng)險(xiǎn)分析，為提高農(nóng)民金融行為的安全系數(shù)、增強(qiáng)農(nóng)村產(chǎn)業(yè)經(jīng)濟(jì)的安全、穩(wěn)步發(fā)展提供參考。

1 基于改進(jìn)風(fēng)險(xiǎn)矩陣法的農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估模型

1.1 基于改進(jìn)風(fēng)險(xiǎn)矩陣法的風(fēng)險(xiǎn)評估模型的構(gòu)建

本研究對傳統(tǒng)風(fēng)險(xiǎn)矩陣法進(jìn)行了改進(jìn)，首先，引入層次分析法確定各風(fēng)險(xiǎn)因素的風(fēng)險(xiǎn)權(quán)重值，明確農(nóng)村數(shù)字金融操作的各風(fēng)險(xiǎn)等級與風(fēng)險(xiǎn)綜合水平［4］；其次，根據(jù)風(fēng)險(xiǎn)評估結(jié)果，對農(nóng)村數(shù)字金融操作產(chǎn)生的風(fēng)險(xiǎn)可接受程度進(jìn)行評價(jià)，有針對性地提出了降低農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)、優(yōu)化新農(nóng)村建設(shè)進(jìn)程中數(shù)字金融的運(yùn)行環(huán)境等策略。

基于改進(jìn)風(fēng)險(xiǎn)矩陣的農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估過程如下：（1）確定風(fēng)險(xiǎn)概率與風(fēng)險(xiǎn)影響的等級細(xì)則，計(jì)算風(fēng)險(xiǎn)發(fā)生概率及其序值、風(fēng)險(xiǎn)影響程度及其序值；構(gòu)建風(fēng)險(xiǎn)等級判斷的二維矩陣［5］。（2）基于風(fēng)險(xiǎn)概率與風(fēng)險(xiǎn)影響序值，計(jì)算風(fēng)險(xiǎn)Broda數(shù)值及其序值。（3）對風(fēng)險(xiǎn)可接受程度進(jìn)行分析，根據(jù)風(fēng)險(xiǎn)權(quán)重值，分析各風(fēng)險(xiǎn)因素的可接受程度［6］，并制定各層面的金融操作優(yōu)化策略。

1.2 基于泊松分布的風(fēng)險(xiǎn)影響量化分級

一般風(fēng)險(xiǎn)評估矩陣的構(gòu)建是基于現(xiàn)有的類似研究，進(jìn)行風(fēng)險(xiǎn)嚴(yán)重程度的劃分，具有較大的隨機(jī)性，并且缺乏具體問題具體分析的科學(xué)依據(jù)，為了使農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估的風(fēng)險(xiǎn)影響分級更加貼合研究對象的實(shí)際情形，本研究基于泊松分布量化風(fēng)險(xiǎn)嚴(yán)重程度，構(gòu)建科學(xué)、客觀、符合現(xiàn)實(shí)情況的農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)的評估模型。首先，基于泊松分布，構(gòu)建農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)嚴(yán)重程度的評估模型，然后，利用粒子群算法優(yōu)化模型參數(shù)，求解最優(yōu)的風(fēng)險(xiǎn)嚴(yán)重程度評估模型，形成科學(xué)的農(nóng)村數(shù)字金融操作“風(fēng)險(xiǎn)影響”程度量化分級。

1.3 基于層次分析法的農(nóng)村數(shù)字金融操作指標(biāo)體系權(quán)重的確定

各指標(biāo)在指標(biāo)體系模型中的影響力通過指標(biāo)權(quán)重來表示，層次分析法可以將定性問題轉(zhuǎn)換為定量問題進(jìn)行分析，該方法對數(shù)據(jù)的依賴性較低，可及時(shí)修改風(fēng)險(xiǎn)評價(jià)指標(biāo)的權(quán)重值，與農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估問題相適應(yīng)。為此，可采用基于層次分析法確定農(nóng)村數(shù)字金融操作指標(biāo)體系權(quán)重［7］。向農(nóng)村數(shù)字金融系統(tǒng)用戶、金融平臺工作人員、數(shù)字金融技術(shù)研究專家、金融科技技術(shù)研究人員、電信運(yùn)營商、相關(guān)法律部門人員發(fā)放調(diào)查問卷，問卷回收率為98%，問卷調(diào)查對象均有參與農(nóng)村數(shù)字金融操作的經(jīng)驗(yàn)。本研究所構(gòu)建的指標(biāo)體系模型如圖1所示。

圖1 農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估的指標(biāo)體系

調(diào)查對象依據(jù)構(gòu)建的指標(biāo)體系，對目標(biāo)層（要解決的問題）、準(zhǔn)則層（影響因素）、指標(biāo)層（子影響因素）各評價(jià)指標(biāo)的相對重要程度進(jìn)行兩兩比較［8］，比較過程依照9標(biāo)度法實(shí)現(xiàn)（表1）。得到各指標(biāo)對比結(jié)果之后，構(gòu)建比較判斷矩陣，根據(jù)重要性打分構(gòu)造的評價(jià)指標(biāo)間重要性判斷矩陣如下：

表1 9標(biāo)度法細(xì)則

以重要性判斷矩陣為基礎(chǔ)，使用式（2）、式（3）實(shí)施一致性檢驗(yàn)：

式（2）、式（3）中，一致性比率、比例系數(shù)、一致性指標(biāo)分別采用CR、RI、CI表示，λmax表示判斷矩陣的最大特征根。當(dāng)CR＜0.1時(shí)，則判定一致性已滿足；當(dāng)CR≥0.1時(shí)，則對判斷矩陣實(shí)施修改與調(diào)整，直到符合一致性為止。

最后，獲取各層次指標(biāo)元素的權(quán)重，加權(quán)平均歸一化后，得到最終層次總排序權(quán)重［9］。

由于定性與定量相結(jié)合的農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估指標(biāo)體系確定方式存在一定的主觀性，為減少人為因素對指標(biāo)體系構(gòu)建的干擾，使用關(guān)聯(lián)規(guī)則挖掘算法獲取“農(nóng)村用戶、金融操作平臺、電信運(yùn)營、政策法規(guī)監(jiān)管”4個(gè)一級指標(biāo)與19個(gè)二級指標(biāo)間的關(guān)聯(lián)關(guān)系，具體使用支持度、置信度、提升度來表達(dá)金融操作風(fēng)險(xiǎn)評估指標(biāo)間的關(guān)聯(lián)規(guī)則關(guān)系：

式（4）～式（6）中，關(guān)聯(lián)規(guī)則用X→Y形式描述，總的農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估項(xiàng)目用I表示，X、Y為不相交的關(guān)系。以上計(jì)算結(jié)果可獲取一級指標(biāo)與二級指標(biāo)的關(guān)聯(lián)程度，利用關(guān)聯(lián)程度結(jié)果來約束層次分析法指標(biāo)權(quán)重計(jì)算結(jié)果：計(jì)算關(guān)聯(lián)支持度后，對高關(guān)聯(lián)程度的二級指標(biāo)賦予高權(quán)重，對低關(guān)聯(lián)程度的指標(biāo)賦予較低的權(quán)重值，這樣對農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)的指標(biāo)權(quán)重值進(jìn)行約束和限制，保障了風(fēng)險(xiǎn)指標(biāo)權(quán)重的科學(xué)性與客觀性。

2 風(fēng)險(xiǎn)評估的結(jié)果與分析

科學(xué)的風(fēng)險(xiǎn)評估是制定農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)應(yīng)對策略的重要基礎(chǔ)，風(fēng)險(xiǎn)評估需要全面考慮風(fēng)險(xiǎn)來源，以了解風(fēng)險(xiǎn)發(fā)生概率與后果嚴(yán)重程度、風(fēng)險(xiǎn)綜合等級與可接受程度，明晰各種風(fēng)險(xiǎn)源的風(fēng)險(xiǎn)級別，據(jù)此作出合理的風(fēng)險(xiǎn)應(yīng)對措施。

2.1 農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)發(fā)生概率與風(fēng)險(xiǎn)嚴(yán)重程度

表2描述了農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)發(fā)生概率的量化細(xì)則。由表2可知，基于國際標(biāo)準(zhǔn)5×5階矩陣將操作風(fēng)險(xiǎn)發(fā)生的概率定義為5個(gè)等級：不可能發(fā)生的概率為0～10%、可能性非常小的概率為11%～40%、較少發(fā)生的概率為41%～60%、可能性較大的概率為61%～90%、頻繁發(fā)生的概率為91%～100%。確定農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)概率后，求取概率的序值。

表2 風(fēng)險(xiǎn)發(fā)生概率的量化表

農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)影響程度量化方法如下：現(xiàn)實(shí)中農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)事件發(fā)生的隨機(jī)性較大，通過數(shù)據(jù)處理后又發(fā)現(xiàn)其存在一定的統(tǒng)計(jì)規(guī)律，針對這種風(fēng)險(xiǎn)發(fā)生特征，使用泊松分布對農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估的指標(biāo)進(jìn)行量化。定義x表示泊松分布中的隨機(jī)變量，x是不為負(fù)數(shù)且無限大的數(shù)值，式（7）為變量x的計(jì)算方法：

式（7）中，單位時(shí)間內(nèi)隨機(jī)事件出現(xiàn)的概率均值用λ表示，為常數(shù)，取值為［0，∞］；隨機(jī)變量x服從λ的泊松分布，用x×∏(λ)表示。

若令泊松分布向正態(tài)分布形式轉(zhuǎn)換，需令λ達(dá)到上限，此刻表達(dá)式為：

當(dāng)λ取最大值時(shí)，泊松分布曲線與正態(tài)分布曲線走勢基本一致，此狀態(tài)下可基于泊松分布，量化農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)指標(biāo)并進(jìn)行風(fēng)險(xiǎn)等級數(shù)值計(jì)算?；诓此煞植迹瑯?gòu)建的農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)量化模型為：

式（9）中，參數(shù)Z和k的取值會影響到模型構(gòu)建的效果，為了獲取最佳的參數(shù)Z和k的取值，得到最精準(zhǔn)的農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估結(jié)果，基于改進(jìn)粒子群算法進(jìn)行參數(shù)尋優(yōu)。

一般粒子群算法存在早熟以及提前收斂的情況，因此采用增加種群多樣性的策略避免粒子群算法的這一缺陷，獲得最佳參數(shù)估計(jì)結(jié)果?；谶z傳算法中的變異、交叉、選擇操作對粒子的歷史最優(yōu)位置實(shí)施變異，豐富了種群的多樣性，減少了多次迭代的繁瑣步驟，這樣既能提高算法收斂的效率，又避免了算法早熟的現(xiàn)象。首先，利用聚集因子對粒子的歷史最優(yōu)位置信息進(jìn)行評估，判斷其是否需要變異操作，計(jì)算公式為：

式（10）中，W1表示粒子的聚集因子，種群規(guī)模和搜索空間維數(shù)用N、d描述；空間中第i粒子的位置描述為xid，d維空間中粒子此刻迭代的位置均值描述為xd、粒子此刻迭代位置均值描述為x；另外，粒子當(dāng)前最優(yōu)位置與最壞位置用PitB、PitW表示。

基于改進(jìn)粒子群算法得到最優(yōu)個(gè)體，其數(shù)值即為模型參數(shù)的最優(yōu)解，由此確定農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)量化泊松分布模型的參數(shù)Q和k；進(jìn)一步根據(jù)量化模型和樣本數(shù)據(jù)得出農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估結(jié)果，從而構(gòu)建風(fēng)險(xiǎn)嚴(yán)重程度量化表（表3）。

表3 風(fēng)險(xiǎn)嚴(yán)重程度量化表

表3將農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)后果的嚴(yán)重程度劃分成低度、中度、高度、較高、極高5個(gè)等級。操作風(fēng)險(xiǎn)影響等級確定后，計(jì)算農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)影響的序值，精準(zhǔn)的量化等級為農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估提供了可靠依據(jù)，使農(nóng)村數(shù)字金融操作安全有所保障。

2.2 農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)等級與Borda數(shù)值的計(jì)算

構(gòu)造農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)概率與風(fēng)險(xiǎn)發(fā)生影響的二維矩陣，得到農(nóng)村數(shù)字金融操作最終的風(fēng)險(xiǎn)等級，同樣分為5個(gè)等級，該等級量化為0.2、0.4、0.6、0.8、1.0，表4描述了農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)等級的詳細(xì)信息。

表4 農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)等級細(xì)則

Borda數(shù)值與序值是評定農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)等級的關(guān)鍵指標(biāo)，Borda數(shù)值與操作風(fēng)險(xiǎn)等級呈正比，風(fēng)險(xiǎn)低的金融操作對應(yīng)的Borda數(shù)值較低。而風(fēng)險(xiǎn)發(fā)生概率與嚴(yán)重后果是計(jì)算農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)Borda數(shù)值與序值的關(guān)鍵變量與依據(jù)，Borda數(shù)值計(jì)算公式為：

式（11）中，農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)指標(biāo)總數(shù)為S，第i個(gè)要素的風(fēng)險(xiǎn)影響序值、風(fēng)險(xiǎn)發(fā)生概率序值分別采用ri1、ri2表示。

Borda數(shù)值可清晰表達(dá)各因素對農(nóng)村數(shù)字金融操作產(chǎn)生的風(fēng)險(xiǎn)程度，避免了出現(xiàn)同一等級風(fēng)險(xiǎn)因素，在風(fēng)險(xiǎn)因素判斷矩陣構(gòu)造中發(fā)揮著重要作用。

2.3 農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)指標(biāo)權(quán)重的計(jì)算

首先，基于關(guān)聯(lián)規(guī)則挖掘算法，得知強(qiáng)關(guān)聯(lián)性的關(guān)聯(lián)規(guī)則結(jié)果如下：{農(nóng)村用戶→賬戶密碼意識薄弱風(fēng)險(xiǎn)}、{農(nóng)村用戶→法律意識薄弱風(fēng)險(xiǎn)}、{農(nóng)村用戶→硬件設(shè)備故障風(fēng)險(xiǎn)}，因此，賬戶密碼意識薄弱風(fēng)險(xiǎn)、法律意識薄弱風(fēng)險(xiǎn)、硬件設(shè)備故障風(fēng)險(xiǎn)這3個(gè)二級指標(biāo)應(yīng)賦予相對較高的權(quán)重值；同理，移動支付平臺指標(biāo)下應(yīng)獲得較大權(quán)重值的二級指標(biāo)包括：支付身份信息驗(yàn)證簡單風(fēng)險(xiǎn)、終端脆弱風(fēng)險(xiǎn)；電信運(yùn)營指標(biāo)下應(yīng)獲得較大權(quán)重值的二級指標(biāo)為電信系統(tǒng)故障風(fēng)險(xiǎn)；政策法規(guī)監(jiān)管指標(biāo)下應(yīng)獲得較大權(quán)重值的二級指標(biāo)為監(jiān)管政策不完善風(fēng)險(xiǎn)和監(jiān)管責(zé)任落實(shí)不明確風(fēng)險(xiǎn)。

其次，基于層次分析法計(jì)算了農(nóng)村數(shù)字金融操作各風(fēng)險(xiǎn)指標(biāo)的權(quán)重，以便明確操作的風(fēng)險(xiǎn)等級、操作的風(fēng)險(xiǎn)綜合水平。以關(guān)聯(lián)規(guī)則挖掘結(jié)果為依據(jù)，對層次分析法確定的風(fēng)險(xiǎn)評估指標(biāo)體系進(jìn)行約束與修正，得到農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)的各級指標(biāo)權(quán)重如表5所示。

表5描述了層次分析法求取的各層級指標(biāo)權(quán)重結(jié)果。其中，總權(quán)重表示各因素在整體操作風(fēng)險(xiǎn)中的風(fēng)險(xiǎn)程度，準(zhǔn)則層權(quán)重表示相對目標(biāo)層而言的風(fēng)險(xiǎn)程度，指標(biāo)層權(quán)重描述了相對準(zhǔn)則層而言的風(fēng)險(xiǎn)程度。例如，農(nóng)村用戶的賬戶密碼意識薄弱風(fēng)險(xiǎn)在整體風(fēng)險(xiǎn)占據(jù)0.111比重。權(quán)重計(jì)算為提高農(nóng)村地區(qū)數(shù)字金融交易行為的安全系數(shù)提供參考，為農(nóng)村電子商務(wù)、網(wǎng)上貸款、網(wǎng)上保險(xiǎn)交易創(chuàng)造安全的生存環(huán)境，進(jìn)而帶動農(nóng)村產(chǎn)業(yè)經(jīng)濟(jì)的發(fā)展。

表5 農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)的各級指標(biāo)權(quán)重以及總權(quán)重

2.4 農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)的可接受程度分析

基于本文風(fēng)險(xiǎn)矩陣構(gòu)建方法與層次分析法計(jì)算得到的農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)的綜合評估數(shù)據(jù)，構(gòu)建農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估模型，如表6所示。

表6 農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估模型

為了更加精準(zhǔn)地制定農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)應(yīng)對措施，對本次風(fēng)險(xiǎn)評定研究中各因素的可接受程度進(jìn)行了分析，將風(fēng)險(xiǎn)權(quán)重超過0.06的因素視為難以接受、0.04～0.06視為不可接受、0.01～0.04視為不期望。

在本次農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估研究中發(fā)現(xiàn)，該研究群體存在賬戶密碼意識薄弱、硬件設(shè)備故障、法律意識薄弱、支付身份信息驗(yàn)證簡單、終端脆弱、電信系統(tǒng)故障等風(fēng)險(xiǎn)難以接受，亟需改進(jìn)。針對以上現(xiàn)象需要及時(shí)規(guī)避金融操作風(fēng)險(xiǎn)：（1）政府需加強(qiáng)對農(nóng)村地區(qū)數(shù)字金融用戶安全知識宣傳的力度，利用真實(shí)案例講述網(wǎng)絡(luò)金融安全的重要性，提高農(nóng)民群體的數(shù)字金融安全意識，不斷完善金融服務(wù)流程和操作制度，打造封閉式操作風(fēng)險(xiǎn)管理空間；（2）數(shù)字金融平臺應(yīng)對金融操作的終端系統(tǒng)進(jìn)行優(yōu)化與升級，減少金融操作的系統(tǒng)漏洞與技術(shù)壁壘；（3）電信運(yùn)營商應(yīng)也要提高高速寬帶在農(nóng)村地區(qū)的覆蓋率，打造暢通、安全的信息傳遞與金融交易通道。

研究相關(guān)數(shù)據(jù)錄入失誤、系統(tǒng)操作失誤、交易過程不可控、數(shù)據(jù)真實(shí)性判斷、支付位置信息難判別、監(jiān)管責(zé)任落實(shí)不明確等風(fēng)險(xiǎn)屬于不可接受水平，也應(yīng)成為農(nóng)村數(shù)字金融服務(wù)優(yōu)化的主要方向。數(shù)字金融平臺首先要做好合法合規(guī)運(yùn)營與風(fēng)險(xiǎn)防控工作，完善金融操作的風(fēng)險(xiǎn)防控體系，與相關(guān)金融監(jiān)管部門緊密對接信息互通，堅(jiān)定為農(nóng)民群體辦實(shí)事的立場；升級信息管理系統(tǒng)，有效識別用戶的異常登錄信息并判定支付位置，提高網(wǎng)絡(luò)支付等風(fēng)險(xiǎn)的可控性。監(jiān)管部門應(yīng)對數(shù)字金融平臺進(jìn)行全面?zhèn)浒?，保障?shù)字金融平臺合法、合規(guī)運(yùn)營；監(jiān)管部門內(nèi)部做好監(jiān)管責(zé)任分管工作，出現(xiàn)金融操作問題之后對應(yīng)責(zé)任部門能夠快速解決，降低用戶的財(cái)產(chǎn)損失，以保障農(nóng)民群體的應(yīng)有權(quán)益。

3 結(jié)論

農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估研究對于不同接受水平的風(fēng)險(xiǎn)因素采取了不同的應(yīng)對策略，致力于營造健康安全的網(wǎng)上支付、網(wǎng)上貸款環(huán)境，以促進(jìn)農(nóng)村地區(qū)產(chǎn)業(yè)經(jīng)濟(jì)的發(fā)展，為鄉(xiāng)村振興貢獻(xiàn)力量。

研究利用風(fēng)險(xiǎn)矩陣對農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)進(jìn)行評估，對傳統(tǒng)的風(fēng)險(xiǎn)矩陣方法進(jìn)行了優(yōu)化與改進(jìn)，提高了數(shù)字金融操作風(fēng)險(xiǎn)評估的可靠性：（1）應(yīng)用層次分析法，構(gòu)建了農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估的指標(biāo)體系，使用與關(guān)聯(lián)規(guī)則相結(jié)合的策略計(jì)算19個(gè)風(fēng)險(xiǎn)指標(biāo)的權(quán)重值，不僅得出了金融操作風(fēng)險(xiǎn)等級，且明確了每個(gè)風(fēng)險(xiǎn)因素的大小情況。（2）基于泊松分布，構(gòu)建了農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估模型對風(fēng)險(xiǎn)影響實(shí)施量化，得到了精準(zhǔn)的風(fēng)險(xiǎn)影響等級細(xì)分結(jié)果，優(yōu)化了農(nóng)村數(shù)字金融操作風(fēng)險(xiǎn)評估的精準(zhǔn)度，評估結(jié)果更加可信。（3）在原有風(fēng)險(xiǎn)矩陣分析的基礎(chǔ)上，增加風(fēng)險(xiǎn)可接受程度分析，依據(jù)風(fēng)險(xiǎn)指標(biāo)的權(quán)重，判定風(fēng)險(xiǎn)可接受程度，農(nóng)民自身、數(shù)字金融平臺、電信運(yùn)營商、監(jiān)管部門4個(gè)層面以此為依據(jù)，制定金融操作風(fēng)險(xiǎn)防控策略。