信用风险管理概述范文1
关键词:VaR;CVaR;商业银行;风险管理综述
中图分类号:X820.4
文献标识码:A
一、引言
应美国次贷危机的影响及经验,对投资银行和金融衍生产品市场监管不到位,使得世界各国商业银行的风险管理将成为商业银行经营管理最为关注的问题。2004年6月正式公布的新巴塞尔协议(Baseln)鼓励商业银行采用定量模型计量金融风险,并强调了商业银行信用风险管理的重要性,传统粗放的信用管理必将被现代信用管理所取代。
二、基于VaR方法的商业银行风险度量文献综述
1997年4月J.P.摩根银行在与其它几个国际银行共同研究的基础上,开发出一个基于VaR方法的衡量信用风险的计算模型CreditMetrics,从而成功的将vaR模型的应用范围扩展到了信用风险的评估上面。CSFP信用风险附加计量模型(Credit Risk,1997)是一个违约模型(DM),它不把信用评级的升降和与此相关的信用价差变化视为一笔贷款的VaR(信用风险)的一部分,而只看作是市场风险。
Stamhaugh(1996)将VaR的作用概括为:提供了风险的共同语言;允许更有效和一致的内部风险管理、风险限制设定和评价;为外部监管提供了一种评价企业总风险的机制。郑锈煦(2006)以《巴塞尔新资本协议》框架下的信用风险计量,经济资本和风险优化理论为指导,建立了RAROC休整模型,根据中国银行业的实际情况,以历史数据测算的信贷风险平均成本率作为预期损失率,同时计算出贷款净收益,经济资本收益从而得出银行的RAROC。牛学成(2008)在分析指出国内对于转轨时期我国商业银行信用风险识别和违约评估方法研究所存在的主要缺陷基础上,构建了适用于我国商业银行的信用风险评估模型。
虽然VaR法以其自身的优越性,已作为计量风险的基本方法之一写入巴塞尔协议的补充规定中。但是,当投资组合收益的分布不服从正态分布或对数正态分布时,投资组合优化中使用VaR来度量风险不满足次可加性,同时也可能不满足凸性要求。而且VaR不能测度超过VaR的损失、VaR还有其许多局部极值导致VaR排序不稳定等缺陷,决定着vaR并不是一种合适的风险测度指标。为了克服VaR的不足,2000年国外学者提出了CVaR(ConditionaI Value at Risk)的概念。
三、基于CVaR方法的商业银行风险度量文献综述
CVaR是指损失超出VaR的条件均值,也称为平均超值损失。最早提出CVaR风险测量方法的是美国人Roekafeliar和Uryasev(1999),他们描述了一种投资组合优化的新方法,称为Conditional value at Risk(CVaR),首次提出了CVaR的概念。其后,一些学者对均值CVaR有效前沿进行了研究。Pflug(2000)讨论了CVaR的优化问题,证明了CVaR满足一致性风险度量的性质,并给出了相应的证券组合优化模型;Fred‘kAnderson,HelmutMausser,DanRosen和Stanislav Uryasev(2001)成功地将CVaR方法引人了信用风险度量,用MonteCad模拟法产生随机数,模拟了债券的收益分布,最终把该信用风险度量问题转化成线性规划,求解投资组合的权重,使得CVaR值最小;Nikolas(2002)利用CvaR对资本配置进行了分析与实证研究;KJbzun与Kuznetsov讨论了CVaR和nVaR之间的联系并给出他们之间的关系等式;Anderson利用cVaR对信用风险进行了检测分析。
国内对CVaR的研究只要有如下相对成果。王建华,李楚霖在度量与控制金融风险的新方法一文中阐述了VaR的概念,方法,功能并首次指出VaR的缺陷之后介绍了CVaR的概念,作用,优点以及在证券组合优化中的应用;王树娟运用CVaR的动态计算模型GARCH-CVaR模型,对我国股票市场风险特征进行了分析研究,结果表明:我国股票市场具有显著破洞聚集性及持久性,股票市场的CVaR值始终比同期VaR值偏大。曲圣宁对VaR和CVaR这两个风险度量进行了较充分的比较分析,参照了我国证券市场的实际情况,并考虑了交易成本,实际收益率的计算以及最小交易单位等因素,建立了CVaR投资组合优化模型;陈收,胡杰,郭晓辉,邱亚光(2005)探讨了VaR与CvaR在商业银行风险度量中的比较分析与应用;林辉,何建敏讨论了VaR在投资组合应用中存在的缺陷并介绍了CvaR模型对VaR模型的该井及其在投资组合优化中的应用;唐湘晋,童仕宽(2005)提出了CVaR有界限制下的风险资本配置的条件和方法。
信用风险管理概述范文2
［关键词］供应链质量风险；风险识别；风险评估；关键风险诱因；贝叶斯网络
［中图分类号］F274 ［文献标识码］A ［文章编号］1005-6432（2010）49-0127-02
1 引 言
在供应链质量管理的研究方面,许多事件都说明供应链的某些风险因素对供应链的绩效产生巨大的负面作用,供应链中的大多数风险因素都表现为产品质量大幅波动。Robinson和Malhotra给出的供应链质量管理的定义是:对供应链的合作组织商业流程的协调和整合,以此来度量、分析和持续改进产品、服务和流程,目的是创造客户价值,提升客户满意度。而传统制造模式下,质量管理的重点集中于企业内部,注重内部过程、要素、部门之间的管理与协调,而对于外部过程以及外部关系则较少关注,在供应商、制造商、分销商乃至最终用户之间尚未形成一条连续、畅通的质量链,而是被一系列相对封闭的质量“黑箱”所割裂。本文在将供应链质量风险管理的研究视角放在合作组织内部和合作组织之间的质量管理上,而在质量管理中质量风险的管理也至关重要,本文研究的主要问题是供应链质量风险的识别与评估。从文献目前的研究中可以看出目前对供应链质量风险评估的研究主要集中在定性的分析上,并且注重风险产生后的管理和控制。质量风险的相对重要程度,以及动态的、预测各指标值的对于导致供应链质量风险事件发生因素的识别和评估的有效方法的研究目前还不成熟,缺乏定量的预测方法。从管理角度看,风险最重要的方面就是引发的原因,只有通过控制这些因素才能预警和管理风险。本文将研究重点放在识别供应链质量风险的关键诱因、确定描述供应链质量风险的关键风险指标、评估供应链总体质量风险以及供应链质量风险诱因对于供应链总体质变动等方面。
2 供应链质量风险的识别
通过风险识别的工具――关键风险指标和关键风险诱因分析,得出供应链质量风险的关键诱因和关键指标,它们是管理者对风险进行监控和管理的基础,同时也是针对供应链质量风险建立贝叶斯网络的依据。
2.1 供应链质量管理关键风险指标的确定
关键风险指标是对某些特定业务活动和控制环境进行监控的关键指标体系。Starbird S.提出了最佳合格质量的概念,认为质量可以用合格率表示。本文研究的主题是供应链质量风险,所以将产品的不合格率作为关键风险指标,当不合格率到一定的范围时,必须识别出风险产生点并采取相应的风险控制措施。
2.2 供应链质量风险关键风险诱因的确定
关键风险诱因就是一些风险特质或风险特性,是引起特定风险的随机因素。本文从供应链上各参与主体以及供应链总体的协作的角度分析了供应链质量风险,并提出导致供应链质量风险主要的诱因,即供应链的构成、企业间的协作、供应商的运作风险、核心企业运作风险、销售企业运作风险和为整条供应链服务的物流服务提供商的运作风险及相应的二级指标。供应链结构的主要影响因素有供应链长度、数量、供应商选择标准、与供应商的关系。供应链的运作风险的影响因素有:供应风险、需求风险、制造过程风险、信息风险信息技术的运用情况、设备的完备性、员工的结构与素质、先进质量管理技术的应用。
2.3 供应链质量风险的识别结果
由上一节的分析,并结合供应链各成员的特点得到供应链质量风险关键诱因与衡量风险程度的指标,即产品不合格率。如下页表所示：
3 供应链质量风险评估模型的构建
3.1 贝叶斯网络用于风险评估的可行性
贝叶斯网络(Bayesian Network)实质上就是一种基于概率的不确定性推理网络,其定义如下：B=,一个贝叶斯网络主要由两部分构成,分别对应问题领域的定性描述和定量描述,即贝叶斯网络结构G和网络参数θ。第一部分贝叶斯网络结构(G),由一个节点集合和一个有向边集合组成。有向边表示变量之间的依赖或因果关系,有向边的箭头代表因果关系影响的方向性(由父节点指向子节点)。贝叶斯网络的另一部分θ是反映变量之间关联性的局部概率分布集即概率参数―条件概率表(CPT),该表列出了每个节点相对于其父节点所有可能的条件概率。本文所研究的是供应链质量风险的评估,供应链质量风险事件的发生需要各种风险诱因的累积和一定的风险发生条件,而贝叶斯网络提供了一种自然地表示因果或者影响信息的方法,能够建立一个表示风险诱因导致风险事件发生的贝叶斯网络拓扑结构,并且能够动态的预测供应链质量风险的大小,以及诊断影响供应链质量风险的因素。
3.2 风险评估模型的构建
(1)模型的基本假设
①假设忽略外部环境的影响(市场需求的变化、大的自然灾害等),供应链质量管理的影响因素主要来自两个方面,即各企业自身的运作以及与供应链其他成员的协作,所以将从这两个方向分析供应链质量风险的关键诱因；②将研究对象设定为以制造企业为核心的三级供应链；③研究供应链上各参与主体对供应链的运作风险的作用时,将各节点假设为相互独立的,即各节点对于供应链运作风险的影响不受其他节点的影响。
(2)网络结构的确定
在构建的供应链质量风险评估模型中,供应链结构对供应链上协作风险影响比较大,因为供应链结构决定了企业间沟通和协作的难易程度以及供应链成员之间的关系。同样地,各企业的运作风险影响供应链的运作,但供应链的运作风险并不一定会影响各企业的运作风险,所以,各企业的运作风险是供应链运作风险的父节点,是导致供应链运作风险的原因。根据上述的方法进行判断,确定各指标之间的相互依赖关系,得到供应链质量风险评估的贝叶斯网络拓扑结构,如图1所示。
(3)参数θ的确定
θ代表用于量化网络的一组参数。对于每一个Xi,存在如下一个参数θXi /Pa(Xi),它指明了在给定发生的情况下事件发生的条件概率。
即θXi /Pa(Xi)=P［Xi/Pa(Xi)］，i=1，2，…，8(1)
其中，Pa(Xi)表示在图G中Xi的双亲变量的集合,无双亲节点的变量概率分布用边缘概率表示。参数θ的确定方法主要有两种,即专家法和数据法。专家法是通过专家的经验给出各变量的概率分布,而数据法是通过对数据的分析和学习得出变量的概率分布。
在图1的基础上加入各变量以及各节点的概率分布(CPT)后得到如图2所示的供应链质量风险的贝叶斯网络拓扑结构。
(4)目标函数的求解模型
本研究的主题是确定在各节点概率分布确定的条件下供应链综合的质量风险以及各供应链质量风险诱因对于供应链综合质量风险的相对重要程度,所以目标函数为确定除根节点之外其余节点各状态下的边缘概率,即P(Xi)，i=1，2，…，8,下面针对确定条件下的概率分布和有信念更新的概率分别采用不同的算法。
①无信念更新的算法
各节点的联合概率为
P［Pa(Xi)×Xi］=Pa(Xi)×P［Xi/Pa(Xi)］，i=1，2，…，8(2)
任意的非证据节点X各状态下的边缘概率的计算
P(Xi)=Pa(Xi)P［Xi×Pa(Xi)］，i=1，2，…，8(3)
由供应链质量风险的贝叶斯网络拓扑结构图知：
Pa(X8)=｛X6，X7｝，Pa(X6)=｛X1｝，Pa(X7)=｛X2，X3，X4，X5｝
②有信念更新的算法
给定证据E后任意的非证据节点排他性X的后验概率分布P(X/E)称为该节点排他性的置信度Bel(X),根据贝叶斯网络推理模式的特点,一个节点排他性的信度可以分解成两个参数:诊断性参数λ(X)和因果性参数π(X),从而节点排他性的信度Bel(X)=aλ(X)π(X)，(a为归一化常数),诊断性参数λ(X)根据子节点排他性X的第j个子节点传播的信息,π(X)根据子节点排他性和父节点排他性传递的消息进行计算。
λ(X)=λj(X)(4)
λj(X)为节点X的第j个子节点传递的信息。
π(X)=U1，U2，…，UiP(X/U1，U2，…，Un)πx(Ui)(5)
P(X/U1，U2，…，Un)是专家知识或数据学习后的概率化表示形式,πx(Ui)为节点排他性X的父节点传递给其的信息。
4 结论及研究展望
在供应链质量风险管理的过程中,关键风险指标是适用于风险评估和监测的重要工具,所以供应链各企业往往设置一些关键的风险指标来评估和监控供应链质量风险。本文利用关键风险诱因和关键风险指标分析法,得出供应链质量风险的关键诱因和关键指标,在此基础上建立了贝叶斯网络结构模型,通过模型的应用表明了:在风险管理中,一些风险标指值的变化影响其他指值的变化,企业可以依据过往的经验设定各节点指标值的取值范围,从而定位导致风险产生的首要因素。所以本方法的应用有利于供应链风险动态的监控和管理。本文没有考虑风险的另一个要素――风险产生的后果,仅从预测风险产生的概率入手,所以在贝叶斯网络结构模型中加入风险产生的后果这一要素是未来的研究方向。
参考文献：
［1］Robinson,C.J.and M.K.Malhotra,Defining the concept of supply chain quality management and its relevance to academic and industrial practice［J］.International Journal of Production Economics,2005，96(3)：315-337.
［2］Starbird S A.The effect of acceptance sampling and risk aversion on the quality delivered by suppliers［J］.Journal of the Operational Research Society，1994,45(3)：309-320.
信用风险管理概述范文3
现代商业银行信用风险管理已由传统的信用风险识别和违约评估发展到现代信用风险模型化阶段，由国际活跃的银行和金融机构创建和广泛应用并被巴赛尔银行业监管委员会(下称委员会)建议使用的现代信用风险模型主要有JP.Morgan(1997)的CreditMetrics、KMV(1993)的EDF(creditmoni-tor)、CSFP(1997)的CreditRisk、Mckinsey(1998)的CreditPortfolioView等模型。2004年6月公布的巴塞尔新资本协议(下称新协议)所推出的信用风险内部评级法(IRB)也是基于上述模型的适用性考虑后的折中产物。
国外对现代信用风险模型的有效性验证研究结果显示，上述模型均是有效的信用风险量化技术，并且在对不同的信用资产风险度量中具有自己独特的优势。委员会于2004年6月推出新协议提倡使用IRB管理信用风险，并推荐使用上述模型进行内部评级，可见现代信用风险模型已经在国外得到了广泛的认可和使用。
目前，我国商业银行信用风险管理水平离新协议的要求还有相当大的差距，仍停留在传统的贷款风险度衡量阶段，但银监会表示，我国商业银行应积极过渡到以IRB为代表的现代信用风险模型管理阶段。国内理论界和银行业已对IRB和现代信用风险模型进行了理论研究，并探讨了在我国的适用性和模型选择，但存在的主要缺陷是没能遵循路径依赖的原则，忽视了在我国商业银行现有信用风险管理模型的基础上的改进路径选择，从而提高了改进成本。本文将弥补既有研究的这一缺陷，在细致考察我国商业银行现有的信用风险管理模型的贷款风险度方法存在的不足和缺陷的基础上，将其与现代信用风险管理模型进行比较分析，从而寻找改进和构建我国商业银行信用风险管理模型的路径选择。
二、我国商业银行信用
风险管理模型：贷款风险度方法
多年来，我国商业银行的信用风险管理方法主要以定性分析与经验分析为主，定量分析和各种财务工具的运用处于次要位置。目前这种局面己经有了改进，我国商业银行初步建立起由客户信用评级法和贷款风险分类法所构成的两维评级体系为基础的贷款风险度方法。
(一)贷款风险度方法框架
目前，我国商业银行的信用风险评估管理主要采用贷款风险度方法。所谓贷款风险是指发生贷款本息损失的不确定性，其主要影响因素有：贷款对象、贷款方式、贷款期限和贷款形态。在实践中，即将交易对手企业客户划分为不同的信用等级，确定相应的风险权数，即企业客户信用等级风险系数T；再给出贷款方式的风险权数，得到贷款方式风险系数S。于是，单笔贷款风险度X可表示为：
贷款风险度X＝TS由上式，贷款风险度的本质是取值在0-1之间用概率表示的贷款风险程度。上式表明，X是贷款风险的量化指标，X越大，表明此项贷款面临的风险越大。实际工作中往往通过统计结果来确定贷款最佳风险度X(一般为0.4)和临界风险度X(一般为0.6)。X以下的贷款质量处于良好状态，超过X就视为高风险区。
贷款发放后就参与了企业生产资金的周转过程，也就具备了增值或亏损的可能性。人民银行的《贷款通则》规定：银行已发放的贷款资产可划分为：正常、关注、次级、可疑和损失五类，据此可确定不同贷款形态的风险系数P；再考虑不同期限贷款面临不同的风险损失，可确定贷款期限风险转换系数p，于是，在最终贷款审查和评估时，有：
贷款资产风险度L＝单笔贷款风险度贷款形态风险系数贷款期限风险转换系数＝XPQ＝TSPQ单项贷款风险权重资产=单项贷款金额该笔贷款资产风险度，即：RWA＝AL＝ATSPQ全部贷款资产风险度＝贷款风险权重资产/贷款余额，即：
(二)我国银行业贷款风险度方法的总体判断分析
通过与国际银行业采用的现代信用风险管理模型和新协议的1RB法比较，可得出以下判断：
1、贷款风险度方法实际上低估了信用风险
贷款风险度的计算公式是根据概率论中全概率法则建立的，该法则的假设前提是各因素都应是独立无关的；然而，贷款风险度L的影响因素T,S、P均是与企业相关的内部因素，三者的含义和评估标准有重复的地方。所以贷款风险度方法并不符合严格的条件概率定义，在实际应用中低估了信用风险。因此，可以将S和P纳入，评价中去，将信用等级风险系数定义成严格意义下的条件违约概率。
2、评估方法简单化，主观性较强
贷款风险度方法以信用评级为基础。目前，我国商业银行的内部信用评级普遍采用打分法，这种方法的最大弊端是评级的基础是过去的财务数据，与风险预测的关联度不大。客户信用等级风险系数和贷款方式风险系数指标和权重的确定缺乏客观依据，难以反映评级对象未来的真实偿债能力。因此贷款风险度方法实际上是建立在主观因素过强的信用评级基础上的经验公式，无严格的理论基础和证明，很难有说服力。
3、无严格的理论基础，其科学性和准确性没有很强的说服力
可见，贷款风险度方法只是一个近似的加权平均，并不严格符合概率论的意义，从而，贷款风险度的计算公式所依据原理的科学性值得怀疑，其评估的准确性不能高。而国际高级信用风险模型则大都使用了联合概率分布和概率母函数的办法解决单个债务人的违约与银行整体客户违约的概率关系问题，以严格的理论为基础，其准确程度明显高于贷款风险度方法，并且可以推导包括多项贷款或其他银行业务的资产组合联合违约概率分布及损失分布，便于商业银行进行组合多样化管理。因而，我国在信用风险的评估方法中应引入严格的理论推导，以严格的理论为指导才能够保证信用风险度量及管理的准确性和有效性。
4、缺乏贷款组合风险管理功能
贷款风险度方法中仅考虑单项贷款的风险，没有考虑贷款组合和贷款集中度，缺乏贷款组合风险管理功能。事实上，集中于某一行业的贷款违约很有可能造成银行破产，贷款组合可以降低单项贷款带来的风险；好的风险评估模型应该关注银行现有客户的分布和组合贷款风险，便于商业银行进行组合多样化管理；并且由于贷款风险度方法不能推导出PD以及LGD分布，缺乏进行组合风险VaR分析的基础，从而无法进行VaR分析。
5、评估结果不全面，且呈现静态性和波动性
贷款风险度方法仅给出贷款风险的PD测量，而没有给出LGD估计值。而在实际工作中需要对LGD进行估计。因此使得贷款风险度评估结果不全面。而且由于贷款风险度方法中所使用的指标考察期均较长，评估结果时效性差，难于应对瞬间变化的金融市场。
贷款风险度作为信用风险的评估标准本身具有波动性，即贷款风险度对信用风险的反应不固定而时大时小，具体表现为：贷款风险度对信用得分差距原本较大的贷款企业，其评估结果却一视同仁；而有时信用得分差距微小的贷款企业，其评估结果却差异很大。贷款风险度指标对信用风险的度量只是一种粗略的度量，对于相差很大的贷款企业可能做出正确判断，而对相差不大的方案，该指标很有可能会掩盖企业间的风险差异，使银行做出错误的决策。形成波动性的根源在于贷款风险度自身的离散性与风险的不确定性和随机性之间的矛盾(于立勇，2002)。
三、现代信用风险内部模型的分类
银行内部信用风险计量是通过对客户和债项类型风险特征的评估确定银行可能遭受的损失，进而估计经济资本(EC)。IRB法需要估计和确定的主要变量有违约概率(PD)、违约损失率(LGD)、风险暴露(EAD)、期限(M)、预期损失(EL)、意外损失(UL)和风险价值(VaR)。其中，PD、LGD、EAD、M是IRB的主要输入数据，而EL、UL和VaR是主要输出结果。新协议对信用风险资本金的确定借鉴了市场风险中计算资本金的VaR方法，而且定义VaR就是EL与UL之和。用VaR方法计算资本金时需要确定信贷资产未来价值或损失的概率密度函数(PDF)，从不同的角度考察信用风险度量模型和用不同的方法计算相关参数，就会对模型产生不同的分类，通常有如下分类方式：
1、依据模型的演绎或归纳方法
演绎模型(TopdownModels)用单个统计数据对信用风险进行分组，也就是说将许多不同来源的风险视做同质风险加总到组合的整体风险中，不考虑个别交易特征。这种方法对于所含信用笔数很多的零售信用组合比较合适，但对于公司贷款或国家贷款组合而言，就不太合适了。即使零售资产组合，演绎模型也可能隐藏着来自行业的或地理位置的特别风险。
归纳模型(Bottom-upModels)解释了每一种资产/贷款的特征。此种方法非常类似于对具有市场VaR系统特征的头寸进行结构分解。它适用于公司信用资产组合和资本市场组合。归纳模型对于采取纠正措施也是最有用的，因为可以按照其风险结构进行反向操作来修正风险曲线。
当今的信用风险模型中归纳方法占主导地位。只有CSFP的CreditRisk是对假设为同质的资产在整个等级的层次进行分析，可以被认为是topdown方法。
2、依据建模原理与分析方法
对于PD、等级转移矩阵和信用质量相关性的计算，主要有三种方法。
其一是经济计量模型方法，该方法对PD计算的根据是，PD与当前的宏观经济状况、行业和公司所处的地理位置等有关，环境的差异或宏观经济因素的变化影响了公司的资产价值，因而影响了公司的信用质量，进而使公司之间的信用质量表现出相关性。经济计量方法适用于简化式模型；其二是基于精算的方法，其基本方法是只考虑KMV的预期违约概率(EDF)有关计算，假定违约遵从随机泊松过程，应用客户的历史违约率数据预测具有类似特征的客户的EDF，在此基础上再估计相关参数，比如等级转移矩阵和相关系数。基于精算方法的参数估计具有后顾性(backwardlooking)；其三是基于Merton期权模型的方法，把公司违约或信用质量的变化与公司资产的价值、股权、债务联系起来进行考虑。该方法利用可获得的关于公司的债务、权益的历史价值和当前市场价值以及权益价值的历史波动性估计公司资产价值的大小、变化率和波动性。进而通过期权模型确定公司的EDF和违约相关性。基于权益的方法具有前瞻性(forward-looking)。
CreditMetrics依据评级的历史数据统计和股权分析；KMV依据期权定价原理；CPV依据宏观经济因素调整的模拟分析；CreditRisk则依据保险精算的寿险和财险思想。
3、依据模型对风险的定义方式分类
违约模式(DefaultmodeModels，DM)与盯市模式(Market-toMarketModels，MM)是银行业内普遍使用的两大类信用风险模型，其分类原则是基于对资产价值和信用损失估计方式的不同考虑。所谓信用损失是指信贷资产组合当前价值与某给定时期末的未来价值的差，当前价值往往是已知的，而未来价值是不确定的但是有一概率分布。DM模型只考虑违约与不违约两种信用状态，即只把完全的违约视为信用事件。因此，资产组合的市场价值的任何变化或信用评级的任何变动都是无关的；而MM考虑资产组合市场价值的变化和包括违约在内的信用等级的变化，公平市场价值为模型提供了对风险更好的估计。在此意义下，MM模型是DM模型的一种推广。
CreditMetrics属于MM模型；CreditRisk和KMV本质上属于DM模型，但KMV公司目前正准备提供MM版本；CPV既可被当作MM使用，也可被用做DM。
4、依据违约事件的条件概率分类
条件概率模型(ConditionalModels)中包含了宏观经济因素变动对PD的影响。即此类模型考虑了经济衰退期PD会上升。
无条件概率模型(UnconditionalModels)具有固定的PD，并且因此往往关注的是贷款者或特定因素信息。但某些环境因素的改变也允许用改变模型参数的方法来实现。
CreditMetrics是基于违约历史资料统计的结果，没有反映宏观经济因素，因此属于无条件测度；CPV、KMV以及CreditRisk分别融入了宏观经济因素以及市场价格等信息，因此属于条件测度。
5、依据违约事件的结构化和简化设定分类
这种划分的根据主要是出于对违约相关或信用等级转移相关性确定方法的考虑。在同一行业和地区的客户之间，由于信用事件(违约、信用等级转移、违约时的损失率、信用价差、风险暴露等)的变化是非独立的，即存在着相关性，在估计信用损失确定资本金时应考虑相关性。但是，实际应用中由于数据及模拟技术的限制，通常只考虑不同客户之间违约或等级转移的相关性，而其它信用事件之间的相关性不予考虑。对相关性的估计，委员会选择了两类模型，即结构化模型(structuralmodel)与简化式模型(reduced-formmodd)。结构模型试图通过假定金融产品或经济单位的微观经济特征来解释单个客户的违约或信用质量的变化，比如资产价值和负债之间的比例关系可能决定了客户的信用质量。那些用于决定客户风险等级变化(包含违约)的随机变量称为等级转移风险因素(Migrationriskfac-tor)，在结构模型中，就是要估计或确定客户问等级转移风险因素的相关性。而简化模型则不同，它不是试图解释违约或信用等级的转移，而是选择一种统计方法并建立适当的因素模型来刻画违约或信用等级的转移现象。在简化模型中，特别假定了客户的EDF或转移矩阵与可以观察到的宏观经济活动指标或不可以观察到的随机风险因素之间存在一种函数关系，简化模型认为正是单个客户的财务状况对公共因素或相关背景因素的依赖才引起了客户之间违约率的相关性和信用等级转移之间的相关性。
CreditMetrics、KMV属于结构模型；CreditRisk与CPV属于简化模型。
6、依据违约的驱动因素分类
CreditMetrics和KMV的违约驱动因素为企业资产价值及波动性；CPV的驱动因素为宏观经济因素；CreditRisk的违约驱动因素则为违约风险平均水平及其波动性。
7、依据违约概率测度的离散性与连续性
由于金融产品的价值要受到其信用质量的影响，而对信用质量的描述变量有连续与离散之分，因此依据对金融工具信用质量变化方式的不同刻画，对金融工具在给定期限末的价值或损失的估计就有了两种可以选择的方法：一是，信用质量按离散的信用等级变化(信用评级)进行刻画，基于此的估值模型称为离散估值模型；二是，信用质量通过违约概率或违约概率密度函数按连续的方式进行刻画，基于此的估值模型称为连续型估值模型。
在以上几种模型中，CreditMetrics、CPV属于离散测度，而KMV、CreditRisk则属于连续变量测度。
四、贷款风险度方法与
现代信用风险模型的比较
从提高我国银行业信用风险管理的前瞻性角度思考问题，可行的方法是以现代信用风险管理模型为参考，改进我国现行的贷款风险度方法。将其方法与CreditMetrics、KMV、CPV、CreditRisk进行比较分析，主要特征比较如表1所示
。从比较中可以发现，与我国贷款奉献度方法在诸多特征最为接近的是CreditMetrics模型，因此，我国银行业在对此深入研究的基础上对我国现行信用风险管理模型做一改进，使其逐步向现代信用风险管理模型靠近，并满足IRB要求。
五、我国银行业现代信用风险
管理模型的改进方向及其选择
现代信用风险管理模型均具有不同的比较优势，从而也各具有不同的适用性，即：CreditMetrics和KMV适用于对公司和大的私人客户的信用风险度量；CreditRisk适用于对零售客户的信用风险度量，CPV适用于对宏观经济因素变化敏感的投资级债务人或债项如房地产贷款的信用风险度量。而我国银行业具有不同的类型和业务范围，可以选择较为适合的模型来改进自身的信用风险管理。
KMV主要用于分析发债公司的信用状况和资本市场的信用风险，其中一个基本条件是需要大量的股票市场的有效数据，适用范围受到了限制，特别适用于上市公司的信用风险评估，对非上市公司的EDF进行计算时，需要借助很多会计资料，同时还要通过对比分析手段最终得出企业的EDF，因而，计算过程复杂且结果未必准确。但由于我国股票市场历史较短，上市公司信息质量不高，股权分割等因素导致上市公司的股票价格时常背离公司的实际，进而影响对上市公司价值的准确估计，即使通过上市公司股票价格来估价公司价值，其差异也非常大：模型假定借款企业资产价值呈正态分布是不合乎实际的；模型不能够对长期债务的不同类型进行分辨。但随着我国资本市场的不断完善，资本市场作为重要的资源配置场所作用的日益增大，KMV在我国的应用条件会逐渐具备，而且随着上市公司数量的不断增加，其应用范围也会逐渐增加，并在未来的信用风险管理中发挥重要作用。
CPV和CreditRisk都涉及到宏观和行业因素。CPV是从宏观经济的角度来分析借款人的信用等级的迁移，而信用登记迁移概率在不同时期受到GDP增长率、经济周期、失业率、汇率、产业等多因素的影响。该模型的应用是以上述数据均正确为前提。由于此类数据的完整获取和精确计量在我国尚有一定的难度，再加上从方法论上看，从宏观因素的个数及其经济含意与信用等级迁移的具体函数关系尚缺乏稳定性和风险性，我国的信用风险量化处于起步阶段，还没有建立完善的数据库，因此在使用上述模型时缺乏基础条件，但随着我国宏观经济数据的不断完善，可以成为我国银行业信用风险管理的重要参考模型。
CreditMetrics适合于对各类贷款资产信用风险的分析和预测，其适用的基本条件是金融机构的内部评级体系或外部评级机构的评级结果。但由于我国信用评级制度不健全，银行内部评级制度尚处于发展阶段，外部评级机构的信用评级也是刚开始，还没有形成长期的企业评级数据库，在此情况下，该模型的应用空间受到很大限制。但我国的信用体系建设已经得到政府的高度重视，企业信用信息征集、评价机制正在不断完善，银行内部评级和外部评级机构也在不断发展，随着各项条件的具备，该模型在我国的应用前景广阔，可以作为一种基础性的信用风险管理模型
相比之下，CreditMetrics具有两个优点：一是所计算出的Vail可以较为准确地反映不同信用等级和不同时期的贷款在未来可能发生的价值损失；二是以VaR来确定最低的风险资本量可以有效地保证银行在遭受信用风险损失的情况下能够继续生存下来。因此，CreditMetrics可较好地用于我国商业银行对信用风险进行量化和管理。
信用风险管理概述范文4
[关键词]：风险 内部评级法（IRB） 违约概率（PD） 模型 评估 双赢
金融风险管理涉及许多内容，近年来金融发展的过程已经十分清晰的说明：一个成功的管理者必须既坚持直觉，又同时坚持技术的观点才能赢得成功。前纽约联储主席杰拉德.克里根将风险管理描述为：在正确的时间将正确的结果告诉正确的人。《巴塞尔新资本协议》就是基于以上考虑的一个缜密的、精确的、前瞻的、多元文化的结晶，她借鉴了金融数学、统计学、信息论、管理学、离散数学、概率论、投资学等众多现论，循序渐进地形成金融领域的一系列制度规范。在对我国金融、银行体制提出更高要求的同时，其战略思想也对我们工商局未来信用建设具有诸多借鉴的意义。现实经济生活中失信的行为告诫我们信用评估的必要性的同时，也对我们的信用风险管理的准确程度提出更高的要求。如何展望未来信用建设？笔者窃以为：应该以2006年风险评估市场的竞争为基点（标准普尔、穆迪预计2006年进入中国），借鉴《巴塞尔新资本协议》的先进指导思想，引进多元文化的精髓，完善未来我们的信用评估体系建设，积极面对未来授信市场竞争。现将有关拙见表述如下，仅供大家参考，不当之处敬请指正。
一、《巴塞尔新资本协议》的内涵及影响
《巴塞尔新资本协议》表面上看只和银行与银监会有关，实际不然。金融学认为：当短期资本不足以支付短期负债以及突发风险导致的资本输出时，必然引发金融危机。信用建设对于我们是一项崭新的任务，其内涵不是财务指标稽核，也不是外部公共关系建设综合打分，其核心在于企业运营的综合风险评定，所有的企业的外部特征最终是由内部综合风险关系决定的，（即外因由内因决定，短期资本负债与风险将诱发的企业所有问题），几乎所有条文始终围绕关键词“违约概率PD”展开。由于世界上所有失信行为都存在一个潜在的企业内部风险因素，并不是一个随机的突发事件，因此《巴塞尔新资本协议》在充分强调银行自己的内部风险评估体系的基础上，促进公平竞争，激励银行提高风险计量和管理水平，正确管理银行头寸和业务风险度，坚持多元化指导思想，力求基本原则适用所有银行。其核心内容是内部评级法（即IRB），《巴塞尔新资本协议》委员会认为：IRB的目标之一是使资本要求和银行暴露的风险更加匹配。它很大程度上取决于交易对手和风险敞口的内部评估。同时IRB保证两个关键目标（更高的风险敏感度和激励相容）和《巴塞尔新资本协议》的标准相协调。另外《巴塞尔新资本协议》IRB多次提到标准普尔和穆迪在风险管理领域的先进经验，而这两个机构却是全球权威的授信机构。中国作为一个发展中国家，目前《巴塞尔新资本协议》对中国而言存在四个问题：没有可与国际巨头相抗衡的授信机构；没有系统的经济资料数据库；没有相应的复合型高端人才群体；入世后又不得不融入世界经济（具体体现在境外上市、国际融资等方面）。同时由于我国金融市场不成熟，做为债务主体的国家、非中央政府部门、银行、证券公司，按标准法进行的外部评级，大多数会落入“BB＋到B－”和“B－以下”这两个评级之中，如果任由外国评级机构评级，国有企业的不佳处境将引发资本市场等级二次降低的恶性循环，在经济动荡年份，更有可能无例外地落入“B－以下”等级（与此对应的是150％风险权重）。国际活跃银行对这些债务主体形成的债权会随之要增加资本要求，银行成本也将随之上升。这样，它们就倾向于将其资金大量转移到经济基础雄厚、金融市场发达的国家，中国的国家债务主体的融资环境就可能恶化，根本没有语话权可言，因此目前我国暂时不加入《巴塞尔新资本协议》实际上是“以时间换取空间”。但是如果认真品味，我们可以从《巴塞尔新资本协议》的深处得到许多启示，表述如下：
1. 1《巴塞尔新资本协议》的先进借鉴点
《 巴塞尔新资本协议》在信用评估方面有其系统的优势。首先在理论方面极为先进，该协议引用了当前社会的金融前沿理论，1997年诺贝尔经济奖得主布莱克的布莱克——舒尔茨期权定价理论、2003年诺贝尔经济奖得主恩格尔、格兰杰的ARCH和GARCH模型等理论在该协议中均有体现，许多当今金融领域的优秀管理方法在该协议中都被提及。其次、多学科综合知识应用水平极高。如IRB的163——168条的风险权重问题，引用了风险价值法VAR、概率密度函数PDF,并结合历史数据进行基于大型计算机应用基础上的统计分析；如IRB第439——457条的技术推导部分，彰显统计学专家对于金融数学炉火纯青的应用水平；Creditrisk+模型的风险计算引擎更是采用了卷积技术。第三、内部管理相当严格，整个协议可以说是围绕“风险”、“违约概率”（即PD）、“风险权重”、“模型”等要素展开，因此决定其在定量分析方面的精确要求。第五、前台数据收集紧密结合后台数据分析。如IRB的第230条明确指出：对数据收集的要求应和银行确认的违约概率估计值、风险评级模型的能力紧紧相扣。第六、知识产权意识强烈，相应的风险管理数学模型具有“注册商标”。如IRB第172条涉及的行业标准信用风险模型criditMetricsTM和PortfolioManagerTM。第七、该协议鼓励银行运用该协议，自评银行本身存在的敞口风险违约概率（PD）,藉此提高银行的参与程度和对该协议的认可度，认识自己不足，调动各个银行的积极性，最终实现双赢。第八、该协议积极引进“事后检测”的手段，在该委员会的《与市场风险相关的资本补充》条文中明确了上述思想，其目的在于求出比相应市场风险大的损失数值——期望值，这既是一种项目管理的思想，又体现了委员会循序渐进的指导理念。上述亮点对于我们今后的信用建设具有一定的指导意义。
1. 2《巴塞尔新资本协议》带来的冲击波
众所周知，建立社会信用体系制度的一个关键是具备完善的信用授信机制。目前中国的信用建设实际上也是社会综合授信体制的一个部分。目前国内的信用评估市场可以说是一片处女地，截至1999年全国只有十五家企业通过国际评估获得授信。按照《营销学》的观点，爱斯基摩人没有冰箱并不意味冰箱在北极没有市场需求，而是意味着一片新的市场空白。授信市场存在同样的问题，我们现在进入的是一片处女地，关键是不断改进，强化竞争优势，抢占授信市场的市场份额；国际先进授信组织在授信领域明显与我们的信用评估具有同向竞合的问题，不能排除我们2006年面临的授信信度技不如人的可能。同时对于风险管理而言，建立信用建设科学决策的目标就是在社会大环境中推行我们自己的、具有极高信度的政府授信标准。而解决当前社会中的多头授信的问题的关键是“我们的授信信度水平必须具备对手不具备的、相当的强势竞争优势”。纵观《巴塞尔新资本协议》这一领域的研究和实际应用,信用评估分析方法从主观判断分析法和传统的财务比率评分法转向以多变量、依赖于资本市场理论和计算机信息科学的动态计量分析方法为主的高级法趋势发展，按照《巴塞尔新资本协议》IRB第6条的说法：“采用高级法使资本要求和银行内部风险度量、管理更好地结合在一起，而且与（《巴塞尔新资本协议》）委员会激励银行改善经营管理的理念相一致。”目前我国的信用分析和评估技术仍处于起步阶段，信用风险的分析仍然是以表内资产、单一投资项目、贷款和证券为主,宏观经济、衍生工具、表外资产的信用风险以及信用集中风险的评估尚属空白。更没有集多种技术于一体的动态量化的信用风险管理技术。《巴塞尔新资本协议》中的公司敞口的风险权重章节（从IRB第152——188条）对于今后的评估问题具有相当的借鉴意义。因此必须通过提高我们的信用评估系统的综合知识含量， “师夷所长”接轨国外的信用评估体系，引入科学方法来确定有效指标,并建立准确的定量模型来解决信用评估信度问题。
二、关于未来信用建设的建议
展望未来的信用建设，可以说就是一项挑战，它取决于我们在多大程度上可以容纳不同文化的“侵略”，以及在多大程度上可以融入陌生的主流变革。
2.1、开发评估市场的潜在需求
目前我们的企业可以花大价钱搞ISO9000，购买几十万元一套的企业管理软件，实际上告诉我们企业对其强化内部风险管理方面存在的强烈的潜在需求，市场潜力巨大。同时按照双赢的管理思路，企业本身并不排斥我们的某些信用激励管理行为，只是有时他们没有意识到我们的信用管理行为带给企业的既得利益，认为付出与收益不对称。因此在借鉴《巴塞尔新资本协议》做法的同时顺势而为，建议我们运用NGO思想，通过一个由我们掌握的中介机构，使信用评估积极地将企业改善其内部管理的欲望纳入整个信用建设，根据由企业提供的信息，作出合理的企业内部管理评估，将结果及时低价、有偿反馈给企业，强化其内部管理，实现双赢。这样做有四个方面利益：首先有利于企业将真实的经营资料提供给我们。其次在满足企业欲望的同时，由于存在的其他高价内部管理软件销售市场，使我们的信用评估存在极强的市场竞争优势，足以使企业愿意购买我们NGO的服务及其内部管理评价结果（建议第一年暂时免费）。第三、有利于抢占了授信市场的市场份额，确立半官方授信机构的霸主地位。第四、由于《巴塞尔新资本协议》基于《统计学》的考虑，要求至少5年以上的资料保证“统计分析”结果的拟合优度的准确，一般要求7年，我们的企业历史数据库资料却相当完备。2006年国外的授信机构进入市场由于没有5年以上的全面数据资料必须交昂贵的学费、买高价准入门票。
2.2、强化前台数据采集和后台分析的匹配
《巴塞尔新资本协议》是以后台的数据分析为基点，要求前台的数据完备、准确、系统。IRB第219条明确指出：银行进行违法概率分析时，可以采取三种估计方法：内部违约经验、映射外部数据、统计违约模型。在险值VAR计算过程中更是引进了“资产流映射”的概念。前台和后台的密切联系、相互映射保证了整个管理结果的精确性。念过《经济计量学》、《统计学》的人都知道：经济数据往往是一个截面，如果我们希望根据三个参变量对某个函数进行分析，我们至少得具备4（＝3＋1）个以上截面数据保证统计结果的可信度，截面越多最终结果越准确。同时由于不同的变量之间存在自相关的问题，在后台确定统计采集的参数时，务必确保前台采集的数据不存在自相关的问题。否则我们的后台分析结果将不具备任何意义。同时关于权重的问题建议根据统计学中的观点，建议按照《巴塞尔新资本协议》的思路，有必要结合历史资料，精确测定各个权重。
2.3、积极引进金融数学模型
随着马克维茨的期权选择模型和夏普的资产定价模型的提出，数学模型在投资和市场资本领域迈出了一大步。两人因此获得1990年的诺贝尔经济学奖。由于《巴塞尔新资本协议》是基于全球金融管理的尖端技术，所有的风险管理由于数据流量极大，要求极为精确，必须借助基于计算机应用基础上的金融数学模型。同时最近的金融问题定量分析趋势愈加明显，评估风险问题更是不例外。信用风险管理模型的成功关键在于：良好的设计、灵巧的实施、负责的应用及评估。未来工商局的信用风险管理模型应该主要针对“告诉风险管理者如何将稀缺的信用风险资本配置给各个业务，以使企业获得最优的风险和回报特性。”这一关键，扼要的说，就是给定目标回报前提实现风险最小化的最优管理。风险管理的起步阶段的低级法(含5C要素分析法、财务比率综合分析法等)即将被淘汰，本文仅仅扼要的阐述一下几个经典模型理论。马克维茨组合选择理论建立在三个假设上：即已知风险和回报、相关回报之间的协方差明确、资产回报呈正态泊松分布。该理论通过求无风险利率直线和投资组合曲线的切点，最终谋求风险最小和回报最大的最佳组合。现代《投资学》的投资组合方式就是建立在该理论基础上。其次、信用分析的管理模型在不断发展中涌现了一批较为成熟的模型：交易对手信用模型、信用风险模型、市场风险模型、聚合模型、输出模型等等，其中Criditmetric、Creditrisk、Portfolio Manager等等模型在信用风险管理中得到广泛应用。最古老的信用风险模型就是马尔科夫信用评级变动模型，目前被广泛应用的的信用矩阵Criditmetric模型（J.P Morgan，1997）就是建立在马尔科夫模型的基础之上，其基本假设是：企业信用等级的变动是类似马尔科夫过程的随机向上或向下，特别是一个时段中的变动和前一个时段中的变动无关。Criditmetric模型就是基于以上假设，通过蒙特卡罗模拟（一种以概率统计为基础随机抽样为实现手段的数值技术）来实现。其他各个模型基于不同的假设条件，采用不同视角针对经济领域的不同问题举行定量分析，因此在不同风险管理领域的应用各有所长，但是又有各有缺陷，一般流行做法是互补引用，系统测算，积极盯市，综合评价，系统事后测评。
最近十几年诺贝尔经济学奖总是频频向“金融数学应用领域”的天才 “暗送秋波”，《巴塞尔新资本协议》更是浓缩了当今世界的金融风险管理知识、经验的精华，折射出了上述先进理念巨大潜在价值，并对于我们未来的信用建设提出了新的启迪。对我们而言，尽管现在“想说爱你不容易”，但是《巴塞尔新资本协议》还是会在不久的将来成为我们一把的双刃剑。
参考文献
[1]章彰. 商业银行信用风险管理——兼论巴塞尔新资本协议 [M]. 北京：中国人民大学出版社， 2002.
[2]、达莫达尔.N.古亚提拉 经济计量学精要 机械工业出版社；
[3]、马克.洛尔 金融风险管理手册 机械工业出版社；
[4]、绍宇 微观金融学及其数学基础 清华大学出版社；
[5]、托马斯A威廉姆斯等 商务与经济统计 机械工业出版社；
信用风险管理概述范文5
关键词：软件项目；风险管理；风险评估；模糊理论
中图分类号：TP311 文献标识码：A 文章编号：1009-3044(2011)16-3871-03
Software Project Risk Assessment Model Based on Fuzzy Theory
PEI Yu
(School of Management, China Mining University, Xuzhou 221008, China)
Abstract: Many uncertainties always exist in the development and management process ofsoftware project, To handle with the complexity and uncertainty of software project, the paper proposes a software project risk assessment model based on Fuzzy theory. Using the model, we can assess the consequences and the loss of the risk, besides, it can measure a combination of impact of a certain risk from a variety of risk and the combined effects of the overall consequences from individual risk. Practice proves that the model can predict risks and identify the sources of risk. In a word, it provides a way to effectively reduce the risk probability and increase the rate of the success of software development.
Key words: software project; risk management; risk assessment; fuzzy theory
项目的创新性、一次性、独特性及其复杂性确定了项目风险的不可避免，而软件项目又有着其自身的特点，随着技术更新和产业环境的变化，软件项目趋向于周期长、规模大、涉及范围广等特点，使得项目涉及的风险太多，各种风险之间相互影响，内在关系错综复杂，导致软件项目开发的失败率一直居高不下。因此，科学的评估风险发生的可能性及产生的影响，分析各个风险之间的关系，并基于此对软件项目进行有效的风险管理很有必要。
典型的软件项目开发过程主要包括产品需求的识别、需求的分析、产品设计、编码、测试。在整个软件项目的开发过程中，风险无处不在。任何一个阶段的问题都可能会导致项目的失败，因此，在项目软件的整个生命周期内，都要进行风险管理，它是一个持续的过程。
软件项目涉及的风险很多，有些甚至是致命的。软件项目风险管理就是识别风险和风险源，将项目的不确定性因素及问题装换为具体的可以被描述和估量的风险，并用各种定性和定量的工具对其进行分析，根据分析的结果制定相应的风险管理计划，对风险进行跟踪控制、使风险对项目的影响降低到可接受的程度，保证项目的成功。软件项目风险管理过程分为风险评估和风险控制，风险评估又包括风险识别、风险分析以及风险应对计划，而风险控制包括风险的跟踪与回馈[8]。图1画出了软件项目的风险管理过程。风险评估是软件项目风险管理的核心与基础，直接影响着风险的后续过程以及项目的成功与否。目前，现有的软件项目风险评估方法基本上都只是作定性的分析，就算有定量分析，但由于经验数据不足而更多的依赖于人的评估，而专家在决策时又存在偏好问题，这都给评估带来了更大的困难。针对软件项目的复杂性和不确定性，文中提出了基于模糊理论的软件项目风险管理评估模型。
1 模糊理论
1.1 模糊理论相关概念
在日常生活的现实里，模糊总是如影随形，所以在实际生活工作中，我们无法避免模糊性，如果事事都要求精确，那就无法顺利的交流，特别地，针对某些问题，适当的模糊可能会使问题得以迎刃而解，灵活性大为提高。
模糊理论（Fuzzy Logic)是在美国加州大学伯克利分校电气工程系的L.A.zadeh教授于1965年创立的模糊集合理论的数学基础上发展起来的,主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容。
模糊集合，表示界限或边界不明确的特定集合，以特征函数来表示元素与集合间的归属程度，一般特征函数又称为归属函数，其值在（0，1）之间，模糊集的表达式如下，A= 其中x1，x2……xn代表有限集X={x1，x2……xn}中的元素，μ（xi）表示元素xi在模糊集（A，μ）中的归属度[3]。
语义还原，为了适合人的思维习惯，将模糊语言还原成自然语言表达方式。通常通过计算模糊数间的语义距离，并取其最小值，作为最接近的自然语言。
1.2 模糊理论的应用
模糊理论发展至今已接近三十余年，应用的范围非常广泛，从工程科技到社会人文科学都可以发现模糊理论研究的踪迹与成果。在软件项目风险评估中主要包括以下几个方面[3]：
1) 风险结果评估，将识别出的风险，用模糊语言描述其发生的可能性，再通过模糊数的截集运算计算出风险的概率。
2) 风险影响评估，通过模糊数的截集运算计算出风险影响通过风险分析网络得出的风险发生可能性，可以评估常用于衡量风险程度的风险当量以外，还可以评估多种风险对某种风险后果的组合影响，以及单个风险对整体后果的综合影响。
3) 风险结果还原，使用模糊数间的语义距离将评估结果转化为自然语言描述。评估结果以量化数据和自然语言两种方式表述。
2 基于模糊理论的软件项目风险评估模型
基于模糊理论的软件项目风险评估模型考虑到软件项目中普遍存在的经验数据不足及评估语言的不确定性，引入模糊学概念，采用隶属函数的描述方法，运用多值逻辑，由专家使用模糊语言对风险发生的可能性及危害进行评估，很好地解决现实评估中的不确定性和模糊问题。软件项目风险评估模型就是以模糊集合论为基础、专家综合评估为核心的评估模型。该模型引入专家信任度平衡其对评估结果造成的影响，使评估数据尽可能的客观和科学。在该模型中，专家使用模糊语言进行评估，通过模糊数的截集运算计算出风险的概率及影响，度量数据解模糊化后计算出风险的综合影响并进行排序，最后使用模糊数间的语义距离将评估结果转化为自然语言描述。评估结果以量化数据和自然语言两种方式表述。
基于模糊理论的软件项目风险评估模型主要包括风险识别、风险因素权重、模糊评价集、专家信任度、风险评估、风险影响综合评估和语义还原7部分内容[1]。
2.1 风险识别
风险识别的主要任务是识别风险和风险源，将项目的不确定性因素及问题转换为具体的可以被描述和估量的风险。
1) 识别风险源。项目初期，软件项目经常存在未制定项目计划、项目需求不确定、技术或方法选择不 恰当等风险，而风险识别的目的是在风险发生之前，挖掘出潜在的风险，并评估其发生的可能性及危害，以 便采取措施缓解或避免，使风险危害降到最低。常见的识别方法有：头脑风暴法、Top-10风险列表法、Del―phi法、访谈法等。其中SEI基于TBQ的风险分类系统，问卷设计合理、科学，组织规范，系统性强，应用较为广泛。
2) 建立初始风险清单。将识别出的风险因素通过合并相似、删除重复、添加遗漏等操作，整合成用自然语言描述的风险清单，包括风险产生的原因、风险触发的条件、关于该风险的描述、风险产生的后果及可能造成的影响。
2.2 风险因素权重
在不同的项目、不同的环境及不同的资源下，风险因素的重要程度有所不同，用风险因素的权重系数向量A[a1，a2，…，an]T表示。其中n为风险因素个数，ai为第i类风险因素的相对重要程度。ai可由层次分析法（AHP）求出，具体方法是：1)将不同的风险因素列成比较矩阵；2)按照表1 中的1～9标度法进行两两比较；3)由方根法求其权重值，归一化处理得到向量A，并求出一致性指标CR；4)当CR
2.3 模糊评价集
1) 定义风险发生概率的模糊评价集。在缺乏项目历史数据的情况下，领域专家将使用 “不可能”、 “可能”等模糊性语言评价风险发生的概率，即模糊评价集Hp {极不可能，不可能，中等，可能，很可能}。
2) 定义风险因素后果集与风险后果模糊评价集。风险因素后果集D{进度，费用，质量)，风险对后果影响的模糊评价集Hc {极低，低，中等，高，极高}，当用三角模糊数表示H 与H 时，其隶属函数如图2所示，Hp 与Hc 和 -截集间的对应关系如表2所示。
2.4 专家信任度
专家由于从事研究的领域不同，对软件开发中各种风险危害程度的看法也有所不同，因此不同的专家在评估不同风险因素时的权威程度也是不同的[3]。如项目管理专家在评估项目管理风险、人员风险等方面远比技术专家权威得多。专家信任度矩阵用 W表示，它由 m位专家(行)，n类风险(列)组成，表示第i 位专家在评估第 j个风险时的相对重要程度。每列的值的计算步骤与风险因素权重计算相同，且和为 1。
2.5 风险评估
1) 风险发生概率的评估。风险发生概率评估是指专家使用模糊评语集构建模糊专家评估矩阵P，以此评价各种风险发生的可能性。P 由m位专家(行)，n类风险(列)组成，任意一个Pij 表示第i个专家对 第j类风险因素发生概率的评估值。为了消除专家因所处研究领域与偏好而产生的评估偏差，采用专家信任度修正评估结果，得风险概率综合评估矩P综合 =[P1，P2，…，Pn]，其中Pj= 。
2) 风险后果评估。风险后果评估是指专家使用模糊评语集Hc 构建模糊专家评估矩阵C，以此评价各种风险对后果集D造成的影响。以成本这一后果为例，C由m位专家(行)，n类风险(列)组成，任意一个cij 表示第 i个专家就第 j类风险对成本的影响做出的评估，同时使用专家信任度修正评估结果，得风险对进度的影响评估矩阵C进度[C1，C2，…,Cn]，其中Cj =。同理，可求出风险对其他两个后果的影响评估矩阵，合并可得风险对后果集D的综合影响评估矩阵C综合，该矩阵由3种后果(行)、n类风险(列)组成，任意一个Wij 表示第 i类风险对第i种后果造成的影响。
2.6 风险影响综合评估
风险当量是评估软件风险程度的关键指标，目前的分析方法通常由风险概率与后果的乘积度量出单个风险对各风险后果的危害程度，而多种风险共同造成的损失以及风险对整体后果的影响却无法体现。为从多维视角更深入地了解风险，以更好地达到控制风险的目的，采用如下方法解决这一问题。
R当量=P综合×C综合
R组合=[R1,R2,R3]T,其中Ri=
R综合=[R1,R2,……,Rn]/[R1+R2+….+Rn]，其中Ri=
2.7 语义还原
由上述步骤计算出的综合评估结果为模糊数形式，为了适合人的思维习惯，需将其还原为自然语言表 述．根据Dubois和Prade的两集合间的欧几里德距离，以及Ross提出的改进欧几里德方法，采用间接方法计算模糊数间的语义距离。
定义模糊数A、B、C和D，A和B均为三角模糊数，C=A×B，D为预定的模糊评语。A、B和D的模糊数分别表示为(l1，m1，n1)、(l2，m2，n2)和(l3，m3，n3)，要计算模糊数C与D之间的距离，根据语义距离公式，计算出Cmin(i)和Cmax(i)(i=a，a取0或1)，有：Cmin (0)= l1 l2，Cmax(0)= n1 n2 ，Cmin= Cmax(1)= m1 m2。两模糊数C与D之间的距离为 [10]
dCD=
计算出的模糊数与评语集中各个评语的距离，取其最小者，即为最接近的自然语言．
3 总结
可以通过实例验证，在传统风险控制方法不能有效解决风险评估中的不确定性因素影响的情况下，构建软件项目风险评估模型能够有效地预测风险发生的概率及可能造成的影响的。而文中基于模糊理论的软件项目风险评估模型既能计算出风险因素对各种后果事件的综合影响，还能使用风险权重度量多种风险的组合影响，克服了传统评估中评估数据的缺乏和人的因素的综合影响，并且能还原成自然语言，客观科学，具有较好的适用性。
参考文献：
[1] 赵冬梅,吴敬,陈霄凯,等.软件项目的模糊风险评估及风险控制[J].河北省科学院学报,2005,22(4):92-94.
[2] 左怀远,米根锁.软件项目中的风险管理研究[J].世界科技发展与研究,2008(3).
[3] 唐爱国,王如龙.基于贝叶斯网络的软件项目风险评估模型[J].计算机工程,2008,34(22).
[4] 许数柏.层次分析法原理[M].天津:天津大学出版社,1988.
[5] 潘春光,陈英武,汪浩.软件项目风险管理理论与方法研究综述[J].控制与决策,2007,22(5).
[6] 陈丽蓉.软件开发项目中的风险管理[J].海南广播电视大学学报,2008(4).
[7] 岳闻婧.基于贝叶斯网络的软件项目风险管理[J].管理科学文摘,2008(5).
[8] 袁瑞萍,吴祈宗.基于credal网络的软件项目风险管理模型[J].微计算机信息,2008(36).
[9] 李洪兴,汪培庄.模糊数学[M].北京:国防工业出版社,1993.
信用风险管理概述范文6
【关键词】软件开发项目 风险管理 应对策略 一、软件项目风险管理概念
软件项目风险指的是企业在开发一套软件的过程中遇到的各种问题，包括资金预算问题、实际进度问题等等，以及它们对整个项目造成的影响。在软件项目进行过程中采取有效的风险管理措施，能够从很大程度上降低风险的发生。
（一）风险识别
软件项目风险识别过程是将软件项目开发中存在的不确定性问题以分析产生的风险进行叙述。软件项目风险识别的核心是系统化的确定项目风险的来源、风险出现的时间、风险产生的条件、风险存在的特征等等，而且，项目风险识别是需要贯穿于项目实施执行的始终，并不是简单的一次性工作。
（二）风险应对计划
风险应对计划的最终目的就是使软件项目的最终目标概率获得提升，同时有效减少项目风险带来的不利影响。通过预先制定的风险应对策略来降低风险事件发生的概率，甚至彻底清除风险事件的发生。风险应对计划包括制定软件项目风险管理的执行方案、采取有效的风险管理方式等等。
（三）风险控制
风险控制指的是在软件项目进行的过程中，采取一定的措施应对产生的风险情况，从而确保风险应对计划能够顺利执行。风险控制的最终目的是将风险管理的实际效果与预先制定的风险管理计划进行比较，及时发现两者之间的异同之处，有针对性地改善风险应对计划。
二、软件项目风险管理模型构建
（一）RISKIT风险管理模型
RISKIT风险管理模型系统的将软件项目风险管理过程和风险评估技术进行了定义，其目的是在完整详细地表达和控制软件项目风险时间发生之后带来的影响，并选择恰当的工具对风险进行评估。
（二）IEEE风险管理模型
IEEE风险管理模型将软件开发项目中的风险管理过程进行了详细定义，适用于大中型软件企业的软件项目，IEEE风险管理模型不但能够用于管理软件项目风险，还能够管理各类组织级别的风险。
三、软件测试开发项目风险管理策略
本文以某大型软件企业的数据通信电源测试系统为软件开发项目案例，据项目风险识别、项目风险分析、项目风险计划和项目风险控制四个方面提出了软件开发项目的风险管理策略，并提出了一系列软件开发项目的风险规避措施。
（一）项目风险识别
（1）现场检查。软件开发项目风险管理人员需要亲自到软件开发现场检查整个项目的实际进行情况，及时掌握和了解软件开发项目面临的相关风险。
（2）团队成员密切配合。软件开发项目风险管理相关人员需要相互协作，保持密切联系，及时交换发现的问题，掌握每个软件开发项目成员的具体情况，及时发现项目中存在的风险问题。
（二）项目风险分析
（1）项目风险等级。数据通信电源测试系统软件开发项目根据风险特点总共分为四个等级，第一级风险等级为“灾难性影响”；第二级风险等级为“严重性影响”；第三级风险等级为“轻度影响”；第四级风险等级为“轻微影响”。风险等级的划分是根据历史数据进行评估的，通过对同类软件开发项目的历史风险，对本软件开发项目进行评估分析。
（2）项目风险概率。数据通信电源测试系统软件开发项目按照项目风险概率总共划分为五个等级，A级为“最高”等级（80%-100%）；B级为“高”等级（60%-80%），C级为“中”等级（40%-60%）；D级为“低”等级（20%-40%）；E级为“最低”等级（0%-20%）。项目风险概率的划分也属于定量分析。
（三）项目风险控制
在软件开发项目进行的过程中，项目管理人员应该按照预定时间对项目风险计划进行回顾和分析，及时更新项目风险管理清单，对应制定新的项目风险解决方法。在该软件项目进行之前，需要根据风险分析结果制定相应的软件开发项目风险管理执行方案，项目风险控制管理制度等。数据通信电源测试系统软件开发项目的风险控制措施包括：充分保证软件开发项目的可操作性、实用性和可靠性；加强软件项目开发人员的素质培养，提升软件开发人员能力；加强团队合作建设，保证软件开发项目人员之前沟通顺畅。
四、结论
综上所述，在软件开发项目实施过程中，项目风险管理时刻都发挥着不可替代在关键作用，项目风险管理是通过科学的分析和统计方法，有效降低软件项目风险发生的概率，从而减少项目风险带来的各种损失，因此，软件项目风险管理的保证软件开发项目顺利实施的重要前提。
参考文献：
[1]许凯.浅议中小型软件企业的项目管理[J]. 中小企业管理 与科技（下旬刊）. 2012，（09）
