几种项目风险评估方法比较

□文/陈德强 潘 高

风险评估就是在充分掌握资料的基础之上，采用合适的方法对已识别风险进行系统分析和研究，评估风险发生的可能性（概率）、造成损失的范围和严重程度（强度），为接下来选择适当的风险处理方法提供依据。根据实际需要的不同可以对风险进行定性分析和定量分析。定性分析一般是根据风险度（重要程度）或风险大小（概率×强度）等指标对风险因素进行优先级排序，为进一步分析或处理风险提供参考，常用方法有专家打分法等。定量分析则是将体现风险特征的指标量化，加深对风险因素的认识，有助于风险管理者采取更具针对性的对策和措施，常用方法有敏感性分析、蒙特卡罗分析等。下面介绍常用的一些风险评估方法。

一、专家调查法

在风险识别的基础之上，请专家对风险因素的发生概率和影响程度进行评价，再综合整体风险水平进行评价。该方法简单易行，可以在采用德尔菲法进行风险识别时同时进行，节约成本和时间，缺点是主观性强，依赖于专家水平。

二、蒙特卡洛模拟法

蒙特卡洛模拟法又称统计试验法或随机模拟法，其原理是将项目目标变量（风险评价指标）和各个风险变量综合在一个数学模拟模型内，每个风险变量用一个概率分布来描述，然后利用计算机产生随机数（或伪随机数），并根据随机数在各个风险变量的概率分布中取值，算出目标变量值，经过多次运算即可得出目标变量的期望值、方差、概率分布等指标，绘制累计概率图，供决策者参考。

风险变量的确定，一般采用前述的风险识别方法，如果风险因素较多，可以先进行敏感性分析，选择敏感的风险因素作为风险变量。风险变量的概率分布描述是进行模拟分析的基础，常用的有正态分布、β分布、三角分布、梯形分布、阶梯分布等，销售量、售价、产品成本等变量多采用正态分布，工期、投资等变量多采用三角分布描述。对有历史数据的风险变量可根据数据做统计分析，估计其概率分布，对没有历史数据的风险变量，可以采用专家调查法确定变量的概率分布。

该法由法国数学家John.ron.neuman创立，由于其依赖的概率统计理论与赌博原理类同，因此以欧洲著名赌城摩纳哥首都Monte Carlo命名。该方法的优点是使用计算机模拟项目的自然过程，比历史模拟方法成本低、效率高，结果相对精确；可以处理多个因素非线性、大幅波动的不确定性，并把这种不确定性的影响以概率分布形式表示出来，克服了敏感性分析的局限性。不足之处是依赖于特定的随机过程和选择的历史数据，不能反映风险因素之间的相互关系，需要有可靠的模型，否则导致错误。

三、计划评审技术（PERT）

该方法是用网络图来体现项目中各项活动的进度和相互之间的关系，确定关键路径，计算总工期及概率，再综合考虑资源因素，得到最佳的项目计划方案。PERT主要用于对项目的进度管理，评价进度和费用方面的风险。它适用于评价缺乏历史经验资料的科研或产品研发项目风险以及与进度相关的项目风险。由于该方法的前提是假设项目每项活动的时间服从正态分布或β分布，总工期和关键路径都具有随机性，但是随着关键路径的确定，这一假设就失去意义，因此具有一定的缺陷。

四、敏感性分析法

敏感性分析法是指在假定其他风险因素不变的情况下，评估某一个（或几个）特定的风险因素变化对项目目标变量的影响程度，确定它的变动幅度和临界值，计算出敏感系数，据此对风险因素进行敏感性排序，供决策者参考。这种方法应用广泛，常用于项目的可行性研究阶段，有助于发现重要的风险因素，具体又可分为单因素敏感性分析和多因素敏感性分析。其缺点在于只能体现风险因素的强度而不能反映发生概率，也不能反映众多风险因素同时变化时对项目的综合影响。

五、决策树法

决策树法是指利用图解的形式，将风险因素层层分解，绘制成树状图，逐项计算其概率和期望值，进行风险评估和方案的比较和选择。一棵简单的决策树包括决策节点、状态节点和结果节点，决策节点与状态节点之间为方案分支，状态节点引出的分支为状态分支，决策节点上标注最终方案的收益期望值，方案分支标注方案名称，状态节点标注某个行动方案收益期望值，状态分支标注状态名称和概率，结果节点标注收益值。一般会求出目标变量在所有风险因素所有概率组合下的期望值，再画出概率分布图，因此计算量与风险因素和变化的数量成指数关系，并且需要有足够的有效数据做支撑。这种方法层次清晰，不同节点面临的风险及概率一目了然，不易遗漏，能够适应多阶段情形下的风险分析，但用于大型复杂项目时工作量较大，也不适合用于缺乏类似客观数据的项目。

六、影响图法

影响图是指由风险结点集合和反映风险关系的有向弧集合构成的无环有向图，它是在决策树基础之上发展起来的图形描述工具，包含了对风险变量相关性的描述，既可以表示变量之间的概率依赖关系，又可用于计算，能够有效地把决策问题转化成模型，是决策问题定性描述和定量分析的有效工具。其优点是概率估计、备选方案、决策者偏好等资料完整；图形直观、概念明确；计算规模随着风险因素个数呈线性增长。缺点是需要获取大量的概率和效用值，对于复杂问题建模困难。

七、模糊综合评价法

模糊理论是美国加州大学伯克力分校卢菲特·泽德教授于1965年首先提出的一种定量表达工具，用来表达某些无法明确定义的模糊性概念。事物的某些状态或属性如男或女，可以明确区分，但是如漂亮或不漂亮、高或矮之类带有主观意识的属性，则很难以明确的标准加以区分，模糊理论接受自然界模糊性现象存在的事实，并将其量化，进行相关研究。

风险也具有模糊性，主要表现为风险的强度或大小很难进行明确的界定。模糊综合评价法将项目风险大小用模糊子集进行表达，利用隶属度及模糊推理的概念对风险因素进行排序，以改进的模糊综合评价法为基础，采用层次分析法（AHP）构建风险递阶层次结构，采用专家调查法确定各层次内的风险因素指标权重，逐级进行模糊运算，直至总目标层，最终获得项目各个层级以及整体的风险评估结果。该方法将风险的定性和定量分析相结合，对于难以量化的风险因素如法律变动，也能进行有效分析，不依赖绝对指标，避免标准不合理导致的偏差。缺点是专家的主观偏见和能力水平可能会影响结果，对隶属度变化时评价结果改变的波动性利用不够。

八、风险矩阵法

该方法又称风险值法，1998年由Paul R等人提出。该方法将风险事件发生的概率和影响程度分级评分，然后分别作为矩阵的行和列形成风险矩阵，将风险概率和风险后果估计值（0～1）相乘得到风险值，进而按照风险事件在矩阵中的位置作出评估。该方法使用简单快捷。缺点是计算风险概率往往需要历史数据；由于风险的随机性和影响的模糊性，易产生风险结。

九、人工神经网络技术(ANN)

该方法是模仿生物大脑结构和功能而形成的一类信息处理系统，最先由美国生物学家Warren Mcculloch和数学家Walter Pitts于1943年提出，经过几十年的发展已经成为多学科综合的前沿学科。人工神经网络的基本结构单元是神经元，它一般是多个输入、一个输出的非线性单元，按照一定的层次结构排列，每层神经元以加权方式与其他层次上的神经元连接构成神经网络。根据连接方式的不同，目前已有30多种神经网络结构，最常用的是误差反向传播的多层前馈式网络，即BP网络。人工神经网络技术运作模式是建立神经元网络连接，通过学习规则或自组织等过程建立相应的非线性数学模型，经过多次信息输入和输出比对，并不断进行修正，使输出结果与实际值之间差距不断缩小。优点：具有自学习、自组织适应能力和强容错性等特性；避免了大量的繁琐计算，使评价工作更简便易行；主要是通过对以往的样本数据进行学习，获取经验，弱化了确定各因素权重时的人为因素。缺点：选择网络结构不当会影响评价结果；输出结果不能体现单个风险因素的重要程度；泛化能力差，不适用于多目标的评价过程，项目具有独特性、一次性的特点。

十、灰色评价方法

灰色系统理论是我国著名学者邓聚龙于1982年提出的，他根据信息的清晰程度，将系统分为白色、黑色和灰色，白色系统信息完全可见，黑色系统信息未知，灰色系统介于两者之间，分析过程中可充分利用已知信息将灰色系统的灰色性白化，分析方法有灰色聚类法、灰色关联分析法等。灰色关联分析是根据因素之间发展态势的相似或者相异程度来衡量因素间关联度的方法。灰色评价方法的优点：对样本量要求不高，不要求样本服从任何分布，可以有效地克服复杂系统的层次复杂性、结构关系的模糊性、动态变化的随机性、指标数据的不完全性和不确定性，排除认为影响，数据不必进行归一化处理，可靠性强。缺点：样本数据具有时间序列特性，综合评价结果具有“相对评价”的缺点，需要确定分辨率，其选择标准尚无一个合理的标准。

对项目风险定性和定量分析，为选择最佳风险处理手段提供了可靠的依据。上述风险评估方法有各自的特点和优势，有的方法以全面、精确为特点，有的方法以简单易用为优势，一些方法可以同时处理风险识别和风险评估，各方法之间也有相互交叉、相互引用的情况，在实际应用中应当根据掌握资料程度、项目实际情况具体选择。1992年英国里丁大学Simister教授对英国项目管理协会的37名会员进行风险评估技术应用方面的调查，结果显示尽管有很多新的风险评估方法，但传统的调查打分法、蒙特卡洛模拟和计划评审法使用率达70%。据统计，由于资料稀缺和时间紧迫，75%的项目经理倾向于采用专家调查打分，将风险评估主观量化。未来项目风险管理将更加注重一体化和动态持续性，风险的量化分析越来越受到重视，随着传统风险评估方法不断改进，新方法的不断完善，风险评估将会使项目管理更加科学有效。

[1]廖诗娜.PPP项目定量风险评估方法比较[J].合作经济与科技，2010.6.

[2]杨义灿.投资项目评价的理论、方法及应用研究[D].南京:河海大学，2000.

[3]Paul R，Garvey PR，Lansdowne ZF.Risk matrix:an approach for identifying，assessing，and ranking program risks[J].Air Journal of Logistics，1998.25.

[4]易军，许忠保，刘小鹏.人工神经网络技术的工程应用及展望[J].湖北工业大学学报，2007.22.

[5]张玮炜，尹志军，陈立文.基于全生命周期的项目风险分析方法比较研究[J].2007.9.

[6]骆珣，王晓庆.项目风险评估的应用与展望[J].现代管理科学，2006.9.