新型产业经济环境下农村数字金融操作风险评估

路 荣

（西安财经大学行知学院，陕西 西安 710038）

农村经济逐渐步入国民整体经济循环，农村新型产业经济的发展离不开金融力量作支撑，农民群体的生活离不开数字金融行业［1］。数字金融宏观上包括互联网支付、移动支付、网上银行、网上贷款、网上基金等金融服务项目。金融与科技的有机结合呈现了数字金融的新业态［2］，与传统金融经营模式相比，数字金融包含支付、信息处理、资源配置等综合性功能，在一定程度上增加了资金的流动性，扩大了需求，进而拉动了农村地区产业经济的增长［3］。但由于数字金融涉及金融科技、软硬件设备、农民群体等多种因素，使得操作过程中存在巨大的风险因素。

以往的金融操作风险研究大多集中在城市数字金融风险评估以及农村传统形式金融操作风险评估方面，而对于新型的农村数字金融业态操作风险研究较少。本研究结合农村产业经济发展等特征，构建了风险矩阵优化模型，以农村某数字金融系统为研究实例，通过对金融操作过程进行风险分析，为提高农民金融行为的安全系数、增强农村产业经济的安全、稳步发展提供参考。

1 基于改进风险矩阵法的农村数字金融操作风险评估模型

1.1 基于改进风险矩阵法的风险评估模型的构建

本研究对传统风险矩阵法进行了改进，首先，引入层次分析法确定各风险因素的风险权重值，明确农村数字金融操作的各风险等级与风险综合水平［4］；其次，根据风险评估结果，对农村数字金融操作产生的风险可接受程度进行评价，有针对性地提出了降低农村数字金融操作风险、优化新农村建设进程中数字金融的运行环境等策略。

基于改进风险矩阵的农村数字金融操作风险评估过程如下：（1）确定风险概率与风险影响的等级细则，计算风险发生概率及其序值、风险影响程度及其序值；构建风险等级判断的二维矩阵［5］。（2）基于风险概率与风险影响序值，计算风险Broda数值及其序值。（3）对风险可接受程度进行分析，根据风险权重值，分析各风险因素的可接受程度［6］，并制定各层面的金融操作优化策略。

1.2 基于泊松分布的风险影响量化分级

一般风险评估矩阵的构建是基于现有的类似研究，进行风险严重程度的划分，具有较大的随机性，并且缺乏具体问题具体分析的科学依据，为了使农村数字金融操作风险评估的风险影响分级更加贴合研究对象的实际情形，本研究基于泊松分布量化风险严重程度，构建科学、客观、符合现实情况的农村数字金融操作风险的评估模型。首先，基于泊松分布，构建农村数字金融操作风险严重程度的评估模型，然后，利用粒子群算法优化模型参数，求解最优的风险严重程度评估模型，形成科学的农村数字金融操作“风险影响”程度量化分级。

1.3 基于层次分析法的农村数字金融操作指标体系权重的确定

各指标在指标体系模型中的影响力通过指标权重来表示，层次分析法可以将定性问题转换为定量问题进行分析，该方法对数据的依赖性较低，可及时修改风险评价指标的权重值，与农村数字金融操作风险评估问题相适应。为此，可采用基于层次分析法确定农村数字金融操作指标体系权重［7］。向农村数字金融系统用户、金融平台工作人员、数字金融技术研究专家、金融科技技术研究人员、电信运营商、相关法律部门人员发放调查问卷，问卷回收率为98%，问卷调查对象均有参与农村数字金融操作的经验。本研究所构建的指标体系模型如图1所示。

图1 农村数字金融操作风险评估的指标体系

调查对象依据构建的指标体系，对目标层（要解决的问题）、准则层（影响因素）、指标层（子影响因素）各评价指标的相对重要程度进行两两比较［8］，比较过程依照9标度法实现（表1）。得到各指标对比结果之后，构建比较判断矩阵，根据重要性打分构造的评价指标间重要性判断矩阵如下：

表1 9标度法细则

以重要性判断矩阵为基础，使用式（2）、式（3）实施一致性检验：

式（2）、式（3）中，一致性比率、比例系数、一致性指标分别采用CR、RI、CI表示，λmax表示判断矩阵的最大特征根。当CR＜0.1时，则判定一致性已满足；当CR≥0.1时，则对判断矩阵实施修改与调整，直到符合一致性为止。

最后，获取各层次指标元素的权重，加权平均归一化后，得到最终层次总排序权重［9］。

由于定性与定量相结合的农村数字金融操作风险评估指标体系确定方式存在一定的主观性，为减少人为因素对指标体系构建的干扰，使用关联规则挖掘算法获取“农村用户、金融操作平台、电信运营、政策法规监管”4个一级指标与19个二级指标间的关联关系，具体使用支持度、置信度、提升度来表达金融操作风险评估指标间的关联规则关系：

式（4）～式（6）中，关联规则用X→Y形式描述，总的农村数字金融操作风险评估项目用I表示，X、Y为不相交的关系。以上计算结果可获取一级指标与二级指标的关联程度，利用关联程度结果来约束层次分析法指标权重计算结果：计算关联支持度后，对高关联程度的二级指标赋予高权重，对低关联程度的指标赋予较低的权重值，这样对农村数字金融操作风险的指标权重值进行约束和限制，保障了风险指标权重的科学性与客观性。

2 风险评估的结果与分析

科学的风险评估是制定农村数字金融操作风险应对策略的重要基础，风险评估需要全面考虑风险来源，以了解风险发生概率与后果严重程度、风险综合等级与可接受程度，明晰各种风险源的风险级别，据此作出合理的风险应对措施。

2.1 农村数字金融操作风险发生概率与风险严重程度

表2描述了农村数字金融操作风险发生概率的量化细则。由表2可知，基于国际标准5×5阶矩阵将操作风险发生的概率定义为5个等级：不可能发生的概率为0～10%、可能性非常小的概率为11%～40%、较少发生的概率为41%～60%、可能性较大的概率为61%～90%、频繁发生的概率为91%～100%。确定农村数字金融操作风险概率后，求取概率的序值。

表2 风险发生概率的量化表

农村数字金融操作风险影响程度量化方法如下：现实中农村数字金融操作风险事件发生的随机性较大，通过数据处理后又发现其存在一定的统计规律，针对这种风险发生特征，使用泊松分布对农村数字金融操作风险评估的指标进行量化。定义x表示泊松分布中的随机变量，x是不为负数且无限大的数值，式（7）为变量x的计算方法：

式（7）中，单位时间内随机事件出现的概率均值用λ表示，为常数，取值为［0，∞］；随机变量x服从λ的泊松分布，用x×∏(λ)表示。

若令泊松分布向正态分布形式转换，需令λ达到上限，此刻表达式为：

当λ取最大值时，泊松分布曲线与正态分布曲线走势基本一致，此状态下可基于泊松分布，量化农村数字金融操作风险指标并进行风险等级数值计算。基于泊松分布，构建的农村数字金融操作风险量化模型为：

式（9）中，参数Z和k的取值会影响到模型构建的效果，为了获取最佳的参数Z和k的取值，得到最精准的农村数字金融操作风险评估结果，基于改进粒子群算法进行参数寻优。

一般粒子群算法存在早熟以及提前收敛的情况，因此采用增加种群多样性的策略避免粒子群算法的这一缺陷，获得最佳参数估计结果。基于遗传算法中的变异、交叉、选择操作对粒子的历史最优位置实施变异，丰富了种群的多样性，减少了多次迭代的繁琐步骤，这样既能提高算法收敛的效率，又避免了算法早熟的现象。首先，利用聚集因子对粒子的历史最优位置信息进行评估，判断其是否需要变异操作，计算公式为：

式（10）中，W1表示粒子的聚集因子，种群规模和搜索空间维数用N、d描述；空间中第i粒子的位置描述为xid，d维空间中粒子此刻迭代的位置均值描述为xd、粒子此刻迭代位置均值描述为x；另外，粒子当前最优位置与最坏位置用PitB、PitW表示。

基于改进粒子群算法得到最优个体，其数值即为模型参数的最优解，由此确定农村数字金融操作风险量化泊松分布模型的参数Q和k；进一步根据量化模型和样本数据得出农村数字金融操作风险评估结果，从而构建风险严重程度量化表（表3）。

表3 风险严重程度量化表

表3将农村数字金融操作风险后果的严重程度划分成低度、中度、高度、较高、极高5个等级。操作风险影响等级确定后，计算农村数字金融操作风险影响的序值，精准的量化等级为农村数字金融操作风险评估提供了可靠依据，使农村数字金融操作安全有所保障。

2.2 农村数字金融操作风险等级与Borda数值的计算

构造农村数字金融操作风险概率与风险发生影响的二维矩阵，得到农村数字金融操作最终的风险等级，同样分为5个等级，该等级量化为0.2、0.4、0.6、0.8、1.0，表4描述了农村数字金融操作风险等级的详细信息。

表4 农村数字金融操作风险等级细则

Borda数值与序值是评定农村数字金融操作风险等级的关键指标，Borda数值与操作风险等级呈正比，风险低的金融操作对应的Borda数值较低。而风险发生概率与严重后果是计算农村数字金融操作风险Borda数值与序值的关键变量与依据，Borda数值计算公式为：

式（11）中，农村数字金融操作风险指标总数为S，第i个要素的风险影响序值、风险发生概率序值分别采用ri1、ri2表示。

Borda数值可清晰表达各因素对农村数字金融操作产生的风险程度，避免了出现同一等级风险因素，在风险因素判断矩阵构造中发挥着重要作用。

2.3 农村数字金融操作风险指标权重的计算

首先，基于关联规则挖掘算法，得知强关联性的关联规则结果如下：{农村用户→账户密码意识薄弱风险}、{农村用户→法律意识薄弱风险}、{农村用户→硬件设备故障风险}，因此，账户密码意识薄弱风险、法律意识薄弱风险、硬件设备故障风险这3个二级指标应赋予相对较高的权重值；同理，移动支付平台指标下应获得较大权重值的二级指标包括：支付身份信息验证简单风险、终端脆弱风险；电信运营指标下应获得较大权重值的二级指标为电信系统故障风险；政策法规监管指标下应获得较大权重值的二级指标为监管政策不完善风险和监管责任落实不明确风险。

其次，基于层次分析法计算了农村数字金融操作各风险指标的权重，以便明确操作的风险等级、操作的风险综合水平。以关联规则挖掘结果为依据，对层次分析法确定的风险评估指标体系进行约束与修正，得到农村数字金融操作风险的各级指标权重如表5所示。

表5描述了层次分析法求取的各层级指标权重结果。其中，总权重表示各因素在整体操作风险中的风险程度，准则层权重表示相对目标层而言的风险程度，指标层权重描述了相对准则层而言的风险程度。例如，农村用户的账户密码意识薄弱风险在整体风险占据0.111比重。权重计算为提高农村地区数字金融交易行为的安全系数提供参考，为农村电子商务、网上贷款、网上保险交易创造安全的生存环境，进而带动农村产业经济的发展。

表5 农村数字金融操作风险的各级指标权重以及总权重

2.4 农村数字金融操作风险的可接受程度分析

基于本文风险矩阵构建方法与层次分析法计算得到的农村数字金融操作风险的综合评估数据，构建农村数字金融操作风险评估模型，如表6所示。

表6 农村数字金融操作风险评估模型

为了更加精准地制定农村数字金融操作风险应对措施，对本次风险评定研究中各因素的可接受程度进行了分析，将风险权重超过0.06的因素视为难以接受、0.04～0.06视为不可接受、0.01～0.04视为不期望。

在本次农村数字金融操作风险评估研究中发现，该研究群体存在账户密码意识薄弱、硬件设备故障、法律意识薄弱、支付身份信息验证简单、终端脆弱、电信系统故障等风险难以接受，亟需改进。针对以上现象需要及时规避金融操作风险：（1）政府需加强对农村地区数字金融用户安全知识宣传的力度，利用真实案例讲述网络金融安全的重要性，提高农民群体的数字金融安全意识，不断完善金融服务流程和操作制度，打造封闭式操作风险管理空间；（2）数字金融平台应对金融操作的终端系统进行优化与升级，减少金融操作的系统漏洞与技术壁垒；（3）电信运营商应也要提高高速宽带在农村地区的覆盖率，打造畅通、安全的信息传递与金融交易通道。

研究相关数据录入失误、系统操作失误、交易过程不可控、数据真实性判断、支付位置信息难判别、监管责任落实不明确等风险属于不可接受水平，也应成为农村数字金融服务优化的主要方向。数字金融平台首先要做好合法合规运营与风险防控工作，完善金融操作的风险防控体系，与相关金融监管部门紧密对接信息互通，坚定为农民群体办实事的立场；升级信息管理系统，有效识别用户的异常登录信息并判定支付位置，提高网络支付等风险的可控性。监管部门应对数字金融平台进行全面备案，保障数字金融平台合法、合规运营；监管部门内部做好监管责任分管工作，出现金融操作问题之后对应责任部门能够快速解决，降低用户的财产损失，以保障农民群体的应有权益。

3 结论

农村数字金融操作风险评估研究对于不同接受水平的风险因素采取了不同的应对策略，致力于营造健康安全的网上支付、网上贷款环境，以促进农村地区产业经济的发展，为乡村振兴贡献力量。

研究利用风险矩阵对农村数字金融操作风险进行评估，对传统的风险矩阵方法进行了优化与改进，提高了数字金融操作风险评估的可靠性：（1）应用层次分析法，构建了农村数字金融操作风险评估的指标体系，使用与关联规则相结合的策略计算19个风险指标的权重值，不仅得出了金融操作风险等级，且明确了每个风险因素的大小情况。（2）基于泊松分布，构建了农村数字金融操作风险评估模型对风险影响实施量化，得到了精准的风险影响等级细分结果，优化了农村数字金融操作风险评估的精准度，评估结果更加可信。（3）在原有风险矩阵分析的基础上，增加风险可接受程度分析，依据风险指标的权重，判定风险可接受程度，农民自身、数字金融平台、电信运营商、监管部门4个层面以此为依据，制定金融操作风险防控策略。