虚拟社区风险评估模型

虚拟社区风险评估模型（精选8篇）

虚拟社区风险评估模型 第1篇

1 对象和方法

1.1 研究对象

2008年, 本研究组采用整群随机抽样方法, 对两个社区的2300名65岁及以上老人进行了两阶段的调查, 确诊的140名痴呆患者即为本研究的研究对象, 平均年龄为76.1岁 (SD=7.5) , 其中女85例 (61.0%) , 男55例 (39.0%) ;农村67例 (47.8%) , 城市73例 (52.2%) 。

1.2 方法

1.2.1 基线调查:

本研究为5年的随访研究。2008年痴呆患者的采用筛查和确定诊断的2阶段方法。筛查由简易智能量表 (MMSE) 进行, MMSE异常的判定采用文化调整的划界值, 即文盲≤17分, 小学≤20分, 中学≤22分, 大学≤23分。第一阶段筛查出的MMSE分数低于界值者进入临床确诊阶段, 并随机抽出的20%MMSE分数高于界值者。临床诊断由精神科医师进行系统的病史收集、一般体检、神经系统检查和精神检查, 并进行详细的神经心理测验和行为评定, 由2名主治及以上职称的精神科医生分别独立作出诊断, 2人判定结果不一致时由第3位医生再次判断。痴呆的诊断参照DSM-Ⅳ的标准, 老年性痴呆的诊断按照美国神经病学、语言障碍和卒中-老年性痴呆和相关疾病学会 (NINCDS-ADRDA) 标准, 血管性痴呆的诊断按照NINCDS/AIREN的标准[2], 痴呆的轻重程度评定根据临床痴呆评定量表 (CDR) [3]的评定。

1.2.2 研究因素:

(1) 性别; (2) 年龄:按照年龄每5年为1层, 分为6层, 分别为:65~69、70~74、75~79、80~84、85~89、90+; (3) 教育程度:分类变量, 分为文盲、小学及以下、中学、大专及以上; (4) 婚姻状况:分类变量, 分为未结婚、已婚/再婚、丧偶/离异; (5) 吸烟:分类变量, 吸烟者的定义:指受试者每天吸烟, 且吸烟量≥1支;并持续1年以上者;曾经吸烟者定义:指过去吸烟指受试者戒烟时间≥6个月;从不吸烟者定义:不吸或偶吸但不够以上标准者[4]; (6) 肥胖指标:腰臀比 (WHR) 为连续变量; (7) 合并疾病:主要为心脑血管疾病, 如糖尿病、TIA、脑卒中和心脏病 (冠心病、心梗、心衰、心脏瓣膜病等) ; (8) 体育锻炼:1个月内步行500m以上的次数。

1.2.3 随访期调查:

2013年, 对140名痴呆患者进行随访, 结局指标为死亡, 截尾值为存活或失访。

1.3 统计方法

采用SPSS17.0统计软件包处理分析数据。使用Kaplan-Meier法计算生存率, 生存分析单因素采用Log-rank检验, 多因素分析使用Cox比例风险模型分析。

2 结果

2.1 5年生存率及Log-rank单因素结果

140名痴呆患者中94名死亡 (67.1%) , 8名失访, 痴呆患者的生存时间中位数为4.2年 (95%CI=3.8~4.6) , 5年生存率分别为16.1%。Log-rank单因素分析显示, 年龄、性别、吸烟、痴呆严重程度、合并疾病和腰臀比对生存率的影响有显著性差异 (P<0.05) 。见表1。

2.2多因素Cox比例风险模型分析

多因素Cox比例风险模型分析显示, 年龄、吸烟、痴呆严重程度、合并疾病和腹型肥胖是影响痴呆患者生存的独立预后因素 (P<0.05) , 而性别、教育程度和体育锻炼不再具有统计学意义 (P>0.05) 。见表2。

3 讨论

由于老年期痴呆是不可逆的疾病, 关注老年期痴呆的病死率、生存时间以及预后因素等对于准确评估疾病负担、指导制定卫生服务政策、为家庭照料服务提供预后信息都要重要的意义。本研究通过对140名痴呆患者5年自然转归的随访研究发现, 老年期痴呆生存时间中位数为4.1年 (95%CI=3.8~4.6) , 5年生存率分别为16.1%, 年龄、吸烟、痴呆严重程度、合并疾病和腰臀比是影响痴呆患者生存的独立预后因素。

发达国家研究的痴呆患者的生存时间为3~8年[5~8], 本研究结果处于该范围内, 其中一项法国的研究结果与本研究最为接近, 生存时间中位数为4.5年[9]。美国的一个社区为基础的前瞻性的研究中, 痴呆患者的生存时间较本研究长, 平均生存时间为5.9年[10], 可能的原因为其较长的15年随访时间以及生存时间的估计是从症状出现的时间开始而不是接受访谈的时间。发展中国家有关痴呆的生存研究中, 台湾[11]结果高于本研究, 为4.48年。可能的解释为其平均年龄较低以及研究对象为来源于记忆门诊的特殊人群。

本研究选择的潜在预后因素包括疾病严重程度、腹型肥胖、合并疾病、人口学因素以等多方面因素。目前医学领域对健康和疾病的思维方式是生物-心理-社会医学模式[12], 该理论认为, 老年人的死亡原因是多因素的, 目前研究一致的研究因素为年龄, 而本研究也证实与痴呆患者预后有关的因素包括痴呆严重程度、吸烟、腹型肥胖、合并疾病和年龄。与之前研究结果一致[7], 调整了其他因素后, 痴呆严重程度是最为显著的预测因素。目前较多研究均显示心脑血管疾病、吸烟和肥胖能增高自然人群的死亡风险, 本研究发现上述因素对痴呆患者有同样的影响[13]。然而, 与一些结果[14]不一致的是, 本研究发现教育程度和性别与痴呆的预后无关, 可能的原因是在多因素模型中调整的因素不同。

本研究不足之处在于:第一, 本研究的痴呆病例为患病病例, 而没有包括发病病例。该生存时间偏倚倾向于排除快速进展的痴呆患者以及生存时间较短的患者, 因此用患病率期痴呆患者会高估生存时间。第二, 限于样本量, 本研究合并疾病仅包括某些心血管疾病, 其他可能会与痴呆患者构成竞争风险的疾病, 如慢性肺病或肿瘤未包括在本预测模型中。Fitzpatrick[14]和Knopman[6]报道了痴呆亚型对生存时间的影响, 但由于较小的样本量, 本研究无法进一步对痴呆进行分型, 因此痴呆亚型和生存时间的关系还需要进一步的研究。

摘要：目的:探讨影响老年期痴呆患者生存率的相关因素。方法:对140例65岁及以上社区痴呆患者进行5年随访研究, 应用Kaplan-Meier方法计算5年生存率, 并对相关因素进行生存率的单因素分析, 比较采用Log-rank方法检验, 对单因素分析有统计学意义的影响因素进行Cox回归模型多因素分析。结果:140名痴呆患者中94名死亡 (67.1%) , 痴呆患者的生存时间中位数为4.1年 (95%CI=3.84.6) , 5年生存率分别为16.1%。单因素分析结果显示, 年龄、性别、吸烟、痴呆严重程度、合并疾病和腰臀比对生存率的影响有显著性差异 (P<0.05) , 经Cox回归多因素分析发现:年龄、吸烟、痴呆严重程度、合并疾病和腰臀比是影响痴呆患者生存的独立预后因素 (P<0.05) , 而性别不再具有统计学意义 (P>0.05) 。结论:社区痴呆患者5年生存率为14.8%, 增加患者死亡风险的因素有高龄、吸烟、疾病严重程度、合并疾病和较大的腰臀比。

地税纳税评估模型 第2篇

制造行业在全县经济总量中占有一定的比重。2011年全局共入库5231万元，占全年总入库税收33456万元的16%。纺织行业作为我县制造业的支柱行业，首先根据行业特点和工艺流程，以产能分析为中心、以纺织产品品种结构和生产工艺特点分析为切入点、依托评估指标和产能测算展开分析，对企业收入、成本、费用的真实性、准确性进行评估，确保了行业模型具备科学性、适用性。其次开展了行业典型调查。以生产经营正常，财务核算健全，具有代表性为条件，将商河县织布厂企业作为典型调查对象，摸索建立评估模型。三是科学测算。深入企业调查核实，充分掌握该行业生产经营特点、具体的工艺流程，通过各种途径对大量数据进行采集和测算，如通过“一户式”查询系统采集相关征管数据；通过国税部门采集企业增值税纳税信息；通过电力部门采集企业用电量信息；通过劳动部门采集企业用工信息；通过有关渠道获取原材料采购、产品销售价格、投入产出比率、成本费用率等行业标准指标，从而为建模工作提供科学依据，提高合理性和说服力。四是深入分析。根据掌握的数据指标，分别设立预警区间，并对低于预警范围和超出预警范围的情况进行分析判断，从而发现纳税疑点，同时，设立了规范统一的数据采集模板，内容包括产品购销信息、成本费用构成、财务指标等，建立起一套严密科学的纺织行业纳税评估模型。

评估具体方法及内容

除进行指标测算、数据比对等实证分析外，还要对本企业内部控制制度、财务核算情况进行总体分析评价，并根据分析情况对企业的有关数据进行校正，保证采集数据的准确性。

（一）财务税收指标的分析

1、企业的销售额与企业的实际经营规模是否相适应，具体可分析以下指标：企业注册资金、固定资产、流动资产规模，企业在职职工人数；

2、销售额、存货购进额与资金周转情况是否相适应，具体可分析、查看资金周转率，一定时期内资金循环几次，确定是否存在销售不入账的可能；

3、查看销售利润率是否合理，在达到销售保本点的情况下，同行业、同一类型产品与正常、市场销售利润率应相近（剔除路途远近，技术工人熟练程度，管理不善等因素）；

4、收入、费用是否配比：

（1）销售额与水电费支出是否配比。一般来说，同行业每万元销售额与水电费支出比是相对稳定的，如果脱离了正常比例，则可能存在隐瞒销售现象；

（2）数量与运费支出是否配比。一般情况下，一定路程的运费在一定时期内是相对稳定的，如果销售数量与运费市场价格不配比，发生异常，则有可能存在虚列运费支出或销售不入账等现象；

5、销售数量与存货出库数量是否对应。一般情况下，产成品出库数量与销售是相对应的，否则存在销售不入账现象；

6、投入与产出是否配比。正常情况下，购进存货数量与产成品入库数量，剔除生产过程中正常损耗值，一定数量的存货应该生产出相对固定数量的产成品，如果不在正常值范围，则说明产成品未全部入库或存货未经加工而直接销售未入账；

7、成本费用是否配比。产成品入库数量与工人工资应当配比，每件或每批产成品入库，生产人员工资是相对固定的，如果发生异常，则存在虚列工资成本或产成品未完全入账现象。

8、是否存在视同销售行为，有无按规定进行纳税调整。

（二）能耗、物耗指标的分析。

1、单位产品耗用水、电、油等能源情况分析；

2、单位产品主要原材料耗费情况分析；

姜堰地税辖区内现有棉纺织行业企业190户，2010入库企业所得税574.3万余元，所得税的贡献率平均值仅为0.24%。调查发现：棉纺织行业企业多为民营企业，中小企业与个体经营者数量居多，资本投入量相对较大，会计核算水平普遍不高，财务核算基础较低。加之纺织行业属劳动密集型产业，产品科技含量不高，规模大小不等，销售不开具增值税专用发票的现象比较普遍，少申报或不申报应税销售收入的现象更是屡见不鲜。

高校虚拟社区知识共享模型实证研究 第3篇

1 高校虚拟社区:校园文化的新阵地

基于校园网的高校虚拟社区以网络技术为依托, 以一种虚拟性的社区形式存在。其主要参与者是具有较高知识水平和较强网络能力的在校师生, 主要以校园网为依托, 管理和建设由在校师生担任。社区成员在此分享知识信息, 在一定的社区机制的约束下, 推动高校校园学习型文化的建设和文化活动的开展。特殊的群体使得高校虚拟社区成为校园文化的一块新阵地, 也使得其有与其他社区不同的特点:

1) 用户群体结构比较稳定。社区是以网上学习为主, 娱乐休闲为辅的多样化、趣味性的, 能吸引广大师生广泛参与的学习型网络虚拟社区, 可以形成以本校学科专业分布为主的结构稳定的用户群体。

2) 信息资源保障要求高。高校虚拟社区的一个重要任务就是密切关注社区动态信息需求, 以其资源优势提供全方位、全程化的信息保障。

3) 重视知识产品的开发与利用。高校虚拟社区中的信息交流具有集中性、连续性、积累性等特点, 各主题讨论和研究的成果在信息管理机制下易形成知识产品, 有利于激励社区成员贡献知识, 开发新知识和共享知识。

在高校虚拟社区的实践中, 我们发现, 高校虚拟社区在一些关于老乡会、社团等实体版块, 都属于一些浅层次的交流, 活动也处于被动状态, 纵深发展不足。而在一些讨论热点等兴趣版块, 成员的参与性极高, 从多学科角度、不同层次对某一问题或专题进行交流。因此, 研究高校虚拟社区的知识共享机制, 提高社区知识共享水平、增强社区活力, 使虚拟社区真正成为知识共享平台, 实现虚拟社区的价值增值, 对促进校园文化发展具有重要意义。

2 概念的引入

2.1 知识共享

知识共享是知识管理的核心, 是指个体知识、组织知识通过各种交流手段为组中其他成员所共享, 同时, 通过知识创新, 实现组织的知识增值的过程。

以往学者关于知识共享的定义可以分为四种观点:学习观点、沟通观点、创造观点和交易观点。形成表格如表1。

综上, 我们可以将知识共享定义为个人、组织的显性、隐性知识通过知识的阐明、知识的交流和知识的理解三个环节实现相互转化的过程。

2.2 社会资本

雅各布斯 (Jacobs) 1961年在《美国大城市的存亡》一书中正式提出社会资本 (socifl capital) 这一概念, 他将“邻里关系网络”界定为社会资本。而作为经济学的术语最早出现是在1986年, 布迪厄认为, 社会资本就是“实际的或潜在的资源的集合体, 这些资源同某些持久的、大家共同熟悉的、得到公认的、体制化的网络的占有密不可分, 这一网络为团体成员赢得物质或象征的利益提供保证。”

随着学术研究, 社会资本概念的解释大体可以分为社会学角度、经济学角度和政治学角度。

帕特南 (Putnam, 1993, 1995) 将社会资本从个人层面上升到集体层面, 认为社会资本是一种团体的甚至国家的财产, 是组织的特点, 如信任、规范和网络等。

Nahapiet Ghoshal (1998) 认为, 社会资本是从社区中的人际连带网络发展出来的信任合作与集体行为。提出了三个维度:结构维 (网络连接、网络位置) 、关系维 (信任、规范、认同、义务) 、认知维 (共享愿景和语言) 。

本文认为, Nahapiet和Ghoshal (1998) 的三个维度的划分更为完整的包含了虚拟社区中特有的社会资本的来源, 因此将从这三个维度入手, 并定义为“网络社会资本”, 尝试从虚拟社区的角度提升这一社会资本理论的应用价值。

3 高校虚拟社区知识共享机制的模型

3.1 模型的建立

本研究引入社会资本理论, 以湖南理工学院图书馆南湖社区网站为研究对象, 探讨基于高校虚拟社区中的成员之间形成的网络社会资本是如何通过影响他们在社区中的知识共享。

本文参照Nahapiet和Ghoshal做法, 把网络社会资本划分为结构资本、关系资本和认知资本三个大的因子, 参考前人学者的相关社区研究的结论, 结合网络特征, 对三个因子下的七个子因子重新进行了定义, 采用知识共享 (数量、质量) 来衡量虚拟社区的知识创新。

建立高校虚拟社区知识共享创新模型如图1。

知识共享的质量则以话题的相关性、理解程度、知识的准确性和完整性、时效性来衡量;知识的数量以社区每天的发帖和回帖来计算。

3.2 数据的采集与处理

本论文对各个因子设计了调查问题选项, 采用了Likert 7级度量方法。通过网络和纸质方式发放了调查问卷, 共回收了803份。其中大一291份、大二230份、大三173份、大四86份、教师23份, 男423份、女380份。

对样本数据基本统计分析如表2所示。

采用Cronbach'S alpha系数测算可靠性, 各个因子的信度指标值均大于0.7。KMO值也都大于0.5, 各维度均满足, 因此, 可以进行因子分析。

利用sql2008和spss两个软件, 对网络社会结构资本、关系资本、认知资本的各个因子与知识共享的质量与数量影响结果采用逐步回归的方法做回归分析。得出以下的公式:

知识共享的数量=0.621*中心性+0.162*互惠+0.141共享语言+0.110*信任

知识共享的质量=0.337*中心性+0.316*互惠+0.187信任+0.174等价性

3.3 模型的检验

社区认同和共享愿景都没有进入两个方程, 与预测不一致。可能的解释是, 超过半数的高认同与共同愿景使成员成了知识的接受者, 而不是知识的提供者。

中心性、互惠、信任和等价性对知识共享的质量产生影响, 中心性的系数最大, 说明社区互动的中心性对知识共享的质量贡献大;互惠进入回归方程, 这符合交易理论;信任出现在方程中, 也与Smith在2002年对网络信任的研究结论———在线信任是网络行为的决定性因素一致;等价性作为虚拟社区一特有的因子, 说明了在虚拟社区中, 成员地位的平等, 使成员感到公平, 提高了知识共享的质量。

4 对高校虚拟社区发展的建议

虚拟社区的构建目前大多是以平台的角色和功能为指导, 本文采用实证研究方法, 通过对虚拟社区用户反馈的各因素与知识共享的问卷数据进行因子分析等多种统计处理, 为高校虚拟社区建设与运营提出以下建议:

1) 高校虚拟社区可以通过改善社区成员对社区的信任, 提高知识共享水平。一方面打出学校官方的牌子, 感情牌子, 提高社区成员对社区的权威地位的认可, 增强其知识共享的主动性。另一方面社区必须加强自身的信息内容的质量, 吸引高质量的核心会员加入, 改善社区成员对信息价值的认可度, 从而促进识共享水平有效增长。

2) 社区人际关系对高校虚拟社区知识共享有促进作用。社区可以利用会员集中的优势, 开展各种活动, 加强社区成员的交流互动, 营造社区成员的社区人际关系网络。

3) 管理规范、秩序井然的社区也许不会让成员抛弃种种顾虑大胆主动地分享自己的经验与知识, 却无疑能让社区用户发生更多的知识共享。

4) 营造良好的社区氛围对提高社区知识共享水平, 提高社区成员的忠诚度, 对虚拟社区的生存与发展, 是行之有效的办法。

总之, 虚拟社区由于应用的范围比较广, 且发展迅速, 本文的研究无论在理念与方法都有待进一步探索。

摘要：高校虚拟社区是校园文化的新阵地, 如何定量研究高校虚拟社区知识共享是当前虚拟社区研究的一个热点。该文从社会资本理论角度出发, 采用结构资本、关系资本、认知资本三个维度, 构建了高校虚拟社区知识共享影响因素模型, 并对当前高校虚拟社区的发展提出一些建议。

关键词：高校虚拟社区,知识共享,社区信任,社会资本理论,网络社会资本

参考文献

[1]宝贡敏, 徐碧祥.国外知识共享理论研究述评[J].重庆大学学报, 2007, 13 (2) :43-49.

[2]刘丽群, 宋咏梅.虚拟社区中知识交流的行为动机及影响因素研究[J].新闻与传播研究, 2007, 14 (1) :43-51.

[3]阳春萍.虚拟社区知识共享影响因素实证研究[D].太原科技大学, 2009.

[4]Bock G W, Kem Y G.Behavioral intention formation in knowledge sharing:Examining the roles of extrinsicmotivators, social-psycho-logical forces, and organizational climate[J].MIS Quarterly, 2005, 29 (1) :87-111.

等级保护风险评估模型研究 第4篇

随着计算机网络的广泛使用和网络中承载的信息量的加速增长,系统安全重要性正在世界范围内不断地扩大。近些年来,我国改革开放和信息化建设步伐不断加快,各行业都建立了自己的信息系统以支持相关业务的开展,这些系统的运行状况在各个层面不同程度地影响着企业或行业乃至整个社会的发展。因此,对于信息系统的等级保护工作也变得越发重要。信息安全等级保护是指对国家安全、法人和其它组织及公民的专有信息 以及公开信息和存储、传输、处理这些信息的信息系统分等级实行安全保护,对信息系统中使用信息安全产品实行按等级管理,对信息系统中发生的信息安全事件分等级响应、处置等,在系统的建设过程中,我们总是关心系统所面临的安全风险,基于上述原因,如何评价一个信息系统项目就成了非常重要的课题。目前的评价方法,国内不是很成熟。本文通过对信息系统评估方法的理论研究,对已有的评价方法进行了改进,最终得到一个优化的指标体系。

2 发展历程

由于计算机信息网络安全的脆弱性和现实网络环境的复杂性, 时刻给信息系统的正常运行带来威胁,为此国家公安部、保密局、国家密码管理局、国务院信息化领导小组于2007年联合颁布了861号文件《关于开展全国重要信息系统安全等级保护定级工作的通知》和《信息安全等级保护管理办法》。 根据文件精神和等级划分的原则,重要信息系统构筑需要达到三级或以上防护要求,以等级保护三级系统为例,其防护要求分类如图1所示。

从图1可以看出, 目前等级保护风险评估主要分为技术要求和管理要求两大部分, 技术要求从物理安全、网络安全、主机安全、应用安全和数据安全五个方面来评价;管理要求从安全管理机构、安全管理制度、人员安全管理、系统建设管理和系统运维管理五个角度进行分析。通过对目前多个测评机构测评方法的分析研究, 发现传统的风险评估方法比较简单,各项指标和分项指标的实际情况仅由符合、部分符合和不符合三种评价结果构成。这种评价方法无法区分各个测评项对整个信息 系统影响的重要程度,另外,对整个信息系统的风险评估也仅仅由简单的统计不符合率来体现,无法客观有效地反应系统的真实情况。

3 信息系统风险评估

信息安全风险评估规范中明确了信息系统风险评估的基本工作形式是自评估与检查评估。信息系统风险评估是信息系统安全工程的重要组成部分,是建立信息系统安全体系的基础和前提。根据国家有关管理规定, 基础性、重要的信息系统采用等级保护标准进行建设和测评。信息系统使用单位应该结合自身单位信息系统的具体情况,依照国家标准,开展风险评估工作。目前,信息系统的复杂性和多样性给风险评估带来了很大困难, 评估工作多是由测评单位的测评人员根据定性的评价指标进行评估,在结果的判定上很难量化。因此,最终的评估结果易受主观因素的影响,每个人对结果的评价可能不完全一样;具有模糊性和不确定性。

信息系统风险评估以信息系统的各个方面为对象, 建立在对信息系统进行评价的基础上,目前国内外在风险分析领域常用的三种方法:参数统计方法、非参数统计方法和神经网络方法。应用于信息系统风险评估模型中的常用统计模型包括基于判别分析的信用评价模型、Bayes风险分析的信用评价模型、Logistic回归模型的信用评价模型、模糊聚类方法的信用评价模型和神经网络 (如径向基函数网络、概率神经网络、自组织神经网络等) 的信用评价模型[2],Fu等运用层次分析法(AHP)和模糊综合评价法(FCE),建立风险评估的量化模式[3];Huang等以灰色评估模型为基础,在权重的选择过程中引入模糊层次分析法,弱化了评价的主观性[4];Gao等人应用灰色关联决策算法, 给出了评估值缺失的先验估计,能够有效地处理参数评估值的不确定性问题[5]。

信息系统评价指标体系的构建对信息系统安全指数进行客观合理的测度,其基础是建立一个客观科学的指标体系。本文通过对信息系统等级保护测评过程客观科学的分析以及查阅文献,构建出信息系统安全指数体系,如表1所示。

等级保护风险评估模型建立在等级保护体系的基础上,运用综合评价法,建立评价模型,建立如下的评价参数:

假设风险评估目标指数为U,U的取值和U1技术要求和U2管理要求相关:

U={U1 ,U2}={技术要求,管理要求}

进一步分析后,得到以下关系:

U1={U11,U12,U13,U14,U15}={ 物理安全、网络安全、主机安全、应用安全、数据安全}

U2={U21,U22,U23,U24,U25}={安全管理机构、安全管理制度、人员安全管理、系统建设管理、系统运维管理}

将U11至U22进一步拆解后,得到以下关系:

U11= {U111,U112,U113,U114,U115,U116,U117, U118,U119,U1110}={物理位置的选择、物理访问控制、防盗窃和防破坏、防雷击、防火、防水和防潮、防静电、温湿度控制、电力供应、电磁防护}

U12= {U121,U122,U123,U124,U125,U126,U127}= {结构安全、访问控制、安全审计、边界完整性检查、入侵防范、恶意代码防范、网络设备防护}

U13={ U131,U132,U133,U134,U135,U136 }={ 身份鉴别、访问控制、安全审计、入侵防范、恶意代码防范、资源控制}

……

由于三级指标的数目过多,在本文中就不一一列举了,可以参照相关材料完成上述关系式。

4 等级保护风险评估模型

层次分析法 (The Analytic Hierarchy Process) 简称AHP,20世纪70年代中期由美国运筹学家托马斯·塞蒂 (T.L.Saaty) 正式提出。它是一种定性和定量相结合的、系统化、层次化的分析方法。层次分析法将决策问题 按总目标、各层子目标、评价准则直至具体的备选方案的顺序分解为不同的层次结构,然后用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再用加权和的方法递阶归并各备选方案对总目标的最终权重,此最终权重最大者即为最优方案。层次分析法比较适合于具有分层交错评价指标的目标系统且目标值又难于定量描述的决策问题。 其用法是构造判断矩阵,求出最大特征值及其所对应的特征向量w,归一化后,即为某一层次指标对于上一层次相关指标的相对重要性权值。

运用层次分析法建模,按四个步骤进行。

1)建立递阶层次结构模型。应用AHP分析决策问题时,首先要把问题条理化、层次化,构造出一个有层次的结构模型。在这个模型下,复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配 作用。

2)构造出各层次中的所有判断矩阵。层次结构反映了因素之间的关系,但准则层中的各准则在目标衡量中所占的比重并不一定相同,在决策者的心目中,它们各占有一定的比例。在确定影响某些因素的诸因子在该因素中所占的比重时,遇到的主要困难是这些比重常常不易定量化。此外,当影响某些因素的因子较多时,直接考虑各因子对该因素有多大程度的影响时,常常会因考虑不周全、顾此失彼而使决策者提出与其实际重要性程度不相一致的数据, 甚至有可能提出一组隐含矛盾的数据。层次分析法通过各指标相对于上级指标重要性的两两比较,构造判断矩阵,可以有效避免上述问题。

3)指标体系建立及权重计算

在对信息系统建设及使用效果进行评估时,底层相对于上一层指标可能有很多个。此时运用层次分析法对底层指标构建的判断矩阵会比较复杂, 很难满足一致性。所以,本文对一般的信息系统构建了一个三层的指标体系。其中一级指标2个,二级指标10个,三级指标74个。在进行权重计算时, 考虑到三级指标数量过多, 如果逐一的讨论其权重指标会显得比较繁琐,并且其相互之间重要关系不易比较,故只计算一、二级指标在整个指标体系中的权重,三级指标权重取他们对二级指标的平均值。也正是因为三级指标数量繁多,并且其重要性可通过二级指标的权重所体现,所以并不会对评估结果有较大的影响。

对信息系统权重评分, 主要通过三类人员评分,包括信息系统使用人员、测评人员及专家,接下来分析权重确定方法及过程,本文采用发放调查表的方式,通过三种人员对信息系统的指标权重进行分项打分,然后进行分类汇总计算权重,具体的办法如下:

信息系统使用人员评分步骤如下: 首先制作调查表。信息系统使用人员评分主要通过发放调查表的方式。 调查表的内容应该包括指标体系中所有的三级指标。接下来填报调查表。为了保证信息收集的全面客观 性,应由系统的多类用户填写,例如业务人员、系统管理人员、部门领导等。并且每一类人员也应当由多人填写多份,这样才可保证搜集的信息全面而真实。然后确定三级指标权重得分。通过调查表的填写及调查表中每个 选项对应的分值,可以得到信息系统使用人员、测评人员及专家对信息系统每个三级指标的权重得分。最后计算二级指标得分。 对每个二级指标下的三级指标得分求平均分,即得到日常使用人员对信息系统每个二级指标的得分。

信息系统测评人员打分方式:测评人员可以从许多技术角度考虑整个信息系统建设及使用效果。测评人员虽然并不一定能很熟练地操作整个信息系统, 并且对业务工作也不一定完全了解, 但其可以从许多技术角度考虑整个信息系统建设及使用效果。所以测评人员只需对信息系统的三级指标进行直接评分。 测评人员主要通过查阅原始文档、座谈、实地调研并结合自身的操作使用,对信息系统的三级指标直接打分。为了使评估结果更具有代表性, 本文建议由多名测评人员参与评分, 最后取多名测评人员的平均分为各三级指标的最终得分。

专家评分方式:专家往往不会过多地考虑信息系统具体的细节问题,而能够宏观考虑整个信息系统的建设及使用情况。所以专家只需对信息系统的二级指标进行直接评分, 一方面避免了其对许多细节问题的填报困难,另一方面也可以包含指标体系中无法体现的主观因素对信息系统的影响。专家主要通过查阅原始文档、座谈,并结合自身的使用情况,对信息系统的二级指标直接打分。为了使评估结果更具有代表性,本文建议由多名专家参与评分,最后取多名专家的平均分为各二级指标的得分。

在得到信息系统使用人员、测评人员及专家对信息系统各指标的权重打分之后,需要对该三类人员的评分结果进行汇总。

首先,计算最终的三级指标得分。由于不同的信息系统,系统使用人员、测评人员及专家三类评分人员的评分结果重要性不同,所以需要对其赋予一定权重。由于系统使用人员是系统的真实使用者, 具有最直接、最真实的使用体验,其评价结果也最为可靠,因此,本文推荐系统使用人员评分权重为0.5; 测评人员对系统的使用频率一般没有用户的使用频率高,且只关心部分功能,但由于测评人员更具有全局观,往往能得到比较广泛的、多方面的该系统的建设效果的信息,因此,本文推荐测评人员评分权重为0.15;专家是信息技术领域的专业人员,一般为外请,虽然不是直接使用者,但具有丰富的专业知识,因此,本文推荐专家评分权重为0.15。

接下来,计算各指标最终权重得分 = 该系统使用人员评分×0.5+ 测评人员评分×0.35+ 专家评分×0.15。

然后,计算权重得分:该级指标下各下一级指标得分相加求和,再对结果进行归一化。

最后,计算系统的风险评估得分:该系统各级指标得分分别与该指标的权重相乘,再将结果相加,即得到该系统的风险评估得分。

为了简化评分结果, 将三级权重的评价结果值省略,仅列出一、二级权重的得分结果如表2所示。

4)权重调整

建立了风险指标权重表后,我们通过实际的系统为例,验证以上权重的准确性。我们选取8个系统的风险等级测评结果,使用上述的指标权重对风险评估结果进行验证, 将8个系统按照上述测评方法分项计算其得分,得到8个系统的风险评估得分,如表3所示。

我们将以上结果与我们使用传统方法对系统的测评结果做出比照,发现其中序号8系统的风险评估得分比实际情况有偏差,由此分析原因。对以上的权重分配进行调整,调整后的结果如表4所示。

按照调整后的权重结果从新计算序号8系统的风险评估得分,发现与实际情况较为吻合,因此确定该指标权重分配结果较之前的结果更加准确。在具体的测评过程中, 需要根据系统的具体情况调整以上的权重,根据具体的业务需要, 对上述权重进行多轮的讨论研究, 最终确定各权重取值。系统的测评结果会更加客观,更能真实的反应出系统的实际情况。

5)评估过程

按照以上的方法,我们总结等级保护系统评估过程如图2所示。

5 结束语

食品安全风险评估模型 第5篇

我国是一个拥有13亿人口的发展中国家, 每天都在消费大量的各种食品, 这批食品生产出来, 并且经过较多的中间环节和长途运输后才为广大群众所消费, 加之近年来我国经济发展迅速而环境治理没有能够完全跟上, 以至环境污染形势十分严峻[1];而且随着我国进出口贸易的迅速增加, 加上某些国外媒体的炒作, 对外食品贸易中的矛盾也开始尖锐起来, 因此建立包括食品卫生安全保障体系在内的公共安全应急机制是关系国计民生和对外贸易的重大而迫切的任务。

目前美国和欧盟对公共食品卫生安全实行监控的做法是建立膳食暴露评估数学模型并制成软件, 但他们向外提供的软件只是一个黑箱, 我们无法断定这个黑箱是否合乎我国的实际情况, 对他们的数学模型也无从加以考证。因此我们有必要建立自己的膳食模型, 在实施对污染物监控的同时, 对公共食品卫生安全做出评估, 并可以供领导决策时参考。

2 食品安全风险评估模型

本文根据食品卫生监测部门日常对市场上食物的检测数据和市场上各类食品的流通量, 此外还包括进出口口岸的检测数据来估计市场上各种食品的污染物含量 (我国现阶段可能会集中力量对众多污染物中少数几种危害面广、后果严重的污染物, 如:铅、镉、有机磷、有机氯等实行监控, 其他污染物的监控工作则待时机成熟后再推广) [2,3], 建立食品安全风险评估模型, 就是对全国、某个地区、某类食品的安全状况做出评价, 对可能出现的食品安全事件给出预警。

在设计食品安全综合指标时, 由于食品中各种危害物的毒副作用与其进入人体的绝对量有关, 因此评价食品整体的安全状态以人体通过饮食途径而对危害物质的实际摄入量与其安全摄入量比较更为科学。建立改进风险评估预警模型如下:

其中, IFSC为食品安全预警指数;SIC为人体对某污染物C的最大耐受值;bw为平均体重 (kg) , 缺省值为60, bw不应过小或过大, 以保证数据的合理性, 一般认为在30到100较为适宜;XSC为食品i中污染物C在人体内实际的消化吸收, mg/ (人·天) 。XSC=λ×EDIC, 其中, λ为食品i中污染物C在人体内消化吸收率;XSC为食品i中污染物C在人体内实际的消化吸收, mg/ (人·天) ;EDIC为化学成分C的实际日摄入量的估算值, EDIC的计算公式如下:EDIC=Σ (Ri×Fi) [6], 其中, Ri为食品i中污染物C的残留量, mg/kg;Fi为食品i的估计日摄入量, kg/ (人·天) 。

该风险评估预警模型可用来计算危害物C的食品安全指数IFSC, 根据计算结果, 可得出该危害物质对食品安全的影响程度, 可预测结果如下:

IFSC<<1, 危害物C对食品安全没有影响;

IFSC<1, 危害物C对食品安全影响存在风险, 但风险可以接受 (大于0.8则应予以警惕) ;

IFSC>1, 危害物C对食品安全影响的风险超过可接受的限度。

根据FAO/WHO以及我国GB, 不同污染物数据如表1所示:

笔者在前期的论文发表中应用BP神经网络算法预测各污染物在食品中的含量[4], 现再结合VB程序设计, 本文对已知数据[2,5]评估求解结果具体如表2, 表3所示。

3 结语

本文建立的模型为动态模型, 即可通过现有数据, 在评估当前食品安全现状的同时, 预测未来一段时间内该地区可能出现的食品安全隐患。该风险评估预警模型增加了对食品安全指数IFSC的影响因素, 在分析同种危害物在不同食品中存在导致该危害物残留量叠加的前提下, 对IFSC作为食品安全状态的量化指标做了横向和纵向的可比。横向是指不同环境 (如:不同地区、不同年龄、不同消费水平等) 间的比较, 纵向是指相同环境下不同时期的比较, 数值越低, 安全状态越好。另外, 引入不同体重, 可对不同环境, 特别是某些特殊环境下的目标人群进行动态评估、预警。

参考文献

[1]吴坤.营养与食品卫生学[M].北京:人民卫生出版社, 2004

[2]中华人民共和国国家统计局.中国统计年鉴2010[M].北京:中国统计出版社, 2010

[3]Norman N.Potter, Joseph H.Hotchkiss.Food Science[M].Food industry and trade.1998

[4]周开利, 康耀红.神经网络模型及其MATLAB仿真程序设计[M].北京:清华大学出版社, 2004

规模鸡场禽流感风险评估模型 第6篇

禽流感, 尤其是高致病性禽流感对养禽业的危害非常严重, 世界动物卫生组织 (OIE) 将高致病性禽流感列为必须报告的动物传染病和A类传染病。我国将其列为一类动物疫病。为了有效预防和控制禽流感, 减少对养禽业的危害, 我国对高致病性禽流感实行强制免疫政策。规模蛋鸡场虽然对禽流感也有较强的防疫意识, 但缺乏动物疫病风险评估的有效手段, 不清楚本养鸡场抵抗禽流感侵袭的能力如何, 使得养鸡业在疫病面前总是处于被动防御, 无法主动出击。养鸡场主迫切需要一种简单扼要、易于使用的风险评估方法, 用来指导生产。近年来, 我们通过临床调研和试验研究, 先后制定了规模猪场口蹄疫风险评估模型和规模猪场高致病性蓝耳病风险评估模型供养猪生产者作用。为了让养鸡户也能通过使用简单、实用的风险评估手段, 有针对性的防控高致病性禽流感等重大疫病, 我们采用德尔菲法, 研究制定了“规模鸡场禽流感风险评估模型”。

1 基本原则

依据禽流感传播、感染的相关知识, 结合规模鸡场的防疫要求, 该模型力求简单、实用和便于现场操作。

2 技术依据和方法

2.1 技术依据

本评估模型, 基于禽流感综合防控技术研究的科研成果确定的本病发生的主要影响因子, 依据影响动物传染病发生与流行的传染源、传播途径、易感动物三要素, 结合鸡场建设、家禽饲养和高致病性禽流感防控的相关行业及国家标准, 参照其他行业风险评估的合理原则, 以养鸡场为基本单位, 采用“德尔菲”方法, 经多次论证、反复临床应用、试验、修订而成的。

2.2 方法

首先从选址、环境控制、生物安全、疫苗接种、营养保健、疫情史等6个方面选定了52小项, 作为风险因子候选项。然后, 用德尔菲法, 通过向50为养鸡方面的专家问卷调研, 然后再邀请20位相关专家, 通过会议反复讨论, 最终筛选出30个小项为风险因子, 并将其分为限制项、特别关注项、关注项、普通项等四个等级。其中“禽流感病原学检测结果”是限制项, “上风向3000米以内无禽类屠宰场或养禽场”、“整个鸡群疫苗免疫抗体水平合格率”和“鸡场内不饲养其他禽类及猪等家畜”等3项为特别关注项, “与禽类屠宰厂或肉品加工厂的距离”等9项为关注项, 其他17项为普通项。

3 风险因子判定标准

将各项风险因子的判定标准分为“符合”、“基本符合”和“不符合”三个档次, 并列出了属于不同档次的具体判定内容。

4 风险级别划分

采用“定性风险分析”方法将风险级别划分为“高风险”、“中等风险”和“低风险”三个级别。

5 评估模型的使用方法

5.1 结果判定

用本模型所列的30项风险因子“要求”对照鸡场场生产具体情况, 将各项风险因子的对照结果填在“判定结果”栏中。依据模型中的“判定标准”, 符合要求的项, 在判定结果的相应“符合”栏中打“√”, 基本符合要求的项, 在判定结果的相应“基本符合”栏中打“√”, 不符合要求的项, 在在判定结果的相应“不符合”栏中打“√”。

5.2 风险级别确定

5.2.1 高风险

风险因子判定结果符合以下四种情况之一的, 判定为高风险:限制项为“不符合”;特别关注项同时为“不符合”;两个特别关注项和一个关注项同时为“不符合”;一个特别关注项和二个关注项同时为“不符合”;三个关注项为“不符合”。

5.2.2 中等风险

风险因子判定结果符合以下四种情况之一的, 判定为中等风险:特别关注项有一项为“不符合”;特别关注项有一项为“基本符合”和关注项当中有一项为“不符合”;关注项当中有三项及以上为“不符合”或“基本符合”;“不符合”和“基本符合”达到6项。

5.2.3 低风险

凡是不符合“高风险”和“中等风险”判定条件的, 均判定为低风险。

6 评估模型

“规模鸡场禽流感风险评估模型”见附表。

7 小结与分析

7.1

本模型是河北省畜牧兽医局下达的“高致病性禽流感综合防控技术集成与示范”科研项目阶段性研究成果, 是规模养鸡场评价高致病性禽流感 (如H5亚型禽流感) 及低致病性禽流感 (如H9亚型禽流感) 防控效果的有效手段。如果同“禽流感免疫效果评估模型”联合使用, 其评价效果更佳。

7.2

根据禽流感疫病发生的影响因子相关性研究结果, 本模型确定了环境控制、生物安全、疫苗接种、营养保健和疫情史为主要影响因子, 经过专家论证, 增加鸡场的“选址”为影响因子, 并筛选出30个小项作为风险因子;采用“德尔菲法”方法, 将30个风险因子分为1个限制项、3个特别关注项、9个关注项和17个普通项四个等级;采用定性风险分析方法, 对每个风险因子分为符合、基本符合、不符合三种类型的判定标准, 然后将评估风险分为高风险、中等风险、低风险三个级别。

7.3

鸡场使用该模型进行禽流感风险评价, 当评估结果为“高风险”时, 表明其应立即采取相应的防范措施, 预防禽流感的发生;当评价结果为“中等风险”时, 表明其在禽流感的防控方面还有一定的漏洞, 应逐步采取相应措施加以防范, 避免出现高风险;当评价结果为“低风险”时, 表明其已具备很好或较好的防范措施。

7.4

本评估模型简单、实用, 便于现场操作, 是养鸡企业对禽流感防控效果自我检验和自我评价的“工具”, 便于规模养鸡场进行禽流感的风险管理及风险交流。在全省各地市不同类型规模鸡场推广应用中, 其评估结论与鸡场的实际情况基本相符, 在防范禽流感方面切实发挥了重要作用。

7.5

由于本模型采用德尔菲法进行风险因子的确定, 采用定性风险分析的方法进行风险评价, 不适合基层动物疫病预防控制机构对整个辖区禽流感防控情况进行风险评估。下来我们依据相关研究结果, 制定出一个适合基层动物疫病预防控制机构使用的“禽流感风险评估模型”。该模型将采用德尔菲法和层次分析法进行模型风险指标体系确立和风险因素权重值确定, 采用定量风险分析的方法进行风险评价。

基于灰色理论的企业风险评估模型 第7篇

面临复杂多变的经济、金融环境和社会等风险因素，企业陷入财务风险甚至破产清算越来越常见。构建科学的风险评估方法，有助于企业及时有效地规避和分散风险。传统风险评估方法如线性判定法、逻辑回归分析法，在评估时要有大量样本数据且对数据分布界定严格，计算量大、精度不高。有学者将人工智能方法的BP神经网络运用于风险评估具有较强适应能力和学习能力，是一种预测精度较强的非线性评估方法；但它对训练中出现的高维问题，无法将输入信息的空间维数简化，从而使网络结构变得很复杂，在效率和可扩展方面都会出现问题。对此，本文尝试利用灰关联分析法（GC）和BP神经网络（ANN）相结合的评价方法，对企业进行有针对性的科学分析，以寻求正确评价估计企业风险的有效途径。

1 灰关联分析及BP网络相关理论

1.1 灰色关联分析法

采用灰度关联分析方法是解决评估模型的评价指标体系构建的一种有效途径，能针对企业风险评估中样本数据不完全、不确定等问题，完成对灰度较大的财务数据重要度分析，进而降低BP神经网络输入维数，规避网络学习速度随着输入数据维度增加而变慢的难题，大大提高BP网络训练速度和预测效率。灰色关联是根据曲线间相似程度，来判断因素间关联程度；曲线越接近，相应序列之间相关性就越大，反之就越小。对指标进行关联度分析，先设[1]：

(1)Xi为系统因素，其序号k上观测数据为xi(k）,k=1,2，…n，则称Xi=（Xi(1）,X2(2），…，Xn(n））为Xi因素的行为序列。若Xi为经济因素，k为指标序号，xi(k）为经济因素Xi在第k个指标上观测数据，则称：Xi=（Xi(1）,X2(2），…，Xn(n））为Xi的经济行为指标序列；

(2)Xi=（Xi(1）,X2(2），…，Xn(n））为因素Xi的行为序列，D1,D2,D3为序列算子，且：XiD1=（Xi(1)d1,Xi(2)d1，…，Xi(n)d1）、XiD2=（Xi(1)d2,Xi(2)d2，…，Xi(n)d2）、XiD3=（Xi(1)d3,Xi(2)d3，…，Xi(n)d3）；其中：xi(k)d1=xi(k）/xi(1)xi(k)d2=xi

则D1,D2,D3分别为初值化算子、均值化算子和区间值化算子；这三种算子都可以使系统行为序列无量纲化，且在数量上归一。由于系统行为序列存在各因素量纲不同或数值相差很大的情况，在关联分析前，根据实际情况选择某个算子对数据进行无量纲化处理。

(3)灰色关联度：设X0=（X0(1）,X0(2），…，Xn(n））为系统特征序列；Xj=（Xj(1）,Xj(2），…，Xj(n））,j=1,2，…，m为相关因素序列，对于ξ∈（0,1），令：

满足：

Ⅰ规范性：0<γ（X0,Xi）≤1;

Ⅱ整体性：对于Xi,Xj∈X={Xs|s=0,1,2，…，m;m≥2}，有：γ（Xi,Xj）≠γ（Xj,Xi，）,i≠j;

Ⅲ偶对对称性：对于Xi,Xj∈X，有：

Ⅳ接近性：|x0(k）-xi(k）|越小，γ（x0(k）,xi(k））越大。

以上为灰色关联四公理，ξ称为分辨系数。则称γ（X0,Xi）为X0与Xi的灰色关联度。

1.2 BP神经网络

BP神经网络具有自学习反馈能力，由一个输入层、一个或多个隐层及一个输出层组成[2]。每一节点输出值由前一层的输入值、作用函数和阈值共同决定。当有信息进入输入层时，输入信息经过权值处理传播到隐层节点，经过各单元sigmoid型的激活函数（又称作用函数、传递函数或映射函数）运算后，送到输出节点，得到输出值并与期望输出比较，若有误差，则误差反向传播，逐层修改权系数，直到输出满足要求为止。具体算法在MATLAB7.1平台上编程实现。

在用神经网络进行企业财务风险评估前，必须先区分出哪些指标与企业风险有相对强烈的因果关系，减少无关指标进入评估模型，从而降低模型训练时间和提高精度；灰关联分析则可以通过财务指标的初值化、关联系数求解、关联度比较等一系列操作，去掉冗余信息，简化知识表达空间维数。可见，二者结合，在企业风险评估中具有一定的理论意义和实践价值。

2 基于灰关联和BP网络的企业风险评估建模

2.1 建模思路

GC-ANN风险评估模型建模思路是：(1)首先选取适当样本企业和相应评估指标；(2)对评估指标显著性检验，去除不显著指标；(3)对保留指标进行灰关联分析，构建BP网络输入端指标体系；(4)用学习样本和检验样本对BP网络训练和学习，对评估结果进行分析。

2.2 实证研究

2.2.1 企业风险评估的样本选择

现以沪深上市公司被ST作为企业风险发生标志，选取风险企业28家和与之配对的非风险企业28家，构建风险评估模型。由于我国上市公司制度规定，公司公布当年年报最后截止日期为下一年4月30日，即ST实施是依据前一年度（t-1）年报进行的，故在研究中以企业首次被ST前2年（t-2）数据为标准。原始数据均来自Wind资讯金融终端数据库。

2.2.2 企业风险评估指标

评估指标选择是风险评估研究极重要的环节，它影响评估模型设计及性能[3]。本文主要借鉴前人研究成果，从五方面提出一套企业风险评估指标体系，分别为：(1)偿债能力指标：流动比率（X1）、速动比率（X2）、产权比率（X3）、现金负债比率（X4）、已获利息倍数（X5）、长期债务营运资金比率（X6）；(2)成长能力指标：每股收益增长率（X7）、主营业务增长率（X8）、营业利润增长率（X9）、利润总额增长率（X10）、每股净资产增长率（X11）；(3)现金流量指标：销售现金比率（X12）、主营业务现金比率（X13）、净收益营运指数（X14）；(4)盈利能力指标：净资产收益率（X15）、总资产报酬率（X16）、总资产收益率（X17）、销售净利率（X18）、销售毛利率（X19）、主营业务利润率（X20）；(5)营运能力指标：存货周转率（X21）、应收账款周转率（X22）、固定资产周转率（X23）、总资产周转率（X24）。

2.2.3 评估指标的显著性检验

构建的风险评估指标体系，包含24个初始指标。而模型中如此多的指标，会使结构变得非常复杂且效率不高。有必要对初始指标进行显著性检验，去掉对风险评估影响不显著指标，以降低模型复杂度，提高风险评估的效率和精度。根据数据分布的不同，在SPSS15.0统计软件中分别采取T检验和非参数检验，结果如表1所列。

根据显著性检验原理，α在显著性水平为0.05的条件下，如果双侧渐进概率小于0.05时，则应拒绝零假设，认为两样本间存在显著差异，相应指标可予以保留。表1中标“*”的指标共14项通过了显著性检验。

2.2.4 评估指标的灰关联度分析

由于评估指标间存在相关性，会导致模型训练时间过长。故采用灰关联对评估指标进行关联度分析，消除指标间相关性[4]；并通过显著性检验的指标作为行为指标序列，将净利润（Net Profit）指标作为企业风险系统特征序列。采用数据处理软件DPSv6.55对评估指标进行关联度分析：

首先，计算系统特征序列与行为指标序列间的关联度。这二者间的关联度大小反映各评估指标对企业风险影响程度，关联度越大，对企业风险影响程度越大；通过计算，除去对企业财务危机影响较小的指标。

其次，计算行为指标序列间的灰关联矩阵，关联度越大，它们反映的信息越一致，用其中一个指标去替代原有两个指标，可以在不降低模型精度同时提高训练速度。选取初值化算子对评估指标无量纲化[5,6]，在分辨系数ξ=0.5前提下，去除系统特征序列与行为指标序列间的关联度小于0.9、行为指标序列间关联度大于0.9的评估指标，最终得到企业风险评估指标体系：速动比率（X2）、产权比率（X3）、主营业务增长率（X8）、营业利润增长率（X9）、主营业务现金比率（X13）、净收益营运指数（X14）；净资产收益率（X15）、总资产报酬率（X16）、总资产收益率（X17）。

2.2.5 BP神经网络训练及检验

企业风险评估BP网络模型为标准三层结构，输入层含9个输入向量（评估指标数），输出层含1个输出向量。网络隐含层节点数根据经验确定，一般考虑的经验法则有：(1)隐含层节点数不能是个层中节点数最少的，也不是最多的；(2)较好的隐含层的节点数介于输入节点和输出节点数之和的50%～70%之间；(3)隐含层节点数理论上限由其训练样本数据所限定。

BP神经网络训练样本和检验样本采取随机抽样确定，各占样本总体（56家）2/3和1/3。使用MATLAB7.1软件编程，经多次训练，最终确定t-2年BP网络参数如下：隐层节点数：n1=5个；显示频率：show=50；学习速率：lr=0.01；最大循环次数：Epochs=100 0次；目标误差：goal=0.000 1。网络误差在18次迭代后即降至目标误差0.000 1以下，收敛速度令人满意。用表示用第t-2年输入层与隐含层各节点的连接权值矩阵；表示第t-2年隐含层与输入层各节点的连接权值矩阵；表示第t-2年输入层到隐含层的阈值矩阵；表示第t-2年隐含层到输入层的阈值矩阵。则有：

3 结果分析及评价

用以上所述的风险评估模型，对t-2年的训练样本（38家）和检验样本（18家）进行风险评估，其结果如表2。

以上结合灰关联分析法与BP神经网络，构建了GC-ANN企业风险评估模型，并采用56家企业的财务数据进行实证分析，结果表明：在企业财务风险发生前的t-2年，该模型评估的正确率达到了94.45%，且迭代次数仅为18次。可见，该模型能够在不影响整体合理性的前提下降低计算复杂度，具有一定的理论和现实意义。

但必须指出的是：

(1)由于我国资本市场发展历史不长，规范程度不高，无法在同一年度内收集足够多的符合条件的样本，本文仅选取了56家上市公司作为建模样本，样本质量问题成为影响企业风险评估准确率的薄弱环节之一。

(2)由于样本有限，检验效果可能存在偏差，故在实际应用中需考虑适当扩大样本的规模，使其更具有代表性，或借助其他技术手段和相关重要信息来综合分析评估企业财务风险。

参考文献

[1]邓聚龙:《灰理论基础》[M];华中科技大学出版社,2002:67-72。

[2]黄光球、石艳东:《基于BP神经网络和专家系统的系统风险评估》[J];《情报杂志》2005(1):26-29。

[3]李富强、王立勇:《对风险评估主体定位的研究》[J];《数量经济技术经济研究》2003(12):125-129。

[4]李玉辉:《灰色关联度分析法在系统综合评价中的应用》[J];《山东交通科技》2005(4):21-25。

[5]刘思峰:党耀国等:《灰色系统理论及其应用(第三版)》[M];科学出版社,2004:50-55。

审计风险与审计风险模型研究 第8篇

关键词：审计风险,审计风险模型

一、关于风险与审计风险

(一) 风险

关于风险国内外学者有不同的看法。美国学者海尼斯 (1985) 认为风险是“意味着的可能性”。另一位美国学者威利特认为风险是“客观的不确定性”。哈迪认为“风险是费用、损失或损害相关的不确定性”。胡春元认为“风险是在特定的客观条件下, 在特定期间内, 某一事件其预测结果与实际结果间的变动程度, 变动程度越大, 风险越大;反之则越小。”

(二) 审计风险

学术界对审计风险存在不同的认识。《柯勒会计词典》中认为审计风险:一是已鉴证的会计报表, 实际上未能按公认会计原则公允地反映被审计单位会计状况和经营成果的可能性;二是在被审计单位或审计范围中存在重要错误, 而未被审计人员察觉的可能性。美国注册会计师协会 (AICPA) 认为, “审计风险是审计人员对于存在重大错报的会计报表未能适当地发表他的意见的风险。”国际审计准则认为, “审计风险是审计人员对实质上误报的财务资料可能提供不适当意见的那种风险。”我国《审计准则第9号——内部控制和审计风险》中指出:“审计风险是指会计报表存在重大错报或漏报, 而注册会计师发表不恰当意见的可能性”。

二、基于审计内在逻辑的审计风险研究

审计是一种“检查经济责任的控制系统”。审计目标的性质是评价受托经管责任的履行情况, 是审计人员将受托者对经济行为和事件的声明与既定标准的一致程度进行的评价。审计人员的工作是将受托者的声明与既定标准进行验证并出具审计意见, 最后将审计意见传达给有关使用者。可以认为, 审计的过程就是对受托者的声明进行的假设检验的过程, 审计人员假设受托者关于受托责任的声明在所有重大方面公允地反应了企业的经营状况、财务成果和现金流量情况, 在会计处理方法上符合一贯性原则, 这一假设我们设定原假设为:

H0:μ=μ0

其中:μ为审计抽样样本值;μ0为受托者声明的财务结果

审计人员基于合理的职业怀疑, 提出相反的备择假设:

H1:μ≠μ0

审计人员为了验证原假设的正确性, 将受托者的声明分为总体审计目标和具体审计目标, 采取适当的审计程序, 收集充分适当的审计证据进行验证。由于审计环境的复杂性和审计方法的局限性, 审计人员对受托者声明的验证不能完全保证是正确的, 审计人员必然面临不能正确验证的可能性。于是审计人员确定出不能出具正确审计意见的可能性α, 假设审计抽样的可容忍误差水平为C, 则审计抽样的样本与期望的审计结果之间的差异大于可容忍误差水平C的概率为α时, 审计风险就产生了, 即

若此概率值大于α, 则拒绝原假设, 即受托者的声明不能在所有重大方面公允地反映企业的经营状况、财务成果和现金流量情况, 在会计处理方法上不符合一贯性原则, 应出具无保留意见以外的其他审计意见;反之则接受原假设, 出具无保留的审计意见。

但是注册会计师审计的结果和出具的审计意见类型可能会存在差异, 比如受托者收买会计原则的存在, 审计人员可能出具违心的审计意见, 这也会给审计人员带来风险。所以对审计风险的描述可以分成A和B两个事件:A指审计人员的审计结果不能反映报表的真实情况, B指审计人员出具了不恰当的审计意见。则审计风险可表述为:

这种主观与客观的偏离通常会出现两种情况:一是财务报表实际上是公允揭示的, 审计人员发表了有保留的审计意见, 通常称为误拒风险 (α风险) ;二是财务报表存在重大错报, 而审计人员发表了无保留意见, 也就是误受风险 (β风险) 。由于审计实践中α风险很少发生, 主要是β风险, 所以审计风险可以用上述 (1) 、 (2) 两式来表示。对于 (1) 式, 我们可以分为两个部分:一是财务报表本身的原因, 即财务报表存在重大错报风险;二是审计人员的原因, 即审计人员没有保持合理的职业谨慎产生的检查风险。即:

α=重大错报风险×检查风险 (3)

基于以上分析我们可以看出, 审计风险应该是会计报表存在重大错报或漏报, 而注册会计师发表不恰当意见的可能性, 属于“不当意见论”, 这样才符合审计的内在本质和逻辑。尽管这种风险可能给审计人员及其会计师事务所带来可能的损失, 但损失的发生是基于审计风险的存在, 所以用“损失可能论”来描述审计风险不够科学。

三、审计风险模型评析

传统的审计风险模型认为:审计风险=固有风险×控制风险×检查风险。它割裂了审计风险本身的系统性和整体性, 只是从片面的角度来理解审计风险。审计风险的本质应该是审计意见不符合报表实际, 导致审计意见与实际不符的原因除了审计人员自身的原因外, 还有很多错综复杂的相互交织的因素, 这些都可能造成会计报表的重大错报。传统的“审计风险模式不是对财务报表整体上使用的, 因为这无助于作出审计证据的决策, 而必须把每一种业务循环、每一个账户, 并且经常是每一个审计目标上进行分析计算”。其次, 固有风险和控制风险对于注册会计师而言是不可控的, 固有风险概念内涵与外延不一致使审计风险模型的科学性受到很大损害。传统风险导向审计实质上是制度基础导向审计方法的发展, 它还不是一种新的审计方法。虽然它使审计效率与效果有了实质性的提高, 但它在理论与实务两方面都存在固有的缺陷。正是由于这些缺陷的存在, 有专家认为, 风险导向审计“有可能使审计由一门高尚职业 (其精髓是由专业判断和公众责任组成) 沦落为一种‘唯利是图的生意’ (其核心是风险与报酬的权衡与抉择) ”, 是导致“五大”审计失败的重要原因。

国外的审计准则制定机构于1999年成立了审计风险研究小组, 并与2000年得出结论认为, 传统的风险导向审计方法对会计报表的审计仍然有效和适当, 但需要完善, 建议准则制定机构修订现行审计准则。国际审计与鉴证准则理事会和美国审计准则委员会成立审计风险研究小组, 于2002年发布了审计风险准则征求意见稿, 2003年对意见稿进行最后修订, 新修订的审计准则对原有的审计风险模型进行了改进。修订后的《会计报表审计目标和基本原则指南》中, 将固有风险和控制风险合并为重大错报风险, 审计风险模型修改为:“审计风险=重大错报风险×检查风险”。将固有风险和控制风险合并为重大错报风险, 避免了原有审计风险模型的简约化, 将审计人员不能控制的但相互联系相互制约的两个风险因素合并为对会计报表的整体错报风险和管理当局认定层次的重大错报风险, 克服了原有审计风险模型的不足, 能够使审计人员用系统化的战略眼光来看待被审计单位的会计报表的整体风险和认定层次的重大错报风险, 将审计过程中审计人员的风险和因管理当局的原因所导致的风险区分了开来。同时用重大错报风险避免了用固有风险和控制风险对会计报表整体风险表述的片面性, 将审计人员的工作解放到对固有风险和控制风险以外的其他审计环节, 审计人员不必局限于原有审计模型提供的风险审计的基本思路来开展审计工作, 将审计人员的关注点集中于会计报表本身和管理当局认定的重大错报上。但这一审计风险模型对审计人员之外风险的描述过于笼统, 仅用重大错报风险来描述审计人员之外的会计报表本身和管理当局认定的风险。重大错报是会计报表和管理当局认定自身可能存在的一种客观结果, 需要审计人员将这一可能的客观结果揭示出来, 但至于怎样揭示会令会计人员无所适从。审计风险模型应该能够对审计人员的审计工作进行指导, 具有可操作性, 否则就会失去其存在的价值和意义。原有的审计风险模型采取从下向上的思路将会计报表整体进行分解, 汇总而成为审计风险, 无法满足对财务报表整体的把握和控制, 对风险的认识只是零散的、微观的。而新的审计风险模型则是从整体上的宏观认识, 似乎又走向了另一个极端。此外, 新模型并没有对审计风险进行完整科学地把握, 对于审计人员的出具不当审计意见给审计带来的风险并没有考虑。

四、对审计风险模型构建的思考

正确认识审计风险是构建科学的审计风险模型的基础, 审计风险模型的构建必须基于对审计风险的正确认识。通过前文的分析可以看出, 审计风险是一种发表不当意见的可能性, 具体又可以分为会计报表本身的风险、审计人员审计中的风险和审计后发表不当意见的风险, 所以可以将审计风险模型表述为:

审计风险=重大错报风险×检查风险×不当意见表达风险

为了使审计风险模型具有较好的可操作性, 需要对重大错报风险按照风险动因进行分解, 找出可能引起会计报表重大错报风险的原因, 进而对审计风险模型进行科学构建。会计报表总体层次和认定层次的重大错报风险主要由管理当局的审计环境风险、被审计单位的发展战略风险、被审计单位的经营失败风险、管理当局的管理舞弊风险、财务失败风险、会计处理风险等风险动因所导致的。对于被审计单位的员工舞弊一般可以认为是处于员工个人的经济利益考虑的动机所致, 不会对被审计单位的会计报表和管理当局的认定产生重大错报, 所以不予考虑。这样审计风险模型可以进一步深化为下面的式子以强化其可操作性:

审计人员可以根据这个审计风险模型计划审计工作, 制定相应的审计程序和审计策略, 以降低重大错报风险和检查风险。而对于不当意见表达风险, 会计师事务所可以通过强化良好的审计质量控制、加强审计人员的职业道德教育等措施来降低此类风险。

参考文献

[1]胡春元.审计风险研究[M].大连:东北财经大学出版社, 1997.

[2]国际会计师联合会审计实务委员会.国际审计准则[S].张德明, 译.深圳:海天出版社, 1996.

[3]朱小平.“审计风险”概念体系的比较与辨析[J].经济研究, 2003 (5) .

[4]萧英达, 张继勋, 刘志远.国际比较审计[M].上海:立信会计出版社, 2000.

[5]陈志强.从审计风险模型的改进论风险导向审计的战略调整[J].会计研究, 2005 (2) .

[6]谢荣, 吴建友.现代风险导向审计理论研究与实务发展[J].会计研究, 2004 (4) .