技術(shù)在現(xiàn)代管理與投資活動中發(fā)揮日益重要的作用，技術(shù)創(chuàng)新成為現(xiàn)在企業(yè)競爭的有效手段。但是技術(shù)開發(fā)與應(yīng)用都伴隨著較大的風(fēng)險，因此技術(shù)風(fēng)險管理成為管理活動中不可忽視的問題。隨著企業(yè)風(fēng)險管理的逐漸重視與深入應(yīng)用，技術(shù)風(fēng)險的研究也日漸充實(shí)。對于技術(shù)風(fēng)險的定量測量，存在多種方法：風(fēng)險指數(shù)分析法、邏輯演繹法、層次分析法、蒙特卡洛模擬與系統(tǒng)動態(tài)法（T.L.Saaty，1970；Forrester，1961），但是目前缺少技術(shù)風(fēng)險管理效果的直接評價方法。

　　摘要：現(xiàn)階段我國科技行業(yè)內(nèi)企業(yè)管理者的風(fēng)險意識逐步增強(qiáng)。隨著風(fēng)險管理引入企業(yè)管理活動，如何比較行業(yè)內(nèi)不同企業(yè)的風(fēng)險管理效果成為一個關(guān)鍵問題。通過借鑒模糊多屬性決策的理論方法，將區(qū)間數(shù)的判斷矩陣轉(zhuǎn)化為相離度矩陣，使用熵值對不同風(fēng)險因素進(jìn)行賦權(quán)，利用TOPSIS方法計(jì)算各企業(yè)的風(fēng)險評價值，最終得出技術(shù)風(fēng)險管理效果判斷標(biāo)準(zhǔn)。科技企業(yè)可以依據(jù)自身數(shù)據(jù)對風(fēng)險管理水平進(jìn)行測算，為提高風(fēng)險管理能力提供幫助。

　　關(guān)鍵詞：模糊多屬性,技術(shù)風(fēng)險,風(fēng)險管理,熵權(quán),TOPSIS方法

　　1、引言

　　相比其他風(fēng)險管理，技術(shù)風(fēng)險管理效果測量具有自身的獨(dú)特性：較難進(jìn)行風(fēng)險損失的計(jì)量并且缺少客觀評價的基礎(chǔ)，必須考慮具有針對性的評價方法。多屬性決策（Multi-attributeDecision-making，MADM）是一類決策分析方法的總稱，其最早出現(xiàn)于企業(yè)對多個投資方案的選擇（Chu-rchman，Ackoff，1957），現(xiàn)階段仍主要應(yīng)用于相互沖突的多樣屬性情況下對多個備選方案的選擇。但是，這種決策方法在考察客觀事物的復(fù)雜性、不確定性和評判主觀性方面仍存在諸多不足。隨著模糊數(shù)學(xué)知識的引入，模糊多屬性決策（FMADM）模型首次被提出（Bellmanhe，Zadeh，1970）并被廣泛關(guān)注，且方法日趨多樣化（Chen，Hwang，1992）。另有學(xué)者將不確定性的新理論和方法引入該領(lǐng)域，將Fuzzy集理論擴(kuò)展為Vague集理論（Gau，Buehrer，1993），指出Vague集理論能同時兼顧集合元素的隸屬度和非隸屬度兩方面的信息，具有比Fuzzy集更好的適用性。上述研究表明該方法對技術(shù)風(fēng)險管理評價可能具有一定優(yōu)越性，針對多屬性決策的評價方法研究是發(fā)展技術(shù)風(fēng)險管理效果評價方法的方向。

　　2、基于FMADM的技術(shù)風(fēng)險管理評價模型相關(guān)研究

　　模糊多屬性決策的技術(shù)風(fēng)險評價指標(biāo)按表述方式不同分為定量指標(biāo)和定性指標(biāo)，這與技術(shù)風(fēng)險難以界定有關(guān)。其中，定量指標(biāo)能夠使用數(shù)字量化表示，而定性指標(biāo)多為主觀屬性指標(biāo)，如技術(shù)安全等級、技術(shù)方案的可行性等，通常用模糊語言表示。此外，F(xiàn)MADM的指標(biāo)按決策者的期望又可以分為效益型指標(biāo)、成本型指標(biāo)、固定型指標(biāo)、偏離型指標(biāo)。效益型指標(biāo)的屬性值增長與決策者的意愿相符，而成本型指標(biāo)屬性值的增長與決策者的意愿相反。對于固定型指標(biāo)而言，決策者希望其屬性值固定在某一數(shù)值不發(fā)生波動。偏離型指標(biāo)與固定性指標(biāo)相反，以偏離某一數(shù)值的較大波動為最優(yōu)。而本文立足于以下的分類分析，即FMADM的指標(biāo)按屬性值的形式分為區(qū)間數(shù)指標(biāo)和模糊語言指標(biāo)。區(qū)間數(shù)指標(biāo)使用區(qū)間表示指標(biāo)的變動，本質(zhì)上是定量指標(biāo)的一種。而模糊語言指標(biāo)主觀性較強(qiáng)，但由于其較好地表示了客觀事物的復(fù)雜性和主觀思維的不確定性，因而在技術(shù)風(fēng)險研究中有較大應(yīng)用。

　　權(quán)重確定是模糊多屬性決策的重要研究內(nèi)容。分為主觀賦權(quán)、客觀賦權(quán)、組合賦權(quán)和交互賦權(quán)。主觀賦權(quán)情況下，決策者依據(jù)專家經(jīng)驗(yàn)和自身偏好程度對各屬性進(jìn)行權(quán)重的數(shù)量化，如判斷矩陣法、點(diǎn)估計(jì)方法和Fuzzy集合法等�？陀^賦權(quán)是利用客觀存在的數(shù)據(jù)計(jì)算各屬性的權(quán)重，如熵值法、利差最大化法、線性規(guī)劃法、兩階段法等。組合賦權(quán)法綜合前兩種方法的優(yōu)點(diǎn)，兼顧賦權(quán)的偏離程度和客觀性，主要在體現(xiàn)方差最大化賦權(quán)法、組合目標(biāo)規(guī)劃法，組合最小二乘法等。交互賦權(quán)克服了上述方法的靜態(tài)性，根據(jù)實(shí)際情況不斷調(diào)整屬性的賦權(quán)，使決策更具合理性，如在歸一化處理后對不合理的指標(biāo)權(quán)重進(jìn)行調(diào)整（王宗軍，1996）；將交互方式引入多屬性決策領(lǐng)域，形成方案達(dá)成度和綜合度的賦權(quán)方法（徐澤水，2002）。

　　FMADM主要存在以下幾種研究方法：Hwang和Yoon于1981年首次提出TOPSIS（TechniqueforOrderPreferencebySimilaritytoIdealSolution）方法，隨后得到廣泛應(yīng)用。該方法首先考察各項(xiàng)屬性的最優(yōu)值和最差值，由所有屬性的最優(yōu)值構(gòu)成正理想解，由所有屬性的最差值構(gòu)成負(fù)理想解，通過確定各項(xiàng)指標(biāo)的正負(fù)理想解限定各個方案的上下限。隨后計(jì)算各個方案與最優(yōu)解、最差解的距離作為評價標(biāo)準(zhǔn)。通過歸一化消除不同指標(biāo)量綱的影響，能夠綜合評價多個方案，實(shí)際應(yīng)用中適用性較強(qiáng)。但是該方法在權(quán)重確定時存在主觀性，方案增加會因?yàn)槟嫘騿栴}導(dǎo)致分析結(jié)果可靠性降低，這導(dǎo)致改進(jìn)的TOPSIS方法的出現(xiàn)，如使用熵權(quán)計(jì)算法、主成分分析法的客觀方法確定權(quán)重，使用絕對正負(fù)理想解進(jìn)行距離計(jì)算等。

　　灰色關(guān)聯(lián)分析由我國學(xué)者鄧聚龍?zhí)岢�。灰色關(guān)聯(lián)分析充分克服了回歸分析在多因素、非線性等方面的不足，使用關(guān)聯(lián)度作為動態(tài)過程的量化分析。根據(jù)各個因子發(fā)展趨勢的相異程度衡量不同因子之間的距離，并找出影響函數(shù)值的主要因子。ELECTRE法（EliminationEtChoiceTranslationReality）形成于上世紀(jì)六十年代（Benayown，1969），并逐步得到完善（Roy，Skalka，Bertier，Hugonnard，Yu）。在解決方案無明顯排序優(yōu)劣問題時，該方法借助決策者的風(fēng)險偏好差異對方案進(jìn)行排序。常用凈優(yōu)勢值和凈劣勢值（VanDelft，Nijkamp，1976）對方案進(jìn)行排序。LINMAP法（LinearProgrammingTechniquesforMultidimensionalAnalysisofPreference）。該方法的主要思想是通過對備選方案兩兩比較得出理想解。此方法的理想解來自真實(shí)數(shù)據(jù)，而非事先經(jīng)驗(yàn)確定，因此具有較強(qiáng)的實(shí)證能力。投影法將每一決策方案視為一個行向量，選定理想決策方案，其他決策向量與理想決策方案存在夾角，夾角余弦的正負(fù)能反映各個決策方案與理想方案的方向是否一致，但是不能反映其距離大小，必須將向量模的大小引入，全面考察各決策方案與理想方案的接近程度。整個過程相當(dāng)于將被考察向量投影于理想向量上，通過投影研究各個決策向量的優(yōu)劣。在實(shí)際評價過程中，經(jīng)常存在使用模糊語言對指標(biāo)進(jìn)行評價的情況。這類形式具有較強(qiáng)的實(shí)用價值，促使學(xué)者研究其運(yùn)算規(guī)則，語言有序加權(quán)算術(shù)平均（LOWA）算子首先提出，并被應(yīng)用于決策過程（Herrera，1993）。隨后，語言混合（LHA）、語言加權(quán)取大（LWM）、混合語言加權(quán)平均（HLWM）、不確定語言混合（ULHA）等多種模糊語言算子提出。此外，還存在其他一些方法，如加性加權(quán)平均法（AWA）是傳統(tǒng)被廣泛應(yīng)用的信息決策方法，而有序加權(quán)平均被加以改進(jìn)推廣到不確定性環(huán)境中，相應(yīng)出現(xiàn)OWGA、FOWG、GIOWA等多種算子（徐澤水，2002，2003）。3、基于FMADM的技術(shù)風(fēng)險管理評價模型分析

　　企業(yè)風(fēng)險管理是涉及企業(yè)范圍內(nèi)整體風(fēng)險的綜合管理。企業(yè)風(fēng)險管理是一個過程，它由董事會、管理當(dāng)局和其他人員實(shí)施，應(yīng)用于戰(zhàn)略制定并貫穿于企業(yè)之中，旨在識別可能的潛在事項(xiàng)以使其在該主體的風(fēng)險容量之內(nèi)，并為目標(biāo)的實(shí)現(xiàn)提供合理保證（COSO，2004）。風(fēng)險管理一直是企業(yè)的核心競爭力，而風(fēng)險表現(xiàn)是盈利能力的主要決定性因素。科技企業(yè)在經(jīng)營過程中必須面對多方面、多層次的風(fēng)險。這些多樣化的風(fēng)險因素是科技企業(yè)風(fēng)險管理過程的評價指標(biāo)，類似于經(jīng)典FMADM描述中多種方案的決策指標(biāo)，而不同科技企業(yè)的風(fēng)險管理水平則相當(dāng)于FMADM分析中對方案整體評價。傳統(tǒng)意義上使用風(fēng)險事件概率對不確定條件下的風(fēng)險損失進(jìn)行加權(quán)，這種使用損失期望值的方法在表現(xiàn)風(fēng)險對科技企業(yè)沖擊的方面失真。使用區(qū)間數(shù)和模糊語言來描述科技企業(yè)的風(fēng)險損益更科學(xué)準(zhǔn)確地反映了科技風(fēng)險的特點(diǎn)。本文探討使用模糊多屬性決策對科技企業(yè)風(fēng)險管理水平進(jìn)行綜合評價，基于綜合組合權(quán)重的混合評價指標(biāo)綜合了對定性風(fēng)險與定量風(fēng)險多個風(fēng)險因素，能夠比較全面地反映整體層面的技術(shù)風(fēng)險管理效果，希望為技術(shù)風(fēng)險具體管理實(shí)施提供借鑒。

　　3.1技術(shù)風(fēng)險判斷矩陣

　　考察企業(yè)風(fēng)險管理中主要的技術(shù)風(fēng)險因素，不失一般性假設(shè)存在i個技術(shù)風(fēng)險節(jié)點(diǎn)（i=1，2，3……），并按照上述第一種標(biāo)準(zhǔn)與技術(shù)風(fēng)險損失的較大波動性，采用區(qū)間數(shù)表示其預(yù)期損失或費(fèi)用：分別用表示第i個技術(shù)風(fēng)險事件損失構(gòu)成的向量。由于技術(shù)風(fēng)險具有較大的不穩(wěn)定性，其損失存在范圍波動的可能，因此按實(shí)際情況對各個風(fēng)險損失估計(jì)采用區(qū)間數(shù)表示，以便更好地表示風(fēng)險損失的波動性。部分指標(biāo)在現(xiàn)實(shí)中采用模糊語言進(jìn)行描述，將風(fēng)險損失分為幾個等級，針對具體情況確定該風(fēng)險類別所屬的風(fēng)險等級，并利用模糊語言的等級轉(zhuǎn)換規(guī)則將模糊語言描述轉(zhuǎn)化為區(qū)間數(shù)形式。以為例，是由模糊語言所表示的風(fēng)險等級矩陣，如科技項(xiàng)目內(nèi)控制度的完善程度可以分為從十分完善到十分不完善的多個等級，對于該風(fēng)險管理節(jié)點(diǎn)可以將區(qū)間分為m個子區(qū)間，每一區(qū)間對應(yīng)一個轉(zhuǎn)換等級，這樣實(shí)現(xiàn)了模糊語言評價到區(qū)間數(shù)的轉(zhuǎn)換。這種表示風(fēng)險的方法對于科技企業(yè)來說具有較強(qiáng)的現(xiàn)實(shí)意義。

　　3.2技術(shù)風(fēng)險相離度和熵值確權(quán)

　　對于科技企業(yè)中的n個技術(shù)開發(fā)部門來說，設(shè)其風(fēng)險判斷矩陣為，j為每一技術(shù)開發(fā)部門的風(fēng)險種類。由于區(qū)間數(shù)在確定權(quán)重時不能直接賦權(quán)，因此必須對技術(shù)風(fēng)險矩陣每個指標(biāo)的區(qū)間數(shù)進(jìn)行相應(yīng)處理：若該技術(shù)企業(yè)的多數(shù)開發(fā)部門在某一風(fēng)險衡量指標(biāo)下的區(qū)間大小差異不明顯，表明該指標(biāo)對企業(yè)內(nèi)所有技術(shù)部門的風(fēng)險管理水平的評價力不足，技術(shù)風(fēng)險管理水平不能通過該指標(biāo)得到較好反映，應(yīng)賦予較小權(quán)重。反之，若區(qū)間大小變動較大，說明該指標(biāo)在評價企業(yè)風(fēng)險管理水平方面具有較強(qiáng)的評判力，應(yīng)賦予較大權(quán)重。基于這一標(biāo)準(zhǔn)并結(jié)合現(xiàn)有研究，本文采用相離度的方法對風(fēng)險判斷矩陣進(jìn)行整理。

　　不失一般性，設(shè)為上述任一技術(shù)風(fēng)險節(jié)點(diǎn)的兩個子區(qū)間，相離度采用歐式距離，定義為，由于各區(qū)間采用損失值，此處確定為每一區(qū)間端點(diǎn)最小值所對應(yīng)的區(qū)間，相應(yīng)的基于區(qū)間數(shù)的技術(shù)風(fēng)險矩陣可以轉(zhuǎn)化為相離度矩陣，整理前后兩者在衡量技術(shù)風(fēng)險指標(biāo)的重要性方面具有一致性，因此對區(qū)間數(shù)構(gòu)成的技術(shù)風(fēng)險判斷矩陣進(jìn)行確權(quán)等同于對相離度矩陣進(jìn)行確權(quán)，而對于相離度矩陣可通過熵值法確定各指標(biāo)權(quán)重。

　　熵的概念源于物理學(xué)，用來表示任何一種能量在空間中分布的均勻程度，后被引入信息論中表示信息量的大小，熵值越小表示包含的信息量越大，相應(yīng)的風(fēng)險因素對于企業(yè)風(fēng)險管理越重要，其權(quán)重應(yīng)越大，因此利用熵值進(jìn)行確權(quán)是合理的（RudolfClausius，1850；Shannon，1948）。將相離度矩陣規(guī)范化

　�。�1）

　　，（2）

　　求出熵值，（3）

　　而依據(jù)前面分析可以看出，權(quán)重大小與熵值大小相反，越小的熵值表示的信息量越大，應(yīng)該被賦予較大權(quán)重，依據(jù)這種對應(yīng)關(guān)系，將權(quán)重表示為

　　。（4）

　　3.3TOPSIS方法的技術(shù)風(fēng)險管理水平綜合評價

　　本部分在相離度矩陣與確權(quán)基礎(chǔ)上，通過TOPSIS方法對已經(jīng)確權(quán)的技術(shù)風(fēng)險指標(biāo)進(jìn)行加總，計(jì)算出科技企業(yè)內(nèi)各技術(shù)部門整體風(fēng)險管理水平的評價值。由于本文采用風(fēng)險損失金額作為區(qū)間數(shù)，企業(yè)經(jīng)營者期望將風(fēng)險損失降低到最小，這種思路與成本化指標(biāo)本質(zhì)相同，因此采用基于成本型屬性指標(biāo)的規(guī)范化形式，對于任意區(qū)間數(shù)，規(guī)范化后的區(qū)間數(shù)表示為

　�。�5）

　　規(guī)范化之后的區(qū)間數(shù)按照前述熵值的方法確定其權(quán)重，并確定區(qū)間數(shù)之間的距離，設(shè)是兩個區(qū)間數(shù)，則之間的距離定義為：

　�。�6）

　　定義最優(yōu)風(fēng)險管理情況下的正負(fù)理想解，正理想解為，負(fù)理想解為，

　�。�7）

　　各個企業(yè)與正理想企業(yè)的加權(quán)距離為，與負(fù)理想企業(yè)的加權(quán)距離為，

　�。�8）

　　最后計(jì)算各技術(shù)部門的風(fēng)險管理水平評價值：

　�。�9）

　　根據(jù)每個技術(shù)部門的值判斷企業(yè)內(nèi)的各個技術(shù)部門風(fēng)險管理水平的優(yōu)劣。的值越大，說明第i個技術(shù)部門與選出的理想最優(yōu)技術(shù)部門在風(fēng)險管理水平方面差距較小，選取的風(fēng)險測量指標(biāo)越全面，模糊語言轉(zhuǎn)換的越精確上述結(jié)果表示的風(fēng)險管理水平就會更加精確。

　　4、結(jié)論

　　科技企業(yè)以科技開發(fā)為主，風(fēng)險損失具有極大的不穩(wěn)定性，其風(fēng)險管理側(cè)重點(diǎn)與傳統(tǒng)的制造業(yè)企業(yè)存在較大差異，因此傳統(tǒng)的風(fēng)險識別與風(fēng)險管理評價方法應(yīng)用受到限制。本文從另一角度探討了科技風(fēng)險的度量方法，借助模糊多屬性決策方法與區(qū)間數(shù)轉(zhuǎn)化過程實(shí)現(xiàn)了對技術(shù)風(fēng)險的更為科學(xué)地度量。通過對比實(shí)施風(fēng)險管理前后的風(fēng)險管理水平評價值，這一分析方法將模糊評價標(biāo)準(zhǔn)的風(fēng)險評判意識變?yōu)轱L(fēng)險分析與風(fēng)險控制的依據(jù)，用以衡量風(fēng)險管理效果從而達(dá)到風(fēng)險控制的目的。此外，可以作為經(jīng)濟(jì)資本的配置份額的考慮因素，從而將上述方法與經(jīng)濟(jì)資本配置、績效考核等多個風(fēng)險管理方面相互聯(lián)系起來。因此，模糊多屬性方法是科技風(fēng)險量化的重要方向。由于不同科技項(xiàng)目的差異性，在形成模糊判斷矩陣時需要借助于專業(yè)技術(shù)人員的判斷，因此科技專業(yè)技術(shù)評價對風(fēng)險評分的影響較大，該方法仍然存在一定的主觀性，這成為其使用過程中應(yīng)該重點(diǎn)注意的問題。參考文獻(xiàn)：

　　[1]李寧霞，謝定華，董鵬.LINMAP方法在生產(chǎn)企業(yè)供應(yīng)商選擇中的應(yīng)用[J].中國管理科學(xué)，2009（10）：437-440.

　　[2]徐克龍.基于ELEGTRE法的風(fēng)險決策方法[J].重慶工商大學(xué)學(xué)報（自然科學(xué)版），2004（2）：7-10.

　　[3]龔艷冰.基于方案偏好和部分權(quán)重信息的模糊多屬性決策方法[J].控制與決策，2008（5）：507-510.

　　[4]徐澤水.三角模糊數(shù)互補(bǔ)判斷矩陣排序方法研究[J].系統(tǒng)工程學(xué)報，2004（1）：85-88.

　　[5]郭戰(zhàn)琴，周宗放.信貸風(fēng)險管理的區(qū)間數(shù)參數(shù)模型及其應(yīng)用[J].電子科技大學(xué)學(xué)報，2006（2）：137-139.

　　[6]安東尼桑德斯.信用風(fēng)險度量：風(fēng)險估值的新方法與其他范式[M].北京：機(jī)械工業(yè)出版社，2001.

　　[7]朱方霞，陳華友.確定區(qū)間數(shù)決策矩陣屬性權(quán)重的方法——熵值法[J].安徽大學(xué)學(xué)報（自然科學(xué)版），2006（9）：4-6.

---

轉(zhuǎn)載請注明來自：http://www.jinnzone.com/gongshangqiyeguanlilw/27755.html