数据分析在企业风险管理中的应用与展望.pdfVIP

数据分析在企业风险管理中的应用与展望

管理思想进步与实践需求是技术创新的导向和牵引力，而技术创新又成为管理创新的重

要基础；在这个互动循环中，数据分析是一个技术创新的典范。早期的数据分析主要是从古

代产生、发展而来的概率、数理统计理论的技术与方法；而如今，又产生了基于各种信息化

系统、数据库的数据挖掘等分析技术，以及与大数据分析相关的多种新兴计算机技术。云计

算、物联网、社交网络等革命性的技术应用正在许多领域改变着人们的工作与生活方式，以

及企业组织的决策思维模式、商业经营模式。2006年6月，国务院国资委发布《中央企业

全面风险管理指引》（国资发改革[2006]108号），大力推动国有企业的风险管理。对于风险

管理来说，其管理对象是未来不确定性，量化分析评估风险、合理预测未来是其核心价值所

在，也是难点所在；而数据分析带来了新的技术、方法和思路，为此提供了有力支撑。系统

地了解数据分析的技术应用与发展趋势，对提高企业风险管理能力有着重要意义。

1风险管理中的数据分析

从许多关于风险管理的文献中可以看到，人们对风险的认识及、管理思想可以追溯到远

古时代。企业的风险管理实践面临许多实际问题，支撑风险决策的量化分析就是其中一个

重点和难点，而应用于风险量化的数据分析正发挥着越来越大的作用。

1.1风险评估与风险的量化分析

风险的本质特征决定了其量化分析的重要性。不同视角、不同研究目的或不同的风险管

理目标，对风险本质的理解认识各有不同。郭晓亭等曾把多位中外学者关于风险概念的研究

归纳总结为7类，并分别给出了相应的风险数量表达式：风险是未来结果发生的不确定性；

风险是损失发生的不确定性；风险是可能发生损失的程度或大小；风险是损失大小及发生可

能性；风险是由其构成要素因果递进的结果；金融领域的风险是对价格等变量波动进行统计

测算得到的损失值；风险（风险度）是对不确定性随机概率的数理描述。

科学应对风险的一个重要前提是评估风险。在国务院国资委（2006）、美国COSO（2004）

等许多中外机构推出的风险管理或内部控制框架中，都把风险评估作为一个关键要素或关键

环节；风险评估常采用定性和定量相结合的方法。测算风险的大小是定量分析、评估风险的

主要内容。从不同的风险定义可以看到，风险评估主要涉及2个方面：①风险的可能性

（likelihood），或称发生概率（Probability），即某种状态或结果发生的可能性（Possibility）；

②风险的影响（Impact），或称风险发生的结果、风险值或风险影响后果的大小，某种状态

或结果与预期结果的偏差值。风险评估还包括对固有风险、剩余风险的评估，其作用不仅是

评价风险大小，还是预测和监控风险的重要手段。

1.2风险量化分析中的数据分析

不确定性所包含的随机性、复杂性使风险量化分析一直是个难题，加上风险的分类标准、

种类也不统一，难以形成通用的风险分析技术、方法或体系。金融保险等行业、项目管理等

领域的风险分析技术发展较为成熟，这也是受益于现代数学、信息化、计算机技术的发展，

使数据分析技术不断提高，应用领域也更为广泛。参考国内外现有风险分析模型及方法的主

要成果，按照风险事件的数量、相关事项的数据量及关系、预期结果的性质来划分，以数据

分析为基础的风险定量分析从简单到复杂的大致分类。

1)初级数据分析。主要是根据概率论等数理统计理论来分析、测算单一事件的概率，

用于解决类似抛硬币、判断正反面的概率等简单风险分析问题。

2)中级数据分析。主要是根据确定相关的一个或有限数量的相关事件发生状态或数值

进行统计、分析，以测算某一个事件某种或多种可能状态的发生概率；例如信用风险管理中

使用多元回归分析、数学规划等统计分析方法的信用评分模型等。

3)基于数据挖掘等信息技术的高级统计分析。主要是根据众多确定或尚未确定的相关

事件信息数据、发生状态或数值进行统计、分析，来测算多个事件多个可能状态的发生概率；

例如信用风险管理中，基于Levenberg-Marguardt算法的前向神经网络模型等人工智能模型

和神经网络等信息技术的新方法；还有应用于项目及技术风险管理领域的蒙特卡洛模拟、计

算机仿真等分析模型。

4)基于大数据环境信息技术的复杂统计分析。主要是根据众多确定或尚未确定的相关

事件信息数据，发生状态或数值进行统计、分析，来测算多个事件多个可能状态或未知状态

的发生概率。

在大数据环境下，数据分析不仅可应用于已知