政府投資建設(shè)項(xiàng)目的風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究.pdf

1、目前，我國(guó)正處在社會(huì)轉(zhuǎn)型期，政府投資建設(shè)規(guī)模大，由于政府越位、缺位現(xiàn)象時(shí)有發(fā)生，使得市場(chǎng)面臨著大量的不確定性；另外，政府投資建設(shè)項(xiàng)目參與方多，各方關(guān)系復(fù)雜，由于信息不對(duì)稱的存在，管理協(xié)調(diào)難度將加大。面對(duì)大量的不確定性和風(fēng)險(xiǎn)因素，必須運(yùn)用專用的工具和方法，根據(jù)實(shí)際情況把握風(fēng)險(xiǎn)。通過對(duì)政府投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)系統(tǒng)性分析，在此基礎(chǔ)上構(gòu)建政府投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)，運(yùn)用風(fēng)險(xiǎn)管理理論和預(yù)警理論對(duì)政府投資建設(shè)項(xiàng)目管理活動(dòng)進(jìn)行預(yù)警、預(yù)控，在識(shí)別、評(píng)價(jià)、

2、判別、監(jiān)測(cè)工程項(xiàng)目風(fēng)險(xiǎn)的基礎(chǔ)上，提供操作性較強(qiáng)的對(duì)策方法與途徑，使項(xiàng)目管理者能夠在項(xiàng)目的實(shí)施中避免風(fēng)險(xiǎn)發(fā)生或降低風(fēng)險(xiǎn)損失。因此，構(gòu)建政府投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)，具有重要的理論意義。論文正是圍繞著這一核心問題展開的。
　　 論文首先對(duì)風(fēng)險(xiǎn)識(shí)別的方法進(jìn)行比較，在此基礎(chǔ)上對(duì)政府投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)因素進(jìn)行分類，辨識(shí)其系統(tǒng)風(fēng)險(xiǎn)與非系統(tǒng)風(fēng)險(xiǎn)，最后運(yùn)用信息經(jīng)濟(jì)學(xué)相關(guān)理論探討了政府投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)的生成機(jī)理的，揭示政府投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)的本質(zhì)；其

3、次，論文提出了基于粗糙理論的政府投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)優(yōu)化模型，從系統(tǒng)的角度，對(duì)結(jié)合問卷調(diào)查和專家咨詢的方法建立的政府投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的假設(shè)進(jìn)行了實(shí)證檢驗(yàn)，得出了對(duì)政府投資建設(shè)項(xiàng)目具有顯著性影響的32個(gè)關(guān)鍵性風(fēng)險(xiǎn)因素，構(gòu)建政府投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)體系；第三，論文對(duì)風(fēng)險(xiǎn)預(yù)警的一般方法進(jìn)行比較分析后，在建立的政府投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的基礎(chǔ)上，結(jié)合BP神經(jīng)網(wǎng)絡(luò)上的LVQ(Learning Vector Quantiz

4、ation，學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò))、RBF(Radial Basis Function Neural Network，徑向基網(wǎng)絡(luò))，提出了基于LVQ-RBF改進(jìn)型的神經(jīng)網(wǎng)絡(luò)模型作為政府投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)預(yù)警模型，通過規(guī)范研究與實(shí)證研究相結(jié)合的研究方法，對(duì)項(xiàng)目樣本進(jìn)行訓(xùn)練和測(cè)試，對(duì)比分析誤差，驗(yàn)證了該風(fēng)險(xiǎn)預(yù)警方法的精確性；在基于風(fēng)險(xiǎn)決策理論的基礎(chǔ)上，論文對(duì)風(fēng)險(xiǎn)防范的策略進(jìn)行了探討研究，提出了基于政府投資建設(shè)項(xiàng)目各階段風(fēng)險(xiǎn)的具體防范措施；最后