胡秀兵　林勇　陳逗　楊朔

摘 要： 目前主流項(xiàng)目投資風(fēng)險(xiǎn)分析方法易受評價(jià)人員主觀意識、經(jīng)驗(yàn)，以及知識局限的影響。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲和處理等特點(diǎn)，適合處理需要同時(shí)考慮多條件、模糊的信息問題。文章設(shè)計(jì)了一個基于BP神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)投資評價(jià)系統(tǒng)，使用當(dāng)前主流的Android平臺進(jìn)行設(shè)計(jì)開發(fā)，利用風(fēng)險(xiǎn)評價(jià)方法，發(fā)揮人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，克服了其他評估方法帶有主觀因素的不足。

關(guān)鍵詞： Android； 項(xiàng)目投資； 風(fēng)險(xiǎn)評價(jià)； BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP399 文獻(xiàn)標(biāo)志碼：A 文章編號：1006-8228（2015）06-17-03

Abstract： The current mainstream project investment risk analysis methods are susceptible to evaluation personnel's subjective consciousness， experience， and limitations of knowledge. Neural networks has some properties such as massively parallel， distributed storage and processing， it is propitious to solve the problem which has multiple requirements and fuzzy information. In this paper， we design a risk investment evaluation system based on BP neural network and Android platform. And by the risk assessment method， this system is produce the artificial neural network advantage， overcome the lack of other evaluation methods which are susceptible to subjective factors.

Key words： Android； project investment； the risk assessment； BP neural network

0 引言

當(dāng)前世界風(fēng)險(xiǎn)投資的影響越來越大，尤其是在高新技術(shù)產(chǎn)業(yè)化的進(jìn)程中，風(fēng)險(xiǎn)投資扮演了一個重要的角色，它能促進(jìn)高新技術(shù)產(chǎn)業(yè)的發(fā)展，推動技術(shù)創(chuàng)新。風(fēng)險(xiǎn)投資一般是指風(fēng)險(xiǎn)投資家把資金投向新生的、發(fā)展迅速的、同時(shí)蘊(yùn)藏著較大風(fēng)險(xiǎn)的創(chuàng)新性技術(shù)企業(yè)的一種投資行為。它是一種集金融、創(chuàng)新、科技、管理與市場等為一體的資金運(yùn)作模式。對于一個風(fēng)險(xiǎn)投資機(jī)構(gòu)來說，項(xiàng)目的評價(jià)、選擇是其風(fēng)險(xiǎn)投資運(yùn)作的起點(diǎn)，是風(fēng)險(xiǎn)投資運(yùn)作過程中至關(guān)重要的一環(huán)，直接關(guān)系到風(fēng)險(xiǎn)投資的成敗。

目前主流風(fēng)險(xiǎn)投資分析方法：現(xiàn)金流評價(jià)法、投資回收法、德爾菲法（專家意見法）、層次分析法（AHP）、實(shí)物期權(quán)風(fēng)險(xiǎn)評估模型、模糊綜合評價(jià)法等，在特定環(huán)境下能獲得很好的評價(jià)效果，但是這些方法在評價(jià)時(shí)受到較多的隨機(jī)因數(shù)影響，評價(jià)結(jié)果易受評價(jià)人員主觀意識、經(jīng)驗(yàn)、以及知識的局限的影響，往往帶有個人偏見和片面性，主觀性強(qiáng)[1]。

通過以上分析，作者使用神經(jīng)網(wǎng)絡(luò)進(jìn)行風(fēng)險(xiǎn)投資建模。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network）是一門嶄新的科學(xué)，是由大量的、簡單的處理單元（稱為神經(jīng)元）廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特性，是一個高度復(fù)雜的非線性動力學(xué)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲和處理、自組織、自適應(yīng)和自學(xué)習(xí)能力，特別適合于處理必須同時(shí)考慮許多因素和條件的、不精確和模糊的信息處理問題。

本文設(shè)計(jì)了一個基于人工神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)投資評價(jià)系統(tǒng)，使用當(dāng)前主流的智能系統(tǒng)Android平臺進(jìn)行設(shè)計(jì)開發(fā)，發(fā)揮人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，克服其他評估方法帶有主觀因素的不足。

1 Android系統(tǒng)框架介紹

Android系統(tǒng)是Google開發(fā)的一款開源移動OS，Android中文名被國內(nèi)用戶俗稱“安卓”。它基于Linux內(nèi)核設(shè)計(jì)，使用了Google公司自己開發(fā)的Dalvik Java虛擬機(jī)。Android操作系統(tǒng)已經(jīng)成為當(dāng)今全球較為主流的智能手機(jī)操作系統(tǒng)。具有如下優(yōu)點(diǎn)。

⑴ 開放性：Android完全開源，且該平臺從底層操作系統(tǒng)到上層的用戶界面和應(yīng)用程序都不存在任何阻礙產(chǎn)業(yè)創(chuàng)新的專有權(quán)障礙。同時(shí)開源的最大好處是，使得Android平臺會擁有越來越壯大的開發(fā)者隊(duì)伍，隨著用戶數(shù)量增加與應(yīng)用的日益豐富，必然會使得Android這個嶄新的平臺走向成熟。

⑵ 廣泛支持：目前主流的手機(jī)生產(chǎn)廠商都推出了基于Android操作系統(tǒng)的智能設(shè)備，經(jīng)過眾多開發(fā)者測試，安全穩(wěn)定。

⑶ 可擴(kuò)展性：Android平臺是開放性的，最大限度為第三方開發(fā)商提供了開發(fā)權(quán)限，使得開發(fā)環(huán)境自由，不會受到各種束縛?；谔摂M機(jī)可以使其具備了很好的擴(kuò)展性。

⑷ 多元化：目前Android系統(tǒng)除了應(yīng)用在智能手機(jī)外，還應(yīng)用在平板電腦以及智能電視，目前摩托羅拉、三星、LG、HTC、宏碁、華碩等公司均推出了平板電腦，同時(shí)國內(nèi)的創(chuàng)維、TCL等廠商已經(jīng)推出了Android智能電視，最終將會有更多的智能家電、機(jī)頂盒、車載電子設(shè)備出現(xiàn)。

⑸ 緊密結(jié)合Google應(yīng)用：全球最大的在線搜索服務(wù)商Google在過去的10年中，已經(jīng)逐漸滲透到人們的日常生活中。人們不再僅僅滿足于使用電腦終端來享受諸如Gamil、谷歌地圖、在線翻譯等在線服務(wù)，PC到移動終端的延伸成了一種必然的趨勢。而Android與Google服務(wù)的無縫集成，則可以十足的滿足人們的愿望[2-3]。

2 項(xiàng)目投資風(fēng)險(xiǎn)評價(jià)系統(tǒng)設(shè)計(jì)

2.1 總體設(shè)計(jì)

項(xiàng)目投資風(fēng)險(xiǎn)評價(jià)系統(tǒng)借助于移動互聯(lián)網(wǎng)的優(yōu)勢，實(shí)現(xiàn)了對投資項(xiàng)目的管理，專家信息的管理，以及項(xiàng)目投資風(fēng)險(xiǎn)評價(jià)等功能，為管理項(xiàng)目提供了方便，實(shí)現(xiàn)了實(shí)時(shí)管理。系統(tǒng)采用三層視圖設(shè)計(jì)模型（MVC），包括：移動終端程序（Android客戶端，視圖層）、Web服務(wù)層（控制層）以及數(shù)據(jù)服務(wù)層（數(shù)據(jù)模型）。

采用C/S的程序模式，Web服務(wù)層和數(shù)據(jù)服務(wù)層位于服務(wù)器端用于實(shí)現(xiàn)系統(tǒng)邏輯處理和數(shù)據(jù)存取處理。Web服務(wù)層包括中間層和邏輯處理層，中間層主要負(fù)責(zé)系統(tǒng)的流程處理，連接著客戶端以及邏輯層，數(shù)據(jù)服務(wù)層，控制程序的流程走向。數(shù)據(jù)服務(wù)層負(fù)責(zé)數(shù)據(jù)的邏輯處理，包括數(shù)據(jù)的增，刪，改，查。在服務(wù)器端實(shí)現(xiàn)了系統(tǒng)的整體邏輯處理，對于客戶端的性能依賴性弱，降低了客戶端的性能要求，增強(qiáng)了軟件的可移植性。移動終端主要實(shí)現(xiàn)功能請求以及視圖顯示功能。移動客戶端發(fā)送HTTP請求，服務(wù)器端接收請求后交由Web服務(wù)層進(jìn)行進(jìn)一步解析，由Web服務(wù)層中的中間層（控制層）處理，調(diào)用相關(guān)業(yè)務(wù)處理邏輯，進(jìn)行功能調(diào)用，在邏輯處理中可能要調(diào)用數(shù)據(jù)服務(wù)層，數(shù)據(jù)服務(wù)層返回響應(yīng)數(shù)據(jù)，業(yè)務(wù)處理邏輯將結(jié)果返回，由中間層進(jìn)行HTTP響應(yīng)，客戶端接收響應(yīng)數(shù)據(jù)后，解析并顯示相關(guān)數(shù)據(jù)[4]。

2.2 功能模塊設(shè)計(jì)

本系統(tǒng)主要負(fù)責(zé)項(xiàng)目的管理，人員信息管理，以及項(xiàng)目風(fēng)險(xiǎn)投資評價(jià)，由以下幾個功能模塊組成：系統(tǒng)管理、專家管理、項(xiàng)目投資風(fēng)險(xiǎn)評價(jià)、風(fēng)險(xiǎn)投資項(xiàng)目管理。總體功能模塊結(jié)構(gòu)如圖2所示。

⑴ 系統(tǒng)管理

對系統(tǒng)中的用戶信息進(jìn)行管理，主要包括三個功能模塊。①用戶信息創(chuàng)建：該模塊用于創(chuàng)建用戶，即注冊新用戶，注冊的用戶主要包括兩種角色，即風(fēng)險(xiǎn)投資人和投資項(xiàng)目申請人。風(fēng)險(xiǎn)投資人是對項(xiàng)目進(jìn)行風(fēng)險(xiǎn)投資的人，包含了對項(xiàng)目的管理和對專家的分配。投資項(xiàng)目申請人是創(chuàng)建投資項(xiàng)目的人，主要是對項(xiàng)目信息的管理。②用戶信息修改：該模塊主要是對用戶基本信息的修改，以及系統(tǒng)管理員對其他用戶信息進(jìn)行統(tǒng)一管理。③授權(quán)用戶角色：該模塊主要是用于對用戶的角色進(jìn)行管理，角色分為風(fēng)險(xiǎn)投資人、投資項(xiàng)目申請人、專家和系統(tǒng)管理員。風(fēng)險(xiǎn)投資人和投資項(xiàng)目申請人在注冊模塊能夠自行選擇，但專家角色必須由系統(tǒng)管理員或者風(fēng)險(xiǎn)投資人進(jìn)行指定授權(quán)。

⑵ 專家管理

該模塊主要是對專家信息進(jìn)行管理，主要包含三個功能模塊。①專家信息創(chuàng)建：該模塊用于創(chuàng)建專家用戶信息，應(yīng)注意該模塊不用于注冊用戶，必須是由系統(tǒng)管理員或者風(fēng)險(xiǎn)投資人進(jìn)行創(chuàng)建。②專家信息修改：用于修改現(xiàn)有的專家信息。③專家信息刪除：對專家信息進(jìn)行刪除操作。以上操作都需要進(jìn)行權(quán)限驗(yàn)證，只有取得權(quán)限驗(yàn)證才能進(jìn)行操作。

⑶ 項(xiàng)目管理

該模塊主要是對項(xiàng)目信息進(jìn)行管理，主要包含三個功能模塊。①項(xiàng)目創(chuàng)建：該模塊用于創(chuàng)建項(xiàng)目信息。②項(xiàng)目信息修改：對已有的項(xiàng)目信息進(jìn)行修改。③項(xiàng)目刪除：對現(xiàn)有項(xiàng)目進(jìn)行刪除操作。對于投資項(xiàng)目申請人，擁有上述所有的項(xiàng)目信息管理操作權(quán)限，但僅限于操作自己創(chuàng)建的項(xiàng)目。

⑷ 項(xiàng)目風(fēng)險(xiǎn)評價(jià)

該模塊主要是對項(xiàng)目信息進(jìn)行處理，從而得到合理的綜合性評價(jià)，最后給出對應(yīng)的評價(jià)分值。主要包含兩個功能模塊。①評價(jià)標(biāo)準(zhǔn)管理：對項(xiàng)目的評價(jià)標(biāo)準(zhǔn)進(jìn)行管理，對于不同類別的投資項(xiàng)目所用的評價(jià)標(biāo)準(zhǔn)有所不同，該模塊主要用于創(chuàng)建不同的評價(jià)標(biāo)準(zhǔn)。②風(fēng)險(xiǎn)評價(jià)管理：依據(jù)項(xiàng)目的各個指標(biāo)值進(jìn)行評價(jià)，給出綜合評價(jià)分值。該模塊是整個系統(tǒng)的核心模塊，對于該模塊的模型設(shè)計(jì)將在下一節(jié)進(jìn)行詳細(xì)介紹。

2.3 項(xiàng)目風(fēng)險(xiǎn)評價(jià)流程分析

圖3是整個項(xiàng)目評價(jià)流程圖，對于每一個項(xiàng)目都要經(jīng)過上述流程進(jìn)行處理，項(xiàng)目信息創(chuàng)建完成后，提交之后要進(jìn)行初級審查，對項(xiàng)目中的各個指標(biāo)進(jìn)行初步審查，對于不符合要求的項(xiàng)目不予推薦評價(jià)，即不推薦項(xiàng)目信息到項(xiàng)目投資人。初審?fù)ㄟ^的項(xiàng)目進(jìn)行專家審核階段，不同類別的項(xiàng)目分配不同的專家，各個專家進(jìn)行獨(dú)立評價(jià)，對項(xiàng)目企劃書和項(xiàng)目基本信息進(jìn)行評價(jià)得到二級指標(biāo)，根據(jù)二級指標(biāo)計(jì)算出一級指標(biāo)，一級指標(biāo)作為評價(jià)模型的輸入?yún)?shù)，由風(fēng)險(xiǎn)評價(jià)模型根據(jù)輸入的一級指標(biāo)進(jìn)行綜合性評價(jià)，得到綜合評價(jià)分值，依據(jù)分值判斷是否予以立項(xiàng)。

3 神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)評價(jià)模型設(shè)計(jì)

目前國內(nèi)外使用的項(xiàng)目投資風(fēng)險(xiǎn)評價(jià)方法很多，應(yīng)用較為廣泛的有德爾菲法、主要分析法、層次分析法、灰色系統(tǒng)評價(jià)法、模糊綜合評價(jià)法。但是這些方法都存在缺陷，那就是評價(jià)中的隨機(jī)因素影響較多，評價(jià)結(jié)果易受評價(jià)人員主觀意識的影響，易帶有個人偏見和片面性，主觀性較強(qiáng)。本文利用神經(jīng)網(wǎng)絡(luò)特有的優(yōu)點(diǎn)——自學(xué)習(xí)、自組織、自適應(yīng)能力，克服了主觀因素的影響，將其應(yīng)用于項(xiàng)目投資風(fēng)險(xiǎn)評價(jià)方面，取得了較好的效果。

3.1 BP神經(jīng)網(wǎng)絡(luò)簡介

BP神經(jīng)網(wǎng)絡(luò)是前饋神經(jīng)網(wǎng)絡(luò)，是神經(jīng)網(wǎng)絡(luò)中的一種典型結(jié)構(gòu)，具有分層結(jié)構(gòu)，信息從輸入層進(jìn)入網(wǎng)絡(luò)，逐層向前傳遞至輸出層。BP神經(jīng)網(wǎng)絡(luò)大致可以分為三層：①輸入層，②隱藏層，③輸出層。每一層都有相應(yīng)數(shù)目的神經(jīng)元組成，層與層之間由突觸進(jìn)行連接，一般使用全連接方式，即上一層神經(jīng)元中的每一個神經(jīng)元與下一層的所有神經(jīng)元都存在連接。每個連接上都有相應(yīng)的權(quán)值。

3.2 項(xiàng)目投資風(fēng)險(xiǎn)評價(jià)中BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

⑴ BP網(wǎng)絡(luò)的結(jié)構(gòu)及參數(shù)

對項(xiàng)目投資風(fēng)險(xiǎn)評價(jià)問題，可以看作是投資項(xiàng)目的各個風(fēng)險(xiǎn)因素到該項(xiàng)目的最終評價(jià)值之間的非線性映射。由于一個三層BP網(wǎng)絡(luò)可以以任意精度去逼近任意映射關(guān)系，因此，本例采用三層BP網(wǎng)絡(luò)結(jié)構(gòu)。從輸入層到隱含層，再到輸出層的轉(zhuǎn)移函數(shù)采用雙極S型函數(shù)，誤差設(shè)為0.09，學(xué)習(xí)速率設(shè)為0.11。

⑵ 輸入層神經(jīng)元個數(shù)及參數(shù)的確定

本系統(tǒng)輸入層神經(jīng)元確定為23個，分別是各風(fēng)險(xiǎn)因素的專家打分值。

⑶ 輸出層神經(jīng)元個數(shù)的確定

輸出層根據(jù)評分值分為四個層次，0.8～1之間為優(yōu)表示總的投資風(fēng)險(xiǎn)很低，0.7～0.8之間的為良，說明總的投資風(fēng)險(xiǎn)低，0.5～0.7之間表示中，說明該項(xiàng)目投資風(fēng)險(xiǎn)一般，0.5以下為差，表明總的投資風(fēng)險(xiǎn)高。

3.3 實(shí)驗(yàn)測試

對建立的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測試，訓(xùn)練集包含14條數(shù)據(jù)，測試集包含12條數(shù)據(jù)，測試結(jié)果如圖6、圖7所示。誤差結(jié)果圖使用訓(xùn)練集得到的結(jié)果，準(zhǔn)確率結(jié)果圖使用測試集得到的結(jié)果，從圖中可以看出，隨著BP神經(jīng)網(wǎng)絡(luò)的迭代訓(xùn)練，誤差逐漸變小，而準(zhǔn)確率則先變高，后變低。這是因?yàn)楫?dāng)?shù)?xùn)練時(shí)，BP神經(jīng)網(wǎng)絡(luò)能從輸入數(shù)據(jù)和期望輸出中發(fā)現(xiàn)規(guī)律并將其存入到連接權(quán)值中，但是神經(jīng)網(wǎng)絡(luò)的泛化能力將降低。當(dāng)?shù)螖?shù)為2萬次準(zhǔn)確率最高，達(dá)到90%左右。

4 結(jié)束語

綜上所述，本文建立的BP神經(jīng)網(wǎng)絡(luò)模型能很好的解決項(xiàng)目投資風(fēng)險(xiǎn)評價(jià)問題，為風(fēng)險(xiǎn)投資提供了很好的參考信息?，F(xiàn)有的工作還存在一些不足，如不能得到具體的風(fēng)險(xiǎn)評價(jià)分值，對不同類別的項(xiàng)目使用同一模型，準(zhǔn)確率還有待于提高。

參考文獻(xiàn)：

[1] 姜向陽.國內(nèi)外風(fēng)險(xiǎn)投資評估方法研究綜述[J].價(jià)值工程，2006.7：

84-85

[2] 潘慶華，王冬冬.風(fēng)險(xiǎn)投資決策分析方法述評[J].經(jīng)濟(jì)問題探索，

2003.10：64-65

[3] 楊豐盛.基于Android應(yīng)用開發(fā)揭秘[M].機(jī)械工業(yè)出版社，2010.

[4] 林永興，李曉蕾.基于android的校園助手手機(jī)應(yīng)用程序的研究與設(shè)

計(jì)[J].硅谷，2012.

[5] 周志華.神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[M].清華大學(xué)出版社，2004.