朱勇

摘要：?在研究赫芬達爾指數(shù)和相關(guān)性系數(shù)原理的基礎(chǔ)上，建立ρ-H模型評價我國海外原油風(fēng)險?？v向結(jié)果顯示，2007—2016年，我國海外原油風(fēng)險整體穩(wěn)定，為輕度風(fēng)險，金融危機（2008年、2012年）對海外原油風(fēng)險有一定影響;橫向結(jié)果表明，世界各國海外原油風(fēng)險差異巨大，體現(xiàn)為四個梯度：美國和加拿大為微風(fēng)險，中南美洲、中國和歐洲為輕度風(fēng)險，澳大拉西亞和其他亞太國家為中度風(fēng)險，印度、新加坡、非洲和日本為重度風(fēng)險。中國海外原油風(fēng)險處于居中位置。

關(guān)鍵詞：?ρ-H模型;赫芬達爾指數(shù);相關(guān)性系數(shù);海外原油;風(fēng)險評價

中圖分類號：F407.22

文獻標識碼：A

文章編號：1673-5595（2018）05-0009-07

一、引言

隨著工業(yè)化的推進和人民生活水平的提升，我國工業(yè)用油與民用用油量大幅上升，根據(jù)《BP世界能源統(tǒng)計年鑒2017》數(shù)據(jù)，2007—2016年我國石油消耗量從2007年的3707億噸飆升至2016年的5787億噸，2016年進口量高達3826億噸，對外依存度為6611%?？梢姾Ｍ庠瓦M口在我國的能源戰(zhàn)略中具有十分重要的地位。因此，對我國海外原油的風(fēng)險進行評估具有實踐與戰(zhàn)略意義。

自Cranfield Management School提出供應(yīng)鏈風(fēng)險由供應(yīng)風(fēng)險、需求風(fēng)險、環(huán)境風(fēng)險、制度風(fēng)險、運作過程風(fēng)險、預(yù)防計劃、措施失敗等6大因素構(gòu)成以來[1]，國內(nèi)外學(xué)者對供應(yīng)鏈風(fēng)險的研究日趨完善。從風(fēng)險來源來看，風(fēng)險可能來自于干擾風(fēng)險、預(yù)測風(fēng)險、制度風(fēng)險、延遲風(fēng)險、系統(tǒng)風(fēng)險、需求風(fēng)險、供應(yīng)風(fēng)險、政治風(fēng)險、經(jīng)濟風(fēng)險、技術(shù)風(fēng)險、社會風(fēng)險、環(huán)境風(fēng)險、法律風(fēng)險、程序風(fēng)險、控制風(fēng)險、文化沖突風(fēng)險、自然災(zāi)害風(fēng)險、信息風(fēng)險、道德風(fēng)險、投資風(fēng)險、波動性風(fēng)險、知識產(chǎn)權(quán)風(fēng)險、生命周期階段風(fēng)險、采購風(fēng)險、控制風(fēng)險、運營風(fēng)險等。[2-9]從研究方法來看，主要有BP神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)、層次分析法、ANP、模糊評價法、AdaBoost算法、熵權(quán)法、Lasso-logistic、赫芬達爾指數(shù)等或者將其中某些方法共同使用進行風(fēng)險評價。[3，6，10-15]從風(fēng)險評判等級來看，大多數(shù)學(xué)者將風(fēng)險分為無風(fēng)險、輕度風(fēng)險、中度風(fēng)險、重度風(fēng)險，或類似闡述。[3，16-18]

截至目前，對我國原油風(fēng)險評價的研究主要為：在風(fēng)險類型方面，主要有在具體項目中的溢油風(fēng)險、跨國并購風(fēng)險、環(huán)境風(fēng)險、石油管道風(fēng)險、鉆井風(fēng)險、火災(zāi)爆炸風(fēng)險等。[19-25]在模型方法方面，主要用模糊綜合評價法、改良層次法（G1法）、隨機數(shù)值模擬、熵值法、聚類分析、粒子群算法、灰色關(guān)聯(lián)、內(nèi)部基準分析等評價石油和原油風(fēng)險。[25-28]綜合以上研究可知，學(xué)者對我國原油風(fēng)險的研究主要集中于具體項目或具體地區(qū)，對海外原油風(fēng)險的研究極少。本文建立并首次利用ρ-H模型研究我國海外原油風(fēng)險，對我國海外原油風(fēng)險評價具有一定的指導(dǎo)意義。

二、我國海外進口原油概述

由《BP世界能源統(tǒng)計年鑒2017》可知，2016年我國原油進口量為3826億噸，占總消耗量的6611%。海外原油進口主要來自五大區(qū)域：俄羅斯、東南亞、非洲、中東和中南美洲。具體而言，2016年進口來源主要有美國（05百萬噸）、加拿大（02百萬噸）、墨西哥（10百萬噸）、中南美洲（510百萬噸）、歐洲（58百萬噸）、俄羅斯（525百萬噸）、俄羅斯外的獨聯(lián)體國家（42百萬噸）、伊拉克（362百萬噸）、科威特（163百萬噸）、沙特阿拉伯（510百萬噸）、阿拉伯聯(lián)合酋長國（122百萬噸）、中東其他國家（684百萬噸）、北非（17百萬噸）、西非（595百萬噸）、東南非（67百萬噸）、澳大拉西亞（32百萬噸）、新加坡（少于005百萬噸）、其他亞太國家（123百萬噸）等國家和地區(qū)。

我國海外原油運輸方式主要有海洋運輸、管道運輸及鐵路運輸三種，這三種方式在各自的區(qū)域內(nèi)發(fā)揮著重要的作用。采用海洋運輸?shù)膮^(qū)域主要有中東、非洲和中南美洲，該種運輸方式成本較低，但由于途經(jīng)馬六甲等多個海峽，風(fēng)險較大;采用管道運輸?shù)膮^(qū)域為俄羅斯和哈薩克斯坦，兩國都與我國接壤，該種方式成本低、方便快捷、安全性高;在俄羅斯和哈薩克斯坦境內(nèi)管道運輸無法實現(xiàn)的地方，采用鐵路運輸，該種方式運輸風(fēng)險小、運輸量大，但建設(shè)難度大，隨著運輸管道的擴建與使用，鐵路運輸將被逐漸替代。[28]

由于本文篇幅有限，為簡化模型，將本文的研究對象——我國海外原油進口源——歸納為原油進口區(qū)域，而非具體的原油進口國家，即俄羅斯、東南亞、非洲、中東和中南美洲五個區(qū)域。

三、模型方法

（一）赫芬達爾指數(shù)H

赫芬達爾指數(shù)（簡稱H），是用于測量產(chǎn)業(yè)集中度的綜合指數(shù)。它是指一個行業(yè)中各市場競爭主體所占行業(yè)總收入或總資產(chǎn)百分比的平方和，用來計量市場份額的變化，即市場中廠商規(guī)模的離散度。赫芬達爾指數(shù)廣泛應(yīng)用于各學(xué)科學(xué)術(shù)研究與工程風(fēng)險評價實踐中。張芳通過赫芬達爾指數(shù)對我國14家商業(yè)銀行1999—2008年的數(shù)據(jù)進行分析后得出，銀行市場的集中程度或壟斷程度較高，整個銀行行業(yè)處于被四大國有商業(yè)銀行寡頭壟斷中;但從動態(tài)來看，銀行行業(yè)的壟斷程度正在逐漸降低。[29]遲景明等借鑒赫芬達爾指數(shù)對我國東部、中部和西部三大地區(qū)的高校創(chuàng)新要素資源的空間聚集進行測度，認為中西部高校沒有明顯的要素集聚，而東部高校創(chuàng)新要素資源高度集聚。[30]胡玲菲采用赫希曼-赫芬達爾指數(shù)在內(nèi)的四個指標對我國通信設(shè)備計算機行業(yè)地理集中度進行研究，得出如下結(jié)論：我國通信設(shè)備計算機行業(yè)的產(chǎn)業(yè)地理集中程度較高，但仍有較大推進空間。[31]陳素琴等以企業(yè)財務(wù)績效綜合得分為因變量、以赫芬達爾指數(shù)為自變量進行回歸實證研究，結(jié)果表明，我國家電企業(yè)經(jīng)營存在多元化經(jīng)營臨界點，當(dāng)企業(yè)多元化水平低于臨界點時，企業(yè)財務(wù)績效隨多元化程度提升而提高;當(dāng)企業(yè)多元化水平高于該臨界點時，企業(yè)財務(wù)績效隨多元化水平提升而下降。[32]赫芬達爾指數(shù)具體計算如下：

式中：H為赫芬達爾指數(shù)，xi表示第i個企業(yè)的規(guī)模，X表示市場的總規(guī)模，n表示該產(chǎn)業(yè)內(nèi)的企業(yè)數(shù)。[33]

顯然，H值越大，表示市場集中程度越高，壟斷程度越高。

H經(jīng)常用于風(fēng)險評估，表示一個行業(yè)（或項目）的風(fēng)險離散程度，H值越大，行業(yè)（或項目）風(fēng)險越大;相反，H值越小，則行業(yè)（或項目）風(fēng)險越小。

（二）相關(guān)性系數(shù)ρ

相關(guān)性系數(shù)是概率論的基礎(chǔ)知識，其定義如下：對于二元隨機變量（ξ，η），如果它們的方差D（ξ）、D（η）都不為0，則二元隨機變量的相關(guān)性系數(shù)ρ計算如下：

式中：cov（ξ，η）=E（ξ-E（ξ）（η-E（η））是二元隨機變量（ξ，η）的協(xié)方差[34]，ρ≤1。

當(dāng)ρ=1時，表示二元隨機變量（ξ，η）完全正線性相關(guān)，其經(jīng)濟變量ξ（η）會隨著經(jīng)濟變量η（ξ）的增加（減少）而呈正向線性增加（減少）。當(dāng)ρ=-1時，表示二元隨機變量（ξ，η）完全負線性相關(guān)，其經(jīng)濟變量ξ（η）會隨著經(jīng)濟變量η（ξ）的增加（減少）而呈正向線性減少（增加）。當(dāng)ρ=0時，表示二元隨機變量（ξ，η）線性無關(guān)，其經(jīng)濟變量ξ（η）不會隨著經(jīng)濟變量η（ξ）的增加（減少）而變動。

（三）ρ-H模型

通過以上闡述可知，?指數(shù)H能夠較好地反映某產(chǎn)業(yè)（項目）的風(fēng)險離散程度，相關(guān)性系數(shù)ρ可以有效地反映該產(chǎn)業(yè)下各企業(yè)之間的相關(guān)性。本文擬建立有關(guān)指數(shù)H和相關(guān)性系數(shù)ρ的數(shù)學(xué)模型，以測量我國海外原油風(fēng)險。

1.模型類型

根據(jù)數(shù)學(xué)知識模型類型可分為高等數(shù)學(xué)和初等數(shù)學(xué)兩大類：初等數(shù)學(xué)可分為加減算法和乘除算法兩類，高等數(shù)學(xué)可分為極限、微積分、空間解析幾何、線性代數(shù)、級數(shù)、常微分方程等。根據(jù)以上信息，構(gòu)建以下三類模型。

（1）初等函數(shù)加減算法模型

初等函數(shù)加減算法模型引入赫芬達爾指數(shù)權(quán)重和相關(guān)性系數(shù)權(quán)重，采用最簡單的加減算法，構(gòu)建模型如下：

式中：R為風(fēng)險值;A為特定系數(shù)，根據(jù)相關(guān)經(jīng)驗或數(shù)據(jù)擬合獲得;α為赫芬達爾指數(shù)的權(quán)重，（1-α）為相關(guān)性系數(shù)的權(quán)重，α的確定，可以采用AHP、模糊數(shù)學(xué)、灰色關(guān)聯(lián)、熵值法等。

（2）初等函數(shù)乘除算法模型

初等函數(shù)乘除算法模型具有很強的乘數(shù)效應(yīng)，使得最終的評價結(jié)果具有很強的區(qū)分度，由于不同國家、地區(qū)的風(fēng)險值數(shù)值相差較大，有利于比較。具體模型如下：

式中：R為風(fēng)險值;A為風(fēng)險保值系數(shù)，其目的是使R≥1，根據(jù)其最終結(jié)果的最小值確定，若Rmin=A×356×10-6，則λ=6，A=106;n為相關(guān)系數(shù)的數(shù)量。在本模型中，∏?n?i=1??ρi?的目的是使模型具有乘數(shù)效應(yīng);?∏?n?i=1??ρi??1/n是為了確保模型的科學(xué)性，即客觀合理地反映各國關(guān)系對風(fēng)險的影響;H×?∏?n?i=1??ρi??2/n是為了實現(xiàn)模型的實際性，即與相關(guān)國家的國際關(guān)系對風(fēng)險的影響是赫芬達爾指數(shù)對風(fēng)險影響的2倍。?

（3）高等函數(shù)模型

高等函數(shù)模型相對于初等函數(shù)較復(fù)雜，本文不作討論。

2.構(gòu)建原則

本文模型的構(gòu)建原則為精簡原則，即若簡單模型可以解決問題，就不考慮復(fù)雜模型。因為簡單模型的簡單表現(xiàn)形式，有利于人們的理解。對于模型的構(gòu)建，在初等函數(shù)加減算法模型和乘除算法模型中，選擇簡單的初等函數(shù)的簡單表現(xiàn)形式，不選擇指數(shù)函數(shù)、對數(shù)函數(shù)、三角函數(shù)等相對較復(fù)雜的函數(shù)，也是遵循精簡原則。

3.模型確定

對于模型的確定，一方面遵循精簡原則;另一方面，初等函數(shù)乘除算法模型具有很強的乘數(shù)效應(yīng)，能夠精確科學(xué)地反映評價結(jié)果。因此本文選取初等函數(shù)乘除算法模型作為評價模型對我國海外原油風(fēng)險進行評價。三個模型特點和選擇過程如表1所示。

四、我國海外原油風(fēng)險的評價實施

（一）?指數(shù)H的確定

根據(jù)《BP世界能源統(tǒng)計年鑒2017》數(shù)據(jù)，可得到2016年全球石油貿(mào)易流動情況，見表2。將表2的數(shù)據(jù)代入式（1），可得2007—2016年世界各國/地區(qū)10年的?H值，見表3。

對于研究對象，本文有如下考慮：（1）俄羅斯是世界原油出口大國，只在2016年從獨聯(lián)體進口極少量原油，其海外風(fēng)險可以忽略，故不作為研究對象;（2）獨聯(lián)體的海外原油主要來自俄羅斯，且獨聯(lián)體和俄羅斯政治關(guān)系較穩(wěn)定，其海外風(fēng)險也極低，故不作為研究對象;（3）中東是全球產(chǎn)油和原油出口最大的地區(qū)，該地區(qū)只有極少數(shù)國家進口原油，總體而言，其海外原油風(fēng)險極低，故不作為研究對象。綜合以上信息，本文的主要研究對象是原油進口較多的國家和地區(qū)。

（二）相關(guān)性系數(shù)?ρ的確定

采用式（2）對?《BP世界能源統(tǒng)計年鑒2008—2017》數(shù)據(jù)處理，可得2016年其他國出口到中國的原油與其他國出口到?xi國的原油的相關(guān)性系數(shù)ρi（見表4），以及2007—2016年其他國的原油進口量與中國的原油進口量的相關(guān)性系數(shù)（見表5）。

（三）風(fēng)險指數(shù)?R的確定

在式（4）的計算過程中，ρi只計算原油進口源的相關(guān)性系數(shù)，即排除非原油進口源的ρ。采用式（4）對表3和表4進行計算，由于Rmin=A×51×10-3，故A=103，可得2016年世界各國/地區(qū)的風(fēng)險指數(shù)，各國家/地區(qū)風(fēng)險值R分別為：美國51、加拿大52、中南美洲154、中國159、歐洲221、澳大拉西亞451、其他亞太國家779、印度1109、新加坡1358、非洲1372、日本2419。

采用式（4）對表3和表5進行計算，由于?Rmin=A×54×10-3，故A=103，可得2007—2016年世界各國/地區(qū)的風(fēng)險值。其中，中國2007—2016年風(fēng)險值R分別為204、248、202、115、124、273、82、54、157和159。

五、結(jié)果分析

（一）標準設(shè)定

模型假定，當(dāng)λ=3時，若R∈[0，5]，該國家海外原油無風(fēng)險;若R∈（5，10]，該國家海外原油存在微風(fēng)險;若R∈（10，25]，該國家海外原油存在輕度風(fēng)險;若R∈（25，100]，該國家海外原油存在中度風(fēng)險;若R∈（100，+∞]，該國家海外原油存在重度風(fēng)險。

（二）縱向結(jié)果

由評價結(jié)果可知，在2007—2016年，我國海外原油風(fēng)險整體穩(wěn)定，存在輕度風(fēng)險。具體而言，海外原油風(fēng)險值在[54， 273]來回波動，其中有2年存在微風(fēng)險，7年存在輕度風(fēng)險，1年存在中度風(fēng)險。

2007—2016年，我國政治穩(wěn)定，經(jīng)濟穩(wěn)步發(fā)展，與世界各國廣泛建交，崇尚與堅持世界和平理念，且一直努力擴大原油進口源，在一定程度上降低了海外原油風(fēng)險值;除此以外，我國豐富的原油資源在很大程度上降低了海外原油風(fēng)險值。只有2008年（R=248）和2012年（R=273）由于金融危機使風(fēng)險值接近輕度風(fēng)險和中度風(fēng)險的臨界值25，可以說，金融危機給我國原油進口風(fēng)險造成較大的影響。因為經(jīng)濟環(huán)境是我國海外原油貿(mào)易的基礎(chǔ)，任何原油貿(mào)易行為都需要穩(wěn)定的經(jīng)濟環(huán)境支持，金融危機較大地影響了我國當(dāng)年經(jīng)濟的穩(wěn)定，進而增大了我國原油進口風(fēng)險。由于我國政府及時進行宏觀調(diào)控，把金融危機對我國經(jīng)濟的影響控制在一定范圍內(nèi)，使得我國海外原油進口在當(dāng)年的風(fēng)險控制在輕度風(fēng)險的邊緣（R=25左右）。

2013—2014年，我國海外原油供應(yīng)鏈風(fēng)險處于微風(fēng)險狀態(tài)，可以從宏觀環(huán)境與微觀環(huán)境兩方面進行分析：（1）在宏觀層面上，其一，由于我國在近幾年一直保持較高的?GDP增長率，對石油的需求增加，因此我國在強調(diào)加強替代能源研發(fā)的同時，也出臺相應(yīng)的政策保障我國海外原油的進口;其二，我國GDP長期穩(wěn)定增長，形成了較好的經(jīng)濟累計效應(yīng)，而這些累計效應(yīng)對我國各行業(yè)都有一定的促進作用，當(dāng)然，海外原油進口也從中受益;其三，汽車的普及和工業(yè)化的推進，在一定程度上影響著企業(yè)和消費者的行為，進而間接對社會文化產(chǎn)生影響;其四，我國石油產(chǎn)業(yè)無論是開采技術(shù)、提煉技術(shù)，還是運輸技術(shù)，隨著現(xiàn)代化的推進，一直處于穩(wěn)中有升的狀態(tài)。（2）在微觀層面上，在國際原油市場上，雖然我國政府及石油企業(yè)沒有議價能力，只能被動接受國際市場價格，但是石油公司可以把由價格波動產(chǎn)生的風(fēng)險轉(zhuǎn)移給消費者和石油使用企業(yè)，石油公司自身不受太大影響。同時由于石油的消費者和企業(yè)對石油的需求大多為剛性需求，因此在其他條件不變的前提下，國際原油價格的波動不會對我國原油供應(yīng)鏈帶來風(fēng)險。

（三）橫向結(jié)果

根據(jù)美國（51）、加拿大（52）、中南美洲（154）、中國（159）、歐洲（221）、澳大拉西亞（451）、其他亞太國家（779）、印度（1109）、新加坡（1358）、非洲（1372）、日本（2419）等風(fēng)險指數(shù)，海外原油風(fēng)險可分為四個梯度：微風(fēng)險，美國和加拿大;輕度風(fēng)險，中南美洲、中國和歐洲;

中度風(fēng)險，澳大拉西亞和其他亞太國家;重度風(fēng)險，印度、新加坡、非洲和日本?？傮w而言，中國海外原油風(fēng)險處于居中位置。

美國和加拿大屬世界發(fā)達國家，政治穩(wěn)定，較其他地區(qū)和國家，GDP和人均GDP等經(jīng)濟指標長期領(lǐng)先。同時，這兩個國家掌握了成熟的原油開采、加工技術(shù)，自身原油資源豐富，出口大量的原油和成品油。因此，美國和加拿大海外原油風(fēng)險極低，屬微風(fēng)險。

中南美洲和中國都擁有較豐富的原油資源，在很大程度上使得這些地區(qū)的海外原油風(fēng)險控制在較低水平。相對于中國，中南美洲各國家人口較少，工業(yè)化較中國緩慢，整體對石油需求較小，所以其海外原油風(fēng)險略低于中國。中國雖然石油等資源消耗巨大，但由于其有穩(wěn)定的政治、經(jīng)濟環(huán)境，具有成熟、先進的石油開采、儲備、運輸?shù)燃夹g(shù)，因此海外原油風(fēng)險較低。歐洲雖然自身原油較少，但由于其政治經(jīng)濟穩(wěn)定、石油技術(shù)全球領(lǐng)先、環(huán)保理念普及、公民素質(zhì)高等，歐洲海外原油風(fēng)險屬輕度風(fēng)險。

澳大拉西亞和其他亞太國家自身具有一定的石油資源，且向世界部分地區(qū)出口一定量的原油，經(jīng)濟和政治環(huán)境差異較大，該地區(qū)海外原油風(fēng)險屬中度風(fēng)險。

印度、新加坡、日本自身原油資源極少，這在很大程度上決定了其對海外原油的依賴，致使其海外原油存在重度風(fēng)險。在非洲，部分國家擁有豐富的原油資源，部分國家原油貧乏，但整體而言，非洲大部分地區(qū)落后貧困，經(jīng)濟發(fā)展緩慢，先進技術(shù)掌握率低，所以其海外原油屬重度風(fēng)險。

六、結(jié)語

目前我國海外原油屬輕度風(fēng)險，與加拿大、美國有一定差距，表明我國仍有一定的努力空間，相關(guān)機構(gòu)及部門可從以下四方面努力：第一，加強發(fā)展同世界各國的友好關(guān)系，尤其是石油資源儲量豐富的國家和地區(qū)。在原油進口的國家中，各國具有不同的政治傾向性，其中俄羅斯和中國在多個問題上具有高度的一致性，因此中國應(yīng)長期保持與俄羅斯的高度合作。同時，由于中東是主要的原油輸出國，所以與中東在政治與經(jīng)濟上的合作將是明智之舉。第二，適當(dāng)增加原油的進口源，將風(fēng)險分散。目前，我國海外原油進口主要集中在中東、非洲、南美洲、俄羅斯和東南亞等地區(qū)，為進一步降低風(fēng)險，可以考慮加大從美國等原油儲量大的國家進口。第三，強化研發(fā)及技術(shù)學(xué)習(xí)，以提升原油和成品油的使用率，最大化利用資源。原油相關(guān)技術(shù)的提升是在原油資源有限的前提下最大化利用原油的有效方式。技術(shù)的提升可以降低對環(huán)境的污染。第四，加強對企業(yè)與公民的綠色教育，努力實現(xiàn)綠色生產(chǎn)與綠色人生。政府定期派專業(yè)人士入駐企業(yè)和社區(qū)進行綠色教育，在保證正常生產(chǎn)與生活的前提下，盡可能減少對機用設(shè)備的使用，有效降低我國對海外原油的需求，進而降低我國海外原油風(fēng)險。

參考文獻：

[1] ?Cranfield Management School. Supply Chain Vulnerability[R]. Cranfield University， 2002.

[2] ?Rao S，Goldsty T J. Supply Chain Risks： A Review and Typology[J]. The International Journal of Logistics Management， 2009，20（1）：97-123.

[3] ?周剛，趙艷超.基于隸屬度的供應(yīng)鏈風(fēng)險評估模型研究[J].標準科學(xué)，2013（10）：80-83.

[4] ?Lome C， Schoenher R T. Supply Chain Risk Management in Financial Crises——A Multiple Case-Study Approach[J]. International Journal of Production Economics， 2011，134（1）：43-57.

[5] ?Chan F T S， Kumar N. Global Supplier Development Considering Risk Factors Using Fuzzy Extended AHP-Based Approach[J]. Oruega， 2007，35（4）：417-431.

[6] ?王新利.基于BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的供應(yīng)鏈風(fēng)險評價研究[J].中國流通經(jīng)濟，2010（6）：27-30.

[7] ?Singhal P， Agarwal G， Mittal M L. Supply Chain Risk Management： Review， Classification and Future Research Directions[J]. International Journal of Business Science and Applied Management， 2011，6（3）：249-271.

[8] ?Vilko J P P， Hallikas J M. Risk Assessment in Multimodal Supply Chains[J]. International Journal of Production Economics， 2012， 140（2）：586-595.

[9] ?Kamingsih P D， Kayis H， Kara S. Risk Identification in Global Manufacturing Supply Chain[C]. Aitrcle of Proceeding International Seminar on Industrial Engineering and Management Menara Peninsula， 2007.

[10] ?曾佑新，宋斯達.基于主成分與灰色關(guān)聯(lián)分析的乳制品供應(yīng)鏈風(fēng)險因素評價[J].中國市場，2017（9）：156-158.

[11] ?李明，鄧旭東，肖倫亞.基于ANP-模糊評價法的供應(yīng)鏈管理風(fēng)險評價研究[J].科技創(chuàng)業(yè)月刊，2012（5）：82-84.

[12] ?呂心潔，陳怡雯.基于AdaBoost算法與神經(jīng)網(wǎng)絡(luò)的供應(yīng)鏈金融風(fēng)險評價[J].商業(yè)文化，2012（5）：179-180.

[13] ?雷勛平.我國汽車制造業(yè)供應(yīng)鏈風(fēng)險評價實證研究——基于熵權(quán)可拓決策模型的分析[J].計算機工程與應(yīng)用，2015，51（12）：264-270.

[14] ?逯宇鐸，金艷玲.基于lasso-logistic模型的供應(yīng)鏈金融信用風(fēng)險實證研究[J].管理現(xiàn)代化，2016（2）：98-100.

[15] ?張芳.中國商業(yè)銀行市場赫芬達爾指數(shù)研究[J].產(chǎn)業(yè)與科技論壇，2011，10（3）：125-126.

[16] ?Aqlan F， Lam S S. A Fuzzy-Based Integrated Framework for Supply Chain Risk Assessment[J]. International Journal of Production Economics， 2015，161：54-63.

[17] ?關(guān)艷萍，劉佳翔.供應(yīng)鏈風(fēng)險的系統(tǒng)識別與評價模型研究[J].物流技術(shù)，2014（13）：361-363.

[18] ?Rajesh R， Ravi V. Modeling Enablers of Supply Chain Risk Mitigation in Electronic Supply Chain： A Grey-Dematel Approach[J]. Computers & Industrial Engineering， 2015，87：126-139.

[19] ?劉保占，魏文普，段夢蘭，等.渤海海上石油平臺的溢油風(fēng)險概率評估[J].海洋環(huán)境科學(xué)，2017，36（1）：15-20.

[20] ?趙俊平，侯文卓.中國石油企業(yè)跨國并購風(fēng)險評價與防范[J].遼寧工程技術(shù)大學(xué)學(xué)報（社會科學(xué)版），2016，18（3）：225-230.

[21] ?劉葉.石油化工項目環(huán)境風(fēng)險評價方法[J].化工管理，2017（8）：272.

[22] ?楊忠.我國石油企業(yè)輸油管道風(fēng)險評價及管理應(yīng)用[J].化工管理，2016（28）：121.

[23] ?曹超.鉆井風(fēng)險評價技術(shù)研究[J].九江學(xué)院學(xué)報（自然科學(xué)版），2015（4）：48-50.

[24] ?王亞瓊，余建星，梁靜，等.深水浮式結(jié)構(gòu)火災(zāi)爆炸風(fēng)險評價方法及軟件開發(fā)[J].河北工業(yè)大學(xué)學(xué)報，2016，45（1）：95-100.

[25] ?吳志炯，董秀成，皮光林.我國石油化工合同能源管理項目風(fēng)險評價[J]. 天然氣工業(yè)，2017，37（2）：112-119.

[26] ?鄧健，孫浩，謝澄.基于隨機數(shù)值模擬的溢油對敏感資源風(fēng)險評價研究[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2017，41（1）：32-36.

[27] ?呂軍，王德運，魏帥.中國石油安全評價及情景預(yù)測[J].中國地質(zhì)大學(xué)學(xué)報（社會科學(xué)版），2017，17（2）：86-96.

[28] ?朱勇.基于內(nèi)部基準分析的中石化海外原油供應(yīng)鏈績效評價研究[D].哈爾濱：哈爾濱理工大學(xué)管理學(xué)院，2015.

[29] ?張芳. 中國商業(yè)銀行市場集中度研究——基于14家商業(yè)銀行數(shù)據(jù)的實證分析[J].哈爾濱商業(yè)大學(xué)學(xué)報（社會科學(xué)版），2012（3）：15-23.

[30] ?遲景明，任祺. 基于赫芬達爾-赫希曼指數(shù)的我國高校創(chuàng)新要素集聚度研究[J]. 大連理工大學(xué)學(xué)報（社會科學(xué)版），2016（4）：5-9.

[31] ?胡玲菲. 我國通信設(shè)備計算機行業(yè)的產(chǎn)業(yè)地理集中研究[J]. 經(jīng)營與管理， 2018（2）：86-89.

[32] ?陳素琴， 鄭丹鳳. 家電類企業(yè)多元化經(jīng)營與財務(wù)績效相關(guān)性研究[J]. 財會通訊，2017（35）：37-42.

[33] ?趙建群.論赫芬達爾指數(shù)對市場集中狀況的計量偏誤[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2011（12）：132-145.

[34] ?袁蔭棠.概率論與數(shù)理統(tǒng)計[M].第2版.北京：中國人民大學(xué)出版社，1990：84.