基于SWOT與AHP融合分析法在風(fēng)險(xiǎn)管理中的應(yīng)用

段愛玲 顏宇航 苑天文

摘 ?要：針對(duì)風(fēng)險(xiǎn)管理提出了一種基于SWOT與AHP算法融合分析法，首先運(yùn)用SWOT定性分析存在的風(fēng)險(xiǎn)因素，梳理其中的內(nèi)部邏輯關(guān)系，其次利用模糊層分析理論，構(gòu)造層次結(jié)構(gòu)，求出各種風(fēng)險(xiǎn)因素所占比重及風(fēng)險(xiǎn)發(fā)生的概率。最后根據(jù)風(fēng)險(xiǎn)因素發(fā)生概率權(quán)重的大小得出戰(zhàn)略方位角及戰(zhàn)略強(qiáng)度，為研發(fā)大型項(xiàng)目風(fēng)險(xiǎn)管理應(yīng)對(duì)策略提供基本思路和方向。本文通過一個(gè)銀行開發(fā)實(shí)例，完整演示了這種融合分析法的有效性和對(duì)復(fù)雜問題決策提供可靠的依據(jù)。

關(guān)鍵詞：風(fēng)險(xiǎn)管理;AHP算法;SWOT分析;決策

中圖分類號(hào)：TP311.5 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract：In view of risk management，this paper proposes a fusion analysis method based on SWOT and AHP algorithm.Firstly，it uses SWOT to analyze the existing risk factors qualitatively and combs the internal logical relationship among them.Secondly，it uses the theory of fuzzy layer analysis to find out the weight of various risk factors and the probability of risk occurrence.Finally，according to the probability weight of risk factors，the strategic azimuth and strategic strength are obtained，which provides basic ideas and directions for the risk management strategies of large-scale R&D projects.This paper demonstrates the validity of this fusion analysis method and provides a reliable basis for decision-making for complex problems through a bank development example.

Keywords：Risk management;AHP algorithm;SWOT analysis;Policy decision

1 ? 引言（Introduction）

項(xiàng)目風(fēng)險(xiǎn)管理是指項(xiàng)目風(fēng)險(xiǎn)從識(shí)別到分析直至采取應(yīng)對(duì)措施等的一系列過程[1]。該過程以科學(xué)的方法對(duì)項(xiàng)目開發(fā)過程中可能遇到的風(fēng)險(xiǎn)進(jìn)行規(guī)劃、識(shí)別、評(píng)估、評(píng)價(jià)、應(yīng)對(duì)、監(jiān)控等，從而最大程度保證項(xiàng)目開發(fā)的順利進(jìn)行[2]。

SWOT分析法是一種基于內(nèi)外部競爭環(huán)境和競爭條件下的態(tài)勢分析法[3]。SWOT是優(yōu)勢（Strength）、劣勢（Weakness）、機(jī)會(huì)（Opportunity）和威脅（Threat）的簡寫，通過具體的問題分析，將與研究對(duì)象緊密相關(guān)的各種主要內(nèi)部S（優(yōu)勢）、W（劣勢）和O（外部機(jī)會(huì)）、T（威脅）因素，根據(jù)這些因素影響程度進(jìn)行排列，構(gòu)造矩陣，然后運(yùn)用系統(tǒng)分析的思想，將各因素相互匹配起來加以綜合識(shí)別分析，得出不同的應(yīng)對(duì)戰(zhàn)略及一系列結(jié)論。這些結(jié)論可幫助決策者制訂下一步應(yīng)對(duì)思路和措施。

AHP算法是一種簡潔、高效的多層次決策方法，該方法主要解決一些因素較多、分析復(fù)雜的問題[4]。通過將問題定量處理可以得出不同元素在問題中所占的權(quán)重，從而幫助決策者進(jìn)行下一步分析。本文以銀行管理系統(tǒng)為例，運(yùn)用SWOT和AHP算法的融合分析法對(duì)該項(xiàng)目的研發(fā)過程的風(fēng)險(xiǎn)進(jìn)行定量定性分析，以便為項(xiàng)目決策提供依據(jù)。

2 ?依據(jù)SWOT識(shí)別風(fēng)險(xiǎn)因素（Identification of risk factors based on SWOT）

首先根據(jù)項(xiàng)目特點(diǎn)并按照SWOT分類、分組、識(shí)別、分析主要風(fēng)險(xiǎn)因素，為模糊分析理論構(gòu)造準(zhǔn)則層及方案層做準(zhǔn)備。軟件研發(fā)項(xiàng)目流程一般包括以下步驟：問題定義、需求分析、概要設(shè)計(jì)、詳細(xì)設(shè)計(jì)、編碼、軟件測試等，綜合以上步驟以及軟件項(xiàng)目開發(fā)所處的外部環(huán)境，可以識(shí)別出各種風(fēng)險(xiǎn)因素來源如表1所示。

3 ?模糊層次分析法—AHP算法（Fuzzy analytic hierarchy process—AHP algorithm）

運(yùn)用AHP算法計(jì)算各種風(fēng)險(xiǎn)因素在銀行系統(tǒng)項(xiàng)目中所占重要性程度。

3.1 ? 運(yùn)用SWOT構(gòu)造遞階層次結(jié)構(gòu)

在運(yùn)用AHP算法對(duì)問題進(jìn)行分析時(shí)，首先要將問題拆分成各個(gè)單一元素，并按照這些元素的性質(zhì)進(jìn)行分類，之后構(gòu)造出一個(gè)有層次的結(jié)構(gòu)模型，分為目標(biāo)層、準(zhǔn)則層和方案層。在銀行系統(tǒng)的項(xiàng)目風(fēng)險(xiǎn)管理中，可對(duì)問題進(jìn)行如下分層：

（1）解決的問題是各種風(fēng)險(xiǎn)因素對(duì)銀行管理系統(tǒng)項(xiàng)目開發(fā)的影響程度，此為目標(biāo)層。

（2）運(yùn)用SWOT分析銀行管理系統(tǒng)項(xiàng)目開發(fā)的優(yōu)勢、劣勢、機(jī)會(huì)、威脅等風(fēng)險(xiǎn)因素，構(gòu)造為解決目標(biāo)層問題的中間步驟，此為準(zhǔn)則層。

（3）分析各種風(fēng)險(xiǎn)因素來源，每一個(gè)風(fēng)險(xiǎn)因素對(duì)應(yīng)準(zhǔn)則層中的一個(gè)元素，此為方案層。

由以上識(shí)別出的各種風(fēng)險(xiǎn)因素，構(gòu)造以下遞階層次結(jié)構(gòu)如圖1所示。

3.2 ? 構(gòu)造正互反矩陣

經(jīng)過以上分析，可以得出研發(fā)銀行系統(tǒng)項(xiàng)目風(fēng)險(xiǎn)管理中的各種風(fēng)險(xiǎn)因素之間的對(duì)應(yīng)關(guān)系。但每一層中因素較多，單憑決策者的主觀評(píng)價(jià)得不出準(zhǔn)確的重要性權(quán)重，因此建議對(duì)各層的元素進(jìn)行兩兩對(duì)比來求出最終權(quán)重。

（1）成對(duì)比較矩陣

假設(shè)問題Z是由n個(gè)元素所組成，要判斷各元素對(duì)Z的影響程度，需要對(duì)各元素進(jìn)行兩兩比較，即每次取其中的兩個(gè)元素，，用來表示兩元素，之間的比值，全部對(duì)比之后得出的結(jié)果構(gòu)成矩陣，其中A為問題Z-X的成對(duì)比較矩陣。

（2）正互反矩陣

若與之間的比值用來表示，則與之間的比值用來表示。

若矩陣滿足條件（i）， （ii）。

（3），則稱A為正互反矩陣如圖2所示。

在AHP算法中，確定兩元素之間的比值大小對(duì)于決策者量化分析問題具有至關(guān)重要的作用。通過廣泛搜集數(shù)據(jù)和參考專家意見，得出目標(biāo)層正互反矩陣如表2所示。

根據(jù)SWOT和模糊層次分析理論，可得出優(yōu)勢組、劣勢組、機(jī)會(huì)組和威脅組的正互反矩陣，在此不再一一列出。

3.3 ? 層次單排序及一致性檢驗(yàn)

層次單排序就是求出該正互反矩陣的最大特征向量，對(duì)該最大特征向量中的所有元素進(jìn)行排序，即可求出該表中各元素對(duì)上層元素的權(quán)重大小排序。計(jì)算正互反矩陣的最大特征向量，一般使用的方法是和積法。

（1）和積法具體計(jì)算步驟

①將正互反矩陣按列歸一化如式（1）所示。

（2）一致矩陣

若正互反矩陣中的元素滿足，其中，則稱該正互反矩陣為一致矩陣。

為解決判斷計(jì)算出的最大特征向量是否能真實(shí)代表各元素的權(quán)重大小，需要通過一個(gè)一致性度量指標(biāo)CI（Consistency Index），用下面的表達(dá)式表示偏差或一致性程度如式（5）所示。

當(dāng)CR≤0.1時(shí)，則可判斷該正互反矩陣的不一致性是可以接受的，即計(jì)算出的最大特征向量可以作為各元素的權(quán)重大小;否則需要對(duì)正互反矩陣進(jìn)行調(diào)整。

通過計(jì)算得出目標(biāo)層以下各元素對(duì)應(yīng)的權(quán)值、最大特征值、一致性指標(biāo)CI、隨機(jī)一致性指標(biāo)RI以及一致性比率CR如表4所示。

同理，可得出優(yōu)勢層、劣勢層、機(jī)會(huì)層和威脅層的各元素對(duì)應(yīng)的權(quán)值、最大特征值、一致性指標(biāo)CI、隨機(jī)一致性指標(biāo)RI以及一致性比率CR。

由上表可知，所有正互反矩陣的CR均小于0.1，故以上數(shù)據(jù)可信。

3.4 ? 層次總排序及一致性檢驗(yàn)

由層次單排序可以得到下一層各元素對(duì)上一層對(duì)應(yīng)的元素的權(quán)重大小，要計(jì)算方案層（各具體的風(fēng)險(xiǎn)因素）對(duì)目標(biāo)層（銀行管理系統(tǒng)風(fēng)險(xiǎn)分析）的權(quán)重大小，需要從上而下將各層權(quán)重綜合起來分析[5]。

假設(shè)上一層（A層）含有共個(gè)元素，它們對(duì)應(yīng)的權(quán)重分別為。假設(shè)A層的下一層B層含有共n個(gè)元素，它們對(duì)于的層次單排序分別為（當(dāng)與沒有關(guān)系時(shí)，）。現(xiàn)在求B層中的各元素的層次總排序權(quán)值，如式（7）所示。

開拓型戰(zhàn)略（SO）即依靠內(nèi)部優(yōu)勢，利用外部機(jī)會(huì)，這是最理想的戰(zhàn)略匹配模式;其次是抗?fàn)幮蛻?zhàn)略（ST）即發(fā)揮內(nèi)部優(yōu)勢，規(guī)避外部威脅，這種戰(zhàn)略匹配模式不如開拓型戰(zhàn)略SO;再就是爭取型戰(zhàn)略（WO）即利用外部機(jī)會(huì)，彌補(bǔ)內(nèi)部劣勢，此戰(zhàn)略實(shí)行起來比較困難;保守型戰(zhàn)略（WT）即減少內(nèi)部劣勢，克服外部威脅，該戰(zhàn)略是最糟糕的匹配模式。為了更加準(zhǔn)確地計(jì)算戰(zhàn)略方位，在此引入戰(zhàn)略方位角θ和戰(zhàn)略強(qiáng)度系數(shù)ρ即記作（θ，ρ）。其中θ戰(zhàn)略方位角表示研究對(duì)θ象應(yīng)采取的戰(zhàn)略類型，隨著θ戰(zhàn)略方位角的變化，θ所在的象限對(duì)應(yīng)坐標(biāo)軸的環(huán)境因素的影響大小也會(huì)隨著發(fā)生變化。ρ戰(zhàn)略強(qiáng)度系數(shù)表示研究對(duì)象應(yīng)采取的戰(zhàn)略強(qiáng)度，一般當(dāng)戰(zhàn)略強(qiáng)度系數(shù)ρ>0.5時(shí)，表示研究對(duì)象應(yīng)采取積極的戰(zhàn)略措施，反之則表示研究對(duì)象應(yīng)采取保守的戰(zhàn)略措施。在極坐標(biāo)中標(biāo)記戰(zhàn)略向量，即可確定研究對(duì)象未來的發(fā)展戰(zhàn)略[9]。

5.1 ? 戰(zhàn)略方位角θ的計(jì)算

以總力度S、W、O和T四個(gè)變量作為平面直角坐標(biāo)系的半軸。在該坐標(biāo)系上分別標(biāo)注計(jì)算的S'、W、O'、T'，并用線段一次鏈接這四點(diǎn)，構(gòu)成的圖形為即戰(zhàn)略四邊形S' W' O' T'如圖3所示。

6 ? 結(jié)論（Conclusion）

本文提出了有效地風(fēng)險(xiǎn)分析融合法，通過實(shí)例充分表明了SWOT與AHP方法結(jié)合的融合分析法在風(fēng)險(xiǎn)管理方面是有效地，同時(shí)對(duì)研發(fā)軟件項(xiàng)目的決策也提供了清晰的戰(zhàn)略方向和戰(zhàn)略目標(biāo)。這種方法不僅對(duì)于大型研發(fā)軟件項(xiàng)目適用，同樣也適用于其他大型項(xiàng)目的風(fēng)險(xiǎn)分析、識(shí)別及為決策提供依據(jù)。

參考文獻(xiàn)（References）

[1] Pan R L，Li Y Q，Zhang H L，et al.Fuzzy-rough attribute reduction algorithm based on α information entropy[J].Control and Decision，2017，32（2）：340-348.

[2] Liu G L，Hua Z，Zou J Y.Local attribute reductions for decision tables[J].Information Sciences，2018（422）：204-217.

[3] BINESH N，REZGHI M.A new similarity measure for extraction information from social networks and improve the community detection and recommendation results[C].Information and Knowledge Technology.IEEE，2015：146-151.

[4] 許鋆，隋毅，羅雄麟.模糊決策預(yù)測控制的等效軟約束法研究[J].控制工程，2019（05）：843-850.

[5] 詹文杰，王華.基于AHP算法的地鐵AFC系統(tǒng)運(yùn)營風(fēng)險(xiǎn)分析[J].計(jì)算機(jī)應(yīng)用與軟件，2018（7）：67-70.

[6] 張淑麗，楊帆.基于AHP分析法的P2P網(wǎng)絡(luò)借貸平臺(tái)風(fēng)險(xiǎn)評(píng)價(jià)[J].金融理論與教學(xué)，2018（5）：63-64.

[7] WANG X M，ZHANG X M，WU Y T，et al.A Collaborative Recommendation Algorithm Based on Heuristic Clustering Modeland Category Similarity[J].Acta Electronica Sinica，2016，44（7）：1708-1713.

[8] 林韌昊，朱智強(qiáng).Openstack云平臺(tái)自適應(yīng)認(rèn)證系統(tǒng)負(fù)載均衡策略研究[J].計(jì)算機(jī)應(yīng)用與軟件，2019，36（9）：301-307.

[9] 王燈桂，楊蓉.基于線性判別分析的Choquet積分的符號(hào)模糊測度提取[J].計(jì)算機(jī)科學(xué)，2019，46（2）：210-214.

作者簡介：

段愛玲（1964-），女，碩士，教授.研究領(lǐng)域：軟件工程，信息處理.

顏宇航（1996-），男，本科生.研究領(lǐng)域：軟件工程.

苑天文（1997-），男，本科生.研究領(lǐng)域：軟件工程.