风险管理论文

　　导语：近年来，学术界对于风险管理内部要素的研究主要包括实施动因和构成要素两个方面。以下是小编为大家整理的风险管理论文，欢迎大家阅读与借鉴！
　　一、研究框架的提出
　　现实需要的是管理学研究的源动力，企业风险管理研究也是如此。在后金融危机时代，如何更全面、更及时、更有效的预测和控制那些复杂性和破坏力大大增强的各类风险，是企业亟待解决的三个关键问题。本文此为视角，对相关研究成果进行分析梳理后认为，后金融危机时代的企业风险管理研究主要集中以下三个领域：其一，整合风险管理研究。该领域的研究注重从更加综合、全面的视角对风险管理进行剖析，强调风险管理不应只是被动地降低风险和减少损失，而是要在风险中寻找机会和利益；其二，企业风险指数研究。此类研究强调风险是可以观察与测量的客观个体，在研究方法上重归纳、分析、证明与量化，体现了风险管理技术的进步；其三，企业风险预警研究。此领域的研究则关注风险因素在形成风险事件之前会以某种形式表现出来，并且能够通过科学分析进行预测，体现了风险管理观点的革新。
　　二、整合风险管理研究进展
　　（一）整合风险管理的内涵和目标
　　美国学者JamesLam（2003）则详细说明了企业整合风险管理的目的，包括降低公司收益的波动性、最大化公司股东的价值以及促进职业和财务安全等。Brian（2006）认为整合管理风险代表着新的管理思想，意味着对原有的诸多风险管理技术、方法进行整合创新，与只强调被动的防范或转嫁风险的传统风险管理相比，整合管理风险更重视通过开发、利用和经营风险以促进管理者实现公司价值最大化。我国学者张维功等（2008）指出整合风险管理的理念、方法和工具已经广泛应用于企业战略选择、投融资决策、财务管理、内部控制等方面，涵盖了企业运作的各个层面。
　　（二）风险管理内部要素研究
　　近年来，学术界对于风险管理内部要素的研究主要包括实施动因和构成要素两个方面：Liebenberg（2010）等人认为企业是否实行风险管理除了提升企业价值的原因外，还取决经营状况和前景、市场竞争和企业的风险偏好等因素，而公司组织结构不适应企业风险管理的要求以及公司不愿变革的惰性，则是阻碍企业风险管理的主要因素（Kleffner，2011）；关于企业风险管理的构成要素，以COSO提出的内部环境、目标制定、事项识别、风险评估、风险反应、控制活动、信息和沟通、监控等八要素最为经典。此外，也有学者通过实证分析论证了公司治理和组织文化在企业风险管理中也同样发挥了积极的作用（John,2010）。
　　（三）整合风险管理的价值性研究
　　学者们通过实证研究，论证了采取整合风险管理（Kimberly，2004）、运用衍生品进行风险对冲（Kim，2004）以及风险沟通（Lawrence，2009）等管理措施的企业，其公司价值具有普遍性的增加。而风险管理提升企业价值主要是通过以下三个途径实现的：一是风险管理能够优化资本配置，提高权益回报率和改进公司治理结构（Lucia，2007）；二是将风险管理融入到企业整体战略中，从而提升了企业战略抗击风险的能力和水平，增强了公司核心竞争力（Neil，2005）；三是通过有效的风险管理措施来控制股票价格波动，使得管理层报酬与公司业绩的相关性为正，从而使得管理效率提高进而提升公司价值（James，2007）。整合风险管理在创新的同时，还应有效整合现有的风险管理技术和方法，但就目前来看，整合的思想和方法还尚未成熟，有待进一步深入研究。
　　三、企业风险预警研究进展
　　（一）企业战略风险预警
　　战略风险是企业在市场竞争中不可避免的，学者们分别从管理决策（Simons，1999）、行业竞争排名与公司业绩（Slywoztky，2004）以及战略实施能力的不确定性（杨华江，2005）等角度对战略风险的类型和成因进行了界定。卢一萍（2011）采用案例分析法，提出了构建风险预警体系、建立分析处理风险预警信号机制、细化预警指标评价标准、出具风险预警报告这四个战略风险预警步骤。龚小凤（2013）从战略整合风险、文化整合风险、组织整合风险、人力资源整合风险、财务整合风险、业务流程整合风险等六个方面，运用网络层次分析法（ANP）构建了企业跨国并购风险预警模型。
　　（二）企业财务风险预警
　　近年来，学者们通过运用计算机技术和人工智能技术，在财务预警模型和方法的研究方面取得了一定的突破。较有代表性的有：EdwardAltman（2001）等国外学者将人工神经网络分析方法引入到财务预警模型的研究中，提出的Z模型以及＂配套＂的五个预警指标被广泛采用。我国学者孔玉生等（2010）利用风险传导模型分析了财务风险产生的原因后，提出了信息透明度、法人治理结构、管理层监控力度、财务杠杆效应等四个方面是财务风险预警和防范的要点。赵春（2012）采用关联规则数据挖掘的方法，提出了基于时间序列动态维护的财务危机预警模型，克服了统计分析模型不能适应海量数据分析和人工智能模型无法考虑财务数据时间延续性的问题。
　　（三）企业营销风险预警
　　美国学者James（1998）按风险来源，提出了营销风险可分为战略风险、策略风险、组织风险、运作风险和环境风险五大部分。高凤彦等（1999）则从组织管理的角度把营销风险归纳为营销逆境、营销波动和营销失误三大类，并利用离差传递的方法确定了各指标所对应的预警系数。张云起（2001）运用层次分析、模糊评判、精确值测量三种方法，针对营销综合风险和客户信用风险，提出了A-FA综合评价模型。Emiliano（2009）从市场定位安全、市场结构安全、市场需求安全、市场竞争安全、市场扩张安全、市场策略安全和市场环境安全六方面建立了营销风险预警指标体系，在此基础上，林红菱等人（2012）采用模糊综合评价法构建了我国企业营销风险预警模型。总的`来说，近年来的企业风险预警研究取得了较为丰富的成果，已形成了较为完整的理论框架。尤其是在预警方法和预警模型的研究上取得了较大突破，但关于预警原理、警度划分以及预警模型和系统的评价等方面的文献不多，需进一步深入研究。
　　四、企业风险指数研究进展
　　（一）行业风险指数研究
　　学术界对行业风险指数的研究主要是将传统的指数理论与实践应用紧密结合，对不同经济领域中价格、安全、市场行情等风险因素的变化程度和趋势进行研究。当前的行业风险指数研究可分为两类：一类是通过股票指数收益进行行业风险的评估，如Sung&Gregory（1999）研究了美国航空业股票收益与市场变量、行业变量的关系，发现它们之间存在相关关系。段瑞君（2012）采用OLS模型，通过对股票市场行业指数收益的市场风险和行业风险的实证分析，论证了市场风险与股票市场的整体波动相一致；另一类是通过构建相关模型对行业风险指数进行评价和预警，较有代表性的有：Bollen（2007）等学者提出了采用潜变量结构方程模型对顾客满意度指数进行多指标评价的方法，但也发现模型的特征会影响指数的特性。刘晓娥（2007）采用结构方程模型研究了港口建设项目投资风险评估指数；孙春伟（2014）采用危害分析与构建控制点的方法，构建了食品安全风险指数体系等。
　　（二）金融企业风险指数研究
　　Illing&Liu（2003）首先运用因子分析法、信用权重法等四种加权方法构建了金融压力指数，通过与指标现状的比较，表明当指数值高于一定的临界值时，表示该时期处于值得关注的高风险时期或金融危机时期。在此基础之上，Balakrishnan（2009）构建了新兴国家的金融压力指数，并研究了金融压力在发达与新兴国家间的传播机制。张瑾（2012）综合考虑了包含宏观经济、银行业金融机构、资本市场和政策环境等在内的主要因素，并指出在时间序列较为平稳的前提下，可对压力指数进行时间序列预测或开展压力测试，从而实现对系统性金融风险的预警功能。成祺炯（2014）等人则应用Shapley非对称权力指数模型，从资产组合、杠杆率、阈值三个维度，测算出了我国上市银行对金融系统风险的贡献度排名。
　　（三）企业投资风险指数研究
　　相比财务目标，大多数企业参与风险投资的战略意图更偏重于竞争力的提升和战略目标的实现。因此，评价企业投资风险一方面要关注获利性，但更要关注对提升投资企业核心竞争力的贡献程度。对此，Gompers（2001）就指出风险投资使企业能够快速获取新资源和发掘新能力，获得一些突破性的技术创新成果，从而塑造新的核心竞争力。张识宇等人（2011）针对企业提升核心竞争力与获得财务回报的投资目标，从技术产品竞争力、团队素质、市场吸引力、资源利用程度、环境支持性等五个方面构建了公司风险投资项目评价指标体系，提出了基于Theil指数的灰色评价方法。从以上的分析可以看出，近年来风险指数的研究范围逐渐扩大，特别是在风险指数模型和测算方法上具有较大的创新并且日渐成熟，使得风险指数科学性和实用性更强。但在研究内容上偏重企业外部因素，对于企业内部风险因素考虑较少，而对于风险指数原理以及合理性等本质问题的探讨，也一直未在学术界达成共识。
　　五、未来研究的展望
　　金融危机后的企业风险管理研究在广度和深度两个方面都取得了较大大进展，但下列问题仍需要进一步研究和探讨：一是对于风险内涵和形成机理重新认识的问题。网络经济时代的企业风险不应只界定为客观因素，更应包含道德、信誉、文化和心理因素。因此，如何重新认识风险内涵和形成机理，决定着风险管理研究的范围和发展方向，是未来风险管理研究要解决的首要问题；二是风险本质的辩证性和对称性问题。目前对风险本质大部分研究聚焦于防范风险带来的负面效应，但仅仅关注损失就有可能忽视与风险相对的机会问题，因此，未来企业风险管理研究更应关注如何在风险中寻找机会和利益；三是风险分析技术创新和综合应用的问题。如何对包括指数和预警在内的各种风险分析技术进行创新和综合应用，是今后企业风险管理研究的重要内容，特别是如何通过有效的大数据分析技术，进行企业风险的预测和度量其中的重点。