基于SWOT與AHP融合分析法在風險管理中的應用

段愛玲 顏宇航 苑天文

摘 ?要：針對風險管理提出了一種基于SWOT與AHP算法融合分析法，首先運用SWOT定性分析存在的風險因素，梳理其中的內部邏輯關系，其次利用模糊層分析理論，構造層次結構，求出各種風險因素所占比重及風險發生的概率。最后根據風險因素發生概率權重的大小得出戰略方位角及戰略強度，為研發大型項目風險管理應對策略提供基本思路和方向。本文通過一個銀行開發實例，完整演示了這種融合分析法的有效性和對復雜問題決策提供可靠的依據。

關鍵詞：風險管理;AHP算法;SWOT分析;決策

中圖分類號：TP311.5 ? ? 文獻標識碼：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）

項目風險管理是指項目風險從識別到分析直至采取應對措施等的一系列過程[1]。該過程以科學的方法對項目開發過程中可能遇到的風險進行規劃、識別、評估、評價、應對、監控等，從而最大程度保證項目開發的順利進行[2]。

SWOT分析法是一種基于內外部競爭環境和競爭條件下的態勢分析法[3]。SWOT是優勢（Strength）、劣勢（Weakness）、機會（Opportunity）和威脅（Threat）的簡寫，通過具體的問題分析，將與研究對象緊密相關的各種主要內部S（優勢）、W（劣勢）和O（外部機會）、T（威脅）因素，根據這些因素影響程度進行排列，構造矩陣，然后運用系統分析的思想，將各因素相互匹配起來加以綜合識別分析，得出不同的應對戰略及一系列結論。這些結論可幫助決策者制訂下一步應對思路和措施。

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重，從而幫助決策者進行下一步分析。本文以銀行管理系統為例，運用SWOT和AHP算法的融合分析法對該項目的研發過程的風險進行定量定性分析，以便為項目決策提供依據。

2 ?依據SWOT識別風險因素（Identification of risk factors based on SWOT）

首先根據項目特點并按照SWOT分類、分組、識別、分析主要風險因素，為模糊分析理論構造準則層及方案層做準備。軟件研發項目流程一般包括以下步驟：問題定義、需求分析、概要設計、詳細設計、編碼、軟件測試等，綜合以上步驟以及軟件項目開發所處的外部環境，可以識別出各種風險因素來源如表1所示。

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

運用AHP算法計算各種風險因素在銀行系統項目中所占重要性程度。

3.1 ? 運用SWOT構造遞階層次結構

在運用AHP算法對問題進行分析時，首先要將問題拆分成各個單一元素，并按照這些元素的性質進行分類，之后構造出一個有層次的結構模型，分為目標層、準則層和方案層。在銀行系統的項目風險管理中，可對問題進行如下分層：

（1）解決的問題是各種風險因素對銀行管理系統項目開發的影響程度，此為目標層。

（2）運用SWOT分析銀行管理系統項目開發的優勢、劣勢、機會、威脅等風險因素，構造為解決目標層問題的中間步驟，此為準則層。

（3）分析各種風險因素來源，每一個風險因素對應準則層中的一個元素，此為方案層。

由以上識別出的各種風險因素，構造以下遞階層次結構如圖1所示。

3.2 ? 構造正互反矩陣

經過以上分析，可以得出研發銀行系統項目風險管理中的各種風險因素之間的對應關系。但每一層中因素較多，單憑決策者的主觀評價得不出準確的重要性權重，因此建議對各層的元素進行兩兩對比來求出最終權重。

（1）成對比較矩陣

假設問題Z是由n個元素所組成，要判斷各元素對Z的影響程度，需要對各元素進行兩兩比較，即每次取其中的兩個元素，，用來表示兩元素，之間的比值，全部對比之后得出的結果構成矩陣，其中A為問題Z-X的成對比較矩陣。

（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于決策者量化分析問題具有至關重要的作用。通過廣泛搜集數據和參考專家意見，得出目標層正互反矩陣如表2所示。

根據SWOT和模糊層次分析理論，可得出優勢組、劣勢組、機會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

層次單排序就是求出該正互反矩陣的最大特征向量，對該最大特征向量中的所有元素進行排序，即可求出該表中各元素對上層元素的權重大小排序。計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。

為解決判斷計算出的最大特征向量是否能真實代表各元素的權重大小，需要通過一個一致性度量指標CI（Consistency Index），用下面的表達式表示偏差或一致性程度如式（5）所示。

當CR≤0.1時，則可判斷該正互反矩陣的不一致性是可以接受的，即計算出的最大特征向量可以作為各元素的權重大小;否則需要對正互反矩陣進行調整。

通過計算得出目標層以下各元素對應的權值、最大特征值、一致性指標CI、隨機一致性指標RI以及一致性比率CR如表4所示。

同理，可得出優勢層、劣勢層、機會層和威脅層的各元素對應的權值、最大特征值、一致性指標CI、隨機一致性指標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，故以上數據可信。

3.4 ? 層次總排序及一致性檢驗

由層次單排序可以得到下一層各元素對上一層對應的元素的權重大小，要計算方案層（各具體的風險因素）對目標層（銀行管理系統風險分析）的權重大小，需要從上而下將各層權重綜合起來分析[5]。

假設上一層（A層）含有共個元素，它們對應的權重分別為。假設A層的下一層B層含有共n個元素，它們對于的層次單排序分別為（當與沒有關系時，）。現在求B層中的各元素的層次總排序權值，如式（7）所示。

開拓型戰略（SO）即依靠內部優勢，利用外部機會，這是最理想的戰略匹配模式;其次是抗爭型戰略（ST）即發揮內部優勢，規避外部威脅，這種戰略匹配模式不如開拓型戰略SO;再就是爭取型戰略（WO）即利用外部機會，彌補內部劣勢，此戰略實行起來比較困難;保守型戰略（WT）即減少內部劣勢，克服外部威脅，該戰略是最糟糕的匹配模式。為了更加準確地計算戰略方位，在此引入戰略方位角θ和戰略強度系數ρ即記作（θ，ρ）。其中θ戰略方位角表示研究對θ象應采取的戰略類型，隨著θ戰略方位角的變化，θ所在的象限對應坐標軸的環境因素的影響大小也會隨著發生變化。ρ戰略強度系數表示研究對象應采取的戰略強度，一般當戰略強度系數ρ>0.5時，表示研究對象應采取積極的戰略措施，反之則表示研究對象應采取保守的戰略措施。在極坐標中標記戰略向量，即可確定研究對象未來的發展戰略[9]。

5.1 ? 戰略方位角θ的計算

以總力度S、W、O和T四個變量作為平面直角坐標系的半軸。在該坐標系上分別標注計算的S'、W、O'、T'，并用線段一次鏈接這四點，構成的圖形為即戰略四邊形S' W' O' T'如圖3所示。

6 ? 結論（Conclusion）

本文提出了有效地風險分析融合法，通過實例充分表明了SWOT與AHP方法結合的融合分析法在風險管理方面是有效地，同時對研發軟件項目的決策也提供了清晰的戰略方向和戰略目標。這種方法不僅對于大型研發軟件項目適用，同樣也適用于其他大型項目的風險分析、識別及為決策提供依據。

參考文獻（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系統運營風險分析[J].計算機應用與軟件，2018（7）：67-70.

[6] 張淑麗，楊帆.基于AHP分析法的P2P網絡借貸平臺風險評價[J].金融理論與教學，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.Openstack云平臺自適應認證系統負載均衡策略研究[J].計算機應用與軟件，2019，36（9）：301-307.

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

作者簡介：

段愛玲（1964-），女，碩士，教授.研究領域：軟件工程，信息處理.

顏宇航（1996-），男，本科生.研究領域：軟件工程.

苑天文（1997-），男，本科生.研究領域：軟件工程.