基于Android的项目投资风险评价系统设计

胡秀兵　林勇　陈逗　杨朔

摘 要： 目前主流项目投资风险分析方法易受评价人员主观意识、经验，以及知识局限的影响。神经网络具有大规模并行、分布式存储和处理等特点，适合处理需要同时考虑多条件、模糊的信息问题。文章设计了一个基于BP神经网络风险投资评价系统，使用当前主流的Android平台进行设计开发，利用风险评价方法，发挥人工神经网络的优点，克服了其他评估方法带有主观因素的不足。

关键词： Android； 项目投资； 风险评价； BP神经网络

中图分类号：TP399 文献标志码：A 文章编号：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

当前世界风险投资的影响越来越大，尤其是在高新技术产业化的进程中，风险投资扮演了一个重要的角色，它能促进高新技术产业的发展，推动技术创新。风险投资一般是指风险投资家把资金投向新生的、发展迅速的、同时蕴藏着较大风险的创新性技术企业的一种投资行为。它是一种集金融、创新、科技、管理与市场等为一体的资金运作模式。对于一个风险投资机构来说，项目的评价、选择是其风险投资运作的起点，是风险投资运作过程中至关重要的一环，直接关系到风险投资的成败。

目前主流风险投资分析方法：现金流评价法、投资回收法、德尔菲法（专家意见法）、层次分析法（AHP）、实物期权风险评估模型、模糊综合评价法等，在特定环境下能获得很好的评价效果，但是这些方法在评价时受到较多的随机因数影响，评价结果易受评价人员主观意识、经验、以及知识的局限的影响，往往带有个人偏见和片面性，主观性强[1]。

通过以上分析，作者使用神经网络进行风险投资建模。人工神经网络（Artificial Neural Network）是一门崭新的科学，是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特性，是一个高度复杂的非线性动力学系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合于处理必须同时考虑许多因素和条件的、不精确和模糊的信息处理问题。

本文设计了一个基于人工神经网络风险投资评价系统，使用当前主流的智能系统Android平台进行设计开发，发挥人工神经网络的优点，克服其他评估方法带有主观因素的不足。

1 Android系统框架介绍

Android系统是Google开发的一款开源移动OS，Android中文名被国内用户俗称“安卓”。它基于Linux内核设计，使用了Google公司自己开发的Dalvik Java虚拟机。Android操作系统已经成为当今全球较为主流的智能手机操作系统。具有如下优点。

⑴ 开放性：Android完全开源，且该平台从底层操作系统到上层的用户界面和应用程序都不存在任何阻碍产业创新的专有权障碍。同时开源的最大好处是，使得Android平台会拥有越来越壮大的开发者队伍，随着用户数量增加与应用的日益丰富，必然会使得Android这个崭新的平台走向成熟。

⑵ 广泛支持：目前主流的手机生产厂商都推出了基于Android操作系统的智能设备，经过众多开发者测试，安全稳定。

⑶ 可扩展性：Android平台是开放性的，最大限度为第三方开发商提供了开发权限，使得开发环境自由，不会受到各种束缚。基于虚拟机可以使其具备了很好的扩展性。

⑷ 多元化：目前Android系统除了应用在智能手机外，还应用在平板电脑以及智能电视，目前摩托罗拉、三星、LG、HTC、宏碁、华硕等公司均推出了平板电脑，同时国内的创维、TCL等厂商已经推出了Android智能电视，最终将会有更多的智能家电、机顶盒、车载电子设备出现。

⑸ 紧密结合Google应用：全球最大的在线搜索服务商Google在过去的10年中，已经逐渐渗透到人们的日常生活中。人们不再仅仅满足于使用电脑终端来享受诸如Gamil、谷歌地图、在线翻译等在线服务，PC到移动终端的延伸成了一种必然的趋势。而Android与Google服务的无缝集成，则可以十足的满足人们的愿望[2-3]。

2 项目投资风险评价系统设计

2.1 总体设计

项目投资风险评价系统借助于移动互联网的优势，实现了对投资项目的管理，专家信息的管理，以及项目投资风险评价等功能，为管理项目提供了方便，实现了实时管理。系统采用三层视图设计模型（MVC），包括：移动终端程序（Android客户端，视图层）、Web服务层（控制层）以及数据服务层（数据模型）。

采用C/S的程序模式，Web服务层和数据服务层位于服务器端用于实现系统逻辑处理和数据存取处理。Web服务层包括中间层和逻辑处理层，中间层主要负责系统的流程处理，连接着客户端以及逻辑层，数据服务层，控制程序的流程走向。数据服务层负责数据的逻辑处理，包括数据的增，删，改，查。在服务器端实现了系统的整体逻辑处理，对于客户端的性能依赖性弱，降低了客户端的性能要求，增强了软件的可移植性。移动终端主要实现功能请求以及视图显示功能。移动客户端发送HTTP请求，服务器端接收请求后交由Web服务层进行进一步解析，由Web服务层中的中间层（控制层）处理，调用相关业务处理逻辑，进行功能调用，在逻辑处理中可能要调用数据服务层，数据服务层返回响应数据，业务处理逻辑将结果返回，由中间层进行HTTP响应，客户端接收响应数据后，解析并显示相关数据[4]。

2.2 功能模块设计

本系统主要负责项目的管理，人员信息管理，以及项目风险投资评价，由以下几个功能模块组成：系统管理、专家管理、项目投资风险评价、风险投资项目管理。总体功能模块结构如图2所示。

⑴ 系统管理

对系统中的用户信息进行管理，主要包括三个功能模块。①用户信息创建：该模块用于创建用户，即注册新用户，注册的用户主要包括两种角色，即风险投资人和投资项目申请人。风险投资人是对项目进行风险投资的人，包含了对项目的管理和对专家的分配。投资项目申请人是创建投资项目的人，主要是对项目信息的管理。②用户信息修改：该模块主要是对用户基本信息的修改，以及系统管理员对其他用户信息进行统一管理。③授权用户角色：该模块主要是用于对用户的角色进行管理，角色分为风险投资人、投资项目申请人、专家和系统管理员。风险投资人和投资项目申请人在注册模块能够自行选择，但专家角色必须由系统管理员或者风险投资人进行指定授权。

⑵ 专家管理

该模块主要是对专家信息进行管理，主要包含三个功能模块。①专家信息创建：该模块用于创建专家用户信息，应注意该模块不用于注册用户，必须是由系统管理员或者风险投资人进行创建。②专家信息修改：用于修改现有的专家信息。③专家信息删除：对专家信息进行删除操作。以上操作都需要进行权限验证，只有取得权限验证才能进行操作。

⑶ 项目管理

该模块主要是对项目信息进行管理，主要包含三个功能模块。①项目创建：该模块用于创建项目信息。②项目信息修改：对已有的项目信息进行修改。③项目删除：对现有项目进行删除操作。对于投资项目申请人，拥有上述所有的项目信息管理操作权限，但仅限于操作自己创建的项目。

⑷ 项目风险评价

该模块主要是对项目信息进行处理，从而得到合理的综合性评价，最后给出对应的评价分值。主要包含两个功能模块。①评价标准管理：对项目的评价标准进行管理，对于不同类别的投资项目所用的评价标准有所不同，该模块主要用于创建不同的评价标准。②风险评价管理：依据项目的各个指标值进行评价，给出综合评价分值。该模块是整个系统的核心模块，对于该模块的模型设计将在下一节进行详细介绍。

2.3 项目风险评价流程分析

图3是整个项目评价流程图，对于每一个项目都要经过上述流程进行处理，项目信息创建完成后，提交之后要进行初级审查，对项目中的各个指标进行初步审查，对于不符合要求的项目不予推荐评价，即不推荐项目信息到项目投资人。初审通过的项目进行专家审核阶段，不同类别的项目分配不同的专家，各个专家进行独立评价，对项目企划书和项目基本信息进行评价得到二级指标，根据二级指标计算出一级指标，一级指标作为评价模型的输入参数，由风险评价模型根据输入的一级指标进行综合性评价，得到综合评价分值，依据分值判断是否予以立项。

3 神经网络风险评价模型设计

目前国内外使用的项目投资风险评价方法很多，应用较为广泛的有德尔菲法、主要分析法、层次分析法、灰色系统评价法、模糊综合评价法。但是这些方法都存在缺陷，那就是评价中的随机因素影响较多，评价结果易受评价人员主观意识的影响，易带有个人偏见和片面性，主观性较强。本文利用神经网络特有的优点——自学习、自组织、自适应能力，克服了主观因素的影响，将其应用于项目投资风险评价方面，取得了较好的效果。

3.1 BP神经网络简介

BP神经网络是前馈神经网络，是神经网络中的一种典型结构，具有分层结构，信息从输入层进入网络，逐层向前传递至输出层。BP神经网络大致可以分为三层：①输入层，②隐藏层，③输出层。每一层都有相应数目的神经元组成，层与层之间由突触进行连接，一般使用全连接方式，即上一层神经元中的每一个神经元与下一层的所有神经元都存在连接。每个连接上都有相应的权值。

3.2 项目投资风险评价中BP神经网络设计

⑴ BP网络的结构及参数

对项目投资风险评价问题，可以看作是投资项目的各个风险因素到该项目的最终评价值之间的非线性映射。由于一个三层BP网络可以以任意精度去逼近任意映射关系，因此，本例采用三层BP网络结构。从输入层到隐含层，再到输出层的转移函数采用双极S型函数，误差设为0.09，学习速率设为0.11。

⑵ 输入层神经元个数及参数的确定

本系统输入层神经元确定为23个，分别是各风险因素的专家打分值。

⑶ 输出层神经元个数的确定

输出层根据评分值分为四个层次，0.8～1之间为优表示总的投资风险很低，0.7～0.8之间的为良，说明总的投资风险低，0.5～0.7之间表示中，说明该项目投资风险一般，0.5以下为差，表明总的投资风险高。

3.3 实验测试

对建立的BP神经网络模型进行测试，训练集包含14条数据，测试集包含12条数据，测试结果如图6、图7所示。误差结果图使用训练集得到的结果，准确率结果图使用测试集得到的结果，从图中可以看出，随着BP神经网络的迭代训练，误差逐渐变小，而准确率则先变高，后变低。这是因为当迭代训练时，BP神经网络能从输入数据和期望输出中发现规律并将其存入到连接权值中，但是神经网络的泛化能力将降低。当迭代次数为2万次准确率最高，达到90%左右。

4 结束语

综上所述，本文建立的BP神经网络模型能很好的解决项目投资风险评价问题，为风险投资提供了很好的参考信息。现有的工作还存在一些不足，如不能得到具体的风险评价分值，对不同类别的项目使用同一模型，准确率还有待于提高。

参考文献：

[1] 姜向阳.国内外风险投资评估方法研究综述[J].价值工程，2006.7：

84-85

[2] 潘庆华，王冬冬.风险投资决策分析方法述评[J].经济问题探索，

2003.10：64-65

[3] 杨丰盛.基于Android应用开发揭秘[M].机械工业出版社，2010.

[4] 林永兴，李晓蕾.基于android的校园助手手机应用程序的研究与设

计[J].硅谷，2012.

[5] 周志华.神经网络及其应用[M].清华大学出版社，2004.