金融风险预警与防范的方法
《中国保险公司信用评价体系研究》课题组（2016）从风险预警方法本身的属性划分，将风险预警工具分为以下几类。
（1）主观综合评判法
所谓主观综合评判方法，指金融风险预警主体构建可以反映并度量风险大小的指标体系，使用主观评分法、层次分析法（AHP）等方式对指标数值进行标准化处理，并进一步使用加减乘除、加权计算等方式计算上述标准化指标的综合得分。主观综合评判方法的使用较为简单，关键在于设计出逻辑清晰、层层递进的指标体系。但是，这种方法没有对指标之间的内在关系进行深入分析，假设指标之间线性可加，偏理想化。
（2）概率分析法
概率分析的方法的整体研究路径与主观综合评判方法类似，区别在于概率分析的方法倾向于使用均值和标准差，使用分析变量的均值与标准差表示总指标的均值和标准差。与主观综合评判方法主要使用加减乘除、加权等方法计算最终得分不同，概率分析的方法使用的是经验或概率论的方式计算最终得分。
（3）模拟方法
模拟方法相较于主观综合评判方法和概率分析方法而言，更关注所选取指标之间的相互关系，而且不曾构建整体研究框架或指标体系，因此在确定具体风险影响因素方面显示出明显不足。
根据《中国保险公司信用评价体系研究》课题组（2016）的研究可以将金融风险预警研究方法分为五类：①专家打分评价法；②层次分析法（AHP）；③因子分析法与主成分分析法；④模糊综合评价法；⑤灰色关联分析法。本研究主要使用对数功效函数和层次分析法（AHP）构建北京市金融风险预警模型。
（4）指数功效函数
陈湛匀（1991）[3]提出指数功效函数及其公式使用标准。如果选取的指标为正向，则使用指数Ⅰ型公式；如果选取的指标为反向，则使用指数Ⅱ型公式。彭非、袁卫、惠争勤（2007）[4]提出改进的指数功效函数，正向指标与逆向指标使用同一功效函数，还解决数据过度密集在中心位置的现象，允许指标值向两端分散。
（5）层次分析法
20 世纪70年代，美国运筹学家A.L.Saaty 提出一种具有深刻理论基础、结构严谨、思路明确的决策新方法，即层次分析法（Analytic Hierarchy Process，简称AHP）。层次分析法（AHP）将评价目标进行逐层分解，然后根据每层因素两两比较得出的重要性确定权重（张正平、梁毅菲，2013；刘煜晴、沙晓军，2016；徐培玮，2018）[5]。
层次分析法的特点是将研究问题予以解决范式，即选取研究对象的诸多影响因素，然后将这些因素按照支配关系分组形成递阶层次结构，最后根据综合分析决定决策方案相对重要性的总的顺序。《中国保险公司信用评价体系研究》课题组（2016）对层次分析法（AHP）的具体流程进行了详细阐述：
第一步，根据系统中各因素之间的关系，建立层次分明的指标体系。
第二步，对同一层次的各元素关于上一层次中某一准则的重要性进行两两比较，构造两两比较判断矩阵。每次取两个影响因子xi和xj，z为研究对象，以aij表示xi和xj对z的影响大小之比，则矩阵A=（aij）m×n为判断矩阵。aij的取值范围及其含义如表3.2所示。
表3.2 判断矩阵各元素含义
第三步，进行一致性检验。
一致性检验是针对判断矩阵A 而言的，检验方法是两个一致性指标C.I 和C.R。已知判断矩阵A 是n×n的矩阵，最大特征根为λmax。
则判断矩阵偏离一致性指标
。C.I≤0表示判断矩阵A 通过一致性检验。特别地，当C.I=0时，表示判断矩阵A 完全一致。当C.I＞0时，表示需要引入判断矩阵随机一致性指标C.R 来进一步判断矩阵A 是否可以通过一致性检验。
，其中R·I 表示平均随机一致性指标，取值如表3.3 所示。当C.R＜0.1时，表示判断矩阵A 具有较好的一致性。当C.R＞0.1时，表示判断矩阵A 需要重新调整至通过一致性检验，即调整至C.R＜0.1。
表3.3 各维数对应R.I 值
第四步，计算权重，并进行排序。
在判断矩阵A 通过一致性检验后，计算判断矩阵A 的最大特征根为λmax对应的特征向量。归一化后的特征向量分向量即为被比较因素所对应的相对权重，也即某一因素对上层因素的影响程度。
（6）冒烟指数
“冒烟指数”由金信网银自主研发，于2015年正式上线应用，可实现金融企业准入审核、重点金融领域监管、非法金融广告监管、经济犯罪案件研判，有效辅助金融监管机构解决非法金融活动风险发现难、研判难、决策难等诸多难点。目前，该指数已获得商标注册。“冒烟指数”整合互联网公开数据、政务公开数据和金融监管机构数据等大数据资源，依托金信网银自主研发的人工智能监管中台，进行数据存储、清洗、挖掘、标注、建模、计算，从时间、区域、人员、舆论、扩张规模等数十个角度进行特征构造，从合规性、收益率、投诉率、传播力、特征性五大维度构建“冒烟指数”模型。冒烟指数分数越高，说明企业的非法金融活动风险越高，并对风险事件前中后期进行实时跟踪，从业务模式分析、舆情态势把控、关联关系梳理、违法证据整理等多个角度为监管方提供决策依据。“冒烟指数”目前已辅助中国银保监会、公安部、中国互金协会、北京市金融局、江西省金融办、重庆市金融办、天津市经侦、深圳市金融办等200 多个金融监管机构监测1 000 多万家企业的非法金融活动风险，成功预警出多起非法集资大案要案。“冒烟指数”已成为地方金融风险监测预警的事实标准。
截至2020年3月底，打击非法金融活动监测预警平台共监测新闻、论坛、微信、微博、招聘等网络数据300.0 亿条，对接全国工商企业数据5 000 万家、全国金融行业协会数据20 余万条，失信公告、裁判文书、执行公告、法院公告等法院数据60 余亿条，共监测北京市近20 万家企业，发现预警1 600 余家风险企业。其中高风险企业近百家，存在涉嫌违规经营、承诺高收益、涉嫌传销、涉嫌诈骗、涉嫌虚假宣传、存在涉诉信息、存在经营异常、存在行政处罚、存在失信被执行人信息、未在基金业协会备案、信息披露不透明等问题。根据监测数据及结果，制作各类报告共计800 余份。在监测预警、风险排查方面发挥重要作用。
此外，北京金融监管局逐步将“冒烟指数”应用于地方金融机构审批、扫黑除恶、违法违规金融广告监测等其他各类日常工作中。例如，针对拟入驻北京市房山基金小镇的企业，“冒烟指数”对机构进行体检，查看其关联风险，对股东、团队进行风险监测，不达标者禁止入驻。目前基金小镇已经累计拒绝279家机构，为小镇的金融安全和风险防控提供有力保证。
本研究结合运用冒烟指数及其风险检测结果作为筛选北京市金融风险预警指标体系及指标赋权的重要依据，故在此对其内涵及运用原理进行如上介绍。