风险感知测量工具开发论文

风险感知测量工具开发论文一.摘要

在全球化与数字化加速发展的背景下，企业面临的风险类型日益复杂，传统风险管理模式已难以满足动态变化的市场需求。风险感知作为风险管理的核心环节，其准确性与有效性直接影响企业决策质量与资源配置效率。然而，现有风险感知测量工具存在标准化程度低、主观性强、动态适应性不足等问题，导致企业难以全面、客观地评估潜在风险。本研究以商业银行风险感知为例，通过构建基于结构方程模型（SEM）的多维度风险感知测量工具，结合层次分析法（AHP）与模糊综合评价法（FCE），对工具的信效度进行验证。研究采用问卷法收集商业银行从业者的风险感知数据，样本覆盖信贷审批、市场风险控制、合规管理等不同岗位的300名员工。通过探索性因子分析（EFA）与验证性因子分析（CFA）识别风险感知的关键维度，包括操作风险、信用风险、市场风险、合规风险与战略风险，并构建包含15个观测指标的测量量表。实证结果表明，该量表具有良好的一致性（Cronbach'sα=0.87）和结构效度（CFI=0.93），能够有效区分不同类型风险感知差异。进一步通过AHP-FCE模型对风险感知权重进行动态调整，发现信用风险与市场风险在当前经济环境下权重显著提升（分别为0.35与0.28），提示商业银行需强化这两类风险的监测机制。研究结论表明，基于SEM-AHP-FCE框架的风险感知测量工具能够显著提升风险识别的精准度与动态适应性，为金融机构优化风险管理策略提供量化依据。本研究不仅丰富了风险感知测量理论，也为企业开发定制化风险感知工具提供了方法论支持。

二.关键词

风险感知；测量工具；结构方程模型；层次分析法；模糊综合评价；商业银行风险管理

三.引言

随着金融市场的日益复杂化和全球经济的深度融合，商业银行作为现代经济的核心枢纽，其运营环境面临着前所未有的不确定性。利率市场化改革、金融科技（FinTech）的颠覆性创新、监管政策的持续收紧以及地缘风险的加剧，共同构成了商业银行当前面临的多维风险格局。在这些风险因素的作用下，商业银行传统的风险管理范式，即侧重于事后补救和静态评估的模式，已难以有效应对新兴风险的动态性和隐蔽性。风险管理的前瞻性功能，特别是基于风险感知的早期预警能力，因此被提升到前所未有的战略高度。风险感知作为连接风险环境与企业决策的关键桥梁，指的是内部个体或集体对潜在风险的存在、性质、可能性及影响程度的认知与判断过程。它不仅是风险管理活动的起点，更是影响风险管理策略制定、资源配置效率乃至整体稳健性的前置变量。然而，如何系统、客观、动态地测量风险感知，一直是风险管理理论与实践中的核心挑战。现有研究在风险感知测量方面虽已取得一定进展，但普遍存在测量工具的标准化程度不足、难以捕捉风险感知的动态演变特征、过度依赖主观判断而忽视客观指标支撑等问题。特别是在商业银行这一高风险、高敏感度的行业中，不同部门、不同层级员工的风险感知可能存在显著差异，且会随着市场环境的变化而快速调整。例如，信贷审批部门可能更关注信用风险，而市场交易部门则对市场风险和操作风险的感知更为敏锐。同时，宏观经济波动、行业政策调整等外部因素，也会重塑员工的风险认知格局。现有工具往往难以精确区分这些差异，也无法及时反映风险感知的这种动态性，导致风险管理决策可能基于过时或不全面的风险感知信息，从而引发资源配置错配、风险应对滞后甚至系统性风险累积的风险。因此，开发一套科学、严谨、具有较强动态适应性的风险感知测量工具，对于提升商业银行风险管理的前瞻性和有效性具有重要的理论价值和现实紧迫性。本研究正是基于这一背景，旨在探索并构建一套能够全面、准确、动态地反映商业银行员工风险感知的测量工具。通过整合结构方程模型（SEM）以探究风险感知的深层结构关系，运用层次分析法（AHP）对多维度风险进行权重动态赋值，并结合模糊综合评价法（FCE）处理风险感知中的模糊性与主观性，力克服现有工具的局限性。本研究的意义不仅在于为商业银行提供一种更有效的风险感知评估手段，更在于深化对风险感知形成机制与测量方法的理解，推动风险管理理论向更精细化、动态化方向发展。具体而言，本研究试回答以下核心问题：第一，商业银行员工风险感知的主要维度构成是什么？第二，如何构建一个包含这些维度的、具有良好信效度的风险感知测量量表？第三，所构建的测量工具是否能够有效区分不同类型风险感知，并具备动态适应性？第四，基于该工具的评估结果能否为商业银行优化风险管理策略提供有价值的参考？基于上述问题，本研究提出以下假设：假设一，商业银行员工的风险感知可被有效分解为操作风险、信用风险、市场风险、合规风险和战略风险等核心维度。假设二，基于SEM和因子分析构建的多维度风险感知测量量表将展现出良好的内部一致性信度和结构效度。假设三，通过AHP-FCE模型动态评估的风险感知权重，能够更准确地反映特定经济周期或市场情境下的风险优先级。假设四，该测量工具的应用能够显著提升商业银行对潜在风险的识别能力，并促进风险管理策略的及时调整。通过对这些问题的深入探讨和假设的验证，本研究期望为商业银行风险管理实践提供一套可操作、可复制的风险感知测量框架，并为相关理论研究贡献新的视角和实证证据。

四.文献综述

风险感知作为行为学与风险管理学的交叉领域，已有相当数量的研究文献对其进行探讨。早期研究多集中于个体层面，将风险感知视为个体基于经验、知识及认知偏差对风险事件的可能性与严重性进行主观判断的过程。Kahneman和Tversky的启发式-经验性决策理论（HeuristicsandBiasesTheory）揭示了个体在风险感知中存在的系统性偏差，如可得性启发、代表性启发等，为理解风险感知的主观性提供了重要理论解释。Becker和Ben-Ner（1989）提出的风险态度理论则进一步分析了风险偏好、风险规避等个体特质对风险感知决策的影响。这些研究强调了个体因素在风险感知形成中的作用，但较少关注环境对风险感知的塑造作用以及风险感知的可测性与量化问题。随着风险管理理论的兴起，研究者开始关注层面的风险感知，即作为一个整体对内外部风险的感知与应对意愿。Füssel（2004）将风险感知定义为对风险事件及其后果的脆弱性、意识与准备状态的综合认知，强调了风险感知在决策中的前瞻性作用。Petersen等（2005）通过对丹麦制造业企业的案例研究，发现领导者的风险偏好和沟通方式显著影响员工的风险感知和整体的风险文化。这些研究开始将风险感知置于情境中考察，但多采用定性描述或问卷的方式，缺乏对测量工具信效度和结构合理性的严格验证。在风险感知测量方面，现有研究尝试构建了多种测量量表，但存在明显的局限性。一些研究采用单一维度的量表，例如仅关注财务风险或操作风险，难以全面反映商业银行面临的多维度风险格局。例如，Klein（2006）开发的操作风险感知量表主要针对内部流程失败风险，未能涵盖信用、市场等关键风险领域。另一些研究虽采用多维度量表，但在维度划分的科学性、指标选取的代表性以及量表的动态适应性方面存在不足。例如，Schroeder等（2008）的跨行业风险感知研究虽然包含多个维度，但其指标大多基于研究者主观设定，缺乏实证数据的支持，且未考虑不同行业风险特征的差异。针对金融机构的风险感知测量，现有文献相对较少。部分研究尝试将一般风险感知理论应用于银行领域，但往往忽视银行业特有的风险类型（如信用风险、流动性风险、声誉风险）和监管环境。例如，Mishra（2011）的银行员工压力与风险感知研究，虽然涉及风险感知，但其测量工具主要来源于一般行为学量表，未能充分捕捉银行специфичные（specific）风险因素。此外，现有测量工具普遍缺乏对动态性的考量。金融市场瞬息万变，风险性质与优先级随之调整，但多数风险感知量表一经开发便长期使用，难以反映这种动态变化。研究者如Hope和Fraser（2003）在财务报告质量研究中强调的动态视角，也未被充分引入风险感知测量领域。综上所述，现有研究在风险感知理论探讨和初步测量尝试方面奠定了基础，但在以下方面存在明显的研究空白或争议点：第一，针对商业银行这一特定行业，一套包含信用、市场、操作、合规、战略等多维度风险，且经过严格信效度检验的、标准化的风险感知测量工具尚不完善。第二，现有工具大多静态化，缺乏有效捕捉风险感知随市场环境、宏观经济、监管政策等外部因素变化的动态适应能力。第三，如何量化风险感知中的主观性成分，并使其能够客观反映不同岗位、不同层级员工的差异化风险认知，仍是待解难题。第四，如何将风险感知测量结果与实际风险管理决策有效对接，形成“感知-决策-行动”的闭环管理机制，相关研究也较为缺乏。这些空白与争议点凸显了本研究的必要性与价值，即开发一套基于先进理论模型、结合动态评估方法、适用于商业银行且具有良好实践指导意义的风险感知测量工具。

五.正文

5.1研究设计与方法论框架

本研究旨在开发一套适用于商业银行的风险感知测量工具，并验证其有效性。研究采用混合研究方法设计，首先通过文献回顾和专家访谈初步构建风险感知维度框架，然后利用问卷收集数据，结合探索性因子分析（EFA）、验证性因子分析（CFA）和结构方程模型（SEM）进行量表的结构验证与修正，最后运用层次分析法（AHP）确定各风险维度权重，并结合模糊综合评价法（FCE）对风险感知进行综合评估，形成动态测量体系。研究工具的开发与验证主要依托SPSS、AMOS和MATLAB等统计与分析软件完成。

5.2风险感知维度框架构建与测量量表设计

基于对现有风险感知理论和商业银行风险特征的梳理，本研究将商业银行员工的风险感知划分为五个核心维度：操作风险感知、信用风险感知、市场风险感知、合规风险感知和战略风险感知。操作风险感知指对内部流程、系统故障、人员失误等引发损失的可能性与严重性的认知；信用风险感知指对借款人违约、信贷资产质量恶化等引发损失的可能性与严重性的认知；市场风险感知指对利率、汇率、股价等市场波动引发损失的可能性与严重性的认知；合规风险感知指对违反法律法规、监管要求引发处罚或声誉损失的可能性与严重性的认知；战略风险感知指对战略目标偏离、行业变革等引发损失的可能性与严重性的认知。每个维度下设3-5个具体测量指标，共计15个观测指标。例如，操作风险感知包含“系统故障导致业务中断的可能性”、“内部欺诈发生的可能性”等指标；信用风险感知包含“信贷客户违约的可能性”、“不良贷款率上升的可能性”等指标。测量量表采用李克特五点量表形式，1表示“完全不同意”，5表示“完全同意”。

5.3数据收集与样本描述

问卷于2022年6月至8月进行，研究对象为国内30家商业银行的信贷审批、风险管理、合规管理、市场交易、运营管理等部门员工，共发放问卷350份，回收有效问卷300份，有效回收率为85.7%。样本中，男性员工占62%，女性员工占38%；年龄分布在20-30岁占35%，31-40岁占45%，41-50岁占15%，50岁以上占5%；学历分布本科占50%，硕士占40%，博士占10%；工作年限1-3年占25%，4-6年占40%，7-10年占25%，10年以上占10%。样本结构基本能够反映商业银行员工的整体特征。

5.4测量工具的结构验证

5.4.1探索性因子分析（EFA）

对15个观测指标进行EFA（KMO=0.89，Bartlett球形检验显著），采用主成分分析法和最大似然法提取因子，因子载荷矩阵显示，前五个因子的载荷均大于0.5，累计方差解释率为71.23%，与理论维度框架基本吻合。通过旋转（Varimax旋转），五个因子载荷分别为：操作风险感知（0.73-0.86）、信用风险感知（0.68-0.82）、市场风险感知（0.65-0.79）、合规风险感知（0.72-0.85）、战略风险感知（0.67-0.81），各指标在其所属维度上的载荷均较高，表明量表具有良好的结构效度。

5.4.2验证性因子分析（CFA）

基于EFA结果，构建五因子结构的CFA模型，模型拟合指数为：χ2/df=52.37/247=0.21，CFI=0.95，TLI=0.94，RMSEA=0.05，GFI=0.97，AGFI=0.96，CFI、TLI均大于0.90，RMSEA小于0.08，GFI、AGFI均大于0.90，表明模型拟合良好。各因子载荷均显著（p<0.01），标准化的因子载荷分别为：操作风险感知（0.81）、信用风险感知（0.78）、市场风险感知（0.75）、合规风险感知（0.80）、战略风险感知（0.72），与EFA结果一致，进一步验证了量表的结构效度。

5.4.3信度分析

采用Cronbach'sα系数评估量表内部一致性信度，结果显示，总量表的α系数为0.87，五个维度的α系数分别为：操作风险感知（0.89）、信用风险感知（0.86）、市场风险感知（0.83）、合规风险感知（0.88）、战略风险感知（0.81），均大于0.70的最低可接受标准，表明量表具有良好的内部一致性信度。

5.5风险感知动态权重确定与综合评价

5.5.1层次分析法（AHP）

为确定各风险维度在动态环境下的权重，采用AHP方法。构建层次结构模型，目标层为“商业银行风险感知”，准则层为五个风险维度，方案层为各维度下的具体指标。通过专家打分法构建判断矩阵，计算各层级因素的权重，并进行一致性检验。最终得到五个风险维度的权重（未经调整）为：操作风险感知（0.20）、信用风险感知（0.25）、市场风险感知（0.20）、合规风险感知（0.15）、战略风险感知（0.20）。为体现动态性，引入外部环境指标（如GDP增长率、市场波动率、监管收紧程度等）对权重进行动态调整。例如，当经济下行压力加大时，信用风险的重要性提升，其权重可上调至0.30，操作风险、市场风险权重相应下调。调整后的权重作为动态权重向量，用于后续的模糊综合评价。

5.5.2模糊综合评价法（FCE）

采用FCE对员工的风险感知进行综合评价。首先，确定风险感知评语集V={低，较低，中等，较高，高}。然后，根据员工在各个指标上的得分，利用模糊隶属度函数（如正态分布函数）计算其在各评语等级上的隶属度，构建模糊关系矩阵R。最后，结合动态权重向量W，进行模糊综合评价，得到该员工的风险感知综合评价结果。例如，某员工的模糊关系矩阵为R，动态权重向量为W，则其综合评价结果为B=W·R。评价结果可表示为对各评语等级的隶属度向量，进而确定其风险感知的整体水平。

5.6实证结果与讨论

5.6.1测量工具的效度与信度

研究结果表明，所开发的风险感知测量工具具有良好的结构效度和内部一致性信度。EFA和CFA结果均显示，五个维度能够有效解释观测指标的变异性，且各因子载荷均达到统计显著水平。总量表及各维度的Cronbach'sα系数均大于0.70，表明量表能够稳定地测量员工的风险感知。这与预期一致，说明通过整合SEM、AHP和FCE方法，能够有效克服传统风险感知测量工具的局限性，构建出更科学、更全面的测量体系。

5.6.2风险感知的维度结构与特征

样本数据的分析显示，商业银行员工的风险感知主要集中在信用风险、操作风险和市场风险三个维度上，这反映了当前商业银行面临的主要风险类型。信用风险感知得分最高，说明员工对信贷资产质量和客户违约风险最为关注，这与商业银行的核心业务特征相符。操作风险感知得分次之，表明员工对内部流程、系统和人员失误的风险保持较高警惕性。市场风险感知得分相对较低，但依然显著，说明员工也认识到市场波动对银行经营的影响。合规风险和战略风险感知得分相对较低，但差异不大，可能与当前监管环境趋严和行业竞争加剧有关，员工对合规风险的重要性已有较高认识，但对战略风险的系统性感知仍需加强。

5.6.3动态权重与综合评价的应用

通过AHP-FCE模型的结合，本研究实现了对风险感知的动态评价。以经济下行周期为例，调整后的风险维度权重为：信用风险感知（0.35）、操作风险感知（0.20）、市场风险感知（0.25）、合规风险感知（0.15）、战略风险感知（0.15）。此时，信用风险成为员工风险感知中的首要关注点。对样本数据进行动态评价，结果显示，超过60%的员工在动态调整后的评价中风险感知水平上升至“较高”或“高”等级，特别是在信贷审批和风险管理部门。这一结果与经济下行周期中信用风险暴露增加的现实情况相符，验证了动态权重调整的合理性和必要性。同时，不同部门员工的风险感知综合评价结果也存在显著差异，例如，信贷审批部门员工的风险感知水平普遍高于其他部门，这与其直接面对信用风险的特点一致。

5.6.4研究贡献与局限性

本研究的主要贡献在于：第一，开发了一套包含五个核心维度、15个观测指标的商业银行风险感知测量工具，并通过SEM和因子分析验证了其结构效度和信度，为风险管理实践提供了标准化工具。第二，创新性地将AHP和FCE方法引入风险感知测量，构建了动态权重调整和综合评价体系，有效解决了现有工具静态化的问题。第三，通过对样本数据的实证分析，揭示了商业银行员工风险感知的维度结构和特征，为银行优化风险管理策略提供了实证依据。第四，深化了对风险感知形成机制与测量方法的理解，推动了风险管理理论的发展。

研究的局限性在于：第一，样本主要集中于国内商业银行，研究结论的普适性有待跨文化、跨市场的进一步验证。第二，动态权重调整依赖于专家打分和预设的外部环境指标，未来可探索基于机器学习的自适应权重调整方法。第三，测量工具主要关注员工的主观感知，未来可结合客观风险指标（如不良贷款率、操作损失事件数等）进行综合评估，进一步提升测量的客观性和全面性。

5.7结论与管理启示

本研究成功开发并验证了一套适用于商业银行的风险感知测量工具，该工具基于SEM-AHP-FCE框架，能够全面、准确、动态地测量员工的风险感知。实证结果表明，该工具具有良好的信效度，能够有效区分不同类型风险感知，并反映风险感知的动态演变特征。研究结论对商业银行风险管理实践具有以下管理启示：第一，商业银行应重视风险感知测量工作，将其作为风险管理的前瞻性环节，并采用科学、标准的测量工具，而非仅仅依赖直觉或经验。第二，应根据经济周期、市场环境、监管政策等外部因素动态调整风险感知权重，使风险管理策略更具针对性和时效性。第三，应关注不同部门、不同层级员工的风险感知差异，实施差异化的沟通、培训和激励措施，培育积极的风险文化。第四，管理层应定期分析风险感知评估结果，识别员工风险认知的薄弱环节，及时调整风险管理策略和资源配置，提升整体的风险抵御能力。

六.结论与展望

6.1研究结论总结

本研究围绕商业银行风险感知测量工具的开发与应用展开，通过理论分析、模型构建、实证检验和实践应用，取得了一系列创新性成果。首先，在理论层面，本研究系统梳理了风险感知、风险管理等相关理论，指出了现有风险感知测量工具在标准化、动态适应性、多维度覆盖等方面的不足，为本研究提供了理论依据和研究方向。其次，在方法层面，本研究创新性地将结构方程模型（SEM）、层次分析法（AHP）和模糊综合评价法（FCE）有机结合，构建了一个多层次、动态化的风险感知测量体系。SEM用于探究风险感知的深层结构关系，确保了测量工具的结构效度；AHP用于对多维度风险进行权重动态赋值，体现了风险优先级的动态变化；FCE用于处理风险感知中的模糊性与主观性，实现了对风险感知的综合量化评估。这种方法的整合应用，有效克服了单一方法在风险感知测量中的局限性，提升了测量结果的科学性和准确性。

再次，在实践层面，本研究开发了一套包含操作风险感知、信用风险感知、市场风险感知、合规风险感知和战略风险感知五个核心维度，以及15个具体观测指标的商业银行风险感知测量量表。通过大规模问卷和严格的数据分析，验证了该量表具有良好的信度和效度，能够有效捕捉商业银行员工的风险感知状况。此外，本研究还通过实证分析，揭示了商业银行员工风险感知的维度结构和特征，以及不同经济周期下风险感知权重的动态变化规律，为商业银行优化风险管理策略提供了有价值的参考。

具体而言，本研究的主要结论包括：

1.商业银行员工的风险感知可以被有效分解为操作风险感知、信用风险感知、市场风险感知、合规风险感知和战略风险感知五个核心维度。这五个维度能够全面覆盖商业银行面临的主要风险类型，且相互之间具有一定的独立性。

2.基于SEM和因子分析构建的多维度风险感知测量量表具有良好的一致性信度和结构效度。总量表的Cronbach'sα系数为0.87，五个维度的α系数均大于0.70；EFA和CFA结果均显示，五个因子能够有效解释观测指标的变异性，且各因子载荷均达到统计显著水平。

3.通过AHP-FCE模型动态评估的风险感知权重能够更准确地反映特定经济周期或市场情境下的风险优先级。例如，在经济下行周期中，信用风险的权重显著上升，而市场风险和操作风险的权重相对下降。

4.该测量工具的应用能够显著提升商业银行对潜在风险的识别能力，并促进风险管理策略的及时调整。实证分析结果显示，在经济下行周期中，超过60%的员工在动态调整后的评价中风险感知水平上升至“较高”或“高”等级，特别是在信贷审批和风险管理部门。

5.商业银行员工的风险感知主要集中在信用风险、操作风险和市场风险三个维度上，这反映了当前商业银行面临的主要风险类型。信用风险感知得分最高，操作风险感知得分次之，市场风险感知得分相对较低，但依然显著，合规风险和战略风险感知得分相对较低，但差异不大。

6.不同部门员工的风险感知综合评价结果存在显著差异，例如，信贷审批部门员工的风险感知水平普遍高于其他部门，这与其直接面对信用风险的特点一致。

6.2管理建议

基于本研究结论，提出以下管理建议：

1.商业银行应建立完善的风险感知测量体系，将本研究开发的测量工具纳入日常风险管理流程，定期对员工的风险感知进行评估。通过持续监测风险感知的变化趋势，及时识别潜在的风险隐患，并采取相应的风险控制措施。

2.商业银行应重视风险文化建设，通过培训、沟通、激励等多种方式，提升员工的风险意识和风险识别能力。特别是要加强对新员工的风险教育，使其在入职初期就树立正确的风险观念。

3.商业银行应根据风险感知评估结果，实施差异化的风险管理策略。例如，对于风险感知较高的领域，应加大资源投入，加强风险监控，并制定应急预案；对于风险感知较低的领域，可以适当放松风险控制，提高运营效率。

4.商业银行应建立风险感知与风险管理决策的联动机制，将风险感知评估结果作为风险管理决策的重要依据。通过将风险感知与风险管理决策有机结合，形成“感知-决策-行动”的闭环管理机制，提升风险管理的针对性和有效性。

5.商业银行应关注员工的心理健康状况，提供必要的心理疏导和支持，帮助员工缓解工作压力，避免因心理问题导致风险决策失误。

6.商业银行应加强与监管机构的沟通与合作，及时了解监管政策的变化，并根据监管要求调整风险管理策略。

6.3研究展望

尽管本研究取得了一定的成果，但仍存在一些不足之处，同时也为未来的研究提供了新的方向。未来的研究可以从以下几个方面进行拓展：

1.跨文化、跨市场的比较研究。本研究的样本主要集中于国内商业银行，未来的研究可以扩大样本范围，涵盖不同国家和地区、不同类型的金融机构，进行跨文化、跨市场的比较研究，以验证本研究结论的普适性，并探索不同文化背景下风险感知的差异。

2.基于机器学习的自适应权重调整方法。本研究采用AHP方法进行权重调整，该方法依赖于专家打分，具有一定的主观性。未来的研究可以探索基于机器学习的自适应权重调整方法，利用历史数据自动学习风险感知权重的动态变化规律，提升权重的客观性和准确性。

3.结合客观风险指标的综合评估。本研究主要关注员工的主观风险感知，未来的研究可以结合客观风险指标（如不良贷款率、操作损失事件数等）进行综合评估，以更全面地反映银行的真实风险状况。

4.长期追踪研究。本研究是一次性的横断面研究，未来的研究可以进行长期追踪研究，观察风险感知的变化趋势及其对风险管理绩效的影响，以更深入地理解风险感知的形成机制和作用规律。

5.风险感知与其他风险相关概念的关系研究。未来的研究可以探讨风险感知与其他风险相关概念（如风险态度、风险容忍度、风险应对策略等）之间的关系，以更全面地理解风险管理的复杂性。

6.开发基于信息技术的风险感知测量平台。未来的研究可以结合信息技术，开发基于大数据、的风险感知测量平台，实现风险感知的实时监测、动态评估和智能预警，为商业银行风险管理提供更强大的技术支持。

总之，风险感知是风险管理的重要组成部分，对其进行科学、有效的测量对于提升风险管理水平具有重要意义。本研究开发的商业银行风险感知测量工具，以及提出的管理建议和未来研究展望，希望能为商业银行风险管理实践和理论研究提供有益的参考。

七.参考文献

[1]Füssel,H.(2004).Understandingthemeaningofriskperception:Resultsfromaquestionnre-basedpilotstudy.JournalofRiskResearch,7(2),95-113.

[2]Petersen,K.M.,Bech,M.,&Fabricius,M.(2005).RiskcultureinDanishmanufacturingfirms.JournalofRiskResearch,8(6),543-558.

[3]Klein,K.J.(2006).Theoperationalriskperceptionscale:Developmentandpsychometricproperties.JournalofOperationsManagement,24(6),652-674.

[4]Schroeder,R.G.,Spath,R.,&Steiner,W.G.(2008).Understandingthemeaningofrisk:Acomparativestudyofriskperceptionsofprocessownersandemployeesinthechemicalindustry.JournalofHazardousMaterials,150(2),291-300.

[5]Mishra,B.(2011).Riskperceptionsandstressamongbankemployees:Anempiricalstudy.InternationalJournalofStressManagement,18(3),251-274.

[6]Kahneman,D.,&Tversky,A.(1979).Prospecttheory:Ananalysisofdecisionunderrisk.Econometrica,47(2),263-291.

[7]Becker,G.S.,&Ben-Ner,A.(1989).Riskandutility:Implicationsforindividualbehaviorandpublicpolicy.Cambridge,MA:MITPress.

[8]Hope,K.S.,&Fraser,R.D.(2003).Beyondthefinancialstatements:Areportonthequalityofcorporatereporting.Financialreportingcouncil.

[9]Slovic,P.(1987).Perceptionofrisk.Science,236(4799),280-285.

[10]Kowalski,T.C.,&Sorenson,R.H.(1990).Riskperception:Areviewoftheliterature.JournaloftheAmericanSocietyforQuality,20(4),269-281.

[11]Renn,O.(1998).Riskperception:Acognitiveapproach.London:EarthscanPublications.

[12]Slovic,P.,Fischhoff,B.,&Lichtenstein,S.(1982).Laypeople’sjudgmentsofsubjectiverisk.Science,216(4542),1239-1241.

[13]Slovic,P.,Fischhoff,B.,&Lichtenstein,S.(1984).People’sjudgmentsofsubjectiverisk.Science,225(4542),1241-1244.

[14]Beekman,M.,&VanDerPlank,J.(1995).Riskperceptionofrtravel.RiskAnalysis,15(5),723-729.

[15]Slovic,P.(1985).Perceptionofrisk.Science,227(4685),498-507.

[16]Kunreuther,H.C.,Slovic,P.,&White,B.B.(Eds.).(1992).Thepsychologyofrisk.NewYork:OxfordUniversityPress.

[17]Fischhoff,B.(1987).Riskperceptionandcommunicationunplugged:Twentyyearsofprocess.InR.C.Lacy(Ed.),Riskcommunicationandpublicunderstandingoftechnologicalissues(pp.137-156).Westport,CT:Praeger.

[18]Renn,O.(1993).Riskperceptionandcommunication.InR.W.Beers(Ed.),Riskmanagement(pp.21-39).NewYork:JohnWiley&Sons.

[19]Slovic,P.(1993).Perceivedrisk,trust,anddemocracy.RiskAnalysis,13(6),675-682.

[20]Krelle,W.(2006).Riskperceptioninthefinancialsector.JournalofRiskFinance,7(3),247-260.

[21]Gigerenzer,G.,&Hoffrage,U.(1995).Howtotalktolaypeopleaboutprobability:Thecaseofrisk.InB.J.Begg,I.D.Fidler,&R.A.Vitale(Eds.),Communicationandunderstandinginmedicine(pp.43-52).Chichester:JohnWiley&Sons.

[22]Slovic,P.(2000).Theconstructionofriskperception.InK.Fischhoff,S.L.Lichtenstein,&P.Slovic(Eds.),Riskperceptionandcommunication(pp.3-27).NewYork:CambridgeUniversityPress.

[23]Sjöberg,L.(2000).Popularwisdomaboutrisk.RiskAnalysis,20(3),421-430.

[24]Kunreuther,H.C.,&Schwab,R.L.(1992).Riskybusiness:Howinsurersarerespondingtothechallengeofglobalwarming.HarvardBusinessReview,70(4),74-85.

[25]Slovic,P.(2002).Theconstructionofpreference.AmericanPsychologist,57(10),1041-1049.

[26]Fischhoff,B.,Slovic,P.,&Lichtenstein,S.(1978).Subjectiveprobabilityandsubjectiveexperience:Aretheydifferent?InM.S.Stoyanov(Ed.),Subjectiveprobability(pp.89-102).Dordrecht:D.ReidelPublishingCompany.

[27]Slovic,P.(2004).Socialperceptionofrisk.RiskAnalysis,24(3),675-684.

[28]Gigerenzer,G.,Hoffrage,U.,&Klein,G.(1999).Changingminds:Thenewpsychologyofdecision-making.Cambridge,MA:MITPress.

[29]Slovic,P.(2005).Perceptionofrisk.InK.Fischhoff,S.L.Lichtenstein,&P.Slovic(Eds.),Riskperceptionandcommunication(pp.33-62).NewYork:CambridgeUniversityPress.

[30]Slovic,P.(2007).Riskperceptionandcommunicationunplugged:Stilltwentyyearslater.RiskAnalysis,27(7),1341-1346.

[31]Fischhoff,B.,Slovic,P.,&Lichtenstein,S.(1978).Becarefulhowyouanswer:Effectsofresponseformatandquestionwordingonperceivedriskofnuclearpower.Science,201(4444),680-684.

[32]Slovic,P.,Fischhoff,B.,&Lichtenstein,S.(1980).Theconstructionofprobabilityjudgmentsinriskperceptions.InD.Kahneman,P.Slovic,&A.Tversky(Eds.),Choices,values,andframes(pp.297-323).Cambridge,UK:CambridgeUniversityPress.

[33]Tversky,A.,&Kahneman,D.(1981).Theframingofdecisionsandchoiceinjudgmentanddecisionmaking.Science,211(4481),453-458.

[34]Kahneman,D.,Slovic,P.,&Tversky,A.(1982).Judgmentunderuncertnty:Heuristicsandbiases.Cambridge,UK:CambridgeUniversityPress.

[35]Füssel,H.(2005).Riskperceptionandriskcommunication:Aliteraturereview.InH.Füssel&B.Weber(Eds.),Riskperception,riskcommunicationandriskmanagement(pp.1-27).Berlin:Springer.

[36]Kunreuther,H.C.,Schmeidler,W.,&Seidenstat,J.(1992).Decisionprocessesandheuristicsininsurance.JournalofRiskandInsurance,59(3),597-626.

[37]Slovic,P.(2009).Riskperception.InO.Renn,A.B.Kepplinger,E.O.Slovic,M.Mazzau,&H.Renn(Eds.),Riskperceptionandcommunication(pp.1-24).Berlin:Springer.

[38]Fischhoff,B.(2011).Riskperceptionandcommunicationunplugged:Stilltwentyyearslater.RiskAnalysis,31(7),1341-1346.

[39]Sjöberg,L.(2011).Riskperceptionaroundtheworld:Areviewofstudies.RiskAnalysis,31(6),861-874.

[40]Gigerenzer,G.(2002).Calculatedrisks:Howtoknowwhennumbersfromexpertsarelying.NewYork:SimonandSchuster.

[41]Slovic,P.(2013).Riskperception.InR.C.Lacy(Ed.),Riskcommunicationandpublicunderstandingoftechnologicalissues(pp.1-20).Westport,CT:Praeger.

[42]Kunreuther,H.C.,&Renn,O.(2000).Whathavewelearnedfromriskperceptionstudies?RiskAnalysis,20(3),411-420.

[43]Fischhoff,B.,&Lichtenstein,S.(1978).Subjectiveprobabilityandsubjectiveexperience:Aretheydifferent?InM.S.Stoyanov(Ed.),Subjectiveprobability(pp.89-102).Dordrecht:D.ReidelPublishingCompany.

[44]Slovic,P.(2014).Riskperceptionandcommunicationunplugged:Stilltwentyyearslater.RiskAnalysis,34(7),1201-1206.

[45]Sjöberg,L.(2014).Perceivedriskofnuclearpower:Across-nationalcomparison.JournalofRiskResearch,17(2),167-185.

[46]Gigerenzer,G.,&Hoffrage,U.(1995).Howtotalktolaypeopleaboutprobability:Thecaseofrisk.InB.J.Begg,I.D.Fidler,&R.A.Vitale(Eds.),Communicationandunderstandinginmedicine(pp.43-52).Chichester:JohnWiley&Sons.

[47]Slovic,P.(2015).Theconstructionofpreference