系统医学论文范文第1篇
【摘要】 随着我国城市化进程的不断推进，我国各城市的交通压力也变得越来越大，地铁在一个城市的交通地位日渐显现。地铁在运行的过程中安全保障也愈发重要。为了保证地铁运行的安全性与乘客的生命安全，必须不断加强对于地铁信号系统与屏蔽门联动控制系统的技术性研究，本文对地铁信号系统与屏蔽门控制接口进行研究论述，以供参考。
【关键词】 地铁 信号系统 屏蔽门
一、地铁信号与屏蔽门控制接口作用
在城市轨道交通系统中，屏蔽门系统和信号系统作为两个相互独立，并在信号系统正常工作状态时又相互联动的两个系统，信号系统与屏蔽门之间有相应的接口，并且有传感器，这些设备的作用在于在地铁的信号与屏蔽门的操作过程中进行各种信息的传递工作，比如说对于信号系统对于屏蔽门状态的监视和列车的防护与站台上下乘客时的开关门控制。
二、地铁信号系统与屏蔽门控制接口运行分析
2.1接口功能综述
信号系统和屏蔽门系统的接口，是信号系统中不可缺少和重要的接口之一，两者在车站层面进行信息的传递。图1就是显示地铁当中的屏蔽门控制信息及其相应的一些状态信息在地铁的车站信号控制系统和屏蔽门系统两者的传递情况。
由于信号系统的安全控制级别相对较高，并采用故障导向安全的设计方式，故在信号系统的联锁集中站方案中，各车站的屏蔽门系统都通过安全性继电器接口与集中站联锁系统相连，通过继电器节点的闭合和断开传递给信号系统屏蔽门状态信号；在信号系统的区域联锁方案中，各车站的屏蔽门状态通过安全性继电器传递给本站联锁I/O模块，区域联锁通过网络采集各车站I/O模块。同样联锁通过上述设备传递给屏蔽门系统，开门信号和关门信号，屏蔽门系统在接收到开门信号时就执行开门动作；在接收关门信号时，就执行关门动作；当开门信号和关门信号都是为0时，屏蔽门系统保持上一个状态；开门信号和开门信号由信号系统确保不能同时为1。
2.3接口信号
2.3.1 开门命令
对于开门命令而言，开门命一般由车载ATC系统发送联锁系统，并通过联锁的I/O模块或者继电器传递给屏蔽门系统；也有些设计是通过车载ATC将信号传递给轨旁ATC系统，由轨旁ATC发给联锁系统，并最终通过联锁的I/O模块或者继电器传递给屏蔽门系统。车载ATC必须符合以下情况才能操作打开屏蔽门：车头和车尾处于停车窗+/-0.5m范围内；同时检测到列车已经施加了停车制动，并且切除了牵引；列车的为零速状态；收到开门请求。
2.3.2 关门命令
对于关门的命令而言，当ATC车载收到相应的关门命令请求时。车载ATC就向轨旁设备发送关门命令，在进行关门命令的信号所需要持续的时间内信号必须保持在一个高电平状态，直到列车完整离开。
2.3.3 屏蔽门锁闭信息
对于相关的屏蔽门锁闭的信息而言，发送条件往往需要全部的屏蔽门进行锁闭之后才能进行，让PSD系统给信号系统。在这个信号持续的时间内信号状态需要处于高电平的状态直至获得了PSD的开门指令。
2.3.4 屏蔽门互锁解除信息
当屏蔽门处于故障状态时，屏蔽门系统需要发送互锁解除信息给信号系统。避免列车无法进站或者出站。当信号系统采集到屏蔽门互锁解除信号时，及时开放允许信号。
互锁解除信息可以由以下方式传递给信号系统：
方案1：
信号系统采集屏蔽门如下信息：
PSD关闭且锁紧；PSD closed and locked；（安全信息）
PSD互锁解除；PSD interlock override；（安全信息）
屏蔽门的两个安全相关信息通过安全性继电器传递给信号系统。信号系统通过安全型继电器进行采集。
信号系统处理逻辑：
当互锁解除继电器吸起或者关闭且锁闭继电器吸起，此时联锁会将PSD关闭且锁紧状态发送给轨旁ATC和车载ATC。
方案2：
对屏蔽门系统电路要求：将互锁解除的节点并联入其关闭且锁闭的回路中，
信号系统采集屏蔽门如下信息：
PSD关闭且锁紧；PSD closed and locked；（安全信息）屏蔽门为PSD关闭且锁紧信息通过安全性继电器传递给信号系统。信号系统通过安全型继电器进行采集。
信号系统处理逻辑：
當关闭且锁闭继电器吸起，此时联锁会将PSD关闭且锁紧状态发送给轨旁ATC和车载ATC。
结束语：综上所述，如果想要对地铁的自动化运行程度进行加强，那么必须要加强地铁信号系统与屏蔽门控制接口的研究。这一点不单单可以减少大量人物力，而且还可以提高安全系数是真正符合地铁管理当中的方便、高效的宗旨的。
参 考 文 献
[1]陈会.地铁信号与屏蔽门联动控制系统分析[J].四川水泥，2015）（07）：12.
[2]张天羽.地铁信号与屏蔽门控制接口问题研究[J].住宅与房地产，2016（03）：177.
系统医学论文范文第2篇
关键词：光电武器系统;隔振系统;升降稳定平台;精密定位;快速切换
1.引言
在国外，车载电子设备方面的振动冲击控制及研究起步较早，但有关这方面的文献及资料却很少对外公开发表。近年来，在我国随着相关研制项目的增加和应用范围的扩展，车载设备振动冲击分析与控制的研究已开始受到普遍重视[1-5]，部分专业技术和工程设计人员也已经开始有针对性的对各种车辆、方舱、机柜、以及不同的装载设备等的振动特性和控制方法进行了相应的理论分析和试验研究[6-8]。目前国内开展适用于军用环境隔振设备的科研机构较多，且有相关隔振系统运用在电子设备武器系统中[5]，但对于重量超过10t的光电武器系统进行隔振系统设计还是一大难题。
车载大型光电武器系统在运输过程中，由于升降稳定平台通过蘑菇头与车体刚性连接，车辆行驶过程中，路面激励通过轮胎及悬挂系统可直接传递到平台上，其武器系统关键组成部分对振动有很大的敏感度[9]。由于安装平台表面受压后要求变形量很小，高刚度的稳定平台带来的缺点也较为显著，即隔振性能差，抗剪能力较差。因此在崎岖不平的路面或者遇到坑洼、凸起路面上，路面传递到平台上主要设备的振动冲击是很大的。当车速较快，路面情况较恶劣时，路面的冲击输入甚至可达20g，显然这样的冲击对设备的影响是巨大的[10]。因此，在运输过程中，一套有效的隔振缓冲系统对车载大型光电武器系统进行保护是极为重要的。
2.隔振系统的可行性[2-6]
5.结论
大型光电武器系统在运输过程中，由于受到由轮胎传递的地面激励将受迫振动，其关键组成部分对振动有很大的敏感度，必须采取减振措施。然而，对超过10t的大型车载光学装置的减振，目前罕有相关的研究成果。本文根据车载大型光电武器系统运输和工作时的需求，结合升降稳定平台的特性研制了一套隔振缓冲系统。在隔振能力测试中，X、Y向振动量级很小。路面随机输入工况下，Z向隔振传递率约为0.5～0.75，但其振动量级仅为10-2g，振动十分微小;路面冲击输入工况下，振动输入达0.28g，隔振缓冲系统的隔冲传递率约0.4，隔振效果良好。实验结果表明，在对设备进行有效隔振、缓冲的同时，具有稳定可靠、切换时间短、定位精度高等优点。为车载大型光电武器系统隔振设计提供了新的研究方法，并具有重要的军事意义。
参考文献：
[1]刘树峰，白鸿柏，李冬伟等.光电平台新型隔振机构设计[J].机械设计，2012：16-20.
LIU S F， BAI H B， LI D W， et al. Novel structure of vibration isolation design for photo-electric platform [J]. Machinery Design， 2012：16-20. (in Chinese)
[2]唐晓伟，朱利华.车载系统设备隔振缓冲设计[J].指挥信息系统与技术，2011，04：68-70+75.
TANG X W， ZHU L H. Vibration Isolation and Buffering Design for Equipment of Vehicle-Borne Systems
[J]. Command Information System and Technology， 2011， 04： 68-70+75. (in Chinese)
[3]王平，张国玉，刘家燕等.机载光电吊舱无角位移隔振设计[J].红外与激光工程，2012，10：2799-2804.
WANG P， ZHANG S G， LIU J Y，et al. Irrotational displacement vibration isolation on airborne optoelectronic pod[J]. Infrared and Laser Engineering， 2010， 10：2799-2804. (in Chinese)
[4]David L.Trumper， Tsuyoshi Sato. A Vibration Isolation Platform [J]. Mechatronics， 2002，12：281-294.
[5]赵志国，杨岳.车载电子设备隔振缓冲设计[J].企業技术开发，2010，01：21-22+31.
ZHAO Z G， YANG Y. Vibration isolation buffer design of vehicle electronic equipment [J]. Technological
Development of Enterprise， 2010， 01：21-22+31. (in Chinese)
[6]高常春，张孟伟.车载光电设备主动隔振平台支撑结构设计及模糊PID控制[J].机械设计与制造，2012，03：179-181.
Gao C C， ZHANG M W. Structure and fuzzy PID control of active vibration isolation platform for optical
devices on vehicle[J]. Machinery Design & Manufacture， 2012 ，03：179-181. (in Chinese)
[7]安源，徐晖，金光.动载体光电平台角振动隔振设计[J].半导体光电，2005，10(27)：615-616.
AN Y， XU H， JIN G. Design of Angular Vibration Isolation for Optoelectronic Platform on Moving Vehicle[J]. Semiconductor Optoelectronics， 2005， 10(27)：615-616. (in Chinese)
[8]刘玲，郝运刚，王新科.某车载驱动器的抗振设计[J].兵工自动化，2013，08：78-80.
LIU L， HAO Y G， WANG X K. Anti-Vibration Design of Certain Type Vehicular Drive [J]. Ordnance Industry Automation， 2013， 08：78-80. (in Chinese)
[9]季馨，王树荣.电子设备振动环境适应性设计[M]. 北京：电子工业出版社，2012.1.
JI X， WANG S R. Design of vibration environmental adaptability of electronic equipment [M]. Beijin： Electronic Industry Press， 2012.1. (in Chinese)
[10]蒋美华，周少良，陈欣等. 车载机柜隔振系统道路试验[J].噪声与振动控制，2012，02：59-61+90.
JANG M H， ZHOU S L， Chen X，et al. Road Testing for Vibration Isolation System Between Ark and Vehicle[J]. Nose and Vibration Control， 2012， 02：59-61+90. (in Chinese)
[11]于伟，马佳光，田竞等.隔振对光电跟踪系统频率特性的影响及其抑制[J].光电工程，2012，04：60-66.
YU W， MA J G， TIAN J， et al. Adverse Effects of Vibration Isolation on Frequency Characteristic of the
Photo-electric Tracking System and Suppression of the Effects [J]. Opto-Electronicn Engineering， 2012， 04：60-66. (in Chinese)
[12]郭建增，刘铁根，池伟等.车载光学平台双层隔振系统设计与试验研究[J].强激光与粒子束，2011，05：1245-1249.
GUO J Z，LIU T G， CHI W， et al. Design and experiment of double-layer vibration isolation system for mobile vehicle-mounted optical platform[J]. High Power Laser and Particle Beams， 2011， 05： 1245-1249. (in Chinese)
[13]宁大勇，高云国.大型车载光电跟踪设备减振方法、仿真及试验[J].激光与红外，2010，02：181-186.
LING D Y， GAO Y G. Decreasing vibration method and simulation and experiment of giant vehicular
photo-electric tracker[J]. Laser & Infrared ， 2010， 02：181-186. (in Chinese)
注：此研究課题由总装背景项目资助。
系统医学论文范文第3篇
【摘要】近年来，对企业商业生态系统的研究成为公司治理、企业发展战略的研究重点。文章在近年来健壮性研究特别是生态系统健壮性研究成果的基础上，对企业商业生态系统健壮性概念和研究意义进行了归纳，研究了健壮性与系统其它特性之间的关系，文章的研究成果可以作为开展企业商业生态系统健壮性评估活动的参考。
【关键词】健壮性 商业生态系统 因素 分析
一、引言
健壮性又称“鲁棒性”，鲁棒性原是统计学中的一个专门术语，从19世纪90年代起，随着网络经济、知识经济等新经济的兴起，经济环境呈国际化、动态化发展趋势，经济体系运行中的“蝴蝶效应”随处可见。在这种情况下，经济系统在内外部条件变化情况下的特性维持能力逐渐被人们所关注，健壮性的概念逐渐引入社会经济领域。由于经济系统的健壮性问题大多是从生态学中的生态系统推广得到的，经济系统的健壮性概念与生态学领域中的健壮性概念类似，指经济系统在内外部条件变化情况下，维持经济系统原有特性的能力。
商业生态系统健壮性的概念最早由Marco Iansiti & Ray Levien提出，但是并未给出明确的定义。目前对商业生态系统健壮性的研究也主要集中在具体企业所构建的商业生态系统健壮性指标方面。本文试图在归纳商业生态系统健壮性概念和研究意义的基础上，研究健壮性的内涵。
二、商业生态系统健壮性
1、商业生态系统健壮性的概念
商业生态系统的健壮性尚没有明确的定义，正如圣菲研究所著名的数学生物学家Erica Jen所说的“每个人都对健壮性的涵义有一个直觉的认识，并且认为它对系统生存和系统特性是至关重要的，但没有人能够给出一个精确的定义，人们只能在不同的语言环境中去理解它的不同含义”。
根据目前国内外经济学界以及企业管理学界对商业生态系统健壮性所关注的范围，在本文中，可以将商业生态系统健壮性的概念简单理解为：“商业生态系统健壮性是指商业生态系统在受到扰动时，系统保持原有的有效性和功能的能力。”
2、健壮性概念的含义
上一小节中给出的商业生态系统健壮性的概念有两层含义。
第一层含义是指健壮性考察系统在三种扰动情况下的特性。第一，系统外部环境发生变化的扰动，以有线电视网络公司的商业生态系统为例，行业政策要求原有模拟系统需要向数字系统平移，由此带来了系统外部环境的变化；第二，系统内部构件或构件之间关系发生变化的扰动，同样以有线电视网络公司的商业生态系统为例，有线电视网络公司自身的网络整合给生态系统带来的影响属于此类扰动；第三，以上两种情况同时出现，即外部扰动的同时，内部构件或构件之间关系发生变化。
第二层含义是健壮性包含系统两方面的能力。第一，系统处在正常状态下的抵抗力，即外部环境变化或外部企业对商业生态系统实施影响活动时，商业生态系统保持原有结构、功能的能力；第二，系统处在偏离正常状态下的恢复力，即商业生态系统受到内外部影响偏离原始状态，商业生态系统功能受到影响时，系统恢复原有功能的能力。
商业生态系统的抵抗力与恢复力并不经常成正相关关系，有些时候会成负相关关系。这一特性与自然生态系统类似。自然生态系统的成分越单纯，营养结构越简单，自动调节能力就越小，抵抗力就越低，然而这种生态系统的恢复力往往较高。例如，森林生态系统的抵抗力比草原生态系统的高，但是，其恢复力比草原生态系统低得多，因此，热带雨林生态系统一旦遭到破坏，再想恢复就十分困难。这在商业生态系统中也十分常见，例如以红桃K保健品为核心所构建的商业生态系统，曾经在二十世纪九十年代有过辉煌的发展，但是后来由于产品质量问题导致一夜之间崩溃，此生态系统就此消失。
3、研究商业生态系统健壮性的意义
当今企业的竞争是通过商业生态系统的竞争来实现的。商业生态系统中企业的竞合关系、商业生态系统之间的竞争关系构成了现代企业的主流关系，现代商业生态系统理论研究成果为企业在新经济环境下的发展指明了目标和方向。但是，现有理论对如何构建强有力的商业生态系统，并保持商业生态系统的健康发展尚缺乏深入的研究，特别是在商业生态系统健壮性产生机理和如何提高商业生态系统健壮性等问题上，目前理论界和企业界尚无很好的答案。现阶段研究商业生态系统健壮性有如下意义。
首先，进一步揭示商业生态系统运行规律的需要。商业生态系统理论将生态学的研究成果引入企业研究，很好地解释了现代企业竞合关系的动因，并为企业发展战略研究提供了新的思路。但是，商业生态系统毕竟是一类人工生态系统，与自然生态系统有着巨大的差别，商业生态系统运行规律尚未被人们所认识。研究商业生态系统的健壮性与其结构、状态、其他特性之间的关系，从更深层次认识商业生态系统的特性，有助于进一步揭示商业生态系统的运行规律。
其次，现代企业生存发展的需要。现代企业生存在复杂多变的环境里，企业必须通过构建或加入先进的商业生态系统以保持活力。但是，由于环境的快速变化，先进的商业生态系统并不能始终保持先进，一个微小的疏漏很可能就会导致商业生态系统的倾覆。
再次，政府对区域经济进行管制和引导的需要。区域内各商业生态系统的健康发展关系到区域经济的稳定，商业生态系统之间的过度竞争，或是商业生态系统的崩溃无疑对区域经济带来负面影响。作为经济的调控者，政府有必要对所辖区域内主要商业生态系统的健壮性进行评估，并利用宏观调控和资源配置的方法干预商业生态系统的发展，以保持经济系统的稳定。
4、健壮性评估方法
健壮性可以利用多种方法进行评估。一种方法是分析生态系统中价值的可持续提供能力。在经历一个重要的外部扰动之后，生态系统中主要企业价值的持续力和恢复力可以作为生态系统健壮性的重要指标。另一种方法，是通过检测财务指标和企业存活率。健康的商业生态系统将提升各类企业的生存数量，包括那些大量的缝隙型企业，在经历不可避免的外部扰动之后。这种多样性同时也给选择此商业生态系统的客户提供更多的选择和可靠性。
三、商业生态系统健壮性与系统其他要素之间的关系
商业生态系统是一类复杂自适应系统（CAS），它具有CAS系统的基本特征：共同进化、自组织、涌现等。商业生态系统健壮性是系统在共同进化、自组织过程中涌现出的特性之一，因而与共同计划、自组织有强的相关性。另一方面，作为一类生态系统，商业生态系统健壮性受到系统结构、系统功能、系统生态效率等多方面的影响。
1、健壮性与共同进化
商业生态系统的发展是以其中的企业或组织共同进化为基础的，共同进化是健壮性产生的源泉，系统内企业获组织的共同进化完成的越好，系统健壮性就越高。另一方面，系统具有较强的健壮性有助于系统内企业或组织的持续进化。
2、健壮性与自组织
商业生态系统中的自组织使得内部决策分散同时又保持协调性，避免了集中决策带来的失误，因此，自组织化越强，系统健壮性越强。
3、商业生态系统健壮性与系统结构
自然生态系统的健壮性与其系统结构有着紧密的联系。一般来说，当生态系统营养结构复杂、所含物种丰富时，生态系统的抵抗力就更强，恢复力更弱。但是，如果复杂性超过一定的限度，反而会降低生态系统的抵抗力。
同样，商业生态系统的健壮性与其系统结构也有着密切的联系。商业生态系统的健壮性不仅与结构的复杂程度有关，而且和结构类型有关，一般来说，网状结构比星形结构、树型结构具有更高的健壮性。
4、健壮性与系统功能
自然生态系统的服务功能是指从人的角度或更高层生态系统的角度考察生态系统的效能，类似的，商业生态系统的功能指商业生态系统所创造的商业价值总和。健壮性与系统功能有着强的正相关关系；但是在特定的环境下，系统功能超过一定的限度，其对健壮性的影响不大。
5、健壮性与系统生态效率
自然生态系统的生态效率是指各种能流参数中的任何一个参数在营养级之间或营养级内部的比值商业生态系统的生态效率可以认为是系统价值实现效率，该效率反映了商业生态系统的价值增值能力，常用的指标包括：资金增值效率、技术创新指数等指标。从生态效率的概念可以看出，系统生态效率越高，内部企业的归属感就越强，商业生态系统企业或组织之间联系就更紧密，商业生态系统的健壮性就越强。
6、健壮性与稳定性
稳定性与健壮性的相同点在于：都是考察系统在有扰动情况下的性质、状态方面特性；持续性是稳定性和健壮性的共同点。但两者又有着本质的区别。Erica Jen等对社会经济系统健壮性与稳定性的关系从理论和实证的两方面进行了综合研究，认为健壮性的概念内涵比稳定性概念更宽泛：首先，健壮性考察的是更复杂层面的系统行为，即受干扰系统本身是复杂适应系统，具有可变能力；其次，健壮性更关心一些超出稳定性研究范围的内容：若系统组织结构、组织和动力学因素之间的交互关系、与过去及未来的演化行为之间的关系、健壮性的成本及收益等概念。
7、健壮性与健康
健壮性是系统的特性，而健康是指系统的一种正常工作状态，两者有紧密联系，又有着本质的区别。一般来说，具有高健壮性的系统能够保持一种健康的状态。但健壮性考察的是系统对于外界或内部出现扰动时的稳定性，而健康考察的是系统当前状态是否达到一定的“正常”标准。在这里要特别注意的是，一些商业生态系统虽然目前比较“健康”，各项指标正常，但系统很可能缺乏健壮性，一旦受到某些特定干扰会受到毁灭性的打击。
四、结论
商业生态系统的健壮性与系统特性其他概念，如：共同进化、自组织、系统功能、生态效率等，有着紧密的联系，同时，商业生态系统的健壮性受到企业层面、商业生态系统层面、商业生态系统外部环境层面等三个层次因素的影响。由于商业生态系统健壮性概念比较抽象，国内外有关研究又很少，商业生态系统健壮性内涵尚缺乏系统的分析。在本研究成果的基础上，我们还可以对商业生态系统健壮性影响因素和评估方法进行更进一步研究，以便为企业构建高健壮性的商业生态系统提供参考和借鉴。
系统医学论文范文第4篇
[摘 要] 当前课堂交互分析将教学视为行为系统或信息系统,注重师生外显行为，没有关注学生思维过程。课堂交互本质上是认知过程，本文基于学习科学的研究成果，提出了从学习过程的角度对课堂交互进行分析的方法，在此基础上以中学（七年级）数学课堂《从不同方向看》为研究对象，选取典型课堂交互，利用CAUT模型对问答过程进行分析，并在ACT-R中实现了模拟。通过学习过程分析对课堂教学提出了三点建议，帮助教师更加有效地设计教学来促进学生学习。
[关键词] 学习过程； 课堂交互； 认知模型
[作者简介] 魏雪峰（1981—），男，山东莱芜人。讲师，博士研究生，主要从事课堂交互、问题解决等研究。E-mail：weixfeng@gmail.com。
2000多年前孔子（公元前551—前479）的“启发式”和苏格拉底（Socrates，公元前470—前399）的“产婆术”，是教学中经典的提问方法，通过提问不断引导学生思考，最终实现预期“学习结果”。仔细分析孔子和苏格拉底的师生交互会发现：从次序上看，提问内容具有一定的顺序性；从内容上看，前后内容之间具有严密的逻辑推理；从认知逻辑上看，符合学生学习的认知规律。
目前看来，课堂教学依然是学校教育的主要形式，课堂交互（Classroom Interaction）是课堂教学的重要组成部分。课堂教学是认知活动的竞技场，[1]最近关于学习的研究表明，发生在教师和学生之间的课堂交互本质上是社会认知过程。[2][3][4][5]本文从行为系统和信息系统两个角度对已有课堂交互分析方法进行了总结，在此基础上尝试利用脑科学、认知神经科学、心理学、人工智能等相关研究成果，从学习过程的角度对课堂交互进行分析，并在ACT-R中模拟，以期更好地揭示认知过程，帮助教师深入理解学习过程，进而设计有效教学帮助学生学习。
一、已有课堂交互分析方法
（一）行为系统视角
从行为系统的角度对教学分析的研究，大致关注两个方面，一方面是研究特定行为的教学价值。有研究者关注成人学习者的学习持久性与教学交互之间的关系，研究发现26%的学习者认为，异步讨论对他们的坚持学习有促进作用。[6]Wai King Tsang考察了非母语英语课堂中教师反馈与学生举手发言之间的交互关系，研究发现：重做可能会引发其他类型的反馈；尽管重做和明确修改对于拼写错误有作用，讨论协商更有利于语法错误的纠正。[7]Judith Kleine等研究者关注不同类型的交互（不使用计算机的面对面交流、基于计算机的协作异步交流、在计算机辅助下的面对面交流）与学习效果的关系，研究表明，计算机介入的交互更加规则，与计算机介入的交互相比，面对面的交互能发生更多的学习。[8]
从行为系统的角度对教学分析的研究关注的另一方面是对交互进行细致解释学分析。人们关注的主题有：确定对话结构和特征的有效可靠的方法、通过对话交互分析确认对话角色、智能教育系统中对话的运算模型。[9]Joi L等人研究发现，质量越好的交互所达到的层次越高。[10]
典型的课堂交互分析方法有：弗兰德互动分析系统（Flanders Interaction Analysis System，FIAS）和学生—教师（Student-Teacher，S-T）分析法。弗兰德互动分析系统是美国明尼苏达大学弗兰德（Flanders）在20世纪60年代提出的一种课堂行为分析技术，用于记录和分析课堂中师生语言交互过程及影响。该系统大致由三个部分构成：（1）一套描述课堂互动行为的编码系统；（2）一套关于观察和记录编码的规定标准；（3）一个用于显示数据，进行分析的矩阵。[11]宁虹等采用弗兰德互动分析系统对一堂中学物理课进行了分析，并针对FIAS存在的缺点进行了改进。[12]S-T分析法主要用于对课堂交互的定量分析。S-T分析法将教学中的行为分为S（学生）行为和T（教师）行为两类。它将教学分为四种不同的教学模式：练习型、讲授型、对话型和混合型。[13]S-T的分析结果可以用S-T图表示。单迎杰采用S-T分析法对陕西师范大学教育技术学专业“教育技术学研究方法”、“电视原理”等六门专业课的教学过程进行了分析。[14]
（二）信息系统视角
在教学分析领域，国内外有些学者认为教学是一个信息流动的过程。李克东教授对教学系统中认知学习过程进行了信息流向分析，并采用功能模拟的系统科学研究方法来分析教学系统。[15]美国学者豪恩斯坦（A.Dean Hauenstein）把系统的观点引入教学，并明确提出，任何一个系统都是由输入、过程、输出和反馈构成的封闭回路，他明确提出教学系统是一个信息系统。[16]
杨开城教授也认为教学系统从本质上讲是信息系统。教学系统的分析实际上是用另外一种编码体系来表征自然语言表征的教学系统，把教学分析建立在信息系统视角之上，从教学系统整体功能机制出发，把以信息系统为视角的教学分析的观点引入实际的分析操作。[17]他提出了IIS（Instructional Information Set）图分析法。[18]林凡等通过严谨的实证研究证明了目标知识点的激活量与学习效果正相关。[19]
（三）对已有分析方法的评述
弗兰德互动分析系统（FIAS）多使用固定时间单位（如每三秒钟）进行采集，容易造成“意义单元”的切分；观察量表仅是对教师和学生的语言行为进行量化，对于整个课堂交互过程来说显得过于粗糙，不能反映一堂课中的所有交互行为；更多的关注教师（或学生）的语言行为，如教师、学生言语所占比例，教师提问次数，学生回答次数等，分析仅停留在外显行为层面。
S-T分析法中，S、T行为界定粗糙。通过S-T分析图我们能够清楚地看到师生各自的行为发生了多少、所占比例、发生的时间，却无法界定他们做了什么动作。可以判断教学模式，但对教学过程的评价处于一个模糊状态。
IIS图分析法比行为系统的分析更近了一步，更加关注教学内容，通过分析课堂交互过程中知识点的激活量来预测教学效果。然而，IIS图分析法关注的是教师、学生的输入和输出，认为内部的信息处理是透明的、不可见的，即没有关注学生内部的信息处理过程。
二、基于学习过程的课堂交互分析
（一）学习科学的兴起
目前，许多国家大力支持脑与学习科学的研究工作。美国国家科学基金会（National Science Foundation，NSF）执行总裁阿登·贝蒙特（Arden Bement）认为“关于学习的基础研究非常重要。在当今复杂和快速变化的环境中，对学习过程的基本理解有助于我们发展知识基础，这种知识基础对于永远处于变化当中的世界的繁荣是非常必要的”。[20]我国北京师范大学认知神经科学与学习国家重点实验室和东南大学学习科学研究中心正在从事这方面的研究。
随着学习科学（Learning Sciences）的诞生和发展，为有效研究学习提供了新的视野。学习科学是一个跨学科的研究领域，“它吸收了有关人的科学的多种理论视野和研究范式，以便弄清学习、认知和发展的本质及其条件”。[21]“学习科学研究的目标，首先是为了更好地理解认知过程和社会化过程以产生最有效的学习。其次便是为了用学习科学的知识来重新设计我们的课堂和其他学习环境，从而使学习者能够更有效和深入地学习”。[22]学习科学对学习的研究主张将学习置于多学科研究的广泛视野，涉及信息科学、脑科学、认知科学、心理学及教育学等众多研究领域，通过在心智、脑科学和教育（Mind、Brain and Education）之间建立桥梁，将脑科学的最新成果应用于学习和教育过程。
美国教育部教育技术办公室（Office of Educational Technology）在2010年3月5日发布了《2010国家教育技术规划》（National Educational Technology Plan 2010，以下简称“规划”），题目为“改变美国教育：技术使学习更强大”。在规划中多处出现了“学习科学”这一术语，认为学习科学的最新研究成果所揭示的人是如何学习的过程为教育技术的应用提供了重要的理论基础。规划也承认：当前的教育系统在对学生进行评估时过多地注重学习结束后事实性知识的掌握，而没有关注学生在学习过程中即时学习的反馈和改进，即很少关注学生的思维过程，这种情况在我国的教育系统中也普遍存在。学习科学的不断兴起，为我们从学习过程的角度研究课堂交互提供了重要基础。
（二）CAUT模型
根据目前心理学和认知神经科学的研究成果，[23][24][25][26]提出了CAUT（a Cognitive Architecture of Human Thinking）模型，[27]如图1所示。
CAUT模型关注学生的思维过程，重视对学习过程的理解。该模型包括以下几部分：感觉器官、感觉控制、对象编码、长时陈述性记忆、长时程序性记忆、活动对象（工作记忆）、控制与决策、情境/目标、运动控制、效应器、外回路、内回路等。为了表述清晰，可以将其分为以下八个模块：（1）E/I（External Loop/Internal Loop）：内部回路或外部回路；（2）IO（Internal Object）：内部的对象；（3）MC（Declarative Memory Retrieval Check）：陈述性记忆提取，判断感知的对象是新对象还是旧对象；（4）LTDMO（Long Term Declarative Memory Operation）：对长时陈述性记忆的认知操作；（5）AO（Active Object Buffer）：激活对象集合，包括看到和听到的对象，是工作记忆（Working Memory）的一部分；（6）AADM（Active Action buffer and Decision Making）：包括激活的动作、决策及相关部分；（7）CGE（Context,Goal, Expectance）：与当前任务相关的情景、目标、预期；（8）Action：动作模块，包括运动控制和效应器。因此，CAUT模型可以表示为如图2所示。
当我们感知到（看到或听到）外部对象时，通过视觉或听觉通道编码表示为内部对象，然后判断内部对象是否存储于长时陈述性记忆中，如果已经存储就激活相应的对象进入到活动对象中，如果没有存储就不停复述、直接进入到活动对象（工作记忆的一部分）中（如现实生活中我们记一个陌生的电话号码需要不停地重复）。工作记忆中的活动对象会激活长时程序性记忆中的相应动作，激活的动作可能不止一个，通过决策选择一个动作执行。
与其他认知结构如ACT-R、[28]SOAR、[29]CLARION[30]等模型相比，该模型具有以下特点：
（1）在效应器和感觉器官之间增加了内部言语回路，如默读等，回路的存在已经在认知神经科学中得到证明；[31][32][33]
（2）长时记忆进一步区分为陈述性记忆（Declarative Memory）和程序性记忆（Procedural Memory），并与学习过程中的知识和技能相对应；
（3）强调记忆的巩固。最近研究表明，在学习或其他认知过程对长时记忆的使用与记忆的巩固是分开的，记忆的巩固发生在认知过程之后。[34][35]
（三）典型课堂交互分析
1．研究对象
我们选取七年级（上学期）一节数学课，讲授内容为第一章《丰富的图形世界》中的第四节《从不同方向看》。所用教材为北京师范大学出版社出版的义务教育课程标准实验教科书，七年级上册数学（2005年5月第四版），授课教师为济南育英中学唐鲁军。
2．典型课堂交互序列
出于研究的需要，先将课堂视频转换为文本。在观看录像过程中，我们发现，初中数学课堂中教师经常使用实物（或教具）及多媒体课件来帮助学生理解，因此在转换过程中不仅要把教师的课堂话语转换为文本，对于课堂教学中所用的实物展示及大屏幕所展示的内容，通过加标注、注释等方法记录下来。
在研究中采取“教学目标—教学子目标”的方法对课堂交互文本进行分类。教学目标的确立依据布卢姆的教育目标分类学（修订版），[36]从知识和认知过程两个维度进行分析。我们对《从不同方向看》课堂交互文本中的教学活动进行分类，按照时间序列得到了9种教学活动。我们选取了讲解概念的交互序列，如图3所示。
3．交互序列认知过程模拟
ACT-R（Adaptive Control of Thought-Rational）是美国卡耐基梅隆大学（Carnegie Mellon University）著名认知心理学家安德森（John R. Anderson）领导的认知科学实验室多年研究的国际上著名认知仿真工具。其内部架构、参数设定都是根据大量的认知心理学实验数据得到的，很多数据是通过核磁共振实验精确验证过的。其外在表现是一种编程语言，使用这种编程语言编写的程序就符合了ACT-R内部的认知预设，从而能够和真人实验的认知过程一致，达到仿真的效果。它已经被广泛使用来模拟人类认知行为的不同方面，例如汉诺塔问题、语言理解、模式识别、记忆、简单几何证明等。
学习过程的模拟是非常复杂的，需要对每一句话在特定的情境下进行分析。图3给出了一个典型的课堂交互序列，限于篇幅，本文只选取“教师提问—学生回答”的课堂交互序列进行模拟分析，提供课堂交互分析的一种方法。交互序列如下所示，其中T表示教师（Teacher），S表示学生（Student）。
T：那么，我从正面看到的就叫做什么？
S：主视图。
利用CAUT模型对选取的课堂交互序列进行分析，分析的结果转换为能在ACT-R中执行的程序（.lisp格式），从而实现学习过程模拟。
教师在提问之前已经讲述了“主视图”的概念，即假定学生长时陈述性记忆中存储“从正面看到的图叫做主视图”。下面把教师提问—学生回答的认知过程描述如下。
（1）学生听到教师的话语：“那么，我从正面看到的叫做什么？”分词后由听觉通道进入大脑（如威尼克区）并进行相应的神经编码；（2）编码后的词激活长时陈述性记忆（LTDMO）中心理词典（mental lexicon）中相关对象并进入活动对象集合（AO）；（3）活动对象集合（工作记忆的一部分）中的内容，经过语义理解，设定该句话的目标为搜索问题，搜索三元组（从正面看到的叫做什么）；（4）活动对象激活长时程序性记忆中的产生式，并产生相应的动作；（5）激活的动作可能不止一个，通过“决策”来选择其中的一个动作执行；（6）以三元组的形式（从正面看到的叫做什么）在长时程序性记忆中搜索；（7）只有一个与之匹配的答案“主视图”，搜索结束；（8）学生说出答案。
为了形象直观地表示学生听到“那么，现在我从正面看到的就叫做什么”后，回答“主视图”的认知过程，用M行8列的认知矩阵来表示，如图4所示。其中，左侧的数字表示行号，每行代表认知逻辑步骤（Cognitive Logic Step），并非实际执行的步骤，最后一行表示认知结束。8列与图2中的8个模块相对应。从图4中分析看出，第7行设定目标，直到第9行理解老师的话，第12行给出答案，即达到目标，认知任务结束。
ACT-R提供了抽象的认知结构，仅从功能的角度对认知模型进行了描述。在研究需要根据认知矩阵的分析过程，编写能够在ACT-R中模拟的程序，编写的程序为.lisp格式，模拟结果如图5所示，最小时间间隔为0.05秒（默认值）。
通过模拟可以发现，学生在回答问题时首先要确定目标（Goal），突出目标的重要性，这与加涅提出的“九大教学事件”中的“告知学习者目标”教学事件相一致。根据活动集合中的对象，激活了相匹配的产生式（Proceduction-Fired），并在长时陈述性记忆中开始提取（Start-Retrieval）；当有多个产生式同时被激活时，会采取冲突解决（Conflict-Resolution）策略，选择其中的一个产生式执行；0.015秒时，其中的一个产生式被激活，在长时陈述性记忆中搜索，找到与之匹配的内容，达到目标，认知过程结束。
4.模拟结果分析
通过上述模拟深入研究学生回答问题的内部认知过程，并通过ACT-R将这种内部认知过程展现出来，将该学习活动所涉及的陈述性知识和程序性知识提取出来。教师根据不同的知识类型采用不同的教学方法。如主视图、左视图、命题等概念，这些陈述性知识主要通过教师讲解来记忆；而像算术计算、解方程、几何证明等程序性知识需要学生在实际的做题过程中不断训练才能获得。
该模型还可以分析师生的交互是否有效促进了学生的认知，是否符合学生的认知规律。例如，两种不同的提问方式“从正面看到的叫做什么”和“主视图是从正面看到的吗”属于两种不同的问题，前者是搜索问题，后者是判断问题。在ACT-R中模拟回答这两类问题的认知过程是不同的，学生在回答这两类问题时所需要的程序性知识也不同。
三、学习过程分析对课堂教学的启示
通过以上分析可以发现，不同的课堂交互会产生不同的学习过程，进而产生不同学习结果，因此，教师在课堂教学中应该注意以下三点：
（一）精心设计课堂提问，促进学生深度理解
在中小学课堂中，提问依然是课堂交互的一种常用方法。然而，从实际课堂观察可以发现，教师往往为了课堂表面的热闹而简单、随意甚至重复地提问，部分提问缺乏科学依据和科学设计，课堂提问问题层次较低，纯粹记忆性问题过多地抑制了学生思维的发展，不易于教学内容的深度理解。教师应该根据学生认知特点和所讲内容特点，精心设计有效课堂提问，使学生在回答问题的过程中，自动建立新旧知识之间的联系，加深对所学内容的理解。从上述模拟过程可以看出，关于“主视图”的不同提问“从正面看到的叫做什么”和“主视图是从正面看到的吗”，产生的认知过程是不同的。卢正芝提出了有效课堂提问的标准，[37]为教师设计有效课堂提问提供了参考。
（二）合理提供反馈，让学生积极参与学习过程
在课堂教学中，教师对于学生的回答往往采用“好”、“对”、“错误”等简单评价，提供的反馈方式单一，尤其是对于学生回答错误或不完全正确的情况，缺乏进一步的启发和诱导。对于教师的提问，不可能所有学生都回答正确，合理的启发和反馈非常有必要；即使对于学生回答正确的情况，也可以对学生做出该回答的过程进行询问，如“你是怎么得出这个答案的”、“为什么这么回答”等，帮助学生更多地关注学习过程，建立新旧知识之间的联结，养成“知其然更要知其所以然”的习惯。
（三）科学设计教学过程，帮助学生养成良好的思维习惯
在中小学阶段帮助学生养成良好的思维习惯比简单的获取知识更为重要。良好的思维习惯能使学生遇到相似问题或新问题时，顺利地实现知识迁移，甚至创造性地解决问题。思维习惯是隐性知识的重要内容，也是程序性记忆的重要组成部分，其养成是一个长期的过程。思维习惯的养成要与具体学科知识教学相联系，这就要求教师在上课过程中针对知识点设计典型的问题进行讲解，讲解过程的每一步都要有意识地训练学生的思维能力，更加重视问题解决的过程，让学生在问题解决的过程中不断养成良好的思维习惯。例如：在讲解小学五年级数学（下册）“众数”概念时，通常的方法是给出问题和数据，然后告诉学生“一组数据中出现次数最多的数是这组数据的众数”。与之不同的另一种方式是呈现现实问题，如“我们班明年举办生日庆祝活动，给某月出生的同学过生日，如果你是班主任，会选哪个月”，贴近学生生活实际，学生自己能收集数据并作出选择，根据统计结果会选择过生日最多的月份，然后引出“众数”的概念。虽然两种不同的教学过程，学生都能学会“众数”概念，但概念理解程度和运用“众数”概念解决实际问题的能力是有差异的。教师在课堂教学中应帮助学生养成运用数学知识解决实际问题的思维习惯。
四、总结与展望
本文在总结已有课堂交互分析的基础上从学习过程的角度对课堂交互进行了分析。根据脑科学、认知心理学、认知神经科学的研究成果，选择典型课堂交互序列利用CAUT模型进行了分析，并在ACT-R中模拟。根据课堂交互的分析过程，为课堂教学提出了三点建议，帮助教师设计更加有效的教学。
然而，在基于学习过程的课堂交互分析过程中，本文仅选取了一小段进行了分析，认知程序的编写需要对学习过程有具体而深刻的理解，如何利用CAUT模型自动生成认知程序，并在ACT-R中实现对整堂课的模拟，需要我们进一步的研究。
[参考文献]
[1] 钟启泉.“课堂互动”研究：意蕴与课题[J].教育研究，2010，（10）:73~80.
[2] Judith L, Gregory Camilli, Patricia B. Elmore. Green. Handbook of Complementary Methods in Education Research[M].American Educational Research Association，2006.
[3] Baruch Schwarz,Tommy Dreyfus and Rina Hershkowitz. Transformation Knowledge Through Classroom Interaction[M].Routledge Teylor& Francis Group，2009.
[4] Asa Wedin.Classroom interaction: Potential or problem? The case of Karagwe[J].International Journal of Educational Development,2010,（30）:145~150.
[5] Bernard J. Baars, Nicole M. Gaga. Introduction to cognitive neuroscience: Cognition, Brain, and Consciousness[M].Elsevier Ltd, 2007.
[6] Steven F Tello. An Analysis of Student Persistence in Online Education[J].International Journal of Information and Communication Technology Education,2007,（3）:47~60.
[7] Wai King Tsang.Feedback and Update in Teacher-Student Interaction:An Analysis of 18 English Lessons in Hong kong Secondary Classrooms[J].RELC Journal,2004,（35）:187~209.
[8] Judith Kleine，Staarman，Karen Krol，Henny vander，Meijden Peer. Interaction in Three Collaborative Learning Environments[J].The Journal of Classroom Interaction,2005,（4）:29~39.
[9] Rachel Pilkington.Analysing Educational Dialogue Interaction:Towards Models that Support Learning [J].International Journal of Artificial Intelligence in Education，2001,（12）:1~7.
[10] Joi L. Moore，Rose M. Marra. A Comparative Analysis of Online Discussion Participation Protocols[J].Journal of Research on Technology in Education, 2005,38（2）:191~212.
[11] Freiberg,H.Jerome. Three Decades of the Flanders Interaction Analysis System[J].Journal of classroom interaction,1981,16（2）:1~7.
[12] 宁虹，武金虹.建立数量结构与意义理解的联系——弗兰德互动分析技术的改进运用[J].教育研究，2003，（5）：23~27.
[13] 傅德荣，章慧敏.教育信息处理[M].北京:北京师范大学出版社，2001.94~108.
[14] 单迎杰.以S-T分析法分析教育技术专业课课堂教学问题[J].现代教育技术，2008，（10）:29~31.
[15] 李克东.系统科学方法在教学系统研究中的应用[J].教师教育研究，1990，（4）:56~60.
[16] 马兰，盛群力.教育目标分类新架构——豪恩斯坦教学系统观与目标分类整合模式评述[J].中国电化教育，2005，（7）:20~24.
[17] 杨开城.教学系统分析技术的初步研究[J].中国电化教育，2007，（8）:1~5.
[18] 杨开城，林凡.教学系统的IIS图分析法及其实证研究[J].中国电化教育，2010，（2）:31~34.
[19] 林凡.教学系统分析IIS图方法研究[D].北京:北京师范大学，2009.
[20] Arden Bement. Learning about Learning: NSF Awards $36.5 Million for Three Centers to Explore How Humans, Animals and Machines Learn [DB/OL].http://www.nsf.gov/news/news_summ.jsp?cntn_id=100454&org=NSF&from=news.
[21] Sasha A. Barab. Using Design to advance learning Theory, or Using Learning Theory to Advance Design[J].Educational Technology, 2004,（3）:16~19.
[22] Robert Keith Sawyer. Introduction: The New Science of Learning. The Cambridge Handbook of The Learning Sciences[C].Cambridge University Press,2006.5~6.
[23] Zoltan Torey. The Crucible of Consciousness: An Integrated Theory of Mind and Brain[M].Cambridge：MIT Press,2009.
[24] Stephen M Wilson,etc.Listening to Speech Activates Motor Areas Involved in Speech Production[J].Nature Neuroscience,2004,（7）:701~702.
[25] Karim Nader，Oliver Hardt. A Single Standard for Memory：the Case for Reconsolidation[J].Nature Reviews Neuroscience,2009,（10）:224~234.
[26] William P. Banks.Encyclopedia of Consciousness[M].Oxford: Elsevier, 2009.389~402.
[27] Cui Guangzuo, Wei Xuefeng,ect. A Cognitive Model of Human Thinking[C].7th International Conference on Natural Computation, ICNC 2011, Shanghai, China.
[28] Anderson, J. R., Bothell, D., Byrne, M. D., Douglass, S., Lebiere, C., & Qin, Y . An Integrated Theory of the Mind[J].Psychological Review,2004,（4）:1036~1060.
[29] Laird，J.E.，Newell,A.，and Rosenbloom，P.S.Soar: An Architecture for General Intelligence[J]．Artificial Intelligence,1987,（1）:1~64.
[30] R.Sun and I.Naveh. Simulating Organizational Decision Making With a Cognitive Architecture CLARION[J].Journal of Artificial Society and Social Simulation, 2004,（3）:1~39．
[31] NORBERT WILEY.Inner Speech asa Language:A Saussurean Inquiry[J].Journal forthe Theory of Social Behavior,2006,（36）:319~341.
[32] Sophie K.Scott, Carolyn McGettigan and Frank Eisner. A Little More Conversation, a Little Less Action—Candidate Roles for the Motor Cortex in Speech Perception[J].Nature Review Neuroscience,2009,（10）:295~302.
[33] Friedemann Pulvermüller and Luciano Fadiga.Active Perception: Sensorimotor Circuits as a Cortical Basis for Language[J].Nature Review Neuroscience,2010,（11）:351~360.
[34] Susanne Diekelmann and Jan Born. The Memory Function of Sleep[J].Nature Reviews Neuroscience, 2010,（11）:114~126.
[35] Pierre Maquet. The role of Sleep in Learning and Memory[J].Science, 2001,（294）:1048~1052.
[36] L.W.Aderson，等.布卢姆教育目标分类学（修订版）[M].蒋小平，等译.北京:外语教学与研究出版社，2009.
[37] 卢正芝，洪松舟.教师有效课堂提问:价值取向与标准建构[J].教育研究，2010，（4）:65~69.
基金项目：国家社会科学基金“十一五”规划2010年度教育学一般课题“课堂交互产生学习结果的认知模型与仿真研究”（课题编号：BCA100023）
系统医学论文范文第5篇
【摘 要】当前，中国银行系统稳定性仍未明显改善，商业银行的不良贷款比例再次上升，债券市场违约事件增加以及股票市场下跌。首先，根据在险价值（CoVaR）模型对中国银行系统稳定性的评估结果显示，在金融去杠杆的影响已传导至实体部门的背景下，在商业银行受到个体性冲击时，单家商业银行的个体损失以及平均风险溢出率均未呈现改善；在商业银行受到系统性冲击时，五大国有商业银行抗击系统性风险的能力虽然依然强于其他银行，但其优势正在缩小。此外，根据网络模型的分析，虽然中国金融机构间同业网络整体稳定性有一定改善，但五大商业银行的稳定性值得特别关注。
【关键词】 金融风险；系统重要性银行；在险价值模型；网络模型
Absrtact： At present， the stability of China’s banking system is not improved significantly. The proportion of non-performing loans in commercial banks has risen again， the number of defaults in the bond market has been increased and the stock market has fallen. First of all， it is shown from the evaluation results of the stability of China’s banking system based on the value at risk （CoVaR） model that under the background that the influence of financial deleveraging has been transmitted to the real economy， when commercial banks are subject to individual shocks， the individual losses and the average risk overflow rate of a single commercial bank have not been improved. When commercial banks are systematically impacted， the five major state-owned commercial banks are still better than other banks in resisting systemic risks， but their advantages are diminished. In addition， according to the analysis of network model， although the overall stability of the interbank network among Chinese financial institutions has been improved to some extents， the stability of the five major commercial banks deserves special attention.
Key words： Financial Risk； Systematically Important Banks； CoVaR Model； Network Model2018年以来，国际政治经济环境发生深刻变化，国内经济下行压力加大。此外，2017年以来的金融系统去杠杆和强监管的效应仍在持续，这些都对中国金融系统的稳定运行带来较大挑战，使得中国商业银行的不良贷款比例再次上升，债券市场违约事件增加以及股票市场下跌。针对这些现象，2018年12月召开的中央经济工作会议确定了今后3年的“三大攻坚战”之中的打好防范化解重大风险攻坚战，重点是防控金融风险。由此可见，金融风险的防控在中国未来经济工作中的重要性，而要防控金融风险首先需要精准识别风险点，才能进行有效处置。长期以来银行在中国金融系统中占据主导地位，并且在未来较长时间内仍将维持这一格局，因此，识别金融系统的风险点关键在于识别银行中的潜在风险。
一、风险评估模型
评估和分析各银行间以及金融系统的风险主要有两类模型。一类是简约模型，如在险价值（CoVaR）模型。这类模型主要利用的是较高频的市场数据（如日数据、周数据等），通过分析这些数据的联动性来识别系统重要性银行，其主要优势在于可以利用高频数据来及时发现系统或某些银行的异常情況。但这类简约模型的最大缺点在于假设前提非常强，例如CoVaR模型的隐含假设为市场是“半有效”或“强有效”的，否则如果市场是“弱有效”的，该方法则几乎无效。另一类是结构化模型，如网络模型。该类模型主要是基于金融机构间的关联网络 来识别系统重要性金融机构，从而分析危机传染路径和范围并测算损失程度。这类模型的主要优势在于不要求市场是“半有效”或“强有效”，只要能够较全面和准确地构建出金融机构间网络就可以进行分析和测算。但是这类模型的缺点也很明显，即受制于金融机构财务数据公布频率，无法高频率地观测金融机构间网络的变化，从而及时更新危机传染路径和范围并测算损失程度。由于两类模型各自的优缺点都非常明显，为了准确评估中国金融系统的稳定性并识别系统重要性金融机构，我们分别用两种模型做了定量分析。
二、基于CoVaR模型的分析
我们从WIND的股票数据库中选取了2011年1月1日至2018年12月14日在沪深两市上市至少两年的商业银行，共计16家商业银行 的日度数据作为样本数据。截至2018年三季度，这16家银行的总资产占中国商业银行资产总额的比例达75.4% ，代表性良好。在估计银行系统以及各家银行的VaR和CoVaR系数时，我们用16家上市银行后复权日收盘价来计算的各家银行的日收益率表示各银行的运行情况，用中证沪深300商业银行全收益指数日收盘指数来计算的日收益率表示银行系统的运行情况。表1列出了样本区间内，中证沪深300商业银行全收益指数日收益率以及各家商业银行后复权日收益率的统计描述。
首先，当单家银行受到将使其产生最大损失的外部冲击时，我们估算了每家银行自身将受到的损失，即在险价值（Value at Risk，VaR），但是VaR并没有考虑单个银行风险溢出的影响，即单家银行遭受冲击并发生损失时导致的系统中其他银行产生的损失。为了考察每家银行在遭受冲击时的风险溢出效应，我们还估算了每家银行的条件在险价值（Conditional Value at Risk，CoVaR）。每家银行风险溢出的影响用CoVaR和VaR之差表示，即△CoVaR=CoVaR-VaR。此外，我们还计算了△CoVaR/VaR，来衡量每家银行自身遭受将产生最大损失的外部冲击时，其引发的系统中其他银行的损失与其造成的总损失的比例。
表2列出了在5%的置信水平下每家样本银行自身受到使其产生最大损失的外部冲击时，其自身受到的损失和对整个银行系统的影响。可以看出，中国上市银行中每家银行受到将使其产生最大损失的外部冲击时，如果不考虑风险溢出效应，除了交通银行、光大银行和兴业银行外，其他银行的日均VaR损失均超过了3%，其中日均VaR损失最大的是中信银行，为3.25%，五大国有商业银行和其他银行并不存在显著的差异。在考虑各家银行风险的溢出效应时，风险溢出（即△CoVaR）最大的四家银行恰好为传统的国有四大行（工、农、中、建），交通银行的风险溢出水平也处于第六位。需要指出的是，我们发现随着金融系统内部去杠杆持续推进以及内部监管逐渐加强，上市的股份制银行、城商行和农商行风险溢出造成的损失比例较2017年中有所减小；但各家银行风险溢出造成的损失比例上升到比2017年中更高的水平。当前，中国银行系统的稳定性不但没有改善，其脆弱性再次凸显。从△CoVaR/VaR来看，国有五大行溢出的损失所占其造成的总损失的比例最大，而且工商银行、中国银行和农业银行风险溢出的损失所占比例超过了30%，农业银行甚至高达36%。可见，中国商业银行间的关联程度进一步增强，国有五大行风险溢出影响进一步加大。基于最新数据的分析结果，我们认为股份制银行和区域性银行对银行系统的影响日益增大，不可忽视，但当前保持国有五大行的稳定对于保持中国银行系统的稳定至关重要，应该优先关注国有五大行的稳定性。
其次，我们还考虑了当整个银行系统遭受将使其产生最大损失的外部冲击时，在不考虑各银行会产生反馈式风险溢出的情况下系统性冲击对每家银行造成的损失（即在险价值，VaR），以及在考虑各银行会产生反馈式风险溢出的情况下系统性冲击对各家银行造成的损失（即条件在险价值，CoVaR），并计算了反馈式风险溢出程度（即条件在险价值与在险价值之差，△CoVaR=CoVaR-VaR）和风险溢出率（△CoVaR/VaR）。表3列出了在5%的置信水平下每家样本银行遭受系统性冲击时，其自身受到的损失和对整个银行系统的影响。
从表3可以看出，当整个银行系统遭受将使其产生最大损失的外部冲击时，在不考虑风险的溢出效应时，日均VaR最大的两家银行分别是中信银行和平安银行，均超过4%，损失最小的不再是国有五大银行，而是光大银行。平均而言，国有五大行的日均损失较其他股份制银行和城市商业银行仅小0.18%，即国有五大行抗击系统性风险的能力仅稍强于股份制银行和城市商业银行。在考虑各家银行风险的溢出效应时，风险溢出程度（即△CoVaR）最高的是依然中信银行和平安银行，均超过1%；而风险溢出程度最小的则是光大银行以及兴业银行。从△CoVaR/VaR来看，平均而言，当整个银行系统遭受巨大外部冲击时，国有五大行对系统溢出的风险占其总损失的比例较其他股份制银行、城商行和农商行的该比例仅低1%。也就是说，在出现系统性风险时国有五大行抗击系统性风险的能力虽然依然强于其他银行，但其优势正在缩小。从具体数字上来看，几乎所有银行的风险溢出率较2017年末均呈上升之势，虽然国有五大行的平均上升幅度小于其他全国性股份制银行和区域性银行，但这一指标均上升到20%以上，而在2017年末有一半的银行是低于20%的。2018年以来国有五大行抗击系统性风险的能力虽然依然强于其他银行，但其风险溢出率持续上升，即对稳定银行系统所起到的作用越来越弱。
三、基于网络模型的分析
由于数据的限制，基于CoVaR模型的分析只能考察上市银行与银行系统的关系，而不能对非上市银行进行考察，也不能识别风险传染的路径以及传染范围。因此，我们在上市银行的基础之上，将三家政策性银行6，更多的城市商业银行和农村商业银行，以及其他上市的非银行金融機构纳入了考察范围，构建了金融机构间的关系网络。基于该网络，在假定金融系统整体受到外部冲击并引发金融机构间双边头寸清算的情况下，我们分析了危机传染路径和传染范围并测算了损失程度，从而对整个金融系统的稳定性进行评估并对系统重要性金融机构进行识别。
我们从ORBIS Bank Focus数据库中，剔除了数据缺失的银行和其他金融机构后，选取了2017年末共计251家银行和其他金融机构的相关数据作为样本。其中，包括3家政策性银行、5家大型国有商业银行，11家股份制银行以及176家城市和农村商业银行。此外，由于中国同业市场的参与者不仅限于银行，还包括证券业、保险业等金融机构。因此，为了更为全面地构建中国同业市场网络，我们还将在A股上市的36家证券公司、6家保险公司以及9家其他金融机构纳入考察范围。由于该样本已包括中国所有大中型银行、众多城市和农村商业银行以及主要的证券公司和保险公司，因此我们假设该样本完全代表中国金融机构同业市场的参与者。根据相关文献，银行间的关联网络是通过各家银行在同业市场的双边头寸建立起来的。理想状态是能够获取每家银行与系统中其他各家银行在同业市场的双边头寸，可是在实际操作中，中国的金融机构并不需要披露与其他金融机构在同业市场的双边头寸，而只需在财务报表中披露其在同业市场中拆入和拆出的总头寸数据。因此，我们利用最大熵方法估计出了2017年样本金融机构在同业市场的双边头寸数据，并将其写成了借贷关系矩阵以便分析。
传统文献中，金融机构的同业资产的定义是存放在国内同业的款项和拆放给国内同业的款项之和，同业负债项的定义则是同业存放在本行的款项与同业拆放给本行的款项之和。但随着中国金融系统的快速发展，同业业务的手段已经不再局限于同业拆放，而且监管层也意识到了这一点并对同业业务的定义进行了拓展7，例如央行在2017年二季度货币政策执行报告中宣布拟于2018年一季度将同业存单纳入MPA同业负债占比考核。因此，我们在原有文献的基础之上对金融机构同业资产和同业负债的定义进行了拓展 。其中，拓展的同业资产为存放同业款项、拆出资金净额、买入返售金融资产净额、交易性金融资产、可供出售金融资产净额和持有至到期投资净额之和；而拓展的同业负债为同业及其他金融机构存放款项、拆入资金和卖出回购金融资产之和。另外，我们还假设由于外部冲击引起的各金融机构间同业头寸进行清算将导致银行资本的损失，当某家金融机构的资本损失殆尽时将会倒闭。在本文的分析中，资本定义为金融机构的所有者权益。表4列出了样本金融机构的同业资产、同业负债和资本的统计描述。
如表4所示，2017年末样本金融机构的平均同业资产为2519.8亿元，平均同业负债为1745.9亿元；而同业资产和负债的中位数则分别为471.2亿元和265.3亿元。与2017年末的情况类似，中国金融机构的同业资产和负债的分布严重左偏，但左偏程度已经较2017年有所减弱。可见，中国金融机构的同业资产和同业负债虽然依然主要集中在少数金融机构（如三大政策性银行、大型国有银行、大中型股份制银行、少数城商行以及主要的保险公司），大多数小规模的城市和农村商业银行、证券公司在同业市场的资产和负债的头寸相对而言均较小，但中国金融机构的同业资产的分布正朝更均匀的方向发展。
基于我们所估计的2017年样本金融机构在同业市场的借贷关系矩阵，可以通过模拟由于每家金融机构破产导致对其他金融机构的负债无法偿还，而致使其他金融机构破产的数目和整个金融系统的系统性损失（即所有者权益的损失）是否超过某个临界值来确定其是否为系统重要性金融机构。这里某家金融机构对其他金融机构的违约情况由平均违约率表示8。通过模拟，我们发现，与2016年末不同的是，除了国家开发银行以外，发生兑付危机时也会引发其他金融机构破产的金融机构新增了工商银行和中国银行，但会被引发倒闭的金融机构的数目均只有1家，且不会引起二次传染，这与2017年的情况出现了较大变化。具体地，我们在2017年末发现只有国家开发银行发生兑付危机时会引发其他金融机构破产，但随着平均违约率的上升而破产的金融机构家数快速增加，极端情况下会使得48家金融机构破产。可见，随着金融去杠杆的深入推进，虽然可能引发其他金融机构破产的重要金融机构增加了两家，但发生危机时波及的范围大大缩小了。
如果以引发系统性损失的大小来定义系统重要性金融机构，如下金融机构以括号内的平均违约率违约将会造成1万亿元以上的系统损失：国家开发银行（27%），中国银行（27%），建设银行（30%），工商银行（27%），农业银行（36%），交通银行（28%），兴业银行（31%），浦发银行（35%），民生银行（46%），招行银行（56%），中信银行（54%），光大银行（85%）；有如下金融机构以括号内的平均违约率违约将会造成2万亿元以上的系统损失：国家开发银行（46%），中国银行（55%），建设银行（62%），工商银行（55%），农业银行（73%），交通银行（57%），兴业银行（63%），浦发银行（70%），民生银行（93%）。国家开发银行的平均违约率达到69%时，会造成的系统损失超过3万亿元，其最大会造成4.3万亿元的系统损失。工、农、中、建、交五大国有银行会造成的最大损失分别为3.7万亿、2.7万亿、3.6万亿、3.3万亿和3.5万亿元。
与2017年相比，国家开发银行的安全边际明显提高，造成1万亿元以上损失的平均违约率从10%提高到了30%，而且可能造成的最大损失也从10.5万亿元下降到了4.3万亿元。但需要注意的是，工、农、中、建、交五大国有大型商业银行的安全边际均出现不同程度的下降，以工商银行为例，其造成1万亿元以上损失的平均违约率从47%下降到27%，其可能造成的最大损失也从2.6万亿元上升至3.7万亿元。由此可见，虽然中国金融市场同业网络整体稳定性有一定改善，但五大国有商业银行的稳定性再次值得特别关注。在不考虑信心崩溃、挤兑等因素的情况下，五大国有商业银行平均违约率不超过30%即会造成1万亿元以上的系统损失。但是，不可否认的是，这些大中型金融机构一旦出现违约，势必会在金融市场上形成恐慌，造成挤兑、出逃式抛售等现象，使得资产价格陷入螺旋式下降的情形，在这种情况下会造成的损失则将会是我们所估计的损失的数倍甚至数十倍。
四、总结
2018年以来，国际政治经济环境发生深刻变化，国内经济下行压力加大。此外，2017年以来的金融系统去杠杆和强监管的效应仍在持续。这些都对中国金融系统的稳定运行带来较大挑战，使得中国商业银行的不良贷款比例再次上升，债券市场违约事件增加以及股票市场下跌。首先，根据在险价值（CoVaR）模型对中国银行系统稳定性的评估，我们发现在金融去杠杆的影响已传导至实体部门的背景下，在商业银行受到个体性冲击时，单家商业银行的个体损失以及平均风险溢出率均未改善，尤其是工、农、中、建四大国有银行的风险溢出率已超过30%；在商业银行受到系统性冲击时，五大国有商业银行抗击系统性风险的能力虽然依然强于其他银行，但其优势正在缩小，从数字上来看，几乎所有银行的风险溢出率较2018年中均没有明显变化，而较2017年末则均呈上升之势。
此外，为了更全面准确地评价中国金融系统的稳定性，我们还估计了中国金融机构间同业网络，该网络涵盖了银行、保险、证券等251家金融机构。基于该网络，我们利用网络模型分析，发现中国金融机构间的同业网络的安全性较2017年发生了一些变化。第一，除了国家开发银行以外，发生兑付危机时也会引发其他金融机构破产的金融机构新增了中国工商银行和中国银行，但会被引发倒闭的金融机构的数目均只有1家，且不会引起二次传染。第二，国家开发银行的安全边际明显提高，造成1万亿元以上损失的平均违约率从10%提高至30%，并且可能造成的最大损失也从10.5万亿元下降至4.3万亿元；而五大国有大型商业银行的安全边际则均出现不同程度的下降，以中国工商银行为例，其造成1万亿元以上损失的平均违约率从47%下降至27%，其可能造成的最大损失也从2.6万亿元上升至3.7万亿元。由此可见，虽然中国金融机构间同业网络整体稳定性有一定改善，但五大商业银行的稳定性再次值得特别关注。
参考文献：
[1]马君潞，范小云，曹元涛.中国银行间市场双边传染的风险估测及其系统性特征分布[J].经济研究， 2007（1）.
[2]范小云，王道平，劉澜飚.规模、关联性与中国系统重要性银行的衡量[J].金融研究， 2012（11）.
[3]Upper， Christian and Andreas Worms. Estimating Bilateral Exposures in the German Interbank Market： Is There a Danger of Contagion？[J]. European Economic Review，2004： 48.