基于深度学习的我国矿业境外投资风险评价研究

本书深入研究了29个风 险因子的特质和属性，根据 科学性原则设定计量方法， 反映各项指标的经济特质； 根据可靠性原则，数据均采 自世界银行、国际货币基金 组织等权威数据库；根据可 比性原则，对计算结果进行 分级风险分值评定。这一工 作为后续风险综合评价奠定 了数据基础。 本研究探索性地把深度 学习思想运用于风险评价领 域，不仅拓展了深度学习的 使用边界，丰富了其经济意 义，同时也为矿业境外投资 风险的评判和解构提供了新 的解决方案，为经济学分析 范式的发展作出了有益尝试 。

第1章 绪论 1.1 研究背景、目的和意义 1.1.1 矿业境外投资的形势与机遇 1.1.2 矿业境外投资风险评价的必要性 1.2 科学问题与研究内容 1.3 研究方法与技术路线 1.3.1 研究方法 1.3.2 技术路线 1.4 创新点 第2章 文献综述与理论基础 2.1 矿业境外投资风险影响因素分析 2.2 矿业境外投资风险量化评价方法研究 2.2.1 常规风险评价方法 2.2.2 风险评价方法的演进 2.3 深度学习方法的原理和运用研究 2.4 本章小结 第3章 我国矿业境外投资风险评价指标体系的构建 3.1 指标体系的设计思路 3.2 指标体系的设计方法与原则 3.2.1 设计方法 3.2.2 设计原则 3.3 指标体系的构建 3.3.1 风险影响大类因素的识别 3.3.2 风险指标的细化与分解 3.3.3 风险评价三级指标的筛选 3.3.4 风险评价指标体系的确立 3.4 风险评价指标的赋值标准 3.4.1 矿产资源风险 3.4.2 社会风险 3.4.3 经济金融风险 3.4.4 制度运营风险 3.4.5 社区劳工风险 3.4.6 基础资源风险 3.4.7 环境保护风险 3.5 本章小结 第4章 基于深度学习的矿业境外投资风险评价模型初始设计 4.1 网络结构选择 4.1.1 深度学习模型的常见网络结构 4.1.2 模型选择与流程设计 4.2 风险评价映射关系构建 4.2.1 样本特征数据集 4.2.2 风险标签数据集 4.3 深度学习网络的拓扑结构 4.3.1 网络的前馈计算 4.3.2 误差的反向传播 4.3.3 网络激活函数设置 4.4 本章小结 第5章 矿业境外投资风险评价深度学习模型的训练与确定 5.1 样本的选取与风险数据集确定 5.1.1 样本的选取