基于深度学习的我国矿业境外投资风险评价研究

　　风险是我国重要矿产资源“走出去”进行境外投资面临的一大难题。采用科学方法开展重要矿产资源境外投资风险评价，对于国内企业开展境外业务，减少损失，保障我国境外资源权益具有重要战略意义。本研究尝试引入深度学***，就“如何采用科学方法对我国矿业境外投资风险进行量化综合评价”这一科学问题展开了研究。本研究的主要工作和创新贡献包括：（1）构建了我国矿业境外投资风险评价指标体系，设定量化方法和赋值标准，为后续风险综合评价奠定了数据基础；（2）构建了基于深度学习的风险评价模型，训练后的模型能充分利用深层架构的特征提取优势，通过非线性模块实现多层转换组合，学习非常复杂的函数，有助于提高评价客观性；（3）提出了一个复合聚类分析算法，对主要矿业国家基于投资风险相似度进行地区分类；（4）设计了基于深度学习的指标贡献度全局分析方法，定量考察各风险指标对模型输出结果不确定性的贡献率，并据此对指标进行重要性排序。

　　谷春燕，女，副教授，硕士生导师，经济管理学院会计系副主任，MPACC教育中心副主任中国人民大学会计系国际会计专业学士，中国人民大学财政金融学院金融学专业硕士，中国地质大学（北京）经济管理学院应用经济学博士，瑞士伯尔尼大学管理会计与控制研究所访问学者注册会计师（CPA），中国注册会计师协会会员，美国会计学会（American Accounting Association， AAA）会员教育部学位与研究生教育发展中心研究生教育评估监测专家，中国科学技术协会项目评审专家