单变量判定模型。
单变量模型将财务指标用于风险评价是一大进步，指标单一，简单易行，但是不可避免会出现评价的片面性。这种方法在人们开始认识财务风险时采用，但随着经营环境的日益复杂、多变，单一的指标已不能全面反映企业的综合财务状况。
多元线性评价模型。
多元线性模型在单一式的基础上趋向综合，且把财务风险概括在某一范围内，这是它的突破，但仍没有考虑企业的成长能力，同时它的假设条件是变量服从多元正态分布，没有解决变量之间的相关性问题。这种方法在现实中比较常见。
综合评价法。这种方法认为，企业财务风险评价的内容主要是盈利能力，其次是偿债能力，此外还有成长能力，它们之间大致按5∶3∶2来分配。
扩展资料
根据监管要求，金融机构在对投资理财产品开展风险评级时，遵循的原则通常有3个
是产品风险等级评定孰高
是同类产品风险等级一致性
是产品风险等级随市场和政策动态调整。
近期，受新冠肺炎疫情影响，国际金融市场波动加剧，这导致部分理财产品风险飙升，甚至出现了此前中国银行发售“原油宝”出现较大亏损事件，这既暴露出金融机构在市场异常波动下应急管理能力较弱等问题，也将“投资者不分层”弊病推上前台。
在“原油宝”事件中，尽管该产品不等同于原油期货，其高风险特征并未发生改变，然而在实际销售过程中，吸纳了较多风险承受能力较低的普通投资者。
“投资者要尽量在自己相对熟悉的领域开展投资，商品期货投资者要掌握专业投资知识，了解投资产品价格变动规律。”招联金融首席研究员董希淼表示，绝大多数个人投资者并不具备专业投资知识与能力，不建议贸然进入商品期货领域。
参考资料来源：百度百科——风险评价
参考资料来源：中国经济网——你的理财“风险评估”要调整了
风险量化评估模型有哪些？风险量化评估模型主要有KMV模型、JP摩根的VAR模型、RORAC模型和EVA模型。
风险量化评估模型主要有KMV模型、JP摩根的VAR模型、RORAC模型和EVA模型：1）KMV——以股价为基础的信用风险模型 历史上，银行在贷款决策时，曾经长时间忽视股票的市价。
KMV模型基于这样一个假设——公司股票价格的变化为企业信用度的评估提供了可靠的依据。
从而，贷款银行就可以用这个重要的风险管理工具去处理金融市场上遇到的问题了。
尽管很少有银行在贷款定价中将KMV模型作为唯一的信用风险指示器，但非常多的银行将其用为信贷风险等级的早期报警工具。
2）JP摩根信贷风险资产组合模型——VAR 1997年，JP摩根推出了信贷风险资产的组合模型——信用矩阵，该模型引进了新的风 险管理理念。
即根据信用质量的变动及时评级资产价值发生损失的可能性，它反映的主要问题是：如果明年情况不好，我的资产会有出现什么损失。
3）RAROC模型：RAROC为每笔交易分配一种“资本费用”，其数量等于该交易在一年内的预期最大损失(税后，99％的置信水平)。
交易的风险越高，需占用的资本越多，要求其获得的现金流或收益也越多。
RAROC可以广泛应用于银行管理，如利率风险管理、汇率风险管理、股权管理、产品风险、信用风险管理等4）EVA模型：经济价值增量(Economic Value Added，简称EVA)在西方发达国家如美国已日益被越来越多的公司所采用，借以量化公司股东财富最大化目标的实现程度。
EVA相对传统的会计利润而言，该指标不仅考虑了债务资本成本(利息)，同时也考虑了普通股成本。
从经济学的角度来看，会计利润高估了真实利润，而 EVA克服了传统会计的这一弱点。
风险量化是指通过风险及风险的相互作用的估算来评价项目可能结果的范围。
风险量化的基本内容是确定哪些实践需要制定应对措施。
风险量化涉及到对风险和风险之间相互作用的评估，用这个评估分析项目可能的输出。
税收风险识别方法有哪些税务风险识别的主要思路可以分为两类，一是通过纳税能力估算（也称为税收流失估算或征收率估算）识别风险，称之为税收能力估算法；二是通过一些关键指标的纵向或横向比较，分析其异常变动及发展趋势发现某地区、某税种、某行业或某企业存在的税收风险，称之为关键指标判别法。
（一）税收能力估算法
税收能力估算是一种税收风险宏观识别方法，主要关注国家、地区、税种、行业、纳税人的潜在税收，进而分析税收流失状况、风险程度，以及变动趋势。税收能力估算的结果不仅可以应用于风险识别，还可以应用于税收预测、政策效应评估等方面。
自上而下法
即利用GDP等宏观统计数据，根据税收政策和应用税收经济学、统计学和国民经济核算等学科相关原理、模型和方法估算税收能力的方法。
主要有两种思路，一是寻找宏观统计数据中与税基比较接近的指标（称为代理性税基），然后根据税收政策规定的抵免、优惠的情况调整数据，进而估算税收能力。常用的方法主要有投入产出法、增加值法和可计算一般均衡（CGE）模型法等。我国已经应用投入产出法和增加值法开展增值税收入能力估算；二是根据税收与经济的关系，应用税收经济模型，利用宏观经济面板数据或时间序列数据估算税收收入能力，常用的方法主要有随机边界模型法、数据包络模型法以及税柄法等。这几种方法主要应用于国家或地区总体税收能力估算。
优点：
①数据收集整理成本较小。
②操作上相对简单。
缺点：
①很难确定是否包括了地下经济和非法经济活动。
②假设条件较多，有些税收政策无法体现。
③无法提供比较详细的信息。
自下而上法
即使用纳税人数据，特别是税务部门掌握的税收申报数据和税收专项调查、检查等数据，以及其他政府、专业机构收集的关于纳税人的细节数据，运用统计学相关原理（如随机抽样等）测算样本的潜在税收收入，进而推算总体税收收入能力的方法。随机抽样时可以不做任何分类直接抽样，也可以根据需要按地区、税种、行业和纳税人类型分类后再随机抽样。总之分类越细，估算结果提供的信息越多。自下而上法需要对样本数据进行相应的税务审计工作，所以税收调查、纳税评估及税务稽查案例数据非常重要。
优点：
①随机抽样及细致的审计工作使估算结果更可靠。
②对税基的逼近表现要优于自上而下法，能够提供较详细的估算信息。
缺点：
①抽样调查有可能出现无响应或低报等情况。
②账证不健全或灰色交易的存在会影响测算的准确程度。
③数据收集、整理、计算工作大，耗时耗力，成本比较高。
（二）关键指标判别法
关键指标判别法是指应用与税收密切相关的经济统计指标或企业经营财务指标，比如税负、弹性、收入、抵免、投入产出率、能耗率、利润率及发票领购使用等的异常变动发现税收风险的方法。不同的税种、不同的行业指标各异，应根据不同情况选取关键指标。指标的异常主要通过比较分析发现，可以按照同行业/同纳税人类型、同税种根据时间轴纵向比较，也可以按照不同地区横向比较。
关键指标判别法既可以用于宏观识别，也可以用于微观识别，应用比较灵活，比如可以使用税负指标进行行业风险识别，也可以应用税负指标进行企业风险识别。
在应用关键指标判别法进行风险识别时，必须坚持一个重要的原则—即指标口径一致。比如在应用税负指标进行增值税行业比较时，分母可以是企业申报的销售收入，也可以用统计局公布的行业增加值。不论是销售收入还是增加值，都有其合理性，也有其弊端。进行纵向或横向比较时，主要关注相对关系，而不是税负的绝对值。
（三）风险识别结果的应用
不论是应用税收能力估算法，还是关键指标判别法，即使使用相同的模型或算法，选取的指标不同，分析结果也可能大相径庭，所以在识别结果的使用上要特别谨慎。例如，选取相同的指标和模型应用税收能力估算法得出甲地区某行业某时期增值税流失率为25%，乙地区同一行业、同一时期增值税流失率为27%，则基本可以认为甲地区税收风险较小。但是仍然无法确切说明甲地区的税收流失是25%、还是20%，因为指标不同计算结果可能会有一定的差异，这个时候应用税收流失指数来说明税收风险变动趋势则更合理些，如果流失指数持续不提高，则说明风险下降，征管水平在提高；反之则说明风险增加，需要采取措施加强征管。
企业生产经营是有季节性波动的，而且从购进原材料、生产产品、销售到实现税收需要一定的时间，所以在进行较短时间，特别是微观企业风险风险识别时，需要注意指标参数的季节调整问题。
风险识别，有两个隐含的假设前提一是政策的一致性，二是同行业的企业生产经营活动规律基本一致。在进行纵向比较分析时，应特别注意政策调整，尽量还原政策调整的影响。在进行横向比较时，如果进行较大区域的风险识别—比如一个省—时，个别企业的生产经营活动异常对结果影响较小，但是在一个较小的区域内—比如一个县，个别大企业的经营异常则对结果的影响非常明显，也需要特别注意。