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。

谷春燕，博士，副教授，硕士生导师，现任中国地质大学（北京）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），北京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。

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
5.1.2 风险特征数据集的确定
5.1.3 风险标签数据集的确定
5.2 样本国家风险特征数据采集
5.2.1 北美洲国家集群
5.2.2 欧洲国家集群
5.2.3 亚洲国家集群
5.2.4 拉丁美洲国家集群
5.2.5 非洲国家集群
5.2.6 大洋洲国家集群
5.3 矿业境外投资风险评价深度学习模型的训练
5.3.1 模型的改进
5.3.2 数据预处理
5.3.3 模型的训练
5.4 矿业境外投资风险评价深度学习模型的测试与检验
5.5 本章小结
第6章 样本国家矿业投资风险评价与动态监测
6.1 样本国家矿业投资风险评价
6.2 基于风险相似度的样本国家聚类分析
6.2.1 风险相关系数的计算
6.2.2 投资风险相似度的国家聚类分析
6.3 风险指标的贡献度分析
6.3.1 风险指标贡献度系数的计算
6.3.2 风险指标的贡献度分类
6.4 基于指标贡献度的样本国家矿业投资风险动态监测
6.4.1 Ⅰ级风险域国家群簇矿业投资风险动态监测
6.4.2 Ⅱ级风险域国家群簇矿业投资风险动态监测
6.4.3 Ⅲ级风险域国家群簇矿业投资风险动态监测
6.4.4 Ⅳ级风险域国家群簇矿业投资风险动态监测
6.4.5 V级风险域国家群簇矿业投资风险动态监测
6.5 矿业境外投资风险防范的政策建议
6.5.1 建立有效的矿业境外投资宏观管理与引导机制
6.5.2 加强矿业企业风险管理建设
6.6 本章小结
第7章 结论与展望
7.1 研究结论
7.2 研究展望
附录
参考文献