基于ABC—SVM的通航企業(yè)投資風(fēng)險評價研究

姜寶山 劉圣 康玉祥

【摘 要】 通用航空作為戰(zhàn)略新興產(chǎn)業(yè)，發(fā)展前景良好?，F(xiàn)實中，由于行業(yè)政策滯后，市場成熟度不夠，國內(nèi)通用航空企業(yè)投資風(fēng)險日益突出。將傳統(tǒng)的投資風(fēng)險評價中的風(fēng)險回歸預(yù)測問題轉(zhuǎn)換為模式分類問題，以新的視角與思維，研究通用航空企業(yè)投資風(fēng)險問題。首先，確立了通用航空企業(yè)投資風(fēng)險評價指標體系；其次，設(shè)計問卷，走訪行業(yè)專家，同時進行大量的數(shù)據(jù)采集和信息收集，經(jīng)過多輪征詢，得到有效數(shù)據(jù)集；最后，以該評價體系為基礎(chǔ)，引入ABC-SVM算法，建立基于ABC-SVM算法的通用航空企業(yè)投資風(fēng)險評價模型；實例分析表明，所建立的ABC-SVM投資風(fēng)險評價模型對風(fēng)險分類的精度達到89%以上，較BP算法有更好的分類預(yù)測能力，可以用于通用航空企業(yè)投資風(fēng)險評價。

【關(guān)鍵詞】 ABC-SVM； 通用航空企業(yè)； 投資風(fēng)險評價

【中圖分類號】 F272.1-F272.3 【文獻標識碼】 A 【文章編號】 1004-5937（2018）09-0106-07

通用航空（以下簡稱“通航”）是以通用航空飛行活動為核心的，涵蓋通用航空器材研發(fā)制造、市場運營、綜合保障以及延伸服務(wù)等全產(chǎn)業(yè)鏈的國家級戰(zhàn)略性新興產(chǎn)業(yè)體系。目前，國內(nèi)通航還是一個沒有真正啟動的大產(chǎn)業(yè)?，F(xiàn)實中，空域浪費情況嚴重、產(chǎn)業(yè)結(jié)構(gòu)不協(xié)調(diào)、配套產(chǎn)業(yè)不完善，相關(guān)政策未能適應(yīng)通航投資運營實踐并進行有效跟進，政策空間沒有打開，導(dǎo)致通航產(chǎn)業(yè)投資運營現(xiàn)實市場難以有效形成。由于行業(yè)政策滯后，市場成熟度不夠，使得通航企業(yè)運營舉步維艱，加大了投資運營風(fēng)險，影響著國內(nèi)通航產(chǎn)業(yè)的健康發(fā)展。面對該產(chǎn)業(yè)的廣闊發(fā)展前景及現(xiàn)實市場的潛在風(fēng)險及困難，加強通航企業(yè)投資風(fēng)險評估論證，找到有效的規(guī)避風(fēng)險策略以降低國內(nèi)通航企業(yè)投資運營風(fēng)險，減少投資損失顯得尤為必要[1]。

建立相對客觀的評價指標體系，選擇有效的評價方法，是評估通航企業(yè)項目投資風(fēng)險的關(guān)鍵。周平等[2]在進行航空項目風(fēng)險管理時，使用模糊層次分析法，識別出航空項目關(guān)鍵的風(fēng)險因素，并有針對性地提出了風(fēng)險應(yīng)對方案。李原等[3]進行了創(chuàng)新，提出了一種基于改進的計劃評審技術(shù)的航空項目風(fēng)險評價方法，將該方法應(yīng)用到某型飛機研制項目04段裝配子項目中，得到了很好的效果。李江等[4]在大型航天研發(fā)項目進行了突破，提出了一種基于Multi Agent技術(shù)的風(fēng)險分析方法，并進行了仿真分析。何佳音[5]通過WBS-RBS法分析了機場投資風(fēng)險因素，建立了FAHP機場投資風(fēng)險評估模型，并以北京新機場作為實例進行了預(yù)測。賈曉光[6]使用BP神經(jīng)網(wǎng)絡(luò)的方法，建立了航天精導(dǎo)設(shè)備研制項目的風(fēng)險評價模型，并對其進行應(yīng)用，提出了管理風(fēng)險的策略。

近年來，一些學(xué)者提出了不同的項目投資風(fēng)險評價模型，并進行了應(yīng)用，取得了顯著成效。Yao Hui-Li et al.[7]分析了層次分析法在造船項目風(fēng)險識別中的優(yōu)越性，闡述了基于層次分析法的船廠項目投資風(fēng)險識別的基本步驟，以造船基地為例，通過層次分析法識別項目風(fēng)險，進行評估。Jiang Hua et al.[8]在高新技術(shù)項目投資風(fēng)險評估中進行了探索，AHP與BP結(jié)合，建立評估模型，通過一系列數(shù)據(jù)對投資風(fēng)險進行評估，結(jié)果表明該模型在該領(lǐng)域效果顯著，為后續(xù)研究提供了新思路。Liu Jin et al.[9]在國際工程項目投資風(fēng)險領(lǐng)域打開思路，建立了相應(yīng)的評價指標體系，以風(fēng)險影響程度和風(fēng)險概率為尺度，形成判斷矩陣，計算Borda序值，通過AHP計算各風(fēng)險權(quán)重，案例分析結(jié)果表明該模型具有可行性，為投資決策提供了可靠的依據(jù)。Li Cun-Bin et al.[10]構(gòu)建了一個用蒙特卡洛方法模擬NPV的過程評估風(fēng)電項目的投資風(fēng)險，在此基礎(chǔ)上分析了投資回收期和內(nèi)含報酬率，并結(jié)合具體的案例，進行仿真檢驗。

從上述研究可以看出，在投資風(fēng)險評估中，使用較多的有層次分析法、蒙特卡洛方法、灰色系統(tǒng)評價法、模糊多屬性決策方法、Borda數(shù)法、神經(jīng)網(wǎng)絡(luò)模型等。當前一些主流的投資風(fēng)險評價，基本上源于專家的主觀經(jīng)驗和歷史數(shù)據(jù)，缺乏客觀依據(jù)和經(jīng)驗智慧，無法做到優(yōu)勢互補，相互兼顧；傳統(tǒng)風(fēng)險評估多是統(tǒng)計方法或是建立在線性模型的基礎(chǔ)上，很難真實描述復(fù)雜的非線性關(guān)系和不確定因素。

針對上述評價模型在投資風(fēng)險預(yù)測方面的一些不足，越來越多的學(xué)者引入支持向量機（SVM）。Chen XB[11]建立基于SVM在復(fù)雜的運行環(huán)境和海上風(fēng)電項目的投資風(fēng)險評估模型，減少運行過程中的風(fēng)險所造成的損失，分析了模型的預(yù)測精度，通過具體的項目數(shù)據(jù)和案例研究表明，該方法具有更高的精度，比傳統(tǒng)的評價方法更方便。Hong Xia[12]將粗糙集理論與支持向量機理論結(jié)合，建立了生態(tài)材料工業(yè)投資風(fēng)險評價指標體系，對生態(tài)材料產(chǎn)業(yè)投資風(fēng)險評估具有積極作用。

為了更有效地評價通航企業(yè)投資風(fēng)險，方便管理者投資決策，本文在上述研究基礎(chǔ)上，結(jié)合通航企業(yè)特點，分析通航企業(yè)活動過程，確立了通航企業(yè)投資風(fēng)險評價指標體系，將通航企業(yè)投資風(fēng)險評價的風(fēng)險回歸預(yù)測問題轉(zhuǎn)換為模式分類問題，借助支持向量機（SVM）[13]強大的模式分類能力及人工蜂群算法（ABC）[14]優(yōu)秀的全局搜索性能，建立了基于ABC優(yōu)化SVM參數(shù)的通航企業(yè)投資風(fēng)險評價模型（ABC-SVM）。該方法在通航企業(yè)投資風(fēng)險評價領(lǐng)域相對新穎。運用此方法對通航企業(yè)投資風(fēng)險進行評價，在處理不確定性因素和復(fù)雜的線性關(guān)系時更為有效，分類結(jié)果運算效率高，更貼近通航企業(yè)運營實際，為通航企業(yè)投資風(fēng)險評估問題增添了新的角度和維度，為行業(yè)發(fā)展助力。

一、通航企業(yè)投資運營特點

（一）市場前景廣闊，政策不能有效跟進，現(xiàn)實市場成熟度低

通航企業(yè)面臨新一輪發(fā)展機遇，低空空域改革試點等政策的穩(wěn)步推進改善了行業(yè)發(fā)展環(huán)境，我國通航產(chǎn)業(yè)投資發(fā)展的內(nèi)外部條件均已初步形成。但是政策的推進和實施對通航來說仍然是困難重重，這限制了資本的自由進出，無法拓寬資本進入渠道，也使資本難以迅速有效地進入通航的生產(chǎn)鏈條中，難以形成良性閉環(huán)循環(huán)。

（二）技術(shù)難度大，投資周期長

通航作為戰(zhàn)略性新興產(chǎn)業(yè)，在復(fù)雜程度以及技術(shù)難度等方面的要求相較其他行業(yè)高，而且投資周期較長，同時受到來自于政策、市場等方面的影響，因此投資行為應(yīng)當符合企業(yè)的長期發(fā)展規(guī)劃。

（三）風(fēng)險因素多，附加值高

風(fēng)險因素之所以是多方面的，一是由于通航投資的建設(shè)周期較長、環(huán)節(jié)較多、建設(shè)內(nèi)容復(fù)雜、涉及的審批部門多、審批程序嚴格，客觀風(fēng)險因素多；二是由于企業(yè)本身及其所處的環(huán)境多樣化，國家及地方政策的波動性，給建設(shè)單位及管理部門全面、系統(tǒng)地識別各類風(fēng)險帶來了難度。雖然通航投資風(fēng)險因素多，需要重視由其風(fēng)險帶來的高附加價值，若通航投資可以利用它自身的管理以及資金優(yōu)勢，并結(jié)合企業(yè)自身的技術(shù)長處和管理優(yōu)勢，就能帶來更高附加值[15]。

（四）產(chǎn)品市場波動大，投入成本高

穩(wěn)定增長的市場需求是企業(yè)發(fā)展的外在動力之一。對通航市場的需求預(yù)測分析發(fā)現(xiàn)，我國通航產(chǎn)業(yè)國內(nèi)市場需求旺盛，國際市場增長緩慢，市場支撐力量強大。但是，國內(nèi)市場環(huán)境不成熟、國際市場環(huán)境多變，導(dǎo)致未來的具體需求不穩(wěn)定，規(guī)模不確定。與一般經(jīng)濟活動相比，投資通航需要更為強有力的資金支持。由于一次性投入的資金量大，形成的設(shè)施和資產(chǎn)規(guī)模大、占地多，因此對管理資產(chǎn)及資金的要求非常嚴苛。

（五）機制不順，投資動力不足

通航項目審批程序相對復(fù)雜，時間長，并且限制條件多，與通航靈活快速高效的特點不符，再加上其他政策沒有及時與市場有效跟進，管理力度不足，加大了資本進入的障礙。

二、指標體系的建立

（一）指標體系建立的原則

結(jié)合通航企業(yè)投資特點，參考相關(guān)文獻，本文將依據(jù)可操作性、適應(yīng)性、層次性、科學(xué)性原則來確定國內(nèi)通航投資風(fēng)險評估指標體系。

（二）風(fēng)險因素識別與指標體系的構(gòu)建

本文對測量指標選取的依據(jù)是：（1）已有的專家學(xué)者及文獻在大型工程、裝備制造業(yè)、大型飛機、軍工研發(fā)等項目投資風(fēng)險方面的研究；（2）國內(nèi)通航企業(yè)投資特點；（3）國家有關(guān)于企業(yè)投資的相關(guān)規(guī)定。

本文結(jié)合以上特點、原則和依據(jù)，選擇以下6類因素及18個子因素作為投資風(fēng)險評價指標體系：

1.政策因素

政策因素包括產(chǎn)業(yè)政策（U1）、宏觀經(jīng)濟政策（U2）、環(huán)保節(jié)能政策（U3）。國家出臺的一系列政策，都有利于通航企業(yè)的發(fā)展，同時也會帶來一定的風(fēng)險。

2.市場因素

市場因素主要包括營銷能力（U4）、市場空間（U5）和市場需求（U6）。市場空間提供了發(fā)展?jié)摿Γ袌鲂枨笫且粋€動態(tài)的過程，通航企業(yè)有可能面臨無法提前預(yù)測到的較大需求改變。

3.技術(shù)因素

技術(shù)因素包括技術(shù)不確定性（U7）、基礎(chǔ)薄弱（U8）和面臨技術(shù)和材料的更新問題（U9）。通航企業(yè)由于受到客觀條件的限制，因此在技術(shù)上有著較大的風(fēng)險性以及不確定性，基礎(chǔ)薄弱與技術(shù)和材料更新?lián)Q代都是需要投資者考慮的問題。

4.管理因素

管理因素包括決策水平（U10）、風(fēng)險意識（U11）和組織結(jié)構(gòu)（U12）。組織結(jié)構(gòu)是整個管理系統(tǒng)中的外部架構(gòu)，是為了達成組織目標，在管理工作中進行協(xié)調(diào)、分組以及分工的結(jié)構(gòu)體系，代表權(quán)力、職能范圍以及責(zé)任，而該體系說明了組織內(nèi)各部分的溝通方式、聚集合分散狀態(tài)以及所處的空間位置。

5.財務(wù)因素

財務(wù)因素包括融資能力（U13）、企業(yè)資金結(jié)構(gòu)（U14）和獲利能力（U15）。通航企業(yè)所需資金的籌集過程也存在很多風(fēng)險，若弱化了企業(yè)資金的結(jié)構(gòu)，有可能會提升企業(yè)總資產(chǎn)的負債占比，企業(yè)將會背負沉重的財務(wù)負擔(dān)，缺乏償付能力，使投資過程變得異常艱難。市場狀況影響著通航企業(yè)的盈利能力，存在著一定的風(fēng)險[17]。

6.人力因素

人力因素包括專業(yè)技術(shù)人才短缺（U16）、人才競爭（U17）和員工泄密（U18）。通航人力資源的風(fēng)險主要來源于專業(yè)技術(shù)人才的匱乏，我國通航產(chǎn)業(yè)的發(fā)展起步較晚，規(guī)模尚小，水平尚低，而從整個通航企業(yè)來看，普遍存在著專業(yè)技術(shù)人才嚴重不足的短板。

通航企業(yè)投資風(fēng)險評價流程圖如圖1所示：

三、ABC-SVM算法模型

該模型的核心思想是將通航企業(yè)投資風(fēng)險評價的風(fēng)險回歸預(yù)測問題轉(zhuǎn)換為基于SVM的模式分類問題。SVM在進行分類時，模型參數(shù)的選擇會對分類的精度產(chǎn)生影響（如懲罰因子、核函數(shù)類型、核函數(shù)參數(shù)等），所以，本文借助人工蜂群算法（ABC）的全局搜索性能，建立了基于ABC優(yōu)化SVM參數(shù)的通航企業(yè)投資風(fēng)險評價模型（ABC-SVM）。首先，根據(jù)已構(gòu)建的評價指標體系，進行數(shù)據(jù)收集；其次，各指標風(fēng)險評價值作為SVM的輸入，將各樣本企業(yè)的投資風(fēng)險評價值分類，作為SVM的輸出，建立一個學(xué)習(xí)樣本集；再次，確定核函數(shù)，對懲罰因子C和核函數(shù)寬度參數(shù)σ進行初始化，基于ABC算法優(yōu)化懲罰因子C和核函數(shù)σ，使SVM的性能達到最優(yōu)狀態(tài)，將確定的訓(xùn)練樣本輸入模型，對其訓(xùn)練；最后，把待預(yù)測樣本輸入模型，就能夠?qū)νê狡髽I(yè)進行投資風(fēng)險評價和研究。

（一）SVM

支持向量機[13]（Support Vector Machine，SVM）是Corinna Cortes和Vapnik等于1995年首先提出的，在小樣本、非線性和高維模式識別中有很多獨特的優(yōu)勢，并能夠推廣到函數(shù)擬合等其他機器學(xué)習(xí)問題中。由于通航企業(yè)投資風(fēng)險評價指標具有非線性特征，本文選用非線性支持向量多分類機來進行投資風(fēng)險評價。根據(jù)已建立的通航企業(yè)投資風(fēng)險評價指標體系，將通航投資風(fēng)險分為5類，分別為投資風(fēng)險低、較低、適中、較高和高，則該投資風(fēng)險評價模型變?yōu)槎喾诸悊栴}。本文選擇“一對一”的多分類非線性支持向量機進行運算，步驟如下：

輸入：投資風(fēng)險訓(xùn)練樣本T={（xi，yi），…，（xN，yN）}，其中，xi∈Rn，yi∈{1，2，…，5}，i=1，2，3，…，N，xi為第i個企業(yè)投資風(fēng)險指標向量值，為SVM的輸入值，yi為該企業(yè)的投資風(fēng)險類別，為SVM的輸出值。

輸出：分類決策函數(shù)

（1）forh=1■N-1

fork=h+1■N

將yh=h的數(shù)據(jù)樣本設(shè)置為正類，

yk=k的樣本設(shè)置為負類。

（2）選取恰當?shù)暮撕瘮?shù)K（x，z），選擇適當?shù)膽土P因子C，構(gòu)造并求解最優(yōu)化問題

■■■■aiajyiyjK（xi，yj）-■ai

s.t■aiyi=0

0≤ai≤C，i=1，2，…，N

求得最優(yōu)解a*=（a1*，a2*，…，aN*）。

（3）選擇a*的一個正分量0

b*=yj-■a*iyiK（xi，xj）

（4）構(gòu)造決策函數(shù)

G（x）=sign■ai*yiK（x，xi）+b*

end

end

本文選擇SVM的核函數(shù)K（x，z）為徑向基函數(shù)，具體為：

K（x，z）=exp（-Px-zP2/2σ2）

（二）ABC算法

ABC算法[16，18，19]于2005年由Karaboga D et al.提出，較其他優(yōu)化算法ABC算法具有更好的全局搜索性能。因此，該算法被越來越多地應(yīng)用于函數(shù)極值尋優(yōu)等問題[18，19]。ABC算法將蜂群分為3類：雇傭蜂、觀察蜂和偵查蜂，其中，雇傭蜂和觀察蜂各占蜂群總量的一半，主要職責(zé)是開采蜜源，偵查蜂的作用是避免蜜源種類過少[20]。ABC算法將問題的解轉(zhuǎn)換為蜜源的位置，將相應(yīng)的函數(shù)值轉(zhuǎn)換為花蜜數(shù)量，尋找最優(yōu)蜜源的過程演變?yōu)楹瘮?shù)尋最優(yōu)解的過程，具體為：在D維解空間中，隨機產(chǎn)生2N個位置，選取其中N個作為蜜源位置。蜜蜂在搜索蜜源時主要通過以下三個步驟，如圖2。

按照式1隨機產(chǎn)生蜜源：

Xij=rand（0，1）（ub-lb）+lb （1）

其中，ub、lb分別為蜜源位置x的上、下限。雇傭蜂和觀察蜂依照式2搜索新的蜜源位置：

Vij=xij+r（xij-xkj） （2）

其中vij為新蜜源位置，r∈[-1，1]是一個隨機數(shù)，k∈{1，2，…，N}且k≠i，j∈{1，2，…，D}，j為第i個蜜源中第j維的位置，k和j為隨機產(chǎn)生的整數(shù)。

觀察蜂按照式3選擇蜜源：

pi=■ （3）

其中fiti為蜜源適應(yīng)度，按式4進行計算：

fiti=1/（1+f（i），f（i））≥01+abs（f（i），f（i））≤0 （4）

式中f（i）為第i個解目標函數(shù)值。在一定的循環(huán)次數(shù)后，若蜜源枯竭，該蜜源即被放棄，雇傭蜂轉(zhuǎn)換為偵查蜂，同樣的，按式5隨機產(chǎn)生新蜜源。

Xij=rand（0，1）（uj-lj）+lj （5）

式中，uj，lj分別為當前循環(huán)內(nèi)求出的解的第j維最大值和最小值。

用ABC算法優(yōu)化SVM的懲罰因子C和核函數(shù)寬度 （算法流程圖如圖3所示）。

（1）設(shè)置ABC算法中相關(guān)的參數(shù)，主要包括：

蜜源數(shù)量=雇傭蜂數(shù)量=跟隨蜂數(shù)量=N=25；蜜源最大循環(huán)次數(shù)（limit）=50；最大迭代次數(shù)（cycles）=1000。

（2）ABC算法的適應(yīng)度函數(shù)。為了使SVM具有更高的分類準確率，適應(yīng)度函數(shù)設(shè)置為SVM分類錯誤率的倒數(shù)為：

Fobj=■ （6）

式中，Vacc為SVM的分類正確率。

（3）設(shè)置SVM中RBF（Radial Basis Function）核函數(shù)，懲罰因子C和核函數(shù)寬度參數(shù)σ范圍分別為[10-1，103]、[10-2，102]。

以上便是基于ABC-SVM算法的通航企業(yè)投資風(fēng)險評價模型。為使得模型性能達到最優(yōu)，算法關(guān)鍵是需要設(shè)置合適的ABC算法參數(shù)、選擇合適的核函數(shù)類型及參數(shù)范圍。算法的核心環(huán)節(jié)是將ABC和SVM建立聯(lián)系及公式6的建立。

四、實例分析

（一）數(shù)據(jù)收集與處理

1.數(shù)據(jù)收集

數(shù)據(jù)的收集是本研究最為關(guān)鍵的環(huán)節(jié)（數(shù)據(jù)獲取過程如圖4所示）。來自各方的數(shù)據(jù)輸入可以不斷地修正模型，使得模型在進行分類預(yù)測時可以避免專家思維慣性造成的主觀判斷的偏差。

首先，設(shè)計問卷。通過對通航企業(yè)投資特點的深入分析，對指標體系精準的把握，對相關(guān)文獻的透徹理解，設(shè)計問卷。

其次，選擇專家類型。本研究選擇的專家具有很強的代表性，都是資深的、經(jīng)驗豐富的通航領(lǐng)域?qū)＜?，包括業(yè)內(nèi)的大企業(yè)高管、高校專家、政府主管部門、風(fēng)險投資專業(yè)人士四類，發(fā)放問卷，進行指標打分。

再次，進行實地調(diào)研。先后到北京八達嶺機場FBO、廣東龍浩集團有限公司、德奧通航有限公司等10余家相關(guān)單位進行調(diào)研考察，前后歷時1年多。在與專家進行探討和分析的過程中，獲得大量一手信息和資料，得到通航投資風(fēng)險最前沿資訊和可靠經(jīng)驗，為后續(xù)工作做了大量鋪墊。

最后，專家打分。運用經(jīng)驗借鑒法、德爾菲法、頭腦風(fēng)暴法等相結(jié)合的綜合方法，經(jīng)過和多位專家?guī)纵喺髟兒屯笍胤治?，反?fù)修改和確認，大量搜集和統(tǒng)計，不斷反饋和再修改，最終收集到高質(zhì)量問卷反饋共15份，進行篩選和剔除之后共獲得110個樣本，1 980條數(shù)據(jù)，這為進行后續(xù)模型的運算和分析打下了良好的基礎(chǔ)。所有專家打分情況的統(tǒng)計圖如圖5所示。

2.數(shù)據(jù)處理

對所搜集到的數(shù)據(jù)根據(jù)上述ABC-SVM投資風(fēng)險評價模型的基本思想，將風(fēng)險分為5個等級：低、較低、適中、較高、高，對應(yīng)的分值區(qū)間為[0，0.2），[0.2，0.4），[0.4，0.6），[0.6，0.8），[0.8，1）。將各個專家對基準樣本公司打分的結(jié)果按照上述分值區(qū)間進行分類，類別依次為[1，2，3，4，5]。根據(jù)專家的打分，建立10×11=110個樣本的數(shù)據(jù)集。部分專家打分及分類情況如表2所示。

（二）運算結(jié)果

隨機選取已搜集的通航企業(yè)投資風(fēng)險數(shù)據(jù)集中80個樣本作為模型的輸入樣本進行訓(xùn)練，其中30個樣本為測試樣本。利用MATLAB進行計算，結(jié)果顯示基于ABC優(yōu)化的SVM在達到最優(yōu)值時的C=24.6327與σ=1.8756。

將本文所建立的ABC-SVM投資風(fēng)險評價模型與BP網(wǎng)絡(luò)評價模型各隨機運行30次，取平均值、最優(yōu)值、最差值、方差進行對比。結(jié)果顯示本文所選用的評價模型平均精度高于BP網(wǎng)絡(luò)評價模型，精度達到89%以上，表明該模型可以作為通航企業(yè)風(fēng)險評價模型。兩種算法的對比結(jié)果如表3所示。

結(jié)果顯示，ABC-SVM運算出來的平均值，最差值分別為89.67%、80.00%、96.67%，BP運算出來的平均值，最差值分別為84.11%、73.33%、93.33%，都高于BP的運算結(jié)果，所計算的方差為0.00316，精度高于BP的0.0035。所建立的ABC-SVM投資風(fēng)險評價模型對風(fēng)險分類的精度達到89%以上，該模型在通航投資風(fēng)險評估上具有更明顯的優(yōu)勢，可以提高判斷精度，提供更為精準的決策支持，由于數(shù)據(jù)相對全面、代表性較高，所以分析的結(jié)果更加貼合通航企業(yè)投資風(fēng)險實際，具有更高的實用性，可以作為后續(xù)該類問題的模型和典范。

五、結(jié)論及建議

面對國內(nèi)通航發(fā)展存在的風(fēng)險與困境，客觀上提出了構(gòu)建適合通航產(chǎn)業(yè)特點的風(fēng)險評價指標體系及其評價方法的要求。本文結(jié)合通航特點，將傳統(tǒng)的通航企業(yè)投資風(fēng)險評價的風(fēng)險回歸預(yù)測問題轉(zhuǎn)換為模式分類問題，該模型在通航企業(yè)風(fēng)險評價應(yīng)用方面比較新穎，可以用于通航企業(yè)投資風(fēng)險評估中。

（一）結(jié)論

1.ABC-SVM模型具有實踐推廣價值。從理論和實踐兩方面來看，ABC-SVM是在統(tǒng)計學(xué)習(xí)理論上的一種新的機器學(xué)習(xí)算法，結(jié)構(gòu)相對簡單，具有較好的泛化運算能力。針對傳統(tǒng)方法主觀性過強的缺點，本文從通航產(chǎn)業(yè)風(fēng)險等級分類入手，考慮通航產(chǎn)業(yè)風(fēng)險的組成和特征，引入ABC-SVM評價模型，將風(fēng)險評價轉(zhuǎn)化為機器分類識別問題，并對數(shù)據(jù)進行分析處理，縮短了模型運算訓(xùn)練時間。該模型方法評價視角新，本文的實例分析是ABC-SVM模型應(yīng)用于通航產(chǎn)業(yè)領(lǐng)域的一次創(chuàng)新探索與嘗試。

2.ABC-SVM方法精度高、運算精練。在本文實例分析中，ABC-SVM投資風(fēng)險評價模型對風(fēng)險分類的精度達到89%以上，比較其他評價方法，可提高判斷精度，提供更為精準的決策支持。再者，ABC-SVM方法異與傳統(tǒng)的判斷方法，可避免由于專家判斷角度不同而造成的權(quán)重設(shè)置不合理，貼近通航產(chǎn)業(yè)發(fā)展實際，在更大程度上避免主觀判斷帶來的不確定性，為通航投資風(fēng)險評估提供了新的判斷角度。

3.風(fēng)險評價工作數(shù)據(jù)的有效取得是難點和關(guān)鍵。風(fēng)險評價效果好壞，數(shù)據(jù)支持至關(guān)重要。本研究調(diào)研歷時1年多，先后對10余家相關(guān)單位進行調(diào)研考察，在與專家進行探討和分析的過程中，獲得大量一手資料，進而了解通航企業(yè)投資風(fēng)險最前沿信息?？梢哉f，前期大量數(shù)據(jù)的搜集為后續(xù)模型評價分析提供了可靠的、多層次、多維度、寬領(lǐng)域的數(shù)據(jù)集，有效的數(shù)據(jù)調(diào)研保證了本研究的順利進行。

（二）建議

通航產(chǎn)業(yè)作為戰(zhàn)略新興產(chǎn)業(yè)，機遇與挑戰(zhàn)并存，發(fā)展過程中存在諸多矛盾、問題，加大了投資風(fēng)險。對此本文提出如下三點建議：

1.提高經(jīng)營者整體素質(zhì)，增強風(fēng)險意識。在經(jīng)濟全球化的競爭中，企業(yè)的競爭更多地體現(xiàn)為商品競爭、資源競爭、信息競爭、理念競爭、技術(shù)競爭、標準競爭，歸根結(jié)底反映的是人才的競爭。企業(yè)的人才，一是自己培養(yǎng)；二是面向社會招聘，要敢于到國外包括跨國公司招攬人才，人才是競爭優(yōu)勢之源。通航產(chǎn)業(yè)高風(fēng)險這一特征要求企業(yè)經(jīng)營決策者必須以較高的素質(zhì)、較強的能力以及風(fēng)險控制意識與之匹配。管理者要有敏銳的眼光和戰(zhàn)略嗅覺，了解行業(yè)發(fā)展的前沿信息，實時了解市場、行業(yè)、國家政策法規(guī)等的變化，增強風(fēng)險意識，樹立全員參與意識，充分利用，積極調(diào)整運營方向，減少由于經(jīng)營不當造成的投資損失。

2.建立風(fēng)險管控體系，提高項目投資風(fēng)險評估事前事中事后工作效率。通航產(chǎn)業(yè)民營企業(yè)較多，要借鑒國有企業(yè)全面風(fēng)險管理工作經(jīng)驗，盡早建立企業(yè)風(fēng)險控制組織與體系制度，建立專業(yè)人士、各職能部門、總經(jīng)理、風(fēng)控委員會、董事會五道閘門，避免一個人拍腦門做決定，把通航企業(yè)風(fēng)險管理工作落到實處。

3.加強商情信息管理，發(fā)揮行業(yè)協(xié)會作用。通航產(chǎn)業(yè)作為國家新型戰(zhàn)略產(chǎn)業(yè)，市場經(jīng)濟自由競爭的作用不可否認，但是協(xié)調(diào)統(tǒng)一的引導(dǎo)是必要的，是符合市場發(fā)展規(guī)律的，這里包含國外成功運作的經(jīng)驗。企業(yè)可以與行業(yè)協(xié)會共同搭建信息共享平臺，加強兩者間的聯(lián)系和協(xié)同。對此，我們建議政府出面牽頭組織各級行業(yè)協(xié)會（政府主導(dǎo)、民營體制），通過行業(yè)協(xié)會統(tǒng)一組織，對投資風(fēng)險進行宣傳、指導(dǎo)，為民營企業(yè)在風(fēng)險管理方面提供一個交流、學(xué)習(xí)、培訓(xùn)的平臺。行業(yè)協(xié)會和政府部門通過及時發(fā)布信息，建設(shè)風(fēng)控專家?guī)?，主辦風(fēng)險專欄、?？块T定期就特定主題做風(fēng)險提示，使風(fēng)險控制工作具有計劃性、協(xié)調(diào)性，減少盲目性。政府主導(dǎo)帶頭推進民營企業(yè)全面風(fēng)險管理的一體化、組織化、制度化，打破民營企業(yè)全面風(fēng)險管理工作的空白狀態(tài)；在微觀層面，通航企業(yè)在風(fēng)險管理與控制過程中強化風(fēng)險信息分類收集，及時了解和掌握相關(guān)政策法律法規(guī)風(fēng)險信息、宏觀經(jīng)濟政策、通航產(chǎn)業(yè)市場風(fēng)險信息、通航產(chǎn)業(yè)發(fā)展狀況，了解稅收、利率變化，經(jīng)營風(fēng)險信息、技術(shù)風(fēng)險信息等對通航企業(yè)投資的影響。制定合理的企業(yè)戰(zhàn)略計劃目標和風(fēng)控目標，整合企業(yè)自身及外部優(yōu)質(zhì)資源，建立企業(yè)運行評估機制，提高項目投資風(fēng)險管理水平。

【參考文獻】

[1] ZHU Yongming，JIA Minge，SHI Youcun.Analysison current development situations，the key issuesand countermeasures of China's general aviation industry[J].Procedia Engineering，2017，174：871-877.

[2] 周平，朱松嶺，姜壽山.基于模糊層次分析法的航空項目風(fēng)險管理研究[J].計算機集成制造系統(tǒng)-CIMS，2003（12）：1062-1066.

[3] 楊銘，李原，張開富，等.基于改進的計劃評審技術(shù)的航空項目風(fēng)險評價技術(shù)研究[J].計算機集成制造系統(tǒng)，2008（1）：192-196，208.

[4] 李江，雷曉剛.基于Multi-Agent技術(shù)的大型航天研發(fā)項目風(fēng)險分析方法[J].國防科技大學(xué)學(xué)報，2012，34（6）：148-152.

[5] 何佳音.機場投資風(fēng)險評估與對策研究[D].北京交通大學(xué)碩士學(xué)位論文，2015.

[6] 賈曉光.航天精導(dǎo)設(shè)備研制項目風(fēng)險管理研究[D].哈爾濱工業(yè)大學(xué)碩士學(xué)位論文，2016.

[7] YAO Huili，LIAN Chunguang，BAI Jingxian.Application of Analytic Hierarchy Process（AHP）in shipyard project investment Risk Recognition[J].Canadian Social Science，2009，5（5）：17-25.

[8] JIANG Hua，RUAN Junhu.Investment risks assessment on high-tech projects based on analytic hierarchy process and bp neural network[J].Journal of Networks，2010，5（4）：393-402.

[9] LIU Jin，GAO Xuanneng.Evaluation of investment risk in international engineering project based on improved risk matrix method[J].Advanced Materials Research，2011，1279（255）：3887-3892.

[10] LI Cunbin，LU Gongshu，WU Si.The investment risk analysis of wind power project in ChinaResearch on Investment Risk Assessment of Eco-Materials Industry Renewable Energy，2013，50：481-487.

[11] CHEN XB，XIE ZZ，LI J. Risk evaluation on the operation period of offshore wind power projects based on support vector machine[J].Journal of Engineering Management，2013（4）：55-59.

[12] JIN Hongxia，YAO Heping，YU Jie.Research on investment risk assessment of eco-materials industry[J].Applied Mechanics and Materials，2013，347-350：1018-1021.

[13] VAPNIK V N.The nature of statistical learning theory[M]. New York：Springer，2000：133-167.

[14] KARABOGA D.An idea based on honey bee swarm for numerical optimization[Z].2009.

[15] RAFTERY J.Risk analysis in project management[M].E&FNSPON;，An Imprit of Chapman&Hall;，London，1994.

[16] DOHERTY N A.Integrated risk management.Techniques and Strategies for reducing risk[M].McGraw-Hi11.NewYork.2000：236.

[17] 王少輝.科研機構(gòu)軍工固定資產(chǎn)投資項目風(fēng)險分析與控制研究[D].中國科學(xué)院大學(xué)碩士學(xué)位論文，2015.

[18] KARABOGA D，BASTURK B.A powerful and efficiental gorithm fornumerical function optimization：artificialbeecolony（ABC）algorithm[J].Journal of Global Optimization，2007，39（3）：459-471.

[19] KARABOGA D，AKAY B.A comparative study of artificial bee colony algorithm[J].Applied Mathematics & Computation，2009，214（1）：108-132.

[20] LIUXB，CAIZX. Artificial bee colony programming made faster[C]//International Conferenceon Natural Computation.IEEE，2009：154-158.