基于云模型的特色小鎮(zhèn)PPP項目融資風險評價

趙 輝，王 玥，張旭東，馬勝彬

(青島理工大學 管理工程學院，青島 山東 266520)

特色小鎮(zhèn)的概念最初可追溯到美國的硅谷、法國的香水小鎮(zhèn)格拉斯等等，它們都是舉世聞名的經典案例。2017年我國四部委聯(lián)合發(fā)布的《關于規(guī)范推進特色小鎮(zhèn)和特色小城鎮(zhèn)建設的若干意見》中，明確指出要把特色小鎮(zhèn)和小城鎮(zhèn)建設作為供給側結構性改革的重要平臺，到2020年我國各省市特色小鎮(zhèn)規(guī)劃目標將達到2000余項之多[1]。由于其投資額度大，目前我國的特色小鎮(zhèn)項目融資方式多采用PPP(Public-Private Partnership)模式，該模式具有項目回收期長的顯著特點，這一過程中許多因素將會對特色小鎮(zhèn)PPP項目的培育構成風險，影響其穩(wěn)健發(fā)展。對以PPP模式融資的特色小鎮(zhèn)項目展開前期判斷和融資風險評價具有重要意義。

關于PPP融資風險分析問題現已有一定研究，Adnan等[2～4]對PPP風險因素進行識別并對分擔機制進行了研究；關于特色小鎮(zhèn)問題，王佃利等[5]進行了特色小鎮(zhèn)相關政策解讀；萬樹等[6]結合鄉(xiāng)村振興戰(zhàn)略背景，以不同地域的視角對我國各省市特色小鎮(zhèn)PPP項目進行全面的融資風險分析；Grinsey等[7～10]構造了PPP融資風險評價體系并進行了實證分析。通過對已有研究的分析，目前結合特色小鎮(zhèn)自身特點構建的融資風險指標體系研究相對較少，大多仍以PPP模式的大框架為基礎展開，如兩階段法構建梳理風險因素[11],或從項目全生命周期的角度設置評價指標[12]；評價方法上多用灰色理論[13～15]等常見方式，評價的科學性及準確性還有待提高?；谔厣℃?zhèn)項目的特殊性，本文首先在已有研究的基礎上結合特色小鎮(zhèn)項目特征及PPP項目的特點構建合理的融資風險評價指標體系，其次運用層次分析(Analytic Hierarchy Process，AHP)法及信息熵理論對指標進行賦權，得到組合權重值，最后以云模型的正逆向發(fā)生器輸出融資風險綜合評價值，并通過案例分析論證其科學性及適用性，以期為PPP模式下的特色小鎮(zhèn)項目融資風險研究提供參考。

1 融資風險及其形成機制

(1)特色小鎮(zhèn)項目PPP融資風險

關于PPP項目融資風險的概念，國內外已有諸多研究。Karim[16]認為它是在建設過程中不能排除在外的自然發(fā)生的過程；萬樹等[6]將PPP融資風險定義為由不確定性引發(fā)的與利益相關的結果和項目預期產生偏離而可能付出的代價。結合特色小鎮(zhèn)的特點，可將特色小鎮(zhèn)PPP項目融資風險定義為：以PPP模式進行融資、以自身預期收益和資產對外承擔債務償還責任的特色小鎮(zhèn)項目，在特許經營期內發(fā)生的可能對項目的預期收益及資產產生負面影響的事件。

(2)特色小鎮(zhèn)的分類

目前我國的特色小鎮(zhèn)主要可分為產業(yè)類、文旅類及社區(qū)三類，表1為特色小鎮(zhèn)的具體分類介紹及其發(fā)展所依托的核心要素[17]。從表1中可以看出，不同類型特色小鎮(zhèn)的培育所依托的資源是不同的，需要一定的資源基礎，沒有良好的先決條件，對項目融資具有較大風險，因此在指標設置時需要將特色小鎮(zhèn)的自身特點考慮在內。

(3)特色小鎮(zhèn)失敗案例分析

我國的特色小鎮(zhèn)中不乏成功的經驗[18]，尤其是在江浙地區(qū)，當然也有諸多失敗的案例[19]，它們在培育環(huán)節(jié)中出現了不同的問題，引起巨大風險，最終走向衰敗，見表2。

表1 特色小鎮(zhèn)的具體類型

表2 特色小鎮(zhèn)項目失敗案例

(4)特色小鎮(zhèn)PPP項目融資風險形成機制

基于PPP模式的特色小鎮(zhèn)項目融資風險主要可分為內部風險和外部環(huán)境風險。

1)項目內部風險。由于項目資金一般由組建的項目公司進行籌集，政府在此過程中取輔助作用，政府支持力度以及項目預期收益的支撐將影響項目公司獲得金融機構的貸款額度及形式[14]，從而決定了特色小鎮(zhèn)PPP項目的資金結構及融資成本，項目的資金結構劣、融資成本高會形成較大的項目成本風險；其次項目的基礎環(huán)境、資源條件及規(guī)劃設計水平可能構成項目效益風險。

2)項目外部環(huán)境風險。從表2案例中可以看出，為特色小鎮(zhèn)項目帶來風險的外部因素有政府配合度低、當地經濟水平低等。此外市場因素(如客流量、收費價格等)對運營效益有較大影響，社會、法律等因素也是引起項目融資風險的重要原因，同時由于特色小鎮(zhèn)項目的特殊性，環(huán)境因素同樣可能帶來項目融資風險。

通過上述分析可得到特色小鎮(zhèn)PPP項目的風險形成機制，內、外部風險因素構成風險源，作用于特色小鎮(zhèn)PPP項目，最終造成PPP模式下的特色小鎮(zhèn)項目融資風險，甚至融資失敗，如圖1所示。

圖1 特色小鎮(zhèn)PPP項目融資風險形成機制

2 融資風險評價指標體系構建

特色小鎮(zhèn)PPP項目融資風險評價指標體系構建需滿足以下原則：

(1)全面性與科學性。指標體系需能覆蓋所有對特色小鎮(zhèn)PPP項目的預期收益及資產產生負面影響的各方面，同時在指標選擇時，要關注該指標是否對項目融資成功構成較大風險。

(2)邏輯性與系統(tǒng)性。指標層的各指標下指標需和準則層之間具有邏輯性，整個指標體系能夠呈現較強系統(tǒng)性。

(3)相關性及效度性。各風險指標對項目融資風險評價需有較高相關性，同時滿足指標體系進行融資風險評價有較高效度。

通過對前述已有評價指標體系的歸納分析及統(tǒng)計[6～16]，并從特色小鎮(zhèn)的自身特點出發(fā)，結合PPP項目的定義和評價標準，從項目條件、政治風險、法律風險、財務風險、建設風險、運營風險、不可抗力等7個方面初步篩選出融資風險評價指標。為保障指標體系的可信度，本文運用問卷調查法，首先向以相關專家、PPP咨詢機構及政府機構等行業(yè)人員組成的專家組發(fā)放調查問卷100份，回收有效問卷82份；接著統(tǒng)計問卷結果及專家反饋意見，并就第一輪問卷調查結果進行二次問卷調查，綜合兩次問卷調查結果，剔除相關度較低且具有交叉重復性的指標，最終建立了由21項指標組成的融資風險評價指標體系。為便于理解指標的內涵，同時也給出了指標評價的標準，風險等級描述的序號對應的風險等級分別為：(1)低風險；(2)較低風險；(3)中等風險；(4)較高風險；(5)高風險，指標及其描述如表3所示。

表3 特色小鎮(zhèn)PPP項目的融資評價指標體系

3 融資風險評價指標權重的確定

考慮到用專家判斷的方式所設定的權重主觀性較強，本文采用層次分析法及信息熵理論構成的組合賦權方式，結合主觀及客觀信息，綜合其權重值求取最終權重。

3.1 層次分析法確定主觀權重

層次分析法(AHP)在評價問題中被廣泛使用，因為它能夠將系統(tǒng)進行層次化，需要有專家進行評價打分，因此具有較強的主觀性[20]。其主要過程包括：構造層次結構；構造判斷矩陣；求解各層權重值(本文采用求冪法)；求解指標層對于總目標層的權重值；一致性檢驗。

3.2 信息熵理論確定客觀權重

信息熵理論是對于信息無序度的判斷，即信息的不確定度會影響熵值大小，進而對結果產生正面或負面的影響。運用信息熵理論對權值信息進行分析處理可在一定程度上削弱專家判斷的主觀性，原理如下：

(1)構造決策矩陣A=(aij)m×n來表示評價指標集，aij表示第i個專家對第j個指標的風險評價值，i=1,2,…,m，j=1,2,…,n，m，n分別表示專家個數和風險評價指標個數。

(2)計算熵值。首先計算風險指標值比重rij：

(1)

然后計算風險評價的信息熵Hj：

(2)

若rij=0，規(guī)定rijlnrij=0，則有0≤Hj≤1。

(3)由于本文的評價值不涉及量綱，因此無需歸一化處理，可直接利用評價值計算熵權。根據熵權理論，第j個風險評價指標的權重wj為：

(3)

為論證信息熵理論求取權重的科學性，本文將在求出風險評價值的基礎上加以證實：即驗證當某項指標評價信息離散程度減小(熵值增大)，指標風險值減小。由于評價值大小的不確定，因此以公式推導的方式進行驗證較為困難，為提升可操作性，本文在求解出評價結果的基礎上，將各指標原熵值依次增加適當數值，再分別求取各指標評價的加權風險評價值，通過兩次評價值的增減情況，判斷信息離散程度與風險評價值的影響關系進行驗證。

3.3 Rough-set理論

記層次分析法得到的權重值為w1，信息熵理論得到的權重為w2，設兩種方式賦權的權重值得距離函數為d(w1j,w2j)，其表達式為：

(4)

則第j個指標的組合賦權表達式為：wzj=αw1j+βw2j?？紤]到研究的科學性，α與β所滿足的關系如下：

(5)

4 基于云模型的融資風險評價模型

云模型是由我國李德毅教授在1995年提出的一種處理不確定性決策問題的理論[21]，能夠將定性信息與定量信息進行不確定轉換的模型，能較好地反應評價對象的模糊性及隨機性。同時它與傳統(tǒng)的評價方法相比更加符合客觀事實，根據李英攀等[22]通過將云模型與模糊綜合評價法及BP神經網絡模型的比較研究表明，使用云模型的得到的評價結果精度更高，更加貼近實際情況。利用云模型來進行融資風險評價研究有諸多優(yōu)勢：(1)定性等級評價與定量風險分析值具有雙向可逆性；(2)綜合評價云圖對于風險的判斷較直觀；(3)充分考慮到評價中的模糊性及隨機性，評價準確度較高。

4.1 模型原理

(1)云的數字特征

云的數字特征反映了定性概念的定量特征，云模型中由云滴構成的云圖用三個數值來表示，記作C(Ex,En,He)。Ex為期望值，是定性概念在論域空間中最有代表性的點；En為熵，它用來衡量一個定性概念的模糊度，熵越大，說明這個概念模糊性越強，對其量化就越困難；He為超熵，衡量熵的離散程度，反映云滴的凝聚性，同時也能反映出云的厚度。云模型的數字特征將定性信息轉化成定量的數字特征，圖2即為正態(tài)云模型的數字特征示意圖。

圖2 正態(tài)云模型的數字特征

(2)云發(fā)生器

正向云發(fā)生器和逆向云發(fā)生器是云模型中二種主要的算法。正向云發(fā)生器的目的是將三個數字特征轉化為符合要求的云滴，是定性到定量的過程，可用MATLAB編程實現云圖的繪制。逆向云發(fā)生器是將精確的數值輸入其中并有效轉化為恰當的云模型的數字特征值的過程，一維逆向云發(fā)生器的算法可如下進行[20]：

首先計算樣本均值：

(6)

式中：N為發(fā)生器內產生的云滴個數。

一階樣本絕對中心距：

(7)

樣本方差：

(8)

特征值計算：

(9)

兩個發(fā)生器的原理正好相反，共同實現定量與定性進行的相互轉換。其原理如圖3所示。

圖3 正逆發(fā)生器原理

4.2 評價步驟

(1)確定云標尺。主要通過專家結合經驗與專業(yè)知識事先給出。根據本文評價等級與區(qū)間的特點，現針對標準云參數對原計算公式做修改[21]，可按照式(10)計算每一風險評價區(qū)間的云模型的數字特征：

(10)

式中：Bmax，Bmin分別為最大、最小邊界；k為常數，可依據變量的模糊度進行調整[22]。

(2)評價打分，根據專家打分情況，運用云模型的融合算法[21]，整合單因素的評價云，得到風險評價的綜合云數字特征：

(11)

然后將最終評價值的頂層C(Ex,En,He)利用正向云發(fā)生器將三個數字特征值生成云圖。

(3)最后用云圖與標準云圖進行比對，重合度最高的等級則為最終的融資風險評價等級。

本文綜合了現有云模型方法，并考慮到了與特色小鎮(zhèn)項目融資風險評價問題的匹配性，最終選擇了恰當的標準云參數及評價云計算方式，確保輸出更加準確的風險評價值。

5 案例分析

5.1 項目介紹

為帶動城鄉(xiāng)建設，拉動經濟發(fā)展，2018年1月17日河北省發(fā)起了元氏縣的產業(yè)新城PPP項目。元氏縣主城區(qū)北部，鹿泉區(qū)、欒城區(qū)和元氏縣的交界處，包含元氏縣經濟開發(fā)區(qū)新能源和智能制造產業(yè)園，合作區(qū)域統(tǒng)籌規(guī)劃面積共約43.1 km2，其中實際可開發(fā)建設用地面積6.1 km2(其余區(qū)域由中選社會資本按照要求負責運營)。合作范圍土地內現有農用地9604.95 畝、建設用地7518 畝。本項目主要采取“政府主導、企業(yè)運作、合作共贏”的市場化運作方式，為該區(qū)域提供一系列規(guī)劃、建設、運營綜合解決方案，將其打造成為“產業(yè)高度聚集、城市功能完善、生態(tài)環(huán)境優(yōu)美”的產業(yè)新城。部分合作區(qū)域基礎及公共設施建設項目內容見表4。

表4 項目合作區(qū)域基礎及公共設施建設項目

注：信息來源于財政部政府與社會資本合作中心官網

5.2 融資風險評價標準設置

為有效分析該項目融資風險大小，本文運用組合賦權法及云模型理論對元氏產業(yè)新城融資風險進行評價。本例研究邀請由高校、PPP咨詢機構、律師事務所、政府部門以及建設領域的權威專家組成的8人團隊對本案進行打分評價，提供評價數據支撐。通過問卷的形式，首先得到風險等級及對應的分值區(qū)間：低風險[0,2)；較低風險[2,4)；中度風險[4,6)；較高風險[6,8)；高風險[8,10]。

利用式(10)得到本案風險評價標準云參數，再結合區(qū)間模糊度，使云圖能準確反映評價標準，多次取值實驗后得出k取0.03較適宜，見表5。

表5 風險評價標準云參數

利用標準云參數，結合正向云發(fā)生器原理，編程得到綜合標準云圖，如圖4所示。

圖4 綜合標準云圖

5.3 指標組合賦權

接著由8位專家以該項目為背景，運用專業(yè)知識及經驗對每項指標打分，見表6。

表6 風險評價分值

然后專家評價各指標重要程度，由層次分析法計算主觀權重，為增強權重值的可信度，指標權重問卷邀請了上述8人團隊對該指標體系中準則層間、各準則層下指標間的相對重要程度進行判斷。經統(tǒng)計問卷結果，并按3.1節(jié)層次分析法步驟計算各專家的評價指標權重值并求取平均值，得到各指標的最終主觀權重值(CR<0.1，一致性檢驗通過)。綜合專家意見后結果顯示，建設成本增加、建設工期延長及潛在競爭程度等風險指標在眾多指標中重要性較高，這是因為上述風險對項目凈收益影響較大。再根據信息熵理論公式(2)(3)計算出客觀權重向量，根據式(4)(5)列出方程，計算出α1=0.54，α2=0.46。代入組合賦權表達式計算出最終的組合權重，見表7。

表7 組合賦權權重值

5.4 評價等級確定

將各專家對于每一項指標的打分代入一維逆向云發(fā)生器式(6)～(9)中計算，得到各指標的云參數，例如融資成本指標的打分結果為(5,4,4,3,4,3,3,4)，對應的云參數計算為Ex42=3.75，En42=0.705，He42=0.057，最終得出全體指標的權重及云參數，如表8所示。

按式(10)計算最終的云參數得C(Ex,En,He)為(2.718,0.689,0.02)。利用正向云發(fā)生器原理，通過編程，將特征值轉換為綜合風險評價云圖，如圖5所示。

表8 云模型數字特征

圖5 融資風險綜合評價云圖

從評價結果呈現出來的綜合評價云圖可看出本項目的融資風險等級屬于“較低風險”，具備可實施性，符合實際情況。從各指標的云參數特征中可看出，融資成本、融資結構以及建設成本增加及施工難度等4項指標的風險相對較大，拉高了綜合風險評價值。因此在實施過程中，還需重點關注以上指標的風險管理問題，對風險進行合理優(yōu)化和深度控制，實現項目融資風險最低化。

5.5 信息熵的應用論證

按照3.2節(jié)中信息熵的驗證步驟逐一將21項指標熵值增加一定數值，由于原始熵值大部分大于0.9且不能超過1，為能反映結果的有效性以及敏感性，增加數值不宜過大，因此設定每項指標熵值增加0.01(由于第10項最大增幅小于0.01，因此第10項僅增加0.001)并依次計算出每項指標熵值增加前后的各項指標的加權風險評價值及變化量，結果見表9。

表9 熵值與風險評價值變化關系

結果顯示，隨著熵值增大(信息離散程度減小)，各指標的風險加權評價值相比原始加權評價值有所減小。以通貨膨脹影響指標為例，當熵值增加0.01，通貨膨脹影響的風險值相應降低了0.0016，證明通貨膨脹指標的評價信息離散程度度減小時，風險評價值在減小，其他指標情況相同。由此可證明當指標的評價信息因離散度帶來的不確定性降低時，風險評價值會有所下降，從而驗證了信息熵理論運用的合理性，證明本文的風險評價結果是準確有效的。

6 結 論

本文將組合賦權法及云模型理論應用于特色小鎮(zhèn)PPP項目融資風險評價，結合理論分析與實證研究著重解決了以下四方面的問題：

(1)融合特色小鎮(zhèn)PPP項目特性構建了具有較強針對性的融資風險評價指標體系，改善了傳統(tǒng)PPP融資風險指標體系的片面性。

(2)運用AHP及信息熵的組合賦權法計算特色小鎮(zhèn)PPP項目融資風險評價指標的權重值，通過綜合主觀、客觀信息，提高權重值的準確度。

(3)引入云模型的融資評價方法，通過云圖中表現出的云跨幅及厚度分析融資評價中存在的模糊性及隨機性，實現定性、定量信息間的轉換。

(4)通過案例分析，分析出項目方案的融資風險等級及風險較大因素，驗證了該模型對特色小鎮(zhèn)PPP項目融資風險評價的合理性及適用性。