PPP項目風(fēng)險評價研究

徐晨

[提要] 項目風(fēng)險管理一直是人們討論的熱點(diǎn)。本文在風(fēng)險識別基礎(chǔ)上，引入智能算法，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型風(fēng)險評價方法，在MATLAB上進(jìn)行實(shí)證分析。分析表明：相對于傳統(tǒng)的風(fēng)險評價模型，基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的模型能有效地對PPP項目風(fēng)險進(jìn)行評價，為項目的風(fēng)險評判標(biāo)準(zhǔn)提供依據(jù)。

關(guān)鍵詞：PPP模式;風(fēng)險評價;主成分分析;神經(jīng)網(wǎng)絡(luò)

中圖分類號：F83 文獻(xiàn)標(biāo)識碼：A

收錄日期：2020年3月3日

一、引言

隨著PPP模式從傳統(tǒng)工程項目發(fā)展到各個專業(yè)領(lǐng)域上應(yīng)用，人們對這種模式的關(guān)注度也越來越大。那么，什么是PPP模式呢？通俗來講，PPP模式就是“公私合營”模式，所謂“公”指的就是政府，而“私”指的就是民營企業(yè)。而PPP項目一般指的是政府與民營企業(yè)共同去建造一個項目，這個項目一般是指公共基礎(chǔ)設(shè)施類項目，比如說，高速公路、城市軌道交通（地鐵、輕軌）、城市地下綜合管廊、水電站等。不難發(fā)現(xiàn)這類項目大多都有建造時間長、所需資金流量巨大、結(jié)構(gòu)施工復(fù)雜、所需承擔(dān)風(fēng)險極高等特點(diǎn)。而這些大型項目如果運(yùn)用傳統(tǒng)建設(shè)模式，上述這些難題都很難去得到很好的解決。之所以引進(jìn)PPP模式，首先它能夠提高工程建設(shè)的效率，而效率的提高直接反映的結(jié)果就是工期將得到縮短，建造的時長也將會減少;其次由于參與了民營企業(yè)這一重要角色，也就意味著大量的社會資本流入工程項目中，從而降低了政府資金的緊張性;在施工工藝方面，民營企業(yè)擁有比較先進(jìn)和完善的施工工藝，這比過去政府自己的施工方案更具有競爭力。其中，最具有關(guān)鍵性的一點(diǎn)就是PPP模式能夠把項目風(fēng)險從過去由政府完全承擔(dān)到現(xiàn)在由政府和民營企業(yè)共同承擔(dān)，這種轉(zhuǎn)變直接影響著對項目風(fēng)險關(guān)鍵因素的精準(zhǔn)把控，而對一個項目的風(fēng)險因素精準(zhǔn)把控直接關(guān)系到這個項目的成與敗。

二、PPP項目風(fēng)險評價方法的選擇

關(guān)于PPP項目風(fēng)險評價方法的選擇，在項目風(fēng)險管理中關(guān)于風(fēng)險估計與風(fēng)險評價有很多的評價方法。下面就簡單概述一下這些評價方法，首先一個好的風(fēng)險評價方法能夠使我們更加客觀地去評價一個PPP項目成功與否，其次對于一篇論文來說方法的選擇對于整篇文章邏輯和核心架構(gòu)起到了很大的作用。主觀評分法：這個方法在項目的風(fēng)險評價非常常見，主要是根據(jù)專家的主觀經(jīng)驗，去給某個項目的某項風(fēng)險去打分，分值到最后形成權(quán)重，再根據(jù)一定的標(biāo)準(zhǔn)形成最終的得分，其實(shí)與主觀評分法類似的以打分為機(jī)制的評價方法有很多，比方說德爾菲法、熵權(quán)法等，這類方法專家越多越好，但是獲取分?jǐn)?shù)的整個過程比較復(fù)雜，需要一定的時間去完成。蒙特卡洛模擬法：這種方法主要用在風(fēng)險的量化中，毫無疑問風(fēng)險的出現(xiàn)必然帶來不確定性，而通過蒙特卡洛模擬，可以把風(fēng)險的這種不確定型給量化出來，形成了數(shù)學(xué)上的預(yù)測區(qū)間。層次分析法：這種方法可以列出最后目標(biāo)的排序，也可以用作各種指標(biāo)的權(quán)重上，在相當(dāng)多的論文里，發(fā)現(xiàn)運(yùn)用得到指標(biāo)的權(quán)重是最常見的，其實(shí)這種方法在計算權(quán)重之前一般也要得一些專家評分，再加上這種方法還是以定性為主，得出的結(jié)果沒有很大的信服力。模糊綜合評價法：模糊綜合評價法能很好地去界定像風(fēng)險這類難以確定難以量化的東西，這種方法在風(fēng)險評價方法中相當(dāng)常見，但一般不會單獨(dú)的出現(xiàn)，一般與其他評價方法相結(jié)合使用。故障樹法：故障樹法其實(shí)是決策樹法的延伸，其方法的邏輯性跟決策樹法十分相似，最終的結(jié)果也是以一種樹狀圖的形式表達(dá)出來，但與決策樹不同的是，故障樹法是以某一機(jī)制的故障去分析，并以此為出發(fā)點(diǎn)循序漸進(jìn)，所以筆者認(rèn)為故障樹法使用起來太具有局限性，需要一定的現(xiàn)實(shí)環(huán)境和確切的目標(biāo)條件才能分析出比較好的結(jié)果。綜上，風(fēng)險評價的方法不少，除了上述這幾種方法，還有很多風(fēng)險評價方法，比如很多人用灰色關(guān)聯(lián)度等方法。但無論使用哪種方法，需要去思考哪一種方法才是最適合的，畢竟很多方法都有自己所對應(yīng)的適用范圍。本文將以量軟件SPSS中的主成分分析和智能算法中的BP神經(jīng)網(wǎng)絡(luò)這兩種方法進(jìn)行結(jié)合，對PPP項目中所存在的風(fēng)險因素進(jìn)行評價。之所以選擇這兩種方法相結(jié)合，在現(xiàn)有的論文中，大部分的以評價做實(shí)證分析一般都是兩種不同的方法結(jié)合，尤其是創(chuàng)新點(diǎn)的提出需要跨領(lǐng)域?qū)W科方法去結(jié)合。

三、PPP項目評價指標(biāo)構(gòu)建

（一）風(fēng)險指標(biāo)的確定。這里所說的風(fēng)險指標(biāo)指的是PPP項目中所隱含的風(fēng)險指標(biāo)，一般來說風(fēng)險指標(biāo)都是根據(jù)風(fēng)險因素轉(zhuǎn)換而來，按照正常程序，首先要做的應(yīng)該是風(fēng)險識別，識別出項目所含的風(fēng)險因素，再從所有的風(fēng)險因素中提煉出關(guān)鍵的風(fēng)險指標(biāo)。這個過程看似簡單，實(shí)則復(fù)雜，首先PPP項目體系龐大，內(nèi)容板塊交錯復(fù)雜，其風(fēng)險因素比較多，指標(biāo)提取在一定有限時間內(nèi)難以整理全面。所以在選取指標(biāo)時，主要思路是：首先通過閱讀大量的文獻(xiàn)即文獻(xiàn)查閱法，整理出比較有代表性的16個PPP項目，在這16個PPP項目中，分別對每一個PPP項目去分析原作者給出的一級風(fēng)險指標(biāo)和二級風(fēng)險指標(biāo)，最后對所有PPP項目做一個綜合，得出了7個主要一級指標(biāo)和36個二級指標(biāo)。指標(biāo)選取完畢后，接下來就是對風(fēng)險指標(biāo)的量化，同樣通過大量的項目案例，每個案例的風(fēng)險指標(biāo)已有最后評出的相應(yīng)評分，筆者通過整合這些對應(yīng)的評分，再做一個簡單的加權(quán)處理（依據(jù)項目的時間長度以及資金的大?。┖?，最終得到了每個指標(biāo)綜合的評分，具體見表1。最后再給定一個風(fēng)險評判區(qū)間：[0，2]，[2，4]，[4，6]，[6，8]，[8，10]這五個區(qū)間，具體見表2。（表1、表2）

（二）對風(fēng)險指標(biāo)的降維。對于一個大型項目來說，風(fēng)險指標(biāo)一般都有很多個，風(fēng)險指標(biāo)之間可能存在著多重共線性的影響，比如說工程技術(shù)指標(biāo)與建設(shè)成本指標(biāo)就存在多重共線性關(guān)系，如果工程技術(shù)先進(jìn)并且完善的話，必然會帶來建設(shè)成本的降低，類似的指標(biāo)還有很多，所以需要對這些指標(biāo)進(jìn)行降維處理，這樣經(jīng)過處理后的主成分指標(biāo)再輸入到BP神經(jīng)網(wǎng)絡(luò)模型中，得出來的結(jié)果會更加精確。根據(jù)SPSS軟件，對整理出來的這些指標(biāo)做一個主成分分析，最終的軟件給出的結(jié)果表3、表4所示。（表3、表4）

通過上面的表格，我們可以通過得到的特征值來求得特征向量，比如說，第一個特征值是6.314，那么其對應(yīng)的特征向量為[]，化作小數(shù)則為[-0.110，0.173，0.299，…，0.184，0.029，0.038]，則第一個主成分的函數(shù)方程式則為：F1=-0.11C11+0.173C12+0.299C13+…+0.184C64+0.029C71+0.038C72。這只是第一個主成分的表達(dá)式，同理還有其余幾個主成分的表達(dá)式這里就不一一展示。

四、引入神經(jīng)網(wǎng)絡(luò)模型

這里先簡單概述下BP神經(jīng)網(wǎng)絡(luò)，在了解BP神經(jīng)網(wǎng)絡(luò)前，先說下什么是神經(jīng)網(wǎng)絡(luò)，一般所說的神經(jīng)網(wǎng)絡(luò)是指人工神經(jīng)網(wǎng)絡(luò)，其實(shí)這種神經(jīng)網(wǎng)絡(luò)跟真正的大腦神經(jīng)網(wǎng)絡(luò)沒有很大的聯(lián)系，只是有些概念引用了生物學(xué)上的模型，按照字面的理解，簡單來說神經(jīng)網(wǎng)絡(luò)就是就是由一個個傳感器相互連接組成的整體，當(dāng)這一個個傳感器接收到了外界的信息時，就會對外界信息做一個識別分類處理，把他歸到某一類。其實(shí)這些感受器的名字就叫做神經(jīng)元。神經(jīng)網(wǎng)絡(luò)的圖示模型其實(shí)有點(diǎn)像在管科前沿里學(xué)過的復(fù)雜網(wǎng)絡(luò)，由一個個節(jié)點(diǎn)組成有相互關(guān)系的網(wǎng)絡(luò)，只不過復(fù)雜網(wǎng)絡(luò)里的節(jié)點(diǎn)在神經(jīng)網(wǎng)絡(luò)里替換成了神經(jīng)元。神經(jīng)網(wǎng)絡(luò)把這些神經(jīng)元分成三個板塊，一個是輸入層，一個是中間的隱含層，還有一個輸出層。而BP神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)的一種，也是目前來說，研究得比較廣泛的一種神經(jīng)網(wǎng)絡(luò)算法，一般來說這種算法多用于預(yù)測研究或者排查某方面的故障，本文主要是用這種單隱層BP神經(jīng)網(wǎng)絡(luò)去做風(fēng)險評價。大體思想沿用了神經(jīng)網(wǎng)絡(luò)的思想，不同的是BP神經(jīng)網(wǎng)絡(luò)是基于誤差反向傳播去訓(xùn)練的算法，從而使得模型中的輸出層誤差得到最小。這里不深入研究這種算法的特點(diǎn)以及具體過程和原理，只需要在MATLAB軟件中輸入相關(guān)數(shù)據(jù)就可以得到我們想要的結(jié)果。經(jīng)過上文的主成分分析，可以確定要輸入的向量有11個，也就是輸入層神經(jīng)元11個。根據(jù)判斷中間層神經(jīng)元有23個，根據(jù)表2中劃分的風(fēng)險等級，可以確定5維輸出即5個輸出神經(jīng)元。綜上，本文BP神經(jīng)網(wǎng)絡(luò)為11*23*5。

在BP神經(jīng)網(wǎng)絡(luò)中，需要弄清楚各層的神經(jīng)元傳遞函數(shù)類型，一般來說中間層傳遞函數(shù)為sigmoid，為了保證統(tǒng)一性，這里將輸出層的傳遞函數(shù)也設(shè)定為sigmoid。通常用訓(xùn)練誤差來調(diào)整BP神經(jīng)網(wǎng)絡(luò)各層的input權(quán)重和偏置，而這之間依據(jù)的算法一般有兩種，一種是梯度下降法，還有一種是最小二乘法。本文BP神經(jīng)網(wǎng)絡(luò)是以梯度下降算法為基準(zhǔn)的訓(xùn)練算法，traingda為其對應(yīng)的函數(shù)。規(guī)定以下參數(shù)，如表5所示。（表5）

在訓(xùn)練樣本中選取的是前14個項目，最后BP神經(jīng)網(wǎng)絡(luò)迭代完成一共只需237次。本文將項目15和項目16的數(shù)據(jù)輸入以測試其效果，測試后顯示項目15和項目16的風(fēng)險等級依次為較小和一般，見表6。這個結(jié)果與之前的風(fēng)險等級判斷的結(jié)果是相同的，說明這種依據(jù)BP神經(jīng)網(wǎng)絡(luò)的模型對于風(fēng)險的評價可以準(zhǔn)確運(yùn)行。（表6）

針對MATLAB所預(yù)測出來的結(jié)果，建議如下：對于像項目15這類風(fēng)險較小的項目，表示項目風(fēng)險對于項目的相關(guān)人來說在可控制與可接受的范圍內(nèi)，在這種情況下，項目只需按照規(guī)定與流程按部就班，做好關(guān)鍵風(fēng)險點(diǎn)的把控，項目風(fēng)險管理就可以達(dá)到預(yù)期效果;對于類似項目16的項目，風(fēng)險等級判定為一般，說明在項目可以繼續(xù)運(yùn)營下去，但需要注意的是，此類項目在前期應(yīng)當(dāng)注重市場調(diào)查以及風(fēng)險研究，避免加大項目風(fēng)險甚至出現(xiàn)風(fēng)險連環(huán)事件;對于其他風(fēng)險較大的項目來說，應(yīng)當(dāng)從政府層面進(jìn)行考慮，政府要進(jìn)行相關(guān)風(fēng)險回避手段，或者對項目的運(yùn)行模式和機(jī)制進(jìn)行更換，直至將風(fēng)險降到能夠使項目正常運(yùn)行為止。

五、總結(jié)

本文首先概述了PPP模式的基本特點(diǎn)，通過其獨(dú)有的特點(diǎn)分析出PPP模式所隱含的風(fēng)險與一般其他項目管理模式所包含的風(fēng)險不同，具有多風(fēng)險、高風(fēng)險等特征，其次簡單概括了針對PPP項目所含項目風(fēng)險常用的評價方法，每種方法都有其特定的適用范圍，而本文所采用的方法是主成分分析法與BP神經(jīng)網(wǎng)絡(luò)模型相結(jié)合的風(fēng)險評價模型，接下來從閱讀的論文中搜集16個有代表性的PPP項目，對其指標(biāo)與數(shù)據(jù)進(jìn)行整合構(gòu)建風(fēng)險評價指標(biāo)體系表，然后對所得指標(biāo)進(jìn)行主成分降維，以便于后面模型更好地訓(xùn)練和輸入。緊接著將得出的主成分作為輸入數(shù)據(jù)，再設(shè)定好相關(guān)參數(shù)后，運(yùn)用MATLAB運(yùn)行BP神經(jīng)網(wǎng)絡(luò)模型，得出項目的風(fēng)險預(yù)測結(jié)果，最后將項目15和項目16進(jìn)行預(yù)測驗證，結(jié)果顯示與得出的預(yù)測結(jié)果溫和，說明PCA-BP神經(jīng)網(wǎng)絡(luò)模型在進(jìn)行風(fēng)險評價時是有效的，最后根據(jù)所評判的項目風(fēng)險等級給出了相應(yīng)意見。在本文的風(fēng)險評價方法上，與傳統(tǒng)的風(fēng)險評價模型相比，基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的模型能有效地對PPP項目風(fēng)險評價。主成分分析能夠?qū)L(fēng)險指標(biāo)進(jìn)行降維和消除共線性的影響，而BP神經(jīng)網(wǎng)絡(luò)對風(fēng)險數(shù)據(jù)的處理效率高，信息捕獲性強(qiáng)，擁有著與其他智能算法一樣的學(xué)習(xí)與適應(yīng)能力，因此這兩種方法的結(jié)合能夠?qū)崿F(xiàn)PPP項目的風(fēng)險評價。

主要參考文獻(xiàn)：

[1]范闖，劉玉明.淺析PPP模式的智慧城市建設(shè)風(fēng)險與利益分配方法[J].哈爾濱工業(yè)大學(xué)學(xué)報（社會科學(xué)版），2019.21（2）.

[2]金晶，李宗昊，朱亮，童心豪，楊長衛(wèi).BP神經(jīng)網(wǎng)絡(luò)在鐵路建設(shè)風(fēng)險評估中的應(yīng)用[J].鐵道工程學(xué)報，2019.36（3）.

[3]陶洋，顧偉紅.基于因子分析和BP神經(jīng)網(wǎng)絡(luò)的地鐵盾構(gòu)施工成本風(fēng)險分析[J].科學(xué)技術(shù)與工程，2018.18（14）.

[4]溫來成，孟巍.政府和社會資本合作（PPP）項目預(yù)算管理及風(fēng)險控制[J].河北大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2017.42（6）.

[5]陶思平.PPP模式風(fēng)險分擔(dān)研究——基于北京市軌道交通的分析[J].管理現(xiàn)代化，2015.35（4）.