污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)云模型綜合評(píng)價(jià)

卜 波,綦春明*,羅 聰,劉慶恒

(1.南華大學(xué) 土木工程學(xué)院,湖南 衡陽(yáng) 421001;2.衡陽(yáng)市建設(shè)工程質(zhì)量安全監(jiān)督站,湖南 衡陽(yáng) 421001)

0 引 言

自2017年起，財(cái)政部、住房城鄉(xiāng)建設(shè)部等部要求政府參與的污水處理項(xiàng)目全面采用政府和社會(huì)資本合作模式(public private partnership，PPP)實(shí)施[1]，污水處理設(shè)施作為城市基礎(chǔ)設(shè)施，引入PPP模式能提升其公共服務(wù)質(zhì)量和效益，減輕財(cái)政壓力，被政府廣泛示范推廣。但PPP項(xiàng)目具有投資金額及規(guī)模大、合同特許期長(zhǎng)、模式操作復(fù)雜等特點(diǎn)，在實(shí)施過程中會(huì)產(chǎn)生許多潛在的風(fēng)險(xiǎn)因素，內(nèi)外部風(fēng)險(xiǎn)因素的變化容易導(dǎo)致PPP項(xiàng)目發(fā)生損失，甚至徹底失敗[2-3]。

已有PPP研究工作表明，PPP項(xiàng)目的客觀，可靠和實(shí)用的風(fēng)險(xiǎn)評(píng)估模型對(duì)于PPP項(xiàng)目的成功實(shí)施至關(guān)重要[4]。目前，對(duì)于污水處理PPP項(xiàng)目風(fēng)險(xiǎn)評(píng)估模型的研究取得了各種成果。H.Zhao[5]采用主客觀賦權(quán)和DS證據(jù)理論(dempster-shafer envidence theory，DS證據(jù)理論)評(píng)估污水處理PPP資產(chǎn)證券化項(xiàng)目整體風(fēng)險(xiǎn)。E.E.Ameyaw[6]用模糊綜合評(píng)價(jià)法(fuzzy synthetic evaluation，F(xiàn)SE)對(duì)發(fā)展中國(guó)家26個(gè)水務(wù)PPP項(xiàng)目進(jìn)行風(fēng)險(xiǎn)評(píng)估和排序。Q.Liu[7]在布萊克-肖爾斯期權(quán)定價(jià)模型(black scholes，BS)中引入了短期不確定性估算PPP污水處理項(xiàng)目實(shí)物期權(quán)收益。宋健民[8]提出了基于Shapley值修正的收益分配模型，對(duì)污水處理項(xiàng)目在運(yùn)營(yíng)階段的收益進(jìn)行周期動(dòng)態(tài)分配。朱珊[9]構(gòu)建類別加權(quán)算子灰靶風(fēng)險(xiǎn)分析模型，通過二次賦權(quán)評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)?，F(xiàn)有研究多采用經(jīng)典的數(shù)學(xué)公式精確度量污水處理PPP項(xiàng)目風(fēng)險(xiǎn)，忽視了風(fēng)險(xiǎn)量化所產(chǎn)生的隨機(jī)性和模糊性，而準(zhǔn)確評(píng)估PPP項(xiàng)目風(fēng)險(xiǎn)的不確定性至關(guān)重要[10]。PPP項(xiàng)目風(fēng)險(xiǎn)因素之間具有關(guān)聯(lián)性，因此影響項(xiàng)目失敗往往是多個(gè)風(fēng)險(xiǎn)因素的組合作用[11-12]，但上述文獻(xiàn)對(duì)這些問題的研究并未體現(xiàn)。對(duì)于PPP項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)的準(zhǔn)確性，考慮風(fēng)險(xiǎn)量化的隨機(jī)性和模糊性以及風(fēng)險(xiǎn)之間的交互作用不可忽視。

為解決上述問題，準(zhǔn)確評(píng)價(jià)污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)，提出了改進(jìn)加權(quán)云模型評(píng)價(jià)模型，采用兼顧定性定量評(píng)價(jià)中的隨機(jī)性和模糊性的云模型[13]，在傳統(tǒng)主客觀賦權(quán)基礎(chǔ)上加入了改進(jìn)的模糊綜合評(píng)價(jià)-系統(tǒng)動(dòng)力學(xué)(system dynamics，SD)二次加權(quán)模型(改進(jìn)FSE-SD加權(quán)模型)，通過研究風(fēng)險(xiǎn)發(fā)生的可能性和風(fēng)險(xiǎn)因素之間的耦合關(guān)系進(jìn)行系統(tǒng)動(dòng)力學(xué)建模，對(duì)收益風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)進(jìn)行二次加權(quán)，使收益風(fēng)險(xiǎn)云模型綜合評(píng)價(jià)結(jié)果更準(zhǔn)確，為決策者提供決策參考。

1 評(píng)價(jià)指標(biāo)體系的構(gòu)建

污水處理PPP項(xiàng)目作為城市基礎(chǔ)設(shè)施，具有特殊性、公共服務(wù)性及可持續(xù)發(fā)展屬性，其收益風(fēng)險(xiǎn)特性有別于傳統(tǒng)類型的PPP項(xiàng)目風(fēng)險(xiǎn)，目前針對(duì)這類項(xiàng)目收益風(fēng)險(xiǎn)國(guó)內(nèi)外研究較少，缺乏準(zhǔn)確全面的風(fēng)險(xiǎn)評(píng)價(jià)機(jī)制。本文通過文獻(xiàn)研究[2,11-12,14-15]、案例研究[16]，問詢相關(guān)領(lǐng)域?qū)＜?，考慮污水處理PPP項(xiàng)目特點(diǎn)，采用：工作分解結(jié)構(gòu)(work breakdown structure，WBS)和關(guān)鍵成功因素法(critical success factors，CSF)建立政策法律風(fēng)險(xiǎn)等9項(xiàng)一級(jí)指標(biāo)、29項(xiàng)二級(jí)指標(biāo)的污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)指標(biāo)體系，如圖1所示。

2 改進(jìn)指標(biāo)加權(quán)模型

2.1 主客觀賦權(quán)

熵值法[17]能根據(jù)各指標(biāo)的差異程度來求出能代表權(quán)重分配的客觀熵權(quán)，避免了人為因素的干擾。G1法[18]是一種通過建立指標(biāo)重要度序關(guān)系進(jìn)行主觀賦權(quán)的方法，能彌補(bǔ)層次分析法的不足，不需要構(gòu)造兩兩判斷矩陣和進(jìn)行一致性檢驗(yàn)，能體現(xiàn)出決策者的主觀意愿。對(duì)于PPP項(xiàng)目收益風(fēng)險(xiǎn)評(píng)價(jià)，差異度最大的指標(biāo)并不一定是最影響項(xiàng)目收益的，熵權(quán)并不能表示指標(biāo)的重要性系數(shù)。而指標(biāo)重要度排序偏重于專家的主觀判斷，容易忽視實(shí)際客觀信息。設(shè)p和q分別為主、客觀權(quán)重，為了使賦權(quán)兼顧客觀信息和主觀理論，采用G1法和熵值法計(jì)算二級(jí)指標(biāo)的主客觀組合權(quán)重W：

W=αp+βq

其中，α和β為權(quán)重組合系數(shù)，兩者各占一半時(shí)組合權(quán)重結(jié)果最優(yōu)[19]。

2.2 SD建模二次加權(quán)

由于PPP項(xiàng)目風(fēng)險(xiǎn)的性質(zhì)在項(xiàng)目持續(xù)期間會(huì)改變，建立系統(tǒng)化的風(fēng)險(xiǎn)管理有助于更好地應(yīng)對(duì)風(fēng)險(xiǎn)[10]。系統(tǒng)動(dòng)力學(xué)是基于系統(tǒng)論和非線性動(dòng)力學(xué)研究系統(tǒng)內(nèi)部間的反饋結(jié)構(gòu)和動(dòng)態(tài)性的理論[20]。因此采用系統(tǒng)動(dòng)力學(xué)研究風(fēng)險(xiǎn)因素之間的耦合關(guān)系對(duì)項(xiàng)目收益風(fēng)險(xiǎn)的動(dòng)態(tài)影響更具有優(yōu)勢(shì)。通過建立污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)系統(tǒng)動(dòng)力學(xué)模型并運(yùn)行模擬，對(duì)SD模型的運(yùn)行結(jié)果采用控制變量法計(jì)算一級(jí)指標(biāo)的權(quán)重[21]，并乘以二級(jí)指標(biāo)的主客觀組合權(quán)重以進(jìn)行二次加權(quán)最后得到各二級(jí)指標(biāo)的最終權(quán)重。

2.2.1 污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)系統(tǒng)流圖

將收益風(fēng)險(xiǎn)系統(tǒng)按照一級(jí)指標(biāo)劃分為9項(xiàng)風(fēng)險(xiǎn)子系統(tǒng)，根據(jù)各項(xiàng)風(fēng)險(xiǎn)子系統(tǒng)特點(diǎn)，增加邊界指標(biāo)與二級(jí)指標(biāo)共同構(gòu)成污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)耦合系統(tǒng)。運(yùn)用Vensim軟件繪制出該系統(tǒng)存量流量圖，如圖2所示。

圖1 污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)指標(biāo)體系Fig.1 Revenue for risk index system of sewage treatment PPP project

圖2 污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)系統(tǒng)存量流量圖Fig.2 Stock flow chart of income risk system for sewage treatment PPP project

從該系統(tǒng)存量流量圖可知，產(chǎn)生影響污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)的風(fēng)險(xiǎn)因素是多層面的，并且具有一定的聯(lián)系，以政府信用風(fēng)險(xiǎn)對(duì)政策法律風(fēng)險(xiǎn)子系統(tǒng)、運(yùn)營(yíng)收入風(fēng)險(xiǎn)子系統(tǒng)和管理子風(fēng)險(xiǎn)的影響作用為例，由政府違約或腐敗風(fēng)險(xiǎn)導(dǎo)致的政府信用風(fēng)險(xiǎn)不但會(huì)影響政策文件的制定簽發(fā)，直接加劇政策法律風(fēng)險(xiǎn)，還容易導(dǎo)致地方政府債務(wù)過高，觸及財(cái)政紅線導(dǎo)致項(xiàng)目的財(cái)政補(bǔ)貼不足的狀況，進(jìn)而降低項(xiàng)目收益，引發(fā)運(yùn)營(yíng)收入上的風(fēng)險(xiǎn)，同時(shí)也會(huì)增加項(xiàng)目管理層面上的混亂加劇管理風(fēng)險(xiǎn)。本文將各風(fēng)險(xiǎn)子系統(tǒng)的二級(jí)風(fēng)險(xiǎn)指標(biāo)作為輸入因素變量研究各風(fēng)險(xiǎn)子系統(tǒng)對(duì)項(xiàng)目收益風(fēng)險(xiǎn)系統(tǒng)的影響程度。

2.2.2 系統(tǒng)動(dòng)力學(xué)輸入變量參數(shù)的確定

由于主客觀賦權(quán)是從各二級(jí)風(fēng)險(xiǎn)因素的重要、客觀角度計(jì)算，并未考慮影響收益風(fēng)險(xiǎn)的各風(fēng)險(xiǎn)因素發(fā)生的可能性，因此在風(fēng)險(xiǎn)變量輸入?yún)?shù)的設(shè)定上需要考慮風(fēng)險(xiǎn)發(fā)生的可能性使SD建模二次加權(quán)結(jié)果更準(zhǔn)確和符合實(shí)際。考慮二級(jí)風(fēng)險(xiǎn)指標(biāo)因素發(fā)生的可能性難以精確度量，采用了基于模糊數(shù)學(xué)的FSE法，其能較好地解決模糊的、難以量化的的問題，適用于受制約影響因素多的對(duì)象系統(tǒng)[22]。因此本文在SD建模二次加權(quán)過程中，使用并改進(jìn)FSE法以處理二級(jí)風(fēng)險(xiǎn)因素發(fā)生的可能性為SD模型提供模糊參數(shù)輸入，計(jì)算步驟如下：

1)將因素集根據(jù)二級(jí)指標(biāo)風(fēng)險(xiǎn)發(fā)生的可能性建立為{小,較小,中等,較大,大}，對(duì)應(yīng)的評(píng)語集隸屬度為V={0.1,0.3,0.5,0.7,0.9},權(quán)重集W={w1,w2,…,wn}。

2)邀請(qǐng)專家對(duì)二級(jí)風(fēng)險(xiǎn)因素發(fā)生的模糊性進(jìn)行評(píng)判，歸一化處理后得到模糊矩陣R:

3)由于主客觀賦權(quán)法已經(jīng)對(duì)二級(jí)風(fēng)險(xiǎn)指標(biāo)計(jì)算了一次權(quán)重，為避免二級(jí)風(fēng)險(xiǎn)指標(biāo)SD建模二次加權(quán)中再重復(fù)計(jì)算，同時(shí)為使FSE法能輸出包含每個(gè)二級(jí)指標(biāo)的參數(shù)向量，因此將權(quán)重集W以單位對(duì)角矩陣代替：

W=diag[w1,w2,…,wn]=En。

4)計(jì)算污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)系統(tǒng)二級(jí)風(fēng)險(xiǎn)指標(biāo)的SD模糊參數(shù)向量B:

B=E·R·VT。

3 構(gòu)建收益風(fēng)險(xiǎn)云模型綜合評(píng)價(jià)模型

3.1 云模型理論

云模型理論[23]是處理不確定性決策問題時(shí)描述系統(tǒng)模糊性和隨機(jī)性，實(shí)現(xiàn)系統(tǒng)評(píng)價(jià)定性與定量之間的相互轉(zhuǎn)化映射的理論。設(shè)U為精確數(shù)值區(qū)間的論域，x為定性概念C在論域U上的一次隨機(jī)生成定量值，μ(x)∈[0,1]表示x對(duì)C的確定度且μ(x)滿足分布μ:U→[0,1]，對(duì)于?x∈U都有x→μ(x)則x在論域U上的分布稱為云，構(gòu)成云的x稱為云滴。云模型的云圖如圖3所示，其數(shù)字特征(Ex,En,He)表征概念的整體特征，其中期望Ex代表云滴隨機(jī)生成的均值，熵En代表定性概念的不確定性度量，超熵He代表熵的不確定性度量。

則稱x在論域U上的分布為正態(tài)云。

圖3 云模型云圖Fig.3 Cloud model

3.2 改進(jìn)加權(quán)云模型評(píng)價(jià)步驟

1)確定標(biāo)準(zhǔn)云

按照專家風(fēng)險(xiǎn)評(píng)語集描述習(xí)慣，采用小、較小、中等、較大、大五個(gè)等級(jí)描述風(fēng)險(xiǎn)等級(jí)，將指標(biāo)評(píng)價(jià)值的有效論域U的范圍取值為[0,100]并劃分為5個(gè)子區(qū)間，每個(gè)子區(qū)間取值范圍為[xmin,xmax],記各個(gè)子區(qū)間的數(shù)字特征值為Cm(Exm,Enm,Hem),m=1,2,…,5,其計(jì)算表達(dá)式為：

其中k為常數(shù)，根據(jù)實(shí)際情況取值。

2)確定指標(biāo)云和綜合云

記Z=(Z1,Z2,…,Zj)T,j=1,2,…,n為專家評(píng)價(jià)矩陣，其中Zj=(z1j,z2j,…,zij),i=1,2,…,k為第j個(gè)指標(biāo)的專家評(píng)價(jià)向量，zij表示第i個(gè)專家對(duì)第j個(gè)風(fēng)險(xiǎn)指標(biāo)的評(píng)價(jià)取值。根據(jù)(1)式計(jì)算第j個(gè)指標(biāo)云的數(shù)字特征(Exj,Enj,Hej)：

(1)

上式中Sj為評(píng)價(jià)向量Zj中元素的標(biāo)準(zhǔn)差。

3)確定項(xiàng)目風(fēng)險(xiǎn)等級(jí)

比較綜合云C(Ex*,En*,He*)與各風(fēng)險(xiǎn)等級(jí)標(biāo)準(zhǔn)云Cm(Exm,Enm,Hem),m=1,2,…,5的云模型相似度，根據(jù)最大相似度隸屬原則確定收益風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)。計(jì)算過程過下：

(2)

2)將xi代入等級(jí)標(biāo)準(zhǔn)云Cm的期望方程中，計(jì)算相似度μi

相似度μi的生成具有隨機(jī)性。為了減弱這種隨機(jī)性，提高相似度μi的精度以精確項(xiàng)目風(fēng)險(xiǎn)等級(jí)，通過重復(fù)上述兩步，進(jìn)行n次運(yùn)算，當(dāng)生成的μi可數(shù)無窮多時(shí)，根據(jù)大數(shù)定律，此時(shí)相似度均值δm依概率收斂于總體相似度均值，相似度的隨機(jī)性大大減弱，此時(shí)取相似度均值δm依據(jù)最大隸屬度原則，即可得到收益風(fēng)險(xiǎn)改進(jìn)加權(quán)云模型評(píng)價(jià)等級(jí)。

4 案例分析

4.1 項(xiàng)目概況

為了完善城區(qū)污水處理系統(tǒng)，落實(shí)《關(guān)于政府參與的污水、垃圾處理項(xiàng)目全面實(shí)施PPP模式的通知》中關(guān)于政府和社會(huì)資本合作共同開展污水處理項(xiàng)目的建設(shè)、運(yùn)營(yíng)及維護(hù)的文件精神,2018年某市區(qū)人民政府結(jié)合城區(qū)給排水專項(xiàng)規(guī)劃及城區(qū)內(nèi)污水處理系統(tǒng)現(xiàn)狀，對(duì)該市某城區(qū)擴(kuò)建污水處理廠工程采用PPP模式。項(xiàng)目總投資約為1.9×108元，采用建設(shè)-經(jīng)營(yíng)-轉(zhuǎn)讓方式(build-operate-transfer，BOT)運(yùn)作，特許經(jīng)營(yíng)期30 a(含建設(shè)期1 a)，回報(bào)機(jī)制采用使用者付費(fèi)及可行性缺口補(bǔ)助方式。項(xiàng)目污水處理廠處理能力為4.0×104m3/d，出水標(biāo)準(zhǔn)執(zhí)行《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》準(zhǔn)Ⅳ類標(biāo)準(zhǔn)(TN≤10 mg/L)。

4.2 建立收益風(fēng)險(xiǎn)評(píng)價(jià)標(biāo)準(zhǔn)

通過邀請(qǐng)問詢相關(guān)領(lǐng)域10位專家根據(jù)項(xiàng)目實(shí)際情況和專家風(fēng)險(xiǎn)評(píng)語集描述習(xí)慣，采用小、較小、中等、較大、大，五個(gè)等級(jí)描述風(fēng)險(xiǎn)等級(jí)，將指標(biāo)評(píng)價(jià)值的有效論域U的范圍取值為[0,100]，按式(2)計(jì)算各等級(jí)標(biāo)準(zhǔn)云Cm(Exm,Enm,Hem),m=1,2,…,5，見表1。

根據(jù)表1云模型參數(shù)，輸入到matlab中正向云發(fā)生器，繪制標(biāo)準(zhǔn)云圖，如圖4所示。

表1 各等級(jí)云模型參數(shù)Table 1 Parameter cloud models at all levels

4.3 指標(biāo)權(quán)重計(jì)算

4.3.1 主客觀賦權(quán)計(jì)算結(jié)果

通過調(diào)研采集專家評(píng)價(jià)信息和專家在項(xiàng)目收益風(fēng)險(xiǎn)指標(biāo)評(píng)價(jià)值的有效論域U的取值打分，用集成G1法和熵值法的主客觀賦權(quán)法對(duì)二級(jí)指標(biāo)進(jìn)行初始賦權(quán)，以運(yùn)營(yíng)收入風(fēng)險(xiǎn)體系下二級(jí)指標(biāo)的主客觀權(quán)重計(jì)算為例。

圖4 標(biāo)準(zhǔn)云圖Fig.4 Standard cloud map

1)G1法計(jì)算主觀權(quán)重。設(shè)x1為使用者費(fèi)用支付風(fēng)險(xiǎn)，x2為政府補(bǔ)貼不足風(fēng)險(xiǎn)，x3為收費(fèi)價(jià)格及調(diào)價(jià)風(fēng)險(xiǎn)，x4為通貨膨脹風(fēng)險(xiǎn)，x5為績(jī)效考核風(fēng)險(xiǎn)。專家A、專家B和專家C,一致認(rèn)為這五個(gè)指標(biāo)具有如下序關(guān)系：

x2>x3>x1>x5>x4?

表2 專家評(píng)判矩陣Table 2 Evaluation results

計(jì)算γk均值

計(jì)算主觀權(quán)重

求出在同樣序關(guān)系下三位專家關(guān)于通貨膨脹風(fēng)險(xiǎn)、績(jī)效考核風(fēng)險(xiǎn)、使用者費(fèi)用支付風(fēng)險(xiǎn)、收費(fèi)價(jià)格及調(diào)價(jià)風(fēng)險(xiǎn)、政府補(bǔ)貼不足風(fēng)險(xiǎn)的主觀權(quán)重向量W1={0.069，0.111，0.156，0.249，0.415}。同理求出其他七位專家在另一序關(guān)系下五個(gè)指標(biāo)的主觀權(quán)重向量W2={0.075，0.105，0.240，0.168，0.412}。采用加權(quán)平均法，計(jì)算總的主觀權(quán)重p向量，如：

2)熵值法計(jì)算客觀權(quán)重。以政府補(bǔ)貼不足風(fēng)險(xiǎn)為例，10位專家打分為(60，41，55，52，55，66，55，75，60，45)，總計(jì)564分。計(jì)算通貨膨脹風(fēng)險(xiǎn)的熵值e和差異系數(shù)g：

同理最終計(jì)算得到通貨膨脹風(fēng)險(xiǎn)、績(jī)效考核風(fēng)險(xiǎn)、使用者費(fèi)用支付風(fēng)險(xiǎn)、收費(fèi)價(jià)格及調(diào)價(jià)風(fēng)險(xiǎn)、政府補(bǔ)貼不足風(fēng)險(xiǎn)的差異系數(shù)分別為(0.022，0.009，0.039，0.016，0.006)，歸一化后得到客觀權(quán)重q={0.237，0.098，0.428，0.173，0.063}。

最終收益風(fēng)險(xiǎn)各二級(jí)指標(biāo)的主客觀組合權(quán)重如表3所示。

表3 二級(jí)指標(biāo)主客觀組合權(quán)重Table 3 Subjective,objective and combination weights of secondary indicators

4.3.2 SD建模二次加權(quán)結(jié)果

根據(jù)2.2.2方法計(jì)算SD模型的二級(jí)風(fēng)險(xiǎn)發(fā)生的可能性，限于篇幅，以運(yùn)營(yíng)收入風(fēng)險(xiǎn)子系統(tǒng)指標(biāo)為例，二級(jí)指標(biāo)專家定性評(píng)價(jià)及模糊參數(shù)向量計(jì)算結(jié)果如表4所示。

表4 運(yùn)營(yíng)收入風(fēng)險(xiǎn)子系統(tǒng)指標(biāo)模糊參數(shù)Table 4 Fuzzy parameters of operating income risk subsystem

其中該子系統(tǒng)的二級(jí)風(fēng)險(xiǎn)指標(biāo)輸入?yún)?shù)向量B的計(jì)算過程如下所示：

同理計(jì)算出9個(gè)風(fēng)險(xiǎn)子系統(tǒng)的模糊參數(shù)向量，輸入到SD模型。根據(jù)項(xiàng)目特許運(yùn)營(yíng)期情況，設(shè)置系統(tǒng)動(dòng)力學(xué)Vensim模型仿真周期為30 a，時(shí)間步長(zhǎng)設(shè)置為1個(gè)月,然后進(jìn)行收益系統(tǒng)仿真模擬。采用單變量控制法，分別將投資建設(shè)風(fēng)險(xiǎn)等9個(gè)子風(fēng)險(xiǎn)系統(tǒng)的模糊參數(shù)向量增大1.1倍，得到各風(fēng)險(xiǎn)子系統(tǒng)對(duì)收益風(fēng)險(xiǎn)系統(tǒng)的風(fēng)險(xiǎn)增加量仿真結(jié)果，如圖5所示。

提取該污水處理PPP項(xiàng)目特許經(jīng)營(yíng)末期即第30年的收益風(fēng)險(xiǎn)增量數(shù)據(jù)，歸一化處理后得到一級(jí)風(fēng)險(xiǎn)指標(biāo)權(quán)重，如表5所示。

圖5 各風(fēng)險(xiǎn)子系統(tǒng)產(chǎn)生的收益風(fēng)險(xiǎn)增量Fig.5 Incremental yield risk arising from each risk subsystem

表5 一級(jí)風(fēng)險(xiǎn)指標(biāo)權(quán)重Table 5 Tier 1 risk indicator weights

將表5的一級(jí)指標(biāo)權(quán)重與表3的二級(jí)指標(biāo)主客觀組合權(quán)重乘算，對(duì)二級(jí)指標(biāo)二次加權(quán)得到最終權(quán)重，如表6所示。

4.4 云模型計(jì)算結(jié)果

根據(jù)專家評(píng)價(jià)數(shù)據(jù)，得到專家評(píng)價(jià)矩陣Z，并按照式(1)計(jì)算各二級(jí)收益風(fēng)險(xiǎn)指標(biāo)的云模型數(shù)字特征，例如政府補(bǔ)貼不足風(fēng)險(xiǎn)指標(biāo)，專家評(píng)價(jià)向量為(60，41，55，52，55，66，55，75，60，45)，所計(jì)算的數(shù)字特征為(56.4，8.87，4.05)。最終計(jì)算的所有二級(jí)指標(biāo)的數(shù)字特征如表7所示。將表6二級(jí)指標(biāo)最終權(quán)重與表7云模型數(shù)字特征代入式(2)計(jì)算得到項(xiàng)目收益風(fēng)險(xiǎn)綜合云數(shù)字特征C(25.303,7.312,2.044)。

運(yùn)用MATLAB逆向云發(fā)生器，輸入項(xiàng)目收益風(fēng)險(xiǎn)綜合云參數(shù)，得到項(xiàng)目收益風(fēng)險(xiǎn)綜合評(píng)價(jià)云圖，如圖6所示。

表6 二級(jí)風(fēng)險(xiǎn)指標(biāo)最終權(quán)重Table 6 Final weights of secondary risk indicators

續(xù)表

圖6 收益風(fēng)險(xiǎn)綜合云圖Fig.6 Consolidated revenue-risk cloud map

4.5 收益風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果分析

將項(xiàng)目收益風(fēng)險(xiǎn)綜合云C(25.303,7.312,2.044)與各風(fēng)險(xiǎn)等級(jí)標(biāo)準(zhǔn)云Cm(Exm,Enm,Hem),m=1,2,…,5進(jìn)行云模型相似度比較，本案例將相似度進(jìn)行100萬次運(yùn)算后，取相似度的總體均值，得到相似度最終精確計(jì)算結(jié)果，如表8所示。

表7 二級(jí)指標(biāo)云模型數(shù)字特征Table 7 Numerical features of the cloud model for secondary indicators

表8 綜合云相似度Table 8 Integrated cloud similarity

由表8可知綜合云與標(biāo)準(zhǔn)云C2相似度最高，根據(jù)最高隸屬度原則，該項(xiàng)目收益風(fēng)險(xiǎn)較小，與圖6綜合云分布特點(diǎn)相符。

根據(jù)項(xiàng)目各二級(jí)指標(biāo)的最終權(quán)重和云模型評(píng)價(jià)結(jié)果來看，影響該污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)較大的主要為政府補(bǔ)貼不足風(fēng)險(xiǎn)、融資利率風(fēng)險(xiǎn)、政府信用風(fēng)險(xiǎn)、進(jìn)水質(zhì)水量風(fēng)險(xiǎn)，其中前三位為主要風(fēng)險(xiǎn)來源。在該項(xiàng)目整個(gè)運(yùn)營(yíng)期間收入測(cè)算中，政府可行性缺口補(bǔ)助占比70.6%，為項(xiàng)目公司營(yíng)收的主要來源。但該城區(qū)近5年內(nèi)上馬的政府付費(fèi)類和可行性缺口補(bǔ)助類PPP項(xiàng)目頻繁，在項(xiàng)目財(cái)政承受能力論證中，未來10年該城區(qū)財(cái)政預(yù)測(cè)的一般公共預(yù)算支出增長(zhǎng)率為12%，但實(shí)際上2019年增長(zhǎng)率就達(dá)到了15.4%且呈上升趨勢(shì)。該城區(qū)全部擬實(shí)施及運(yùn)營(yíng)中的PPP項(xiàng)目2018—2020年財(cái)政支出責(zé)任占一般公共預(yù)算支出比例的就從2.8%升至了6%左右，隨著該城區(qū)其他PPP項(xiàng)目的引入，若不及時(shí)加以控制，這一比例可能會(huì)更接近控制紅線，今后政府財(cái)政兜不住的風(fēng)險(xiǎn)系數(shù)有增大風(fēng)險(xiǎn)，可能引發(fā)政府信用危機(jī)，造成政府補(bǔ)貼不足風(fēng)險(xiǎn)。另外本項(xiàng)目由社會(huì)資本方獨(dú)立承擔(dān)資本金和負(fù)責(zé)完成融資，政府方不為本項(xiàng)目的融資提供任何形式的擔(dān)保，社會(huì)資本方選擇的融資方式有限，選擇的商業(yè)銀行貸款，實(shí)際融資成本較高，存在融資利率偏高風(fēng)險(xiǎn)。

為驗(yàn)證本文模型的有效性和準(zhǔn)確性，還需與項(xiàng)目物有所值(value for money,VFM)評(píng)價(jià)報(bào)告結(jié)果對(duì)比驗(yàn)證。該項(xiàng)目VFM評(píng)價(jià)報(bào)告結(jié)果顯示專家定性評(píng)分結(jié)果為76分>60分，VFM量值>0,項(xiàng)目通過VFM評(píng)價(jià)，但項(xiàng)目交易結(jié)構(gòu)等需要修正。模型評(píng)價(jià)結(jié)果與項(xiàng)目VFM評(píng)價(jià)報(bào)告描述情況基本一致，驗(yàn)證了模型的有效性和準(zhǔn)確性。

5 結(jié) 論

針對(duì)污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)在風(fēng)險(xiǎn)量化時(shí)產(chǎn)生的隨機(jī)性和模糊性以及風(fēng)險(xiǎn)之間的交互作用，在傳統(tǒng)主客觀賦權(quán)基礎(chǔ)上加入了改進(jìn)FSE-SD加權(quán)模型，對(duì)收益風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)進(jìn)行了二次加權(quán)，并與云模型相結(jié)合實(shí)現(xiàn)了污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)評(píng)價(jià)的準(zhǔn)確定量輸出，結(jié)合實(shí)際案例，驗(yàn)證了模型的準(zhǔn)確性和可靠性，結(jié)論如下：

1)建立了包含了政策法律風(fēng)險(xiǎn)等9項(xiàng)一級(jí)指標(biāo)、29項(xiàng)二級(jí)指標(biāo)的污水處理PPP項(xiàng)目收益風(fēng)險(xiǎn)指標(biāo)體系，并以各一級(jí)指標(biāo)為收益風(fēng)險(xiǎn)子系統(tǒng)基礎(chǔ)建立了SD收益風(fēng)險(xiǎn)仿真模型。

2)在傳統(tǒng)主客觀賦權(quán)基礎(chǔ)上加入了改進(jìn)FSE-SD二次加權(quán)模型，對(duì)G1法和熵值法計(jì)算的主客觀組合權(quán)重，進(jìn)行了更深層次的處理，使賦權(quán)結(jié)果在兼顧主觀理論和客觀信息的同時(shí)，考慮了指標(biāo)的模糊性和相互作用關(guān)系。