聯(lián)合體投資視角下的高速公路項(xiàng)目財(cái)務(wù)評(píng)價(jià)及風(fēng)險(xiǎn)分析

中圖分類(lèi)號(hào)F542 文獻(xiàn)標(biāo)識(shí)碼A 文章編號(hào) 2096-8949（2025）08-0189-06

0 引言

高速公路項(xiàng)目具有投資規(guī)模巨大、周期長(zhǎng)、風(fēng)險(xiǎn)高等特點(diǎn)，單一投資主體需承擔(dān)巨額的資金壓力以及較大的內(nèi)外部風(fēng)險(xiǎn)。因此，各投資主體組成聯(lián)合體進(jìn)行投資的方式在基礎(chǔ)設(shè)施建設(shè)領(lǐng)域被廣泛應(yīng)用。聯(lián)合體投資是指多個(gè)投資主體共同出資、共同承擔(dān)風(fēng)險(xiǎn)和共同參與經(jīng)營(yíng)的投資方式，其不僅能夠分散和減輕單一投資主體的經(jīng)濟(jì)風(fēng)險(xiǎn)，還能夠集聚各方技術(shù)和資源優(yōu)勢(shì)，提升項(xiàng)目建設(shè)的質(zhì)量和效率。

在聯(lián)合體組織中，存在牽頭方（控股方）、參股方等不同的投資角色。不同的項(xiàng)目投資角色對(duì)項(xiàng)目財(cái)務(wù)風(fēng)險(xiǎn)的敏感程度以及敏感因素可能有所差異。該文基于構(gòu)建的項(xiàng)目財(cái)務(wù)評(píng)價(jià)及風(fēng)險(xiǎn)分析系統(tǒng)，考慮項(xiàng)目財(cái)務(wù)評(píng)價(jià)過(guò)程中的關(guān)鍵不確定性參數(shù)及其相應(yīng)的概率分布，結(jié)合高速公路投資項(xiàng)目案例，利用蒙特卡洛模擬分別對(duì)項(xiàng)目控股方及參股方進(jìn)行風(fēng)險(xiǎn)分析。研究成果可為投資者在聯(lián)合體中處于不同角色時(shí)，提供更細(xì)化的風(fēng)險(xiǎn)管理重點(diǎn)，完善項(xiàng)目投資決策依據(jù)。

1" 文獻(xiàn)綜述

財(cái)務(wù)評(píng)價(jià)方面，國(guó)內(nèi)高速公路投資項(xiàng)目財(cái)務(wù)評(píng)價(jià)體系依托于《建設(shè)項(xiàng)目經(jīng)濟(jì)評(píng)價(jià)方法與參數(shù)》（第三版），主要通過(guò)構(gòu)建項(xiàng)目投資現(xiàn)金流量表、項(xiàng)目資本金現(xiàn)金流量表等財(cái)務(wù)分析表，計(jì)算財(cái)務(wù)內(nèi)部收益率、財(cái)務(wù)凈現(xiàn)值等指標(biāo)。隨著經(jīng)濟(jì)社會(huì)環(huán)境變更，不少學(xué)者對(duì)財(cái)務(wù)評(píng)價(jià)模型開(kāi)展了一些優(yōu)化研究。薛瑾艷等[結(jié)合全面營(yíng)業(yè)稅改增值稅稅制改革，對(duì)財(cái)務(wù)評(píng)價(jià)模型稅費(fèi)計(jì)算方面進(jìn)行了優(yōu)化；李清波等利用EXCEL對(duì)財(cái)務(wù)評(píng)價(jià)中的各財(cái)務(wù)報(bào)表之間的數(shù)據(jù)處理及指標(biāo)計(jì)算進(jìn)行了優(yōu)化；尤力等研究了基于EXCEL宏語(yǔ)言的境外綠地項(xiàng)目財(cái)務(wù)模型應(yīng)用。

風(fēng)險(xiǎn)評(píng)估方面，國(guó)內(nèi)外研究集中在敏感性分析、模糊層次分析法、蒙特卡洛模擬等方法分析高速公路投資項(xiàng)目的不確定性。劉東旭等[4以汕頭至揭西高速公路項(xiàng)目為實(shí)例，通過(guò)財(cái)務(wù)敏感性分析驗(yàn)證項(xiàng)目的營(yíng)運(yùn)期收入和建設(shè)營(yíng)運(yùn)期費(fèi)用與項(xiàng)目的財(cái)務(wù)內(nèi)部收益率的相關(guān)度較高；武峰[根據(jù)高速公路公司財(cái)務(wù)風(fēng)險(xiǎn)的特點(diǎn)，構(gòu)建了基于模糊層次分析法的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型；Ye和Tiong[6]通過(guò)將加權(quán)平均資本成本（WACC）和雙重風(fēng)險(xiǎn)回報(bào)方法相結(jié)合，使用蒙特卡羅模擬（MCS）技術(shù)在置信區(qū)間內(nèi)給出凈現(xiàn)值用以評(píng)估項(xiàng)目投資風(fēng)險(xiǎn)。

由于高速公路財(cái)務(wù)評(píng)估涉及多個(gè)測(cè)算邊界條件，存在許多不確定性因素，蒙特卡洛模擬對(duì)于處理復(fù)雜變量有很大優(yōu)勢(shì)。其利用變量概率分布生成隨機(jī)數(shù)進(jìn)行仿真，避免了需對(duì)非線性問(wèn)題進(jìn)行簡(jiǎn)化的復(fù)雜計(jì)算過(guò)程，結(jié)合財(cái)務(wù)評(píng)價(jià)模型，可得到投資項(xiàng)目效益指標(biāo)的連續(xù)概率分布，用于評(píng)估項(xiàng)目財(cái)務(wù)風(fēng)險(xiǎn)。KumarL等[將NPV-at-Risk模型以及蒙特卡洛模擬相結(jié)合，基于30個(gè)印度BOT項(xiàng)目的模擬分析，得出貼現(xiàn)率是影響項(xiàng)目?jī)衄F(xiàn)值的最關(guān)鍵因素的結(jié)論；JinH等結(jié)合蒙特卡洛模擬，開(kāi)發(fā)了PPP項(xiàng)目特許經(jīng)營(yíng)期的確定模型，用于將私人投資者的利潤(rùn)控制在合理范圍內(nèi)，實(shí)現(xiàn)政府和私人投資者之間金融風(fēng)險(xiǎn)的公平分配；譚嘉寧利用蒙特卡洛模擬探究了政府付費(fèi)公路中績(jī)效評(píng)價(jià)機(jī)制對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的影響。國(guó)內(nèi)外學(xué)者對(duì)于高速公路項(xiàng)目財(cái)務(wù)評(píng)價(jià)及風(fēng)險(xiǎn)分析已開(kāi)展了廣泛的研究，但大多從項(xiàng)目整體或單一投資者角度出發(fā)，缺少在聯(lián)合體背景下對(duì)不同投資角色的個(gè)性化風(fēng)險(xiǎn)分析。該研究通過(guò)構(gòu)建蒙特卡洛模擬與財(cái)務(wù)評(píng)價(jià)模型結(jié)合的系統(tǒng)，結(jié)合多個(gè)現(xiàn)實(shí)高速公路投資案例，對(duì)控股及參股投資人的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)估，并明確各投資角色對(duì)不確定因素的敏感程度。

2 系統(tǒng)構(gòu)建

結(jié)合風(fēng)險(xiǎn)識(shí)別、財(cái)務(wù)評(píng)價(jià)模型以及蒙特卡洛模擬，該研究構(gòu)建了一個(gè)針對(duì)高速公路項(xiàng)目進(jìn)行財(cái)務(wù)評(píng)價(jià)及風(fēng)險(xiǎn)評(píng)估的系統(tǒng)（詳見(jiàn)圖1）。

2.1風(fēng)險(xiǎn)識(shí)別和概率分布

高速公路項(xiàng)目財(cái)務(wù)評(píng)價(jià)是基于對(duì)未來(lái)的建設(shè)投入、交通量以及收入成本等變量預(yù)測(cè)和估算，以及各種邊界條件的假設(shè)，而這些參數(shù)的不確定性使得項(xiàng)目財(cái)務(wù)評(píng)價(jià)結(jié)果存在一定的波動(dòng)性。該文首先確定了影響高速公路BOT項(xiàng)目財(cái)務(wù)評(píng)價(jià)結(jié)果的各個(gè)不確定性因素，并為每個(gè)參數(shù)分配相應(yīng)的概率分布。

（1）建設(shè)投資：建設(shè)工程成本受市場(chǎng)材料價(jià)格、施工技術(shù)情況、地質(zhì)情況等影響，估算值與實(shí)際建設(shè)成本可能存在一定偏差。由于投資者的目標(biāo)是承擔(dān)最小的成本，因此建設(shè)成本大概率發(fā)生在較低的成本值，考慮其遵循對(duì)數(shù)正態(tài)概率分布[2]。

（2）交通量及通行費(fèi)收入：交通量預(yù)測(cè)受經(jīng)濟(jì)社會(huì)發(fā)展情況、公路網(wǎng)路線阻抗計(jì)算、銜接路網(wǎng)建設(shè)情況以及車(chē)型比例預(yù)測(cè)等多重因素的影響[3]，存在高度不確定性。同時(shí)，項(xiàng)目通行費(fèi)收入（公式3）與交通量預(yù)測(cè)結(jié)果成正比。因此，交通量預(yù)測(cè)結(jié)果是項(xiàng)目財(cái)務(wù)評(píng)價(jià)的最關(guān)鍵參數(shù)之一，相較其他參數(shù)風(fēng)險(xiǎn)系數(shù)高。假設(shè)交通量預(yù)測(cè)結(jié)果服從正態(tài)分布。

式中， R ——年收費(fèi)收入（元）； —車(chē)型 ν 的年平均日交通量（自然數(shù)，輛／日）； —車(chē)型 的通行費(fèi)收費(fèi)標(biāo)準(zhǔn)（元/車(chē)公里）； L —擬建項(xiàng)目里程 （ k m） ； 車(chē)型 ν 的收費(fèi)天數(shù)（d）。

（3）運(yùn)營(yíng)成本：運(yùn)營(yíng)成本包括運(yùn)營(yíng)管理費(fèi)、養(yǎng)護(hù)費(fèi)、大中修費(fèi)用以及隧道機(jī)電運(yùn)營(yíng)費(fèi)用等費(fèi)用，其受材料、人工成本波動(dòng)的影響，存在一定的不確定性。假設(shè)運(yùn)營(yíng)成本服從正態(tài)分布。

（4）貸款利率：長(zhǎng)期貸款利率以五年期的貸款市場(chǎng)報(bào)價(jià)利率（LPR）為基準(zhǔn)，且高速公路投資項(xiàng)目可利用多種金融工具降低融資成本?？紤]貸款利率服從三角分布，最可能值為五年期LPR。

受到評(píng)估精確度、運(yùn)營(yíng)管理、市場(chǎng)經(jīng)濟(jì)等內(nèi)外部風(fēng)險(xiǎn)的影響，各個(gè)不確定因素存在波動(dòng)風(fēng)險(xiǎn)高和低的情況。通過(guò)文獻(xiàn)收集、專(zhuān)家咨詢(xún)等方法，假設(shè)各不確定性因素在高風(fēng)險(xiǎn)及低風(fēng)險(xiǎn)條件下的概率分布見(jiàn)表1。

2.2 財(cái)務(wù)評(píng)價(jià)模型

結(jié)合高速公路項(xiàng)目財(cái)務(wù)評(píng)價(jià)計(jì)算公式復(fù)雜、財(cái)務(wù)分析報(bào)表關(guān)聯(lián)度高等特點(diǎn)，使用VBA作為實(shí)現(xiàn)財(cái)務(wù)評(píng)價(jià)系統(tǒng)的開(kāi)發(fā)工具具有靈活性高、可充分利用EXCEL圖表及數(shù)據(jù)分析等工具、與用戶交互性好等優(yōu)勢(shì)。因此，作為面向投資者的高速公路項(xiàng)目財(cái)務(wù)評(píng)價(jià)模型，該研究利用EXCEL平臺(tái)及VBA開(kāi)發(fā)工具，提供基礎(chǔ)數(shù)據(jù)輸入、財(cái)務(wù)評(píng)價(jià)模型自動(dòng)生成，財(cái)務(wù)評(píng)價(jià)指標(biāo)計(jì)算等操作。結(jié)合數(shù)據(jù)傳遞和加工的過(guò)程，可將系統(tǒng)結(jié)構(gòu)分為三個(gè)層級(jí)，分別是數(shù)據(jù)輸入、分析處理以及結(jié)果輸出，系統(tǒng)數(shù)據(jù)處理流程見(jiàn)圖2。

利用財(cái)務(wù)評(píng)價(jià)模型生成的現(xiàn)金流量表、利潤(rùn)與利潤(rùn)分配表、資產(chǎn)負(fù)債表等財(cái)務(wù)風(fēng)險(xiǎn)報(bào)表，可計(jì)算項(xiàng)目財(cái)務(wù)盈利能力分析指標(biāo)，常用指標(biāo)包括項(xiàng)目投資財(cái)務(wù)內(nèi)部收益率、項(xiàng)目資本金財(cái)務(wù)內(nèi)部收益率、財(cái)務(wù)凈現(xiàn)值、投資回收期等。針對(duì)高速公路聯(lián)合體中各投資人的財(cái)務(wù)盈利能力分析，該研究選取各投資人財(cái)務(wù)內(nèi)部收益率以及投資回收期作為主要分析指標(biāo)。利用各投資方現(xiàn)金流量表可計(jì)算相應(yīng)的財(cái)務(wù)內(nèi)部收益率（FIRR），其計(jì)算公式如下：

式中， —各投資方的現(xiàn)金流入量（萬(wàn)元）；（204號(hào) C O —各投資方的現(xiàn)金流出量（萬(wàn)元）； 1第 t 期的凈現(xiàn)金流量（萬(wàn)元）；FIRR——投資方要求的回報(bào)率 （ % ） ； n —項(xiàng)目評(píng)價(jià)期（年）。

投資回收期 是指以?xún)羰找婊厥崭魍顿Y方投資資金所需要的時(shí)間，投資回收期越短，表明投資越快得到回收，風(fēng)險(xiǎn)越小，其計(jì)算公式如下：

2.3 蒙特卡洛模擬

結(jié)合財(cái)務(wù)內(nèi)部收益率以及投資回收期兩個(gè)評(píng)價(jià)指標(biāo)，可通過(guò)兩種方式進(jìn)行風(fēng)險(xiǎn)下的投資決策，一是繪制累計(jì)概率分布圖計(jì)算一定置信度水平下的指標(biāo)結(jié)果[公式（4）和公式（5）1，即給定置信水平下最差預(yù)期的指標(biāo)結(jié)果；二是可利用財(cái)務(wù)評(píng)價(jià)指標(biāo)達(dá)到最低要求的概率進(jìn)行風(fēng)險(xiǎn)分析[公式（6）和公式（7）]，其計(jì)算方式如下：

式中，mean（FIRR）- 一財(cái)務(wù)內(nèi)部收益率均值 （ % ） ；Z （ 1 - α ） 1 - 1 - α 置信水平下的標(biāo)準(zhǔn)差單位數(shù)； σ 概率分布的標(biāo)準(zhǔn)差。

式中， —項(xiàng)目回收期均值（年）； Z （ α ） 一 α 置信水平下的標(biāo)準(zhǔn)差單位數(shù)； σ （20 一概率分布的標(biāo)準(zhǔn)差。

式中，F(xiàn)IRR 投資方要求的最低回報(bào)率；

投資方FIRR的概率密度函數(shù)。

式中， ———投資方可接受的最大投資回收期； —投資方 的概率密度函數(shù)。

利用蒙特卡洛模擬可生成高速公路項(xiàng)目投資方財(cái)務(wù)內(nèi)部收益率以及投資回收期的累計(jì)概率分布，其原理為將高速公路核心風(fēng)險(xiǎn)因素作為隨機(jī)變量，利用rand函數(shù)在指定變量概率分布函數(shù)下，進(jìn)行重復(fù)隨機(jī)抽樣實(shí)驗(yàn)以獲得充足的基礎(chǔ)數(shù)據(jù)。將生成基礎(chǔ)數(shù)據(jù)帶入財(cái)務(wù)評(píng)價(jià)模型，計(jì)算財(cái)務(wù)評(píng)價(jià)指標(biāo)結(jié)果并進(jìn)行統(tǒng)計(jì)分析，仿真過(guò)程見(jiàn)圖3。

3案例應(yīng)用

3.1案例背景

該文以某高速公路項(xiàng)目為例進(jìn)行研究。該高速公路全長(zhǎng) 8 1 . 3 9 8 k m ，全線采用 1 2 0 k m / h 的設(shè)計(jì)速度，雙向四車(chē)道高速公路技術(shù)標(biāo)準(zhǔn)；項(xiàng)目建設(shè)期3年，運(yùn)營(yíng)期40年，評(píng)估的建設(shè)靜態(tài)總投資971583萬(wàn)元；運(yùn)營(yíng)期通過(guò)收取車(chē)輛通行費(fèi)獲取收益，預(yù)測(cè)項(xiàng)目運(yùn)營(yíng)期初年交通量為 ，運(yùn)營(yíng)期末年交通量為 ；評(píng)估運(yùn)營(yíng)期初年運(yùn)營(yíng)成本1878萬(wàn)元；項(xiàng)目貸款利率以2023年8月五年期LPR— 4 . 2 0 % 為基準(zhǔn)；項(xiàng)目資本金比例為20 % ，考慮投資人作為聯(lián)合體成員以 51 % 及 30 % 的股權(quán)比例進(jìn)行投資，經(jīng)計(jì)算其相應(yīng)的FIRR以及 見(jiàn)表2。

3.2 仿真結(jié)果分析

為反映不同投資角色對(duì)不確定因素波動(dòng)的敏感性，采用蒙特卡洛模擬對(duì)每種方案開(kāi)展10000次仿真試驗(yàn)。試驗(yàn)方案包含兩種股比以及兩種風(fēng)險(xiǎn)程度的組合：以51 % 以及 30 % 的股比為例，對(duì)聯(lián)合體控股方及參股方的財(cái)務(wù)評(píng)價(jià)結(jié)果進(jìn)行對(duì)比分析；利用對(duì)不確定因素的風(fēng)險(xiǎn)高低程度分析控股方及參股方對(duì)波動(dòng)的敏感性。將項(xiàng)目確定參數(shù)以及按照概率分布隨機(jī)生成的不確定參數(shù)輸入模型，通過(guò)循環(huán)模擬，生成FIRR以及 的概率分布曲線，通過(guò)曲線可計(jì)算不同財(cái)務(wù)指標(biāo)結(jié)果出現(xiàn)的概率。不同比例股權(quán)投資人的FIRR及 累計(jì)概率分布如圖4及圖5所示。

投資人可利用IRR-at-Risk以及 -at-Risk模型，判斷項(xiàng)目財(cái)務(wù)盈利能力。在 a % 置信水平下， a % 的可能性，投資人實(shí)際財(cái)務(wù)內(nèi)部收益率大于IRR-at-Risk， 1 - a % 的可能性小于IRR-at-Risk； a % 的可能性，投資人實(shí)際投資回收期小于 -at-Risk， 1 - a % 的可能性大于 -at-Risk。80 % 置信度下的財(cái)務(wù)評(píng)價(jià)指標(biāo)結(jié)果見(jiàn)表3。通過(guò)數(shù)據(jù)對(duì)比可見(jiàn)，IRR-at-Risk以及 -at-Risk對(duì)風(fēng)險(xiǎn)波動(dòng)呈現(xiàn)明確的負(fù)相關(guān)關(guān)系，即風(fēng)險(xiǎn)波動(dòng)越大，特定置信水平下的財(cái)務(wù)評(píng)價(jià)指標(biāo)結(jié)果越差。

投資人還可通過(guò)計(jì)算財(cái)務(wù)評(píng)價(jià)指標(biāo)達(dá)到預(yù)期結(jié)果的概率來(lái)評(píng)估項(xiàng)目的投資風(fēng)險(xiǎn)。投資人財(cái)務(wù)內(nèi)部收益率達(dá)到 5 % ，投資回收期小于30年的概率情況見(jiàn)表4。分析可得，在同等風(fēng)險(xiǎn)水平下，參股投資人達(dá)到預(yù)期結(jié)果的概率高于控股投資人。同時(shí)，參股投資人對(duì)于風(fēng)險(xiǎn)波動(dòng)更為敏感，風(fēng)險(xiǎn)程度由低風(fēng)險(xiǎn)變?yōu)楦唢L(fēng)險(xiǎn)時(shí)，持有 51 % 股比的控股投資人，其 F I R R＞ 5 % 的概率下降了 4 . 5 % ，持有30股比的參股投資人，其 F I R R 5大＞30"% 的概率下降了1 1 . 9 % ， 的概率分別下降了 3 . 4 % 和 1 0 . 4 % 。

通過(guò)對(duì)單個(gè)不確定因素進(jìn)行1000次仿真模擬，反映每個(gè)風(fēng)險(xiǎn)因素對(duì)FIRR以及 的影響程度。從旋風(fēng)圖可見(jiàn)，該項(xiàng)目影響控股投資人和參股投資人財(cái)務(wù)內(nèi)部收益率以及投資回收期的最關(guān)鍵敏感性因素均為預(yù)測(cè)交通量，其次為建設(shè)投資，影響最小的是運(yùn)營(yíng)成本。通過(guò)財(cái)務(wù)指標(biāo)波動(dòng)對(duì)比，可見(jiàn)預(yù)測(cè)交通量結(jié)果的風(fēng)險(xiǎn)波動(dòng)對(duì)參股投資人的負(fù)面影響大于其正面影響，因此，作為參股投資人需特別注重影響交通量變化的內(nèi)外部因素。

4結(jié)論

該文通過(guò)建立財(cái)務(wù)評(píng)價(jià)模型和蒙特卡洛模擬結(jié)合的高速公路項(xiàng)目風(fēng)險(xiǎn)評(píng)估系統(tǒng)，基于現(xiàn)實(shí)案例應(yīng)用，分析了聯(lián)合體下不同投資角色（即參股方和控股方）在財(cái)務(wù)方面對(duì)項(xiàng)目各不確定因素的敏感性。通過(guò)對(duì)特定案例的仿真分析，控股投資人和參股投資人對(duì)于不確定因素的影響存在一定共性和差異。共性方面，影響投資人財(cái)務(wù)內(nèi)部收益率以及投資回收期的最關(guān)鍵敏感性因素均為預(yù)測(cè)交通量，其次為建設(shè)投資，影響最小的是運(yùn)營(yíng)成本；且存在風(fēng)險(xiǎn)波動(dòng)越大，特定置信水平下的財(cái)務(wù)評(píng)價(jià)指標(biāo)結(jié)果表現(xiàn)越差的情況。差異方面，在同等風(fēng)險(xiǎn)水平下，參股投資人達(dá)到預(yù)期財(cái)務(wù)指標(biāo)的概率高于控股投資人，其對(duì)于風(fēng)險(xiǎn)波動(dòng)也更為敏感；同時(shí)，預(yù)測(cè)交通量的風(fēng)險(xiǎn)波動(dòng)對(duì)參股投資人的負(fù)面影響大于其正面影響。因此，從財(cái)務(wù)角度出發(fā)，投資人可通過(guò)分析內(nèi)外部風(fēng)險(xiǎn)的不確定性，選擇合適的投資角色。并且在實(shí)際決策過(guò)程中，可通過(guò)提升交通量預(yù)測(cè)準(zhǔn)確性以及建設(shè)成本評(píng)估準(zhǔn)確性降低投資波動(dòng)風(fēng)險(xiǎn)。

該模型通過(guò)輸入高速公路項(xiàng)目基礎(chǔ)數(shù)據(jù)，自動(dòng)計(jì)算FIRR以及 的概率分布，為項(xiàng)目前期投資決策提供依據(jù)，對(duì)提升企業(yè)投資效率、準(zhǔn)確把握投資風(fēng)險(xiǎn)等方面具有重要意義。下一步研究可深化對(duì)項(xiàng)目不確定因素概率分布的研究，進(jìn)一步提高對(duì)不確定因素進(jìn)行風(fēng)險(xiǎn)仿真的準(zhǔn)確性。此外，可通過(guò)將該模型應(yīng)用于多個(gè)不同背景的項(xiàng)目，探索更多不確定因素與投資者角色之間的關(guān)系。

參考文獻(xiàn)

[1]薛瑾艷，楊官蕓，李連營(yíng)等.營(yíng)改增后對(duì)建設(shè)項(xiàng)目財(cái)務(wù)評(píng)價(jià)模型的優(yōu)化研究[J].財(cái)經(jīng)界，2020（4）：206-207.

[2]李清波，陳穎.EXCEL在公路工程可行性研究報(bào)告財(cái)務(wù)評(píng)價(jià)中的應(yīng)用[J].中國(guó)管理信息化，2011（4）：5.

[3]尤力，董亞楠，周煒敏.EXCEL宏語(yǔ)言在投資項(xiàng)目財(cái)務(wù)模型中的應(yīng)用[J].國(guó)際工程與勞務(wù)，2020（11）：3.

[4]劉東旭，羅志忠，肖志國(guó).汕頭至揭西高速公路項(xiàng)目財(cái)務(wù)風(fēng)險(xiǎn)控制分析[J].公路，2012（5）：5.

[5]武峰.基于模糊綜合模型的高速公路公司財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估研究[J].交通財(cái)會(huì)，2009（9）：4.

[6]YeS，TiongRLK.NPV-at-RiskMethodinInfrastructureProject Investment Evaluation [J].Journal of ConstructionEngineering and Management， 200o（3）：227-233.

[7]KumarL，JindalA，VelagaNR.Financial riskassessmentandmodellingofPPPbased Indianhighway infrastructureprojects[J].Transport Policy， 2017：2-11.

[8]JinH，LiuS，LiuC，etal.Optimizingthe concessionperiod of PPP projects for fair allocation of financial risk[J].Engineering Constructionamp;Architectural Management，2019，ahead-of-print（ahead-of-print）.

[9]譚嘉寧.政府付費(fèi)公路PPP項(xiàng)目財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型研究[J].項(xiàng)目管理技術(shù)，2022（10）：6.