王文寅　劉麗霞　李佳

【摘 要】 PPP基礎(chǔ)設(shè)施項目風(fēng)險管理是參與方在進行項目管理時的瓶頸問題之一，如果不能在風(fēng)險因素正確識別的基礎(chǔ)上評價項目風(fēng)險，則情況會變得更加復(fù)雜。鑒于此，文章在風(fēng)險識別的基礎(chǔ)上建立了PCA-BP風(fēng)險評價方法，并在MATLAB 2010平臺上進行實證分析。研究表明：基于PCA-BP的風(fēng)險評價方法優(yōu)于單一BP神經(jīng)網(wǎng)絡(luò)風(fēng)險評價方法，其為PPP項目參與者精確評價項目風(fēng)險提供了一定的參考價值。

【關(guān)鍵詞】 PPP項目； 風(fēng)險評價； 主成分分析法； BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：F224；F283 文獻標(biāo)識碼：A 文章編號：1004-5937（2016）07-0056-04

一、引言

PPP（Public-Private-Partnership）項目，即公私合營項目，是指政府與私人企業(yè)以特許經(jīng)營協(xié)議為前提合作建設(shè)的城市基礎(chǔ)設(shè)施項目。近年來公私合作投資和經(jīng)營的PPP項目在國內(nèi)外已經(jīng)開展，主要是減輕政府財政壓力、提高運作效率、分散風(fēng)險等，PPP項目越來越受到社會重視，具有積極意義[ 1 ]。然而，建設(shè)過程中，參與主體多、項目成本高、建設(shè)周期長的特點也使得其面臨的風(fēng)險因素多而雜，因此，能否準(zhǔn)確定位風(fēng)險因素并對其進行精準(zhǔn)評價關(guān)乎PPP項目的成功與失敗。

二、文獻綜述

國外對PPP項目風(fēng)險評價方法的研究起步較早，也較為成熟。Cheng J H（2001）[ 2 ]建立了基于德爾菲法、模糊數(shù)學(xué)方法以及AHP法的風(fēng)險評價模型，將其用于選擇臺灣地區(qū)BOT交通項目的融資模式；Thomasctal（2006）[ 3 ]提出了運用故障樹法和德爾菲法的PPP項目風(fēng)險評估方法框架。

國內(nèi)學(xué)者對PPP基礎(chǔ)設(shè)施項目風(fēng)險評價方法的研究始于21世紀(jì)初，陳敬武等（2006）[ 4 ]采用模糊綜合評價方法，使PPP項目的風(fēng)險評價更加有效；張瑋、張衛(wèi)東（2012）[ 5 ]利用網(wǎng)絡(luò)層次分析法（ANP）對主要風(fēng)險因素進行分析評價；賈麗麗等（2014）[ 6 ]采用熵權(quán)法對風(fēng)險因素賦權(quán)后運用灰色關(guān)聯(lián)理論進行風(fēng)險評價，以確定各風(fēng)險承擔(dān)主體。

縱觀現(xiàn)有文獻，國內(nèi)外學(xué)者對PPP項目風(fēng)險評價的研究多是從案例研究、統(tǒng)計分析及建立評價方法的角度來展開的，且對PPP項目的風(fēng)險評價所用方法多集中于層次分析法、模糊綜合評價法、灰色關(guān)聯(lián)法等，這些方法適用于指標(biāo)較少、指標(biāo)間信息獨立的情況。本文將統(tǒng)計學(xué)領(lǐng)域的主成分分析法和預(yù)測領(lǐng)域的BP神經(jīng)網(wǎng)絡(luò)進行結(jié)合，對PPP項目的風(fēng)險因素進行評價分析，以期為我國PPP基礎(chǔ)設(shè)施項目風(fēng)險管理提供新思路。

三、PPP基礎(chǔ)設(shè)施項目風(fēng)險評價指標(biāo)的確定

本文采用歷史數(shù)據(jù)法即廣泛查閱國內(nèi)外相關(guān)文獻及書籍并對其所涉及的PPP基礎(chǔ)設(shè)施項目風(fēng)險因素進行整理，同時綜合考慮項目風(fēng)險的來源及風(fēng)險作用的影響范圍，將PPP基礎(chǔ)設(shè)施項目風(fēng)險影響指標(biāo)劃分為7個一級指標(biāo)和36個二級指標(biāo)，據(jù)此建立PPP基礎(chǔ)設(shè)施項目風(fēng)險評價指標(biāo)體系（如表1所示）。

四、PPP基礎(chǔ)設(shè)施項目風(fēng)險評價方法的建構(gòu)

本文將主成分分析法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，提出了PPP基礎(chǔ)設(shè)施項目風(fēng)險評價方法。該方法具體實施過程如圖1。

五、PPP基礎(chǔ)設(shè)施項目風(fēng)險評價方法的實證

（一）數(shù)據(jù)樣本獲取

本文選擇山西省擬建的16個PPP基礎(chǔ)設(shè)施項目，通過收集項目信息并進行相關(guān)問卷調(diào)查，請工程建設(shè)領(lǐng)域的10位專家分別對16個項目的36個二級風(fēng)險指標(biāo)進行評分（本次評估按照風(fēng)險可能性很大、比較大、中等、不大、較小五個等級，分別在8—10、6—8、4—6、2—4和0—2區(qū)間打分），并取10位專家的平均分作為各風(fēng)險指標(biāo)分值。具體評分結(jié)果見表2。

（二）主成分分析法對指標(biāo)降維

主成分分析法是從變量間的相關(guān)關(guān)系出發(fā)，將多個變量（或指標(biāo)）綜合成少數(shù)幾個變量（或指標(biāo)）的方法[ 7 ]。根據(jù)主成分分析法降維步驟，本文采用SPSS軟件對表2的原始數(shù)據(jù)進行分析，最終獲得的方差表及成分矩陣表如表3、表4。

同理可得另外五個主成分的表達式。為了取消各維數(shù)據(jù)間的數(shù)量級差別，避免因為輸入輸出數(shù)據(jù)數(shù)量級差別較大而造成網(wǎng)絡(luò)預(yù)測誤差較大，可利用最大最小法并通過MATLAB算法實現(xiàn)（見表5）。其中，xmin為數(shù)據(jù)序列中的最小數(shù)；xmax為數(shù)據(jù)序列中的最大數(shù)。

（三）BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與測試

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)類型之一[ 8 ]。本文采用單隱層的BP神經(jīng)網(wǎng)絡(luò)進行風(fēng)險評價，由于經(jīng)過主成分分析后的輸入樣本為11維的向量，因此輸入層共有11個神經(jīng)元。根據(jù)經(jīng)驗公式及試湊法，確定中間層有23個神經(jīng)元。本文在對風(fēng)險進行評價時，考慮了風(fēng)險很大、比較大、中等、不大、較小五種可能，故而將網(wǎng)絡(luò)輸出設(shè)置為5維的輸出數(shù)據(jù)（具體見表6），因此，輸出層共有5個神經(jīng)元。據(jù)此建立11×23×5的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

按照BP神經(jīng)網(wǎng)絡(luò)的一般設(shè)計原則，將中間層神經(jīng)元的傳遞函數(shù)設(shè)為S型正切函數(shù)。由于輸出已被歸一化到[0，1]區(qū)間，故將輸出層神經(jīng)元的傳遞函數(shù)設(shè)定為S型對數(shù)函數(shù)。網(wǎng)絡(luò)所用的訓(xùn)練算法為可變學(xué)習(xí)速率的梯度下降算法，對應(yīng)函數(shù)為traingda。并設(shè)定：訓(xùn)練學(xué)習(xí)率為0.05，訓(xùn)練動量因子為0.9，訓(xùn)練步數(shù)為 1 000次，訓(xùn)練目標(biāo)差為1e-5。

本文選擇前14個項目為訓(xùn)練樣本，訓(xùn)練過程中，網(wǎng)絡(luò)經(jīng)過243次迭代就完成訓(xùn)練。為測試網(wǎng)絡(luò)效果，將15—16項目數(shù)據(jù)輸入，結(jié)果表明：項目15—16的風(fēng)險等級分別為：中等，不大。該結(jié)果同專家打分結(jié)果一致，說明該網(wǎng)絡(luò)可以很好地進行風(fēng)險評價。

為了進一步說明經(jīng)過主成分分析后的方法較單一BP神經(jīng)網(wǎng)絡(luò)更加有效，本文將原始數(shù)據(jù)歸一化后，建立了36×16×5的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并采用相同的訓(xùn)練次數(shù)和訓(xùn)練目標(biāo)差對該網(wǎng)絡(luò)進行訓(xùn)練，之后再對15—16項目進行網(wǎng)絡(luò)預(yù)測。表7展示了測試過程中采用PCA-BP神經(jīng)網(wǎng)絡(luò)和單一BP神經(jīng)網(wǎng)絡(luò)的誤差對比。

實驗結(jié)果表明：PCA-BP神經(jīng)網(wǎng)絡(luò)方法是一種高效的PPP項目風(fēng)險評價方法，且其優(yōu)于單一BP神經(jīng)網(wǎng)絡(luò)評價方法。在收斂速度方面，PCA-BP要經(jīng)過4秒共354次收斂，而單一BP神經(jīng)網(wǎng)絡(luò)要經(jīng)過54秒共1 853次收斂；在精確度方面，PCA-BP方法的誤差保持在2%以下，而單一BP神經(jīng)網(wǎng)絡(luò)預(yù)測則誤差幅度較大。

六、結(jié)論

本文運用主成分分析和BP神經(jīng)網(wǎng)絡(luò)組合的方法來進行PPP項目風(fēng)險評價，研究表明：該方法較單一BP神經(jīng)網(wǎng)絡(luò)風(fēng)險評價方法更為有效，原因在于：（1）利用主成分分析法篩選出相互獨立且包含眾多信息的新指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)的輸入端；（2）區(qū)別于已有文獻，本文將SPSS運算后得出的成分矩陣的每一列除以相應(yīng)成分的特征值的平方根作為主成分的系數(shù)；（3）將神經(jīng)網(wǎng)絡(luò)預(yù)測目標(biāo)設(shè)定為5維向量，使得評價結(jié)果更加接近實際。

當(dāng)然，本文還有一些不足之處。首先，中間層神經(jīng)元個數(shù)的選擇具有一定的主觀性；其次，本文只選取了山西省擬建的16個PPP基礎(chǔ)設(shè)施項目，樣本數(shù)量受到了限制。以上問題是未來工作時需重點考慮的，同時也為接下來的進一步研究提供了思路。

【參考文獻】

[1] 朱向東，肖翔，征娜.基于三方博弈模型的軌道交通PPP項目風(fēng)險分擔(dān)研究[J].河北工業(yè)大學(xué)學(xué)報，2013（2）：97-101.

[2] CHENG J H. A view of public and private sectors for Taiwan's BOT transportation project financing using fuzzy multi-criteria methods[J].Proceedings of the 10th IEEE International Conference on Fuzzy Systems. Australia，The University of Melbourne，2001，12（2）： 356-359.

[3] THOMAS A V， SATYANARAYANA N.Kalidindi，modeling and assessment of critical risks in BOT road projects[J].Construction Management and Economics， 2006，24（4）：407-424.

[4] 陳敬武，袁志學(xué)，黃耕，等.PPP項目風(fēng)險的模糊綜合評價方法研究[J].河北工業(yè)大學(xué)學(xué)報，2006（5）：46-50.

[5] 張瑋，張衛(wèi)東.基于網(wǎng)絡(luò)層次分析法（ANP）的PPP項目風(fēng)險評價研究[J].項目管理技術(shù)，2012（10）：84-88.

[6] 賈麗麗，和鑫，王輝.城市軌道交通PPP融資模式風(fēng)險評價研究[J].石家莊鐵道大學(xué)學(xué)報（社會科學(xué)版），2013（4）：29-33.

[7] 李洪成，姜宏華.SPSS數(shù)據(jù)分析教程[M].北京：人民郵電出版社，2012.

[8] 周品.MATLAB神經(jīng)網(wǎng)絡(luò)設(shè)計與應(yīng)用[M].北京：清華大學(xué)出版社，2013.