雒香云 袁競峰 谷甜甜

摘要：PPP模式在城市地鐵項目中越來越受到歡迎，對其風險進行評價，能夠有助于科學決策。采用文獻檢索法建立風險體系，利用德爾菲法對樣本各指標進行評價，隨后對數(shù)據(jù)進行降維處理，最后構建BP神經(jīng)網(wǎng)絡模型。結(jié)果表明，所建立的三層5-4-1BP神經(jīng)網(wǎng)絡模型具有較好的效果，有助于城市地鐵PPP項目風險控制。

關鍵詞：BP神經(jīng)網(wǎng)絡;地鐵;PPP;風險

中圖分類號：F293 文獻標識碼：A

文章編號：1001-9138-（2019）11-0064-72 收稿日期：2019-09-15

1引言

PPP（Public-Private-Partnerships），即公共部門與私人企業(yè)合作的一種融資模式。世界銀行認為PPP是私營部門同政府部門之間達成長期合同，提供公共資產(chǎn)和服務，由私營部門承擔主要風險與管理責任，私營部門根據(jù)績效情況得到酬勞。財政部對于PPP的定義是：政府和社會資本在基礎設施及公共服務領域建立的一種長期合作關系。主要模式是由社會資本承擔設計、建設、運營、維護基礎設施的大部分工作，通過“使用者付費”及必要的“政府付費”獲得合理投資回報;政府部門負責基礎設施及公共服務價格和質(zhì)量監(jiān)管，以保證公共利益最大化。財政部將私人資本擴大至社會資本，使大量國資企業(yè)能夠參與PPP項目。Norbert Portz認為，對于定義的討論并沒有過多的實際意義，關鍵是這樣的融資模式是否能夠產(chǎn)生作用。

近年來，隨著經(jīng)濟的發(fā)展，越來越多的城市開始修建軌道交通設施。軌道交通設施相比于其他公共工程有投資大、周期長、效應好、需求迫切的特點。運用PPP模式進行地鐵建設受到各地方政府的歡迎，財政部與發(fā)改委公布的PPP示范項目中有多個城市地鐵線項目，如杭州市地鐵5號線、北京地鐵16號線等。

2研究方法

本文采用文獻檢索法，對城市地鐵PPP項目的風險因素進行識別，構建風險評價體系。同時確定城市地鐵PPP項目樣本，在此基礎上運用德爾菲法，搜集項目樣本各風險指標數(shù)據(jù)。然后通過主成分分析對數(shù)據(jù)進行降維處理，使之適合BP神經(jīng)網(wǎng)絡，最后構建BP神經(jīng)網(wǎng)絡模型。通過計算調(diào)整神經(jīng)網(wǎng)絡的權值及閾值，得到基于BP神經(jīng)網(wǎng)絡的地鐵PPP項目風險模型。詳見圖1。

3城市地鐵PPP項目融資風險體系

目前國內(nèi)外關于地鐵PPP項目的融資風險研究主要集中于風險分擔。

孫南申（2018）針對PPP模式投資中的主要風險類型，即融資風險、經(jīng)營風險、政治風險和違約風險，分別從風險的分擔機制、管控機制和處理機制等3個方面全面論述預防與應對PPP投資風險的法律規(guī)制。胡海虹（2012）認為PPP運用于地鐵項目融資主要有政治風險、建設風險、運營風險、市場和收益風險、金融風險、法律風險。劉憲寧（2011）采用層次分析法及改進的TOPSIS法對地鐵PPP項目進行政治、經(jīng)濟、完工、信用等風險管理研究。李啟明（2007）以北京地鐵4號線為例，著重分析了地鐵PPP項目的經(jīng)濟風險，其中有需求、運營、財務、競爭等方面的風險。盛雪艷（2010）、林媛（2011）、蓋元培（2011）、高余（2012）、魏澤佳（2013）對城市地鐵PPP項目的風險體系進行了構建，但對風險定量評價的研究較少。王麗杰（2009）認為地鐵建設除了一般風險還有特別風險，特別風險主要是政府建設投資政策與環(huán)境，政府引入外資及民營資本意愿強度、地質(zhì)條件、城市發(fā)展。吳力偉（2010）認為地鐵項目的風險主要有國家政治經(jīng)濟自然環(huán)境、開發(fā)運營風險、不可抗力風險、建設完工風險。Du Jian-cheng（2013）采用蒙特卡洛分析對風險進行的研究。

由于地鐵PPP項目風險研究較少，本文也借鑒了其他PPP項目。趙佳、覃英豪（2018）采用HHM法識別出綜合管廊PPP模式融資的8大主要風險因素，并利用

RFRM法結(jié)合改進層析分析法、熵權法和貝葉斯決策對風險因素進行初步過濾、多視角過濾和量化過濾。李明（2017）基于行政和民事法律關系，認為需要從國家治理的投融資政策和風險視角考察地方政府與國家投融資政策的博弈、主體角色轉(zhuǎn)換、風險監(jiān)管、投融資結(jié)構設計與合同結(jié)構設計及構建投融資的風險評估體系CFA模型等。Jing-fengYuan（2008）通過調(diào)查問卷，運用結(jié)構方程模型對中國PPP項目中存在的41種風險進行簡化，得出最主要的20種風險，并將風險劃分為外部自然風險和與項目進程有關的風險兩大類。Mick Lilley（2005）介紹了PPP模式在澳大利亞國內(nèi)基礎設施建設中的作用及風險。L.Boeing Singh（2005）以印度Panagarh-Palsit高速公路項目為例，指出印度高速公路PPP項目面臨的開發(fā)、運營、建設的風險，其中最主要的風險是公路收費風險?？掠澜?、王守清（2011）將PPP項目風險分為9類，分別是環(huán)境風險、技術風險、運營風險、金融風險、回收風險、不可抗力風險、政策法規(guī)風險、建設風險、以及項目缺省風險。沈俊鑫（2011）采用ZOPP方法綜合研究我國主要TOT項目在融資、經(jīng)營、管理中的問題，建立TOT項目融資風險評估指標體系。TOT項目融資的風險主要有系統(tǒng)風險：政治風險、法律風險、經(jīng)濟的不確定性、不可抗力風險;非系統(tǒng)風險：運營風險、市場風險。曹鴻飛（2010）認為有系統(tǒng)風險，包括政治風險、獲準風險、法律風險、違約風險、經(jīng)濟風險、外匯風險、利率風險、不可抗力風險;非系統(tǒng)風險，包括完工風險、經(jīng)營風險、維護風險。李潔（2009）認為風險主要有5大類，規(guī)劃、設計、施工、經(jīng)濟、管理。他特別強調(diào)征地拆遷困難、設計方案變更、涉及定量不足、與周邊部門溝通配合不力、城市規(guī)劃改變、地質(zhì)風險等需要特別考慮。

趙輝（2010）認為，公路項目融資風險應當考慮信用風險、完工風險、經(jīng)營維護風險、市場風險、金融風險、政治風險、環(huán)境保護風險。其中信用風險主要是提供信用擔保的項目參與者的資信風險，承包商與項目發(fā)起人的技術、資金能力管理水平。葉蘇東（2010）認為項目融資的風險主要有融資風險、完工風險、生產(chǎn)風險、市場風險、貨幣風險、政治風險。李陽（2008）認為BOT項目面臨多重風險。市場風險概括為：市場價格風險、市場決策風險、外匯風險、利率風險及通貨膨脹風險。建設風險概括為設計技術、建設能力、建設超支、施工質(zhì)量風險。運營風險：生產(chǎn)技術風險、原材料供應風險、經(jīng)營超支風險、管理水平風險。

縱觀國內(nèi)外的研究，大多數(shù)集中于理論研究，并且風險體系趨于相同，研究方法多采用模糊層次、蒙特卡洛分析等方法，主觀性較強。本文在大量文獻的基礎上，形成城市地鐵PPP項目的風險體系，見圖2。以傳統(tǒng)的“政治、經(jīng)濟……”維度進行風險細分，同時從項目的參與者和外部環(huán)境的角度進行考慮。城市地鐵PPP項目風險有：政府政策變動風險x1、法律法規(guī)風險x2、當?shù)卣庞蔑L險x3、稅收變動風險x4、資金保障風險x5、利率波動風險x6、匯率波動風險x7、技術風險x8、拆遷安置風險x9、地質(zhì)條件風險x10、不可抗力風險x11預算超支風險x12、質(zhì)量欠佳風險x13環(huán)境問題風險X14、通貨膨脹風險x15商業(yè)運營風險x16、客流量不足風險x17、建設管理風險x18、運營管理風險X190

4數(shù)據(jù)搜集

4.1德爾菲法調(diào)研

由于PPP運用于地鐵項目在國內(nèi)剛剛起步，缺乏大批量的數(shù)據(jù)。本文選取國內(nèi)10條已建或在建的項目作為樣本，采用德爾菲法對5級量表打分，見表1。由10位專家對每個風險評價指標做出5個等級（低、風險低、一般、較高、高）的判斷，統(tǒng)計風險指標各風險等級的專家人數(shù)，設其百分比為al、a2、a3、a4、a5，則該指標的評價值為B=0.1a1+0.3a2+0.5a3+0.7a4+O.9a5。

為了便于專家對于風險等級的判斷，筆者提供部分輔助信息，主要有城市基本情況、社會資本基本情況、項目基本情況，見表2。專家依據(jù)自身的知識客觀地對每個指標進行風險評價。

盡管各地鐵項目均是PPP模式，但是各地鐵線融資模式不盡相同。本文項目融資風險評價是針對項目整體的融資風險評價，無論采取怎樣的PPP模式，其風險的內(nèi)容并沒有改變，風險并沒有降低，只是對風險進行了重新分配。表1中，有A、B部分劃分的項目一般按如下情況：A部分包括洞體、車站等土建工程的投資和建設，由政府或代表政府投資的公司來完成;B部分包括車輛、信號等機電設備資產(chǎn)的投資，吸引社會投資組建的PPP項目公司來完成。

盡管政府大力推進PPP項目，但由于地鐵項目門檻高、風險大，普通的私人資本很難進入該領域，城市地鐵合作方往往是有專業(yè)技術力量的國企。本文樣本覆蓋國內(nèi)有代表的數(shù)家企業(yè)，其中包括中交、中鐵建、中鐵為代表的施工企業(yè);綠地為代表的房地產(chǎn)開發(fā)商;中電十四所為代表的機電設備廠商;港鐵為代表的技術輸出型資本方。

通過專家的打分，筆者得出表3的結(jié)果，對各地鐵項目的各項風險指標的評價。從x1可以看出專家普遍認為大城市對該項目的政策變動風險較小;對于x7匯率風險指標，除港鐵參與的項目外，樣本均不涉及外資，故部分項目匯率波動為零。從x14可以看出，地鐵項目都普遍面臨著較為嚴重的環(huán)境問題。其他指標也各有含義。

4.2數(shù)據(jù)降維處理

由于本研究中，指標數(shù)量較多，為了得到更優(yōu)的BP神經(jīng)網(wǎng)絡模型，故對表4進行降維處理，計算得出各項目降維后的風險矩陣。排名前5的主成分累積貢獻93.88%，已經(jīng)能夠很好地代替原有的19各指標進行解釋。表5為F1、F2、F3、F4、F5主成分矩陣的系數(shù)。

在經(jīng)過一系列的降維處理后，原始的風險評價數(shù)據(jù)將被用于BP神經(jīng)網(wǎng)絡模型的構建。由于原風險體系中，所采用的指標較多，本文中使用主成分分析法是為了降維，提高BP神經(jīng)網(wǎng)絡運算效率。

5BP神經(jīng)網(wǎng)絡模型

5.1BP神經(jīng)網(wǎng)絡構建

研究使用Matlab默認設置，隱層激發(fā)函數(shù)為Sigmond函數(shù)，輸出層激發(fā)函數(shù)為線性函數(shù)。因為sigmond函數(shù)的導數(shù)可以寫成其自身的形式，線性函數(shù)導數(shù)為常數(shù)，可以提高模型運行效能。另外，初始權值Wo、學習效率η、期望誤差均不做調(diào)整。

BP神經(jīng)網(wǎng)絡見圖3。

5.2BP神經(jīng)網(wǎng)絡計算

本文選擇10條國內(nèi)的地鐵線作為BP神經(jīng)網(wǎng)絡模型的訓練和檢測樣本，其中訓練樣本8條，檢測樣本2條，見表6。

總體來說，國內(nèi)地鐵PPP項目融資風險較小。哈爾濱等城市由于人口、經(jīng)濟、地質(zhì)因素風險最高;徐州等三線地級城市風險較高;南京、杭州等二線城市風險較低;廣州、深圳等一線城市風險最低。從表7可以看出，構建的BP神經(jīng)網(wǎng)絡效果較好，期望值與輸出值的誤差較小，該BP神經(jīng)網(wǎng)絡模型能夠推廣使用至其他地鐵PPP項目。

6結(jié)論及展望

本文還存在一些缺陷。除了北京、深圳、杭州的地鐵是已建的，其他樣本均是在建或尚處于合同簽署階段，項目最后能否按計劃進行，還需要進一步觀察。由于樣本數(shù)量較少，盡管BP神經(jīng)網(wǎng)絡取得了較好的效果，但可信度有待商榷。在風險體系構建方面，一方面由于筆者認知水平有限;另一方面，國內(nèi)外學者所構建的風險體系大同小異，缺乏新穎的觀點。同時，必須要指出的是，本文所采用的風險體系，未能將地鐵項目所有的特點展現(xiàn)，地鐵項目的特殊性主要包含在專家打分中。

另外，關于定量化的風險研究，如果能夠通過項目特點、城市概況、融資模式等客觀數(shù)據(jù)，直接對項目進行各指標風險評價以替代德爾菲法對各指標評價，這將能夠使整個過程的計算完全定量化，更加科學公正。目前采用BP神經(jīng)網(wǎng)絡，只是使權值與閾值更客觀?？傮w而言，基于BP人工神經(jīng)網(wǎng)絡的PPP項目風險評估模型有著良好的應用價值，與預期結(jié)果相符，優(yōu)于模糊綜合評價等模型，能夠更客觀地預測風險，輔助于決策。