趙雯 邢會(huì)歌 李玉瑤

摘要：公租房PPP項(xiàng)目的投資風(fēng)險(xiǎn)因素存在模糊性和冗余性，用粗集動(dòng)態(tài)約簡風(fēng)險(xiǎn)指標(biāo)可消除指標(biāo)間的關(guān)聯(lián)性，構(gòu)建基于民營部門投資風(fēng)險(xiǎn)的評價(jià)指標(biāo)體系;將G1法應(yīng)用于UEOWA-ULHA算子進(jìn)行權(quán)重計(jì)算，把專家基于語言評估標(biāo)度做出的風(fēng)險(xiǎn)評價(jià)結(jié)果用決策矩陣表示，通過可能度公式計(jì)算得出可能度矩陣，最后求得排序向量，得到最優(yōu)投資項(xiàng)目，在民營部門選取的項(xiàng)目中運(yùn)用可能度矩陣排序得到關(guān)鍵風(fēng)險(xiǎn)因素，為民營部門的投資決策提供參考，也為民營部門提供了提前制定關(guān)鍵風(fēng)險(xiǎn)因素應(yīng)對措施的指導(dǎo)。

Abstract： Aiming at the fuzziness and redundancy of the investment risk factors of the private sector in PPP projects of public rental housing， this paper uses the rough set dynamic reduction risk index to eliminate the correlation among the indicators， and constructs the evaluation index system based on the investment risk of the private sector. Then the G1 method was applied to UEOWA-ULHA operator， overcomes the drawback of AHP need consistency check， the experts based on the linguistic evaluation scale to make risk assessment results with that decision matrix， calculated by possible degree formula may degree matrix， finally obtained by sorting vectors， get the optimal investment projects， use in the private sector to select projects could degree matrix sorting key risk factors， provide a reference for private sector investment decision， also for the private sector to provide the key risk factors of countermeasures develop guidance in advance.

關(guān)鍵詞：PPP;公租房;投資風(fēng)險(xiǎn);多屬性決策

Key words： PPP;public rental housing;investment risk;multiple attribute decision

中圖分類號(hào)：F293.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2020）10-0060-03

0? 引言

公租房是政府保障房發(fā)展的重點(diǎn)，但資金短缺和財(cái)政壓力是政府部門面臨的主要問題，因此引入PPP模式。公租房PPP項(xiàng)目參與方眾多，投資結(jié)構(gòu)復(fù)雜，存在諸多風(fēng)險(xiǎn)因素，民營部門作為主投資方，對項(xiàng)目的建設(shè)和運(yùn)營承擔(dān)了更大風(fēng)險(xiǎn)[1]，科學(xué)建立評價(jià)指標(biāo)是正確預(yù)測公租房PPP項(xiàng)目投資風(fēng)險(xiǎn)的基礎(chǔ)，正確預(yù)測投資風(fēng)險(xiǎn)能調(diào)動(dòng)民營部門參與公租房PPP項(xiàng)目建設(shè)的積極性，促進(jìn)公租房PPP項(xiàng)目可持續(xù)發(fā)展。目前研究大多是PPP模式下風(fēng)險(xiǎn)識(shí)別及分擔(dān)研究，從民營部門角度探討投資風(fēng)險(xiǎn)的研究很少[2]-[4];投資風(fēng)險(xiǎn)因素普遍具有模糊性、層次性和冗余性，現(xiàn)運(yùn)用的模糊綜合評價(jià)法、灰色關(guān)聯(lián)度分析和灰色聚類三種方法[5]-[6]存在冗余性問題。針對以上問題，從民營部門投資風(fēng)險(xiǎn)視角出發(fā)，基于粗集對民營部門面臨的投資風(fēng)險(xiǎn)因素動(dòng)態(tài)約簡，構(gòu)建評價(jià)指標(biāo)體系。依據(jù)該體系運(yùn)用G1法求得其各級(jí)指標(biāo)權(quán)重，基于此權(quán)重改進(jìn)UEOWA-ULHA算子，消除了由于個(gè)別專家主觀因素等造成的不公正，從而建立風(fēng)險(xiǎn)評價(jià)模型，為公租房PPP項(xiàng)目的投資決策提供了一種科學(xué)的思路。

1? 投資風(fēng)險(xiǎn)評價(jià)模型的建立

根據(jù)公租房PPP項(xiàng)目特點(diǎn)，將投資風(fēng)險(xiǎn)分為社會(huì)風(fēng)險(xiǎn)、政策法規(guī)風(fēng)險(xiǎn)、參與風(fēng)險(xiǎn)和經(jīng)濟(jì)金融風(fēng)險(xiǎn)，依據(jù)特點(diǎn)細(xì)分為12類，39個(gè)具體風(fēng)險(xiǎn)?；陲L(fēng)險(xiǎn)分配原則[4]，土地風(fēng)險(xiǎn)、政策法規(guī)風(fēng)險(xiǎn)、政府信用風(fēng)險(xiǎn)應(yīng)該由政府承擔(dān)。公租房項(xiàng)目擁有有利的政策和需求量的穩(wěn)定，民營部門面臨的政策法規(guī)風(fēng)險(xiǎn)、市場需求風(fēng)險(xiǎn)是很小的[7]。

1.1 風(fēng)險(xiǎn)指標(biāo)動(dòng)態(tài)約簡? 粗集理論中動(dòng)態(tài)約簡算法可以有效約簡風(fēng)險(xiǎn)因素。通過MATLAB 2016b，基于歷史數(shù)據(jù)利用粗集對 39個(gè)風(fēng)險(xiǎn)因素進(jìn)行約簡，再將上述分析的風(fēng)險(xiǎn)剔除，最后整理出17個(gè)三級(jí)指標(biāo)，分別是自然環(huán)境風(fēng)險(xiǎn)、社會(huì)環(huán)境風(fēng)險(xiǎn)、權(quán)力尋租風(fēng)險(xiǎn)、法律不健全風(fēng)險(xiǎn)、審批政策風(fēng)險(xiǎn)、建設(shè)成本超支風(fēng)險(xiǎn)、設(shè)計(jì)質(zhì)量風(fēng)險(xiǎn)、工期風(fēng)險(xiǎn)、合同風(fēng)險(xiǎn)、決策風(fēng)險(xiǎn)、運(yùn)營商違約風(fēng)險(xiǎn)、服務(wù)質(zhì)量風(fēng)險(xiǎn)、運(yùn)營成本風(fēng)險(xiǎn)、運(yùn)營效率風(fēng)險(xiǎn)、利率風(fēng)險(xiǎn)、通貨膨脹風(fēng)險(xiǎn)和收益率風(fēng)險(xiǎn)。

1.2 G1法權(quán)重計(jì)算? G1法是通過專家對評價(jià)指標(biāo)的重要程度進(jìn)行排序以及相鄰指標(biāo)間的相對性評價(jià)實(shí)現(xiàn)指標(biāo)權(quán)重的確定。

步驟1：確定風(fēng)險(xiǎn)評價(jià)指標(biāo)順序。選擇該領(lǐng)域經(jīng)驗(yàn)豐富的專家組根據(jù)風(fēng)險(xiǎn)指標(biāo)的重要程度由大到小排序：

1.3 基于改進(jìn)UEOWA-ULHA算子的多屬性決策? 因項(xiàng)目投資風(fēng)險(xiǎn)具有復(fù)雜性、不確定性，當(dāng)專家們受到一些主客觀因素制約時(shí)，他們給出的評價(jià)信息是不完全且模糊的，因此需要應(yīng)用不確定語言型多屬性決策解決民營部門在公租房PPP項(xiàng)目中投資風(fēng)險(xiǎn)評價(jià)存在的問題。改進(jìn)后的UEOWA-ULHA算子，可以求得可能度矩陣的排序向量，按其分量大小對不同方案進(jìn)行排序，得到民營部門在可選投資的項(xiàng)目中面臨的投資風(fēng)險(xiǎn)最小的方案。主要計(jì)算步驟如下：

2.5 分析? 公租房PPP項(xiàng)目自身的建設(shè)過程充滿不確定性，通過相關(guān)文獻(xiàn)梳理可以得知民營部門面臨較高的投資風(fēng)險(xiǎn)為建設(shè)風(fēng)險(xiǎn)，而建設(shè)風(fēng)險(xiǎn)中影響最顯著的風(fēng)險(xiǎn)因素則為建設(shè)成本超支。通過采訪參與公租房PPP項(xiàng)目的專家得出公租房PPP融資風(fēng)險(xiǎn)中建設(shè)成本超支、政府干預(yù)、政府價(jià)格限制、運(yùn)營成本高四個(gè)指標(biāo)累計(jì)貢獻(xiàn)率達(dá)89.114%，其中建設(shè)成本超支占40.325%。同時(shí)參與建設(shè)公租房PPP項(xiàng)目的人員也表示公租房建設(shè)過程中，由于項(xiàng)目設(shè)計(jì)考慮不周、施工技術(shù)水平不夠或質(zhì)量檢驗(yàn)把關(guān)不嚴(yán)等原因，給項(xiàng)目帶來設(shè)計(jì)質(zhì)量的風(fēng)險(xiǎn)。因公租房的保障房性質(zhì)，收回的租金往往只夠支付貸款利息和部分運(yùn)營管理費(fèi)用，收益率低是制約公租房PPP項(xiàng)目實(shí)施的關(guān)鍵因素。項(xiàng)目公司管理人員決策失誤也會(huì)給私營部門帶來投資風(fēng)險(xiǎn)。

3? 結(jié)論

粗集對所建立的指標(biāo)體系進(jìn)行有效動(dòng)態(tài)約簡，可以消除指標(biāo)間的關(guān)聯(lián)性，去掉冗余指標(biāo)，使評價(jià)結(jié)果更為精確。結(jié)合G1法來確定動(dòng)態(tài)約簡后的指標(biāo)權(quán)重，優(yōu)點(diǎn)在于無需進(jìn)行一致性檢驗(yàn)，序關(guān)系的給出完全表達(dá)了專家的意愿。

多屬性決策方法中使用的語言評價(jià)標(biāo)度是解決不確定型語言決策問題的基礎(chǔ)，將每位專家的評價(jià)結(jié)果用決策矩陣表示，與結(jié)合G1法權(quán)重改進(jìn)后的UEOWA-ULHA算子通過一定公式計(jì)算得到可能度矩陣，進(jìn)而得到可能度矩陣的排序向量，即可得到最優(yōu)方案。該決策模型具有很好的實(shí)用性，通過算例分析得到的決策結(jié)果與公租房PPP項(xiàng)目中民營部門面臨的投資風(fēng)險(xiǎn)情況相一致，為民營部門的投資決策提供參考。同時(shí)，在選定的投資項(xiàng)目中，集結(jié)所有指標(biāo)的風(fēng)險(xiǎn)評估標(biāo)度，利用可能度公式可以確定關(guān)鍵風(fēng)險(xiǎn)因素，這也有助于民營部門提前制定關(guān)鍵風(fēng)險(xiǎn)因素的應(yīng)對措施。

參考文獻(xiàn)：

[1]孫潔.PPP與保障性住房[M].北京：中國財(cái)政經(jīng)濟(jì)出版社，2013.

[2]巴希，烏云娜，胡新亮，等.基于粗糙集理論的PPP項(xiàng)目風(fēng)險(xiǎn)分擔(dān)研究[J].技術(shù)經(jīng)濟(jì)與管理研究，2013（5）：10-14.

[3]王濤，孫文建.公租房開發(fā)風(fēng)險(xiǎn)分擔(dān)及信用結(jié)構(gòu)—基于PFI模式的分析[J].財(cái)政金融，2012：44-45.

[4]鄭彥璐，鄧小鵬，李啟明.保障性住房PPP模式的風(fēng)險(xiǎn)分配理論分析[J].東南大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2010（12）：22-25.

[5]趙昱，劉行，徐佳欣，等.基于層次分析法—灰色聚類的PFI模式下公租房建設(shè)的風(fēng)險(xiǎn)評價(jià)方法[J].工程管理學(xué)報(bào)，2013（1）：69-72.

[6]王建波，楊冠楠，劉憲寧，等.基于模糊綜合評價(jià)的廉租房PPP項(xiàng)目融資風(fēng)險(xiǎn)分析—以青島市為例[J].青島理工大學(xué)學(xué)報(bào)，2012（1）：101-106.

[7]黃旭輝.我國廉租房融資方式研究[D].重慶大學(xué)，2008.

[8]徐澤水.不確定多屬性決策方法及應(yīng)用[M].北京：清華大學(xué)出版社，2004：202-214.