曹艷秋，曹冬艷

(南京航空航天大學金城學院，江蘇南京211156)

一、 引言

新能源汽車產業(yè)是江蘇省“十三五”戰(zhàn)略性新興產業(yè)發(fā)展規(guī)劃中重點發(fā)展的產業(yè)之一，其產業(yè)鏈條長、關聯(lián)度高、帶動性強，可帶動江蘇省上下游產業(yè)發(fā)展，是江蘇未來經濟的增長點。 然而，目前新能源汽車產業(yè)在發(fā)展中還面臨著較大的技術、資金、市場、政策等風險，如不及時規(guī)避，對整個產業(yè)乃至全省經濟都將產生巨大影響。 論文針對產業(yè)風險的模糊性和隨機性特點，將云模型引入產業(yè)風險評價，提出熵權—云模型的產業(yè)風險評價方法。 熵權法用于確定各風險評價指標體系的權重，云模型用于對產業(yè)風險進行評價。 論文從內生性和外生性視角，篩選適合新能源汽車產業(yè)的內生性和外生性風險評價因子，構建產業(yè)風險評價指標體系。 并基于熵權—云模型對江蘇省新能源汽車產業(yè)進行評價，根據評價結果提出產業(yè)風險防范對策，以促進產業(yè)的可持續(xù)發(fā)展。

二、 研究方法

(一)熵權法

熵權法是一種確定權重的比較客觀的方法，其原理是根據獲得的信息來分析各個指標的變異程度。 利用信息熵計算每個指標的熵權，從而確定各個指標的權重。 在論文構建的新能源汽車產業(yè)風險評價指標體系中，各風險因子的權重由影響該風險的信息量決定。 若各專家對某一指標的爭議較大，則說明該指標的信息量較多，其權重較大。

(二)云模型理論與算法

云模型是用語言值表示的某個定性概念與定量表示之間的不確定性轉換模型，它把模糊性與隨機性結合在一起。云模型有三個數(shù)字特征，分別是期望Ex、熵En、超熵He。 期望Ex是云滴在論域空間分布的中心值，表示所有云滴的中心。 熵En是對定性概念不確定性的度量，由事物的模糊性和隨機性共同決定。 超熵He反映云滴的離散程度以及隸屬度的隨機性變化。 云模型的特征值如圖1 所示。

圖1 云模型及其數(shù)字特征

(三)基于熵權和云模型的風險評估方法

論文把熵權法和云模型結合，構建基于云模型的新能源汽車產業(yè)風險評價模型。 首先，通過專家調查法調查各風險因子在產業(yè)風險中的重要性程度，并根據熵權法確定各指標的權重。 其次，構造云模型的隸屬度函數(shù)，用云模型的3 個特征值——期望、熵和超熵，反映風險因子與風險等級的隸屬度關系，利用正向云發(fā)生器對云模型進行一系列計算，得到各項子風險因子的云滴分布。 最后，結合各風險因子的權重，利用綜合云發(fā)生器計算主風險因子及產業(yè)風險的特征值，以得到各項風險的云滴分布。 基于調查問卷分析結果，對江蘇省新能源汽車產業(yè)風險進行評價，最后有針對性地提出完善對策。

三、 基于熵權—云模型的江蘇省新能源汽車產業(yè)風險評價

(一)產業(yè)風險等級劃分

邀請行業(yè)內20 位專家分別對“低風險”“較低風險”“中等風險”“較高風險”和“高風險”賦值，計算每一等級風險的期望、熵和超熵(見表1)，并運用云模型中正向云發(fā)生器生成風險等級云圖(見圖2)。

表1 產業(yè)風險等級云模型特征值表

圖2 產業(yè)風險等級云圖

(二)風險評價指標體系構建及權重確定

內生性風險即產業(yè)自身面臨的風險，外生性風險即產業(yè)外部環(huán)境風險。 內生性風險來源于產業(yè)自身基礎與能力，當自身發(fā)展能力不足或存在某種管理缺陷就會產生內生性風險。 外生性風險來源于產業(yè)的外部，由產業(yè)所處的政策法律環(huán)境、市場環(huán)境等產生的風險。 論文將內生性風險細分為基礎性風險、結構性風險和網絡性風險。 新能源汽車產業(yè)基礎性風險即由于新能源汽車產業(yè)發(fā)展的基礎狀況差異所導致的風險，主要包括技術創(chuàng)新風險、融資能力風險和產品生產成本風險。 新能源汽車產業(yè)結構性風險即靜態(tài)觀察產業(yè)時，產業(yè)內不同規(guī)模企業(yè)的構成、產業(yè)鏈構成、區(qū)域分布等結構性因素可能導致的風險，主要包括市場集中度風險、燃料來源風險、區(qū)域分布風險和產業(yè)鏈風險。 新能源汽車產業(yè)的網絡性風險即為在主體、資源、行為所構成的網絡中，因產業(yè)處于發(fā)展初期，由于資本、技術、信息、人才和物資資源的缺乏，在主體和資源的交互過程中，造成信息不對稱、對未來預期的不確定等問題，主要包括不正當競爭風險、不完全契約風險和道德風險。 外生性風險細分為政策風險、市場風險和環(huán)境風險。 政策性風險是由于政策的不穩(wěn)定性、不協(xié)調性等對產業(yè)發(fā)展的影響，主要包括政策穩(wěn)定性風險、政策連續(xù)性風險和政策及時性風險。 市場風險是市場因素的變化對產業(yè)發(fā)展的影響，如國際新能源汽車的競爭、被傳統(tǒng)汽車替代以及新能源汽車作為一個新興產業(yè)能否被消費者接受等，這些因素都影響產業(yè)的發(fā)展。 市場風險主要包括國際競爭風險、產業(yè)替代風險和消費者認知風險。 環(huán)境風險是新能源汽車產業(yè)發(fā)展所處的法律、資源、經濟等環(huán)境的不確定性給產業(yè)發(fā)展帶來影響的風險，主要包括法律環(huán)境風險、資源環(huán)境制約風險、經濟周期風險和技術突變風險。

論文通過分析江蘇省新能源汽車發(fā)展現(xiàn)狀，比較江蘇省與國外先進地區(qū)新能源汽車的發(fā)展差距，基于內生性風險和外生性風險的視角，運用專家咨詢法和模糊統(tǒng)計法，建立適合江蘇省新能源汽車產業(yè)風險評價的指標體系，通過逐層劃分，形成一個包括6 個一級指標、18 個二級指標的階梯層次結構，如表2 所示。 新能源汽車產業(yè)風險各一級指標因子和二級指標因子對產業(yè)風險的影響程度是不同的，因此需要確定每項風險因子的影響程度即權重。 論文應用熵權法確定各風險因子指標的權重，結果如表2 所示。

表2 江蘇省新能源汽車產業(yè)風險因子權重表

(三)基于云模型的產業(yè)風險評價

邀請20 位江蘇省新能源汽車產業(yè)領域的專家對每項子風險因子進行評分，結合各二級風險因子權重分別計算各項主風險因子的期望(Ex)、熵(En)和超熵(He)如表3 所示。

式(1)中:Ex為某一風險的期望；Ex1、Ex2、…、Exn為每個專家對該風險的評分；n為專家人數(shù)。

式(2)中:En為某一風險的熵；Exi為第i位專家對該風險的評分。

式(3)中:He為超熵，反映了產業(yè)風險評價結果的隨機性和模糊性。k為常數(shù)，根據產業(yè)風險的模糊閾值范圍調整取值。 其取值過大會增大評價的不確定性，通常為0.1，既能客觀反映風險評價的隨機性，又可以簡化評價的過程。 子風險因子包括的3 個特征值的計算結果見表3。

表3 6 項主因素風險的云模型特征值

運用式(4)和式(5)可計算得出產業(yè)綜合風險的期望、熵，分別為Ex＝2.5729、En＝1.0822，期望(Ex)反映了云滴的重心位置，表示風險因子隸屬度的平均值；熵(En)描述了云滴的模糊性和隨機性，反映風險因子權重和隸屬度的可能取值范圍；超熵(He)是熵的熵，描述云的厚度，反映云滴的離散程度，表示各項風險因素偏離隸屬度平均值的情況，運用式(3)，H1取值0.1。 由各項風險的3 個特征值，運用MATLAB軟件可得到各項主因子風險的云模型圖以及綜合風險對比云模型圖，見圖3。

圖3 江蘇省新能源汽車產業(yè)風險云圖

(四)評價結果分析

從整個產業(yè)來看，其風險期望為2.5729，綜合風險云圖位于中等風險云圖與較高風險云圖之間，因此綜合風險級別為中等偏高風險，且非常接近較高風險。 外生性風險權重為0.5447，內生性風險權重為0.4523，外生性風險對產業(yè)風險的影響大于內生性風險。

四、 對策建議

從以上分析可以看出，內生性風險中的基礎性風險以及外生性風險中的政策風險和市場風險屬于較高風險。 因此，江蘇省新能源汽車產業(yè)從內生角度要加快技術創(chuàng)新、增加資金投入、提高企業(yè)生產效率等；從外生角度要完善政府扶持政策、加快市場機制建設等，以防范產業(yè)風險。 江蘇省新能源汽車產業(yè)面臨著較高的政策風險，新能源汽車產業(yè)因為是新興產業(yè)，所以對產業(yè)政策過度依賴，因此，應降低政策風險，要讓社會認知新能源汽車的好處，引導廣大消費者接受并購買和使用新能源汽車，讓產業(yè)盡快由依賴政策型發(fā)展成市場導向型的產業(yè)。 加快市場機制建設，健全風險承擔機制，推進新能源汽車積分政策的加快實施，是促進產業(yè)可持續(xù)發(fā)展的必要手段。

五、 結論

發(fā)展新能源汽車產業(yè)，對減少溫室氣體的排放、應對全球氣候變暖、改善全球生態(tài)環(huán)境都具有重大意義。 而江蘇省新能源汽車產業(yè)發(fā)展過程中面臨較高產業(yè)風險，因此，及時對產業(yè)進行風險評估并有針對性地規(guī)避，是促進產業(yè)可持續(xù)發(fā)展的必要手段。 然而，目前沒有完善的評估方法來對產業(yè)風險進行定量評價。 因此，論文建立了一個可以有效評價產業(yè)風險狀況的評估模型。 研究結論表明江蘇省新能源汽車產業(yè)的風險等級為中等偏高風險，且非常接近較高風險。 應從加快新能源產業(yè)技術創(chuàng)新、完善政府扶持政策、健全風險承擔機制等方面降低風險。