刁峰

摘要：高鐵建設(shè)作為國家重點投資項目，隨著“八縱八橫”，“一帶一路”等國家戰(zhàn)略的提出，已成為當(dāng)前研究熱點。本文基于鐵路十三五規(guī)劃和世界銀行數(shù)據(jù)，采用蒙特卡洛模擬方法，在已有數(shù)據(jù)結(jié)構(gòu)基礎(chǔ)上模擬出2020至2030年高鐵財務(wù)變化，并預(yù)估出未來高鐵投資內(nèi)部收益率大小，研究結(jié)果表明，經(jīng)過2萬，4萬次蒙特卡洛模擬分析，未來高鐵投資內(nèi)部收益率在92 %的概率下會大于0，在76%的概率下會大于4.9%，59%的概率下會大于8%，高鐵投資項目財務(wù)風(fēng)險較小，投資可行性很強，未來有較大的盈利可能。

關(guān)鍵詞：高鐵建設(shè);投資風(fēng)險;內(nèi)部收益率模型;蒙特卡洛模擬

1 文獻綜述

截至2018年年底，中國高鐵營業(yè)里程已達2.9萬公里，投資規(guī)模達4千億元左右，高鐵在數(shù)量和質(zhì)量上得到空前發(fā)展，與此同時我國高鐵存在大范圍財務(wù)虧損（高華榮，2017）和運能閑置問題（榮朝和，2017），高昂的建設(shè)成本，以及持續(xù)經(jīng)營中可能出現(xiàn)的虧損，致使高鐵投資不容樂觀，高鐵投資風(fēng)險研究對高鐵持續(xù)穩(wěn)定發(fā)展具有重要作用。

當(dāng)前高鐵投資風(fēng)險研究主要集中在投資風(fēng)險識別和評價體系構(gòu)建上，郭鵬等（2007）基于專家評分法提出了風(fēng)險評價指標(biāo)體系，殷紅軍等（2012）認為高鐵樞紐建設(shè)中的“部省合資”模式有效提升了高鐵經(jīng)濟效益，王順洪等（2016）以此為基礎(chǔ)建立了海外高鐵投資風(fēng)險體系，高鐵投資風(fēng)險研究定性居多，定量研究較少，蒙特卡洛模擬作為研究不確定性高而投資靈活性低的分析工具，在基礎(chǔ)設(shè)施建設(shè)項目風(fēng)險研究方面存在一定應(yīng)用，李曉英等（2015）在城市基礎(chǔ)設(shè)施建設(shè)分析，使用蒙特卡洛模擬預(yù)測未來凈現(xiàn)值變化，Jack等（2017）研究高鐵對中國城市的影響時，用蒙特卡洛模擬證明了OLS回歸和樣本外測試在評估面板數(shù)據(jù)因果關(guān)系中的有用性，張紅斌（2018）也基于蒙特卡洛模擬研究了城市污水處理項目的內(nèi)部收益率。此外，Hyewon等（2019）也認為蒙特卡洛模擬在風(fēng)險分析和決策制定方面存在廣泛應(yīng)用，基于折現(xiàn)現(xiàn)金流的蒙特卡洛模擬分析是商業(yè)研究的標(biāo)準(zhǔn)。

可見，蒙特卡洛模擬在投資風(fēng)險分析中存在廣泛應(yīng)用，高鐵建設(shè)作為中國新基建的重要組成部分，投資風(fēng)險分析的準(zhǔn)確性直接影響了未來新基建的發(fā)展方向，基于此，本文在以往研究基礎(chǔ)上，結(jié)合專家經(jīng)驗，篩選出高鐵投資影響因素，建立高鐵財務(wù)評價模型，并用蒙特卡洛仿真軟件，預(yù)測高鐵未來投資收益，為盡可能避免模擬過程中出現(xiàn)與實際結(jié)果偏差較大情況，本文進行了大樣本實驗。

2 模型建立

2.1 模型構(gòu)建

蒙特卡洛模擬，其原理是假設(shè)項目分析中任意影響變量的概率分布是確定的，可通過樣本數(shù)據(jù)進行擬合，假設(shè)隨機變量與目標(biāo)變量存在某種函數(shù)關(guān)系，通過隨機重復(fù)抽樣可獲得目標(biāo)變量的近似概率分布特征，抽取符合概率分布的隨機序列，將其按照設(shè)定的函數(shù)關(guān)系進行運算，得到目標(biāo)變量的概率分布。一般單次抽樣具有很高偶然性與偏差，不具有統(tǒng)計意義，但對模型抽樣次數(shù)達一定數(shù)量后，可以得到與項目實際情況較為接近的概率分布特征。

依據(jù)蒙特卡洛模擬原理，構(gòu)建衡量高鐵投資財務(wù)效益評價模型，當(dāng)前研究中常見財務(wù)評價指標(biāo)主要有內(nèi)部收益率、凈現(xiàn)值等，在選取相關(guān)指標(biāo)時考慮到世界銀行和國家發(fā)改委均規(guī)定以內(nèi)部收益率為主要評價指標(biāo)，因此本文將其作為評價指標(biāo)，并建立內(nèi)部收益率模型，內(nèi)部收益率評價單項目是否可行的標(biāo)準(zhǔn)為：若項目內(nèi)部收益率大于等于零，則方案可行，否則，方案不可行。

考慮到現(xiàn)有鐵路數(shù)據(jù)并未區(qū)分高鐵與普通鐵路，本文參考勞倫斯等（2019）研究中國高鐵發(fā)展中數(shù)據(jù)處理方法，確定影響高鐵投資現(xiàn)金流的相關(guān)因素，并利用影響現(xiàn)金流變化因素的概率密度函數(shù)的隨機抽樣序列來模擬實際投資過程中的分布模型，以此來獲得高鐵投資各期現(xiàn)金流情況，衡量高鐵未來盈利能力。

2.2 影響因素選取

在高鐵投資項目中，影響投資風(fēng)險因素可分為內(nèi)、外部因素，在內(nèi)部因素中，王剛等（2013）認為隨著高鐵修建里程增加，高鐵運營成本支出巨大，2018年國家鐵路總公司第三季度財報顯示，2018全年全國鐵路運營成本占總成本的65.06%，高鐵運營成本直接影響高鐵收益，除此之外高鐵財務(wù)研究還需要考慮基礎(chǔ)設(shè)施維護成本、貸款本金及利息，因此在高鐵投資風(fēng)險分析時，選取高鐵建設(shè)投資，運營成本，基礎(chǔ)設(shè)施維護成本，本金償付額和利息作為研究高鐵內(nèi)部風(fēng)險因素。在外部風(fēng)險分析時，高鐵客運收入作為高鐵收入的主要來源，在高鐵投資風(fēng)險研究中至關(guān)重要，因此本文選取高鐵收入作為影響高鐵投資風(fēng)險的主要外部因素，而影響投資風(fēng)險的外部因素還應(yīng)包括諸如當(dāng)前新冠疫情等自然災(zāi)害影響，但由于高鐵作為關(guān)乎國計民生的重大項目，具有較高抗風(fēng)險能力，且在蒙特卡洛模擬大樣本分析中，隨機性事件產(chǎn)生的波動可以被有效識別。

2.3 概率分布測算

風(fēng)險變量確定后，需要確定符合要求的風(fēng)險變量概率分布，而風(fēng)險變量概率分布的準(zhǔn)確程度關(guān)系到高鐵投資風(fēng)險預(yù)測精度。在項目建設(shè)中一般用三角分布和β分布描述工期，投資等不對稱分布的概率分布，經(jīng)營成本和銷售收入則服從正態(tài)分布，依據(jù)專家經(jīng)驗，世行公布的數(shù)據(jù)，本文總結(jié)出高鐵收入為0.368元/人公里，高鐵投資為1.24億/公里，運營成本為0.206元/人公里，基礎(chǔ)設(shè)施維護成本為0.02億/人公里，本金償付額為0.0295億/公里。根據(jù)上述數(shù)據(jù)與鐵路年鑒中2008至2019年高鐵客流量與里程數(shù)據(jù)，得出高鐵收入總額、投資總額、運營成本總額、基礎(chǔ)設(shè)施維護成本總額、本金償付總額和利息，在計算利息時，以2015年國家開發(fā)銀行公布的中長期貸款利率為準(zhǔn)，計算高鐵客運收入時，經(jīng)專家討論和歷史數(shù)據(jù)擬合，高鐵客運收入符合S型曲線，用Logistic分布函數(shù)來代表高鐵客運總收入概率分布，同時參考鐵道年鑒和世行數(shù)據(jù)，確定以上其他變量的分布函數(shù)類型和對應(yīng)密度函數(shù)，并將上述風(fēng)險變量概率分布函數(shù)帶入內(nèi)部收益率模型中，得到高鐵投資風(fēng)險預(yù)測模型，具體見下式（1）。

其中用表示高鐵總收入Logistic概率分布，表示對應(yīng)分布均值為33億，表示對應(yīng)分布方差為1千，表示高鐵總投資的三角形概率分布，表示樂觀值為366萬元，b表示最大可能值為1419萬元，c表示悲觀值為3904萬元，表示高鐵運營成本總額的正態(tài)概率分布，為23億元，為78，表示基礎(chǔ)設(shè)施維護總成本的正態(tài)概率分布，為2億元，為0.77，表示本金償還總額的正態(tài)概率分布，為0.11億元，為0.016，表示貸款利息總額的正態(tài)概率分布，其中i為貸款利率，為44萬元，為35。

3 結(jié)果與分析

基于以上分析，用蒙特卡洛水晶球軟件對內(nèi)部收益率模型分別進行2萬次，4萬次模擬，經(jīng)過2次模擬后，整體模型變異系數(shù)在0.72左右，變異系數(shù)較大，表明內(nèi)部收益率模型存在標(biāo)準(zhǔn)偏差較大，平均值較小問題，模型的內(nèi)部收益率最小接近-10%，最大接近30%，均值在10%附近，可見較大的變異系數(shù)并不影響高鐵投資風(fēng)險評估，高鐵內(nèi)部收益率有較大可能大于0%。經(jīng)過2萬次模擬，高鐵項目IRR大部分落在10%附近，內(nèi)部收益率均值為9%，標(biāo)準(zhǔn)偏差為7%，內(nèi)部收益率大于0%的概率為92.40%，大于4.9%的長期貸款利率的概率為75.60%，大于8%的社會折現(xiàn)率的概率為59.22%，從4萬次模擬的結(jié)果來看，內(nèi)部收益率在10%附近的波動幅度變小，整體投資風(fēng)險概率分布更加集中，模型標(biāo)準(zhǔn)偏差為7%，變異系數(shù)為0.7292，內(nèi)部收益率大于0的概率為92.24%，大于4.9%的長期貸款利率的概率為76.07%，大于8%的社會折現(xiàn)率的概率為58.81%，表明高鐵有較大盈利空間，未來發(fā)展趨勢良好。

除此之外，整個模型內(nèi)部收益率大于0%時，投資風(fēng)險在7.60%到7.93%之間變化，投資可行概率在92.15%到92.40%之間變化，表明高鐵投資內(nèi)部收益率模型有92%的概率大于零，未來高鐵投資風(fēng)險較小，高鐵項目可行性較高，與8%的社會折現(xiàn)率相比，內(nèi)部收益率大于8%的可行概率在58.64%到59.36%之間變化，高鐵內(nèi)部收益率超過8%的風(fēng)險在40%左右，實際融資過程中，國家開發(fā)銀行公布的中長期貸款利率為4.9%，只要高鐵內(nèi)部收益率大于4.9%，也就意味著高鐵投資存在盈利的可能，表4中內(nèi)部收益率大于4.9%的投資可行概率在75.60%到77.62%之間變化，表明高鐵投資項目如果在2020年至2030年盈利，需要承擔(dān)24%左右的風(fēng)險，高鐵項目存在較大盈利可能。

4 結(jié)論與啟示

本文基于世行與鐵道年鑒等數(shù)據(jù)，采用蒙特卡洛模擬方法構(gòu)建了高鐵投資財務(wù)風(fēng)險模型，并用蒙特卡洛水晶球軟件對模型依次模擬了2萬，4萬次，估算出2020至2030年高鐵投資項目內(nèi)部收益率，單從計算結(jié)果看，通過上述模擬實驗，高鐵內(nèi)部收益率大于0的概率在92%左右，小于0的概率在8%左右，高鐵投資項目可行性很強，與4.9%和8%的社會折現(xiàn)率相比，高鐵內(nèi)部收益率大于4.9%的概率在76%左右，大于8%的概率在59%左右，這一結(jié)果也被高鐵內(nèi)部收益率模型累計概率分布所證明，未來高鐵內(nèi)部收益率大概率集中于10%左右，高于8%的社會折現(xiàn)率，高鐵投資風(fēng)險較小，未來有較大的盈利可能。

根據(jù)以上分析，高鐵建設(shè)投資未來財務(wù)風(fēng)險較小，高鐵投資可行性較大，存在盈利可能，但實際投資活動中，僅以財務(wù)指標(biāo)作為項目投資決策的依據(jù)，往往存在一定的局限性，需要綜合考慮經(jīng)濟效益和社會效益等其他因素影響，從理論上看，基于影響因素的蒙特卡洛模擬很好地分析和預(yù)測了高鐵內(nèi)部收益率概率分布函數(shù)在未來的變化趨勢，很好地解決了高鐵未來投資風(fēng)險大小，為高鐵未來投資發(fā)展提供了一定的指引作用。

參考文獻：

[1]高華榮.高速鐵路對區(qū)域經(jīng)濟發(fā)展的影響研究[D].北京交通大學(xué)，2017.

[2]榮朝和，王大鵬.臺灣高鐵財務(wù)困局的原因分析[J].廣東社會科學(xué)，2017（02）：82-90+254.

[3]郭鵬，安會剛，曹朝喜.固定資產(chǎn)投資項目風(fēng)險評價指標(biāo)體系及風(fēng)險變化規(guī)律[J].統(tǒng)計與決策，2007（06）：57-59.

[4]殷紅軍，郭菊娥，趙新文.我國高鐵盈利能力分析及投融資模式選擇與優(yōu)化[J].華東經(jīng)濟管理，2012，26（02）：74-78.

[5]王順洪，馬蓉，郭強.海外跨境高鐵投資風(fēng)險因素結(jié)構(gòu)關(guān)系分析：以“新馬高鐵”為例[J].科技管理研究，2016，36（19）：224-229.

[6]周國華，彭波.基于貝葉斯網(wǎng)絡(luò)的建設(shè)項目質(zhì)量管理風(fēng)險因素分析——以京滬高速鐵路建設(shè)項目為例[J].中國軟科學(xué)，2009（09）：99-106.

[7]Jack Strauss.Do high speed railway lead to urban economic growth in china？ [C].the International Institute of Social and Economic Sciences，29 May 2017，8th Economics & Finance Conference.

[8]張紅斌.蒙特卡洛法在城市污水PPP項目投資風(fēng)險分析的應(yīng)用[D].蘭州大學(xué)，2018.

[9]Hyewon Shin，Euijune Kim.Meta-analysis of rate of return on road projects [J].Transportation Letters，2019，11：4，190-199.

[10]王剛，龔六堂.淺析高速鐵路建設(shè)投資的產(chǎn)業(yè)經(jīng)濟效應(yīng)[J].宏觀經(jīng)濟研究，2013（06）：67-71.

[11]瑪莎·勞倫斯，理查德·布洛克，劉子銘.中國的高速鐵路發(fā)展[R].國際復(fù)興開發(fā)銀行/世界銀行，2019.