段曉晨，鮑 默，孟春成，董茹萍，牛衍亮

（石家莊鐵道大學(xué) 管理學(xué)院，河北 石家莊 050043)

0 引言

隨著“一帶一路”倡議的深入推進(jìn)，中國鐵路憑借完備的技術(shù)體系、豐富的建設(shè)經(jīng)驗(yàn)和先進(jìn)的管理水平逐漸走出國門，進(jìn)入國際鐵路市場(chǎng)。東南亞建設(shè)市場(chǎng)中，雅萬高速鐵路 (印度尼西亞雅加達(dá)—萬隆)成為中國境外首條采用中國標(biāo)準(zhǔn)和技術(shù)合作建設(shè)的高速鐵路[1]；匈塞鐵路(匈牙利—塞爾維亞)引領(lǐng)中國鐵路成套技術(shù)和裝備首次進(jìn)入歐洲市場(chǎng)，打開了中歐貿(mào)易的新通道[2]；非洲建設(shè)市場(chǎng)中，亞吉鐵路(埃塞俄比亞—吉布提)首次全線采用中國電氣化鐵路標(biāo)準(zhǔn)施工，促進(jìn)了中國標(biāo)準(zhǔn)在非洲市場(chǎng)的應(yīng)用與推廣[3]；中老鐵路(中國昆明—老撾萬象)作為首條以中方為主投資建設(shè)、全線采用中國技術(shù)標(biāo)準(zhǔn)、使用中國裝備并與中國鐵路網(wǎng)直接聯(lián)通的國際鐵路，為南亞地區(qū)經(jīng)濟(jì)發(fā)展注入新的動(dòng)力[4]。這一系列標(biāo)志性高速鐵路合作項(xiàng)目的順利推進(jìn)表明中國鐵路“走出去”已取得階段性進(jìn)展。但與此同時(shí)，建設(shè)周期長(zhǎng)、投資規(guī)模大、牽涉范圍廣等特點(diǎn)使得海外鐵路建設(shè)項(xiàng)目投資潛伏著各類復(fù)雜多變的風(fēng)險(xiǎn)因素[5]。因此，如何科學(xué)評(píng)估我國鐵路“走出去”的投資風(fēng)險(xiǎn)以引領(lǐng)后續(xù)項(xiàng)目的順利實(shí)施已成為現(xiàn)階段亟待解決的問題。

目前已有不少方法被用來評(píng)估鐵路建設(shè)單體工程的風(fēng)險(xiǎn)，如故障樹法、事件樹法、后果分析法等[6-8]，但是相對(duì)單體工程而言，海外鐵路是一個(gè)復(fù)雜系統(tǒng)，不確定因素更多，風(fēng)險(xiǎn)評(píng)估工作更復(fù)雜，因此上述評(píng)估方法很難滿足海外鐵路投資決策要求。而BP 神經(jīng)網(wǎng)絡(luò)所具有的自組織、自學(xué)習(xí)等特點(diǎn)可有效解決多維度復(fù)雜問題。因此，基于案例研究法對(duì)海外鐵路投資風(fēng)險(xiǎn)因素進(jìn)行識(shí)別分析，形成風(fēng)險(xiǎn)因素清單，并采用粒子群優(yōu)化算法、誤差反向傳播神經(jīng)網(wǎng)絡(luò)等智能方法構(gòu)建海外鐵路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)估模型，為海外鐵路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)的評(píng)估提供科學(xué)指導(dǎo)。

1 海外鐵路投資風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)建

通過對(duì)鐵路建設(shè)方、鐵路設(shè)計(jì)院等多個(gè)單位的實(shí)地調(diào)研，并結(jié)合文獻(xiàn)研究[9-14]，分析整理包括亞吉鐵路、雅萬高速鐵路、沙特麥加輕軌等項(xiàng)目在內(nèi)的共31 個(gè)海外鐵路案例，涵蓋東南亞、西亞、中東歐及非洲等多個(gè)建設(shè)市場(chǎng)，涉及土耳其、委內(nèi)瑞拉、肯尼亞、泰國、印度等十余個(gè)國家，囊括普速鐵路、高速鐵路、輕軌多種建設(shè)類型，基于此構(gòu)建海外鐵路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)案例庫。

海外鐵路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)估是一個(gè)復(fù)雜的系統(tǒng)，遵循科學(xué)性、全面性、代表性、個(gè)性與共性相統(tǒng)一的原則，基于海外鐵路建設(shè)項(xiàng)目案例庫對(duì)相關(guān)風(fēng)險(xiǎn)信息進(jìn)行整理歸納，共識(shí)別出17 個(gè)風(fēng)險(xiǎn)指標(biāo)。根據(jù)風(fēng)險(xiǎn)指標(biāo)，結(jié)合其風(fēng)險(xiǎn)性質(zhì)，將海外鐵路建設(shè)項(xiàng)目風(fēng)險(xiǎn)歸為政治風(fēng)險(xiǎn)、經(jīng)濟(jì)風(fēng)險(xiǎn)、社會(huì)風(fēng)險(xiǎn)、自然風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)共5 個(gè)一級(jí)指標(biāo)?；诎咐芯康暮Ｍ忤F路投資風(fēng)險(xiǎn)指標(biāo)體系如圖1所示。

圖1 基于案例研究的海外鐵路投資風(fēng)險(xiǎn)指標(biāo)體系Fig.1 Risk index system based on case studies for overseas railway investment

（1）政治風(fēng)險(xiǎn)。指目標(biāo)國與中國雙邊關(guān)系的穩(wěn)定性，目標(biāo)國政治局勢(shì)因選舉、腐敗或戰(zhàn)爭(zhēng)等不穩(wěn)定因素出現(xiàn)動(dòng)蕩以及東道國對(duì)華投資的態(tài)度等，具體包括雙邊關(guān)系、政權(quán)更迭和政府干預(yù)。

（2）經(jīng)濟(jì)風(fēng)險(xiǎn)。目標(biāo)國經(jīng)濟(jì)發(fā)展水平、國際外匯市場(chǎng)或利率的變動(dòng)往往在一定程度上影響著其償付意愿和能力。因此，目標(biāo)國的經(jīng)濟(jì)狀況則與投資風(fēng)險(xiǎn)密切相關(guān)，具體包括匯率風(fēng)險(xiǎn)、利率風(fēng)險(xiǎn)、通貨膨脹率風(fēng)險(xiǎn)及人均GDP 風(fēng)險(xiǎn)。

（3）社會(huì)風(fēng)險(xiǎn)。指由于社會(huì)文化差異、風(fēng)俗習(xí)慣差異、社會(huì)矛盾、社會(huì)健康問題等所導(dǎo)致的風(fēng)險(xiǎn)。社會(huì)風(fēng)險(xiǎn)往往嚴(yán)重影響工程進(jìn)程、增加工程費(fèi)用，甚至造成人員傷亡，具體包括征地拆遷風(fēng)險(xiǎn)、社會(huì)治安風(fēng)險(xiǎn)、宗教習(xí)俗風(fēng)險(xiǎn)和社會(huì)健康風(fēng)險(xiǎn)。

（4）自然風(fēng)險(xiǎn)。指地質(zhì)、氣候、環(huán)境等自然條件如大旱或大雨的氣候、復(fù)雜的地質(zhì)條件和水文條件等帶來的風(fēng)險(xiǎn)，具體包括地質(zhì)風(fēng)險(xiǎn)、氣候風(fēng)險(xiǎn)及環(huán)境保護(hù)風(fēng)險(xiǎn)。

（5）技術(shù)風(fēng)險(xiǎn)。指由于目標(biāo)國基礎(chǔ)設(shè)施條件的不同、中國技術(shù)標(biāo)準(zhǔn)和國際技術(shù)標(biāo)準(zhǔn)體系的差異性、企業(yè)對(duì)當(dāng)?shù)貥?biāo)準(zhǔn)存在認(rèn)知偏差等原因而產(chǎn)生的風(fēng)險(xiǎn)，具體包括技術(shù)標(biāo)準(zhǔn)風(fēng)險(xiǎn)、技術(shù)集成風(fēng)險(xiǎn)及工期風(fēng)險(xiǎn)。

2 風(fēng)險(xiǎn)評(píng)估指標(biāo)的定量化處理

基于上述投資風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，采用模糊評(píng)價(jià)法對(duì)各類風(fēng)險(xiǎn)指標(biāo)進(jìn)行量化處理，以消除不同數(shù)據(jù)間的量級(jí)差別，避免因輸入輸出層數(shù)據(jù)的量級(jí)差別過大導(dǎo)致的評(píng)估結(jié)果不精確。對(duì)原始數(shù)據(jù)進(jìn)行以下量化處理。

（1）模糊評(píng)價(jià)因素集及其權(quán)重的確定。模糊綜合評(píng)價(jià)的第一步即確定待評(píng)價(jià)對(duì)象的影響因素，基于上述風(fēng)險(xiǎn)指標(biāo)，確定因素集為Q={Q1，Q2，…，Q17}，各因素的權(quán)重系數(shù)為

式中：B為權(quán)重系數(shù)集合；b1，b2，…，b17分別為17 個(gè)風(fēng)險(xiǎn)因素的權(quán)重系數(shù)。

（2）評(píng)語集的確定。評(píng)語集是評(píng)判對(duì)象的集合，即各風(fēng)險(xiǎn)指標(biāo)的風(fēng)險(xiǎn)等級(jí)。專家評(píng)分越高，則該項(xiàng)目的建設(shè)風(fēng)險(xiǎn)越高。風(fēng)險(xiǎn)等級(jí)及其評(píng)分標(biāo)準(zhǔn)如表1 所示。

表1 風(fēng)險(xiǎn)等級(jí)及其評(píng)分標(biāo)準(zhǔn)Tab.1 Risk levels and scoring standards

評(píng)語集為

式中：v1—v5為專家評(píng)分分值，依次代表由低到高的各個(gè)風(fēng)險(xiǎn)等級(jí)。

（3）構(gòu)建模糊判斷矩陣。綜合分析專家意見，利用三角模糊數(shù)[15]對(duì)判斷矩陣進(jìn)行描述，對(duì)各指標(biāo)重要性進(jìn)行比對(duì)后構(gòu)建模糊判斷矩陣并確定指標(biāo)權(quán)重。模糊判斷矩陣公式為

式中：R為n階模糊判斷矩陣；rij為因素Qi具有評(píng)判vj的隸屬度；n為矩陣維數(shù)。

海外鐵路投資風(fēng)險(xiǎn)指標(biāo)權(quán)重如表2 所示。

表2 海外鐵路投資風(fēng)險(xiǎn)指標(biāo)權(quán)重Tab.2 Weights of risk indexes for overseas railway investment

（4）模糊綜合評(píng)價(jià)。對(duì)于模糊集Q上的模糊向量，通過模糊判斷矩陣公式 ⑴ 變化為模糊評(píng)語集V上的模糊集。變化公式為

式中：C為模糊運(yùn)算結(jié)果；B°R為模糊集B與R的合成；“°”為模糊算子。

運(yùn)算法則為

式中：cij為評(píng)價(jià)結(jié)果向量；bij為二級(jí)指標(biāo)各因素權(quán)重值；“?”表示取小，“?”表示取大[16]。

（5）專家打分。邀請(qǐng)8 位專家參照上述步驟對(duì)案例庫涵蓋的17 個(gè)風(fēng)險(xiǎn)指標(biāo)進(jìn)行打分，取平均值后得出31 個(gè)案例的風(fēng)險(xiǎn)總分值，海外鐵路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)分如表3 所示。風(fēng)險(xiǎn)評(píng)分滿足表2 中風(fēng)險(xiǎn)等級(jí)及其評(píng)分標(biāo)準(zhǔn)，即評(píng)分分值越大，該項(xiàng)目的投資風(fēng)險(xiǎn)等級(jí)越高。

表3 海外鐵路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)分Tab.3 Investment risk scoring of overseas railway construction projects

3 基于PSO-BPNN 的海外鐵路項(xiàng)目投資風(fēng)險(xiǎn)評(píng)估

基于海外鐵路投資風(fēng)險(xiǎn)案例庫，采用PSO 優(yōu)化算法、BP 神經(jīng)網(wǎng)絡(luò)方法建立投資風(fēng)險(xiǎn)評(píng)估模型以確定項(xiàng)目風(fēng)險(xiǎn)等級(jí)，為海外鐵路建設(shè)項(xiàng)目投資決策提供方法借鑒。

3.1 PSO-BPNN 方法的適應(yīng)性

針對(duì)海外鐵路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)系統(tǒng)復(fù)雜性、非線性的特點(diǎn)，提出PSO-BPNN 模型。傳統(tǒng)聚類方法依賴初始值的選擇、容易陷入局部極值，基于PSO 算法優(yōu)化的聚類方法能夠避免此類缺陷，確保相似案例選取的可靠性，從而提供風(fēng)險(xiǎn)評(píng)估結(jié)果的準(zhǔn)確度，與BPNN 神經(jīng)網(wǎng)絡(luò)算法的配合使用大大降低了建設(shè)項(xiàng)目風(fēng)險(xiǎn)評(píng)估工作量，保證了評(píng)估的效率與準(zhǔn)確性。

3.2 基于PSO 優(yōu)化算法的相似案例選取

對(duì)樣本進(jìn)行聚類分析，首先要分析案例之間關(guān)系。提出基于PSO 算法的 K-means 聚類方法建立模型，樣本與聚類中心之間的運(yùn)算選用歐幾里得距離。

式中：dxy為樣本間距離；n為樣本量個(gè)數(shù)；xi與yi分別為空間中兩粒子的當(dāng)前位置。

傳統(tǒng)K-means 聚類的結(jié)果受初始值的影響較大，容易使計(jì)算結(jié)果陷入局部極值，最后得出的結(jié)果可能不是最佳聚類[17]。而PSO 算法的特點(diǎn)是以種群為基礎(chǔ)信息，通過不斷迭代找到最優(yōu)解，在不斷迭代的過程中，根據(jù)公式 ⑺ 和公式 ⑻ 更新xi和yi，并通過適應(yīng)度函數(shù)求適應(yīng)度值，更新個(gè)體極值和群體極值，達(dá)到最大迭代次數(shù)或適應(yīng)度小于設(shè)定值時(shí)終止。

式中：vi為第i個(gè)粒子速度；pi為第i個(gè)個(gè)體極值，gi為群體極值；w為慣性權(quán)重因子；q為當(dāng)前迭代次數(shù)；c1與c2為加速度因子；r1與r2為[0，1]之間的隨機(jī)數(shù)。

以A30和A31案例項(xiàng)目為檢驗(yàn)樣本，并基于此篩選A30，A31的相似工程案例。所建數(shù)據(jù)庫包含31組案例，故將其聚類數(shù)目確定為2。通過聚類分析結(jié)果可知，案例A30，A31分別被分在了第一、第二類，與A30相似度較高的案例項(xiàng)目共10 組，與A31相似度較高的案例為剩余的19 組。

3.3 基于BP 神經(jīng)網(wǎng)絡(luò)評(píng)估投資風(fēng)險(xiǎn)

神經(jīng)網(wǎng)絡(luò)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型，不僅具有非線性映射能力和泛化能力，而且有自組織、自學(xué)習(xí)等特點(diǎn)[18]，因此在風(fēng)險(xiǎn)評(píng)估領(lǐng)域中被廣泛地應(yīng)用。綜合上述投資風(fēng)險(xiǎn)體系，結(jié)合PSO 優(yōu)化算法及BP 神經(jīng)網(wǎng)絡(luò)算法建立模型對(duì)海外鐵路投資風(fēng)險(xiǎn)進(jìn)行評(píng)估。

（1）構(gòu)建BP 神經(jīng)網(wǎng)絡(luò)。建立三層BP 神經(jīng)網(wǎng)絡(luò)，輸入神經(jīng)元及輸出神經(jīng)元分別為17 個(gè)項(xiàng)目風(fēng)險(xiǎn)指標(biāo)和項(xiàng)目風(fēng)險(xiǎn)的綜合評(píng)價(jià)值，其中隱含層公式為

式中：m為隱含層神經(jīng)元數(shù)；n為輸入神經(jīng)元數(shù)；l為輸出層神經(jīng)元數(shù)；a為0～5的任意常數(shù)，取值為5。

（2）運(yùn)行BP 神經(jīng)網(wǎng)絡(luò)。分別以A30，A31為檢驗(yàn)樣本，將基于PSO 聚類分析篩選出的10 組、19組相似案例作為訓(xùn)練樣本進(jìn)行訓(xùn)練。訓(xùn)練過程中，訓(xùn)練次數(shù)設(shè)置為500 次，允許誤差設(shè)為10-10。

（3）檢驗(yàn)BP 神經(jīng)網(wǎng)絡(luò)。由于模型初始化權(quán)值與閾值的隨機(jī)性，導(dǎo)致輸出結(jié)果并不是定值，因此通過對(duì)模型訓(xùn)練15 次取平均值的方式降低誤差，第一類相似項(xiàng)目BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果及專家評(píng)分對(duì)比如表4 所示，第二類相似項(xiàng)目BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果及專家評(píng)分對(duì)比如表5 所示。

表4 第一類相似項(xiàng)目BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果及專家評(píng)分對(duì)比Tab.4 Comparison of BP neural network training results of the first type of similar projects with expert scoring

表5 第二類相似項(xiàng)目BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果及專家評(píng)分對(duì)比Tab.5 Comparison of BP neural network training results of the second type of similar projects with expert scoring

分別以A30，A31案例項(xiàng)目作為檢驗(yàn)樣本，其余10 組、19 組相似案例作為訓(xùn)練樣本進(jìn)行訓(xùn)練，其中第一類相似項(xiàng)目中的10 組訓(xùn)練樣本與第二類19組訓(xùn)練樣本的評(píng)估值與專家評(píng)估值的誤差均在以內(nèi)，平均相對(duì)誤差分別為1.55%與2.03%，可以判斷該神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)效果較好，滿足精度要求；將A30，A31的風(fēng)險(xiǎn)數(shù)據(jù)作為模型的評(píng)估值代入模型進(jìn)行評(píng)估，將評(píng)估結(jié)果和專家評(píng)估值進(jìn)行比對(duì)，其誤差為1.16%和1.6%。且經(jīng)過專家評(píng)分和模型訓(xùn)練顯示，兩者均屬于中風(fēng)險(xiǎn)建設(shè)項(xiàng)目。

4 結(jié)論及建議

采用PSO 優(yōu)化算法和BP 神經(jīng)網(wǎng)絡(luò)等方法構(gòu)建海外高速鐵路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)估模型，實(shí)現(xiàn)了只需輸入專家對(duì)各風(fēng)險(xiǎn)的評(píng)分，即可評(píng)估待建項(xiàng)目的風(fēng)險(xiǎn)值，該方法相比傳統(tǒng)的風(fēng)險(xiǎn)評(píng)估方法更加快速便捷。驗(yàn)證表明模型具有一定的實(shí)際應(yīng)用性，但是該模型構(gòu)建基礎(chǔ)為海外鐵路建設(shè)歷史案例，在未來的實(shí)際運(yùn)用中需根據(jù)新建高速鐵路工程對(duì)風(fēng)險(xiǎn)案例庫不斷進(jìn)行完善和更新，保證投資風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性。在此過程中采用模糊評(píng)價(jià)法對(duì)各類風(fēng)險(xiǎn)指標(biāo)進(jìn)行風(fēng)險(xiǎn)評(píng)估，根據(jù)風(fēng)險(xiǎn)評(píng)估結(jié)果對(duì)技術(shù)風(fēng)險(xiǎn)、政治風(fēng)險(xiǎn)、經(jīng)濟(jì)風(fēng)險(xiǎn)及社會(huì)風(fēng)險(xiǎn)的規(guī)避提出以下建議。

（1）技術(shù)風(fēng)險(xiǎn)中，不同國家沿用的鐵路技術(shù)標(biāo)準(zhǔn)不同，中國在承建的海外項(xiàng)目均面臨著地區(qū)間鐵路技術(shù)標(biāo)準(zhǔn)的差異、技術(shù)集成所帶來的風(fēng)險(xiǎn)，因此促進(jìn)中國技術(shù)標(biāo)準(zhǔn)“走出去”成為首要任務(wù)。一方面相關(guān)部門應(yīng)積極參與國際鐵路技術(shù)標(biāo)準(zhǔn)的制定和修訂工作，更高效地了解國際標(biāo)準(zhǔn)發(fā)展動(dòng)態(tài)；其次，針對(duì)中外鐵路技術(shù)標(biāo)準(zhǔn)體系架構(gòu)和標(biāo)準(zhǔn)內(nèi)容的不同，應(yīng)加強(qiáng)我國技術(shù)標(biāo)準(zhǔn)與國際標(biāo)準(zhǔn)的銜接，提升中國鐵路標(biāo)準(zhǔn)與國際鐵路標(biāo)準(zhǔn)的兼容度。

（2）政治風(fēng)險(xiǎn)中，由于目標(biāo)國政府方是海外鐵路建設(shè)項(xiàng)目實(shí)施的關(guān)鍵[19]，政府干預(yù)、政權(quán)更迭及雙邊關(guān)系均會(huì)對(duì)工程進(jìn)度產(chǎn)生直接影響進(jìn)而影響工程投資。針對(duì)此類風(fēng)險(xiǎn)，應(yīng)基于雙邊關(guān)系、目標(biāo)國政權(quán)穩(wěn)定性等，完善對(duì)外投資國家政治風(fēng)險(xiǎn)評(píng)級(jí)、預(yù)警和管理機(jī)制，盡可能降低投資風(fēng)險(xiǎn)。

（3）經(jīng)濟(jì)風(fēng)險(xiǎn)中，海外鐵路建設(shè)周期長(zhǎng)，匯率及利率變化較大，易發(fā)生通貨膨脹，若目標(biāo)國償付意愿或能力不足，往往會(huì)導(dǎo)致海外鐵路建設(shè)項(xiàng)目施工停滯甚至是項(xiàng)目失敗。針對(duì)此類問題，在項(xiàng)目合同制定時(shí)，中方可選擇國際硬通貨的貨幣，或選擇多種貨幣組合計(jì)價(jià)，合理確定各類貨幣權(quán)重，對(duì)沖風(fēng)險(xiǎn)所帶來的影響。另外在簽訂合同前中方企業(yè)應(yīng)密切關(guān)注目標(biāo)國匯率變化趨勢(shì)，采取相應(yīng)措施盡可能降低匯率變化帶來的風(fēng)險(xiǎn)，如合理購買外匯保險(xiǎn)等。

（4）社會(huì)風(fēng)險(xiǎn)中，如海外土地控制權(quán)歸屬問題與中方的差異、海外項(xiàng)目建設(shè)地區(qū)所涉民族眾多、跨文化溝通受阻、社會(huì)人員健康等問題均給中方企業(yè)帶來挑戰(zhàn)。應(yīng)健全社會(huì)風(fēng)險(xiǎn)防控機(jī)制，定期發(fā)布重大國別風(fēng)險(xiǎn)評(píng)估，中方企業(yè)應(yīng)積極應(yīng)對(duì)，對(duì)高風(fēng)險(xiǎn)因素及地區(qū)做到提前預(yù)警。此外，應(yīng)加大鐵路國際化專業(yè)人才培養(yǎng)力度，提升人才跨文化溝通能力。