王冠群，王其清

(1.國家電網(wǎng)能源研究院有限公司，北京 102211；2.華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京 102206)

0 引 言

電網(wǎng)雙創(chuàng)項(xiàng)目包括職工創(chuàng)新、融通創(chuàng)新、商業(yè)模式創(chuàng)新和顛覆式創(chuàng)新等多種類型，投資電網(wǎng)雙創(chuàng)項(xiàng)目有利于促進(jìn)雙創(chuàng)成果轉(zhuǎn)化落地，營造健康積極的創(chuàng)新氛圍。然而，由于雙創(chuàng)項(xiàng)目類型多、顆粒度不同，給項(xiàng)目投資帶來了巨大的風(fēng)險(xiǎn)，有必要采用科學(xué)的方法為電網(wǎng)雙創(chuàng)項(xiàng)目投資提供決策支持，控制投資風(fēng)險(xiǎn)并提高收益。現(xiàn)有雙創(chuàng)投資基金主要分為社會(huì)化的科研經(jīng)費(fèi)、財(cái)政專項(xiàng)資金、引導(dǎo)基金等[1]，以及市場(chǎng)化的私募股權(quán)基金[2]?，F(xiàn)有研究側(cè)重于從風(fēng)險(xiǎn)角度研究雙創(chuàng)項(xiàng)目投資的不確定性，例如，李寧歡[3]從系統(tǒng)性和非系統(tǒng)性維度構(gòu)建私募股權(quán)投資項(xiàng)目風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，采用層次分析法和灰色模糊數(shù)學(xué)模型識(shí)別出集成電路設(shè)計(jì)行業(yè)投資中周期、技術(shù)、市場(chǎng)和資金退出4大關(guān)鍵風(fēng)險(xiǎn)因素；王安祺[4]從外部環(huán)境、被投資項(xiàng)目和投資機(jī)構(gòu)3個(gè)層面構(gòu)建風(fēng)險(xiǎn)因素指標(biāo)體系對(duì)私募股權(quán)投資風(fēng)險(xiǎn)進(jìn)行分析，并在投前、投中和投后3階段提出控制措施；李俊霞等[5]使用創(chuàng)業(yè)風(fēng)險(xiǎn)投資情況面板數(shù)據(jù)結(jié)合貝葉斯網(wǎng)絡(luò)對(duì)科技創(chuàng)新關(guān)鍵階段投資風(fēng)險(xiǎn)進(jìn)行整體評(píng)估。電網(wǎng)雙創(chuàng)項(xiàng)目投資既不能像市場(chǎng)化基金那樣完全以經(jīng)濟(jì)收益為目的，也不能像社會(huì)化資金那樣過分追求社會(huì)效益，因此在分析其收益時(shí)需要兼顧經(jīng)濟(jì)和社會(huì)2個(gè)方面。

該文充分考慮電網(wǎng)雙創(chuàng)項(xiàng)目投資的特殊性，首先從經(jīng)濟(jì)和社會(huì)2個(gè)方面構(gòu)建投資效益評(píng)估指標(biāo)體系，建立基于梯形模糊數(shù)的項(xiàng)目綜合效益評(píng)估方法；然后構(gòu)建電網(wǎng)雙創(chuàng)項(xiàng)目組合投資多目標(biāo)優(yōu)化模型，綜合考慮項(xiàng)目綜合效益的期望、方差和偏度，且模型涵蓋一次性投資和分階段投資2種策略下的組合投資優(yōu)化方案；最后應(yīng)用多種群遺傳算法求解在不同情景下的電網(wǎng)雙創(chuàng)項(xiàng)目組合投資多目標(biāo)優(yōu)化模型，驗(yàn)證所提模型的有效性。

1 電網(wǎng)雙創(chuàng)項(xiàng)目投資效益不確定性評(píng)估

電網(wǎng)雙創(chuàng)項(xiàng)目投資的收益來源包括技術(shù)產(chǎn)品的銷售收入和知識(shí)產(chǎn)權(quán)收入，其中后者涉及知識(shí)產(chǎn)權(quán)的轉(zhuǎn)讓、許可、轉(zhuǎn)化，具有很高的不確定性。從社會(huì)和經(jīng)濟(jì)2個(gè)方面考慮雙創(chuàng)項(xiàng)目投資為電網(wǎng)帶來的效益，該文構(gòu)建了電網(wǎng)雙創(chuàng)項(xiàng)目投資效益指標(biāo)體系如表1所示。一級(jí)指標(biāo)包括預(yù)期直接經(jīng)濟(jì)效益、電網(wǎng)運(yùn)行綠色安全、電網(wǎng)運(yùn)行經(jīng)濟(jì)高效和推動(dòng)雙創(chuàng)事業(yè)發(fā)展，表1中部分二級(jí)指標(biāo)解釋如下：

1)產(chǎn)品業(yè)績分紅能力是指項(xiàng)目回報(bào)期內(nèi)獲得的全部利潤與產(chǎn)品轉(zhuǎn)化推廣總投入之比。對(duì)于已經(jīng)部分試點(diǎn)推廣的產(chǎn)品，可用歷史數(shù)據(jù)做參考，而尚未進(jìn)行轉(zhuǎn)化的產(chǎn)品則需要通過評(píng)估預(yù)測(cè)的方法獲取該指標(biāo)值。

2)知識(shí)產(chǎn)權(quán)轉(zhuǎn)化獲利能力是指項(xiàng)目知識(shí)產(chǎn)權(quán)(專利、軟著、商業(yè)秘密)等無形資產(chǎn)的投入產(chǎn)出比，該能力的判定一般需要參考第三方知識(shí)產(chǎn)權(quán)價(jià)值評(píng)估機(jī)構(gòu)出具的專業(yè)報(bào)告。

3)電網(wǎng)運(yùn)行經(jīng)濟(jì)高效下的二級(jí)指標(biāo)包括節(jié)約用電量、降低線損率、挽回經(jīng)濟(jì)損失等，這些指標(biāo)之間存在部分相關(guān)性，在量化時(shí)不應(yīng)重復(fù)計(jì)入，如降低線損率可以挽回經(jīng)濟(jì)損失，但在計(jì)算效益時(shí)只計(jì)入線損率降低。

4)推動(dòng)雙創(chuàng)事業(yè)發(fā)展指標(biāo)中“帶動(dòng)員工參與”是指通過投資雙創(chuàng)項(xiàng)目促進(jìn)內(nèi)部員工發(fā)明創(chuàng)造、積極參與雙創(chuàng)活動(dòng)，指標(biāo)“促進(jìn)單位管理效率提升”和“促進(jìn)電網(wǎng)生產(chǎn)運(yùn)營效率提升”指的是通過投資雙創(chuàng)項(xiàng)目有可能改善現(xiàn)有業(yè)務(wù)流程、提高員工的工作效率等。

表1 雙創(chuàng)項(xiàng)目投資產(chǎn)出指標(biāo)體系

使用表1所示的指標(biāo)體系評(píng)估雙創(chuàng)項(xiàng)目風(fēng)險(xiǎn)收益的步驟如下。

1)初始賦值。針對(duì)不同評(píng)價(jià)目標(biāo)，可用賦權(quán)方式體現(xiàn)其相對(duì)重要程度的不同，權(quán)重大小根據(jù)經(jīng)驗(yàn)或工作重點(diǎn)要求靈活調(diào)整。表1中二級(jí)指標(biāo)的初始值從項(xiàng)目申報(bào)材料中獲取，包括技術(shù)可行性報(bào)告、市場(chǎng)調(diào)研報(bào)告、產(chǎn)品價(jià)值評(píng)估報(bào)告等。為了消除量綱影響，需要按式(1)進(jìn)行規(guī)范化處理。

(1)

(2)

實(shí)際投資操作中可由項(xiàng)目管理人員調(diào)節(jié)權(quán)重值反映項(xiàng)目投資對(duì)不同產(chǎn)出指標(biāo)的關(guān)注程度。如果僅考慮經(jīng)濟(jì)型指標(biāo)，則項(xiàng)目經(jīng)濟(jì)收益能力為

(3)

2 電網(wǎng)雙創(chuàng)項(xiàng)目組合投資多目標(biāo)優(yōu)化模型

由于雙創(chuàng)項(xiàng)目投資效益不確定，構(gòu)建基于“收益-方差-偏度”的電網(wǎng)雙創(chuàng)項(xiàng)目組合投資多目標(biāo)優(yōu)化模型[6]。

2.1 目標(biāo)函數(shù)

單個(gè)項(xiàng)目投資權(quán)重為xi(i=1,2,…,n)，則根據(jù)第1節(jié)中項(xiàng)目投資效益分析結(jié)果可知雙創(chuàng)項(xiàng)目投資組合的綜合效益為

(4)

式中：RS=(a,b,α,β)，用綜合收益的可能性期望、可能性下半方差和可能性偏度分別度量雙創(chuàng)項(xiàng)目投資組合的收益、風(fēng)險(xiǎn)和偏度。

(5)

項(xiàng)目投資組合的綜合效益RS的可能性下半方差為

(6)

項(xiàng)目投資組合的綜合效益RS的可能性偏度為

(7)

雙創(chuàng)項(xiàng)目投資組合追求收益和偏度最大，風(fēng)險(xiǎn)最小，構(gòu)建目標(biāo)函數(shù)為

max{E(RS),S(RS),-Var-(RS)}

(8)

2.2 約束條件

(9)

式中：xi,t表示在時(shí)刻t分配給第i個(gè)項(xiàng)目的資金比例。

第i個(gè)項(xiàng)目在投資期t有可能出現(xiàn)嚴(yán)重偏離預(yù)期目標(biāo)必須中斷的情況，此時(shí)項(xiàng)目總產(chǎn)出為

Pout=P1+P2+Crest

(10)

式中：P1表示所有未中斷項(xiàng)目回報(bào)；P2表示中段項(xiàng)目當(dāng)前成果的預(yù)期回報(bào)；Crest表示剩余資金。假設(shè)yi，t為0-1變量，表示項(xiàng)目意外中止，則雙創(chuàng)項(xiàng)目多階段投資回報(bào)計(jì)算式為

(11)

≥ρ

(12)

式中：ρ為規(guī)定的投入產(chǎn)出比；ε為已中止項(xiàng)目結(jié)余資金平均收益率。

(13)

第i個(gè)項(xiàng)目投資額上下限分別為ui和li，則投資比例邊界約束為

ui≤Cxi≤li,i=1,2,…,n

(14)

2.3 組合投資優(yōu)化模型構(gòu)建

使用文獻(xiàn)[7]中所提加權(quán)極大-極小模糊目標(biāo)規(guī)劃方法將多目標(biāo)優(yōu)化轉(zhuǎn)化為單目標(biāo)規(guī)劃模型可得雙創(chuàng)項(xiàng)目組合投資優(yōu)化模型為

maxγ

(15)

當(dāng)不考慮項(xiàng)目可中止時(shí)，模型簡(jiǎn)化為一次性組合投資優(yōu)化：

maxγ

(16)

式(15)和(16)中的E(RS)、S(RS)和Var-(RS)在項(xiàng)目多階段投資時(shí)計(jì)算各階段綜合效益的總和，在一次性投資時(shí)直接使用綜合效益進(jìn)行計(jì)算。

3 算例分析

3.1 問題設(shè)定與求解流程

選取5個(gè)雙創(chuàng)項(xiàng)目作為研究對(duì)象，通過數(shù)值模擬和計(jì)算驗(yàn)證所提模型的合理性。假設(shè)投資總額C=400萬，應(yīng)用所提雙創(chuàng)項(xiàng)目組合投資優(yōu)化模型為單個(gè)項(xiàng)目分配投資資金。從申請(qǐng)項(xiàng)目的可行性分析報(bào)告、市場(chǎng)調(diào)研報(bào)告以及盡職調(diào)查結(jié)果等獲取表1所示各項(xiàng)指標(biāo)值，將指標(biāo)值按式(1)進(jìn)行歸一化處理得到表2。

表2 項(xiàng)目效益指標(biāo)數(shù)據(jù)

參考表2各項(xiàng)指標(biāo)值，由專家組根據(jù)雙創(chuàng)中心提供的有關(guān)項(xiàng)目立項(xiàng)報(bào)告，結(jié)合專家自身對(duì)項(xiàng)目風(fēng)險(xiǎn)判斷，給出項(xiàng)目在各指標(biāo)下的綜合效益評(píng)估值。具體來說，專家依據(jù)自身判斷與表中的值，評(píng)估項(xiàng)目能夠達(dá)到該預(yù)期值的可能性，再按照梯形模糊數(shù)的定義，給出最可能區(qū)間[a,b]以及項(xiàng)目最壞效益(a-α)和最好效益(b+β)，最后根據(jù)優(yōu)化模型綜合得到項(xiàng)目效益。其中，一級(jí)指標(biāo)權(quán)重分別為0.5、0.1、0.1、0.3，二級(jí)指標(biāo)權(quán)重w1=(0.5,0.5),w2=(0.22,0.3,0.14,0.16,0.18),w3=(0.3,0.3,0.4),w4=(0.16,0.18,0.11,0.15,0.15)。

雙創(chuàng)項(xiàng)目組合投資優(yōu)化模型的其他參數(shù)設(shè)置：投入產(chǎn)出比ρ=1.06，項(xiàng)目投資下限統(tǒng)一為20萬元，投資上限為100萬元，投資周期Tout=4。

傳統(tǒng)的遺傳算法存在對(duì)參數(shù)敏感、過于依賴初始狀態(tài)等缺點(diǎn)，這使得算法容易陷入過早收斂，因此該文使用多種群遺傳算法(multiple-population genetic algorithm, MPGA)求解雙創(chuàng)項(xiàng)目多目標(biāo)優(yōu)化組合投資問題[8]。MPGA引入了種群的概念，各種群之間通過移民算子進(jìn)行聯(lián)系，實(shí)現(xiàn)多種群的協(xié)同進(jìn)化，進(jìn)化過程中人工選擇保留每個(gè)種群中的最優(yōu)個(gè)體，將最優(yōu)個(gè)體的穩(wěn)定性作為算法收斂條件。用來求解雙創(chuàng)項(xiàng)目組合投資優(yōu)化問題的MPGA算法基本參數(shù)的設(shè)定值見表3。

表3 MPGA算法參數(shù)設(shè)置

3.2 一次性投資情景下項(xiàng)目組合投資優(yōu)化方案

考慮一次性投資策略下的雙創(chuàng)項(xiàng)目組合投資優(yōu)化，用Matlab 9.5編程求解模型(16)，模型參數(shù)設(shè)置見3.1節(jié)，算法收斂過程見圖1，最優(yōu)投資方案為x*=(0.247,0.250,0.210,0.243,0.050)。

圖1 算法收斂過程

該模型使用雙創(chuàng)項(xiàng)目投資期望收益、方差和偏度作為優(yōu)化目標(biāo)，上述投資方案是在已知權(quán)重的情況下得到的。根據(jù)表2和式(2)、(5)～(7)可以計(jì)算得到各項(xiàng)目綜合效益的期望、方差和偏度(見表4)，項(xiàng)目P2具有最高的收益期望同時(shí)也具有最大的下半方差(風(fēng)險(xiǎn))和偏度，項(xiàng)目P3和P5分別具有最小的下半方差(風(fēng)險(xiǎn))和偏度，項(xiàng)目P4期望收益最小。

表4 項(xiàng)目綜合效益期望、下半方差和偏度

為了驗(yàn)證模型的有效性和合理性，改變收益目標(biāo)權(quán)重從0變化至0.9(間隔0.01)，偏度目標(biāo)權(quán)重保持0.1不變，相應(yīng)的風(fēng)險(xiǎn)子目標(biāo)權(quán)重從0.9變化至0，每次權(quán)重變化時(shí)求解模型30次并取項(xiàng)目投資分配結(jié)果的平均值，得到圖2。

圖2 收益目標(biāo)權(quán)重變化對(duì)投資比例的影響

結(jié)合表4從圖2中可以看出，隨著收益目標(biāo)權(quán)重增大，具有最高收益的項(xiàng)目P2獲得了更多的投資資金，之后是P3和P4，雖然P1的期望收益比P3和P4高，但是由于其具有第二高的風(fēng)險(xiǎn)值和更低的偏度，導(dǎo)致模型在收益目標(biāo)權(quán)重超過0.6之后才增加對(duì)它的投資。同時(shí)，觀察到在收益目標(biāo)權(quán)重上升至0.6～0.9時(shí)， 項(xiàng)目P1開始挑戰(zhàn)P2、P3、P4的穩(wěn)定投資配比地位，模型對(duì)各項(xiàng)目投資比例出現(xiàn)較大波動(dòng)，項(xiàng)目P3和P4的投資配比出現(xiàn)下降趨勢(shì)。最終，由于風(fēng)險(xiǎn)目標(biāo)權(quán)重降至較低水平，項(xiàng)目P3失去了低風(fēng)險(xiǎn)優(yōu)勢(shì)導(dǎo)致投資比例下降，而項(xiàng)目P4則憑借其偏度較高的優(yōu)勢(shì)勉強(qiáng)沒有被項(xiàng)目P1甩開差距。

3.3 分階段投資情景下項(xiàng)目組合投資優(yōu)化方案

考慮分階段可中止投資情景，引入pf表示某時(shí)刻雙創(chuàng)項(xiàng)目出現(xiàn)不可控風(fēng)險(xiǎn)被中斷的概率。與一次性投資不同的是，分階段投資情景下項(xiàng)目收益由中斷后剩余資金收益和截至中斷時(shí)間點(diǎn)項(xiàng)目已產(chǎn)生的投資收益構(gòu)成，即式(9)、(10)，假設(shè)項(xiàng)目被中斷后的剩余資金收益率ε為3%。

為驗(yàn)證中斷概率變化對(duì)項(xiàng)目投資收益、風(fēng)險(xiǎn)的影響，將收益、風(fēng)險(xiǎn)和偏度子目標(biāo)權(quán)重均設(shè)為1/3，設(shè)置pf分別為0、0.1、0.2、…、1，并使用MPGA算法求解模型(15)，隨機(jī)產(chǎn)生指示變量yi,t的序列以表示項(xiàng)目在某個(gè)階段是否被中止。如yi=[1,1,0,0]表示第i個(gè)項(xiàng)目在第2階段末被終止投資，假設(shè)項(xiàng)目被中止后就不會(huì)再次被投資，即當(dāng)yi,t-1=0(t>1)，則yi，t=0。求解過程中，每種情形下(不同的pf)均模擬算法50次取結(jié)果的平均值，則基于MPGA的雙創(chuàng)項(xiàng)目多階段投資情景下的多目標(biāo)組合投資優(yōu)化求解結(jié)果如圖3所示，圖中左側(cè)縱坐標(biāo)對(duì)應(yīng)風(fēng)險(xiǎn)值、項(xiàng)目中止后剩余資金收益和項(xiàng)目投資收益變化情況，右側(cè)縱坐標(biāo)軸對(duì)應(yīng)目標(biāo)函數(shù)值。

圖3 不同中止概率下的多階段投資組合優(yōu)化結(jié)果

從圖3可以看出，隨著中止概率的增大：1)整體來看，無論是風(fēng)險(xiǎn)還是收益都逐漸趨向于平穩(wěn)狀態(tài)，由于中斷退出資金收益率固定，其收益均值逐漸增加，而投資資金的收益均值減少；2)目標(biāo)函數(shù)值隨中斷概率增加逐漸平穩(wěn)，風(fēng)險(xiǎn)值(下半方差)逐漸下降，這主要是由于大部分雙創(chuàng)項(xiàng)目被中斷可能性增加，更多提前退出的投資資金從風(fēng)險(xiǎn)收益轉(zhuǎn)變?yōu)榱斯潭ㄊ找?，風(fēng)險(xiǎn)也降低了；3)當(dāng)項(xiàng)目不存在中止情況時(shí)，目標(biāo)函數(shù)值均值為負(fù)，而當(dāng)pf大于0后目標(biāo)函數(shù)值增大且為正，說明引入項(xiàng)目多階段可中斷投資機(jī)制可以有效挽回?fù)p失。

4 結(jié) 語

針對(duì)效益不確定下的電網(wǎng)雙創(chuàng)項(xiàng)目投資問題，首先從經(jīng)濟(jì)和社會(huì)2個(gè)方面構(gòu)建雙創(chuàng)項(xiàng)目投資效益指標(biāo)體系，并使用梯形模糊數(shù)描述指標(biāo)收益的不確定性;然后建立了考慮“收益-方差-偏度”的電網(wǎng)雙創(chuàng)項(xiàng)目組合投資多目標(biāo)優(yōu)化模型;最后采用多種群遺傳算法分別求解在一次性投資和分階段投資場(chǎng)景下的雙創(chuàng)項(xiàng)目組合投資優(yōu)化方案，驗(yàn)證了所提模型的有效性。

結(jié)果表明，模糊期望和下半方差能夠很好地刻畫電網(wǎng)雙創(chuàng)項(xiàng)目綜合效益和風(fēng)險(xiǎn)，具有較高綜合效益期望的項(xiàng)目往往伴隨著更高的風(fēng)險(xiǎn)。在一次性組合投資情景下，當(dāng)偏度目標(biāo)權(quán)重不變時(shí)，單個(gè)項(xiàng)目投資額與投資者對(duì)收益和風(fēng)險(xiǎn)的關(guān)注度有關(guān)，期望效益高且風(fēng)險(xiǎn)低的項(xiàng)目獲得的投資額更多；在分階段投資情景下，由于資金能夠在項(xiàng)目出現(xiàn)風(fēng)險(xiǎn)時(shí)有效退出，資金整體的投資收益趨穩(wěn)，風(fēng)險(xiǎn)降低。分階段、可中止的投資策略有助于及時(shí)止損，控制項(xiàng)目投資風(fēng)險(xiǎn)。研究結(jié)果為提高電網(wǎng)雙創(chuàng)項(xiàng)目投資科學(xué)性提供了參考。