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，中國鐵路憑借完備的技術(shù)體系、豐富的建設(shè)經(jīng)驗和先進的管理水平逐漸走出國門，進入國際鐵路市場。東南亞建設(shè)市場中，雅萬高速鐵路 (印度尼西亞雅加達—萬隆)成為中國境外首條采用中國標準和技術(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)和裝備首次進入歐洲市場，打開了中歐貿(mào)易的新通道[2]；非洲建設(shè)市場中，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準施工，促進了中國標準在非洲市場的應(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)標準、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)濟發(fā)展注入新的動力[4]。這一系列標志性高速鐵路合作項目的順利推進表明中國鐵路“走出去”已取得階段性進展。但與此同時，建設(shè)周期長、投資規(guī)模大、牽涉范圍廣等特點使得海外鐵路建設(shè)項目投資潛伏著各類復(fù)雜多變的風險因素[5]。因此，如何科學(xué)評估我國鐵路“走出去”的投資風險以引領(lǐng)后續(xù)項目的順利實施已成為現(xiàn)階段亟待解決的問題。

目前已有不少方法被用來評估鐵路建設(shè)單體工程的風險，如故障樹法、事件樹法、后果分析法等[6-8]，但是相對單體工程而言，海外鐵路是一個復(fù)雜系統(tǒng)，不確定因素更多，風險評估工作更復(fù)雜，因此上述評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)等特點可有效解決多維度復(fù)雜問題。因此，基于案例研究法對海外鐵路投資風險因素進行識別分析，形成風險因素清單，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)項目投資風險評估模型，為海外鐵路建設(shè)項目投資風險的評估提供科學(xué)指導(dǎo)。

1 海外鐵路投資風險評估指標體系構(gòu)建

通過對鐵路建設(shè)方、鐵路設(shè)計院等多個單位的實地調(diào)研，并結(jié)合文獻研究[9-14]，分析整理包括亞吉鐵路、雅萬高速鐵路、沙特麥加輕軌等項目在內(nèi)的共31 個海外鐵路案例，涵蓋東南亞、西亞、中東歐及非洲等多個建設(shè)市場，涉及土耳其、委內(nèi)瑞拉、肯尼亞、泰國、印度等十余個國家，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)項目投資風險案例庫。

海外鐵路建設(shè)項目投資風險評估是一個復(fù)雜的系統(tǒng)，遵循科學(xué)性、全面性、代表性、個性與共性相統(tǒng)一的原則，基于海外鐵路建設(shè)項目案例庫對相關(guān)風險信息進行整理歸納，共識別出17 個風險指標。根據(jù)風險指標，結(jié)合其風險性質(zhì)，將海外鐵路建設(shè)項目風險歸為政治風險、經(jīng)濟風險、社會風險、自然風險、技術(shù)風險共5 個一級指標。基于案例研究的海外鐵路投資風險指標體系如圖1所示。

圖1 基于案例研究的海外鐵路投資風險指標體系Fig.1 Risk index system based on case studies for overseas railway investment

（1）政治風險。指目標國與中國雙邊關(guān)系的穩(wěn)定性，目標國政治局勢因選舉、腐敗或戰(zhàn)爭等不穩(wěn)定因素出現(xiàn)動蕩以及東道國對華投資的態(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)濟風險。目標國經(jīng)濟發(fā)展水平、國際外匯市場或利率的變動往往在一定程度上影響著其償付意愿和能力。因此，目標國的經(jīng)濟狀況則與投資風險密切相關(guān)，具體包括匯率風險、利率風險、通貨膨脹率風險及人均GDP 風險。

（3）社會風險。指由于社會文化差異、風俗習(xí)慣差異、社會矛盾、社會健康問題等所導(dǎo)致的風險。社會風險往往嚴重影響工程進程、增加工程費用，甚至造成人員傷亡，具體包括征地拆遷風險、社會治安風險、宗教習(xí)俗風險和社會健康風險。

（4）自然風險。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險，具體包括地質(zhì)風險、氣候風險及環(huán)境保護風險。

（5）技術(shù)風險。指由于目標國基礎(chǔ)設(shè)施條件的不同、中國技術(shù)標準和國際技術(shù)標準體系的差異性、企業(yè)對當?shù)貥藴蚀嬖谡J知偏差等原因而產(chǎn)生的風險，具體包括技術(shù)標準風險、技術(shù)集成風險及工期風險。

2 風險評估指標的定量化處理

基于上述投資風險評估指標體系，采用模糊評價法對各類風險指標進行量化處理，以消除不同數(shù)據(jù)間的量級差別，避免因輸入輸出層數(shù)據(jù)的量級差別過大導(dǎo)致的評估結(jié)果不精確。對原始數(shù)據(jù)進行以下量化處理。

（1）模糊評價因素集及其權(quán)重的確定。模糊綜合評價的第一步即確定待評價對象的影響因素，基于上述風險指標，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 個風險因素的權(quán)重系數(shù)。

（2）評語集的確定。評語集是評判對象的集合，即各風險指標的風險等級。專家評分越高，則該項目的建設(shè)風險越高。風險等級及其評分標準如表1 所示。

表1 風險等級及其評分標準Tab.1 Risk levels and scoring standards

評語集為

式中：v1—v5為專家評分分值，依次代表由低到高的各個風險等級。

（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]對判斷矩陣進行描述，對各指標重要性進行比對后構(gòu)建模糊判斷矩陣并確定指標權(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具有評判vj的隸屬度；n為矩陣維數(shù)。

海外鐵路投資風險指標權(quán)重如表2 所示。

表2 海外鐵路投資風險指標權(quán)重Tab.2 Weights of risk indexes for overseas railway investment

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

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

運算法則為

式中：cij為評價結(jié)果向量；bij為二級指標各因素權(quán)重值；“?”表示取小，“?”表示取大[16]。

（5）專家打分。邀請8 位專家參照上述步驟對案例庫涵蓋的17 個風險指標進行打分，取平均值后得出31 個案例的風險總分值，海外鐵路建設(shè)項目投資風險評分如表3 所示。風險評分滿足表2 中風險等級及其評分標準，即評分分值越大，該項目的投資風險等級越高。

表3 海外鐵路建設(shè)項目投資風險評分Tab.3 Investment risk scoring of overseas railway construction projects

3 基于PSO-BPNN 的海外鐵路項目投資風險評估

基于海外鐵路投資風險案例庫，采用PSO 優(yōu)化算法、BP 神經(jīng)網(wǎng)絡(luò)方法建立投資風險評估模型以確定項目風險等級，為海外鐵路建設(shè)項目投資決策提供方法借鑒。

3.1 PSO-BPNN 方法的適應(yīng)性

針對海外鐵路建設(shè)項目投資風險系統(tǒng)復(fù)雜性、非線性的特點，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，從而提供風險評估結(jié)果的準確度，與BPNN 神經(jīng)網(wǎng)絡(luò)算法的配合使用大大降低了建設(shè)項目風險評估工作量，保證了評估的效率與準確性。

3.2 基于PSO 優(yōu)化算法的相似案例選取

對樣本進行聚類分析，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算選用歐幾里得距離。

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

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，更新個體極值和群體極值，達到最大迭代次數(shù)或適應(yīng)度小于設(shè)定值時終止。

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

以A30和A31案例項目為檢驗樣本，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)評估投資風險

神經(jīng)網(wǎng)絡(luò)是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進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[18]，因此在風險評估領(lǐng)域中被廣泛地應(yīng)用。綜合上述投資風險體系，結(jié)合PSO 優(yōu)化算法及BP 神經(jīng)網(wǎng)絡(luò)算法建立模型對海外鐵路投資風險進行評估。

（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 個項目風險指標和項目風險的綜合評價值，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）運行BP 神經(jīng)網(wǎng)絡(luò)。分別以A30，A31為檢驗樣本，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BP 神經(jīng)網(wǎng)絡(luò)。由于模型初始化權(quán)值與閾值的隨機性，導(dǎo)致輸出結(jié)果并不是定值，因此通過對模型訓(xùn)練15 次取平均值的方式降低誤差，第一類相似項目BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果及專家評分對比如表4 所示，第二類相似項目BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果及專家評分對比如表5 所示。

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

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

分別以A30，A31案例項目作為檢驗樣本，其余10 組、19 組相似案例作為訓(xùn)練樣本進行訓(xùn)練，其中第一類相似項目中的10 組訓(xùn)練樣本與第二類19組訓(xùn)練樣本的評估值與專家評估值的誤差均在以內(nèi)，平均相對誤差分別為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的風險數(shù)據(jù)作為模型的評估值代入模型進行評估，將評估結(jié)果和專家評估值進行比對，其誤差為1.16%和1.6%。且經(jīng)過專家評分和模型訓(xùn)練顯示，兩者均屬于中風險建設(shè)項目。

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)項目投資風險評估模型，實現(xiàn)了只需輸入專家對各風險的評分，即可評估待建項目的風險值，該方法相比傳統(tǒng)的風險評估方法更加快速便捷。驗證表明模型具有一定的實際應(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，在未來的實際運用中需根據(jù)新建高速鐵路工程對風險案例庫不斷進行完善和更新，保證投資風險評估的準確性。在此過程中采用模糊評價法對各類風險指標進行風險評估，根據(jù)風險評估結(jié)果對技術(shù)風險、政治風險、經(jīng)濟風險及社會風險的規(guī)避提出以下建議。

（1）技術(shù)風險中，不同國家沿用的鐵路技術(shù)標準不同，中國在承建的海外項目均面臨著地區(qū)間鐵路技術(shù)標準的差異、技術(shù)集成所帶來的風險，因此促進中國技術(shù)標準“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)標準的制定和修訂工作，更高效地了解國際標準發(fā)展動態(tài)；其次，針對中外鐵路技術(shù)標準體系架構(gòu)和標準內(nèi)容的不同，應(yīng)加強我國技術(shù)標準與國際標準的銜接，提升中國鐵路標準與國際鐵路標準的兼容度。

（2）政治風險中，由于目標國政府方是海外鐵路建設(shè)項目實施的關(guān)鍵[19]，政府干預(yù)、政權(quán)更迭及雙邊關(guān)系均會對工程進度產(chǎn)生直接影響進而影響工程投資。針對此類風險，應(yīng)基于雙邊關(guān)系、目標國政權(quán)穩(wěn)定性等，完善對外投資國家政治風險評級、預(yù)警和管理機制，盡可能降低投資風險。

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

（4）社會風險中，如海外土地控制權(quán)歸屬問題與中方的差異、海外項目建設(shè)地區(qū)所涉民族眾多、跨文化溝通受阻、社會人員健康等問題均給中方企業(yè)帶來挑戰(zhàn)。應(yīng)健全社會風險防控機制，定期發(fā)布重大國別風險評估，中方企業(yè)應(yīng)積極應(yīng)對，對高風險因素及地區(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。