宋 鵬,張 超

(1.山西大學(xué) 經(jīng)濟(jì)與管理學(xué)院,山西 太原 030006;2.山西大學(xué) 計算機(jī)與信息技術(shù)學(xué)院,山西 太原 030006)

一、引言

互聯(lián)網(wǎng)大數(shù)據(jù)時代,戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)的發(fā)展對于我國走出一條通過數(shù)字化轉(zhuǎn)型加速資源集聚與虛實結(jié)合產(chǎn)業(yè)數(shù)字化新生態(tài)的路徑具有極其重要的作用[1]。風(fēng)險投資作為戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)發(fā)展的新引擎,面向初創(chuàng)企業(yè)投入權(quán)益資本,參與企業(yè)決策咨詢并強(qiáng)化生產(chǎn)經(jīng)營管理,在企業(yè)成長壯大后通過公開上市、兼并收購等方式進(jìn)行資本退出,在產(chǎn)權(quán)流動中實現(xiàn)投資回報[2]。從全球風(fēng)險投資的發(fā)展歷程來看,風(fēng)險投資對于戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)的發(fā)展發(fā)揮了極其關(guān)鍵的推動作用,支持了國內(nèi)外眾多優(yōu)秀企業(yè)的蓬勃發(fā)展[3]。黨的二十大報告指出,要推動戰(zhàn)略性新興產(chǎn)業(yè)融合集群發(fā)展,加快發(fā)展數(shù)字經(jīng)濟(jì),促進(jìn)數(shù)字經(jīng)濟(jì)和實體經(jīng)濟(jì)深度融合,打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群。這對于強(qiáng)化科學(xué)合理的風(fēng)險投資保障作用提出了新的要求,因而面向風(fēng)險投資決策的關(guān)鍵性問題開展研究具有重要科學(xué)意義和現(xiàn)實應(yīng)用價值。

眾多研究表明,投入更多的管理資源有利于保障投資前管理(包括商業(yè)計劃書征集、項目篩選、盡職調(diào)查、契約設(shè)計)和投資后管理(包括參與管理、多輪資金支持)[4-5]的決策效果,其中探索復(fù)雜環(huán)境下高效的項目篩選路徑是提升風(fēng)險投資公司項目管理效率的關(guān)鍵環(huán)節(jié)[6]。因此,風(fēng)險投資項目選擇路徑的研究已成為風(fēng)險投資領(lǐng)域的關(guān)鍵性基礎(chǔ)問題。本質(zhì)上來看,風(fēng)險投資項目選擇是典型的多準(zhǔn)則決策分析問題,即依據(jù)若干項目評價指標(biāo)對風(fēng)險投資項目進(jìn)行評價,進(jìn)而根據(jù)問題目標(biāo)進(jìn)行基于序關(guān)系的決策判斷[7]。目前,考慮資金、管理等資源的有限性,若能獲取全序化的求解方案,將更有利于決策成員作出高效的決策[8]。綜合來看,投資前管理中的項目篩選是典型的分級/排序決策問題[9]。但是,仍然存在兩個挑戰(zhàn)需要進(jìn)一步審視。

第一,在投資前管理的項目篩選決策中,風(fēng)險投資公司關(guān)注的投資行業(yè)并不一致、被投資企業(yè)所處的發(fā)展階段也往往存在差異等多元因素的影響,使得在評價過程中呈現(xiàn)多準(zhǔn)則混合模糊特征[10-11]。盡管已有部分研究成果關(guān)注了多準(zhǔn)則混合模糊特征的定量分析,但在項目篩選背景下建立關(guān)鍵評價指標(biāo)的多準(zhǔn)則混合模糊形式表示,顯然是復(fù)雜情境下科學(xué)決策建模的重要前提。

第二,隨著新興產(chǎn)業(yè)的快速發(fā)展和傳統(tǒng)產(chǎn)業(yè)數(shù)字化的轉(zhuǎn)型,社會經(jīng)濟(jì)發(fā)展中各類復(fù)雜決策問題不斷涌現(xiàn),如何有效應(yīng)對復(fù)雜大群體特征對于風(fēng)險投資項目的篩選起著關(guān)鍵作用,這有助于厘清大群體決策情境下的數(shù)據(jù)復(fù)雜性,駕馭數(shù)據(jù)的高速增長與交叉互連引起的涌現(xiàn)性。因此,在多準(zhǔn)則混合模糊特征的定量分析基礎(chǔ)上,探索大群體決策視角下風(fēng)險投資項目選擇路徑不僅具有突出的科學(xué)前沿性,而且具有顯著的實踐價值。

基于此,本文聚焦大群體決策視角下風(fēng)險投資項目選擇問題,依據(jù)多準(zhǔn)則混合模糊框架對投資項目的大群體評價矩陣進(jìn)行形式表示,并構(gòu)建基于離差最大化法的權(quán)重獲取機(jī)制,通過模糊聚類法對關(guān)鍵成員進(jìn)行篩選,依據(jù)最小貝葉斯風(fēng)險準(zhǔn)則[12]對大群體評價矩陣進(jìn)行有限理性[13]集成。本文旨在厘清大群體決策視角下風(fēng)險投資項目選擇決策的有效路徑,以此指導(dǎo)相關(guān)政策建議的出臺并發(fā)展風(fēng)險投資決策建模方法體系及其應(yīng)用前景。

二、文獻(xiàn)回顧

在風(fēng)險投資的決策分析研究中,Wells首先針對風(fēng)險投資決策過程開展了研究[14]。隨后,Tyebjee和Bruno將上述過程劃分為包括交易發(fā)起、項目篩選、項目評價、契約設(shè)計和投資后管理五個階段[4]。進(jìn)一步地,諸多學(xué)者以此劃分為基礎(chǔ)展開了相關(guān)研究,形成了系列成果。當(dāng)前,投資決策過程被概括為更加寬泛的兩個階段[15],即投資前管理和投資后管理,這為風(fēng)險投資項目選擇研究奠定了堅實的理論基礎(chǔ)。隨后,學(xué)者們聚焦風(fēng)險投資項目選擇問題,開展了系列的決策建模與應(yīng)用研究。張曉濤等以“中國全球投資追蹤”數(shù)據(jù)為基礎(chǔ),構(gòu)建我國大型對外直接投資問題項目數(shù)據(jù)庫,探索了中國企業(yè)對外投資的政治風(fēng)險和規(guī)律,為高質(zhì)量投資提供了對策建議[16]。胡玫和鄭偉面向我國對東盟十國直接投資的投入和產(chǎn)出數(shù)據(jù),進(jìn)行了基于數(shù)據(jù)包絡(luò)分析模型的投資效率研究,以優(yōu)化投資質(zhì)量并提高投資效率[17]。王鼎等基于風(fēng)險投資家和創(chuàng)業(yè)企業(yè)的雙重道德風(fēng)險視角,依據(jù)博弈論模型,研究了公平偏好對項目收益分配和雙方努力水平的影響[18]。Deng等將基于優(yōu)化的一致性模型與全乘比例分析多目標(biāo)優(yōu)化方法推廣至風(fēng)險投資項目選擇的背景下,以此建立了穩(wěn)健型投資決策機(jī)制[19]?？傮w來看,目前風(fēng)險投資項目選擇的現(xiàn)有相關(guān)研究中,還未探討不確定性決策環(huán)境中的復(fù)雜大群體特征。鑒于復(fù)雜大群體特征對于風(fēng)險投資項目選擇的重要意義,本研究將為大群體決策視角下風(fēng)險投資項目的科學(xué)選擇提供一條可行路徑。

近年來,緊密關(guān)聯(lián)于政府、企業(yè)、社交團(tuán)體等各類組織的運(yùn)營管理或社交活動中蘊(yùn)含的商業(yè)價值、社會管理與公共服務(wù)價值以及支撐科學(xué)決策的價值已被各行業(yè)廣泛認(rèn)知與開發(fā)利用[20],群體決策的參與者逐漸呈現(xiàn)出群體規(guī)?；⒃u價多源化、行為復(fù)雜化等特征,從而形成了大群體決策這一研究方向[21]。大群體決策相對于傳統(tǒng)群體決策而言,參與決策的人數(shù)更多,決策群體的構(gòu)成更為復(fù)雜,決策成員之間信息交互更少等多重因素導(dǎo)致決策群體難以達(dá)成共識,這使得大群體決策區(qū)別于傳統(tǒng)的群體決策,迫切需要建立復(fù)雜大群體的評價融合與分析方法[22-23]。學(xué)者們?yōu)榍蠼獯笕后w決策問題,從多元視角開展了系列研究。陳曉紅系統(tǒng)闡述了包括Choquet積分、直覺模糊群決策、粗糙集、網(wǎng)絡(luò)環(huán)境下的聚類分析等的大群體決策方法與技術(shù)[24]。Palomares等指出群體成員大于等于特定閾值時,稱之為大群體,提出了適合于大群體的一致性模型[25]。該模型通過融入模糊聚類的機(jī)制來處理個體與子群體的非合作行為,引入了自組織映射來實現(xiàn)決策過程的可視化。李海濤等聚焦定性語言環(huán)境下決策成員權(quán)重難以客觀獲取的局限,基于蒙特卡洛經(jīng)驗?zāi)B(tài)分解各決策成員的語言評價值,從客觀趨勢成分均值的角度獲得評價結(jié)果,進(jìn)而建立了突發(fā)事件應(yīng)急管理背景下的方案排序機(jī)制[26]。楊靜針對決策成員表達(dá)個體評價值時往往存在殘缺值的情形,利用平均效用偏好值處理殘缺偏好評價,通過對偏好評價進(jìn)行集成來獲取最優(yōu)方案[27]。雷麗彩等在有限理性框架下,依據(jù)觀點(diǎn)動力學(xué)探索了大群體決策中自主博弈與個體觀點(diǎn)交互的仿真過程,融入決策成員的說服程度與固執(zhí)程度,在項目選擇背景下提出了考慮決策成員學(xué)習(xí)記憶機(jī)制的大群體動態(tài)演變路徑[28]。任嶸嶸等將公眾評價數(shù)據(jù)進(jìn)行分組,從分組數(shù)據(jù)的特征出發(fā)依據(jù)正態(tài)分布擬合每組數(shù)據(jù)并進(jìn)行數(shù)據(jù)集成,進(jìn)而從優(yōu)勢度判斷矩陣的角度完成了公眾評價大群體決策的方法構(gòu)建[29]。Ding等基于社交網(wǎng)絡(luò)與稀疏表示的沖突關(guān)系檢測過程來研究大群體決策中決策成員間的沖突關(guān)系,通過一致共識的沖突度分析來確定一致共識是否達(dá)成[30]。陳曉紅等面向社會網(wǎng)絡(luò)環(huán)境下評價值為直覺模糊數(shù)的大群體決策問題,考慮決策成員的社會網(wǎng)絡(luò)關(guān)系,構(gòu)建了融入社會網(wǎng)絡(luò)結(jié)構(gòu)的權(quán)重獲取路徑,提出了基于一致性和猶豫性的大群體決策方法[31]。趙萌等從交互式共識模型的視角研究大群體決策中決策成員的社會網(wǎng)絡(luò)關(guān)系,通過反饋機(jī)制和共識度量來更新社會網(wǎng)絡(luò),發(fā)展了大群體決策共識達(dá)成機(jī)制[32]。Tang和Liao從最新研究、文獻(xiàn)統(tǒng)計、挑戰(zhàn)、主要應(yīng)用、未來發(fā)展方向等視角系統(tǒng)綜述了大群體決策,指出了如何在大數(shù)據(jù)時代發(fā)展高質(zhì)量的決策方法、技術(shù)和系統(tǒng)[33]。徐選華等以“8·12天津港爆炸”案例中的微博數(shù)據(jù)為背景,探索了公眾參與視角下大群體應(yīng)急決策質(zhì)量的動態(tài)演化,為政府決策和應(yīng)急響應(yīng)提供了政策建議[34]?？傮w來看,目前大群體決策的現(xiàn)有相關(guān)研究中,還未探討不確定性決策環(huán)境中的多準(zhǔn)則混合模糊特征。鑒于多準(zhǔn)則混合模糊特征對于風(fēng)險投資項目選擇的重要意義,本文將綜合考慮復(fù)雜大群體特征和多準(zhǔn)則混合模糊特征,探索大群體決策視角下風(fēng)險投資項目的科學(xué)選擇路徑。

綜合來看,鑒于風(fēng)險投資項目選擇問題本身的重要性,有必要在現(xiàn)有研究的基礎(chǔ)上,同時考慮多準(zhǔn)則混合模糊特征和復(fù)雜大群體特征,系統(tǒng)建立大群體決策視角下風(fēng)險投資項目的科學(xué)選擇路徑,為最大化降低決策風(fēng)險、合理刻畫決策成員的有限理性構(gòu)建綜合性問題求解策略。

三、研究方法及模型構(gòu)建

針對風(fēng)險投資決策中的復(fù)雜大群體特征和多準(zhǔn)則混合模糊特征,本部分首先進(jìn)行問題建模,即建立大群體環(huán)境下的混合模糊信息系統(tǒng),以此來建立風(fēng)險投資項目選擇的問題描述框架。在此基礎(chǔ)上,設(shè)計三階段的大群體決策視角下風(fēng)險投資項目選擇路徑,具體包括基于離差最大化法的權(quán)重獲取、基于模糊聚類法的關(guān)鍵成員篩選、基于最小貝葉斯風(fēng)險決策的成員有限理性集成。值得強(qiáng)調(diào)的是,三階段風(fēng)險投資項目選擇路徑可同時提供粗粒度的項目分級結(jié)果與細(xì)粒度的項目排序結(jié)果,在風(fēng)險投資項目選擇的結(jié)果呈現(xiàn)上更加靈活,在不同背景下有助于最終選擇方案的達(dá)成。

(一)大群體混合模糊信息系統(tǒng)

在不確定性環(huán)境下,風(fēng)險投資項目選擇評價數(shù)據(jù)受制于人類認(rèn)知水平差異化的影響,往往呈現(xiàn)出模糊性、不精確性、不完整性、猶豫性等特點(diǎn),決策成員需運(yùn)用較粗粒度的廣義模糊數(shù)來增加整體評價過程的適用性。依據(jù)有關(guān)風(fēng)險投資項目選擇建模思路[19],利用包括精確數(shù)、模糊數(shù)、區(qū)間數(shù)、直覺模糊數(shù)在內(nèi)的四類數(shù)據(jù)構(gòu)建混合多準(zhǔn)則大群體決策矩陣,從而有效刻畫風(fēng)險投資項目選擇中的多準(zhǔn)則混合模糊特征和復(fù)雜大群體特征。

(二)基于離差最大化法的權(quán)重獲取

在風(fēng)險投資項目選擇背景下面向大群體決策的混合模糊信息系統(tǒng)中,如何利用決策成員給出的Ri中風(fēng)險投資項目選擇評價值來客觀獲取指標(biāo)權(quán)重和決策成員權(quán)重是進(jìn)行后續(xù)三階段風(fēng)險投資項目選擇決策的重要前提。離差最大化法的核心思想為在同一指標(biāo)下,若風(fēng)險投資項目選擇評價值之間的差異較大,則賦予較大的權(quán)重,反之則賦予較小的權(quán)重。離差最大化法的差異度量依據(jù)為常見的距離函數(shù),在現(xiàn)實應(yīng)用中符合決策成員的認(rèn)知行為。具體地,每位決策成員對應(yīng)的指標(biāo)權(quán)重和決策成員權(quán)重分別為:

(三)基于模糊聚類法的關(guān)鍵成員篩選

基于模糊聚類法的關(guān)鍵成員篩選旨在通過對群體成員進(jìn)行聚類,使同一聚集內(nèi)成員意見基本一致,減少成員意見集成的復(fù)雜度。本文依據(jù)以模糊等價關(guān)系為基礎(chǔ)的系統(tǒng)聚類法,即依據(jù)對象特征求解對象間的相似系數(shù),構(gòu)建對象集上的模糊相似關(guān)系,運(yùn)用合成運(yùn)算得到模糊等價關(guān)系,聚類對象中具有等價關(guān)系的歸為一類,否則歸為不同類,其具體步驟為:

2.通過類內(nèi)相似度與類間相似度的比值來確定最佳聚類類別數(shù),并依據(jù)最大比值對應(yīng)的類別數(shù)確定群體成員的最終聚類結(jié)果。具體地,通過類內(nèi)相似度GH與類間相似度GI的比值G來衡量,其中GH通過計算類內(nèi)成員兩兩相似度的均值來獲取,GI通過計算類與類之間聚類中心相似度的均值來獲取。

3.通過選取最大G值對應(yīng)的聚類結(jié)果作為本部分群體成員的聚類結(jié)果。對于大群體決策問題,若經(jīng)過一次聚類分析后聚集的數(shù)量仍為特定閾值以上,則重復(fù)進(jìn)行群體成員的聚類分析,直到最終的聚集類別小于特定閾值為止。

(四)基于最小貝葉斯風(fēng)險決策的成員有限理性集成

在完成基于模糊聚類法的關(guān)鍵成員篩選后,風(fēng)險投資項目選擇背景下的大群體決策問題的規(guī)模已降低,即已轉(zhuǎn)化為經(jīng)典群體決策問題?；谧钚∝惾~斯風(fēng)險決策的成員集成是進(jìn)行風(fēng)險投資項目選擇信息集成的核心步驟,具體包括如下確定類內(nèi)代表性成員、不同類內(nèi)代表性成員的融合兩個步驟:

2.確定類內(nèi)代表性成員之后,本部分以大群體決策問題轉(zhuǎn)化為經(jīng)典群體決策問題為出發(fā)點(diǎn),完成不同類內(nèi)代表性成員的融合任務(wù)。針對風(fēng)險投資項目選擇信息集成過程中存在的決策風(fēng)險,尤其是因個別決策成員決策失誤帶來的誤分類現(xiàn)象,即最差備選項目被歸類為最優(yōu)備選項目,或最優(yōu)備選項目被歸類為最差備選項目,本部分采用狹義三支決策模型進(jìn)行類內(nèi)代表性成員融合。狹義三支決策模型通過結(jié)合最小貝葉斯風(fēng)險決策理論來量化不同類決策的風(fēng)險代價,確保最終決策伴隨的風(fēng)險達(dá)到最低,從而形成將項目分級為接受、待定和拒絕的理論依據(jù)。在基于狹義三支決策模型的類內(nèi)代表性成員融合中,需要對可調(diào)節(jié)粗糙隸屬度與閾值進(jìn)行比較,以此對備選風(fēng)險投資項目進(jìn)行分級,其具體步驟為:

四、實證分析

本文采用有關(guān)案例分析背景進(jìn)行實證分析[19]。風(fēng)險投資企業(yè)RY公司擬遵循投資的國際慣例,以規(guī)模投資、精品投資和謹(jǐn)慎投資為指導(dǎo)理念,啟動未來5年的風(fēng)險投資計劃。具體而言,U=(x1,x2,x3,x4)代表4個風(fēng)險投資項目,選取6個評價指標(biāo):行業(yè)因素、環(huán)境因素、市場因素、業(yè)務(wù)因素、創(chuàng)業(yè)者及其團(tuán)隊因素、財務(wù)因素,表示為V={y1,y2,y3,y4,y5,y6}。20位決策成員采用多準(zhǔn)則混合模糊矩陣進(jìn)行風(fēng)險投資項目的評價,其中:在y1維度下采用精確數(shù);在y2維度下采用模糊數(shù);在y3和y4維度下采用區(qū)間數(shù);在y5和y6維度下采用直覺模糊數(shù)進(jìn)行評價。各決策成員對應(yīng)的多準(zhǔn)則決策矩陣分別如下所示:

進(jìn)一步地,本文為說明三階段的大群體決策視角下風(fēng)險投資項目選擇路徑的有效性,依據(jù)已構(gòu)建的基于優(yōu)化的一致性模型與全乘比例分析多目標(biāo)優(yōu)化方法的群決策路徑[19],不難求得最終排序結(jié)果為x1>x3>x2>x4,與利用本文方法所得結(jié)論一致。

值得注意的是,本文所提出的大群體決策視角下風(fēng)險投資項目選擇路徑同時考慮了大群體決策問題的多準(zhǔn)則混合模糊特征和復(fù)雜大群體特征,可提供有效的屬性權(quán)重客觀獲取機(jī)制與在多準(zhǔn)則混合模糊背景下風(fēng)險投資項目的聚類機(jī)制。與此同時,在多準(zhǔn)則混合模糊信息集成中,本文在有限理性框架下依據(jù)最小貝葉斯風(fēng)險決策原理,不僅可最大化降低風(fēng)險投資項目誤分類的風(fēng)險,而且合理考慮了決策成員的有限理性特征。綜上所述,相比于現(xiàn)有大群體決策方法,本研究具備考慮多準(zhǔn)則混合模糊特征,提供有效的屬性權(quán)重客觀獲取機(jī)制,發(fā)展了多準(zhǔn)則混合模糊背景下風(fēng)險投資項目的聚類機(jī)制,最小化風(fēng)險投資項目誤分類風(fēng)險,考慮決策成員的有限理性特征這5類優(yōu)勢,可視為一種綜合性的風(fēng)險投資項目選擇路徑,更符合實際的風(fēng)險投資項目選擇流程,為風(fēng)險投資項目選擇建立了一種可行的問題求解模式。

五、結(jié)論

面向經(jīng)濟(jì)主戰(zhàn)場,科學(xué)有效的風(fēng)險投資項目選擇路徑對于初創(chuàng)企業(yè)保持較強(qiáng)的市場競爭力至關(guān)重要,同時也能夠推進(jìn)我國戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)的蓬勃發(fā)展,提高科技進(jìn)步對于經(jīng)濟(jì)增長的貢獻(xiàn),有助于更好地建設(shè)現(xiàn)代化產(chǎn)業(yè)體系。本文聚焦不確定性決策環(huán)境下風(fēng)險投資項目選擇呈現(xiàn)出的多準(zhǔn)則混合模糊特征和復(fù)雜大群體特征,基于離差最大化法進(jìn)行權(quán)重獲取,通過模糊聚類法對多準(zhǔn)則混合模糊特征下的大群體風(fēng)險投資項目選擇問題進(jìn)行關(guān)鍵成員篩選,依據(jù)最小貝葉斯風(fēng)險決策對篩選出的關(guān)鍵成員進(jìn)行有限理性集成,從而構(gòu)建了以上三階段的大群體決策視角下風(fēng)險投資項目選擇路徑。本文采用國內(nèi)某風(fēng)險投資企業(yè)的風(fēng)險投資項目評價數(shù)據(jù)進(jìn)行實證分析,所得決策結(jié)論表明,本文所建立的大群體決策視角下風(fēng)險投資項目選擇路徑可有效處理不確定性決策環(huán)境下風(fēng)險投資項目選擇呈現(xiàn)出的多準(zhǔn)則混合模糊特征和復(fù)雜大群體特征,所得結(jié)論與其他方法的一致性較高,在模擬風(fēng)險投資的現(xiàn)實情境中具備較高的模型解釋力與實踐價值。