新型风险投资项目评估的统计研究

张立华，穆瑞田，王兴国

(1.河北联合大学经济学院，河北唐山063009;2.唐钢检修工程有限责任公司，河北唐山063000)

新型风险投资项目评估的统计研究

张立华1，穆瑞田1，王兴国2

(1.河北联合大学经济学院，河北唐山063009;2.唐钢检修工程有限责任公司，河北唐山063000)

风险企业;因子分析;风险值;项目评估

为克服现有关于风险投资项目评估所存在的诸如相关参量在实际中不易确定、对投资风险的刻画过于粗糙等，利用因子分析方法对创业投资项目评估中的风险值进行计算，这种方法的引入为创业投资项目评估开辟了一个新视角，模拟结果说明了这种模型的合理性和使用价值。

风险投资是指把资金投向蕴涵着较大失败危险的高技术开发领域，以期成功后取得高资本收益的一种商业投资行为。其实质是通过投资于一个高风险、高回报的项目群，将其中成功的项目出售或者上市，实现所有者权益的变现(风险资本的退出)，从而弥补那些失败项目的损失，而且使投资者获得高额回报。风险投资的显著特点是高风险和高收益，规避投资风险就成为风险投资永恒的主题，同时，在实际运作中，风险投资机构通常会有多个风险项目可供选择，但由于资金总量和人力资源的有限性，就需要用某种决策方法对这些风险项目进行取舍，以便得出切实可行而高效的投资方案，因此探讨风险投资的项目评估问题就具有非常重要的理论意义和实用价值。

从风险投资的众多研究成果中不难看出，通常采用的主要研究方法有净现值法、预期效用法、实物期权法和层次分析法等。但这些方法都有一定的缺陷，例如层次分析法，这是学术界常讨论的一种方法，一是层次划分复杂，二是决定权重太主观，同时计算起来也比较繁琐。净现值法忽略了投资的不可逆性和延迟期权的价值，容易造成对投资项目的低估。为克服现有风险投资项目评估方法所存在的诸如相关变量不易确定，参数值的计算不够精确，对投资风险的刻画过于粗糙、简单等不足，本文采用SPSS软件中的因子分析，建立了新型风险投资项目评估模型，最后通过实证研究说明了模型的可行性和有效性。

一、因子分析的基本原理和方法

因子分析是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子(之所以称其为因子，是因为它是不可观测的，即不是具体的变量)，换句话说，可以用两个或者三个可观测变量来线性另一个不可观测的变量，因子分析试图找到这些可能的线性组合，确切的说，不可观测的变量是可观测变量的线性组合再加上误差项。因子分析起源于教育心理学，并在行为科学，社会科学，市场营销，产品管理，业务研究以及需要大量数据处理的其他应用科学方面得到了广泛的应用。做因子分析的最主要目的就是把许多相关性很强的变量通过计算特征值合并为几个有代表性的变量组合。

首先做因子分析就是需要那些变量有很高的相关性。

某因子分析中的观测变量有Xx，X2，…Xp，其标准化变量分别为x1，x2，…xp。

Fi为不可观测的公共因子，lij为公因子Fi的系数，i∈1，…，p，j∈1，…，k且k＜p，则有下列模型成立

εi是对个别变量的特殊因子。通常假定特殊因子是相互独立的，平均值为0、方差为互不相同的常数，即εi～(0，，

对于F我们有如下假设:

F和ε相互独立，E(F)=0，Cov(F)=1

模型中的F叫做主因子或公共因子，它们是在各个原观测变量的表达式中都共同出现的因子，是相互独立的不可观测的理论变量。L称为因子载荷矩阵。L的元素liji∈1，…，pj∈1，…，k表示xi与Fj的依赖程度，lij的绝对值越大，表明xi与Fj的相依程度越大，令Cov(x)=Σ，则

我们可以证明，对于任何的正交矩阵Q，如果令L=LQ，F=QTF，仍然保留现有的因子和因子载荷，则各因子及因子载荷只依赖于正交变换。

二、模拟实验

(一)数据的选取

为说明上述模型在风险投资项目评估中的应用，本文通过模拟法来产生数据，并对这些数据进行因子分析来确定这些创业企业的风险。

假设某风险投资机构有50家风险企业可供其选择投资，该机构派出了L=15名专家分别对这些企业进行考察，并基于m=5个评价指标(分别是政策风险(m1)、技术风险(m2)、市场风险 (m3)、管理风险(m4)和环境风险(m5))给出了每个企业的评估，由此得到一个L*m阶的评分值矩阵，根据创业企业的特点，我们可以按如下方式模拟产生这些数据。

作为还未真正融到资、从而并未真正运营的创业企业，我们不可能精确得知衡量其优劣的m个评价指标的取值。因此，对于当前时刻，从数学的角度来看，我们可以认为风险企业的各个评价指标ri(i=1，2，3，4，5)为随机变量，而整个指标体系就构成一个m维随机变量r=(r1，r2，r3，r4，r5)T。我们可以将每位专家对创业企业各个评价指标的打分看作是相应指标的一个可能样本实现值，这样一来，由所有m个评价指标所确定的风险企业的综合评价值也就是一个随机变量，具体确定方法如下:

设第j个风险企业的评价指标体系为rj= (rj1，rj2，…，rjm)T，(j=1，2，…，50)，(m=1，2，…，5)，假设对每个风险企业，风险投资机构均聘请了L=15位专家来对其各个评价指标进行打分。不妨假设第i(1≤i≤15)个专家对企业j(1≤j≤50)的m个评价指标的打分分别为rij1，rij2，…，rijm，这可作为企业j评价指标体系向量的一个样本实现值，为计算各个评价指标的样本均值，我们将衡量专家i在专家组中影响力大小的权重为看作是上述样本值发生的概率，那么对应企业j的评价指标体系的均值向量为。这样就可以得出50个风险投资项目的政策风险、技术风险、市场风险、管理风险和环境风险的得分，结果省略。

(二)实证分析

利用SPSS软件对样本数据进行因子分析。经KMO和 Bartlett检验，变量之间的相关系数矩阵不是一个单位阵，而且KMO(它是一个用于比较观测相关系数值与偏相关系数值的指标)的值0.538，如表1所示，表明适合对这些变量进行因子分析。

表1 KMO样本测度和Bartlett球形检验

本文将对50家企业进行因子分析，表2给出了m1，m2，m3，m4，m5的样本相关矩阵，可见，五个变量中有四个变量彼此之间较高相关，而因子分析恰是研究相关矩阵的内部依赖关系，用少数几个“综合因子”去描述多个变量之间关系的一种较好方法。求解相关矩阵的特征方程，特征向量，相应特征值和贡献率，如表3。

表2 相关矩阵

表3 特征值和贡献率

若选择前三个主因子，则已提供了原资料91.11%的信息。记三个主因子为F1，F2，F3，它们的载荷见表3，为了对因子的意义进一步给出合理解释，对因子载荷矩阵施行旋转。输出结果也列入表4。

表4 最大大方差旋转因子负荷系数

根据表4计算因子得分函数，通过SPSS根据回归算法计算得出的因子得分函数系数。

则第j个企业的F1=rj*X1，F2=rj*X2，F3=rj*X3

根据前3个因子的特征值的贡献率作为权重计算项目评估的综合得分，综合得分函数如下:

采用上式得到结果见表5

表5 所模拟的50家企业的综合得分值

三、结 论

综合得分值代表了创业企业的综合风险，综合得分越大说明风险越大，综合得分为正代表这些创业企业的风险处于所研究样本的整体平均水平之上;同理，这里的综合得分小于0并不代表综合风险小于0，而是代表这些创业企业的综合风险低于所研究的样本的整体平均水平，表现为综合得分小于0。从以上我们可以看出这些创业企业的综合风险有很大的差距，综合得分最小的是项目16为－3.9541，则项目16的总体风险最小，综合得分最大的是项目15为1.7582，说明项目15的总体风险最大。在决策时选择项目16比较适当。

总之，创业项目的风险评估所要做的就是正确划分风险类型，获取样本数据，大大减少风险评估的工作量。更重要是是充分考虑考虑了创业投资公司的投资偏好等因素，从而将项目同投资有机的结合在一起。

［1］ 胡海峰.风险投资学［M］.北京:首都经济贸易大学出版社，2006.

［2］ 陈志平，华晔迪，张卫国.新型风险投资组合选择模型［J］.数学的实践与认识.2009，第39卷第4期:27-35.

［3］ 丁佐明.基于因子分析法下的创业投资项目评估模型［J］.商场现代化.2007年11月上旬刊:284.

［4］ 王丽燕.风险投资的组合投资决策模型研究［J］.武汉理工大学学报(信息与管理工程版)，2006(13):1996-1999.

［5］ 张文彤.SPSS11统计分析教程［M］.北京:北京希望电子出版社，2002年6月.190-210.

Key words:venture investment;sensitive analysis factor analysis;risk value;project evaluation

Abstract:In order to overcome existing venture capital project evaluation models shortcomings such as the difficulty in determining relevant coefficients’values and the coarse and simple risk measure，by using factors analysis the risk value of venture capital project evaluation was calculated in this paper，which opens a new way to venture capital project evaluation，simulation results show the reasonability and use value of our new models.

Sensitive Analysis and Statistical Study of New Types of Risk Investment Project Evaluation

ZHANG Li-hua1，MU Rui-tian1，WANG Xing-guo2
(College of Economics，Hebei United University，Tangshan Hebei 063009，China)

F830.593

A

2095-2708(2012)06-0051-03

2012-02-20

河北省教育厅项目“利用相关法律制度建立国有风险投资公司促进河北省产业升级”(项目编号:SZ2010528)阶段性成果;河北省科技厅项目“利用创业投资引导基金推动河北省产业升级问题研究”(项目编号: 10457203D-14)阶段性成果