基于AHP算法的投资项目监测模型研究

赵 钦

（1.广西大学计算机与电子信息学院，广西 南宁 530007；2.广西经济信息中心，广西 南宁 530022）

基于AHP算法的投资项目监测模型研究

赵 钦1，2

（1.广西大学计算机与电子信息学院，广西 南宁 530007；2.广西经济信息中心，广西 南宁 530022）

目的：为了能够在投资项目管理过程中及时监测投资运行状况、投资进度和资金到位情况等信息，设计基于AHP (Analytic Hierarchy Process层次分析法)算法的投资项目监测模型。方法：选取项目监测模型指标，结合AHP算法，提出一种基于目标细分和权重赋予的监测模型。结果：实现对投资项目的实时监测评价，以确定投资项目的运行情况及优劣对比情况。结论：采用AHP算法进行投资项目监测分析，通过综合评价结果为投资项目决策者提供了有力的决策支持和分析，为今后投资项目资金安排、项目类型选择，项目进度控制都提供了强有力的支持。

AHP；投资项目监测；模型

目前，投资项目监测分析大多数都是利用电子表格（excel）进行人工分析，由于投资项目数、监测指标条目比较多，在人工分析过程中容易产生的主观色彩且结论不具有传递性，多个监测指标之间的相对重要性凸显不足，缺乏准确量化和统一评价的同时实现。结合投资项目的实际情况和管理需求，并结合系统思想进行开发设计，进行项目监测模型的研究，有着重要的实用价值和现实意义。从投资的规模、资金、价格和保障四个方面挑选若干指标，构建投资监测指标体系，测算指标临界值，根据各个指标的经济意义、数据质量等方面的不同确定其权重，依据临界值把各个指标通过分段线性方法转换成景气分值，再采用权平均的方法，合成综合指数，实现对投资运行的实时全面监测，更准确、全面的衡量投资运行变动情况[1]；运用层次分析法对影响风险投资项目的各种因素进行相对比较，在进一步完善风险投资项目风险评价指标体系的基础上，提出了层次分析法风险评价模型，通过实际案例进行了验证，为风险投资风险评价提供了一种有益的思路[2]。从目前的实际情况来看，几乎没有规模化的使用针对投资项目监测和进度分析的专用管理工具，这对于项目实时监测和分析对比而言十分不利。投资项目监测模型设计的分析过程和建模。

1 投资项目监测模型指标的确定

考虑对于一个建设中的投资项目而言，其主要的监测指标涉及主客观因素较多，有国家政策因素、市场因素、人为因素等等问题，如何恰当选取监测模型指标成为评价模型好坏的关键。经过对投资项目的实际调研分析和结合AHP算法，从管理的具体执行过程得出，利用投资项目的价值和风险方面的指标可以对投资项目的监测进行优劣评定，给决策者提供必要的参考。投资项目监测模型的指标选取情况如表1及表2：

表1 A.价值指标结构

表2 B.风险指标结构

2 投资项目监测模型建立过程

在建立层次结构指标后，根据Satty提出1-9标度法，构造两两比较矩阵，首先利用AHP方法对投资项目价值指标进行权重分析，首先构造一致性矩阵A如表3：

表3 一致性矩阵A

其中a,b,c分别表示两个元素间的相对重要程度。对于以上矩阵，采用方根法进行归一化：

（3）对向量W=(w1,w2……wn)T归一化

表4 满意一致性度量值的分布情况

如果所得到的权系数矩阵能够满足CI≤0.1，即可通过一致性检验，而对于阶数n的增加会带来误差的增加，因此当n稍大时也采用CR进行检验，若CR＜0.1，则一致性达到满意程度，否则需要不断调整判断矩阵直到满足需求为止。

根据以上的判断流程和一致矩阵获取方法，我们可以得到价值指标C1的一致性矩阵A，对于投资项目现阶段价值，首先是市场接受度，其次是模仿难易度，最后是经济带动力：

对一致性矩阵A进行权重分析，得到的结果如表5：

表5 分析结果

显然，CI和CR指标均满足一致性要求，即可认为判断矩阵具有一致性，由此得到了现阶段价值指标C1的下属三个指标的权系数向量：

W1=（0.0936,0.6267,0.2797）T

采取同样的操作过程，对未来价值指标C2的下属指标按照调查结果，得到其判断矩阵为表6：

表6 判断矩阵

经过以上处理，可以得到W=(w1,w2……wn)T即为原矩阵A所得到的三个指标对于上级指标的权重影响系数。为了保证这个得到的系数是可信度较高的，对所得到的结果进行一致性检验。根据AHP方法的思想，采用矩阵的最大特征根λmax结合一致性指标CI、同阶平均一致性指标RI以及随机一致性比率CR进行一致性检验。其一致性检验模型如下：

其中，RI是平均随机一致性指标。其值的大小与A的阶数有关，满意一致性度量值的分布情况如表4：

按照上述分析过程，依然可以求出表7：

表7 分析结果

满足一致性检验结果，由此得到了第二组权系数向量：

W2=（0.1986,0.0627,0.1898,0.5489）T

考虑到两层AHP结构，需要检验整体的一致性，同样采用CI和CR进行检验，检验的方法如下：

CI = (CIj是aj对应的层次下的一致性系数) RI=

基于未来价值和现在价值的区别，投资项目主要看准的是未来的效益，二者权重分别为0.75和0.25，经过satty检验，这个比例满足一致性要求。经对价值指标的整体检验，我们可以得到对于价值指标整体二层结构而言，其指标为CI价值=0.25×0.0364+0.75×0.0829=0.0713＜1,其RI价值=0.25×0.58+0.75×0.9=0.82，得到CR价值 =CI价值/ RI价值 小于0.1，满足一致性检验原则，由此我们得到了在价值指标上的所有权系数复赋值。

对于风险性指标，按照同样的方式进行判断矩阵构造和检验，我们可以得到表8：根据判断矩阵，可得到相应的指标和权系数情况如表9：

表9 分析结果

结果满足一致性要求，由此我们得到了风险性评价指标的权系数向量。

综上，已得到了所有的评价指标在所有维度的权系数向量，综合以上分析，得出一个项目进行评价监测的模型如图1。

表8 判断矩阵

3 应用

在完成以上的调研和评价模型的分析后，设置的综合评价模型即有了具体的数据和权系数设定，将权系数置入系统的预设程序中，通过对项目发展情况所填写的资料（数据库中）进行判断和逐项评分，并将最终在评价指标方向上的分数置入评价系统，通过系统的二维度AHP评价模型，分别从价值性指标和风险性指标方向评出项目的优劣，以便于对项目进行定向整改、专项调查和暂停业务等的决策制定。

对于项目的评分过程，采取的是在操作员进行项目进度更新时，定期在系统中填写量表的方式进行统计，量表采用李克特量，由1～9分别表示从劣到优的评分表，系统自动综合对各项打分，对每个分阶设置可量化条件，并将最终得分乘以100以更清晰的显示项目优劣。直接通过系统，就能够实现数据的输出和分析结果输出。

为了能够对AHP方法评价所代表的综合性以及便利性进行检验，选取了10个在建投资项目，根据量表标准进行了各项的评分和导入，得到价值和风险评分结果如表10及表11：

表10 10个项目的价值评价体系得分

表11 10个项目的风险评价体系得分

根据AHP方法建立的评价模型，以及前面已经通过实际调研和一致性分析得到的各个指标的权重进行分析，通过系统自动产生运算结果，并逐级乘以相应的比例，得到价值指标和风险指标的AHP评分结果如表12和表13：

表12 价值指标AHP评分结果

表13 价值指标AHP评分结果

对以上结果进行综合分析，可以以简洁的图形化结果呈现如图2：

图2 图形化结果

对于图形中所展现的，可以分几类情况处理：

（1）价值评价和风险评价值都较高，这一类项目为优势项目，可以继续增加投资，保证其发展良好；

（2）价值评价和风险评价的分值差的绝对值较大，意味着价值评估和风险评估之间出现了较大的差距，对项目进行更好的风险管理是必要的；

（3）价值评价和风险评价均较低，意味着项目在项目目标、市场定位等方面出现了问题，需要进行较大的规模整改。

4 结论

采用AHP算法进行投资项目监测分析，综合考虑了投资评价指标之间的相对重要性，更具科学性，综合评价结果为投资项目决策者提供了有力的决策支持和分析，为今后投资项目资金安排、项目类型选择，项目进度控制都提供了强有力的支持。

[1] 杨银海,闫晓霞.固定资产投资监测指数的设计[J].统计教育,2009,(12):5-6.

[2] 张家峰.层次分析法在风险投资项目风险评价中的应用[M].北京:中国金融出版社,2006.

AHP algorithm model based on the monitoring of investment projects

Objective: To be able to timely monitoring of the health of investment projects in the investment management process, progress and investment funds and other information, the design of investment project monitoring model AHP (Analytic Hierarchy Process AHP) algorithm. Methods: A model project monitoring indicators, combined with AHP algorithm, proposed a model based on the monitoring target segments and weights given. Results: The realization of investment projects in real-time monitoring and evaluation in order to determine the merits of the comparison of operating conditions and investment projects. Conclusion: AHP algorithm monitoring and analysis of investment projects, through a comprehensive evaluation of the results provide a strong decision support and analysis for policymakers investment projects for future funding arrangements for investment projects, project type selection, project schedule control provides strong support .

AHP; investment project monitoring; model

F407

A

1008-1151(2015)03-0008-04

2015-02-13

赵钦（1981－），男，广西大学计算机与电子信息学院研究生，广西经济信息中心工程师，从事计算机网络安全、网络存储、视频会议研究和软件系统架构工作。