收费公路PPP项目运营期风险定量分析——基于偏最小二乘回归

林涛涛， 李 洁， 江 妍， 袁竞峰

(1. 南京林业大学 土木工程学院， 江苏 南京 210037；2. 东南大学 土木工程学院， 江苏 南京 210096)

PPP是英文Public-Private-Partnership的缩写，我国称之为“政府和社会资本合作”。PPP模式能够通过引入社会资本，加快基础设施建设，缓解政府财政压力；利用社会资本市场竞争机制，改善公共服务的运营效率；坚持风险共担原则，减小合作双方的财务风险。2014年以来，PPP模式受到国家政府的大力推广，截止2017年6月，财政部入库项目13554个，入库项目金额超过16万亿元。

收费公路因具备稳定的收费基础，成为PPP模式最早运用的领域之一。根据《“十三五”现代综合交通运输体系发展规划》，2015年至2020年间，我国在交通基础设施领域投资要超过15万亿元。受经济下行压力和税制改革的影响，我国政府收入增幅减慢，财政赤字扩大。同时，我国地方政府融资负债普遍存在，甚至规模巨大。截至2016年末，我国中央和地方政府债务已达到27.3万亿元。根据财政部测算，我国政府负债率为36.7%。2014年，国务院印发了《关于加强地方政府性债务管理的意见》，要求剥离融资平台公司政府融资职能，大力推广使用PPP模式，引入社会资本发展公路基础设施。由此可见，基础建设项目和公共服务完全依赖于政府的投资是不可能实现的，未来将有更多的收费公路采用PPP模式建设。

事实上，在许多项目的实际操作过程中，收费公路PPP项目会由于不同的风险而发生提前终止。我国财政部《PPP项目合同指南》与世界银行发布的《PPP Reference Guide》2.0版都指出补偿分配是提前终止机制的核心问题，而合理的补偿分配应当考虑正确的风险分配以及对风险损失进行可靠的定量研究[1]。

然而，目前PPP风险研究主要集中在定性的风险研究，即在项目风险发生前对风险进行识别、评估和分担。如柯永建等[2]利用问卷调查等方法识别出PPP项目全生命周期内的37项风险，并给出分担结果；宋金波等[3]通过多案例研究识别出7项导致项目提前终止的关键影响因素；王秋菲等[4]研究认为收益不足、项目唯一性、政府信用、政策变更及审批风险是PPP道路项目失败的主要风险；李妍[5]通过最优分配理论设计出PPP项目的风险分担模型；张红平等[6]利用结构方程找出了导致PPP项目提前终止的关键风险。这一类风险研究的目的主要是防范项目进行过程中发生风险，缺点是缺乏足够准确的定量研究，使得风险的研究成果不能够很好地与补偿相结合。

本文在已有PPP风险研究的基础上，通过案例识别出收费公路PPP项目运营期风险因子，并利用偏最小二乘法对已识别的风险因子进行定量研究，给出项目运营过程中各个风险因子的影响值，以期望弥补目前风险研究成果与补偿分配不能匹配的现状，同时希望能够提供一种风险定量研究的新思路。

1 PPP项目运营阶段风险分析方法

1.1 方法选取

风险定量研究的方法一般有敏感性分析法、模糊综合评价法、蒙特卡洛模拟等。蔡毅[7]等提出敏感性分析忽略了变量间交互作用对输出的影响；陈敬武等[8]利用模糊综合评价法对PPP项目的综合风险大小给出评价，研究结果对专家水平的倚重程度较高；胡甚平[9]通过蒙特卡洛模拟进行了风险定量研究，提出项目系统风险的大小及发生概率能为决策提供有效信息，但没有给出各个风险对目标的独立影响。

考虑本文风险定量的目的，对本文的风险定量方法提出以下要求：(1)输出结果要能够体现各个风险对目标值的独立影响；(2)尽量消除各个风险因素之间的多重相关性；

查阅相关文献，王海燕等[10]研究提出多元回归方程的标准化系数大小可以用来说明回归模型中各个自变量针对因变量的相对重要性；匡建超等[11]通过偏最小二乘回归方程，较好地消除了各个风险变量之间的多重相关性，并成功得到各个风险变量的偏回归系数；陈秋玲等[12]对偏最小二乘回归方程的偏回归系数进行讨论，证明系数能够符合实际风险影响效应。综合以上分析，本文选用偏最小二乘回归方法来进行风险定量研究。

1.2 建模原理

假设有q个因变量Y(y1,y2,…,yq)与p个自变量X(x1,x2,…,xp),样本总量为n个，建模时需要在X和Y中提取出第一偏最小二乘成分t1与u1，t1是x1,x2,…,xp的线性组合；u1是y1,y2,…,yq的线性组合。t1与u1要尽量代表数据的变异信息，即：Var(t1)→max,Var(u1)→max，并且t1和u1具有最大的相关性，即：r(u1,t1)→max。

提取第一偏最小二乘成分后，进行X与Y对t1和u1的回归。若满足精度要求，则终止算法；如不满足，需要利用解释后的残余数据，对第二偏最小二乘成分t2和u2进行提取，并进行回归分析。重复以上步骤，直到精度满足要求，最终建立回归方程[13]：

y=α1x1+α2x2+…+αpxp

(1)

2 变量选取及风险识别分析

2.1 自变量与因变量

本文选取项目历史数据中每年的净利润作为因变量，因为利润是反映企业经营绩效的核心指标[14]。

自变量应当是收费公路PPP项目中与净利润联系最紧密的变量，Xiong[15]提出PPP项目的财务平衡是指在特许经营期内项目的收入减去成本能够满足投资方的合理利润，并给出使用者付费类PPP项目的财务平衡模型，如公式(2)：

(2)

式中：L为特许经营期长度；t0为开始运营时间；dt=(1+r)-t,r为折现率；ρt为人民币汇率；Pt为收费定价；Dt为车流量；OCt为运营维护成本；FCt为融资成本(包括股权融资和债务融资)；DCt为建设资产折旧成本；T为所得税税率；S为政府补偿；R为投资回报率；I为项目总投资；RI代表项目净利润

可以选择等号左边的各个变量为偏最小二乘回归的自变量。由于资产折旧费一般采用平均年限折旧法，与运营期风险无相关性，因此本文的变量选取情况如表1。

表1 变量选取

2.2 风险识别

本文的目标是要对收费公路PPP项目运营期风险因子进行研究，需要识别PPP风险。研究选取典型的PPP公路案例，对其存在的主要问题进行深入分析，进而归纳出收费公路PPP项目运营期风险因子。为保证案例项目的针对性，本文设置案例选取条件为：(1)案例项目为收费路桥项目；(2)案例项目为PPP项目；(3)案例项目需满足一定的运营期限。最后选取11个收费公路PPP项目，结果及风险分析如表2。

表2 PPP公路案例风险分析

由表2可知，收费公路PPP项目运营期风险主要有市场需求变化、原材料价格上升、项目公司违规、通行费率变化、服务质量差、运营管理水平低、道路设备更新、利率变化、政府补助不足这9个风险因子。PPP项目风险主要可以分为7类[2]，表3将进一步按照这7个类别对9个风险因子进行整合，厘清9个风险因子之间的逻辑关系。同时，分析出收费公路PPP项目运营期更应注重防范的风险类别。

表3 风险因子分类

由表3可知，收费公路PPP项目运营期应当更注重经营类和市场收益类风险。另外，以上归纳出的9个风险因子与表1中的自变量关系密切，本研究将在2.3节中建立它们的关联关系。

2.3 风险因子与自变量关联关系

企业财务风险预警理论指出：以企业的财务报表经营计划和其他财务资料为基础，能够及时发现企业经营活动或财务活动中的风险因素，并在风险发生前及时采取措施，从而有效规避损失。该理论证明财务数据的变化一定程度上可以代表风险损失的影响程度。

本研究根据该理论，在PPP项目运营期风险因子和自变量之间建立联系，通过客观运营数据的变化来反映风险大小。项目运营管理水平低会使管理上出现计划不周、执行不力等问题，最终导致运营成本OCt上升；原材料价格上涨会导致运营成本OCt上升；项目设备的更新换代需要运营期追加投资，这使得融资成本FCt上升；市场需求不足导致项目车流量Dt下降；由于PPP项目运营期长，利率或汇率T变化对利润影响显著；通行费率变化即项目收费价格Pt变化；政府补贴S不足直接影响项目收益；项目公司违规操作会带来行政处罚或服务质量下降，可能会导致项目补贴减少S或车流量Dt下降；因产品服务质量差会导致车流量Pt下降。整理结果如表4。

表4 风险因子与自变量关联关系

3 案例分析

为选择合适案例，研究设定案例条件除满足2.2节中的条件外，还必须保证研究案例的数据量能够满足本研究要求且数据较为容易获得。

依照上述条件，本文通过调查A股19家上市高速公司的下属高速资产，分析年报，挑选案例。最终选择样本量较大的梅观高速作为案例项目。梅观高速为BOT项目，1995年5月开通运营，计划运营期为1995年5月至2027年3月。2014年1月深圳市政府以27亿元价格买断剩余13年的特许经营期，正式回购该高速公路。梅观高速运营资料如表5。

3.1 案例风险识别

本文在2.2节通过多案例总结出9个运营期常见风险，但是不同的项目风险会有所不同。换言之，梅观高速在运营期中9个风险不一定会全部发生。因此，本节针对梅观高速运用风险清单的方法进行定性识别，在9个运营期常见风险的基础上给出风险识别结果。

表5 梅观高速运营数据

首先通过深高速2001—2013年披露的资料，整理出相关的风险事件。然后根据事件归纳总结项目风险因子，最终形成风险清单。过程及结果如表6。

表6 梅观高速风险识别

通过对梅观高速运营期发生的事件分析，可以初步归纳出在5个梅观高速运营期间发生的风险，分别是：道路设备更新、通行费率变化、市场需求变化、税率变化以及原材料价格上升。

3.2 识别特异点

通过观察各个样本点在T2椭圆图(图1)上的分布情况，椭圆图的x，y轴分别是t[1]，t[2]。假如各个样本点都分布在椭圆内，则认为样本呈均匀分布；否则，认为分布在椭圆外的样本点为特异点，这些样本远离了样本平均水平。需分析样本不符原因，重新建立模型拟合。从图1中可以看出，只有2011年的样本分布在椭圆外，检查样本数据发现2011年融资成本过高，融资成本过高的原因是由于该年报中缺少必要数据，导致融资成本估算过高。因此拟合过程中将剔除该样本点，并重新检验，重新检验后椭圆图符合要求。

图1 T2椭圆图

3.3 模型拟合效果

模型拟合效果参数见表7，从表7可以看出，提取3个成分来解释因变量，解释能力为0.989，达到了较高精度。

变量重要性指标图(图2)显示变量2和变量5对因变量的影响作用相对较大，即车流量和税率变化是作用较大的两个变量。图3给出的是因变量实际值与拟合值的曲线，可以看出模型的拟合效果良好。

表7 模型拟合效果参数

图2 变量重要性指标

图3 净利润拟合实际值与拟合值曲线

3.4 结果分析

从模型的系数可以看出，收费价格、运营成本、融资成本和税率的影响系数为负数，这与项目的实际情况相符合。在实际运营中，收费价格逐年降低，影响了高速项目的主营收益；运营成本逐年上升，不断增加项目支出；税率也日渐增长，对项目净利润的负影响甚大。只有日均车流量逐年递增，维持项目的盈利状态，其符号为正。

透过数据可以分析出梅观高速在运营期间主要发生了原材料价格上涨、道路大范围检修更新、市场需求变化、通行费率降低、税率优惠减少这5种风险，并未发生项目公司违规、服务质量差、政府补贴不足、运营水平低的风险。对比3.1节根据实际事件识别出的5个风险因子，结果基本符合。只有市场需求变化这一风险因子在3.1节的识别中显示项目存在市场需求量下降的风险，但定量分析结果显示，市场需求存在变化且是好的影响，但并没有显示出下降。现给出风险因子贡献值如表8。

表8 风险因子贡献值

根据拟合曲线分析可知，对于深高速来说，净利润在近年呈现下降趋势，选择在2014年将梅观高速提前终止是正确的决定。从拟合曲线可以看出梅观高速的净利润在不断减小，表8表明失去利率优惠和原材料价格变动是两个主要原因，这两个风险属于运营方无法解决的问题，对于后期的运营存在严重的不利影响。假使梅观高速没有提前终止，项目公司只能从增加短途车收费以提高通行费率和减少道路设备更新以控制运维成本来保持净利率缓慢减小。而这两项措施很可能带来市场需求量的减小，增加另一项不利因素。因此，相对于承受如此不利的不确定性，项目公司应当提前终止梅观高速运营。

另外，根据表5数据通过时间序列的三次抛物线预测计算剩余特许经营期净利润总和为14.63亿元，远小于政府回购补偿的27亿元，更验证深高速同意提前终止的正确性。但从政府角度来说，这明显是有失公平的。然而，本文提供风险因子贡献值可以在PPP项目提前终止时有效地结合风险分担结果计入补偿额的计算模型中，按照损失责任大小来分配补偿额，避免国有资产流失。

总体而言，通过模型对运营期梅观高速的风险因子解释能够较好地符合深高速年报呈现的实际情况。

4 结 语

本文对收费公路PPP项目运营期风险进行定量分析研究，主要实现了以下作用：

(1)本研究通过偏最小二乘回归给出了净利润的预测拟合曲线，可以直观预测净利润走向，为公司制定战略决策提供实质依据.

(2)本研究得到风险因子的贡献值，贡献值有两个方面的作用：1)可以代表已发生风险的影响大小，可依据贡献值对PPP项目进行提前终止补偿分配；2)为项目公司此后的运营管理提供明确的整改方向。

(3)本研究将偏最小二乘回归应用于收费公路PPP项目领域，能够有效克服样本数据少，风险变量间多重相关性严重等一般回归分析难以解决的问题，为PPP项目风险定量研究提供了新的思路。