APP下载

PPP模式风险分析
——以北京鸟巢为例

2019-11-07刘洪武王映捷周智龙

赢未来 2019年30期
关键词:邻接矩阵鸟巢层级

刘洪武,王映捷,周智龙

四川文理学院,四川达州 635000

在我国的现阶段发展当中,存在着很多的基础建设设施项目,而这些项目多是投资金额需求巨大,且建设周期长的项目。政府在建设过程中,发挥着必不可少的作用,但是结合当下我国经济发展的局面来说,仅仅只靠国家投资,政府进行调控,大多会造成资源的高消耗,建设低效率等问题。所以对于目前的情况,大多投资经历了从侧重政府投资阶段转变为侧重私营投资,到现在发展为整个建设设施项目已经渐渐开始采用了这种政府和社会资本合作模式(PPP),这种模式是政府部门让私营企业开始参与到基础建设设施项目中来,进行共同承担相应的责任和融资风险。本文以北京鸟巢案例为例,针对PPP 模式下政府面临的风险进行调查研究,运用ISM 方法对风险因素进行分析,总结出PPP 模式下鸟巢建设中政府面对的主要风险。

1 PPP 模式特征

PPP 模式在模式上的特点就是“公私结合”,及公共部门和民营企业之间的相互工作协调。在这样的模式下,利益的相关方在相互合作的过程中也会达到彼此的利益追求,得到比预期更好的结果。在PPP 模式中,双方借用互相的优势,填补自身的不足,来呈现出最好的结果。站在公共部门的立场,将其部分特点概括如下:

(1)政府方可以通过私营企业的特点(充足的资金、管理的经验和先进的技术),弥补自身面临的问题(成本高昂、建设周期长和财政压力)。

(2)自身的管理体系的改革——双方的合作减轻了政府方单方面管理的压力,使其在管理模式上可以进行改革和创新,改变的原有的管理观念,进一步扩大政府方自身的优势。

(3)使整体风险分担更加合理,降低了政府的风险——双方共同分担项目风险,改变了公共部门以往全部独自承担风险的局面。

2 政府主体存在的风险因素

PPP 项目在实施的过程中,我们需要通过在政府风险中,对风险的分类、风险发生的概率和分析带来的后果进行分析,才能更好的确认PPP 项目中各项因素,才能够抓住项目的重点和关键。政府风险中包括政府信用风险、决策、政府决策和审批失误、政府干预、政治/公众反对等各项因素,本文多方面资料的收集将政府风险因素归纳如下:

序号 风险因素1政府信用风险2政府决策和审批失误3政府干预4政治/公众反对5政治不可抗力事件6政府官员腐败7法律变更8土地获取风险9不可抗力因素10 税收风险11 第三方延误/违约12 招标竞争不充分

表-1 政府风险

3 利用ISM 模型进行风险分析

解释结构模型法(Interpretative Structural Modeling Method,简称ISM 方法)是目前结构化数据模型的一种,广泛的运用在各项系统结构工程当中。他可以将复杂的结构数据结果,分解为较小的子集合,是结合人们的主观经验和理论分析,构建的一个多层级模型。该模型通过定性分析,可以讲各种模糊不清的概念以及数据之间的关系,转化为具有清晰结构关系模型。

本文所进行的风险种类分析,就是利用这种多级递阶结构模型的特点,来直观清楚地反映风险因数之间的结构关系。本质上来说就是将无序的静态的系统,利用各个风险因素之间的关系,揭示内部的结构关系,具体建模程序如下:

3.1 确认风险因素之间的关系,建立邻接矩阵

将各个风险因素用字母进行代替,将不同的风险因素记做Fi(i=1,2,3,……),

建立矩阵,如果要素Fi 对Fj 有影响时,矩阵元素aij 为1,要素Fi 对Fj 无影响时,矩阵元素为aij 为0。

该邻接矩阵表示出各个风险元素之间的互相影响程度,这里通过表-2 邻接矩阵模型进行说明。

如图所示,a12 为1,则表示F1 对F2 有影响,其他元素同理。

表-2 邻接矩阵

3.2 根据邻接矩阵,推导出符合条件的可达矩阵

可达矩阵需要满足如下运算规则:首先,确认一个单位矩阵(对角线元素为1,其余元素为0),根据布尔矩阵运算法则可以证明:(A+I)2=I+A+A2、(A+I)3=I+A+A2 +A3,同理可以证明(A+I)k=I+A+A2 +……+Ak(k 为大于0 的实数)

如果系统A满足条件(A+I)k-1 ≠(A+I)k=(A+I)k+1=M,则称M 为系统A 的可达矩阵。可达矩阵表示一个要素到另一个要素是否存在连接的路径,可达矩阵元素只能为1 或0,表示有无联系。

3.3 对可达矩阵进行分解

可达集合R(Si):可达矩阵中要素Si 所对应的行中,如果里面有含1 的矩阵元素,那么其所对应的列就是其所代表的要素。代表要素Si 到达的要素。

先行集合Q(Si):可达矩阵中要素Si 对应的列中,如果里面有含1 的矩阵元素,那么其所对应的行就是其所代表的要素。代表可到达Si 的要素。

取可达集合和先行集合的交集A=R(Si)∩Q(Si)

例如表-3 为表-2 的可达矩阵,表-4 为其可达集合与先行集合及其交集表,表-4 表示出了各个因素之间的层级关系

表-3 可达矩阵

表-4 可达集合与先行集合及其交集表

(1)层级分解,通过层级分解,可以使本来较模糊的数据结构,转化为较为清晰的结构关系,并确定各要素之间的层级关系,以获得最重要的要素。

根据上述的表-4 进行层级分解,根据条件R(Si)∩Q(Si)=R(Si)来进行抽取。

表-5 抽出3 后的结果

如表-4 i=3 是满足条件,得到表-5 抽出3 后的结果,又发现i=2 符合条件继续抽出,最后得到系统的最底层表-6,该要素则是引起整个系统中的根本原因。此时F1 即为最底层的影响要素,也是最重要的影响要素。

i R(S1) Q(Si) R(Si ∩Q(Si )

表-6 最底层表

根据ISM 模型,就可以实现对在本文风险分析的基础之上,进一步的深入地探究各个影响因素之间的关系,进而清晰的讲分析结果呈现出来。

4 案例分析

4.1 项目概述

2008 年北京奥运会主场馆,被定为国家体育场的“鸟巢”,鸟巢是我国首个运用PPP 模式并由社会资本建设和运营的大型体育馆项目,项目总投资31.39 亿,总占地面积21 公顷,面积25.8 万平方米。项目于2003 年12 月开工建设,2008 年6 月28 日正式竣工。

鸟巢面向全球开展的社会资本方公开招标曾经引起了全世界的广泛关注,30 多个国内外投资者或联合体购买了标书,但实际参与投标的联合体只有3 家。最终中信集团公司等四家国内外企业组成的中信联合体,项目特许经营期30 年。

在此次项目中,北京市政府出资58%,中信联合体出资42%,建立以中外合资经营方式组建的项目公司,负责“鸟巢”的全程建设及投资融资工作。

2009 年8 月29 日,北京市政府与中信联合体签署《关于进一步加强国家体育场运营维护管理协议》,对项目公司进行了股份制公司改造: 签署后改造为股份制公司,北京市政府持有58%公司股权,中信联合体成员放弃30 年特许经营权而改为永久股东身份,持有42%的股权。这标志着“鸟巢”由PPP项目变为中外合资经营公司。

风险识别 影响因素介绍S1 金融融资及成本难度银行利率、汇率变动及通货膨胀和项目信用担保造成的影响,以及运营阶段无外资注入S2 运营期盈利风险 商业运营无计划导致无盈利S3 征地拆迁风险 土地使用权获取困难,获得的时间和成本超预期

S4 收费标准调整风险 市场价格的变化S5 环保风险 设计变更、成本增加或工期延误S6 项目审批风险 决策过程不透明、项目审批程序复杂

4.2 风险识别

表-7 风险识别及其介绍

4.3 风险分析

根据在本案例风险识别中所总结出来的主要政府风险种类,对其进行逻辑数据分析,这里我们依旧结合上文中所解释的解释结构模型法和系统性风险分析,对这些因素相互交叉关联的关系进行逻辑梳理。得到以下图标数据(邻接矩阵用B 表示,可达矩阵用C 表示)

(1)根据以上原则得邻接矩阵B(表-8)

表-8 邻接矩阵

(2)根据运算,得可达矩阵——C=(B+I)4(表-9)

表-9 可达矩阵

(3)最后经过层次分析得到最终结构模型(表-10)

表-10 最终结构模型

通过层级我们可以得到,金融融资及成本难度和运营期盈利风险是最高水平的风险,这两个风险的水平高低也对项目以及最终受益产生很大程度上的影响。所以,在进行相关管理和运营策划面对风险影响因素时,可以提前制定相关措施,减少相关损失。在分析过程中,也发现环保风险也是较为高水平的风险,这方面影响主要体现在生产成本的投入而降低项目的预期收入,这表明我国企业也需要开始加强关注工业项目对环境造成的影响。

4.4 提出建议

(1)加强政府的PPP 风险管理意识

(2)明确政府在PPP 模式风险管理中的角色

(3)相关法律法规的完善

(4)PPP 项目的管理及风险的分担都需要专门的人员去妥善处理,我国目前正处于PPP 项目初级阶段,继续人才的引进和对相关人员的培训,结合我国现状,PPP 项目人才建设可由政府负责专门人员到国外进行学习,吸取国外经验教训、引进国外专业人才和技术方法,理论与实践相结合。

5 结语

PPP 项目在未来建设中的应用会越开越多,风险管理仍是建设中的重点,PPP 项目基本都是大型的基础设施,这类项目往往具有资金投入大,回收期长,参与单位多的特点,我国的大型基础设施建设大多由政府主导投资经营,政府承担了较大的风险,本文将政府风险一一例举并提供相关建议,随着经济水平的发展,PPP 项目在未来一定会更加成熟,政企达到合作共赢的结果。

猜你喜欢

邻接矩阵鸟巢层级
轮图的平衡性
军工企业不同层级知识管理研究实践
基于军事力量层级划分的军力对比评估
鸟巢
重回鸟巢
基于邻接矩阵变型的K分网络社团算法
任务期内多层级不完全修复件的可用度评估
Inverse of Adjacency Matrix of a Graph with Matrix Weights
打联赛 去鸟巢 看中网