基于熵权—云模型的江苏新能源汽车产业风险评价研究

曹艳秋，曹冬艳

(南京航空航天大学金城学院，江苏南京211156)

一、 引言

新能源汽车产业是江苏省“十三五”战略性新兴产业发展规划中重点发展的产业之一，其产业链条长、关联度高、带动性强，可带动江苏省上下游产业发展，是江苏未来经济的增长点。 然而，目前新能源汽车产业在发展中还面临着较大的技术、资金、市场、政策等风险，如不及时规避，对整个产业乃至全省经济都将产生巨大影响。 论文针对产业风险的模糊性和随机性特点，将云模型引入产业风险评价，提出熵权—云模型的产业风险评价方法。 熵权法用于确定各风险评价指标体系的权重，云模型用于对产业风险进行评价。 论文从内生性和外生性视角，筛选适合新能源汽车产业的内生性和外生性风险评价因子，构建产业风险评价指标体系。 并基于熵权—云模型对江苏省新能源汽车产业进行评价，根据评价结果提出产业风险防范对策，以促进产业的可持续发展。

二、 研究方法

(一)熵权法

熵权法是一种确定权重的比较客观的方法，其原理是根据获得的信息来分析各个指标的变异程度。 利用信息熵计算每个指标的熵权，从而确定各个指标的权重。 在论文构建的新能源汽车产业风险评价指标体系中，各风险因子的权重由影响该风险的信息量决定。 若各专家对某一指标的争议较大，则说明该指标的信息量较多，其权重较大。

(二)云模型理论与算法

云模型是用语言值表示的某个定性概念与定量表示之间的不确定性转换模型，它把模糊性与随机性结合在一起。云模型有三个数字特征，分别是期望Ex、熵En、超熵He。 期望Ex是云滴在论域空间分布的中心值，表示所有云滴的中心。 熵En是对定性概念不确定性的度量，由事物的模糊性和随机性共同决定。 超熵He反映云滴的离散程度以及隶属度的随机性变化。 云模型的特征值如图1 所示。

图1 云模型及其数字特征

(三)基于熵权和云模型的风险评估方法

论文把熵权法和云模型结合，构建基于云模型的新能源汽车产业风险评价模型。 首先，通过专家调查法调查各风险因子在产业风险中的重要性程度，并根据熵权法确定各指标的权重。 其次，构造云模型的隶属度函数，用云模型的3 个特征值——期望、熵和超熵，反映风险因子与风险等级的隶属度关系，利用正向云发生器对云模型进行一系列计算，得到各项子风险因子的云滴分布。 最后，结合各风险因子的权重，利用综合云发生器计算主风险因子及产业风险的特征值，以得到各项风险的云滴分布。 基于调查问卷分析结果，对江苏省新能源汽车产业风险进行评价，最后有针对性地提出完善对策。

三、 基于熵权—云模型的江苏省新能源汽车产业风险评价

(一)产业风险等级划分

邀请行业内20 位专家分别对“低风险”“较低风险”“中等风险”“较高风险”和“高风险”赋值，计算每一等级风险的期望、熵和超熵(见表1)，并运用云模型中正向云发生器生成风险等级云图(见图2)。

表1 产业风险等级云模型特征值表

图2 产业风险等级云图

(二)风险评价指标体系构建及权重确定

内生性风险即产业自身面临的风险，外生性风险即产业外部环境风险。 内生性风险来源于产业自身基础与能力，当自身发展能力不足或存在某种管理缺陷就会产生内生性风险。 外生性风险来源于产业的外部，由产业所处的政策法律环境、市场环境等产生的风险。 论文将内生性风险细分为基础性风险、结构性风险和网络性风险。 新能源汽车产业基础性风险即由于新能源汽车产业发展的基础状况差异所导致的风险，主要包括技术创新风险、融资能力风险和产品生产成本风险。 新能源汽车产业结构性风险即静态观察产业时，产业内不同规模企业的构成、产业链构成、区域分布等结构性因素可能导致的风险，主要包括市场集中度风险、燃料来源风险、区域分布风险和产业链风险。 新能源汽车产业的网络性风险即为在主体、资源、行为所构成的网络中，因产业处于发展初期，由于资本、技术、信息、人才和物资资源的缺乏，在主体和资源的交互过程中，造成信息不对称、对未来预期的不确定等问题，主要包括不正当竞争风险、不完全契约风险和道德风险。 外生性风险细分为政策风险、市场风险和环境风险。 政策性风险是由于政策的不稳定性、不协调性等对产业发展的影响，主要包括政策稳定性风险、政策连续性风险和政策及时性风险。 市场风险是市场因素的变化对产业发展的影响，如国际新能源汽车的竞争、被传统汽车替代以及新能源汽车作为一个新兴产业能否被消费者接受等，这些因素都影响产业的发展。 市场风险主要包括国际竞争风险、产业替代风险和消费者认知风险。 环境风险是新能源汽车产业发展所处的法律、资源、经济等环境的不确定性给产业发展带来影响的风险，主要包括法律环境风险、资源环境制约风险、经济周期风险和技术突变风险。

论文通过分析江苏省新能源汽车发展现状，比较江苏省与国外先进地区新能源汽车的发展差距，基于内生性风险和外生性风险的视角，运用专家咨询法和模糊统计法，建立适合江苏省新能源汽车产业风险评价的指标体系，通过逐层划分，形成一个包括6 个一级指标、18 个二级指标的阶梯层次结构，如表2 所示。 新能源汽车产业风险各一级指标因子和二级指标因子对产业风险的影响程度是不同的，因此需要确定每项风险因子的影响程度即权重。 论文应用熵权法确定各风险因子指标的权重，结果如表2 所示。

表2 江苏省新能源汽车产业风险因子权重表

(三)基于云模型的产业风险评价

邀请20 位江苏省新能源汽车产业领域的专家对每项子风险因子进行评分，结合各二级风险因子权重分别计算各项主风险因子的期望(Ex)、熵(En)和超熵(He)如表3 所示。

式(1)中:Ex为某一风险的期望；Ex1、Ex2、…、Exn为每个专家对该风险的评分；n为专家人数。

式(2)中:En为某一风险的熵；Exi为第i位专家对该风险的评分。

式(3)中:He为超熵，反映了产业风险评价结果的随机性和模糊性。k为常数，根据产业风险的模糊阈值范围调整取值。 其取值过大会增大评价的不确定性，通常为0.1，既能客观反映风险评价的随机性，又可以简化评价的过程。 子风险因子包括的3 个特征值的计算结果见表3。

表3 6 项主因素风险的云模型特征值

运用式(4)和式(5)可计算得出产业综合风险的期望、熵，分别为Ex＝2.5729、En＝1.0822，期望(Ex)反映了云滴的重心位置，表示风险因子隶属度的平均值；熵(En)描述了云滴的模糊性和随机性，反映风险因子权重和隶属度的可能取值范围；超熵(He)是熵的熵，描述云的厚度，反映云滴的离散程度，表示各项风险因素偏离隶属度平均值的情况，运用式(3)，H1取值0.1。 由各项风险的3 个特征值，运用MATLAB软件可得到各项主因子风险的云模型图以及综合风险对比云模型图，见图3。

图3 江苏省新能源汽车产业风险云图

(四)评价结果分析

从整个产业来看，其风险期望为2.5729，综合风险云图位于中等风险云图与较高风险云图之间，因此综合风险级别为中等偏高风险，且非常接近较高风险。 外生性风险权重为0.5447，内生性风险权重为0.4523，外生性风险对产业风险的影响大于内生性风险。

四、 对策建议

从以上分析可以看出，内生性风险中的基础性风险以及外生性风险中的政策风险和市场风险属于较高风险。 因此，江苏省新能源汽车产业从内生角度要加快技术创新、增加资金投入、提高企业生产效率等；从外生角度要完善政府扶持政策、加快市场机制建设等，以防范产业风险。 江苏省新能源汽车产业面临着较高的政策风险，新能源汽车产业因为是新兴产业，所以对产业政策过度依赖，因此，应降低政策风险，要让社会认知新能源汽车的好处，引导广大消费者接受并购买和使用新能源汽车，让产业尽快由依赖政策型发展成市场导向型的产业。 加快市场机制建设，健全风险承担机制，推进新能源汽车积分政策的加快实施，是促进产业可持续发展的必要手段。

五、 结论

发展新能源汽车产业，对减少温室气体的排放、应对全球气候变暖、改善全球生态环境都具有重大意义。 而江苏省新能源汽车产业发展过程中面临较高产业风险，因此，及时对产业进行风险评估并有针对性地规避，是促进产业可持续发展的必要手段。 然而，目前没有完善的评估方法来对产业风险进行定量评价。 因此，论文建立了一个可以有效评价产业风险状况的评估模型。 研究结论表明江苏省新能源汽车产业的风险等级为中等偏高风险，且非常接近较高风险。 应从加快新能源产业技术创新、完善政府扶持政策、健全风险承担机制等方面降低风险。