基于证据推理综合管廊PPP模式融资风险评价

刘凯，张连强，王鑫，龚黎明

（1.中国建筑第八工程局有限公司上海分公司；2.吉林建筑科技学院市政与环境工程学院）

1 引言

城市基础设施PPP项目融资风险体现在项目全生命周期，从前期合法合规性手续办理到建设阶段分次提款，再到运营期的按时足额还本付息以及移交阶段的质押解除，都存在着风险[1]。按照风险源分类，城市基础设施PPP项目融资风险主要来自政治、经济及工程建设三个方面。

国内关于综合管廊的建设发展起步较晚，相对成熟的项目比较少，由于一些项目融资过程中风险因素的偶然性，项目主体的差异性等特点，所以融资风险的管理对于PPP项目的成败至关重要。Lakshya[2]通过识别交通流量和项目成本等参数研究PPP模式基础设施项目融资风险，提出针对公路建设融资风险管理策略。Vikas[3]研究客观性地分析印度等经济体PPP项目融资所涉及的风险，并根据巴塞尔协议II的建议指出PPP模式应通过合理的融资组合来减轻政治，监管和法律方面带来的风险。Diana[4]建议政府与社会资本双方应具有明确的责任和融资风险分担，以满足特定的公共需求。DuJian-cheng[5]通过对PPP模式政府，社会资本和债权人的利益结构出发，建立以内部收益率和偿债覆盖率的优化目标函数，并利用蒙特卡罗模拟将得出最优的资本结构，为社会资本，贷款人和政府方面提供融资决策依据。Istemi[6]通过SPSS和Nvivo分析数据表明：PPP模式融资风险范围非常广泛，对于社会资本而言最有效的办法是通过保险或者是转移给分包商。在考虑到公私合作的长期性时，为避免融资风险、保持良性竞争，应加大对于熟悉的项目和熟悉的部门合作。李蒙[7]通过对高速公路PPP项目中融资风险、项目股本结构进行分析,针对PPP项目融资中合同谈判、融资风险、资金筹集提出解决措施。宋健民[8]通过社会资本方视角,利用AHP层次分析法确定政府职能、政策调整、融资环境等关键风险因素。吴孝灵[9]构建了PPP+P2G融资风险的综合评价模型,并针对P2G投资模式的特点，建立PPP+P2G融资风险的响应机制。赵佳[10]指出综合管廊PPP模式融资风险管理的八大主要风险因素，利用RFRM法对融资风险因素滤；并建立了融资风险分担机制，给出相关建议。

综上所述，对于管廊项目中相关的法律不健全、入廊积极性不高、项目体量大、回收投资难等原因，并且因其地下施工的特殊性及建成后多方入驻的复杂性等问题；管廊项目的推进出现瓶颈。依据项目利益相关方及项目所带来可预见的及不可预见的各种风险，提出了基于证据推理的城市综合管廊PPP模式融资风险评价模型，主要是利用OWA(Ordered Weighted Averaging)算子赋权来纠正评价主观赋权时出现极值偏差的影响，通过两维语义提高融资风险的准确度，其次，并利用ER（Evidential Reasoning）证据推理算法集成评价信息，确保PPP项目融资风险评价的准确性和科学性。

2 融资风险评价指标体系及指标权重的确定

2.1 融资风险评价指标体系的建立

评价指标体系的确定对评价结果的影响至关重要。依据财政部及发改委PPP项目库中公布的PPP模式综合管廊落地项目，在参照财政部文件《政府和社会资本合作模式操作指南(试行)》中PPP项目操作的5个阶段，19个步骤的基础上，确定融资额度、融资构成等融资风险的24个因素作为二级指标，并根据因素间的联系和共同点将这24个因素划分为融资结构、项目自身情况、政府管理、社会资本以及外界客观因素5类作为一级指标，建立PPP项目融资风险评价指标体系如表1所示。

表1 PPP项目融资风险评价指标体系

2.2 指标体系各层指标权重的确定

OWA算子是利用离散数据集成技术形成的系统确定权重的方法，该方法能够纠正主观评价时对于指标赋权产生的极值偏差影响，确保评价结果的准确性。PPP模式应用综合管廊项目在融资风险管理中，风险因素的量化及确定权重具有灰色、模糊的特点，为削弱信息不全面情况下而造成的指标赋权的偏差，采用OWA算子对决策数据进行排序，运用组合数减小离散数据极值的影响，确保赋权结果准确。其赋权步骤如下。

1）决策数据获取和排序

为提高评价体系的科学性，邀请行业专家组对指标 ai风险程度进行打分量化，得到初始决策数据 xij(其中：i = 1,2,3,… , m ，m为指标数；j=1,2,3,...,n，n为专家人数)，为削弱专家打分时主观赋值产生的离散数据偏差的影响，对初始决策数据 xij进行重新排序，得到新的决策数据序列{ yk}：y0≥ y1≥ y2≥ y3≥…≥ yn-1。

2）组合数赋权确定序列 {yk}：

式中：δk表示序列 {yk}中第k个数的权重。

计算指标 ai的实际权重值：

对评价体系中的一级指标、二级指标进行有序组合数赋权后，即可确定整个评价指标体系的权重值。

3 构建城市综合管廊PPP项目融资风险评价模型

3.1 构建风险评价的两维语义信息

考虑到专家对于评价对象的认知程度对评价结果的准确性产生影响，所以引入两维语义评价信息减小专家对融资风险的认知偏差。在第一维语义信息Hn( n = 1,2,… , N)（ Hn表示专家对风险指标的认知判断，包括风险程度较大、风险程度一般、风险程度较小）；第二维语义评价信息 Ft( t = 1,2,…, T )( Ft表示专家对风险指标的认知程度，包括熟悉、基本熟悉、不了解)；由此构成两维语义评价信息( Hn,Ft)对融资风险指标进行赋权。

3.2 两维语义评价信息的组合赋权

3.2.1 主观权重的计算

将专家对风险指标的认知程度 Ft量化。当参与评价的专家组中存在X个专家，其中任意一位专家 Ei对融资风险指标的认知程度经打分量化后，给出的值为 pi，则可以确定该专家 Ei的主观权重值 ui为：

3.2.2 客观权重的计算

考虑到专家对风险指标的认知判断，通过转换专家对同一风险指标的认知判断间的距离量化。对评价体系中认知等级 H1, H2,… , HN分 别 赋 值 h1,h2,…, hN，则风险指标的认知判断间的距离量化结果为：

其中，任意两个评价等级 Hi间的距离量化满足：

②当评价信息 xi和 xj一样时，di,j= 0；

对于专家之间存在相似性情况，则可以认知距离量化规定专家i与专家间评价信息距离为 di,j，则不同专家认知相似性测度可定义为：

其中：S im( i,j)及 si,j表示专家i和专家j认知评价的相似性测度。

则在专家库中不同专家对于融资风险认知的相似性测度矩阵SM表示为：

为确保整个专家组对融资风险认知的准确性，建立任意专家与同专家组之间的可靠度函数 Re l(i):

则任意专家对风险指标评价可靠性客观权重表示为：

其中：vi表示任意专家i对风险指标评价可靠性客观权重。

3.2.3 专家主客观权重的组合

由此构成两维语义评价信息( Hn,Ft)对于不同专家对于融资风险的认知判断和认知程度之间的组合权重为：

其中：ωi为不同专家对于融资风险的认知判断和认知程度之间的组合权重。

3.3 ER证据推理的风险指标评价信息合成

证据推理ER(Evidential Reasoning)算法是针对在多指标综合评价中考虑到评价体系不同层面评价信息的权重进行集成，转化为更为准确的评价信息证据。

3.3.1 证据推理描述

4 案例分析

4.1 项目概况

项目属于市政工程公共服务领域类项目，所属行业为地下综合管廊行业。项目合作期30a，其中建设期5a。新建并运营地下综合管廊80.96km（不含管线）。项目总投资657000万元，采用可行性缺口补助的回报机制。项目当前处于执行阶段，尚未进入运营期。本项目资本金及贷款比例约为2:8。项目资本金部分由中选社会资本和政府出资代表按照在项目公司中的股比支付。根据项目公司融资的需要，若需要股东担保，则由社会资本提供，政府方不提供担。

4.2 确定融资风险评价指标体系权重

根据吉林省PPP项目库专家对城市地下综合管廊的认识，邀请5位专家对融资风险指标权重进行打分，其中：工作经验15年以上4人，工作经验10年以上1人；正高级职称4人，副高级职称1人；硕士以上学历5人。在融资结构、项目自身情况、政府管理、社会资本以及外界客观因素指标体系中，以融资结构一级指标下的权重计算为例，其专家评分情况见表2:

表2 权重决策评分

4.3 构建两维语义框架并确定转换函数

4.4 城市综合管廊PPP项目融资风险评价

1）组合权重。对认知程度等级“熟悉”“基本熟悉”“部分熟悉”分别赋值3，2，1，确立主观权重iu;对认知评判等级“不重要”，“比较不重要”，“比较重要”，“非常重要”分别赋值1，2，3，4，由式 (5)～(8)求出客观权重iv;并根据式(9)确定各指标评价信息的组合权重iw。其权重计算结果如表3所示。

2）转换为证据体。将融资风险中认知评判等级n和认知程度等级t带入式(16)，其转换的可靠度结果如表3所示。

3）合成专家组的评价信息。将的组合权重和可靠度结构代入式(10)～(15)得出综合评价信息。其合成结果如表3所示。

4）合成城市综合管廊PPP项目融资风险评价结果。将各一级指标的权重和综合评价信息代入公式（10）～（15）即可得出目标属性的综合评价信息{( H1,0.066) ( H2,0.421) ( H3,0.426 ) ( H4,0.049)}，即该PPP项目的融资风险较大。再结合表4数据可知，该PPP项目的一级指标融资结构()、项目自身情况 ( a2)和外界客观因素 ( a5)均属于风险较大的范畴；以及在二级指标中对于融资额度 ( a11)、融资利率 ( a12)、融资期限 ( a14)、项目折现率 ( a22)、法律法规制度 ( a54)属于风险较大的影响因素。各综合指标的评价信息如表3所示。

表3 指标评价情况

5 结论

本文利用ER证据推理算法集成评价信息，确保PPP项目融资风险评价的准确性和科学性。为城市地下综合管廊项目PPP模式融资风险管理提供了行之有效的解决思路。并对吉林省T市某地下综合管廊工程应用PPP模式案例评价可知，该地下综合管廊PPP项目融资风险较大，对于一级指标融资结构、项目自身情况和外界客观因素均属于风险较大的范畴；以及在二级指标中对于融资额度、融资利率、融资期限、项目折现率、法律法规制度属于风险较大的影响 因素。

针对综合管廊PPP项目融资风险，应整合融资方案，强强合作，降低银行融资风险。一方面通过与多家不同类型的银行签订银团贷款协议，利用各家银行的资金优势，保证了项目的正常资金需求，分散了融资风险。另一方面，在国家财政政策和货币政策发生不利变化时，有多家银行的资金支撑，能增强项目抵御政策风险的能力，也能保证项目资金需求，降低融资风险。