“一带一路”沿线国家投资政治风险比较研究*

桂 萍， 李 蕾

(武汉理工大学 管理学院，武汉 430070)

一、 引 言

自2013年“一带一路”倡议提出以来，收获众多国家的响应，实施效果显著。在后疫情时代世界经济发展普遍疲软的总体态势下，为沿线国家的发展注入了新的动力。“一带一路”倡议收获沿线国家积极响应的同时也面临着诸多困难与挑战，其中政治风险在“一带一路”沿线国家的投资风险中占据主导地位。中国在“一带一路”沿线国家投资面临的政治风险严峻复杂，对沿线国家的投资成败有至关重要的影响。投资者需要对沿线国家面临的政治风险进行比较评价，优化投资战略，推动“一带一路”高质量发展。

目前学术界对于政治风险的界定并没有标准的定义。Robock[1]认为政治风险具有动态性、离散性以及不可预测性，通过改变特定的商业环境来对企业的收益造成损失。Kobrin[2]将政治风险与社会冲突以及暴力、恐怖袭击事件相等同。Jeffrey[3]将政治风险定义为东道国内部或他国所导致的政府或社会的某项决策。国内学者李梦茜[4]认为政治风险是东道国发生的政治事件或者在与其他国家进行交往的过程中可能发生的变化而对投资主体所造成的风险。景璟[5]在风险管理框架下将政治风险定义为由于东道国国家内部社会环境和国家外部周边政治环境的变化，对在该国内进行一系列经营活动所产生的损失。刘昊[6]总结出政治风险是企业海外投资国中受东道国政治因素影响而造成的生产经营损失的风险。陈雅卿[7]将政治风险具体归类为政局不稳风险、大国影响风险、社会动荡风险等方面，认为“一带一路”所经国家地区和投资项目都具有其特点，政治风险高并不意味着投资吸引力低。

各机构对政治风险的评价指标也不同。欧美等发达国家有丰富的对外投资经验，可以借鉴其发布的一些政治风险指数，如BERI政治风险指数是由相关国际银行专家对政治分裂程度、宗教分裂程度、执政能力、社会关系、社会环境、政治激进可能性以及敌对势力或其他负面影响打分，并通过专家最终进行分数的确定以及风险等级的划分。ICRG评估方法对政治、金融、经济等三类风险进行评估，其中政治风险里设定了政治稳定性、社会经济环境、投资情况、内部矛盾、外部矛盾、腐败、军队干预政治、宗教关系、法律、种族、民主问责、行政机构等，对十二项指标分别赋予相应的分值，并对风险等级进行划分。在此基础上，世界银行推出全球治理指数(WGI)来衡量政治风险，主要从言论自由和问责权力、政治稳定及暴力事件发生情况、政府职能效率、权利约束监管程度、法律规则执行程度、控制腐败力度六个角度衡量，其数据权威，现有研究大多是基于此而作延伸。

国内外各个学者运用不同的模型与方法对政治风险进行评价。Meadow[8]等采用宏观分析的方法提出了政治制度稳定指数，包括社会经济特种指数、社会冲突指数、政府干预指数。钟芳芳[9]等运用主成分分析和BP神经网络模型进行研究，并细分出政治稳定性、民主水平、透明度和腐败水平、法治环境、开放程度、经济发展水平等指标体系对数据进行因子分析，最终得到各国相关指标年度政治风险得分，并通过得分将政治风险分等级。孟凡臣[10]等在前面学者的模型基础上，采用熵值法确定比例，用实际数据运算后再结合实际情况进行评级分析，算出我国对外风险等级测评。丁峰[11]在对政治风险测评以及影响因素的研究中指出，最常使用的10个政治风险指标来源于国际国家风险指南(ICRG)、全球治理指南(WGI)、经济自由度(IEF)、国际透明组织的清廉指数等，再以WGI以及ICRG等部分指标为基础，通过主成分分析模型构建了中国对外投资的政治风险指数。

目前，对于“一带一路”政治风险评估和影响研究较为丰富，但针对东道国政治风险比较研究还较少，鉴于此，本文在已有的研究基础上，选取世界银行发布的全球治理指数中政治风险指标，以2012-2020年间中国对外直接投资流量额均值大于2000万美元的22个国家为样本对象，采用因子分析模型，对东道国政治风险进行比较分析，以便为中国对“一带一路”沿线国家投资提供防范风险的指导意见，推动“一带一路”高质量发展。

二、 “一带一路”沿线国家投资的政治风险现状

2020年，受新冠肺炎疫情的严重冲击，世界经济萎缩3.3%，自2009年以来首次出现负增长，全球货物贸易萎缩5.3%，外国直接投资较上年减少近四成。尽管受新冠疫情影响，中国在全球主要经济体中唯一实现了经济正增长，2020年中国对外直接投资流量1537.1亿美元，首次位居全球第一。

(一) “一带一路”投资规模

总体来看，“一带一路”实施成效显著，“一带一路”战略对中国经济发展的意义可见一斑。根据表1可以看出，自2013年起，中国对“一带一路”沿线国家投资总量总体呈逐年上升趋势，2016年达到峰值，直接投资流量为1961.50亿美元，近三年因经济形势的变化，中国对外直接投资总额下滑，但占对外投资流量的比重相对稳定，占比在13%左右。截至2020年，中国对“一带一路”建设项目投资规模达到新高，对“一带一路”沿线国家投资流量为225.4亿美元，占比14.66%，同比上升7.46%，2020年中国对外直接投资分别占全球当年流量、存量的20.2%和6.6%，流量位列按全球国家(地区)排名的第一位，存量列第三位。

表1 2013—2020年中国对“一带一路”沿线国家直接投资流量

(二) “一带一路”政治风险现状

“一带一路”沿线国家包括：东北亚、东南亚、南亚、中亚、西亚北非、中东欧6个地区，涵盖众多国家，大国之间战略角逐，地缘政治争夺不断、历史与现实问题夹杂等因素，导致各个国家和地区的政治环境复杂，给“一带一路”沿线国家投资带来较大的不确定性。

受全球经济放缓及疫情影响，“一带一路”沿线国家整体风险普遍上升，政治风险显著抬升，普遍面临经济下滑、货币贬值以及债务攀升带来的政局动荡。

东道国内部的暴动、党派之争甚至政权更迭等因素会引起政治动荡。东道国政局动荡带来的风险是跨境投资者面临的最为严峻的政治风险，不仅使投资者的经济利益遭受损失，还将威胁员工的生命安全。“一带一路”沿线国大多为正处于发展初期或转型期的国家，部分国家政治体制尚未健全、政治环境稳定性弱，存在较大的内部政治失序风险。“一带一路”包括了地缘政治最为复杂的一些区域,部分国家政局动荡、政策频繁变更,大国角力形势复杂,民族和宗教冲突频繁，恐怖主义活动频发，给“一带一路”沿线的投资活动带来巨大的不确定性因素。中亚多国政治过渡和社会转型前景不明，“颜色革命”、“老人政治”会对投资者造成很大困扰。东南亚地区局势整体稳定，但面对错综复杂的国际形势，东南亚国家也出现了一些令人堪忧的信号，如部分国家的极端宗教主义和分裂势力有所升温，政治和社会体系复杂、基础设施建设落后、安全风险加大和国际博弈等诸多挑战。南亚地缘基本特征是印巴对峙，严重阻碍“一带一路”地区性计划的执行，如印度就坚决反对中巴经济走廊建设。中东地区历来是恐怖主义孳生的温床，极端恐怖势力强大，不时发生恐袭事件，对中资企业执行项目建设任务构成严重安全威胁。西亚北非地区的地缘政治博弈与族群和教派矛盾复杂，中央与地方利益严重冲突，导致境外中资企业有些项目不得不中止执行。

腐败问题也会严重影响政治局势的稳定。对外直接投资中可能出现的腐败问题又可以分为两类：一类是政治腐败，即行政人员在政策制定过程中产生的寻租行为；另一类是行政腐败，即政策项目在执行过程中产生的寻租行为。“一带一路”沿线国家多为发展中国家，基础设施尚不完善，行政软件、硬件系统也不够完备，行政效率低下，腐败问题严重，给我国在“一带一路”沿线投资造成巨大压力。世界腐败指数每年会对全球各个国家与地区的腐败控制程度进行评分。整体来看，“一带一路”沿线国家对腐败的控制并不好，除了新加坡等极少数国家以外，大多数国家都存在相对严重的腐败问题。

三、 “一带一路”沿线国家投资政治风险比较

(一) 政治风险的界定

虽然对于政治风险的界定各位学者有不同的看法，但可以总结出一些共性。在此基础上，定义政治风险是东道国政治环境变动导致投资面临损失的可能性，衡量的是一国政局的稳定性、权威性和治理能力。从政治因素看，东道国社会环境是否稳定将严重影响着投资的风险与安全，若东道国发生内部冲突，如国内民族争端或宗教争端等，或发生外部冲突，如与他国的战争等，会使国家处于持续的政治动荡之中，社会无基本秩序可言，将严重损害社会的治安、交通、通讯等基础设施，威胁企业财产安全与工作人员的人身安全，跨国企业无法正常运营或不得不陷入经营停顿或终止。

(二) 指标体系的构建

遵循全面性、科学性、系统性、指标可量化性和数据可获得性的原则，构建评价指标，如表2所示，政治风险将采用6个子指标，衡量一国的政治风险，数值越大，表明政治风险越低；数值越大排名越靠前，表明较低的政治风险会降低对东道国投资受损的可能性。

表2 政治风险指标

(三) 样本国家的选择

根据数据可得性原则，选取2012-2020年间中国对外直接投资流量额均值大于2000万美元的22个样本国家，具体选取国家如表3所示。

表3 “一带一路”沿线主要国家

(四) 评价方法及过程

根据数据的可获得性以及研究目的，本文将对“一带一路”沿线的22个样本国家进行政治风险比较评价，采用因子分析法，使用的分析软件为SPSS21，数值越大，风险越低，东道国政治风险排名越靠前。

1.评价方法。在对样本国家投资政治风险进行评价时，采用因子分析法从评估指标中找到影响样本国风险的关键因子即公共因子，并用这些公共因子的得分FAC作为衡量样本国风险大小的基础。

(1) 基本模型

假设选取N个样本、P个指标，(x1,x2,x3,…,xn)为随机变量，我们所需计算的公因子则是F=(F1,F2,F3,…,Fm)T，而X=(x1,x2,x3,…,xp)是可以计量的随机向量，其中E(X)=0，协方差阵Cov(X)等于矩阵R。F=(F1,F2,F3,…,Fm)T为不可测量向量，其中均值向量E(F)为零，而协方差阵Cov(F)=I则说明向量中每一子分量彼此并立。ε=(ε1,ε2,ε3,…,εn)这一向量则独立于F，E(ε)=0，即ε的协方差阵Σ为对角矩阵，说明各分量从属于向量但又彼此没有关联。综上可以得出因子分析模型如下:

x1=a11F1+a12F2+…+a1mFm+ε1

x2=a21F1+a22F2+…+a2mFm+ε2

...

xp=ap1F1+ap2F2+…+apmFm+εp

我们称矩阵A=(aij)为因子载荷矩阵，其中aij为因子载荷，本质上代表了公因子Fi与变量xj的关联系数。ε则表示除公因子外影响因子带来的变量上的差距的特殊因子，而这种差距一般情况下是可以忽略的。

(2) 基本步骤

第一，将原始数据标准化。数据标准化是通过选取适当的指标或将逆向指标正向化，消除指标间数量级和量纲上差异带来的影响；

第二，进行KMO检验，判断其是否适用于因子分析法。因子分析的前提是建立在各变量彼此相关但又批次独立的基础上，而Bartlett球形通过验证单位矩阵进行因子分析，KMO检验是建立因子范围值测量各变量的相关程度，即数值越大，因子分析应用成效越高。若KMO≥0.5，则说明此数据可以作因子分析，若KMO≥0.7，则表明采取因子分析法得出的结论更为恰当。

第三，确定公因子。通过SPSS21筛选出主成分，再计算出各因子的初始特征值，反映其相应的贡献程度的方差贡献率以及最初情况的累计贡献率。

第四，进行因子旋转。由于公因子间相互独立，因此每一个公因子都有异于其他因子的涵义，但若因子不能显著反映原始变量包含的内容，为了增强因子的显著程度，旋转原始变量，重新分配各个因子。

第五，计算公共因子得分FAC。可运用线性关系将因子得分表示如下：

Fi=aj1x1+aj2x2+…+ajnxn(j=1,2,…,n)

2.因子分析法评估过程

(1) 原始数据标准化。本文选取的指标数据来源于世界银行公布的非全球治理指数(WGI)，共有6个指标，分别为政府效能指数、政治稳定指数、腐败控制指数、监督管理指数、法治建设指数、公民参与指数，数据区间均为[-2.5,2.5],标准一致，因此无需进行原始数据的标准化。

(2) KMO检验。首先要检验各变量间是否存在相关关系，采用如表所示的KMO检验和Bartlett球形度检验的作用是识别原始数据是否满足因子分析的相关要求。根据表4看出，2012-2020年KMO度量值均大于0.7，球形度检验Sig.值均为0.000，低于0,01，这表明本文所选取的指标适合进行因子分析。

表4 KMO和Bartlett球度检验结果

本文通过描述其变量对指标的贡献程度表示其解释能力，数值范围通常介于0-1中间，且数值越大则越说明信息被解释程度高。公因子方差提取数值如表5所示，2012年-2020年初始数值均为1，通过比较发现，除2012-2014年、2018-2020年政治稳定指数和公民参与指数小于0.5之外，大多数公因子方差均高于0.8，整体的提取结果仍然是满意的，能较好地解释初始变量，如表5所示。

表5 公因子方差提取值

(3) 确定公因子。本文采用主成分分析法确定公共因子数目，并将特征值大于1作为提取公因子的标准，但选取公因子仍应根据实际情况对其进行考量，以满足因子贡献率对原始数据信息的反映。由表6所示，除2015-2017年有2个因子特征值高于1之外，其余年份均有1个因子特征值高于1，2012-2020年总累计方差贡献率均达70%，由此可以看出，本文选取的公因子可解释绝大多数初始数据中蕴含的信息。

表6 公共因子方差贡献率

同时，通过对2015-2017年各年的方差解释率进行加权处理，得到2015年成分1权重为80.479%，成分2权重为19.521%；2016年成分1权重为79.02%，成分2权重为20.98%；2017年成分1权重为80.648%，成分2权重为19.352%；

(4) 提取公因子。建立因子模型的意义，不仅是提取原始变量的问题，还在于分析新提取的变量，了解每个变量的含义，才能找到实际问题的解决方案，即确保每个变量仅在单个公因子上具有较大的载荷，而在其余公因子上具有较小的载荷。为了便于看到各个公因子与原始变量之间的载荷系数，采用最大方差法对因子载荷进行正交旋转，但由于2012-2014年、2018-2020年的成分只有一个，直接选取成分矩阵如表7所示。

表7 成分矩阵

2015-2017年提取的公因子均有两个，对初始载矩阵进行了旋转，旋转成分矩阵如表8所示。

表8 2015-2017年成分矩阵

(5) 计算因子得分。在建立因子模型后，如果将这些因子用于研究，则必须对每个样本提取的公共因子进行估计，因子得分就是这个估计值。计算因子得分需要因子得分系数，本节通过SPSS21分析得到因子得分系数矩阵，如表9所示。

表9 因子得分系数矩阵

通过因子得分系数，可以相应的表达出因子得分函数。

2012年：F1=0.225x1+0.116x2+0.208x3+0.226x4+0.226x5+0.155x6

2013年：F1=0.224x1+0.123x2+0.205x3+0.224x4+0.225x5+0.153x6

2014年：F1=0.227x1+0.124x2+0.208x3+0.230x4+0.232x5+0.143x6

2015年：F1=0.210x1-0.003x2+0.211x3+0.241x4+0.232x5+0.242x6

F2=0.129x1+0.734x2+0.043x3-0.038x4+0.029x5-0.635x6

2016年：F1=0.227x1-0.084x2+0.220x3+0.237x4+0.230x5+0.166x6

F2=0.105x1-0.696x2-0.011x3-0.102x4+0.070x5-0.670x6

2016年：F1=0.247x1-0.339x2+0.201x3+0.183x4+0.229x5-0.118x6

F2=-0.017x1-0.578x2+0.074x3+0.177x4+0.042x5+0.735x6

2018年：F1=0.226x1+0.136x2+0.210x3+0.228x4+0.225x5+0.138x6

2019年：F1=0.225x1+0.142x2+0.209x3+0.228x4+0.223x5+0.132x6

2020年：F1=0.221x1+0.156x2+0.201x3+0.223x4+0.217x5+0.133x6

(五) 比较结果及分析

1.比较结果

表10 政治风险排名

2.结果分析

从国别角度来看，2012-2020年间，投资额排名前22个样本国家中，政治风险最低的5个国家依次为：新加坡、以色列、文莱、格鲁吉亚、马来西亚，这五个国家2012-2020年政治风险均值大于0，政治风险较小；政治风险最高的5个国家依次为缅甸、伊朗、老挝、柬埔寨，其中柬埔寨投资额较多，投资均额高达3亿美元，但政治风险排名靠后。

从地区角度来看，投资额排名前22个样本国家中，东南亚国家数量较多，其次是西亚、北非。政治风险最高和最低的5个国家中，东南亚地区占大多数，西亚、北非地区政治风险最低，其次是中东欧地区，南亚地区政治风险最高。

东南亚地区的政治风险在六个地区中排名靠后，各国政治风险在区域内的差异较大，主要体现在该地区各国的法治建设和环境水平存在差异，并且各国的经济发展和政治稳定性差距大。因此，在东南亚地区投资政治风险较高。新加坡政治风险最低，排名第一，且投资额较高，吸引了中国大量投资，是中国在“一带一路”沿线国家投资的重要合作伙伴。投资额排名前五的国家均是东南亚国家，其中，排名第一的印度尼西亚和排名第二的泰国政治风险中等，排名第三的柬埔寨政治风险仅排第19位。

西亚、北非地区的政治风险在“一带一路”沿线的22个样本国家中处于较低水平。其中，以色列的政治风险最低，排在第2位。从2012-2020年政治风险均值来看，以色列政治风险较小，政府更迭平稳，政策连续性好，但不容忽视的是，以色列目前国内政治情况非常复杂，内部党派很多，但没有一个政党占压倒性优势，所以这两年其国内政治突出特点就是政局不稳。

中东欧地区的政治风险在22个样本国家中处于中等偏后水平。其中，白俄罗斯排在第14位。中东欧地区有一定的经济发展水平，法理制度完善，并且有适应的商业环境，但近年来经济增速放缓放大了贫富分化和腐败等问题，社会矛盾激化，传统政党民意支持率下降，政治碎片化愈加明显。中东欧多党制国家普遍出现传统政党式微、议会政党碎片化加剧、政府组阁艰难及政治稳定性下降等问题。

东北亚地区包含两个国家：俄罗斯和蒙古。这两个国家政治风险排名居中，分别位于第13位和第11位。该地区具备稳定的政治基础，是地区各国实现自身发展战略的有效交叉点。但历史遗留问题和复杂的大国博弈使东北亚地区矛盾风险多发，领土争端和地缘政治角力愈发突出，使得东北亚地区投资的政治风险加大。

中亚地区政治风险排名靠后，其中，吉尔吉斯斯坦排名第17位。中亚国家独特的政治体制使之具有较高的政治风险。此外，各国的经济发展水平不高，法治制度相对不完善，存在腐败现象。但中国与中亚地区的合作具有较强的互补性，双方的合作也在不断深化。

南亚地区的政治风险在22个样本国家中最高，并且，中国对其总投资额并不高。巴基斯坦和孟加拉国在南亚地区投资额最多，但政治风险排名靠后，分别位列第15名和第18名。总体来看，南亚地区的法治制度相对不完善，没有好的商业环境作为投资保障，政治不稳定并频繁发生动乱。

五、 结论与建议

(一) 研究结论

本文选取2012-2020年间中国对外直接投资流量额均值大于2000万美元的22个样本国家，采用因子分析法和spss21软件，对样本国家在2012-2020年的政治风险指标进行实证分析，得出的主要结论是：

第一，从国别角度看，2012-2020年间，投资额排名前22个样本国家中，新加坡是“一带一路”沿线国家投资中政治风险最低的国家，缅甸是政治风险最高的国家。柬埔寨投资均额排名第3位，但政治风险靠后，仅排第19位。

第二，从地区角度看，西亚、北非地区政治风险最低，其次是中东欧地区，南亚地区政治风险最高。东南亚国家2012-2020年普遍投资均额较高，但同时政治风险各国差异较大，政治风险排名靠前和靠后的五个国家中，东南亚国家居多。

(二) 政策建议

通过对“一带一路”沿线国家投资政治风险比较发现，投资额较多的部分国家所面临的政治风险却较大，同时，“一带一路”沿线国家面临的政治风险复杂多变，区域内各国家的政治风险也各不相同。因此，加强对“一带一路”沿线国家政治风险的识别和评估显得尤为重要，结合以上分析的结论，特提出如下建议以降低对沿线国家投资的政治风险，从而有效促进中国“一带一路”高质量发展：

第一，合理规划投资的区域结构。由上述分析可知，中东欧地区的政治风险较小，东南亚地区的政治风险处于中等偏下水平，但从2012-2020年间中国对外直接投资流量均值来看，中东欧地区投资均额仅为东南亚地区1.86%。对此，建议加大对中东欧地区的投资，合理规划投资的区域结构，减少因政治风险带来的投资损失。

第二，加强对“一带一路”沿线国家政治风险的识别和评估。截至2020年，中国对“一带一路”建设项目投资规模达到新高，对外直接投资分别占全球当年流量的20.2%，位列第一。但值得注意的是，“一带一路”沿线国家在疫情冲击下政治风险普遍上升，未来投资者面临的风险可能持续加大。因此建议中国政府与东道国政府加强互利互信机制，完善信息共享平台，提高信息的准确及时性以确保风险评估的有效性，借助大数据、云计算等科技手段全方位量化政治风险，构筑风险评估体系。