大群体决策视角下风险投资项目选择路径研究

宋 鹏,张 超

(1.山西大学 经济与管理学院,山西 太原 030006;2.山西大学 计算机与信息技术学院,山西 太原 030006)

一、引言

互联网大数据时代,战略性新兴产业和未来产业的发展对于我国走出一条通过数字化转型加速资源集聚与虚实结合产业数字化新生态的路径具有极其重要的作用[1]。风险投资作为战略性新兴产业和未来产业发展的新引擎,面向初创企业投入权益资本,参与企业决策咨询并强化生产经营管理,在企业成长壮大后通过公开上市、兼并收购等方式进行资本退出,在产权流动中实现投资回报[2]。从全球风险投资的发展历程来看,风险投资对于战略性新兴产业和未来产业的发展发挥了极其关键的推动作用,支持了国内外众多优秀企业的蓬勃发展[3]。党的二十大报告指出,要推动战略性新兴产业融合集群发展,加快发展数字经济,促进数字经济和实体经济深度融合,打造具有国际竞争力的数字产业集群。这对于强化科学合理的风险投资保障作用提出了新的要求,因而面向风险投资决策的关键性问题开展研究具有重要科学意义和现实应用价值。

众多研究表明,投入更多的管理资源有利于保障投资前管理(包括商业计划书征集、项目筛选、尽职调查、契约设计)和投资后管理(包括参与管理、多轮资金支持)[4-5]的决策效果,其中探索复杂环境下高效的项目筛选路径是提升风险投资公司项目管理效率的关键环节[6]。因此,风险投资项目选择路径的研究已成为风险投资领域的关键性基础问题。本质上来看,风险投资项目选择是典型的多准则决策分析问题,即依据若干项目评价指标对风险投资项目进行评价,进而根据问题目标进行基于序关系的决策判断[7]。目前,考虑资金、管理等资源的有限性,若能获取全序化的求解方案,将更有利于决策成员作出高效的决策[8]。综合来看,投资前管理中的项目筛选是典型的分级/排序决策问题[9]。但是,仍然存在两个挑战需要进一步审视。

第一,在投资前管理的项目筛选决策中,风险投资公司关注的投资行业并不一致、被投资企业所处的发展阶段也往往存在差异等多元因素的影响,使得在评价过程中呈现多准则混合模糊特征[10-11]。尽管已有部分研究成果关注了多准则混合模糊特征的定量分析,但在项目筛选背景下建立关键评价指标的多准则混合模糊形式表示,显然是复杂情境下科学决策建模的重要前提。

第二,随着新兴产业的快速发展和传统产业数字化的转型,社会经济发展中各类复杂决策问题不断涌现,如何有效应对复杂大群体特征对于风险投资项目的筛选起着关键作用,这有助于厘清大群体决策情境下的数据复杂性,驾驭数据的高速增长与交叉互连引起的涌现性。因此,在多准则混合模糊特征的定量分析基础上,探索大群体决策视角下风险投资项目选择路径不仅具有突出的科学前沿性,而且具有显著的实践价值。

基于此,本文聚焦大群体决策视角下风险投资项目选择问题,依据多准则混合模糊框架对投资项目的大群体评价矩阵进行形式表示,并构建基于离差最大化法的权重获取机制,通过模糊聚类法对关键成员进行筛选,依据最小贝叶斯风险准则[12]对大群体评价矩阵进行有限理性[13]集成。本文旨在厘清大群体决策视角下风险投资项目选择决策的有效路径,以此指导相关政策建议的出台并发展风险投资决策建模方法体系及其应用前景。

二、文献回顾

在风险投资的决策分析研究中,Wells首先针对风险投资决策过程开展了研究[14]。随后,Tyebjee和Bruno将上述过程划分为包括交易发起、项目筛选、项目评价、契约设计和投资后管理五个阶段[4]。进一步地,诸多学者以此划分为基础展开了相关研究,形成了系列成果。当前,投资决策过程被概括为更加宽泛的两个阶段[15],即投资前管理和投资后管理,这为风险投资项目选择研究奠定了坚实的理论基础。随后,学者们聚焦风险投资项目选择问题,开展了系列的决策建模与应用研究。张晓涛等以“中国全球投资追踪”数据为基础,构建我国大型对外直接投资问题项目数据库,探索了中国企业对外投资的政治风险和规律,为高质量投资提供了对策建议[16]。胡玫和郑伟面向我国对东盟十国直接投资的投入和产出数据,进行了基于数据包络分析模型的投资效率研究,以优化投资质量并提高投资效率[17]。王鼎等基于风险投资家和创业企业的双重道德风险视角,依据博弈论模型,研究了公平偏好对项目收益分配和双方努力水平的影响[18]。Deng等将基于优化的一致性模型与全乘比例分析多目标优化方法推广至风险投资项目选择的背景下,以此建立了稳健型投资决策机制[19]。总体来看,目前风险投资项目选择的现有相关研究中,还未探讨不确定性决策环境中的复杂大群体特征。鉴于复杂大群体特征对于风险投资项目选择的重要意义,本研究将为大群体决策视角下风险投资项目的科学选择提供一条可行路径。

近年来,紧密关联于政府、企业、社交团体等各类组织的运营管理或社交活动中蕴含的商业价值、社会管理与公共服务价值以及支撑科学决策的价值已被各行业广泛认知与开发利用[20],群体决策的参与者逐渐呈现出群体规模化、评价多源化、行为复杂化等特征,从而形成了大群体决策这一研究方向[21]。大群体决策相对于传统群体决策而言,参与决策的人数更多,决策群体的构成更为复杂,决策成员之间信息交互更少等多重因素导致决策群体难以达成共识,这使得大群体决策区别于传统的群体决策,迫切需要建立复杂大群体的评价融合与分析方法[22-23]。学者们为求解大群体决策问题,从多元视角开展了系列研究。陈晓红系统阐述了包括Choquet积分、直觉模糊群决策、粗糙集、网络环境下的聚类分析等的大群体决策方法与技术[24]。Palomares等指出群体成员大于等于特定阈值时,称之为大群体,提出了适合于大群体的一致性模型[25]。该模型通过融入模糊聚类的机制来处理个体与子群体的非合作行为,引入了自组织映射来实现决策过程的可视化。李海涛等聚焦定性语言环境下决策成员权重难以客观获取的局限,基于蒙特卡洛经验模态分解各决策成员的语言评价值,从客观趋势成分均值的角度获得评价结果,进而建立了突发事件应急管理背景下的方案排序机制[26]。杨静针对决策成员表达个体评价值时往往存在残缺值的情形,利用平均效用偏好值处理残缺偏好评价,通过对偏好评价进行集成来获取最优方案[27]。雷丽彩等在有限理性框架下,依据观点动力学探索了大群体决策中自主博弈与个体观点交互的仿真过程,融入决策成员的说服程度与固执程度,在项目选择背景下提出了考虑决策成员学习记忆机制的大群体动态演变路径[28]。任嵘嵘等将公众评价数据进行分组,从分组数据的特征出发依据正态分布拟合每组数据并进行数据集成,进而从优势度判断矩阵的角度完成了公众评价大群体决策的方法构建[29]。Ding等基于社交网络与稀疏表示的冲突关系检测过程来研究大群体决策中决策成员间的冲突关系,通过一致共识的冲突度分析来确定一致共识是否达成[30]。陈晓红等面向社会网络环境下评价值为直觉模糊数的大群体决策问题,考虑决策成员的社会网络关系,构建了融入社会网络结构的权重获取路径,提出了基于一致性和犹豫性的大群体决策方法[31]。赵萌等从交互式共识模型的视角研究大群体决策中决策成员的社会网络关系,通过反馈机制和共识度量来更新社会网络,发展了大群体决策共识达成机制[32]。Tang和Liao从最新研究、文献统计、挑战、主要应用、未来发展方向等视角系统综述了大群体决策,指出了如何在大数据时代发展高质量的决策方法、技术和系统[33]。徐选华等以“8·12天津港爆炸”案例中的微博数据为背景,探索了公众参与视角下大群体应急决策质量的动态演化,为政府决策和应急响应提供了政策建议[34]。总体来看,目前大群体决策的现有相关研究中,还未探讨不确定性决策环境中的多准则混合模糊特征。鉴于多准则混合模糊特征对于风险投资项目选择的重要意义,本文将综合考虑复杂大群体特征和多准则混合模糊特征,探索大群体决策视角下风险投资项目的科学选择路径。

综合来看,鉴于风险投资项目选择问题本身的重要性,有必要在现有研究的基础上,同时考虑多准则混合模糊特征和复杂大群体特征,系统建立大群体决策视角下风险投资项目的科学选择路径,为最大化降低决策风险、合理刻画决策成员的有限理性构建综合性问题求解策略。

三、研究方法及模型构建

针对风险投资决策中的复杂大群体特征和多准则混合模糊特征,本部分首先进行问题建模,即建立大群体环境下的混合模糊信息系统,以此来建立风险投资项目选择的问题描述框架。在此基础上,设计三阶段的大群体决策视角下风险投资项目选择路径,具体包括基于离差最大化法的权重获取、基于模糊聚类法的关键成员筛选、基于最小贝叶斯风险决策的成员有限理性集成。值得强调的是,三阶段风险投资项目选择路径可同时提供粗粒度的项目分级结果与细粒度的项目排序结果,在风险投资项目选择的结果呈现上更加灵活,在不同背景下有助于最终选择方案的达成。

(一)大群体混合模糊信息系统

在不确定性环境下,风险投资项目选择评价数据受制于人类认知水平差异化的影响,往往呈现出模糊性、不精确性、不完整性、犹豫性等特点,决策成员需运用较粗粒度的广义模糊数来增加整体评价过程的适用性。依据有关风险投资项目选择建模思路[19],利用包括精确数、模糊数、区间数、直觉模糊数在内的四类数据构建混合多准则大群体决策矩阵,从而有效刻画风险投资项目选择中的多准则混合模糊特征和复杂大群体特征。

(二)基于离差最大化法的权重获取

在风险投资项目选择背景下面向大群体决策的混合模糊信息系统中,如何利用决策成员给出的Ri中风险投资项目选择评价值来客观获取指标权重和决策成员权重是进行后续三阶段风险投资项目选择决策的重要前提。离差最大化法的核心思想为在同一指标下,若风险投资项目选择评价值之间的差异较大,则赋予较大的权重,反之则赋予较小的权重。离差最大化法的差异度量依据为常见的距离函数,在现实应用中符合决策成员的认知行为。具体地,每位决策成员对应的指标权重和决策成员权重分别为:

(三)基于模糊聚类法的关键成员筛选

基于模糊聚类法的关键成员筛选旨在通过对群体成员进行聚类,使同一聚集内成员意见基本一致,减少成员意见集成的复杂度。本文依据以模糊等价关系为基础的系统聚类法,即依据对象特征求解对象间的相似系数,构建对象集上的模糊相似关系,运用合成运算得到模糊等价关系,聚类对象中具有等价关系的归为一类,否则归为不同类,其具体步骤为:

2.通过类内相似度与类间相似度的比值来确定最佳聚类类别数,并依据最大比值对应的类别数确定群体成员的最终聚类结果。具体地,通过类内相似度GH与类间相似度GI的比值G来衡量,其中GH通过计算类内成员两两相似度的均值来获取,GI通过计算类与类之间聚类中心相似度的均值来获取。

3.通过选取最大G值对应的聚类结果作为本部分群体成员的聚类结果。对于大群体决策问题,若经过一次聚类分析后聚集的数量仍为特定阈值以上,则重复进行群体成员的聚类分析,直到最终的聚集类别小于特定阈值为止。

(四)基于最小贝叶斯风险决策的成员有限理性集成

在完成基于模糊聚类法的关键成员筛选后,风险投资项目选择背景下的大群体决策问题的规模已降低,即已转化为经典群体决策问题。基于最小贝叶斯风险决策的成员集成是进行风险投资项目选择信息集成的核心步骤,具体包括如下确定类内代表性成员、不同类内代表性成员的融合两个步骤:

2.确定类内代表性成员之后,本部分以大群体决策问题转化为经典群体决策问题为出发点,完成不同类内代表性成员的融合任务。针对风险投资项目选择信息集成过程中存在的决策风险,尤其是因个别决策成员决策失误带来的误分类现象,即最差备选项目被归类为最优备选项目,或最优备选项目被归类为最差备选项目,本部分采用狭义三支决策模型进行类内代表性成员融合。狭义三支决策模型通过结合最小贝叶斯风险决策理论来量化不同类决策的风险代价,确保最终决策伴随的风险达到最低,从而形成将项目分级为接受、待定和拒绝的理论依据。在基于狭义三支决策模型的类内代表性成员融合中,需要对可调节粗糙隶属度与阈值进行比较,以此对备选风险投资项目进行分级,其具体步骤为:

四、实证分析

本文采用有关案例分析背景进行实证分析[19]。风险投资企业RY公司拟遵循投资的国际惯例,以规模投资、精品投资和谨慎投资为指导理念,启动未来5年的风险投资计划。具体而言,U=(x1,x2,x3,x4)代表4个风险投资项目,选取6个评价指标:行业因素、环境因素、市场因素、业务因素、创业者及其团队因素、财务因素,表示为V={y1,y2,y3,y4,y5,y6}。20位决策成员采用多准则混合模糊矩阵进行风险投资项目的评价,其中:在y1维度下采用精确数;在y2维度下采用模糊数;在y3和y4维度下采用区间数;在y5和y6维度下采用直觉模糊数进行评价。各决策成员对应的多准则决策矩阵分别如下所示:

进一步地,本文为说明三阶段的大群体决策视角下风险投资项目选择路径的有效性,依据已构建的基于优化的一致性模型与全乘比例分析多目标优化方法的群决策路径[19],不难求得最终排序结果为x1>x3>x2>x4,与利用本文方法所得结论一致。

值得注意的是,本文所提出的大群体决策视角下风险投资项目选择路径同时考虑了大群体决策问题的多准则混合模糊特征和复杂大群体特征,可提供有效的属性权重客观获取机制与在多准则混合模糊背景下风险投资项目的聚类机制。与此同时,在多准则混合模糊信息集成中,本文在有限理性框架下依据最小贝叶斯风险决策原理,不仅可最大化降低风险投资项目误分类的风险,而且合理考虑了决策成员的有限理性特征。综上所述,相比于现有大群体决策方法,本研究具备考虑多准则混合模糊特征,提供有效的属性权重客观获取机制,发展了多准则混合模糊背景下风险投资项目的聚类机制,最小化风险投资项目误分类风险,考虑决策成员的有限理性特征这5类优势,可视为一种综合性的风险投资项目选择路径,更符合实际的风险投资项目选择流程,为风险投资项目选择建立了一种可行的问题求解模式。

五、结论

面向经济主战场,科学有效的风险投资项目选择路径对于初创企业保持较强的市场竞争力至关重要,同时也能够推进我国战略性新兴产业和未来产业的蓬勃发展,提高科技进步对于经济增长的贡献,有助于更好地建设现代化产业体系。本文聚焦不确定性决策环境下风险投资项目选择呈现出的多准则混合模糊特征和复杂大群体特征,基于离差最大化法进行权重获取,通过模糊聚类法对多准则混合模糊特征下的大群体风险投资项目选择问题进行关键成员筛选,依据最小贝叶斯风险决策对筛选出的关键成员进行有限理性集成,从而构建了以上三阶段的大群体决策视角下风险投资项目选择路径。本文采用国内某风险投资企业的风险投资项目评价数据进行实证分析,所得决策结论表明,本文所建立的大群体决策视角下风险投资项目选择路径可有效处理不确定性决策环境下风险投资项目选择呈现出的多准则混合模糊特征和复杂大群体特征,所得结论与其他方法的一致性较高,在模拟风险投资的现实情境中具备较高的模型解释力与实践价值。