基于貝葉斯網絡的智慧養老項目PFI模式風險研究*

西安建筑科技大學管理學院 盧梅 楊毅峰

基于貝葉斯網絡的智慧養老項目PFI模式風險研究*

西安建筑科技大學管理學院 盧梅 楊毅峰

在現代科技整合快速發展的形勢下，智慧養老模式的探索可以彌補傳統養老模式的不足。引入先進的PFI模式提供智慧養老服務可以滿足智慧養老項目對于資金及運營模式的要求，但由于PFI模式的開放性、多元化以及智慧養老項目的投資大、資金回收周期長等特點，該項目面臨的風險較高。本文從企業管理的角度，以項目全壽命周期為階段劃分，識別智慧養老項目PFI風險因素，通過建立貝葉斯網絡風險分析模型，運用先驗概率和后驗概率，甄別風險管理的主要因素是智慧養老項目PFI模式運營成功的關鍵，根據主要風險因素提出相應對策。

智慧養老 PFI模式 貝葉斯網絡

一、引言

隨著現代科技的整合式發展，作為中國傳統養老形式的“家庭養老”模式正面臨著日益嚴峻的挑戰，而以新技術為基礎的智慧養老模式的出現正在中國進行初步嘗試。2016年3月，中國人民銀行、民政部、銀監會、證監會、保監會五部門聯合發布了《關于金融支持養老服務業快速發展的指導意見》，首次在中央層面明確了金融支持養老服務業發展的決策，對于金融業與養老服務業的融合發展具有里程碑的意義，也為智慧養老項目的融資發展形成了有力的政策支持。

智慧養老項目具有周期長、投資大、涉及主體多、不確定因素多的特點，正是由于其所具有的特殊性，需要創新的融資模式，合理分擔該項目的風險并解決其所面臨的融資困局。PFI（Private Finance Initiative）是1992年在英國首次提出的民營資本參與公共投資項目的新的融資模式，其后在歐美發達國家得到了廣泛的推廣與運用。關于PFI模式的學術研究主要集中在PFI模式的內涵、經濟分析與評價、項目管理與決策以及制度建設等方面。將PFI模式引入智慧養老項目中可以改變風險由政府部門或企業單位獨立承擔風險的局面，為智慧養老項目的健康發展運營提供了良好保證。在PFI模式框架下開發智慧養老項目的風險管理對項目的成功建設具有至關重要的作用，也是項目各參與方集中關注的焦點。由于風險的客觀、潛在、隨機、可測特性，可運用科學的方法測度該項目的風險。貝葉斯網絡是在貝葉斯理論的基礎上形成的圖形化網絡是進行不確定知識表達和推理的有效工具，在風險預測與管理方面也得到較為廣泛的應用。

二、智慧養老項目PFI模式風險識別體系

在學術界，關于項目的風險識別分析已經形成一套完整成熟的體系，智慧養老項目PFI模式風險分析流程如圖1，本文根據項目全壽命周期的階段性劃分，在查閱等學者相關文獻資料的基礎上，通過對智慧養老項目風險影響因素的梳理分析，將項目劃分為項目決策階段、項目實施階段、項目運營階段三個階段，共9項指標30個風險影響因素，具體如表1所示。

圖1 智慧養老項目PFI模式風險分析流程圖

其中，P（A|B）是在B發生情況下A發生的概率。P（A）是A的先驗概率或邊緣概率。P（A|B）是已知B發生后A的條件概率，也由于得自B的取值而被稱作A的后驗概率。P（B|A）是已知A發生后B的條件概率，也由于得自A的取值而被稱作B的后驗概率P（B）是B的先驗概率或邊緣概率，也作標準化常量。

貝葉斯網絡（Bayesian Network，BN）是Pearl提出的關于不確定知識表達與推理的方法，是概率悖論與圖論的結合。貝葉斯網絡屬于有向無環圖，可以表達各節點之間的依賴關系，因其能表達各影響事件之間正向因果關系，因此也稱為因果圖。貝葉斯網絡由各節點的有向無環圖與各

三、貝葉斯網絡模型構建

（一）貝葉斯網絡貝葉斯定理也叫貝葉斯法則或貝葉斯規則，是關于隨機事件A和B的條件概率（或邊緣概率）的一則定理。節點的條件概率表（CPT）兩部分組成。

表1 智慧養老項目PFI模式風險識別體系

BN模型的簡化運行隱含著影響因素的條件獨立關系，即任一因素即可單獨對結果產生影響，基于條件獨立假設，即如果B隔離了A和C，則認為A和C是關于B條件獨立的，表達為：

貝葉斯網絡令所有以Xi為父節點，任意非Xi子節點與Xi節點條件獨立，則有n個節點的貝葉斯網絡的聯合概率分布為：

式中，xi表示貝葉斯網絡中的各個節點，Parent（xi）表示節點xi節點的父節點。

通過表1對智慧養老項目PFI模式風險因素的識別，借助GeNIe2.0貝葉斯分析軟件，構建智慧養老項目PFI模式風險因素貝葉斯網絡圖，如圖2所示。

（二）節點概率取值及風險判定建構完成貝葉斯網絡圖之后，需要對網絡圖中各節點的風險因素發生概率進行評估。由于缺少完整的節點數據，本研究采取問卷調查的方式，風險因素發生概率的取值是以風險發生的可能性與其影響程度的乘積來確定，專家打分取值范圍如表2所示。通過將專家經驗的評估取值通過十分制以概率的形式進行數學處理，從而確定各風險因素的發生概率。

風險因素的概率計算方式為式（4）：

圖2 智慧養老項目PFI模式風險因素貝葉斯網絡圖

表2 專家打分取值表

式中，R（Xi）表示該風險因素發生的概率；P（Xi）表示該風險因素發生的可能性；V（Xi）表示該風險發生的影響程度；P（Xi），V（Xi）∈（0.1，0.3，0.5，0.7，0.9）取值越大代表風險發生概率或影響程度越大。

依據專家打分確定的概率值，導入貝葉斯網絡圖，計算得出智慧養老項目PFI模式風險概率值判定風險等級，風險等級判定如表3所示。

表3 風險概率等級判定表

（三）診斷推理診斷推理是貝葉斯網絡的一種逆向推理，即在已知結果時找出產生該結果的原因，其原理是通過對后驗概率的計算，進一步推算各父節點的概率分布，后驗概率的貝葉斯公式如式（5）：

式中，P（X/T）為自然狀態的后驗概率；P（X）為自然狀態的先驗概率；P（T/X）為事件T的條件概率。

P（X/T）越高，表明該節點的影響程度越大，進而將影響程度較大的主要因素作為風險控制的主要對象，并制定相應對策控制風險發生概率。

四、案例分析

（一）項目概況2012年全國老齡工作委員會辦公室出臺《全國智能化養老實驗基地建設規范》，力爭5年內在全國建設100家“智能化養老實驗基地”，探索適應我國國情的智能化養老模式。西安某老年醫學康復中心升級為全國智慧養老基地，項目建設用地250畝。總建設面積約40萬平方米，建設標準間3654間，床位約10000張。地上建設群兩層臨街門面房54150m2，地下兩層規劃車位約1800個。本項目預計總投資15億人民幣，建設期3年。

（二）貝葉斯網絡風險模型本項目以圖1建立智慧養老項目PFI模式風險因素貝葉斯網絡圖為基礎，從企業角度出發，通過調查問卷的方式，邀請相關專家對各因素按照下表進行打分，從而確定各因素的邊緣概率，如運營節點的父節點概率見表4。借助GeNIe2.0分析軟件，構建智慧養老項目PFI模式風險的貝葉斯網絡分析模型，建立各節點的條件概率表（CPT），如運營風險的CPT表，見表5。并通過匯總計算得出，該項目風險為56.7%，風險等級為D級，風險程度較大。計算結果如圖3所示。

表4 根節點概率表

表5 運營風險的CPT表

表6 某智慧養老項目風險概率計算表

圖3 某智慧養老項目貝葉斯網絡風險計算圖

本項目為全新模式的養老項目，無歷史項目資料可考，故令該項目風險發生概率R（T）=1，通過貝葉斯網絡的診斷推理，以式（4）計算各節點發生的后驗概率，結果如表6所示。

通過表6得知，后驗概率排序前5的風險因素分別為責權分擔不明（0.818）、養老運營服務風險（0.665）、PFI項目經驗（0.658）、養老產業政策調整（0.538）、組織協調困難（0.532）。在采用PFI模式建設運營智慧養老項目的過程中，對以上五方面因素風險控制尤為重要，是項目成功與否的關鍵。

五、智慧養老項目PFI模式風險控制對策

（一）建立合理的風險分擔體系風險分擔是參與項目的不同主體對項目開發運營過程中各自風險的承擔情況。建立風險分擔體系的目的在于采取合理的方式提高項目運營的效率，而不在于采取措施轉移投資者個體的風險。在智慧養老項目PFI模式的風險大小應該與收益對等，但不允許任一方為獲取更大的風險，承擔超越其承受范圍的風險，因此，需要建立合理的風險分擔體系，使各方參與程度與其承擔風險相匹配，防止項目的無效運營，保護各相關利益方的合法權益。

（二）制定高效的內部協調機制智慧養老項目采用PFI模式參與項目的主體復雜，涉及的部門層級較多，加之PFI模式本身具有的開放性、多元化與各參與主體的知識結構不同，容易造成各方溝通不暢，出現鏈條脫節的問題，因此要制定高效的內部協調機制，確保項目內部協調溝通暢通，防范管理風險的發生，保證項目順利實施運營。

（三）培養精通PFI模式的專業人才由于PFI模式是一種新的融資運營模式，缺乏成熟有效的歷史資料可以借鑒，因此培養懂專業精通PFI模式的專業人才是風險管理的重要環節。通過專業人才對PFI項目的全過程、全方位監督管理，可以縮短項目組織時間，降低項目開發運營風險，為項目的順利建設運營提供有力保障。

智慧養老項目投資大、開發周期長、參與主體多、影響因素復雜，運用PFI融資模式于智慧養老項目，能夠有效解決融資難的問題，同時提高資金使用效率并分散風險。由于其存在較大程度的風險；因此，對風險控制尤為重要。本文基于貝葉斯網絡模型分析智慧養老項目PFI模式全壽命周期風險因素，通過對風險因素進行因果分析和診斷推理有利于在不確定情況下完善風險管理。

*本文系陜西省教育廳哲學社會科學重點研究基地項目“陜西省建筑企業國際競爭力評價及國際化發展戰略研究”（項目編號：14JZ022）階段性研究成果。

［1］朱海龍：《智慧養老：中國老年照護模式的革新與思考》，《湖南師范大學社會科學學報》2016年第3期。

［2］李玉峰、李正偉、張琦：《基于養老地產PFI融資模式的風險分擔研究》，《中國房地產（學術版）》2012年第6期。

［3］高揚：《PFI項目風險管理研究》，《中國工程咨詢》2012年第10期。

［4］馬敏達、李正偉、曹小琳：《養老地產PFI融資模式研究》，《合作經濟與科技》2014年第8期。

［5］楊茂盛、張旭：《養老地產項目開發風險及對策》，《開發研究》2016年第2期。

［6］周鮮華、劉娜、項英輝：《公共租賃住房PFI融資模式風險分擔研究》，《建筑經濟》2014年第8期。

［7］肖蒙、張友鳴：《基于因果影響獨立模型的貝葉斯網絡參數學習》，《控制與決策》2015年第30期。

［8］Pearl J.Probabilistic reasoning in intelligent systems networks of plausble inference［M］.San Franciscq CA，USA∶Moigan Kaufnann Publishershs Inc，1988.

［9］Luis M．de Campos，Juan M．Fernandez-Luna，Juan F．Huete．Clustering terms in the Bayesian network retrieval model：a new approach with two term-layers．Applied Soft Computing，2004．4：149—158．

［10］Chib S.Semiparametric Bayes analysis of longitudinal data treatment models［J］.Journal of Econometrics，2002，110（9）∶67-89.

（編輯 杜昌）