“互聯網金融+PPP”項目風險決策模型分析
——基于熵值法與TOPSIS法

李國昌 劉珊珊

（安徽建筑大學，安徽 合肥 230000）

一、引言

PPP模式在我國實施發展已有較長時間，它支持社會資本進入基礎設施建設，充分發揮資源配置的作用[1]。隨著我國時代的發展，當下經濟大環境步入新常態發展階段，科學技術水平提高，互聯網金融伴隨而出。它是當下時代的一種新的經濟發展格局，通過科技手段將互聯網的優勢融入到各個經濟領域，形成全新的發展勢頭[2]。近年我國提出“大眾創業、萬眾創新”的發展方針，分析對比“大眾創業、萬眾創新”政策與PPP模式的相似及不同方面，結合我國當下形勢與政策，提出融合發展的未來路徑。PPP與互聯網金融的融合發展并不是簡單相加或者產業間表面合作，而是借助于互聯網強大的信息資源發展PPP模式。

PPP與互聯網金融的融合發展將實現 “1+1＞2”的局面，在一定程度上減輕了政府的財政債務壓力，響應我國實施供給側改革背景下的經濟發展要求，為社會提供了更優質的公共服務[3]。

PPP項目存在多方參與者、融資結構復雜，項目風險的不可預見嚴重阻礙了發展[4]。融合發展的新模式應用互聯網金融建立PPP項目平臺，通過平臺公開信息，全面分析項目細節，使各方面風險可以預見并處于可控制狀態，彌補了傳統的PPP模式的缺陷。由于互聯網金融自身也存在一定的風險，簡單的分析難以決策“互聯網金融+PPP模式”下的最佳項目。本文在此思路下，設立合理的風險指標評價體系，建立基于熵值法與TOPSIS法的風險決策模型。旨在“互聯網金融+PPP模式”的良好背景下做出最佳項目決策分析，提高政府資本的參與度與社會公眾的信任度。

二、“互聯網金融+PPP”模式下項目風險識別

互聯網金融參加PPP項目的新模式為我國的城市基礎設施建設實現最優資源配置，建立了有效的管理和監督體系。較好的緩解了政府資本參與度不高與社會群眾不信任的問題[5]。但互聯網金融及PPP模式本身也存在著一些問題以及二者的結合衍生出的新的問題，產生了一系列風險，本文結合國內外現有文獻[6]，歸納得出的風險因素如表1所示。

根據識別出的風險因素，以五大類風險作為評價體系的一級指標，通過專家打分從而實現對PPP

表1 “互聯網金融+PPP”模式建設項目風險指標

項目融資風險的定量評價，在分析 “互聯網金融+PPP”模式的合理性之后，基于上述風險因素，設立如圖1所示的風險指標體系。

圖1 “互聯網金融+PPP”模式建設項目風險指標體系

三、基于熵值法與TOPSIS法的風險決策模型

（一）熵值法與TOPSIS法的基本思想

基于歸一化的原始數據矩陣，計算出待評價對象中最佳方案和最差方案，通過計算各對象與最佳和最差方案間的距離，獲得各待評價對象與最佳方案的相對接近程度，分類排序，以此作為評價各方案的優劣依據[7]。本文將借助EXCEL軟件編程實現模型計算。

（二）熵值法確定權重

熵值法原理：熵值法是根據各項指標觀測值所提供的信息，在分析屬性值的差異下確定其權重大小的方法。

熵值法確定權重的計算過程：

步驟1：計算第i個項目在第j項風險指標下占該指標的比例：

計算各個決策方案對屬性j的貢獻總和。其中常數K可以取K=1/Inm這樣就能保證0≤Ej≤1

步驟3：

計算第j屬性的差異性系數dj。

步驟4：由公式

步驟2：利用下述公式

計算各個屬性的權重，其中n指相應屬性的數量

（三）通過TOPSIS法建立決策模型

TOPSIS法原理：TOPSIS法是在加權規范化屬性矩陣的基礎上，確定相應的正理想方案A*與負理想方案A—，通過計算每個方案與正理想方案及負理想方案的相對距離，比較各相對距離確定決策方案的優先次序。其中正理想方案對應的正理想解是虛擬計算的最佳方案，負理想方案對應的負理想解是最差方案，通過計算各個方案與正理想解和負理想解的相應距離進行比較，得出既靠近正理想解又遠離負理想解的方案為最佳方案[8]。

使用TOPSIS法的具體計算步驟如下：

步驟1：向量規范化處理。根據初始數據列出初始決策矩陣，通過公式(5)進行向量規范化處理，得到規范化矩陣，詳細公式如下：

步驟2：加權標準化矩陣。根據公式（5）得到的規范化矩陣，通過公式（6）乘以熵值法得出的各指標權重確定加權標準化矩陣，詳細公式如下：

步驟3：計算正理想方案與負理想方案。

當方案為效益類型屬性時，正理想方案為每列最大值，負理想方案為每列最小值；當方案為成本類型屬性時，正理想方案為每列最小值，負理想方案為每列最大值。詳細公式如下：

其中：J=1,2,…n|J為效益類型的目標函數；

J’=1,2,…n|J’為成本類型的目標函數。

步驟4：計算各方案到理想方案的距離。

步驟5：計算各方案的相對接近度。在各方案與正理想方案的距離以及與負理想方案的距離的基礎上，通過公式（11）計算各方案的相對接近度Ci，詳細公式如下：

步驟6：排序。根據所得值Ci的大小進行排序，取小值者為佳。

四、基于熵值法與TOPSIS法的“互聯網金融+PPP”項目風險決策應用

（一）基于熵值法的“互聯網金融+PPP”項目風險影響因素指標權重

通過專家打分法，邀請了3位有互聯網金融知識理論的專家和6位有豐富PPP項目實踐經驗的專家采用0-1打分法對某公司甲乙丙丁四個項目進行打分，打分結果見表2。

表2 項目風險指標評價表

根據表2構建項目風險指標初始評價矩陣，利用上述熵值法求出項目風險指標權重，計算結果如表3所示：

表3 項目風險指標權重表

（二）基于TOPSIS法的“互聯網+PPP”項目風險決策評估

根據步驟1將初始評價矩陣進行向量規范化處理，可以得到規范化矩陣R如下。

規范化矩陣R：

根據步驟2的公式，利用表3的指標權重進行計算得到加權標準化矩陣V如下。

加權標準化矩陣V：

根據步驟3的公式計算確定相應指標的正負理想解，結果如表4。

根據步驟4的公式，利用表4結果，計算得到各項目到正理想解和負理想解的歐式距離，結果如表5。

表4 相應指標正負理想解

表5 歐氏距離

根據步驟5的公式，利用表5的結果計算各項目的相對貼近度，對項目進行優劣排序，結果如表6。

表6 各項目相對貼近度

根據計算所得值Ci的大小進行項目優劣排序：項目乙 >項目丁 >項目甲>項目丙，由于步驟5中計算相對貼近度采用的公式中以項目到負理想解的距離為分子來計算，則得到的相對貼近度中，最小值者最佳，對應優劣排序：項目丙 >項目甲>項目丁 >項目乙。

五、結果分析

本文以互聯網金融參與PPP項目為研究對象，從互聯網金融和PPP項目以及二者結合的方面分別來識別風險因素進行總結，建立“互聯網金融+PPP”模式建設風險指標體系并應用于項目風險決策之中，通過熵值法與TOPSIS法利用EXCEL軟件編程進行決策，通過對項目打分，計算權重，得到正負理想解及各項目與正負理想解對應的歐氏距離和相對貼近度進行排序。根據計算結果可知各個項目中，項目乙遠離正理想樣本，接近負理想樣本。項目丙遠離負理想樣本，接近正理想樣本。理論上來說，項目越接近正理想解樣本越優，越接近負理想解樣本的樣本越劣。由于本文的研究對象是在互聯網金融參與PPP項目時存在的各風險因子，所以從結果分析，越接近正理想樣本的風險越大，越接近負理想樣本的風險越小。則項目的風險排序為：項目丙的風險>項目甲的風險>項目丁的風險>項目乙的風險，則項目乙應為最佳方案。

六、結語

本文從“互聯網金融+PPP”模式中存在的風險識別出發，歸納總結了互聯網金融中存在的風險，PPP模式中存在的風險以及兩者衍生產生的風險。構建了“互聯網金融+PPP”模式建設項目風險指標體系，并基于熵值法與TOPSIS法建立 “互聯網金融+PPP”項目風險決策模型，通過EXCEL軟件進行編程計算各個方案的相對貼近度值，對互聯網金融參加PPP項目的融資風險情況進行排序比較。分析結果表明，該模型能夠對 “互聯網金融+PPP”項目風險進行決策，利用TOPSIS法能夠全面、合理、準確地對多個風險指標體系下的多個項目進行優劣排序，評價過程清晰，評價結果可靠，可以為決策者提供最佳方案。