基于VPRS和DIIFPWGA算子的特色小鎮(zhèn)融資項目模式?jīng)Q策

趙 輝，卜澤慧，馬勝彬，陳 濤

(青島理工大學(xué) 管理工程學(xué)院，青島 266525)

2017年12月，國家發(fā)改委正式頒布《關(guān)于規(guī)范推進(jìn)特色小鎮(zhèn)和特色小城鎮(zhèn)建設(shè)的若干意見》，首次提出，在鄉(xiāng)村振興戰(zhàn)略背景下，目前我國正從城鄉(xiāng)分割逐步演化到城鄉(xiāng)一體的大格局，建設(shè)特色小鎮(zhèn)成為推動城鄉(xiāng)差距減少的一大推手.另一方面，特色小鎮(zhèn)可謂是“小空間大投資”，加快特色小鎮(zhèn)的建設(shè)有利于各地區(qū)聚集資源要素，吸引大量投資，進(jìn)而使得特色小鎮(zhèn)能夠成為促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展的新助力.因此，如何選取科學(xué)可靠的最優(yōu)投資融資方案，成為推進(jìn)特色小鎮(zhèn)建設(shè)的重要抓手.

對于融資運(yùn)營模式的選擇，國內(nèi)外學(xué)者均進(jìn)行了相應(yīng)的研究分析.雖然，目前關(guān)于融資運(yùn)營的研究取得了一些成果，但理論上還需要進(jìn)一步完善.現(xiàn)有的研究大都基于某種數(shù)學(xué)方法或幾種方法的綜合進(jìn)行融資運(yùn)營模式的選擇，如：區(qū)間標(biāo)度法[1]、兩階段完全信息動態(tài)博弈模型法[2]、效用理論[3]、投融資組合決策模型[4].但是現(xiàn)有研究中仍存在一些突出問題亟待解決：①動態(tài)性方面.學(xué)者們在研究融資項目時，大多忽略了時間性，導(dǎo)致決策動態(tài)性不足，也易使得決策結(jié)果與初衷相違背.②在研究方法方面.目前我國對于特色小鎮(zhèn)融資運(yùn)營模式的研究，定性成分太多，定量成分太少，其中部分方法由于評價指標(biāo)多，沒有得到精簡，導(dǎo)致專家評審時主觀性太強(qiáng)，從而影響評價和選擇結(jié)果的客觀性.③在特色小鎮(zhèn)融資運(yùn)營模式選擇的指標(biāo)構(gòu)建、評價方法方面.其他研究領(lǐng)域的成熟方法在特色小鎮(zhèn)融資運(yùn)營模式評價領(lǐng)域應(yīng)用較少.

本文建立了基于變精度粗糙集和區(qū)間直覺模糊冪加權(quán)算子的多屬性決策模型，用于對特色小鎮(zhèn)融資項目運(yùn)營模式進(jìn)行決策.該模型的基本思路是運(yùn)用變精度粗糙集進(jìn)行指標(biāo)約簡后，通過動態(tài)區(qū)間直覺模糊冪加權(quán)算子計算各個融資項目的綜合函數(shù)值并排序，為決策者對融資項目的選擇提供合理的參考.

1 變精度粗糙集基本概念

1.1 約簡原理

波蘭教授Pawlak提出了傳統(tǒng)的粗糙集理論.1993年，Ziarko教授在傳統(tǒng)粗糙集模型中引入了誤差因子，從而提升了傳統(tǒng)粗糙集處理帶噪聲信息系統(tǒng)的能力，這種允許存在一定范圍內(nèi)的錯誤分類率的粗糙集成為變精度粗糙集(VPRS).變精度粗糙集往往用于屬性約簡中，能夠在維持原有信息系統(tǒng)分類信息不變的前提下，獲得更加完整、精確的分類規(guī)則或決策[5].

定義1：1個信息系統(tǒng)由四元組S=(U,O,Vo,fo)組成.其中U是研究對象所組成的集合；對象的屬性集合稱為O，A稱為條件屬性集，D稱為決策屬性集，其中O=A∪D，A∩D=?；研究對象屬性取值的集合稱為Vo；fo為系統(tǒng)中的信息函數(shù)，為屬性賦予1個信息值.

定義2：C為條件屬性集合A的子集，則決策屬性集D對C的近似依賴度為

λ(C,D,β)=|posr(P,D,β)|/|U|

(1)

定義3：設(shè)論域U上存在等價關(guān)系R，則U按R分類可表示為U/R={P1,P2,…,Pn}，對于X?U，定義X的變精度粗糙集β正區(qū)域為

(2)

其中，C(P,X)表示P關(guān)于X的錯誤分類率，且

(3)

定義4：當(dāng)滿足條件λ(C,D,β)=λ(A,D,β)，且不存在1個R?C，使得λ(R,D,β)=λ(C,D,β)時，此時稱條件屬性C是A關(guān)于D的屬性約簡，稱關(guān)于A的屬性約簡的交集為A的核.若條件屬性集中各Ai滿足條件λ(A-{Ai},D,β)<λ(A,D,β)，則稱屬性A對評價指標(biāo)體系結(jié)果有顯著影響，應(yīng)當(dāng)保留，否則稱屬性A對評價指標(biāo)體系無顯著影響，約減時可將其從條件屬性集中去除.

1.2 約簡步驟

1) 初始化.給定β的取值范圍為0≤β<0.5，S=? .

2) 對條件屬性集中每個條件屬性A，計算逼近度γ(A,D,β)和S=S∪{λ(A,D,β)}.

3) 計算條件屬性集合C的核屬性集合A′，當(dāng)λ(C′,D,β)≠λ(C,D,β)時，取出S中的最大值λ(Ai,D,β)，并計算A′=A′∪Ai和S=S-{λ(Ai,D,β)};重復(fù)該步驟直到γ(A′,D,β)=γ(A,D,β).

4) 去除核屬性集A′中對評價指標(biāo)無顯著影響的屬性項，得到最小決策表.

2 基于區(qū)間直覺模糊冪加權(quán)幾何平均算子的多屬性動態(tài)決策模型

2.1 區(qū)間直覺模糊集基本理論

定義5[6]：設(shè)X為非空論域，則稱X上的區(qū)間直覺模糊集D為

D={〈x,φD(x),ρD(x)〉|x∈X}

(4)

(5)

(6)

2.2 動態(tài)區(qū)間直覺模糊冪加權(quán)幾何平均算子基本理論

定義8：設(shè)aj(j=1,2,…,m)∈R，則冪加權(quán)幾何平均數(shù)(PWGA)算子為[7]

(7)

IIFPWGA算子的性質(zhì)如下：

定理2(有界性) IIFPWGA為有界算子.若

為了充分考慮時間權(quán)值對評價方案的選擇影響，本文使用引入時間權(quán)值的區(qū)間直覺冪加權(quán)幾何平均算子.

(8)

2.3 決策流程

步驟1 構(gòu)建區(qū)間直覺模糊決策矩陣.邀請專家以區(qū)間直覺模糊集的形式對每個評價指標(biāo)在不同方案下指標(biāo)影響進(jìn)行評價，得到區(qū)間直覺模糊矩陣R(tk).

步驟2 對成本型指標(biāo)進(jìn)行規(guī)范化處理，將所有的成本型指標(biāo)轉(zhuǎn)化為效益型指標(biāo).

步驟6 計算各備選方案Ai的優(yōu)劣排序，得到最佳方案.

表1 初始影響指標(biāo)

3 算例分析

3.1 采用變精度粗糙集對指標(biāo)體系進(jìn)行約簡

本文以麗水古堰畫鄉(xiāng)小鎮(zhèn)實(shí)際項目為參考，在充分調(diào)研國內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上[8-9]，結(jié)合特色小鎮(zhèn)項目目前的現(xiàn)狀和發(fā)展趨勢，根據(jù)收益與風(fēng)險兩大評價準(zhǔn)則的標(biāo)準(zhǔn)，邀請相關(guān)專家初步選取18個影響指標(biāo)(表1)，根據(jù)上述原理，將初步選取的影響指標(biāo)作為特色小鎮(zhèn)融資項目的條件屬性集，將最大效益因素和最大風(fēng)險因素作為決策屬性集，運(yùn)用ROSETTA軟件，對條件屬性集進(jìn)行屬性約簡，從而形成特色小鎮(zhèn)融資項目模式?jīng)Q策評價指標(biāo)體系，如圖1所示.

由圖1可知，收益準(zhǔn)則主要包含特色小鎮(zhèn)項目所帶來的經(jīng)濟(jì)效益、社會效益、生態(tài)效益.為保證特色小鎮(zhèn)的綠色可持續(xù)發(fā)展，衡量經(jīng)濟(jì)效益是對特色小鎮(zhèn)融資項目評價的一大要素，經(jīng)濟(jì)效益主要考慮到凈產(chǎn)值率、資產(chǎn)負(fù)債率、營業(yè)收入、流動資金周轉(zhuǎn)狀況等；社會效益則應(yīng)當(dāng)考慮到產(chǎn)業(yè)貢獻(xiàn)率、公眾參與程度、公共資源的合理共享度、文化資源的開發(fā)利用等.此外，特色小鎮(zhèn)建設(shè)過程中會對周圍的環(huán)境、居民生活產(chǎn)生生態(tài)效益，如環(huán)境污染狀況、自然資源節(jié)約利用程度、小鎮(zhèn)植被綠化度等，因此衡量生態(tài)效益也是重中之重.

圖1 特色小鎮(zhèn)融資項目模式選擇指標(biāo)體系

同樣，風(fēng)險準(zhǔn)則主要包括建設(shè)風(fēng)險、管理風(fēng)險、金融風(fēng)險、法律風(fēng)險、政治風(fēng)險等.建設(shè)風(fēng)險主要是指在進(jìn)行融資項目建設(shè)時可能會受到項目延誤、建設(shè)成本超出預(yù)支等不良狀況影響從而導(dǎo)致特色小鎮(zhèn)難以建設(shè)；管理風(fēng)險主要是指在特色小鎮(zhèn)融資項目運(yùn)營中，管理層面上出現(xiàn)的不良決策而造成的風(fēng)險，若決策嚴(yán)重失誤時，將對融資項目造成巨大損失；金融風(fēng)險主要是指當(dāng)融資項目進(jìn)行融資時，受到通貨膨脹、利率、匯率降低等不利因素影響，進(jìn)而導(dǎo)致難以吸引到資金；法律風(fēng)險則是考慮到在融資過程中可能會存在法律不完善、法律變更等情況；政治風(fēng)險則是指融資項目在進(jìn)行中可能會存在著政策變動、政府擔(dān)保力度下降、政府信用度降低等狀況，從而影響到特色小鎮(zhèn)項目難以融資成功.

3.2 采用區(qū)間直覺模糊冪加權(quán)幾何平均算子進(jìn)行方案決策

本文通過麗水古堰畫鄉(xiāng)小鎮(zhèn)進(jìn)行實(shí)例論證，經(jīng)過實(shí)際考察發(fā)現(xiàn)麗水古堰畫鄉(xiāng)小鎮(zhèn)進(jìn)行融資時考慮采用以下5種融資方式：A1發(fā)行債券；A2資產(chǎn)證券化；A3PPP；A4收益信托；A5融資租賃.通過這5種方案進(jìn)行特色小鎮(zhèn)融資項目模式?jīng)Q策.通過屬性經(jīng)濟(jì)效益C1、社會效益C2、生態(tài)效益C3、建設(shè)風(fēng)險C4、管理風(fēng)險C5、金融風(fēng)險C6、法律風(fēng)險C7、政治風(fēng)險C8，本文對以上5種融資模式在2016—2018年麗水古堰畫鄉(xiāng)小鎮(zhèn)融資模式進(jìn)行決策分析.

步驟1 邀請相關(guān)領(lǐng)域投融資專家、大學(xué)教授、政府官員等6人組成專家組，根據(jù)上述8個指標(biāo)對5種不同方案影響程度打分，得到各方案的區(qū)間模糊決策集.其中t1表示2016年，t2表示2017年，t3表示2018年；時間tk(k=1,2,3)權(quán)值為λ(t)=(1/6,2/6,3/6)T, 屬性Gj(j=1,2,3)的權(quán)重向量為w=(0.4,0.3,0.3,0.3,0.4,0.3,0.2,0.3)T，計算結(jié)果如下：

t1時刻，各方案區(qū)間模糊決策集：

A1={〈C1,[0.71,0.93],[0.42,0.54]〉,〈C2,[0.50,0.64],[0.27,0.38]〉,〈C3,[0.74,0.83],[0.41,0.52]〉,〈C4,[0.62,0.71],[0.32,0.56]〉,

〈C5,[0.32,0.44],[0.12,0.24]〉,〈C6,[0.41,0.65],[0.17,0.26]〉,〈C7,[0.34,0.47],[0.15,0.26]〉,〈C8,[0.71,0.84],[0.34,0.45]〉}

A2={〈C1,[0.83,0.92],[0.23,0.35]〉,〈C2,[0.73,0.92],[0.15,0.26]〉,〈C3,[0.42,0.54],[0.16,0.27]〉,〈C4,[0.43,0.56],[0.23,0.36]〉,

〈C5,[0.58,0.92],[0.22,0.35]〉,〈C6,[0.34,0.56],[0.23,0.37]〉,〈C7,[0.63,0.75],[0.13,0.26]〉,〈C8,[0.64,0.76],[0.16,0.26]〉}

A3={〈C1,[0.86,0.93],[0.06,0.11]〉,〈C2,[0.52,0.66],[0.13,0.25]〉,〈C3,[0.58,0.64],[0.25,0.39]〉,〈C4,[0.87,0.96],[0.21,0.32]〉,

〈C5,[0.83,0.92],[0.15,0.27]〉,〈C6,[0.85,0.93],[0.27,0.35]〉,〈C7,[0.52,0.64],[0.16,0.25]〉,〈C8,[0.79,0.92],[0.22,0.31]〉}

A4={〈C1,[0.25,0.37],[0.11,0.25]〉,〈C2,[0.33,0.48],[0.03,0.17]〉,〈C3,[0.41,0.52],[0.22,0.32]〉,〈C4,[0.21,0.34],[0.08,0.13]〉,

〈C5,[0.13,0.24],[0.06,0.13]〉,〈C6,[0.52,0.64],[0.26,0.39]〉,〈C7,[0.43,0.56],[0.22,0.45]〉,〈C8,[0.37,0.49],[0.16,0.25]〉}

A5={〈C1,[0.71,0.82],[0.28,0.39]〉,〈C2,[0.41,0.49],[0.11,0.23]〉,〈C3,[0.61,0.75],[0.35,0.42]〉,〈C4,[0.54,0.66],[0.14,0.38]〉,

〈C5,[0.34,0.42],[0.05,0.17]〉,〈C6,[0.56,0.74],[0.34,0.46]〉,〈C7,[0.24,0.36],[0.04,0.19]〉,〈C8,[0.64,0.78],[0.32,0.48]〉}

t2時刻，各方案區(qū)間模糊決策集：

A1={〈C1,[0.73,0.87],[0.35,0.52]〉,〈C2,[0.49,0.62],[0.12,0.28]〉,〈C3,[0.51,0.65],[0.33,0.42]〉,〈C4,[0.57,0.62],[0.25,0.37]〉,

〈C5,[0.29,0.37],[0.15,0.29]〉,〈C6,[0.34,0.42],[0.15,0.27]〉,〈C7,[0.35,0.48],[0.14,0.27]〉,〈C8,[0.62,0.76],[0.24,0.47]〉}

A2={〈C1,[0.78,0.82],[0.26,0.32]〉,〈C2,[0.72,0.85],[0.17,0.24]〉,〈C3,[0.32,0.49],[0.12,0.25]〉,〈C4,[0.32,0.45],[0.13,0.25]〉,

〈C5,[0.49,0.52],[0.22,0.34]〉,〈C6,[0.43,0.59],[0.02,0.14]〉,〈C7,[0.53,0.65],[0.23,0.35]〉,〈C8,[0.63,0.75],[0.22,0.36]〉}

A3={〈C1,[0.76,0.85],[0.13,0.24]〉,〈C2,[0.65,0.71],[0.16,0.28]〉,〈C3,[0.63,0.79],[0.22,0.34]〉,〈C4,[0.72,0.85],[0.18,0.29]〉,

〈C5,[0.83,0.95],[0.12,0.25]〉,〈C6,[0.78,0.94],[0.25,0.38]〉,〈C7,[0.46,0.52],[0.12,0.25]〉,〈C8,[0.77,0.81],[0.12,0.29]〉}

A4={〈C1,[0.23,0.35],[0.12,0.28]〉,〈C2,[0.22,0.34],[0.14,0.29]〉,〈C3,[0.33,0.56],[0.37,0.48]〉,〈C4,[0.23,0.36],[0.13,0.26]〉,

〈C5,[0.12,0.26],[0.02,0.15]〉,〈C6,[0.53,0.70],[0.25,0.48]〉,〈C7,[0.42,0.58],[0.25,0.36]〉,〈C8,[0.31,0.42],[0.15,0.27]〉}

A5={〈C1,[0.63,0.74],[0.25,0.41]〉,〈C2,[0.38,0.50],[0.09,0.21]〉,〈C3,[0.59,0.75],[0.31,0.42]〉,〈C4,[0.53,0.66],[0.19,0.26]〉,

〈C5,[0.48,0.57],[0.04,0.17]〉,〈C6,[0.63,0.85],[0.28,0.47]〉,〈C7,[0.25,0.37],[0.04,0.16]〉,〈C8,[0.65,0.77],[0.38,0.46]〉}

t3時刻，各方案區(qū)間模糊決策集：

A1={〈C1,[0.61,0.74],[0.33,0.45]〉,〈C2,[0.42,0.54],[0.13,0.26]〉,〈C3,[0.52,0.76],[0.32,0.56]〉,〈C4,[0.43,0.56],[0.37,0.45]〉,

〈C5,[0.14,0.27],[0.05,0.18]〉,〈C6,[0.35,0.49],[0.13,0.20]〉,〈C7,[0.15,0.28],[0.05,0.18]〉,〈C8,[0.65,0.79],[0.36,0.49]〉}

A2={〈C1,[0.83,0.92],[0.25,0.38]〉,〈C2,[0.71,0.94],[0.14,0.27]〉,〈C3,[0.41,0.52],[0.12,0.24]〉,〈C4,[0.39,0.51],[0.23,0.35]〉,

〈C5,[0.45,0.61],[0.26,0.38]〉,〈C6,[0.31,0.45],[0.12,0.24]〉,〈C7,[0.55,0.63],[0.14,0.21]〉,〈C8,[0.58,0.67],[0.13,0.24]〉}

A3={〈C1,[0.72,0.81],[0.13,0.26]〉,〈C2,[0.69,0.77],[0.12,0.23]〉,〈C3,[0.54,0.62],[0.13,0.24]〉,〈C4,[0.64,0.71],[0.12,0.23]〉,

〈C5,[0.76,0.93],[0.23,0.37]〉,〈C6,[0.67,0.83],[0.13,0.26]〉,〈C7,[0.65,0.77],[0.15,0.28]〉,〈C8,[0.58,0.67],[0.13,0.24]〉}

A4={〈C1,[0.25,0.39],[0.18,0.29]〉,〈C2,[0.23,0.37],[0.08,0.19]〉,〈C3,[0.37,0.52],[0.26,0.34]〉,〈C4,[0.25,0.37],[0.06,0.17]〉,

〈C5,[0.17,0.25],[0.04,0.17]〉,〈C6,[0.57,0.65],[0.24,0.37]〉,〈C7,[0.47,0.55],[0.24,0.47]〉,〈C8,[0.37,0.44],[0.03,0.16]〉}

A5={〈C1,[0.56,0.73],[0.24,0.37]〉,〈C2,[0.35,0.56],[0.05,0.18]〉,〈C3,[0.69,0.88],[0.27,0.45]〉,〈C4,[0.55,0.68],[0.14,0.26]〉,

〈C5,[0.48,0.57],[0.16,0.27]〉,〈C6,[0.53,0.77],[0.35,0.47]〉,〈C7,[0.34,0.53],[0.06,0.15]〉,〈C8,[0.54,0.65],[0.32,0.46]〉}

步驟 2 對指標(biāo)C4，C5，C6，C7，C8進(jìn)行規(guī)范化處理.

表2 各個時刻的排序結(jié)果

表2為對備選方案在t1，t2，t3的排序結(jié)果，由于方案A2和A5對時間因素的變化較敏感，所以導(dǎo)致了不同時刻的排序結(jié)果大致相同，又稍有區(qū)別.由此，在進(jìn)行特色小鎮(zhèn)融資項目決策時，應(yīng)當(dāng)考慮時間因素對方案的影響，以使得決策更加科學(xué)合理.

4 結(jié)論

1) 本文將冪加權(quán)幾何平均集結(jié)算子應(yīng)用到區(qū)間直覺模糊集，以此算子進(jìn)行數(shù)據(jù)集結(jié)，體現(xiàn)了本文的科學(xué)性.另一方面，本文通過引入動態(tài)冪加權(quán)幾何平均算子，引入了時間因素來更加全面地評估整個項目，體現(xiàn)了本文的動態(tài)性.

2) 本文以麗水古堰畫鄉(xiāng)小鎮(zhèn)為例，通過實(shí)例論證，證明了該方法對于特色小鎮(zhèn)融資項目模式選擇的可行性，為后續(xù)特色小鎮(zhèn)融資項目決策提供了1種新的方法.

3) 資產(chǎn)證券化作為新型融資方式亦受到相關(guān)專家的推薦，評分較高.因此，結(jié)合目前我國PPP融資模式發(fā)展現(xiàn)狀，特色小鎮(zhèn)在實(shí)際建設(shè)運(yùn)營中，可以通過資產(chǎn)證券化與PPP相結(jié)合的方式進(jìn)行融資，進(jìn)一步促進(jìn)特色小鎮(zhèn)的可持續(xù)發(fā)展.