PPP模式下的新建高速公路融資風險識別及分級評價模型研究

姚立新

（山西省高速公路集團有限責任公司，山西 太原 030006）

0 引言

高速公路建設項目具有投資體量大、投資收益周期長等典型特征，投資體量與投資收益周期的失衡將引發建設資金籌措困難，直接影響高速公路的建設進程[1-2]，在傳統的高速公路建設模式中，一般由地方政府部門充當出資人和建設單位，受建設資金持續高成本、低收益影響，地方政府中的有償債務、擔保債務及其他債務風險開始顯現，因基建投資缺口引發的現實矛盾逐步暴露[3]。2014年10月，國務院出臺了《關于加強地方政府性債務管理的意見》（國發〔2014〕43號），文件明確在高速公路等大型基礎設施建設中推廣PPP模式，以轉變地方政府在公路建設中的角色，切實防范化解財政金融風險[3-4]。

財金〔2019〕10號文就推進PPP模式規范發展提出了具體實施意見，意見明確了PPP未來規范發展的總體要求、準入條件、管理措施等內容。為了更好地貫徹落實財金〔2019〕10號文精神，同時發揮PPP模式在高速公路建設中的融資優勢，最大限度控制融資風險，本文從PPP模式的融資特征出發，通過融資風險識別，建立了新建公路PPP項目的融資風險分級評價模型，能夠實現對風險的分級量化評價。

1 PPP模式下的融資特征概述

PPP模式促進了高速公路建設項目融資機制的創新進程，符合資本的供給側結構性改革要求，實現了供給側要素的最優配置[4]。該模式具有以下明顯特征，詳見表1。

表1 新建高速公路PPP項目融資模式特征

2 新建高速公路PPP項目融資風險類型識別

2.1 風險識別方法選取

目前，應用于PPP項目融資風險識別的方法較多，各方法均有優劣，以下針對常用識別方法進行說明，詳見表 2[2，4]。

表2 PPP項目融資風險常用識別方法

2.2 制定風險識別方案

本著目標導向、科學客觀、邏輯條理、系統完善的基本原則，通過對比表2中所列風險識別方法的優缺點，在綜合研判項目實際、外部環境、政策制度等因素后，特制定以下風險識別方案，方案流程詳見圖1。

圖1 PPP融資風險識別方案流程

2.3 風險識別最終清單

按照圖1所示的風險識別流程，本文針對新建高速公路PPP項目提出的最終融資風險清單如表3。

3 基于改進AHP法的新建高速公路PPP項目融資風險分級評價

3.1 改進AHP法相關理論概述

本文所述的改進AHP法是采用灰關聯度指標對經典AHP模型進行修正，進而得到修正后的風險因素權重結果。

經典AHP法（層次分析法）是常用的定性與定量分析相結合的權重計算方法，AHP法的核心在于目標層、準則層的建立及判斷矩陣的構建，判斷矩陣中的元素為準則層內指標經兩兩遍歷對比后的重要性程度量化值，量化值采用“0-9標度法”記錄[5]，判斷矩陣T的表達式詳見式（1）。

通過計算判斷矩陣的特征向量得到對應準則層各因素的權重指標，通過計算判斷矩陣特征向量的最大特征值λmax，完成對結果的一致性檢驗，一致性指標CR計算過程詳見式（2）：

式中：n表示對比元素個數；RI取值通過元素個數對應查表獲取。

因準則層內各指標重要性對比過程中存在較大的主觀性，為了平衡主觀性對風險評價帶來的不利影響，本文提出采用灰關聯法對AHP模型進行修正，以得到修正后的風險因素權重結果。

灰關聯分析法通過計算參考數列與比較數列間的關聯度系數及關聯度指標，定量判斷某因素對系統整體的敏感程度，進而實現對單個因素的權重修正。灰關聯分可分為參考數列與比較數列的矩陣構建、矩陣元素的無量綱化處理、灰關聯系數及灰關聯度計算三步。相關計算公式見式（3）～式（5）[6]。

假定共有m個因素，n組試驗結果，X0與Xm分別代表參考數列和比較數列，則構建的總體數列矩陣如下：

本文不涉及各因素的無量綱處理，可直接計算灰關聯系數及灰關聯度，設比較數列中第i個因素對應的第j個水平同參考數列的第j個水平的灰關聯系數為 ζi(j)，計算公式如式（4）：

式中：ρ為分辨系數，表征灰關聯系數間的差異程度，一般取0.5。

通過計算灰關聯系數均值得到灰關聯度指標，以表征比較數列與參考數列間的關聯程度，計算公式如式（5）：

3.2 基于改進AHP法的融資風險因素權重計算模型

本節以表3中所列的第一層風險因素為例，闡述權重計算模型建立過程：

a）通過省級專家庫隨機抽取3組共18名專家參加因素重要性評價，通過組內平均得到3組第一層風險因素的判斷矩陣 T1、T2、T3，3個判斷矩陣均為 4×4階矩陣；通過計算3個判斷矩陣的特征向量及最大特征值，得到對應的權重指標及一致性檢驗結果，特征向量求解采用求根法，具體計算過程本文不再贅述。

b）設經3個判斷矩陣求得的權重指標矩陣分別為 X1、X2、X3，且均通過一致性檢驗，將上述權重矩陣整合為一個新的總體權重指標矩陣X，矩陣關系詳見式（6）：

c）從矩陣X中選取最大元素xmax構建參考數列X0，并與總體權重指標矩陣X構建新的總體數列矩陣X'，其表達式詳見式（7）：

d）據式（4）、（5）分別求得 X'的灰關聯系數矩陣 ζ及灰關聯度指標 γ，計算結果詳見式（8）、式（9）：

f）根據灰關聯度指標計算3組專家對應的評價權重η，并求解修正后的第一層風險因素權重指標，計算結果詳見式（10）、式（11）：

據式（6）得到灰關聯度修正后的第一層風險因素權重指標 Ui如式（11）：

同理，計算表3中第二層風險因素的修正權重指標Vj，并得出一二層因素的組合權重指標W，詳見式（12）：

3.3 基于風險因素權重的分級評價結果

為實現風險的分級評價，本文擬將PPP項目融資風險分為低風險、中低風險、中風險、中高風險及高風險5級，并用阿拉伯數字1～5進行量化[5]；考慮到實際評級過程中，受風險因素權重影響，評級結果可能出現小數，故對上述評級標準進行細化，細化后的分級評價標準詳見表4。

表4 PPP項目融資風險分級評價標準

通過省級專家庫隨機抽取若干名行業專家參與風險因素量化評級，并分別給出打分結果，打分標準按表4執行，將全部參評專家打分結果按照風險因素分別求均值，得到各風險因素對應的風險評級量化值Di，并計算PPP項目融資風險總體評價結果P，計算過程詳見式（13）：

根據P值大小，據表4對照給出評級結果，至此完成PPP項目融資風險的總體分級評價過程。

4 結語

綜上，本文從新建高速公路PPP項目的融資風險切入，在分析PPP融資特征的前提下，綜合多種方法對其融資風險進行識別，得到了相對完善的融資風險清單；基于AHP法和灰關聯理論，建立了適用于PPP融資風險因素權重計算的改進AHP數學模型，并通過建立分級評價標準，實現了新建高速公路PPP項目融資風險的精準定量評價，為PPP項目開展過程中的風險規避提供了重要支撐。