基于贝叶斯网络的智慧养老项目PFI模式风险研究*

西安建筑科技大学管理学院 卢梅 杨毅峰

基于贝叶斯网络的智慧养老项目PFI模式风险研究*

西安建筑科技大学管理学院 卢梅 杨毅峰

在现代科技整合快速发展的形势下，智慧养老模式的探索可以弥补传统养老模式的不足。引入先进的PFI模式提供智慧养老服务可以满足智慧养老项目对于资金及运营模式的要求，但由于PFI模式的开放性、多元化以及智慧养老项目的投资大、资金回收周期长等特点，该项目面临的风险较高。本文从企业管理的角度，以项目全寿命周期为阶段划分，识别智慧养老项目PFI风险因素，通过建立贝叶斯网络风险分析模型，运用先验概率和后验概率，甄别风险管理的主要因素是智慧养老项目PFI模式运营成功的关键，根据主要风险因素提出相应对策。

智慧养老 PFI模式 贝叶斯网络

一、引言

随着现代科技的整合式发展，作为中国传统养老形式的“家庭养老”模式正面临着日益严峻的挑战，而以新技术为基础的智慧养老模式的出现正在中国进行初步尝试。2016年3月，中国人民银行、民政部、银监会、证监会、保监会五部门联合发布了《关于金融支持养老服务业快速发展的指导意见》，首次在中央层面明确了金融支持养老服务业发展的决策，对于金融业与养老服务业的融合发展具有里程碑的意义，也为智慧养老项目的融资发展形成了有力的政策支持。

智慧养老项目具有周期长、投资大、涉及主体多、不确定因素多的特点，正是由于其所具有的特殊性，需要创新的融资模式，合理分担该项目的风险并解决其所面临的融资困局。PFI（Private Finance Initiative）是1992年在英国首次提出的民营资本参与公共投资项目的新的融资模式，其后在欧美发达国家得到了广泛的推广与运用。关于PFI模式的学术研究主要集中在PFI模式的内涵、经济分析与评价、项目管理与决策以及制度建设等方面。将PFI模式引入智慧养老项目中可以改变风险由政府部门或企业单位独立承担风险的局面，为智慧养老项目的健康发展运营提供了良好保证。在PFI模式框架下开发智慧养老项目的风险管理对项目的成功建设具有至关重要的作用，也是项目各参与方集中关注的焦点。由于风险的客观、潜在、随机、可测特性，可运用科学的方法测度该项目的风险。贝叶斯网络是在贝叶斯理论的基础上形成的图形化网络是进行不确定知识表达和推理的有效工具，在风险预测与管理方面也得到较为广泛的应用。

二、智慧养老项目PFI模式风险识别体系

在学术界，关于项目的风险识别分析已经形成一套完整成熟的体系，智慧养老项目PFI模式风险分析流程如图1，本文根据项目全寿命周期的阶段性划分，在查阅等学者相关文献资料的基础上，通过对智慧养老项目风险影响因素的梳理分析，将项目划分为项目决策阶段、项目实施阶段、项目运营阶段三个阶段，共9项指标30个风险影响因素，具体如表1所示。

图1 智慧养老项目PFI模式风险分析流程图

其中，P（A|B）是在B发生情况下A发生的概率。P（A）是A的先验概率或边缘概率。P（A|B）是已知B发生后A的条件概率，也由于得自B的取值而被称作A的后验概率。P（B|A）是已知A发生后B的条件概率，也由于得自A的取值而被称作B的后验概率P（B）是B的先验概率或边缘概率，也作标准化常量。

贝叶斯网络（Bayesian Network，BN）是Pearl提出的关于不确定知识表达与推理的方法，是概率悖论与图论的结合。贝叶斯网络属于有向无环图，可以表达各节点之间的依赖关系，因其能表达各影响事件之间正向因果关系，因此也称为因果图。贝叶斯网络由各节点的有向无环图与各

三、贝叶斯网络模型构建

（一）贝叶斯网络贝叶斯定理也叫贝叶斯法则或贝叶斯规则，是关于随机事件A和B的条件概率（或边缘概率）的一则定理。节点的条件概率表（CPT）两部分组成。

表1 智慧养老项目PFI模式风险识别体系

BN模型的简化运行隐含着影响因素的条件独立关系，即任一因素即可单独对结果产生影响，基于条件独立假设，即如果B隔离了A和C，则认为A和C是关于B条件独立的，表达为：

贝叶斯网络令所有以Xi为父节点，任意非Xi子节点与Xi节点条件独立，则有n个节点的贝叶斯网络的联合概率分布为：

式中，xi表示贝叶斯网络中的各个节点，Parent（xi）表示节点xi节点的父节点。

通过表1对智慧养老项目PFI模式风险因素的识别，借助GeNIe2.0贝叶斯分析软件，构建智慧养老项目PFI模式风险因素贝叶斯网络图，如图2所示。

（二）节点概率取值及风险判定建构完成贝叶斯网络图之后，需要对网络图中各节点的风险因素发生概率进行评估。由于缺少完整的节点数据，本研究采取问卷调查的方式，风险因素发生概率的取值是以风险发生的可能性与其影响程度的乘积来确定，专家打分取值范围如表2所示。通过将专家经验的评估取值通过十分制以概率的形式进行数学处理，从而确定各风险因素的发生概率。

风险因素的概率计算方式为式（4）：

图2 智慧养老项目PFI模式风险因素贝叶斯网络图

表2 专家打分取值表

式中，R（Xi）表示该风险因素发生的概率；P（Xi）表示该风险因素发生的可能性；V（Xi）表示该风险发生的影响程度；P（Xi），V（Xi）∈（0.1，0.3，0.5，0.7，0.9）取值越大代表风险发生概率或影响程度越大。

依据专家打分确定的概率值，导入贝叶斯网络图，计算得出智慧养老项目PFI模式风险概率值判定风险等级，风险等级判定如表3所示。

表3 风险概率等级判定表

（三）诊断推理诊断推理是贝叶斯网络的一种逆向推理，即在已知结果时找出产生该结果的原因，其原理是通过对后验概率的计算，进一步推算各父节点的概率分布，后验概率的贝叶斯公式如式（5）：

式中，P（X/T）为自然状态的后验概率；P（X）为自然状态的先验概率；P（T/X）为事件T的条件概率。

P（X/T）越高，表明该节点的影响程度越大，进而将影响程度较大的主要因素作为风险控制的主要对象，并制定相应对策控制风险发生概率。

四、案例分析

（一）项目概况2012年全国老龄工作委员会办公室出台《全国智能化养老实验基地建设规范》，力争5年内在全国建设100家“智能化养老实验基地”，探索适应我国国情的智能化养老模式。西安某老年医学康复中心升级为全国智慧养老基地，项目建设用地250亩。总建设面积约40万平方米，建设标准间3654间，床位约10000张。地上建设群两层临街门面房54150m2，地下两层规划车位约1800个。本项目预计总投资15亿人民币，建设期3年。

（二）贝叶斯网络风险模型本项目以图1建立智慧养老项目PFI模式风险因素贝叶斯网络图为基础，从企业角度出发，通过调查问卷的方式，邀请相关专家对各因素按照下表进行打分，从而确定各因素的边缘概率，如运营节点的父节点概率见表4。借助GeNIe2.0分析软件，构建智慧养老项目PFI模式风险的贝叶斯网络分析模型，建立各节点的条件概率表（CPT），如运营风险的CPT表，见表5。并通过汇总计算得出，该项目风险为56.7%，风险等级为D级，风险程度较大。计算结果如图3所示。

表4 根节点概率表

表5 运营风险的CPT表

表6 某智慧养老项目风险概率计算表

图3 某智慧养老项目贝叶斯网络风险计算图

本项目为全新模式的养老项目，无历史项目资料可考，故令该项目风险发生概率R（T）=1，通过贝叶斯网络的诊断推理，以式（4）计算各节点发生的后验概率，结果如表6所示。

通过表6得知，后验概率排序前5的风险因素分别为责权分担不明（0.818）、养老运营服务风险（0.665）、PFI项目经验（0.658）、养老产业政策调整（0.538）、组织协调困难（0.532）。在采用PFI模式建设运营智慧养老项目的过程中，对以上五方面因素风险控制尤为重要，是项目成功与否的关键。

五、智慧养老项目PFI模式风险控制对策

（一）建立合理的风险分担体系风险分担是参与项目的不同主体对项目开发运营过程中各自风险的承担情况。建立风险分担体系的目的在于采取合理的方式提高项目运营的效率，而不在于采取措施转移投资者个体的风险。在智慧养老项目PFI模式的风险大小应该与收益对等，但不允许任一方为获取更大的风险，承担超越其承受范围的风险，因此，需要建立合理的风险分担体系，使各方参与程度与其承担风险相匹配，防止项目的无效运营，保护各相关利益方的合法权益。

（二）制定高效的内部协调机制智慧养老项目采用PFI模式参与项目的主体复杂，涉及的部门层级较多，加之PFI模式本身具有的开放性、多元化与各参与主体的知识结构不同，容易造成各方沟通不畅，出现链条脱节的问题，因此要制定高效的内部协调机制，确保项目内部协调沟通畅通，防范管理风险的发生，保证项目顺利实施运营。

（三）培养精通PFI模式的专业人才由于PFI模式是一种新的融资运营模式，缺乏成熟有效的历史资料可以借鉴，因此培养懂专业精通PFI模式的专业人才是风险管理的重要环节。通过专业人才对PFI项目的全过程、全方位监督管理，可以缩短项目组织时间，降低项目开发运营风险，为项目的顺利建设运营提供有力保障。

智慧养老项目投资大、开发周期长、参与主体多、影响因素复杂，运用PFI融资模式于智慧养老项目，能够有效解决融资难的问题，同时提高资金使用效率并分散风险。由于其存在较大程度的风险；因此，对风险控制尤为重要。本文基于贝叶斯网络模型分析智慧养老项目PFI模式全寿命周期风险因素，通过对风险因素进行因果分析和诊断推理有利于在不确定情况下完善风险管理。

*本文系陕西省教育厅哲学社会科学重点研究基地项目“陕西省建筑企业国际竞争力评价及国际化发展战略研究”（项目编号：14JZ022）阶段性研究成果。

［1］朱海龙：《智慧养老：中国老年照护模式的革新与思考》，《湖南师范大学社会科学学报》2016年第3期。

［2］李玉峰、李正伟、张琦：《基于养老地产PFI融资模式的风险分担研究》，《中国房地产（学术版）》2012年第6期。

［3］高扬：《PFI项目风险管理研究》，《中国工程咨询》2012年第10期。

［4］马敏达、李正伟、曹小琳：《养老地产PFI融资模式研究》，《合作经济与科技》2014年第8期。

［5］杨茂盛、张旭：《养老地产项目开发风险及对策》，《开发研究》2016年第2期。

［6］周鲜华、刘娜、项英辉：《公共租赁住房PFI融资模式风险分担研究》，《建筑经济》2014年第8期。

［7］肖蒙、张友鸣：《基于因果影响独立模型的贝叶斯网络参数学习》，《控制与决策》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.

（编辑 杜昌）