“互联网金融+PPP”项目风险决策模型分析——基于熵值法与TOPSIS法

李国昌 刘珊珊

（安徽建筑大学，安徽 合肥 230000）

一、引言

PPP模式在我国实施发展已有较长时间，它支持社会资本进入基础设施建设，充分发挥资源配置的作用[1]。随着我国时代的发展，当下经济大环境步入新常态发展阶段，科学技术水平提高，互联网金融伴随而出。它是当下时代的一种新的经济发展格局，通过科技手段将互联网的优势融入到各个经济领域，形成全新的发展势头[2]。近年我国提出“大众创业、万众创新”的发展方针，分析对比“大众创业、万众创新”政策与PPP模式的相似及不同方面，结合我国当下形势与政策，提出融合发展的未来路径。PPP与互联网金融的融合发展并不是简单相加或者产业间表面合作，而是借助于互联网强大的信息资源发展PPP模式。

PPP与互联网金融的融合发展将实现 “1+1＞2”的局面，在一定程度上减轻了政府的财政债务压力，响应我国实施供给侧改革背景下的经济发展要求，为社会提供了更优质的公共服务[3]。

PPP项目存在多方参与者、融资结构复杂，项目风险的不可预见严重阻碍了发展[4]。融合发展的新模式应用互联网金融建立PPP项目平台，通过平台公开信息，全面分析项目细节，使各方面风险可以预见并处于可控制状态，弥补了传统的PPP模式的缺陷。由于互联网金融自身也存在一定的风险，简单的分析难以决策“互联网金融+PPP模式”下的最佳项目。本文在此思路下，设立合理的风险指标评价体系，建立基于熵值法与TOPSIS法的风险决策模型。旨在“互联网金融+PPP模式”的良好背景下做出最佳项目决策分析，提高政府资本的参与度与社会公众的信任度。

二、“互联网金融+PPP”模式下项目风险识别

互联网金融参加PPP项目的新模式为我国的城市基础设施建设实现最优资源配置，建立了有效的管理和监督体系。较好的缓解了政府资本参与度不高与社会群众不信任的问题[5]。但互联网金融及PPP模式本身也存在着一些问题以及二者的结合衍生出的新的问题，产生了一系列风险，本文结合国内外现有文献[6]，归纳得出的风险因素如表1所示。

根据识别出的风险因素，以五大类风险作为评价体系的一级指标，通过专家打分从而实现对PPP

表1 “互联网金融+PPP”模式建设项目风险指标

项目融资风险的定量评价，在分析 “互联网金融+PPP”模式的合理性之后，基于上述风险因素，设立如图1所示的风险指标体系。

图1 “互联网金融+PPP”模式建设项目风险指标体系

三、基于熵值法与TOPSIS法的风险决策模型

（一）熵值法与TOPSIS法的基本思想

基于归一化的原始数据矩阵，计算出待评价对象中最佳方案和最差方案，通过计算各对象与最佳和最差方案间的距离，获得各待评价对象与最佳方案的相对接近程度，分类排序，以此作为评价各方案的优劣依据[7]。本文将借助EXCEL软件编程实现模型计算。

（二）熵值法确定权重

熵值法原理：熵值法是根据各项指标观测值所提供的信息，在分析属性值的差异下确定其权重大小的方法。

熵值法确定权重的计算过程：

步骤1：计算第i个项目在第j项风险指标下占该指标的比例：

计算各个决策方案对属性j的贡献总和。其中常数K可以取K=1/Inm这样就能保证0≤Ej≤1

步骤3：

计算第j属性的差异性系数dj。

步骤4：由公式

步骤2：利用下述公式

计算各个属性的权重，其中n指相应属性的数量

（三）通过TOPSIS法建立决策模型

TOPSIS法原理：TOPSIS法是在加权规范化属性矩阵的基础上，确定相应的正理想方案A*与负理想方案A—，通过计算每个方案与正理想方案及负理想方案的相对距离，比较各相对距离确定决策方案的优先次序。其中正理想方案对应的正理想解是虚拟计算的最佳方案，负理想方案对应的负理想解是最差方案，通过计算各个方案与正理想解和负理想解的相应距离进行比较，得出既靠近正理想解又远离负理想解的方案为最佳方案[8]。

使用TOPSIS法的具体计算步骤如下：

步骤1：向量规范化处理。根据初始数据列出初始决策矩阵，通过公式(5)进行向量规范化处理，得到规范化矩阵，详细公式如下：

步骤2：加权标准化矩阵。根据公式（5）得到的规范化矩阵，通过公式（6）乘以熵值法得出的各指标权重确定加权标准化矩阵，详细公式如下：

步骤3：计算正理想方案与负理想方案。

当方案为效益类型属性时，正理想方案为每列最大值，负理想方案为每列最小值；当方案为成本类型属性时，正理想方案为每列最小值，负理想方案为每列最大值。详细公式如下：

其中：J=1,2,…n|J为效益类型的目标函数；

J’=1,2,…n|J’为成本类型的目标函数。

步骤4：计算各方案到理想方案的距离。

步骤5：计算各方案的相对接近度。在各方案与正理想方案的距离以及与负理想方案的距离的基础上，通过公式（11）计算各方案的相对接近度Ci，详细公式如下：

步骤6：排序。根据所得值Ci的大小进行排序，取小值者为佳。

四、基于熵值法与TOPSIS法的“互联网金融+PPP”项目风险决策应用

（一）基于熵值法的“互联网金融+PPP”项目风险影响因素指标权重

通过专家打分法，邀请了3位有互联网金融知识理论的专家和6位有丰富PPP项目实践经验的专家采用0-1打分法对某公司甲乙丙丁四个项目进行打分，打分结果见表2。

表2 项目风险指标评价表

根据表2构建项目风险指标初始评价矩阵，利用上述熵值法求出项目风险指标权重，计算结果如表3所示：

表3 项目风险指标权重表

（二）基于TOPSIS法的“互联网+PPP”项目风险决策评估

根据步骤1将初始评价矩阵进行向量规范化处理，可以得到规范化矩阵R如下。

规范化矩阵R：

根据步骤2的公式，利用表3的指标权重进行计算得到加权标准化矩阵V如下。

加权标准化矩阵V：

根据步骤3的公式计算确定相应指标的正负理想解，结果如表4。

根据步骤4的公式，利用表4结果，计算得到各项目到正理想解和负理想解的欧式距离，结果如表5。

表4 相应指标正负理想解

表5 欧氏距离

根据步骤5的公式，利用表5的结果计算各项目的相对贴近度，对项目进行优劣排序，结果如表6。

表6 各项目相对贴近度

根据计算所得值Ci的大小进行项目优劣排序：项目乙 >项目丁 >项目甲>项目丙，由于步骤5中计算相对贴近度采用的公式中以项目到负理想解的距离为分子来计算，则得到的相对贴近度中，最小值者最佳，对应优劣排序：项目丙 >项目甲>项目丁 >项目乙。

五、结果分析

本文以互联网金融参与PPP项目为研究对象，从互联网金融和PPP项目以及二者结合的方面分别来识别风险因素进行总结，建立“互联网金融+PPP”模式建设风险指标体系并应用于项目风险决策之中，通过熵值法与TOPSIS法利用EXCEL软件编程进行决策，通过对项目打分，计算权重，得到正负理想解及各项目与正负理想解对应的欧氏距离和相对贴近度进行排序。根据计算结果可知各个项目中，项目乙远离正理想样本，接近负理想样本。项目丙远离负理想样本，接近正理想样本。理论上来说，项目越接近正理想解样本越优，越接近负理想解样本的样本越劣。由于本文的研究对象是在互联网金融参与PPP项目时存在的各风险因子，所以从结果分析，越接近正理想样本的风险越大，越接近负理想样本的风险越小。则项目的风险排序为：项目丙的风险>项目甲的风险>项目丁的风险>项目乙的风险，则项目乙应为最佳方案。

六、结语

本文从“互联网金融+PPP”模式中存在的风险识别出发，归纳总结了互联网金融中存在的风险，PPP模式中存在的风险以及两者衍生产生的风险。构建了“互联网金融+PPP”模式建设项目风险指标体系，并基于熵值法与TOPSIS法建立 “互联网金融+PPP”项目风险决策模型，通过EXCEL软件进行编程计算各个方案的相对贴近度值，对互联网金融参加PPP项目的融资风险情况进行排序比较。分析结果表明，该模型能够对 “互联网金融+PPP”项目风险进行决策，利用TOPSIS法能够全面、合理、准确地对多个风险指标体系下的多个项目进行优劣排序，评价过程清晰，评价结果可靠，可以为决策者提供最佳方案。