PPP模式下的新建高速公路融资风险识别及分级评价模型研究

姚立新

（山西省高速公路集团有限责任公司，山西 太原 030006）

0 引言

高速公路建设项目具有投资体量大、投资收益周期长等典型特征，投资体量与投资收益周期的失衡将引发建设资金筹措困难，直接影响高速公路的建设进程[1-2]，在传统的高速公路建设模式中，一般由地方政府部门充当出资人和建设单位，受建设资金持续高成本、低收益影响，地方政府中的有偿债务、担保债务及其他债务风险开始显现，因基建投资缺口引发的现实矛盾逐步暴露[3]。2014年10月，国务院出台了《关于加强地方政府性债务管理的意见》（国发〔2014〕43号），文件明确在高速公路等大型基础设施建设中推广PPP模式，以转变地方政府在公路建设中的角色，切实防范化解财政金融风险[3-4]。

财金〔2019〕10号文就推进PPP模式规范发展提出了具体实施意见，意见明确了PPP未来规范发展的总体要求、准入条件、管理措施等内容。为了更好地贯彻落实财金〔2019〕10号文精神，同时发挥PPP模式在高速公路建设中的融资优势，最大限度控制融资风险，本文从PPP模式的融资特征出发，通过融资风险识别，建立了新建公路PPP项目的融资风险分级评价模型，能够实现对风险的分级量化评价。

1 PPP模式下的融资特征概述

PPP模式促进了高速公路建设项目融资机制的创新进程，符合资本的供给侧结构性改革要求，实现了供给侧要素的最优配置[4]。该模式具有以下明显特征，详见表1。

表1 新建高速公路PPP项目融资模式特征

2 新建高速公路PPP项目融资风险类型识别

2.1 风险识别方法选取

目前，应用于PPP项目融资风险识别的方法较多，各方法均有优劣，以下针对常用识别方法进行说明，详见表 2[2，4]。

表2 PPP项目融资风险常用识别方法

2.2 制定风险识别方案

本着目标导向、科学客观、逻辑条理、系统完善的基本原则，通过对比表2中所列风险识别方法的优缺点，在综合研判项目实际、外部环境、政策制度等因素后，特制定以下风险识别方案，方案流程详见图1。

图1 PPP融资风险识别方案流程

2.3 风险识别最终清单

按照图1所示的风险识别流程，本文针对新建高速公路PPP项目提出的最终融资风险清单如表3。

3 基于改进AHP法的新建高速公路PPP项目融资风险分级评价

3.1 改进AHP法相关理论概述

本文所述的改进AHP法是采用灰关联度指标对经典AHP模型进行修正，进而得到修正后的风险因素权重结果。

经典AHP法（层次分析法）是常用的定性与定量分析相结合的权重计算方法，AHP法的核心在于目标层、准则层的建立及判断矩阵的构建，判断矩阵中的元素为准则层内指标经两两遍历对比后的重要性程度量化值，量化值采用“0-9标度法”记录[5]，判断矩阵T的表达式详见式（1）。

通过计算判断矩阵的特征向量得到对应准则层各因素的权重指标，通过计算判断矩阵特征向量的最大特征值λmax，完成对结果的一致性检验，一致性指标CR计算过程详见式（2）：

式中：n表示对比元素个数；RI取值通过元素个数对应查表获取。

因准则层内各指标重要性对比过程中存在较大的主观性，为了平衡主观性对风险评价带来的不利影响，本文提出采用灰关联法对AHP模型进行修正，以得到修正后的风险因素权重结果。

灰关联分析法通过计算参考数列与比较数列间的关联度系数及关联度指标，定量判断某因素对系统整体的敏感程度，进而实现对单个因素的权重修正。灰关联分可分为参考数列与比较数列的矩阵构建、矩阵元素的无量纲化处理、灰关联系数及灰关联度计算三步。相关计算公式见式（3）～式（5）[6]。

假定共有m个因素，n组试验结果，X0与Xm分别代表参考数列和比较数列，则构建的总体数列矩阵如下：

本文不涉及各因素的无量纲处理，可直接计算灰关联系数及灰关联度，设比较数列中第i个因素对应的第j个水平同参考数列的第j个水平的灰关联系数为 ζi(j)，计算公式如式（4）：

式中：ρ为分辨系数，表征灰关联系数间的差异程度，一般取0.5。

通过计算灰关联系数均值得到灰关联度指标，以表征比较数列与参考数列间的关联程度，计算公式如式（5）：

3.2 基于改进AHP法的融资风险因素权重计算模型

本节以表3中所列的第一层风险因素为例，阐述权重计算模型建立过程：

a）通过省级专家库随机抽取3组共18名专家参加因素重要性评价，通过组内平均得到3组第一层风险因素的判断矩阵 T1、T2、T3，3个判断矩阵均为 4×4阶矩阵；通过计算3个判断矩阵的特征向量及最大特征值，得到对应的权重指标及一致性检验结果，特征向量求解采用求根法，具体计算过程本文不再赘述。

b）设经3个判断矩阵求得的权重指标矩阵分别为 X1、X2、X3，且均通过一致性检验，将上述权重矩阵整合为一个新的总体权重指标矩阵X，矩阵关系详见式（6）：

c）从矩阵X中选取最大元素xmax构建参考数列X0，并与总体权重指标矩阵X构建新的总体数列矩阵X'，其表达式详见式（7）：

d）据式（4）、（5）分别求得 X'的灰关联系数矩阵 ζ及灰关联度指标 γ，计算结果详见式（8）、式（9）：

f）根据灰关联度指标计算3组专家对应的评价权重η，并求解修正后的第一层风险因素权重指标，计算结果详见式（10）、式（11）：

据式（6）得到灰关联度修正后的第一层风险因素权重指标 Ui如式（11）：

同理，计算表3中第二层风险因素的修正权重指标Vj，并得出一二层因素的组合权重指标W，详见式（12）：

3.3 基于风险因素权重的分级评价结果

为实现风险的分级评价，本文拟将PPP项目融资风险分为低风险、中低风险、中风险、中高风险及高风险5级，并用阿拉伯数字1～5进行量化[5]；考虑到实际评级过程中，受风险因素权重影响，评级结果可能出现小数，故对上述评级标准进行细化，细化后的分级评价标准详见表4。

表4 PPP项目融资风险分级评价标准

通过省级专家库随机抽取若干名行业专家参与风险因素量化评级，并分别给出打分结果，打分标准按表4执行，将全部参评专家打分结果按照风险因素分别求均值，得到各风险因素对应的风险评级量化值Di，并计算PPP项目融资风险总体评价结果P，计算过程详见式（13）：

根据P值大小，据表4对照给出评级结果，至此完成PPP项目融资风险的总体分级评价过程。

4 结语

综上，本文从新建高速公路PPP项目的融资风险切入，在分析PPP融资特征的前提下，综合多种方法对其融资风险进行识别，得到了相对完善的融资风险清单；基于AHP法和灰关联理论，建立了适用于PPP融资风险因素权重计算的改进AHP数学模型，并通过建立分级评价标准，实现了新建高速公路PPP项目融资风险的精准定量评价，为PPP项目开展过程中的风险规避提供了重要支撑。