引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇量化投資的步驟范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。

第1篇

2013年可謂我國對沖基金快速發展的一年。越來越多成熟的投資者關注到這個投資品類，并認可其投資機會及資產配置功能。

但說起對沖基金，很多人還是不可避免地聯想到“量化對沖”、“程序化交易”等相關詞匯。那么這些概念之間到底有怎樣的關聯呢？是不是對沖基金一定要采取對沖或量化投資呢？

并非所有對沖基金都采取對沖手段

顧名思義，對沖基金給人印象是運用對沖工具對沖風險的基金。但是，實際上并非所有對沖基金一定都采取對沖手段。對沖基金相對于傳統的公募基金而言，主要是在基金結構方面的區別。

一般來說，對沖基金具有以下特點：

第一，受更少的監管。國內的公募基金要求每季度披露季報，公布基金倉位和重倉股等核心信息，基金投資范圍也受到嚴格的控制。至今我國還沒有一只投資商品期貨的公募基金，去年底成立的嘉實絕對收益策略是國內目前唯一一只可投資滬深300股指期貨的市場中性策略的公募基金。而私募基金可以不公開任何與投資相關的信息，投資范圍也廣泛的多。

第二，更長的封閉期。國內的對沖基金通常在成立后的半年內處于封閉期，不能申購贖回，或者只許申購不準贖回。此后，走信托通道的產品每月開放申購和贖回，而走公募基金專戶或是公募基金子公司的產品每季度才開放一次申購和贖回。降低流動性是為了減少申購與贖回對基金運作的不良影響，有利于保護投資者的收益，有助于基金經理的投資運作。

第三，收取業績提成。公募基金的收費主要是前端認購費和固定管理費，而私募基金除了這兩部分外通常還收取20%的超額業績提成。有些業績出色且有溢價能力的對沖基金甚至收取30%的業績報酬。

第四，偏向于絕對收益的投資方式。我們都知道，公募基金的比較基準往往是滬深300等大盤指數，基金經理的考核通常是同類基金排名。這就是所謂相對收益型的業績導向。而對沖基金的業績基準通常是定期存款利率。由于基金管理人為了獲得更高的業績報酬，所以更在乎基金的絕對收益水平，而不是相對大盤指數的相對收益或是業績排名。這種績效方式就會引導基金管理人在投資方式上更偏向于絕對收益的方法，能采用對沖工具的可以進行風險敞口的對沖，不運用對沖工具的也會通過調節倉位來控制基金凈值的下行風險。

并非所有對沖基金都采用量化投資

量化投資強調的是在投資的過程中加入定量化的方法和手段。

傳統的股票型基金經理在投資的過程中更多的是依據自己對宏觀經濟、行業發展趨勢以及企業經營狀況的主觀判斷。雖然在做決策前基金經理也閱讀了大量數據，但這些數據轉換為投資決策是在人腦里完成的。這個決策過程涉及到很多定性的判斷，模糊的處理，是一個非量化的決策過程。

而所謂量化投資就是盡可能將決策過程模型化、可視化、透明化。在模型化的過程中，勢必會引入不少定量的方法，用到很多金融、經濟、數學以及統計等學科的工具和手段。

舉個簡單的例子，我們注意到股票市場的投資者對于經濟同步數據是比較敏感的。比如，制造業采購經理指數（PMI）如果在50%以上表明經濟處在擴張區間，越高反映經濟發展得越樂觀。此時，主觀投資者會在參考PMI當期數值、前期數值以及市場預期值后綜合來判斷是否該介入購買股票，而量化投資會設一個硬性的標準，比如PMI創出近3月新高即買入股票，或是PMI超過55%才買入股票等等規則，一旦事先設定的規則觸發就形成了交易信號。

量化投資可以很簡單，也可以很復雜。像前面提到的這個例子就是個極為簡單的量化投資方法，連計算器這樣簡單的工具都不用就可以實現。如果規則較多，涉及的步驟較多，或是需要大量的計算，那么就要借助電腦程序來實現。

第2篇

【關鍵詞】 AHP方法； 投資方案； 決策原理

一、引言

企業投資方案決策是否正確直接關系到生產經營的成敗。現有投資方案決策通常是采用比較各備選方案凈現值、期望收益額、期望收益率、收益標準差和收益標準差率等單一量化指標來選擇最優投資方案。運用單一的量化指標進行決策雖然方便但沒有綜合考慮影響企業投資決策的各種量化、非量化因素，尤其是當運用不同量化指標對備選方案選擇得出的結論相悖時企業將陷入無法決策的困境。本文針對這種情況，綜合考慮影響投資決策的量化和非量化因素，運用層次分析法結合案例分析進行最優投資方案選擇。

二、層次分析法運用于投資方案決策的原理

層次分析法（Analytia1 Hierarchy Process，簡稱AHP）是美國匹茲堡大學教授A. L. Saaty于20世紀70年代提出的一種系統分析方法。AHP方法能夠綜合分析量化因素和非量化因素進行決策，因此在經濟管理類研究中有著廣泛的運用。層次分析法的基本原理：根據問題的性質和需要達到的總目標，將解決方案分解為目標層、中間層、方案層等，并按照因素間的相互關聯影響以及隸屬關系，將各因素按不同層次聚集組合，形成一個多層次的分析結構模型。層次分析法運用于投資方案決策可分為四個步驟。

（一）目標層的確定

層次分析法運用于投資方案決策首先要確定投資方案決策的目標。投資方案的決策目標就是選擇最優投資方案。投資方案決策是否正確，直接關系到企業的生存和發展，因此必須對企業內外各種定性和定量的信息進行全面分析，才能做出正確的決策。最優投資方案的選擇并不僅僅取決于某一單項指標的優劣，比如凈現值的高低。凈現值的高低只是企業衡量投資方案的一個方面，最優投資方案應該是最符合企業整體發展戰略，能夠發揮企業自身優勢的方案。

（二）中間層要素的確定

決策目標確定為最優投資方案后，最優投資方案的實現將分解成各層次的中間層要素。中間層要素可以是量化的也可以是非量化的。層次分析法在投資方案決策中運用的關鍵就在于要將決策目標分解為合適的中間層要素，即：投資方案優劣的判斷標準。判斷投資方案的標準必須符合企業實際，一般情況下期望年收益高、投資風險小、凈現值高的投資方案是優秀的投資方案，但對于特定企業而言，國家政策支持力度、投資周期的長短、技術優勢是否明顯，在選擇投資方案時也許更加重要。因此建立層次結構模型應列出決策目標的影響因素，通過考慮各影響因素之間的重要性建立關系矩陣來確定各因素的權重關系。

（三）確定多個備選方案完成層次結構模型

將企業多個備選投資方案和層次結構模型的決策目標、中間層要素進行連接，通過計算權重、單個矩陣、整體矩陣的一致性判斷來確定層次結構模型的合理性，最終根據計算結果選擇最優投資方案。

（四）進行層次單排序及總排序，并進行一致性檢驗

計算出各判斷矩陣的最大特征根及特征向量，并通過歸一化處理，同時要檢驗判斷矩陣的一致性，如果不能通過一致性檢驗則需對判斷矩陣重新計算；計算同一層次對最高層次（總目標）相對重要性的排序權值，此過程從最高層依次到最低層進行，同時對判斷矩陣進行一致性檢驗，如果不能通過一致性檢驗則需要重新開始。

三、層次分析法在投資方案決策案例中的應用

筆者通過案例來探討層次分析法在投資決策中的具體應用。假設A企業要進行投資決策，現有三種方案可供選擇。三種備選方案投資收益基本情況見表1。

三種備選方案的投資周期不同，C1方案為5年，C2方案為4年，C3方案為6年（假設均為一次投入，分年收益）。A企業的再投資年收益率為10%。從A企業現有的科學技術來看，C1方案有一定的技術優勢，其他兩個方案均為新的領域，但C3方案是環保產業，國家政策比較支持。

從A企業案例可以看出三種備選方案的決策信息中既有量化信息也有非量化信息。傳統的投資方案決策方法通常運用凈現值、投資年收益、收益標準差等單一的量化指標判斷最優投資方案。這些傳統決策方法在決策時考慮的因素比較單一，而且在本例中，傳統決策方法出現了多項指標優勢交叉而無法進行判斷的現象。因此筆者選用層次分析法進行投資方案的決策，以綜合考慮投資方案中的量化因素和非量化因素。

（一）建立層次結構模型

根據A企業案例資料，綜合現有數據選擇六個中間層要素，畫出A企業投資方案的層次模型結構圖，如圖1所示。

（二）構造判斷對比矩陣A—B

A企業管理當局選定10位專家組成專家系統，運用德爾菲法對六個中間層要素的重要性進行比較，使用九級指標法將中間層要素兩兩比較后進行打分，得出決策目標層A對中間層要素B的判斷對比矩陣，即：A—B對比矩陣，見表2。

其他對比矩陣的權向量計算過程同對比矩陣A—B的權向量計算過程限于篇幅不再詳述。

（五）一致性檢驗及備選方案的選擇

計算各對比矩陣的最大特征根，利用隨機一致性指標進行檢驗，計算出CR的值（表9）。從表9可以看出，各中間層要素的一致性比率CR均小于0.1，即各判斷矩陣的一致性檢驗均通過。

計算層次總排序，進行一致性檢驗得出CR=

0.0774

從表10可以看出備選方案C3的方案總權重最大，A企業應選擇備選方案C3作為最優投資方案。

四、結論

通過A企業的案例分析，筆者認為層次分析法能夠較好地結合量化指標和非量化指標綜合考慮影響企業投資方案決策的各方面因素，使企業投資方案決策更具科學性。運用層次分析法對企業投資方案決策過程中的各影響因素進行權重分配，可避免在影響因素過多的情況下決策者顧此失彼，將主觀意識過多地帶入企業的經營決策。當各種決策方案出現多項指標優勢交叉時，層次分析法更能做出科學的判斷。

【參考文獻】

[1] 鄧永勝，董毅明.基于AHP的云南省物聯網發展分析[J].昆明冶金高等專科學校學報，2012（1）：21-26.

第3篇

關鍵詞：智能運輸系統 成本效益分析 成本效果分析 多準則分析

中圖分類號：U491113 文獻標識碼：A

1 引言

隨著社會經濟的不斷發展和人們對交通運輸需求的日益增加。交通阻塞、安全、環境污染等問題已經成了影響社會發展的巨大障礙。交通量的持續增長是造成該狀況的最根本原因，傳統的解決途徑如限制交通流量等短期內可以奏效，但有失公平、合理。如何更有效地使用現有交通運輸網絡就是解決上述問題的重要途徑之一。隨著高新技術的崛起，使得智能運輸系統（簡稱ITS，通過關鍵基礎理論模型的研究，將信息技術、通信技術、電子控制技術和系統集成技術等有效地運用于交通運輸系統，從而建立起的實時、準確、高效的交通運輸管理系統）應運而生。與傳統的交通基礎設施建設項目相比，ITS項目不但投資巨大，而且屬新興研究領域，對社會和經濟各方面的影響更加難以預料。我國當前仍是一個發展中國家，建設資金短缺，決策者、投資者、大眾非常關注建設ITS的巨大投資帶來的效益及風險，因此有必要以ITS的影響開展深入的研究，采用的方法就是進行智能運輸系統評價。

2 評價的意義及目的

ITS評價的意義體現在以下幾個方面：

（1）理解ITS產生的影響

ITS評價的內容包括ITS對交通系統及其使用者產生的影響，以及ITS導致的社會、經濟和環境等諸多方面的影響。因而評價ITS不但可以更好地了解項目本身和與其相關交通條件的改善之間的關系，而且對其產生的影響有更好的認識，也有助于將來其他ITS項目的實施。

（2）對ITS帶來的效益進行量化

投資者無論是政府部門還是私人機構都希望能夠量化投資效益。此外，在對ITS進行評價時，我們還要回答諸如“為什么一定要這樣做”及“如何達到預期效果”的問題。

（3）對將來的投資做決策

ITS評價所提供的信息（實施條件和影響因素等）一方面可以幫助政府部門優化投資，對將來項目的投資和實施做決定。另一方面有助于私人機構在商業運作中做出明智而正確的決定，而政府與私人機構之間的密切而有效的合作分工是中國ITS順利發展的必要條件。

（4）對已有的系統優化其運作和設計

ITS評價可以幫助已有的交通設施和交通系統識別需要改進的方向，從而使管理者和設計者能夠更好地管理、調整、改進和優化系統運作和系統設計。

3 各國ITS評價研究現狀

近年來在世界范圍內廣泛開展了對智能運輸系統理論和技術方法的研究，部分發達國家已對許多項目進行了試驗研究并已實施和應用，如城市和高速公路交通事故監測和快速反應系統，匝道控制等。ITS正從實驗階段轉向實施階段，成為地面運輸系統投資的主流方向，投資規模也將迅速增長。政府、企業和大眾都非常關注其社會經濟影響及可能帶來的各方面效益，對ITS項目社會經濟影響的全面評價正日益受到政府、投資者和研究開發機構的普遍重視。

早在1988年，英國學者Bristow提出了如下評價準則：（1）技術性能；（2）人機工程學性能；（3）真實的效益和非效益；（4）感受到的效益和非效益；（5）用戶反映；（6）安全性能；（7）成本；（8）外部性能。歐盟DRIVE研究計劃促進了一系列面向ITS項目評價的指標系統的發展，其道路運輸信息評價過程研究形成了用于評價ITS項目評價過程的評價手冊。1998年歐盟在ITS評價項目“CONVERGE”中，了“智能運輸系統評價指南”，之后幾年又開發了一系列可用于ITS評價的微觀模擬仿真軟件。

美國華盛頓州1993年完成的ITS戰略計劃，設計了從技術分析、社會經濟、立法行政、公眾接受性幾個角度用成本效益分析法評價ITS項目產生的效益。關于ITS項目投資及效益回報理論方面美國最先于1996年完成國家ITS體系結構，后經多次修訂，第四版已于2002年6月。美國國家ITS體系結構共分為六部分：（1）綜合摘要、（2）體系結構定義、（3）評價、（4）實施策略、（5）市場包、（6）標準。

日本在分析借鑒和分析美國和歐盟體系結構的基礎上于1999年11月了ITS體系結構。主要包括三大部分：構筑體系結構的方針；構筑體系結構的成果；應用體系結構的方針。評價方法主要是傳統交通運輸項目評價所采用的成本效益分析法，有些研究也嘗試使用成本效果分析法和多準則分析方法。

4 評價方法

ITS項目評價的步驟如下圖所示。針對不同的評價主體、評價目的和評價內容，可以對該評價步驟進行適當調整。

目前常用的ITS評價方法包括成本效益分析、成本效果分析和多準則分析三種。

成本效益分析致力于成本和效益的量化及其度量，計算出相應指標，并在備選項目之間進行權衡。有時也涉及不可量化的和非經濟性指標，偶爾也涉及示范效應、發展效應等組織因素，但在大多數情況下，對難以量化的影響的評價是附帶的，重點還在于可量化的成本和效益的權衡。

成本效果分析是一種成本最小化方法，它是在一個項目的效益不能計量，或者已為政策所確定時所采用的評價方法。在上述情況下，所考慮的是達到既定的目標所采用的最小費用。當一個項目的目標難以用貨幣價值計量時，變量只能在成本方面，因此，從邏輯上講應當選擇成本最小的項目。成本效果分析常應用于藥物經濟學，原因在于健康和衛生效益有時難以用貨幣化方法衡量。

在發達國家通常將成本效益分析作為普遍適用的方法，其中有著多方面的原因。首先，發達國家的社會環境相對穩定，因此評價可以致力于將貨幣價值衡量成本和效益，但在發展中國家，社會經濟結構正在發生變化，大的公共項目甚至會影響這種變化。因此一個項目的非經濟性和不可量化的影響在評價中的地位較發達國家為重。可以說，發展中國家在遇到同等問題時，所遇到的困難更多。另外，在發展中國家，可用于項目定量分析的資料和數據往往不全面，這也是成本效益分析方法使用范圍受限制的重要原因之一。所有這些因素表明，鑒于中國的國情和ITS項目的特點，除了進行成本效益分析和成本效果分析之外，還必須采用多準則分析方法。

4.1 成本效益分析

成本效益分析，有時也稱為費用效益分析。

成本效益分析主要包括四個主要步驟：

1.確定成本和效益的類型

成本和效益一般需按照其類型、影響群體、地區或其它標準進行分類和計量。由于效益多發生于未來。所以項目分析必然包含預測的成分，其結果受分析者的主觀價值標準影響。成本和效益的范圍和重點隨項目不同而異。

2.成本和效益的量化

對于所確定的各成本和效益類型應當盡可能量化。由于各種原因，市場價格會偏離社會價值，有些類型的成本和效益則沒有市場價格。因此，量化難以量化的成本效益類型是成本效益分析的難點之一。

3.評價指標

根據量化的成本和效益計算選定的評價指標，原則是盡可能全面和完整地展現項目的經濟效果。常用的指標包括效益費用比、凈現值、內部收益率、投資回收期等。

4.綜合權衡

因存在相關難以量化的成本和效益類型，故評價指標數據不可能完全反應項目的效果，需用定性分析作為補充和完善。隨著項目影響范圍的擴大和評價的深入，難以量化的成本和效益的比重有時甚至超過可量化部分。因此，該步驟顯得越來越為重要。

成本效益分析的評價指標通常包括：凈現值、效益費用比、內部收益率、投資回收期等。這些指標描述了效益與費用的對比關系，可進行不同方案的對比分析。合理的成本效益分析評價指標數據將為決策者提供了有價值的信息。

對ITS項目進行成本效益分析主要出于兩方面考慮。首先，項目意味著稀缺資源的使用，規劃者和政策制定者應當確保效益最大化（包括直接效益和間接效益）；其次，決策者在考慮是否進行項目或者從備選方案中作選擇時需要知道各方案可能產生效益的差異。ITS項目效益大小的差異來自于現有交通系統的狀況（特點）、項目的實施情況以及評價方法。應用成本效益分析可以對其進行分析，各評價指標將從不同側面描述項目的可行性。問題的關鍵在于如何對成本和效益進行界定。

現階段結合我國的國情，可以嘗試運用成本效益分析進行項目評價的嘗試，但暫不適合將成本效益分析方法確立為ITS項目評價的基本方法，原因在于成本效益數據的缺乏和ITS項目的影響程度和范圍尚難準確把握。

4.2 成本效果分析

成本效果分析通常作為成本效益分析的替代方法。在給定預算方案的情況下，成本效果分析可以用于平均ITS項目的應用效果，可以對比ITS項目和非ITS項目（包括基礎設施項目或其它交通改善項目）或者不同ITS項目的成本。

成本效果分析用來評價各方案的基準是成本和單一的非貨幣化效果指標，例如死亡人數減少、運營成本降低等。由于很難對各種成本項目均給予綜合考察和比較，實踐上往往采用預算成本指標。使用的評價指標為成本效果比。在采用成本效果分析時，并沒有將效果指標貨幣化，故成本指標和效果指標將采用不同的單位。依據成本效果比的結果進行項目比選和排序。

成本效果比可以按照單位效果所需要的成本進行計量。其中：C表示成本；E表示效果；i表示第i個項目或方案，下同。CE可以看作是單位效果的平均成本，CE值最小的項目或方案具有最高的成本效果比：CEi=Ci / Ei 。

成本效果比也可以用單位成本所產生的效果計量。EC可以看作是單位成本的平均效果，EC值最小的項目或方案具有最高的成本效果比：ECi=Ei / Ci。

成本效果分析可以看作是成本效益分析的一種特殊形式。

4.3 多準則分析

交通運輸系統項目和ITS項目評價在多數情況下是一種基于多層面的沖突分析，因此在初始階段很難給出解決方案。這就意味著需要尋找一種可接受的評價方法。多準則評價方法致力于提供一系列方法用以處理多維效果量化問題。當然，該類方法也存在其局限性。

考慮到ITS項目的復雜性和多維性，所采用的評價方法應具有四個特點：

1.透明性：是指決策者必須對評價的過程有清楚的了解。

2.簡潔性：是指評價應相對容易實現，并側重于澄清問題的要點。

3.魯棒性：和接受有關備選方案的輸入和評價結果的輸出的能力有關。另外和數據需求、項目及準則數量的處理、不確定性的處理、重點群體的參與、敏感性等有關。

4.可說明性：決策者應當對評價結果感到有信心，即同意并支持評價結論。

多準則分析包含許多種具體方法，可應用于不同背景不同評價目標。雖然多數方法都標稱具有廣泛的應用領域，但實際上每種方法均有其適用范圍。所以并不是所有多準則方法都適用于交通運輸系統項目和ITS項目的評價。尋找適用于ITS項目的多準則評價方法是至關重要的。

多準則往往是沖突的、不可比的和具有不同性質的，既有定量信息、又有定性信息，既有精確信息又有不精確信息，這使得問題的解決更加困難。

多準則分析最初來自法國，特別有名的是ELECTRE技術，它已經成為近代評價方法的主流；多屬性效用理論是在1976年提出的；模糊集理論發展后，評價稱為該理論的重要應用領域之一，許多劣結構的決策問題采用了基于模糊集理論的評價方法。

根據相關研究成果，適用于交通運輸系統項目評價的多準則分析方法包括REGIME、ELECTRE、AHP、多屬性效用方法、理想點法等。

5 結論

智能運輸系統的效果評價是一個非常重要但又困難而復雜的課題，它涉及到技術、經濟、環境、社會、政策等方面，既有定性也有定量的評價。不同的評價方法將產生不同的評價結論，從而對決策和技術方案產生影響，進而對社會和經濟發展產生影響，評價方法的重要性可見一斑。

ITS項目具有不同于傳統交通運輸項目的諸多特點，同時中國的交通特點使得發達國家在該領域的研究成果的可借鑒性大打折扣。結合ITS的特點和中國的國情研究ITS項目的評價方法具有必要性和緊迫性。

參考文獻：

[1]楊兆升.智能運輸系統概論[M].北京：人民交通出版社，2003，1-16

[2]《中國智能運輸系統體系框架》專題組，中國智能運輸系統體系框架[M].北京：人民交通出版社，2003，439-441

第4篇

【關鍵詞】云重心 電網工程項目 后評價方法 主客觀綜合賦權

電網工程項目后評價，指的是項目建成投產并穩定運行1～2年后對項目建設的目的、實施過程、效益和影響等進行全面系統的分析和總結，是項目建設周期的最后一個重要環節。為保證項目投資效益的提升，全面了解項目全生命周期實際情況與預期情況的差異，電網工程項目亟需進行科學有效的后評價。作為影響項目后評價效果的后評價方法，其選擇的合理性對于系統、客觀、準確分析項目評價工作具有重要的意義。因而，如何合理選擇與電網工程項目評價目標相匹配的后評價方法是一個需要研究的重要課題。

本文在前人研究的基礎上，運用云重心評價法計算項目綜合得分及偏離度，進而評價該項目實施全過程情況，找出亟需改善的工作，以優化項目，提高企業的決策水平和投資效益，指導未來項目的建設規劃。

1 項目后評價方法研究現狀

在后評價方法選擇上，Satty最先提出可以運用層次分析法，將定性指標量化，對多準則問題方案進行排序，從而選出最優方案。此后，不少學者對其進行了改進。如鄭燕首次在后評價工作中引入梯度理論指導指標的選取工作，將層次分析法和熵權法結合，構建出一種新的變結構權重模型。Palcic I構建了基礎設施評價指標體系，并在層次分析法的基礎上，對其權重再次進行加權處理，得到指標體系最終的權重。宋連峻等人認為層次分析法無法衡量人為判斷的模糊性，建議在層次分析法中引入三角模糊函數，構建矩陣調整因子，以提高電網項目后評價結果的可靠性。王春艷利用工程成功度判斷準則對原有電網系統后評價指標進行補充、完善，并運用模糊理論改進層次分析法計算指標權重，最后結合實際案例對電網項目做出總體評價。

作為我國電網工程項目后評價分析主流方法的模糊層次分析法，在應用上存在以下不足：

（1）表達模糊性的隸屬函數只是用定性推理方法獲得，從而成為精確的隸屬函數，扼殺了事物模糊的本質。

（2）權重方法的確定上仍舊以層次分析法為主，具有較大的主觀隨意性。

2 電網工程項目后評價指標體系

根據《國家重點建設項目后評價暫行辦法》和《大中型項目后評價研究報告》，項目后評價內容包括實施過程評價、經濟效益評價、影響評價、目標和持續性評價等4個方面。根據電網工程項目的特點和建設實施運營的全過程，將其后評價指標體系分為包括前期投資決策評價、項目實施準備工作、項目建設實施過程、項目運營情況、項目效果和效益情況、影響評價、目標和持續性評價等七個一級指標，并在一級指標下設立了若干二級指標和三級指標。

3 基于云重心的綜合評價方法

現有的評價模型分為定性分析方法和定量分析方法兩種類型，而常用的評價模型包括專家打分法，成功度評價法，邏輯框架法，模糊數學方法，灰色系統法，可拓物元分析法和云重心法等。

因電網工程項目后評價體系中 定性的指標較多，需要通過一個合理的方法將專家對指標的評語進行量化轉換。云重心評價方法通過量化評語區間，將各指標的實際情況反應于期望值和熵值中，分析每個指標的偏離度辨識各項工作與理想狀態之間的差距，以找出項目亟需解決的問題，幫助優化項目。

云重心評價模型的基本原理主要是將難以量化的定性指標進行量化轉換，并算出各指標狀態值與其理想狀態值之間的偏離程度，進而找出該項目在實施全過程中的問題。運用云重心評價項目的步驟如下：

（1）構建評語集，劃分區間

V=（V1，V2，V3，V4，V5，V6，V7，V8）（很差，差，較差，一般，較好，好，很好，非常好）。其中，非常好即理想狀態。本報告將評語集分為8個等級，假設其均勻分布在[0，1]區間上，而根據云計算中的期望值公式和熵值公式，具體評語的期望值和熵值見表1。

步驟六，歸一化后計算云重心的偏離度為：

θ331=0.3355×0.3+0.4840×0.3+0.4391×0.4=0.4215依照步E一至六，層層推進，可得一級指標u1，u2，…，u7的偏離度依次為：0.0937，0.3125，0.3187，0.2875，0.4125，0.3125，0.4375。對照表2，這七個指標偏離度對應，評語集、期望值、熵值見表3。

根據表3計算數據可以看出：項目前期投資決策評價為“非常好”，項目實施準備工作、項目建設實施過程、項目運營情況和項目影響評價的評語值為“好”，而項目效果和效益情況以及項目目標和可持續評價的評語值為“較好”，說明項目效果和效益情況以及項目目標和可持續發展方面還有待提升。

在表3的基礎上，結合步驟二至六，最后可得該項目的評價偏離度為0.3817，根據偏離度對應的區間，對于所評價的后評價項目的評判結果進行分析，在八個評語區間中，該后評價項目的評語值為“好”。說明該電網工程項目立項時的各預期目標的實現程度較好，項目的執行過程規范，所發揮出來的效益和影響十分良好。

5 結論

傳統的電網工程項目后評價在確定權重的時候，往往易受主觀因素的影響，忽略了部分指標之間的關聯性，這類權重計算方法直接影響到項目后評價結果的可信度；在綜合評價大部分都是適用于項目之間的排序選優、簡單系統的評價，或者需要大量數據作為基礎數據才能夠進行分析，在一定程度上與電網工程項目的評價目標有所偏差。

而本文基于云重心的后評價模型可以通過每個指標的偏離度辨識各項工作與理想狀態之間的差距，同時能夠比較各項指標的偏離度找出項目亟需改善的工作，并反饋到待建項目中，有效評價已建項目，指導待建項目，便于提高項目決策管理水平和投資效益，對電網工程項目實踐具有重要意義。

參考文獻

[1]Satty，T.L.Mathematical modeling of dynamic decisions，Priorities and hierarchies with time dependence，Mathematics and computers in Simulation，1997（21）：352-358.

[2]鄭燕.電力投資項目后評價研究及應用[D].北京：華北電力大學，2006.

[3]Palcic I.Analytical Hierarchy Process as a tool for selecting and evaluating projects[J].International Journal of Simulation Modelling，2009，8（01）：16-26.

[4]宋連峻，徐志勇.電網項目后評價研究――基于改進模糊層次法[J].技術經濟，2009，28（10）：52-54，119.

[5]王春艷.電網建設項目后評價指標體系研究[D].南寧：廣西大學，2013.

[6]馬麗云，施泉生.基于云重心理論的供電企業安全評級方法[J].華東電力，2011，39（08）：1370-1373.

作者簡介

周明，男，湖北省荊州市人。學士學位。現為國網湖北省電力公司高級工程師。研究方向為電網投資管理。

作者單位

第5篇

Abstract： The selection of local government-invested projects plays an important role in the development and social stability of regions. Appropriate evaluation methods will help to make reasonable decisions. Analytic Hierarchy Process （AHP） is a multi-objective decision-making method which combines the qualitative analysis with quantitative analysis. Especially， it can be used in situation without complete data. The paper， by using of case illustrating， describes the application processes of AHP. And provide methodological assistance for decision-makers.

關鍵詞： 層次分析法；地方政府投資項目；決策

Key words： Analytic Hierarchy Process；local government-invested projects；decision-making

中圖分類號：F224 文獻標識碼：A 文章編號：1006-4311（2013）32-0003-02

基金項目：本文是江蘇省教育廳高校哲學社會科學基金項目《蘇北地區公共服務項目風險分擔機制研究》（項目編號：2012SJD630006）的階段性成果。

作者簡介：江俊龍（1976-），男，安徽肥東人，淮陰工學院經濟管理學院講師，研究方向為開發投資理論與政策。

0 引言

我國從1978年的經濟改革開始，投資體制改革在不斷深化。2004年，《國務院關于投資體制改革的決定》（以下簡稱“決定”）的頒布是一重要里程碑。《決定》中明確了企業的投資主體地位，完善了政府投資體制。界定政府投資范圍并合理劃分了中央政府和地方政府的投資事權。地方政府的投資主體地位得到明確和鞏固。

《決定》中規定，政府投資主要用于關系國家安全和市場不能有效配置資源的經濟和社會領域，包括加強公益性和公共基礎設施建設，保護和改善生態環境，促進欠發達地區的經濟和社會發展，推進科技進步和高新技術產業化。因此，地方政府投資項目（以下稱“項目”），特別是其中的基本建設項目，一般投資額較大，在推動地區經濟發展方面發揮巨大的聚集和拉動作用。

但是，相對于需求而言，資源總是稀缺的。對地方政府投資項目進行合理的評價有利于將有限資源的作用最大化。目前，評價的方法主要有經濟計量模型、投入產出模型、系統動力學模型等[1]。這些方法在評價中發揮著重要的作用。遺憾的是，一方面，這些方法對數據的要求較高，當數據不完備時，作用會大打折扣。另一方面，這些方法涉及比較復雜的模型以及相應的軟件，操作難度較大。然而，地方政府投資項目時常在較多方面缺乏完整數據，如居民對生活環境的評價。同時，相關軟件的欠缺。這就使得以上這些方法在應用中具有其局限性，需要一些更合適的方法。層次分析法就是其中之一。

本文主要探討如何在地方政府投資項目評價中利用層次分析法。目的是讓相關決策人員掌握層次分析法的應用過程及注意事項。

1 層次分析法

層次分析法（Analytic hierarchy process，AHP法）是美國運籌學家沙旦（T.L.Saaty）于20世紀70年代提出的，是一種定性與定量分析相結合的多目標決策分析方法。特別是將決策者的經驗判斷給予量化，對目標（因素）結構復雜且缺乏必要的數據情況下更為實用[2]。

應用AHP法的思路是：首先根據問題的性質要求，提出一個總目標。然后將問題按層次分解，對同一層次內的各因素通過兩兩比較的方法確定出相對于上一層目標的各自的權系數，逐層分析直到最后一層，即可求出所有因素相對于總目標的重要性排序[3]。這些層次可以具體分為三類：目標層，只有一個元素，一般是分析問題的預定目標或理想結果；準則層，包含了為實現目標所涉及的中間環節，可以由若干個層次組成，包括所需考慮的準則和子準則；方案層，包括為實現目標可供選擇的各種措施、解決方案等[4]。

應用AHP法的主要步驟：第一步，建立層次結構模型。

第二步，標度及判斷矩陣。標度，為了使各因素之間進行兩兩比較得到量化的判斷矩陣，引入1～9的標度。見表1。

第三步，權重及特征向量。權重的計算方法有多種，相對比較簡單的是規范列平均法。具體步驟是：首先，求出判斷矩陣每一列的總和。其次，用判斷矩陣的各元素除以其相應列的總和，將所得商組成標準兩兩比較矩陣。然后，計算出標準兩兩比較矩陣每一行的平均值，這些平均值就是相應的權重。由這些平均構成的向量便稱為權重向量或特征向量。

第四步，判斷矩陣的一致性檢驗。判斷矩陣是對各因素兩兩比較的結果，對于復雜事物來說，兩兩比較不可能做到判讀的完全一致性，而存在估計誤差，因此也就得到帶有偏差的相對權重向量。誤差在一定范圍內是可以接受的；但當誤差很大時，相對權重向量也就不具有有效性。一致性檢驗的目的就是判斷誤差的可接受程度。一致性檢驗采用的指標是一致性率（CR），其計算公式為：CR=CI/RI。其中CI為一致性指標，RI為修正值。一般規定當CR≤0.1時，判斷矩陣的一致性可以接受，否則重新進行兩兩比較判斷。

1）CI的計算步驟。首先，由被檢驗的判斷矩陣乘以其特征向量，所得的向量稱為權重和向量。其次，每個權重和向量的分量分別除以對應的特征向量的分量，并計算出算術平均數，記為λmax。最后，利用公式CI=（λmax-n）/（n-1）（n為維數）計算結果。

2）RI主要通過查表獲得。常用的如表2所示。

第五步，方案比較。通過以上步驟，可以知道某方案在各準則中的權重向量以及各準則在目標中的權重向量。兩向量相乘，即得出該方案的得分。通過各方案得分的比較，即可對方案進行排序。

2 AHP法在地方政府投資項目中的應用

2.1 案例描述 W鎮是東部某省的一個相對比較偏僻的小鎮。W鎮以農業為主，主要農作物為水稻。境內沒有大江大河或其分支，主要靠降雨。在50年代曾修建一個水庫，是降雨外的主要水源。因為獨特的地理環境，境內擁有兩處自然風貌的旅游景點，在省內具有較高的知名度。農業收入和旅游業收入是當地居民的主要收入來源。

W鎮現任領導基本上都是土生土長的本地人，鎮長及書記是從基層一步一步提上來的，對鄉土民情十分熟悉，經驗豐富。由于資金及編制的限制，鎮里近兩年僅引進一名旅游管理專業的本科畢業生。目前，進入鎮里審核的有三個項目，但是由于各種原因的限制，只能選擇其中一個。這三個項目分別是：項目A，建一個主題公園；項目B，建一文化廣場；項目C，擴建一個老的水庫。鎮里成立了以鎮長為組長的項目評估小組。

由于鎮長及小組成員的經驗豐富，同時關于居民感受方面的數據不太容易獲得量化數據，所以小組決定選用層次分析法進行項目評價。

2.2 層次結構模型的構建

2.2.1 目標 評估小組認為：任何活動都遵循成本收益原則。即使是政府投資項目也不例外。即，成本收益也有長期和短期之分、經濟與非經濟之分、可量化與不可量化之分。不同的是，因為鎮政府承擔著維護W鎮的社會穩定、經濟發展等多方面的責任，所以鎮政府投資的項目應該更關注社會總成本和社會總收益。因此W鎮項目評估小組將目標界定為社會凈收益（即社會總收益與社會總成本配比后的結果）的最大化。

2.2.2 準則 在建立準則層的時候，評估小組認為：項目自身的財務評價雖然也很重要，但是作為政府投資的項目，其直接或間接的社會影響也很重要。為此，參考發改委與建設部的建設項目評價方法與參數、電話咨詢省城知名專家并結合小組的自身知識，評估小組給出了如下4個準則：①項目的財務分析。反映項目自身的財務狀況。即項目自身的財務信息。包括凈現值、投資回收期、內含報酬率等。②經濟總量。反映項目對W鎮國民經濟總量的貢獻，包括增加值、凈產值、純收入、財政收入等。③經濟結構。反映項目對W鎮經濟結構的影響，主要包括三次產業結構、就業結構等。④社會與環境。反映項目對W鎮社會與環境的影響，主要包括社會階層、居住環境等。

2.3 方案的比較及選擇

①判斷矩陣。通過向專家咨詢，結合項目評估小組自身的判斷。給出了方案層的4個判斷矩陣和準則層的1個判斷矩陣。

②權重及特征向量求解。項目在財務分析、經濟總量、經濟結構、社會與環境、目標的特征向量分別為（0.593，0.341，0.066）T、（0.623，0.137，0.240）T、（0.378，0.157，

0.467）T、（0.123，0.320，0.557）T和（0.126，0.384，0.3，0.191）T。并通過一致性檢驗。

③計算各項目的得分。項目A=0.593*0.126+0.623*0.384+0.378*0.3+0.123*0.191=0.451；項目B=0.341*0.126+0.137*0.384+0.157*0.3+0.320*0.191=0.204；項目C=0.066*0.126+0.240*0.384+0.467*0.3+0.557*0.191=0.347。項目A的得分最高，所以評估小組決定選擇項目A。

3 地方政府投資項目中應用AHP法的注意事項

AHP法可以充分利用經驗優勢，但是在應用AHP法時，有兩個關鍵環節需要注意。一是準則的確立。因為準則的優劣直接決定了后面的結果，所選的準則應有理論基礎和地方實際背景的支撐，不可隨意選擇。二是判斷矩陣的構建。在進行兩兩比較時，要確保判斷的獨立性和客觀性。不可因為利益的誘惑或非正常的壓力做出虛假的判斷。

參考文獻：

[1]國家發展改革委，建設部.建設項目經濟評價方法與參數[M].北京：中國計劃出版社，2006.

[2]《運籌學》教材編寫組.運籌學[M].北京：清華大學出版社，2005.

第6篇

關鍵詞：群體決策；DS證據理論；專家權重；認識結構；合理性分歧

中圖分類號：C934 文獻標識碼：A 文章編號：1001-8409（2012）05-0132-04

The Wholeprocess Multilevel Model of Group Decision Making Based On DS Theory

CHEN Xingguang1, DA Jiamin2

（1. School of Management and Engineering, Nanjing University, Nanjing 210093; 2. School of Mechanical Engineering, Shanghai Jiaotong University, Shanghai 200240）

Abstract: In this paper, a way to express expert’s preference and aggregate their preference are proposed properly and a wholeprocess multilevel model of group decision making is developed based on the DS theory. This paper provides a new view and way for group decision making in uncertain environment, and it also has valuable inspiration and reference for solving complicated decision making problems on practical world.Key words: group decision; DS theory; expert weights; structure of knowledge; reasonable disagreement

1 引言

對群體決策的研究最早始于200年前兩位法國數學家Borda和Condorect對于方案排序的探討，Borda在1781年提出了群體對方案排序的Borda規則，1785年Condorcet提出了Condorcet規則并發現了投票悖論［1］。此后，許多學者從各個方面對群體決策進行了研究。1967 年 Dempster提出證據理論后，由于它在處理不確定性問題時有獨到的優勢，所以越來越被廣泛運用于群決策的研究［2］。2002年Malcolm Beynon［3］提出了一種DS/AHP方法從而將證據理論引向了復雜的多屬性群決策領域。近年來證據理論在群決策領域的應用逐漸從理論走向實踐，如將DS/AHP用于供應商的選擇［4］和證券投資決策［5］等。但實踐發現將這些理論和方法應用于一些復雜的群決策領域如大型工程的決策，它們所取得的效果卻不理想。這是因為先前的群決策理論研究主要聚焦于群體決策的核心部分（偏好集結），而非從全過程的角度整體看待群決策問題。所謂全過程群決策就是從群體決策的全過程出發，基于每個決策者的知識背景和認識結構來確定偏好的輸入、修正、集結和合成，進而給出一個合理的決策流程而非單獨的一個集結函數。

2 全過程多級群決策模型

2.1 全過程多級群決策模型框架

目前群體決策已成為包括數學、政治學、經濟學、社會心理學、行為科學、決策科學、計算機科學等多門學科研究的共同焦點，而人們對群體決策的認識和理解還未形成共識。國外學者Hwang 等人［6］給出了一個技術性較強的定義：群體決策是把不同成員的偏好按照某種規則集結、并和、歸納成群體的一個唯一偏好序。根據這個定義本文將群體決策抽象為圖1的四個過程。

2.2 基于證據理論的偏好表達過程

遇到復雜的群決策時，影響決策的因素有很多，例如在一個工程決策里，影響方案選擇的因素有工程成本、工程收益、政策效應、法律、技術可行性、施工時間等因素，為了決策的科學性，我們需要咨詢很多專家，這時候就會遇到“專家知識局限”［7］的問題。因為每個專家都有他自己的知識背景，他不可能對所有因素都非常熟悉，比如經濟方面的專家他對成本和收益很了解，但對工程技術、法律等并不十分清楚。因而他在選擇方案的時候要么對這些因素沒有考慮，要么就是考慮不足。這時候我們就有理由懷疑他給出的偏好的正確性。

由于“專家知識局限”存在，實際決策過程中，專家只需要基于自己熟悉的因素進行方案選擇或偏好表達，對于不了解的因素則無需考慮。Malcolm Beynon 的DS/AHP方法給出了一種基于單個屬性的偏好表達方法，這種方法的前提是要確定因素的權重，而因素權重一般是由專家給出，在現實中每個專家的權威性不同，所以客觀地講每個專家應該具有不同的權重。考慮到復雜群決策的決策效率要求，決策的時候需要一種簡單且有效地確定權重的方法。另外，現實中往往不可能對所有專家都有非常準確的了解，特別是在專家人數非常多時，很難準確地判斷每一位專家的重要性。所以，合理的權重計算方法要能夠考慮這種信息不完全的狀況。本文用一種對專家進行分類的方法來確定專家權重［8］，這種方法主要有兩個過程：

（1）對專家進行分類：通過計算專家之間的意見距離，將距離最小的專家合并為一類，依次迭代，將專家分成n 類。

（2）計算專家權重：同一類中的專家權重相同，不同類之間的權重正比于類內的專家人數。

得到專家的權重后，接下來就是確定因素權重。這里將每個專家給出的因素權重加權平均即：設專家權重＝（P1，P2，…，Pz），因素i的權重wi＝∑zr＝1wri×Pr，這樣就能得到所有因素的權重。基于單個因素的專家偏好表達過程有以下四個步驟：

步驟1：確定決策對應的合適程度的數值：（極端合適，強烈到極端，強烈合適，強烈到一般，一般合適）=(6, 5, 4, 3, 2, 1)；

步驟2：專家基于自己熟悉的每個因素給出每個因素下的所有可能方案的集合；

例如專家i 基于自己熟悉的兩個因素（投資成本、工程收益）進行的方案選擇：

步驟3：對方案選擇進行合適度評價得出專家的知識矩陣；

步驟4：計算知識矩陣最大特征值和對應的特征向量，并將特征向量正規化；把正規化后的特征向量作為每個因素下各個決策選擇集合基本概率分配(BPA)即mass函數值。

2.3 基于證據理論的偏好集結過程

為了得到一致的群體偏好，需要將這些專家偏好用集結函數來處理。以前用證據理論定量研究群體決策的學者傾向于借用證據理論中的Dempster合成法則來合成這些偏好。Dempster合成法則要求所合成的意見具有相同的權重，但在現實中每個人都有自己的認識結構，專家也不例外。例如專家i 對因素工程收益和投資成本都了解，但該專家對因素工程收益的了解比投資成本更深入，所以他基于這兩個因素的意見應該具有不同可信度。

另外，在方案選擇時往往會遇到這種情況，由于因素自身間的矛盾導致基于這兩個因素的偏好存在合理性沖突，例如因素工程成本和因素工程完工時間成反比關系，所以基于這兩個因素的合理的方案選擇必然有分歧。而Dempster合成法則是不能合成帶分歧的意見。所以單純用Dempster合成法則是無法得到一個合理而科學的群體偏好。因此本文采用一種多級合成的方法，并同時采用改進的Dempster 合成法則來處理這些分歧和矛盾。

第一步，在這個合成過程中首先要確定每個專家的認識結構。

這里本文將專家對因素的把握度即專家的認識結構分為（十分熟悉，熟悉，了解，不了解）四個層次，并將其量化為（十分熟悉，熟悉，了解，不了解）=(1，0.6，0.2，0)，例如某個工程決策中的專家i的認識結構如表1。

第二步，對每個因素下的所有專家意見進行一致性檢驗并調整，對調整后的意見用Dempster合成法則進行合成，從而得到每個因素下的專家偏好分布。這里用證據間的相似度來度量證據間的一致性，通過將它與限值σ比較來確定是否有分歧［9］。

相似度定義為：

L（mi,mj）＝1-dBPA（mi,mj）(1)

dBPA（mi,mj）表示兩個意見mi和mj之間的距離：

dBPA（mip,mjp）＝np＝1（mip×mjp）np＝1m2ip×np＝1m2ip (2)

將焦元投影至各坐標軸加和，歸一化后得到近似的概率分配函數，用向量形式來表示各決策專家的mass函數，如第i個專家的mass函數為massi（mil,L,min）。將計算結果構成一致性矩陣，并將矩陣中的每個值與限值σ來比較確定意見是否有分歧：如果相似度>σ則表示兩個專家之間意見相近，反之則表示這兩個專家根據這個因素進行的方案選擇有分歧。

在同一因素下不存在合理性沖突問題，所以對有分歧的專家意見在合成之前需要進行調整，這里采用向權威專家看齊的原則［10］對意見進行調整。

在某一因素下設專家1的意見權重為α，同時專家2的意見權重為β。專家1和專家2的mass函數分布如表2。

一致性檢驗有兩種情況：一種是兩者意見基本一致，第二種是他們之間意見有分歧，意見需要調整。對于第一種情況，直接用Dempster［11］合成法則進行合成。如果經過一致性檢驗發現兩者意見有分歧，為了使Dempster法則有效，需要對意見進行調整。我們知道兩者的權重不同，所以兩者的可信度也就不同。為此采取保留權重較高也就是可信度較高的專家意見，修改權重較低的意見的方法。這里結合意見的權重信息采用加權平均的方法修改專家意見：設α

第三步，用改進的Dempster合成法則合成第二步計算所得的因素下的偏好分布，從而得到群體偏好分布。

一些因素之間的矛盾可能導致這些因素下偏好分布存在合理性沖突，因此在合成的時候盡可能保留這些合理的分歧，而非通過一致性檢驗把這些分歧消除。所以需要一種改進的Dempster 合成法則來合成所有因素下的偏好分布。

設massi表示第二步計算所得的因素i 的偏好分布，Q為一包含N 個兩兩不同命題的完備的辨識框架, 2是 所有子集生成的空間, m1和m2是在識別框上的兩個基本可信度分配。

步驟1：計算各個意見之間的距離：

步驟3：將意見的相似性測度轉換為意見的支持度：

S（mi）＝∑nj＝1i1 jL（mi,mj），它反映的是某條意見被其他意見支持的程度。顯然, 支持該意見的程度越高,該意見就越可信。

步驟4：合成所有專家意見得到群體偏好分布。

在群決策專家意見集結時,相對信任度大的意見對集結結果的影響應該較大。因此應該分配給相對信任度較大的意見對集結結果較大影響的機會。同時,既然對分歧意見無法作出合理的抉擇，就應將其部分信任度歸入未知鄰域X。由此,改進的證據組合公式應為:

m（A）＝∑Ai∩Bj＝Am1（Ai）m2（Bj）＋k∑ni＝1P（mi）mi（A）,A≠,X (5)

[這里，m（X）＝1－∑ni＝1m（Ai）,P（mi）＝S（mi）∑ni＝1S（mk）,k＝∑Ai∩Bj＝m1（Ai）m2（Bj）

這種算法使得合成后的意見更具可信性，但同時增加了計算量，在因素比較多時會比較繁瑣，為了簡化運算，在合成時，首先對因素間的mass函數進行相似度計算，得到相似度矩陣，再將矩陣中的各個元素與設定的限值σ相比較，對于有分歧的兩種因素之間用帶分歧的Mass函數合成法則，對于相似度較高的因素之間用一般的Dempster合成法則進行合成。

2.4 偏好的輸出過程

經過上面的計算得到各個方案的信度值，根據信度值對方案進行排序，在方案選擇時原則上選取信度值最高的方案作為最優方案，但有時候會出現這樣一種異常情況，如方案i的信度值和方案j的信度值位居前列分別為：0.343，0.341。雖然方案i 的信度值較高但與方案j 的信度值差異較小，如果這樣就斷定方案i 為最優方案，未免有些武斷，因為任何一個算法和模型都不可能是完美的。為了避免與最優方案擦肩而過，本文建議采用多準則的判別原則［12］來處理這種情況，即對這兩個方案采用另外一個原則進行判優。例如，用兩者的似真函數值PL（表示命題的最大可信度）進行比較，較高者優。

2.5 決策流程和決策模型

根據分析得到如下決策流程：

步驟 1：專家集體確定影響決策的因素U(U1,U2…Un)；

步驟 2：專家給出自己心目中每個因素的權重（wij）；

步驟 3：通過本文計算權重的方法計算專家權重和因素權重；

步驟4：確定專家對各個因素的熟悉度或者說是把握度。本文將專家對因素的熟悉度分為十分熟悉，熟悉，了解, 不了解四個等級，同時采用一種非常簡單的量化思想對四個等級進行量化(1，0.6，0.2，0)；

步驟5： 每個專家基于自己了解的因素給出方案偏好（不了解的因素不用給出偏好）。

步驟6： 對每個因素下的各個專家偏好進行一致性檢驗。并用向權威專家看齊的原則對有沖突的意見進行調整。

步驟7：用Dempster合成法則合成因素下的專家偏好，接著用改進的Mass函數集結方法合成因素間的偏好得到方案群體偏好。

步驟8：根據信度值選取最優方案（信度值越大越優）。如有異常啟用多準則方法進一步選優。

本文提出的全過程多級群決策模型流程如圖2所示。

3 小結

本文分析了目前的群體決策定量研究成果，發現它們在解決復雜決策案例時，由于專家的知識局限和認識結構造成了偏好輸入的偏差。為了使決策結果更具科學性，基于證據理論提出了一種專家偏好表達和群體偏好的多級集結方法。在這種方式下，專家只需要基于自己了解的因素進行方案選擇，無需考慮其他因素，本文還從全過程的角度給出了一個多級群決策的流程和模型，在這種決策規則下處理復雜的群體決策會更有效。

但是這種方法也遇到了許多決策定量研究都會遇到的問題，就是如何將專家的模糊表達量化，例如本文中將專家對因素的熟悉度（十分熟悉，熟悉，了解，不了解）量化為（1，0.6，0.2，0）。為了更好地表達這些模糊語言，可以考慮采用區間量化的形式。區間量化是模糊理論的應用，因此將證據理論與模糊數理論相結合運用于本文的決策模型是下一步的研究方向。

參考文獻：

［1］魏存平, 邱菀華. 群體決策基本理論評述［J］.北京航空航天大學學報,2000,13(2):24-28.

［2］呂文紅, 吳祈宗. 證據理論在群決策中的應用［J］.統計與決策, 2005,7:47-49.

［3］Beynon M. DS/AHP Method: A Mathematical Analysis, including an Understanding of Uncertainty ［J］. European Journal of Operational Research, 2002, 140(1):148-164.

［4］梁昌勇, 陳增明, 丁勇. 基于DS/AHP的供應商選擇方法［J］.運籌與管理，2005,14(6): 33-38.

［5］易昆南, 晏玉梅, 徐艷衛. 證據理論在證券投資組合中的應用［J］.湖南工業大學學報，2009，23(4): 85-87.

［6］Huang CL, Lin ML. Group Decision Making Under Multiple Criteria［M］. Spring-Verlag. 1987.

［7］楊萍，劉衛東.基于證據理論的群決策層次評價方法研究［J］.系統工程與電子技術,2002,24(2):42-44,92.

［8］王志國，童玉娟. 一種不完全信息下群體決策專家權重確定方法［J］.平頂山學院報,2007,22(2):69-70.

［9］呂文紅，吳祈宗，郭銀景.基于D-S證據理論的群決策專家意見集結方法［J］.運籌與管理,2005,14(2): 10-13.

［10］華中生.專家群體決策不一致性判定與調整方法［J］.系統工程學報,1994,9(1):118-123.

第7篇

綜合評價

招商行業領先基金是一只主動管理的股票型基金。投資限于具有良好流動性的金融工具，包括股票、債券、貨幣市場工具、權證、資產支持證券及法律法規或中國證監會允許基金投資的其他金融工具。股票主要投資于景氣回升或受益于國家政策導向而成長前景良好的相關行業的資產比例不低于基金股票資產的80％。

博時信用債券

綜合評價

博時信用債券A/B基金是博時旗下第12只開放式基金，屬于二級債基。信用產品的投資比例占到整體債券投資比例的80％。適當情況下可參與一級市場新股申購以及二級市場的股票投資，立足于在保證債券市場收益的基礎上強化組合回報。博時信用債券投資對象靈活，在一定程度上滿足了穩健型投資者組合中低風險資產的配置。

富國優化強債

綜合評價

富國優化強債是富國基金旗下第三只債券型基金，該基金為可投資二級市場股票的偏債型基金，其中不低于80％的基金資產投資于債券類及其他同定收益類金融工具，不高于20％的基金資產進行新股申購和股票市場投資，還可以在規定范圍內投資于新股申購或增發新股。二級市場股票和權證等。富國基金為《中國證券報》2008年度金牛獎基金公司，擁有一支明星固定收益投資管理團隊。

2009年以來，富同基金旗下兩只債券型基金富國天利增長債券和富國天十強化收益按照復權單位凈值增長率統計，分別實現收益3.72％和3.40％大幅高出同類0.91％的平均水平，業績表現搶眼。

申萬巴黎消費增長

綜合評價

申萬岜黎消費增長是一只股票型基金，其股票資產的配置比例為60％～95％。重點投資于拉動經濟增長過程中充分受益的消費范疇行業，投資于具有良好財務狀況、較高核心價值與估值優勢的優質上市公司。

中海量化策略

綜合評價

中海量化股票資產的比例為基金資產的60％～95％，是一只股票型基金。該基金采用數量化分析方法對股票進行分析和篩選，基于數量模型來配置行業權重。量化投資的優勢在于，其決策主要依據數據和模型做出，可以減少投資過程的非理性因素，而且強大的信息處理能力能捕捉更多的投資機會，然而任何模型都不能完全模擬市場，全程量化選股替代人為主觀判斷，這對模型的有效性有較高的要求，且會使操作過于僵硬。

該基金在具體操作過程中需要管理者在模型判斷和主觀判斷間尋求一個平衡點，這也是其取得較好業績較為關鍵的一點，而另一個關鍵點便是模型設計的合理性。

廣發聚瑞

綜合評價

廣發聚瑞基金是一只股票型基金，股票資產占基金資產的60％～95％。該基金通過自上而下的“主題投資分析框架”，通過主題挖掘、主題配置和主題投資三個步驟，挖掘受益于中國經濟發展趨勢和投資主題的公司股票，通過定量和定性相結合，篩選出主題特征明顯、成長性好的優質股票構建投資組合。

純粹的主題投資和傳統的價值投資相比，具有更大的靈活度，可操作性也比較強，但也蘊含著更太的風險，而該基金將挖掘主題機會和考察個股特性相結合，體現了靈活而穩健的特征。

匯豐晉信大盤

綜合評價

匯豐晉信大盤是一只股票型基金，股票投資比例為85％～95％。屬于高風險基金，是較為典型的牛市品種。在投資目標上，該基金將不低于80％的股票資產投資于國內A股市場上具有盈利持續穩定增長、價值低估、且在各行業中具有領先地位的大盤藍籌股票。匯豐晉信基金公司成立于2005年，目前管理著65億元資產，旗下有5只基金，包括股票型、混合型和債券型，產品線有待進一步完善。

上投摩根純債

綜合評價

第8篇

關鍵詞：風險矩陣 風險投資 風險評估

一、構建用于風險投資項目風險評估的風險矩陣

（一）風險集的選定

風險集的確定可根據我國風險投資項目的具體特征、所涉及的領域和所處的階段，將具體的風險投資項目風險分為7大模塊， 即環境風險、管理風險、市場風險、技術風險、生產風險、財務風險和退出風險。[1]

（二）風險投資項目風險等級的確定

由于風險投資項目很難收集到數據，采用專家調查法進行風險影響的評定。綜合風險分值在4分以上為高風險，2―4為中等風險，2分以下為低風險。[2]

假設某項風險投資項目的風險影響和風險概率所得的專家評估數據對相應風險因素求平均值，得到結果為：風險影響量化值分別為（4.5，3.5，5，5，4.5，4，3），風險發生概率分別為（10%，70%，60%，90%，90%，60%，10%），則對照風險級別對照表，可由原始風險矩陣方法可判斷出各風險模塊的風險等級，將取得的數據填入表1中。

表1 風險投資項目風險評估的風險矩陣舉例

風險類別 風險影響Ri 風險發生概率 風險等級 Borda序值 風險權重Wi

量化值R 等級

環境風險 4.5 關鍵 10% 中 3 0.060564

管理風險 3.5 中度 70% 低 3 0.028494

市場風險 5 關鍵 60% 高 2 0.298638

技術風險 5 嚴重 90% 中 0 0.298638

生產風險 4.5 嚴重 90% 中 1 0.137602

財務風險 4 嚴重 60% 中 3 0.137602

退出風險 3 中度 10% 中 6 0.038463

（三）風險權重的確定

先應用Borda 序值法對風險模塊進行重要性排序。以環境風險為例，根據風險影響準則，比環境風險影響程度高的因素個數為2 ，即RR11=2；根據風險概率準則，比環境風險發生概率大的因素個數為5，即RR12=5；代入上述公式可得，環境風險的Borda 數為7。同理可得其他風險類別的Borda數分別為：7，11，14，12，7，3。根據Borda數確定其Borda序值分別為：3，3，2，0，1，3，6。由上述方法所得的Borda序值可知：該風險投資項目的七個風險中，技術風險最為關鍵，其次是生產風險和市場風險，然后依次為財務風險、環境風險和管理風險，最后是退出風險。

根據上一步驟排出的Borda序值，邀請專家組對風險投資項目的7個風險因素按重要性程度進行兩兩比較打分，構造判斷矩陣，并求出判斷矩陣的特征向量，即為各風險因素的權重向量。

表2 應用excel表格進行的層次單排序計算

按行相乘 開n次方 權重Wi Awi Awi / Wi CI=（λmax-n）/（n-1） CR=CI/RI

0.0001 0.250403683 0.03176822 0.25919 8.1587243 0.10227 0.07576

0.0001 0.250403683 0.03176822 0.19439 6.1190432 0.10227 0.07576

1440.0000 2.826146311 0.35854763 2.53238 7.0628934 0.10227 0.07576

810.0000 2.603142003 0.33025551 2.30622 6.9831517 0.10227 0.07576

8.3333 1.353772028 0.1717504 1.72109 10.020874 0.10227 0.07576

0.0001 0.250403683 0.03176822 0.25919 8.1587243 0.10227 0.07576

0.0006 0.347934789 0.0441418 0.29982 6.7921281 0.10227 0.07576

7.88220618 7.6136484 查表，得RI=1.35

本文按層次分析法中的方根法計算各風險模塊的權重，由CR=0.07576

（四）確定風險投資項目的總體風險等級

專家評定的風險影響量化值為（4.5，3.5，5，5，4.5，4，3），結合各風險因素的權重，對風險因素的等級進行加權：

Z= R*RWT= （4.5，3.5，5，5，4.5，4，3） （0.0317 0.0317 0.3584 0.3302 0.1717 0.0317 0.0441） T =4.72835>4

可判斷該風險投資項目的綜合風險等級為高風險。其中市場風險、技術風險風險影響量化值最高，應采取充分措施防范可能帶來的損失。

二、結論

本文基于風險矩陣方法對風險投資項目的風險進行評估，利用風險矩陣方法中的Borda序值法，對風險因素的重要性進行順序，構造判斷矩陣，從而確定各風險因素的權重，最后結合風險的等級量化值和風險因素的權重確定風險投資項目的綜合風險等級。基于風險矩陣法數據需求量相對較小，流程簡潔，系統性強等優點，使其對風險投資項目的評估更具科學性和可操作性，因此有較比較大的參考價值。

參考文獻：

第9篇

關鍵詞：房地產信托；層次分析法；模糊綜合評價法

房地產信托項目風險受多方面因素綜合影響很難將定性的指標定量化，導致評價標準和因素影響程度存在一定模糊性和不確定性。運用層次分析法與模糊綜合評價法，可以做到定性和定量因素相結合，使評估結果更加科學合理。

一、房地產信托風險水平評價基本原理

層次分析法，簡稱AHP法，是美國匹茲堡大學的教授、著名運籌學家T.L.Seaty于20世紀的70年代中期提出的一種系統分析方法。是將與決策是有關的元素分解成目標、準則、方案等層次，在此基礎之上進行定性和定量分析的決策方法。此方法不但彌補了專家打分法太過籠統的缺陷，還可以以專家打分為基礎定量分析得出相應的權重向量。模糊綜合評價法是根據模糊數學的隸屬度理論，把定性評價轉化為定量評價，對受到多種因素制約的對象做出一個總體的評價。它具有結果清晰、系統性強的特點，能較好地解決模糊的、難以量化的問題，適合各種非確定性問題的解決。

二、房地產信托風險水平評價基本步驟

（一）建立層次結構模型

結合實際問題深入分析研究后，將各個因素按不同屬性由上往下分層。通常分為三個層次，最上面一層為目標層，通常只有1個因素；中間層通常為準則或指標層，可以有一層或幾層。當準則層風險因素過多時需要進一步分解出子準則層，最下一層通常為方案或對象層。同一層的各個因素從屬于上一層的因素或對上層因素有影響，同時又支配下一層的因素或受到下層因素的作用。

在分析房地產投資風險影響因素的基礎上，根據指標體系構建的原則，構建房地產投資風險的評價指標層次體系，包括：目標層、準則層和指標層。結合眾多學者在房地產投資風險評價指標體系方面的研究，以房地產投資風險影響因素為主要依據，建立房地產信托風險層次結構模型，如圖1所示。

（二）構造成對比較陣

從層次結構模型的第2層開始，對于同一層的各個因素，用成對比較法和1-9比較尺度構造成對比較矩陣。兩兩因素相比較，產生量化數值。比較情況如表1所示。

（三）計算權向量并做一致性檢驗

對于每一個成對比較陣，運用幾何平均法計算最大特征根及對應特征向量。首先將成對比較陣同一行的各個數值相乘，然后將其開n次方，n為矩陣的階數。然后求和所得向量，進行歸一化處理的權向量.利用一致性指標、隨機一致性指標和一致性比率做一致性檢驗。若檢驗通過，特征向量（歸一化后）即為權向量；若不通過，需重新構建成對比較陣。

參考文獻