项目投资评价模型（精选12篇）
项目投资评价模型 篇1
一、现有项目投资评价模型概述及缺陷分析
1. 现有项目投资评价模型概述。企业现在广泛使用的项目投资评价模型主要是项目收益现值法, 该模型的计算公式为:
NCFt代表的现金流量, 是指投资项目所带来的增量现金流量。i代表项目的必要报酬率, 即给予投资者的最低资本回报率。n是指项目的持续经营年限。
2. NPV投资评价模型缺陷分析
(1) 模型在NCF计算上的缺陷分析。NCF作为持续经营过程中每年产生的现金净流量, 计算公式如下:
NCF=税后净利润+折旧
税后利润=息税前利润-所得税-债权资本成本
该公式只考虑了债权资本成本而没有考虑权益资本的成本。如果企业创造的净利润小于等于股东把资本投入到金融市场上获得的收益, 表明企业并没有为股东创造财富, 甚至是在毁灭股东的财富, 这样就不能解释“投资者为什么把钱投入其他企业, 而不是自己运营”的原因。为了进一步说明这个原理, 我们对华北制药股份有限公司2 0 0 7年度的财务数据计算分析如下:
①息税前利润 4.22亿元
②所得税 0.7亿元
③税后利润[ (1) - (2) ] 3.52亿元
④投入资本 66.7亿元
⑤综合资本成本率 8.44%
⑥资本成本[ (4) × (5) ] 5.63亿元
⑦企业实际创造的财富 -2.11亿元
计算结果表明, 尽管该公司2 0 0 7年度账面上反映出了3.5 2亿元的利润, 然而, 实际上并没有为股东创造出新的财富。
(2) 模型在折现率选择上存在的不足。在传统的项目投资评价模型中, 折现率的选择方法有两种:一种是以企业的加权资金成本来确定, 另一种是根据企业要求的最低资金利润率来确定。前一种办法, 计算资本成本比较困难, 可操作性差;后一种办法则受人为因素影响较大, 带有很大的主观性。
二、修正的企业项目投资评价模型
1. EVA思想的阐述。
EVA (Economic Value-added) 经济附加值的最初目的在于使公司管理者以股东价值最大化作为其行为准则。用公式表示为:EVA=EBIT-ATKW;上述公式中, EBIT是指息税前利润;AT代表绩效考核期企业占用的资产数额, 包括债权资本和股权资本, K W代表绩效考核企业的综合资本成本率。经济附加值将企业股权成本作为一种成本扣除, 将会计账面价值转化为经济账面价值。它与传统净利润的不同可以用以下公式表述:
税后净利润=息税前利润-债权资本成本率-所得税
经济附加值=税后净利润-股权资本成本率
2. 引入EVA的RNPV投资评价模型概述。
引入EVA的项目投资评价模型用公式表达如下:
其中:
RNPV——修正的净现值;
RNCF——修正的净现金流量, 用公式表达为:
RNCF=税后净利+折旧—项目的股权资本成本=税后净利-债权资本成本-股权资本成本+折旧=EVA+折旧
项目的股权资本成本=项目投资中的股权资本×股权资本率
I——折现率, 即项目的必要报酬率。本项目投资评价模型用企业的加权资本成本率作为折现率。
三、模型运用实证研究
1. 对本模型进行实证研究的意义。
本文认为, 运用修正的投资评价模型对项目进行投资价值评价, 可以增强企业经营财务能力, 使企业保持良好的成长性, 防止企业出现由于投资项目过多过滥而导致财务状况及盈利能力恶化的情况。为了分析企业财务状况下滑的原因, 本文采用引入E V A的项目投资评价模型以华北制药股份公司为例, 对企业的投资情况进行分析。
2. 华北制药案例说明。
华北制药1998年~2007年的项目投资数据如下:筹资29960000元, 用于105车间的GMP改造项目;筹资34490000元, 收购华北制药集团环A车间;筹资5376000元, 收购华北制药集团制剂有限公司80%的股权;筹资120000000元, 用于国家1998年批准的第一批技术创新项目中的4个项目;筹资49900000元, 用于维生素B12生产线技术改造;筹资2500万美元, 用于头孢菌素的生产。1998年~2007年每年的固定资产、无形资产, 以及其他长期资产投资现金流量如图1所示:
进一步分析得出:企业资产负债率呈现出逐步上升的趋势 (见图2) , 同时, 资产利润率和股东权益利润率也呈现下滑趋势 (见图3) 。由此可见, 该企业虽然有大量的项目投资上马, 但是这些投资项目并没有使得企业的盈利能力增强。从1998年到2007年十年之间的平均股东权益利润率为2.7%, 远远低于同期央行公布的5年期5.15%的存款利率。
四、模型修正的意义总结
项目投资决策中的E V A思想, 是一种项目价值创造的净增值理论。该理论认为, 一项决策的价值取决于它与替代方案相比所增加的净收益, 因此对于股东来说, 如果企业的投资收益总是不能达到其投资期望, 他们就会放弃对企业的继续投资, 而转向投其它的项目或企业, 这样企业将不得不依靠债权投资以及自身的盈余积累来维持发展。而对于收益较低的企业, 债权融资将提高企业财务风险, 加大企业破产的边际成本, 危害企业的可持续发展能力。因此无论是为了吸引股东的投资, 还是平衡企业的风险, 都将要求企业提高自身的经营能力, 选择可以为企业创造剩余财富的项目进行投资, 而一味追求利润规模和资产规模, 盲目投资, 只能是导致企业价值链的破坏。
RNPV投资评价模型对现金净流量的修正体现了净收益观念, 在进行投资决策分析时投入资金的机会收益已经在每年的净现金流量中得到体现。此模型在财务上保证了项目在运行周期内的剩余价值创造, 使企业创造财富的能力得到了保障。
摘要：目前企业普遍使用的项目投资评价模型为收益现值 (NPV) 模型, 本文认为, 此模型涉及到的主要经济技术参数——年现金净流量在传统的计算方式中忽略了权益资本成本, 据此计算评价得出的可行性项目, 潜伏着较大的投资风险。为此, 本文在企业投资项目评价模型中引入EVA全要素补偿思想, 对该模型进行了修正, 并以华北制药股份有限公司为例进行了实证研究。
关键词：项目投资评价模型,收益现值法,EVA全要素补偿
参考文献
[1]新浪财经网:http://finance.sina.com.cn/realstock/company/sh600812/nc.shtml
[2]胡玉明:高级管理会计[M].厦门大学出版社, 2005年第二版
[3]尹凌青:战略绩效考核——可持续发展企业素质及经济增加值考核[M].中国经济出版社, 2006年第一版
[4]步淑段主编:财务管理理论模型[M].中国财政经济出版社, 2006年第一版
[5]中国注册会计师协会.财务成本管理[M].经济科学出版社, 2008年版
[6]AI.埃巴.经济附加值——如何为股东创造财富[M].中信出版社, 2001年
[7] (美) Madhavan.Ananth.项目投资决策理论[J].Journal of Investing, 2004.01:32-37
[8]Ross.SA.The determination of Fianncial Structure:The Incentive Signaling Approach.Bell Journal of Ecnomics[J], 1977, 8:23-40
项目投资评价模型 篇2
模糊综合评价模型在交通建设项目管理中的应用
该文将模糊综合评价模型引入对交通建设项目的.管理实践中,对交通建设项目指标体系的构成进行了初步探讨,描述了模糊综合评价模型的建立方法,并结合交通建设项目实例介绍其具体应用过程.
作 者：郭敏 Guo Min 作者单位：上海市闵行区市政工程管理署刊 名：城市公用事业英文刊名：PUBLIC UTILITIES年，卷(期)：200923(3)分类号：U4关键词：交通建设项目 指标体系 模糊评价模型
项目投资评价模型 篇3
关键词：会议 运营 体会
一次偶然的机会我有幸作为一名展会的志愿者，接触到会展行业，当时的我对会展行业一窍不通，临时被安排在接待组，虽然只是协助做好相关的酒店房间安排，客人的接待，费用的结算等工作，但是对于我来说，是一个全新的经历。第一次走进了近10万平米的展馆，看到了先进的国际会议中心以及各大星级酒店，参加了盛大的开幕式，各项大会的活动，这些都让我兴奋不已。虽然我只是做好交办给我的工作，但是我仍能够深刻的体会到展会是一个综合性很强，执行流程非常复杂的行业，了解到时间节点的重要性，事无巨细的琐碎性，事物流程的规范性以及突发事件的灵活性等。从事会展工作，既要能说会道，又要沉稳且富有激情，快速融入展会的适应性，知识全面、技巧全懂、操作全会的综合素质，吃苦耐劳，积极向上的工作态度，随时不忘拓展知识，学习提升的钻研精神。这次难忘的经历让我对会展行业充满了向往和憧憬。
后来，因展会情结，经过努力，我正式进入了会展行业，作了一名的真正的会展人，从而开始了我的会展之路，让我从一个新的角度全面的了解会展业。在工作当中，给我一种和做志愿者时完全不同的经历，我不在单纯的做好协助工作，很多的事务则需要自己去对接，从第一个电话，第一份传真，第一次遇到挫折，感觉并非想象中那么好做，于是我开始不断的总结经验和教训，不断的学习，端正态度，摆正心态，学会了不断的去思考，积极克服遇到的困难，慢慢的从管理会务资料、管理大会秘书处、到管理酒店房间、管理大会用餐再到会议场地搭建与布置等工作，我由一个对会展懵懂的新人向着真正的会展人在逐渐转变。
我的工作主要是做会务执行，酒店、会议及用餐安排等会务工作。在工作和不断学习的累计过程中，我开始认识到，我所做的会务执行工作，其实就是会议运营管理，更多的侧重于筹备期管理和会期的现场管理。虽然每个会议都会涉及到活动、酒店住宿以用餐，但是不同的会议又会略有不同。应该根据具体情况分析特点，找到最好的执行方式。
就酒店房间管理而言，这是展会都会涉及到的问题，但不同的会议也需要视情况而定，具体情况具体分析，首先如何保证参会代表能够顺利的办理入住手续，尤其在大量代表同时抵达报到注册时，不会因此在酒店大堂出现滞留拥堵现象，其次代表入住以后，怎样方便有效进行房间管理，最后才能准确的进行费用核算，这些都是我们在之前就要认真思考的问题。我们必须认真分析参会代表的构成、组织及抵达情况。去年的一项国际赛事的房间管理，尤其是选手同时抵达并顺利注册入住的过程，不仅是一次非常难忘的经历，更学习到了宝贵的经验。
此项大赛有来自全球17个国家和地区17支队伍的近百位选手参赛，按照日程安排，他们乘坐两个航班分别于10：30，11：30抵达，注册报到后，下午2：30就要召开全体选手动员大会，在飞机正点的前提下，既要保证选手能准时参加动员大会，又不能在注册时造成酒店大堂人员堵塞，因此选手如何快捷有效的办理入住手续是整个注册工作中的核心问题，从一开始就引起我们的高度重视，主要抓住了三个时间节点。
第一个时间节点：前期预定房源时候，坚持通过录入选手的姓名进行预定。按照以往团队注册的房间管理的经验，因代表都是单独前往，并在某些程度上存在不确定性，为保证房间登记的准确性，一般都是等到代表入住的时候再录入名字。但本次大赛选手是确定的，且是有组织的抵达，并多来自国外，姓名较为复杂，部分还非常相近，登记时录入困难较大，为保证后期房间管理的顺利进行，我们在与酒店多次沟通后，坚持采用了提前录入姓名的方式，这也为后面选手有条不紊的报到注册以及顺利的管理房间奠定了基础。
第二个时间节点：注册前两天，对接酒店保障用房，制作带有姓名的房卡套。确定选手的抵达信息后，随即与酒店协调保障用房，因前后两批抵达时间只相差1个小时，当时考虑最坏的情况就是同时抵达，所以要求酒店10点要将近百间房的房卡交给我们，为此，酒店专门制定了方案，在大堂规划一块有工作人员看管的临时行李寄存处，在前台开辟专门的退房通道，协调客人尽早办理退房手续，加大客房打扫力度，力保注册顺利进行。另外，为保证房卡顺利发放，且便于后期的房间管理，我们还做了与以往不同的工作，就是制作带姓名的房卡套，这样在注册前，就能先登记选手的房间号，发放的时候，也不会出现混乱。
第三个时间节点：注册当天，收集证件办理手续，与各组各环节密切对接，掌握及时信息，随机应变。一早与接机组落实航班正点，酒店在10点前将所有房卡准备就绪，我们登记好房问号以后，将房卡交到注册台，并按照国家队伍进行分类。酒店安排大量工作人员就绪，协助办理入住手续。结果，如我们所预料的最坏情况一样，两个航班的选手同时抵达，负责收集证件的工作人员第一时间将所有证件交到入住手续办理处，在大家提取行李，报道注册的时候，以最快的速度办好手续，归还选手证件，由于前面已经做好了全面的准备，整个注册程序进行的非常顺利，没有出现大规模的人员拥堵现场，得到了一致好评。
此次大会的房间管理，我积累了宝贵的经验，也是对自己在房间管理执行中认真积极思考的肯定，让我对此类大会的房间管理有了新的认识。房间管理虽然这只是活动中一个小小的环节，只有各个环节都认真落实到位，才能保证整个大的活动顺利有序的进行。不同的会议，应根据其具体的情况，认真分析，仔细思考，前思后想，通盘考虑，在保障相关工作顺利进行的情况下，还应在“更好的服务”上下功夫，为此，我将严格要求自己，不断学习，提升业务素质，在会展路上继续钻研奋斗。
项目投资评价模型 篇4
关键词：私有云,适宜性,关键资源点,综合评分法
当前, 云计算已经成为信息领域最炙手可热的IT技术。越来越多的企业也开始接受云计算的理念, 着手调研云计算技术在企业实施的可行性。国外的微软、IBM、亚马逊、Google以及国内的中国移动、中国电信都在大力开展企业云的建设。自2009年以来, 国内云计算服务市场正处于飞速增长的时期。
一、公有云、私有云与混合云
根据企业对云计算项目的部署方式, 可以分为公有云、私有云和混合云三类。公有云是指为外部客户提供服务的云项目。公有云的最大优点是其所应用的程序、服务及相关数据都存放在公有云的提供处, 使用者无需做相应的投资和建设。但是这也带来了一定的安全风险, 同时, 由于公有云的可用性不受使用者控制, 也带来了一定的不确定性。
私有云则是企业自身单独建设的云项目, 所有的服务不对外提供, 只为企业内部人员或分支机构使用, 因而可以提供对数据、安全性和服务质量的最有效控制。私有云的部署比较适合于有众多分支机构的大型企业或者政府部门。由于私有云部署在企业内部, 因此其数据安全性, 系统可用性都可以由企业自身加以控制。
混合云, 则介于公有云和私有云之间, 指提供自身和客户共同使用的云, 所提供的服务既可以供别人使用, 也可以用于自身的需要。一般而言, 混合云的部署方式对云服务的提供者要求很高。
二、私有云的优势
随着越来越多的企业对信息技术服务的依赖, 大型公司的数据逐步集中化, 这使得时下私有云已经成为众多企业部署IT系统的主要模式, 和公有云相比, 私有云具体有着以下几点优势:
2.1 对数据、安全性提供有效控制
私有云是为一个客户单独使用而构建的, 因此可提供对数据、安全性和服务质量的最有效控制。尤其是大型企业而言, 业务数据是其中的核心。这也决定了大型企业不会将关键性的应用放置在公有云上运行。而私有云则既可部署在企业数据中心的防火墙内, 也可部署在一个安全的主机托管场所, 从而在安全性上能得到相当大的保障。
2.2 提供更高的服务质量
因为私有云一般在防火墙内, 所以当企业内部员工访问服务应用时, 访问速度会非常稳定, 不会受到外部网络不稳定的影响, 但公有云则会出现这种情况, 如一旦亚马逊提供的服务断网以后, 将会有几万名客户直接受到影响。
2.3 有助于发挥自身特色
因为公有云针对的客户群非常广泛, 具有一定的通用性, 从而对于具体某个企业而言, 其特有的业务往往得不到好的支持, 而构建自身私用云则能够利用企业现有的硬件资源和软件资源, 充分发挥出企业自身的特色。
2.4 不影响现有IT管理流程
对企业而言, 流程是管理的核心, IT管理流程也同样如此, 当前几乎所有企业或多或少依赖于企业的IT技术服务, 因此IT管理流程就显得非常重要了。在这点上, 如果使用公有云的话, 由于这些信息服务都位于企业外部的云提供商处, 会对IT部门的流程有很大的冲击。而使用私有云则不存在这个问题, 因为私有云是由企业自身构建的, 一般都会位于防火墙内, 安全性很高, 所以对IT管理部门流程不会有太多影响。
2.5 部署方式灵活
私有云部署方式灵活可以从两个方面来体现:一方面是公司拥有基础设施, 可以控制在此基础设施上部署应用程序的方式;另一方面, 私有云既可由公司自己的IT机构来进行构建, 也可由云提供商为企业进行构建。
从以上五点可以看出, 私有云在安全性、服务质量, 管理流程和应用灵活性方面较之公有云都具有很大优势, 这也是为什么现在越来越多的企业愿意投身到私有云的建设的缘故。然而, 在企业建设私有云的现实过程中, 却常常发现并不是那么一帆风顺的, 很多企业都或多或少碰到了一些棘手的问题。
三、建设私有云所面临的问题
不同企业在建设私有云的过程中遇到的问题都不太一样, 但在查阅资料进行分析之后, 综合起来主要分为以下几点:
3.1 投资成本过高
对于一个企业来说, 重新开始投资一个新的项目所耗费的成本是很高的, 既有添置新设备的费用, 也有因为转移新设备而放弃原有固定资产所浪费的部分资源所带来的隐性成本。
3.2 规模效应难以实现
私有云项目只为企业自身服务构建, 因而规模一般较小, 通常并不具备大型公有云项目所带来的规模化经济效益, 维护和运营成本上也难以通过规模化来实现降低。
3.3 需要高度的变化适应能力
技术变化的复杂性和变化速度对于任何IT组织来说都很难把握, 尤其是对规模较小的组织而言, 企业现有的IT团队也可能并不熟悉私有云项目, 因此需要不断进行学习。另外企业还可能需要创建一些新的运营流程, 并对某些旧有的流程进行修改, 来适应新技术带来的冲击。
由上可见, 企业建设私有云项目固然能给企业带来很大的改进, 如提高企业的工作效率, 改善流程, 巩固安全性, 提供更好的服务水平, 但在建设私有云项目中同样面临着众多问题。那么究竟什么样的企业比较适宜进行私有云项目的建设?在通过研究后发现, 企业自身的资源情况对于是否适合建设私有云项目起着重要的影响作用。
四、企业建设私有云项目的适宜性分析
4.1 企业关键资源点分析
在评估建设私有云项目前, 对企业现有资源进行分析, 是私有云建设项目可行性研究的重要依据。一般而言, 企业的关键资源包括:企业IT资源的规模, 资源的利用情况, 对数据安全的敏感度, 企业的业务峰值, 企业的人力资源等。
4.1.1 企业IT资源
企业已有IT资源的规模大小对私有云建设成本有着非常重要的影响作用。资源规模越大, 经营这些资源的人均费用就越低。由于规模经济效应, 这会使得企业在长期运行中, 所耗费的成本会越来越低, 决定一个企业IT资源的大小需要考虑几点因素:企业数据中心拥有的服务器的数量;企业的客户群规模;企业IT方面的年收入。
4.1.2 IT资源的利用情况
资源规模的大小并不能完全判定一家公司是否适用于云计算。私有云建设效益还取决于现有IT资源的使用量, 若闲置过多的服务器资源将会造成大量的浪费, IT资源的使用情况一般考虑一下几点因素:平均使用率;高峰利用率;处理和交易数据的大小。
4.1.3 数据安全的敏感度
数据的安全性关系到一个企业的生存发展, 对于大型企业更是如此, 使用云服务能否保护企业的数据安全现在越来越受到公司的关注。
4.1.4 企业的核心业务
每个企业的核心业务都有所不同, 有些对于IT资源要求较高, 比如互联网, 电子商务行业, 而有些传统企业则要求较低, 但核心业务一般都要求IT资源的可用性和安全性能得到充分保障。
4.1.5 企业的人力资源
企业人力资状况直接关系到在建设云计算项目中或者迁移到云服务过程中的成功率, 毕竟云计算是一种最新的技术, 能否适应这种变化最主要的还是看企业人员的适应变化能力。
综合上述可以看出, 对于建设私有云项目来说, 企业的IT资源是最核心的要素, 其它的要素都与之有着密切的关系, 分析这些要素之间的关系, 可以帮助我们运用综合评分法的方法来对企业资源进行很好的评估。
4.2 综合评分法
主要的关键性资源点被确定后, 根据他们各自在企业中的重要性赋予一定的权重。同时对每个关键性资源点按照建设云项目的适宜性从高到低赋予一定的分数。 (由于每个企业的具体情况不一, 权重和分数的赋予也因企业的不同而不同) 以上述所列资源点为例, 可得综合评分表 (见表1)
注:以上评分说明和权重比为通过对一些IT公司的资源数据进行综合调查分析提出, 仅供参考。
计算方式说明:
企业IT资源规模得分
企业IT资源利用率得分
企业对数据的敏感度得分
企业核心业务对IT资源要求度得分
企业转向云计算的人力资源情况得分
总分=TR+TL+IS+WR+HR
(Wq表示拥有服务器数量该项资源的权重, Sq表示该项的评分值, 其它同。)
通过对一些IT企业的分数进行测算后分析得出, 0-450分, 一般不宜进行企业私有云项目建设, 450-650, 可以考虑进行私有云项目的建设, 超过650分则可看做是比较适宜进行企业私有云项目建设的。
以某企业为例, 通过测评, 得出各项分数分别为SQ=3分, SC=4分, Sr=3分, Sp=1分, Sa=3分, Sqs=3分, Sis=3分, Swr=3分, Shr=2分。
那么可以根据上述计算公式可以求出总分为736分, 很适宜进行企业本身的私有云项目建设。
结束语
本文通过提出分析企业关键资源点的方法, 试图从经济角度对投资建设私有云进行评估, 以初步判断企业是否适宜进行私有云项目的建设, 给那些希望进行私有云建设项目的企业提供一个初步的参考。
参考文献
[1]郭平.虚拟化是私有云建设的关键[N].计算机世界, 2010 (06) .
水环境评价模型综述 篇5
水环境评价模型综述
摘要：水环境评价模型是用数学的手段来建立水环境中污染变化的规律.文章对水环境评价模型进行了概述.主要分为两大类,一类是确定性水质模型,包括:QUAL水质模型、WASP模型、MIKE模型、非点源污染模型、SWMM模型、HSPF模型、SWAT模型;另一类是不确定性水质模型,包括:马尔可夫模型、灰色模型、人工神经网络模型、层次分析模型.水环境评价模型的综述主要为环评工作者提供水质环评方法做参考.作 者：潘日华 Pan Rihua 作者单位：茂名市环境科学研究所,广东,茂名,525000期 刊：广东化工 Journal：GUANGDONG CHEMICAL INDUSTRY年，卷(期)：,37(5)分类号：X关键词：水环境评价模型 人工神经网络模型 环境影响评价
项目投资评价模型 篇6
关键词 房地产投资环境；投影寻踪；动态聚类；加速遗传算法
中图分类号 F293.3 文献标识码 A
Environment Evaluation Using Projection Pursuit
Dynamic Cluster Model in the Real Estate Investment
ZHOU Yong， Gong Haidong
（Xi' an University of Architecture and Technology， School of Management， Xi' an，Shangxi 710055，China）
Abstract This paper introduces the applicationof Projection Pursuit Dynamic Cluster Model in the environment evaluation of real estate investment. The environment evaluation of real estate investment is a complex problem because it involves highdimensional factors， So this model provides some advantages by projecting highdimensional data to the lowdimensional data through the projection vector according to the sample data features completely.Furthermore， it can sort the lowdimensional data and cluster automatically. Using this method ， this model can study the highdimensional data through the lowdimensional data. Finally， taking the industrial real estate investment environment evaluation of Liaoning Province as an example， this paper verified the applicability of the model in the evaluation of real estate investment environment.
Key words the real estate investment environment evaluation； projection pursuit； dynamic cluster； accelerating genetic algorithm.
1 引 言
房地产投资环境是指投资地对房地产投资活动产生影响的经济、自然、管理、社会等各种条件和因素的总称.加之房地产投资本身具有投资资金巨大、回收周期长、位置固定、投资风险大等特点[1].因此房地产投资环境分析是一个复杂的、受多因素影响的系统过程.如何应用科学的评价方法对房地产投资环境进行客观、公正的评价和分析将显得至关重要.通过文献阅读，本文作者认为对房地产投资环境分析需要解决两大主要问题：①如何在最充分的利用原始指标信息的情况下，将评价房地产投资环境的众多指标信息进行降维处理转变为低维问题，然后利用经典的传统方法进行分析；②在评价中尽量减少人为干扰，更多或者完全利用指标数据来进行客观的分析和评价.投影寻踪动态聚类模型是投影寻踪方法和动态聚类方法的结合[2-4]，它综合了投影寻踪方法和动态聚类方法的优势：投影寻踪方法能够通过投影向量将高维数据转变为低维数据，然后通过分析低维空间的投影数据特性来研究高维数据特性[5]；动态聚类方法能够根据投影数据自身的特性自动进行聚类分析，克服了操作人员对投影寻踪方法得到的投影数据要借助其他方法进行再处理的问题，同时通过动态聚类思想构建投影指标来寻找投影向量，能够克服要通过经验确定密度窗宽参数的投影寻踪方法得到的投影向量不是很客观的弊端.鉴于此，本文将投影寻踪动态聚类模型应用到房地产投资环境评价和分析中，并借助辽宁省工业地产投资环境分析实例对该方法进行了初步验证，以期为房地产投资环境评价分析提供更多的方法借鉴.
2 房地产投资环境评价相关方法综述
房地产投资环境属于城市投资环境的子系统，纵观国内外学者建立的各种投资环境评价方法，现阶段用的比较多的方法有：灰色关联分析法（邓聚龙，1988）[6]，层次分析法（SAA TY TL，1908）[7]，模糊评判法（CHU A TW，1979）[8]，人工神经网络法（HECHTNIELSENR，1987）[9]，物元分析法（蔡文，1994）[10]以及投影寻踪法（Friedman J H， Tukey J W，1974）[5]等.其中灰色关联分析法、模糊评判法、物元分析法是主观分析方法，在此类方法的应用中主要由人为的根据经验确定各个指标的权重，因此其评价结果具有一定的人为随意性；人工神经网络方法能够消除评价过程中的人为随意性，但是其学习训练需要相当多的样本，况且还容易陷入局部极小点，因此不便于推广应用；投影寻踪方法能够将高维数据转变为低维数据，通过低维空间数据来分析高维空间数据，但是其中的密度半径窗口参数需要根据经验来确定，其评价结果仍然带有一定的主观性；当然也有一些经典的传统降维方法能够利用指标数据信息对投资环境做出较客观的评价，比如主成分分析法和因子分析法，但是此类方法是从众多指标中提取少量指标来反应样本信息，使得样本的信息损失量较大，同时对样本数据也有严格的要求.投影寻踪动态聚类模型依据动态聚类思想来构建投影指标，完全依靠样本数据自身特性根据投影指标来寻找投影向量，利用投影向量将高维样本数据投影到低维数据，然后通过研究处理低维数据达到研究高维数据目的，同时实现样本数据的排序和自动聚类分析.投影寻踪动态聚类模型已经在洪水灾害管理[2]、气候分区[11]和区域水安全评价[12]等领域的多元数据分析中取得了一定的应用.本文将投影寻踪动态聚类模型应用到房地产投资环境评价中，以期为房地产投资环境评价提供更多的方法论.
nlc202309041803
5 结 语
投影寻踪动态聚类模型通过投影方向向量将高维数据转变为低维数据，发挥了投影寻踪方法处理高维数据的优势；同时完全依靠样本数据自身特性进行聚类分析，使聚类结果具有客观可靠的优势；再者借用动态聚类思想构建投影指标函数并利用加速遗传算法求解得出的最佳投影方向向量能够避免人为确定指标权重的弊端；另外此模型对样本数据的容量没有要求，与其他较客观的评价方法（如人工神经网络）相比便于推广应用.因此投影寻踪动态聚类模型是房地产投资环境分析评价方法的一种较好的选择.
参考文献
[1] 俞明轩.房地产投资分析[M].北京：首都经济贸易大学出版社，2004：98-101.
[2] 倪长健，崔鹏.投影寻踪动态聚类模型[J].系统工程学报，2007，22（6）：634-638.
[3] BACHMANN C M， MUSMAN S A， LUONG D，et al. Unsupervised BCM projection pursuit algorithms for classification of simulated radar presentation[J].Neural Networks，1994，7（4）：709-728.
[4] FRIEDMAN J H， STUETZLE W. Projection pursuit regression [J]. Journal of the American Statistical Association，1981，76（376）：817-823.
[5] FRIEDMAN J H， TUKEY J W. A projection pursuit algorithm for exploratory data analysis.IEEE Trans on computer， 1974， 23（9）：881-890.
[6] 邓聚龙.灰色系统基本方法[M].武汉：华中理工大学出版社，1988：1-59.
[7] SAATY T L. The analytic analytic hierarchy process[M].New York：McGrawHill，1980：3-8.
[8] CHU A T W. A comparison of two methods for determining the weights of belonging to fuzzy sets[J].Journal of Optimization theory and Applications，1979，27（5）：531-538.
[9] HECHTNIEL SENR. Komogrov’s mapping neural network existence theorem[C]//Proceedings of the international conference on Neural Networks New York： IEEE Press，1987：11-13.
[10]蔡文. 物元模型及其应用[M].北京：科学技术文献出版社，1994.
[11]王顺久， 李跃清. 基于投影寻踪原理的动态聚类模型及其在气候区划中的应用[J].应用气象学报，2007，5（18）：722-726.
[12]王顺久，倪长健. 投影寻踪动态聚类模型及其应用[J].哈尔滨工业大学学报，2009，41（1）：178-180.
[13]任若恩，王惠文.多元统计数据分析——理论、方法、实例[M]. 北京：国防工业出版社，2000：148-151.
[14]金良菊，杨晓华，丁晶. 基于实数编码的加速遗传算法[J]. 四川大学学报：工程科学版，2000，32（4）：20-24.
[15]刘国华，包宏，李文超. 用MATLAB实现遗传算法程序[J].计算机应用研究，2001，17（8）：80-82.
[16]殷铭， 张兴华， 戴先中. 基于MATLAB的遗传算法实现[J].电子技术应用， 2000，25（1）：9-11.
[17]张军涛， 刘建国. 辽宁省主要城市投资环境的实证研究[J]. 工业技术经济，2008，27（8）：82-86.
[18]杨建喜， 宋永发. 基于PP-RAGA的工业地产投资环境评价的实证研究[J]. 工程管理学报， 2010，24（6）：664-668.
[19]张卫国， 何伟. 中国地级城市投资环境评价研究[J]. 管理学报，2006，3（2）：195-198.
项目投资评价模型 篇7
关键词：高速公路,投资效益,可拓,应用
1 我国高速公路投资概况
在高速公路的发展进程中, 其投资体制以市场为导向, 在为筹集庞大的建设资金方面发挥了重要的作用。投资规模也呈现快速增长的局面。2001年至2006年的投资规模分别为2670亿元、3212亿元、3715亿元、4702亿元、5206亿元、6020亿元。在“十一五”期间, 我国高速公路建设投资总额高达2万亿元。
虽然高速公路总的来说具有“交通流量大、资产质量较高、投资回报可观、效益良好、抗风险能力强”的特点, 但在投资建设过程中也面临很多问题。
1.1 盲目投资, 忽视投资风险
高速公路投资在我国处于蓬勃发展期, 投资热潮促使一些投资企业在未对项目的投资效益进行系统预测和分析的前提下, 盲目的进行投资, 忽视了项目投资的风险性。这些企业单纯的认为投资高速公路项目就能获得丰厚的回报, 导致项目投资后, 投资效率和效益与预计的相差甚远, 更为严重的可能造成投资失败。
1.2 效益评价片面, 注重短期经济效益
在“经济短期行为”泛滥的形势下, 投资企业只关注眼前的经济效益, 损害公共利益、破坏资源环境现象比比皆是。另外, 对于高速公路项目的投资效益评价涉及的内容纷繁复杂, 很多效益很难以货币形式进行衡量;还有些效益具有潜在性, 需要很长时间才能体现出来。因此, 高速公路项目投资效益的评价往往带有主观片面性。
因此, 在这种大环境下, 建立一套比较系统全面的高速公路投资效益评价体系显得尤为重要。这要求评估者在实践的基础上, 运用系统的科学的评价方法, 使得项目的投资效益得到客观如实的评价, 从而为投资者的决策提供有价值的参考。
2 构建可拓评价指标体系
在参考相关文献的基础上, 结合实地调查咨询, 并遵循指标体系的构建原则, 剔除一些重复的、次要的指标, 以高速公路建设开发单位为评价主体, 最终构建了以“企业直接效益—企业间接效益—国民经济效益—社会效益—环境效益”为一级指标, 下设21个二级指标的高速公路项目投资效益的可拓评价指标体系。
3 构建可拓评价模型的基本流程
高速公路并非完全市场竞争产品, 其评价过程具有一定的特殊性, 而可拓评价方法最大的优势就在于其良好的可拓展性, 因而在高速公路项目投资效益评价中可以得到广泛的应用。高速公路项目投资效益可拓评价模型构建的基本流程图, 如图1。
4 实例分析
本文以YL高速公路建设开发有限公司为研究对象, 以收集的企业数据为基础, 对建立的高速公路项目投资效益评价指标体系、可拓评价模型进行案例分析。
4.1 数据收集
YL高速公路项目的技术指标如表2所示。
YL高速公路项目实施后的国民经济效益通过降低营运成本效益、旅客时间节约效益, 以及减少交通事故效益体现。计算出的国民经济评价指标数值如表3所示。
YL高速公路项目财务评价结果见表4。
4.2 评价指标体系的建立
为了全面、客观、科学、准确的评价YL高速公路项目的投资效益, 反映该项目的真实情况, 本文依据高速公路项目投资效益评价指标体系, 结合本项目的实际情况, 从企业直接效益、企业间接效益、国民经济效益、社会效益以及环境效益五个方面进行综合评价。具体的评价指标体系见表1。
4.3 评价因素集及域的确定
(1) 确定投资效益等级域U和评价因素集F。
将YL高速公路项目的投资效益程度划分为五个等级, 确定投资效益等级U为:
效益评价等级的划分标准如表5所示。
确定投资效益各指标评价因素集F为:
其中:
(2) 确定经典域与节域。
为了方便计算, 根据可拓理论, 本文将五个评价等级的经典域依次设为[0, 50) , [50, 65) , [65, 80) , [80.90) , [90, 100]。数值越高, 表明投资效益等级越高, 即该高速公路项目的投资效益就越好。
通过实地调查对比已建成或在建的高速公路项目的投资效益评价指标值, 同时走访咨询投资企业高层专家, 将11个定性指标按五个等级转化为数值;指标体系中的9个定量指标, 直接以定量的数值确认经典域和节域。各个指标的节域由该指标在五个评价等级中经典域名的最大值和最小值决定。具体计算过程略。
4.4 评价指标的权重计算
根据构建的评价指标体系, 结合YL高速公路项目的技术指标和经济指标, 通过调查问卷中专家的打分值, 获得以下5个因素的评价数据, 确定待评物元。
本文采用熵值法确定各指标的权系数:
(1) 计算标准化矩阵。
各指标值进行归一化处理, 然后计算第j项指标下第i个待评对象指标值的比重Pij, 得到标准化矩阵:
(2) 计算熵值H。
“企业直接效益”的熵值:
“企业间接效益”的熵值:
“国民经济效益”的熵值:
“社会效益”的熵值:
“环境效益”的熵值:
(3) 计算差异性系数g。
“企业直接效益”的差异性系数:
“企业间接效益”的差异性系数:
“国民经济效益”的差异性系数:
“社会效益”的差异性系数:
“环境效益”的差异性系数:
(4) 计算指标权重w。
准则层指标权重W= (0.2165 0.1933 0.26450.1866 0.1391)
4.5 投资效益可拓评价
(1) 构造关联函数, 计算关联度。
F1的一级评价变换矩阵K1:
F2的一级评价变换矩阵K2:
F3的一级评价变换矩阵K3:
F4的一级评价变换矩阵K4:
F5的一级评价变换矩阵K5:
(2) 一级评价。
进行一级评价:
(3) 二级评价。
(4) 确定评价等级。
由二级评价结果可知, 该高速公路项目投资效益等级为:一般。各准则层指标所对应的效益等级见表6。
4.6 评价结果分析
对YL高速公路项目的投资效益进行评价的结果如下:
(1) 在所选取的20个评价指标中, “净现值”、“借款偿还期”、“降低运输成本效益”、“节约旅客时间效益”、“减少交通事故效益”、“节省燃油程度”6个指标与评价等级“良好”的关联度最高, 说明该项目在这些方面能取得较好的投资效益。而“内部收益率”、“生态环境保护程度”两个指标与评价等级“较差”的关联度最高, 说明还有待改进和提高。
(2) 对于子待评物元“企业直接效益”、“企业间接效益”、“国民经济效益”、“社会效益”以及“环境效益”中, “企业直接效益”的评价等级为“良好”, 说明投资该高速公路项目, 能使企业获得较好的经济利润, 盈利能力较强;“企业间接效益”的评价评价等级为“一般”, 说明该项目在一定程度上能提升企业的在市场的影响力, 创造企业“潜在财富”;“国民经济效益”的评价等级为“良好”, 说明该项目的实施对国民经济有效增长以及结构优化做出了较大的贡献;“社会效益”评价等级为“一般”, 说明该项目在一定程度上有利于区域社会经济发展, 提高对外联系程度, 但是效果不够明显;“环境效益”的评价等级为“良好”, 说明该项目在整体上基本达到了经济可行、生态适宜的程度。
(3) YL高速公路项目的综合效益与评价等级“一般”的关联程度最高, 说明该项目的实施以追求经济、社会、环境效益的统一为原则, 能基本实现项目整体的综合效益, 符合该项目投资建设的初衷。
从项目的投资效益评价结果来看, 该高速公路项目的国民经济效益、企业的直接效益与社会效益评价结果为“良好”, 说明本项目在这些方面取得较为显著的效益;而企业的间接效益和环境效益评价结果为“一般”, 说明还有待改进和提高。由此, 需要提出相应的改进措施和建议, 促使高速公路项目投资效益的有效提高。
参考文献
[1]蔡文.物元模型及其应用[M].北京:科学技术文献出版社, 1994.
[2]蔡文, 杨春燕, 林伟初.可拓工程方法[M].北京:科学出版社, 1997.
[3]潘海鸿, 孙大程.高速公路投资效益的变化趋势[J].中国公路, 2006.
项目投资评价模型 篇8
项目后评价是指对已经完成的项目或规划的目的、执行过程、效益、作用和影响所进行的系统的客观的分析。
项目后评价起源于上个世纪三十年代, 美国国会把项目后评价作为监督政府政策性投资的重要手段。到二十世纪六十年代, 项目后评价理论和方法得到发展和完善。随后世界银行亚洲发展银行和多边金融组织纷纷建立和健全了各自的后评价体系, 创造和发展了评价理论和方法。二十世纪八十年代, 投资项目后评价在中国开始逐步起步。1988年, 原国家计委委托中国国际工程咨询中心进行了第一批国家重点项目的后评价, 这标志着后评价在中国正式开始。在后来的发展过程中, 中国的学者和科研院所通过不断地交流学习, 逐渐完善了后评价体系, 使之成为适合各行业机构的评价体系方法。
目前, 随着中国经济的迅猛发展和能源需求的日益加剧, 能源问题已经成为中国发展的战略性问题。中国能源总量丰富, 种类繁多。但是长期以来, 中国的能源消费主要以煤炭为主, 煤炭行业是我国的支柱产业, 我国能源消耗的三分之二都来自煤炭。长期以来, 伴随着煤炭开采量的不断增加, 安全问题备受关注, 煤矿事故时有发生, 再加上煤矿企业生产所具有的特殊作业环境, 致使生产过程中潜在着比一般行业更大的危险性和不安全因素。基于以上原因, 本文对煤矿建设项目进行了后评价分析, 通过分析总结, 及时发现问题, 不断进行完善提高, 从而为煤矿安全提供了可靠的保证。
二、煤矿建设项目后评价内容
煤矿建设项目的后评价是通过对已将建成的煤矿进行检查总结确定项目的投资预期目标是否达到, 项目是否合理有效, 项目的主要效益是否实现, 项目的安全措施是否符合安全标准, 通过分析评价找出存在的问题, 总结并进行及时有效的信息反馈, 为未来煤矿的安全有效运行提供改进建议, 从而达到提高投资效益、保障项目安全运行的目的。煤矿建设项目的后评价涉及到煤矿建设项目立项决策、资源勘探、设计、建设实施、经济效益等方面的内容。煤矿建设项目主要从以下几个方面进行后评价分析。
⑴项目前期评价。包括项目筹备工作、项目决策、工程地址选择、征地拆迁、勘察设计、委托施工、“五通一平”工作、资金落实情况和材料设备落实情况等。
⑵项目实施情况评价。建设实施评价的内容包括对项目开工、重大设计变更、项目组织与管理、建设资金供应与使用、项目建设工期、项目建设成本、工程质量和安全情况、竣工验收等。
⑶项目执行情况评价。主要是从矿井竣工验收投产后到评价时点生产运营状况、设计生产能力的实现程度、成本费用指标、商品煤质量及售价、财务状况、经济效益及运营外部条件预测分析、社会影响等方面进行评价分析。
三、基于模糊综合评价的煤矿建设项目后评价的理论分析
(一) 模型介绍
模糊集合理论的概念于1965年由美国自动控制专家查德 (L.A.Zadeh) 教授提出, 用以表达事物的不确定性。模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价, 即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。假设有两个集合,
即:因素集U={u1, u2.……um}, 综合评判条件下多种因素的集合;评判集V={v1, v2.……vm}, 综合评判条件下多种判断组成的集合。
集合U中的每一个因素要根据评判集V中的等级指标进行模糊判断, 得到评判矩阵:R= (rij) n×m。其中, rij表示ui关于vi隶属程度。所以 (U, R, V) 则构成了一个模糊综合评判模型。确定各因素重要性指标后, 记为A= (α1, α2.……αm) 满足, 合成得到, 经过归一化后, 得到B= (b1, b2.……bm) , 于是可确定出评判等级。
(二) 模糊综合后评价的步骤
1、确定指标体系。
根据煤矿建设项目的建设目标设立相对应的评价指标体系。指标的选取要与项目的目标、质量、工期、安全、资金的因素相关。本文的指标选取包括投资控制、工期控制、质量控制、生产布局的合理性、安全可靠性控制、矿井达产能力、资金的使用效率、直接经济效益等指标。通过选取不同方面的指标, 能够从不同方面对煤矿建设项目进行综合评价。
2、确定评价集合。
设评价集合为V={v1, v2.……vm}, 对各种评价因素的满意程度设为v1:优秀;v2:良好;v3:中等;v4:合格;v5:差。
3、建立权重集合。
按照各项指标的评价结果, 为了充分反映各项指标对煤矿建设项目目标的影响程度, 要对各项指标赋予不同的权重。影响大的指标赋予大的权重, 影响小的指标赋予较小的权重。指标权重额确定主要是采用专家调查法, 聘请行业内的权威专家对各项指标赋予权重值。由于指标集中各指标的重要程度不同, 所以要对一级指标和二级指标分别赋予相应的权数。第一层次的权重集为Xi={w1, w2.……wm}, 第二层次的权重集为Xij={wi1, wi2.……wim}。
⑷进行综合评价。设B为结论集合;R为第一层次因素评价矩阵;Rij为第二层次评价矩阵, 则第二层综合评价模型为:
根据所赋予分值, 应用加权平均法对评语集合进行讨论, 其表达式为。通过讨论评价, 最后得出评价结论。
四、结论
模糊综合评价方法在煤矿建设项目中的应用, 可以从多个方面更好地反映该项目的内在特征, 从而更加准确地地分析和评价该类工程的经济合理性。同时, 煤矿管理部门可以通过后评价资料, 在以后的煤矿建设项目上进行合理规划布局, 有效进行管理, 从而提高煤矿建设项目的经济效益和安全系数。
参考文献
[1]万学锋.煤矿投资建设项目后评价体系研究与设计.煤炭工程, 2009 (5)
[2]陈群.模糊综合评价法在人防工程建设项目后评价中的应用.中国工程咨询2008 (6)
项目投资评价模型 篇9
进入21世纪以来, 信息技术的广泛应用, 不仅提高了应用行业的工作效率、产出效能、经济效益, 而且引起了这些行业的结构重组、管理变革和面貌更新。与此相联系, 由信息化所产生的电子金融、电子货币、电子商务、电子政务、网上购物以及远程教育、远程医疗等新术语的不断涌现, 也说明了信息产业的发展扩大了人类的活动空间, 从物理空间扩展到媒体空间, 缩小了时间对人类活动的限制, 促进了人类文明的进步, 正在引起世界经济和社会的巨大变革。发展信息产业, 不断推进信息化建设, 已成为世界各国提高自身综合国力, 增强竞争力的一项重要战略选择。
由于IT项目存在着投资大、风险高、效益无形、间接和迟效等特点, 加之大量的研究和案例显示了IT投资的高风险和高失败率, 使得IT项目的立项论证、投资决策显得格外重要。Lister T. (1997) 认为, 软件系统中50%~70%的风险可以检测到, 90%的风险可以避免, 风险管理的投资回报率一般为7~20倍。但是, 现实工作中, IT项目的投资实施主要是由主导信息技术的专业人员来推动, 因此以往的研究往往把主要精力放在技术评价和实施上, 对其经济评价的探讨有所忽略, 即使进行这方面的分析, 大多也停留在几个定性的、概括性的、分散的指标上, 并没有形成一套系统的、完整的评价方法。
二、IT投资项目包含的实物期权分析
(一) 传统技术经济评价方法的缺陷
净现值法, 以及由此派生出的成本—效益分析法, 目前在国内外都是投资项目技术经济评价与决策的标准方法, 并且广泛地运用于实践之中。然而从20世纪80年代以来, 不断有研究文献指出, 在不确定条件下, 运用净现值法进行投资项目的经济评价, 可能低估投资项目的价值;运用净现值准则筛选投资项目, 可能导致错误的投资决策。同时, 实证研究也表示, 美国越来越多的公司管理人员在进行投资项目评价与筛选时, 认为投资机会中包括了除直接从NPV方法导出价值之外的额外价值, 并经常选择 (接受) 不符合NPV准则的投资项目。综合已有的理论研究文献, 净现值 (NPV) 法主要表现在: (1) NPV方法忽略了项目在实施过程中管理柔性 (management flexibility) 的价值; (2) NPV方法忽略了时间序列与不间断投资的交互作用, 以及后续与延迟投资可能产生的收益; (3) NPV法假设投资是可逆的, 而投资项目通常具有不可逆性; (4) NPV法没有考虑项目推迟投资的价值。
实物期权定价理论为克服上述NPV的缺陷提供了科学的新方法。实物期权 (Real Options) 是以期权概念定义的现实选择权, 是与金融期权相对应的一个概念。1977年, Stewart Mayers在《Determinants of Corporate Borrowing》中首次提出了实物期权的概念, 并把金融期权定价理论引入实物投资领域。他认为一个投资项目创造的利润, 来自于目前所拥有资产的使用与未来投资机会的选择之和, 所拥有的实物资产在用金融期权评估方法来评估时, 可以作为实物资产, 因此这种期权可称为实物期权。
(二) IT投资项目的生命周期阶段及期权分析
通常情况下, IT投资项目的生命周期阶段可用图1表示。
在图1中, 横坐标是时间, 纵坐标是收益或投资成本, t0=0是项目的决策点。在决策时, 发生现金流出是项目可行性研究费用, 相对于项目的整个寿命期, 一般来说项目的可行性研究阶段的时间很短, 所以一般假设项目的可行性研究是在瞬期完成。t1是项目开发的起始点, 是项目前期开发阶段, 在这一阶段, 项目有现金流支出。从t2时刻起, 项目的首期开发完成, 项目开始有收益, 即开始有现金流入量, 这一收入可能是企业出售IT产品或出售软硬件以及相关服务的收入。同时, 对于大多数成功的IT项目来说, 从t2时刻, 该软件项目又开始了进一步的开发, 如增加产品的新功能, 或将该产品移植扩展到其他的开发平台。t2~t3阶段是IT项目的第二次开发阶段, 在这一过程中是相关开发费用及经营和维护费用。从t3到tn, 其中可能包括多个与t2~t3阶段相似的项目扩展阶段。T是该项目结束的时间。由于技术进步与消费者的变化, 一般来说一个IT产品不可能永远继续下去, 它可能在某一时点被完全淘汰。
IT项目的投资行为, 可以看成是用一种风险资产 (项目投资现值和) 交换另一种风险资产 (项目收益现值和) 的投资机会实物期权。该期权实际上是一个组合期权, 又称分阶段期权, 它由IT项目中所包含的上述各项期权所构成。因此, IT开发项目中最有价值的期权可总结为以下3种:等待期权、增长期权和分阶段期权。
三、IT投资项目的综合评价模型
Trigeorgis等学者提出, 投资项目的价值包括两部分:一是传统的、被动的、静态的 (static) 项目直接现金流的净现值 (NPV) , 二是管理柔性或灵活性所产生的项目内含实物期权价值。这一思想归纳为下式:
式中, ENPV是扩展 (Expand) 的NPV, 也是整个项目投资机会的价值;NPV是按净现值法计算出的项目净现值;V是项目内含期权的价值。
构建IT投资项目价值评价的模型就是为了抓住IT项目中管理柔性的价值和战略期权价值。通过前面的分析我们知道, IT投资项目包含的期权有:等待期权, 分阶段期权, 扩张、收缩、关闭与重新开工的期权, 放弃而获取残值的期权和增长期权。其中最重要的是等待期权、增长期权和分阶段期权。这样我们所建立的IT投资项目的实物期权评价模型将包含这3种期权。模型的结果是一个扩展的净现值 (ENPV) , 包括3种期权的价值和传统NPV值。这个模型的基本框架如图2所示。模型由5部分组成:计算传统NPV值;计算等待投资期权;计算增长期权价值;计算分阶段期权价值、计算3种期权价值之和;计算扩展的净现值 (ENPV) 。
我们把实物期权引入到传统的净现值评价方法之后, 得到IT投资项目的扩展净现值模型, 如果用该模型替换传统项目经济评价中的净现值模型, 就得到了IT投资项目的综合评价模型, 如图3所示。
四、案例分析
(一) 项目情况简介
某大型企业集团通过多年的信息化建设, 建成了一个畅通的网络、多个分专业应用的数据库综合信息系统, 基本形成了“信息部门搭台、专业部门唱戏”的信息化应用局面。在某些部门中进行的数据中心的建设为该企业信息化建设打好了数据基础框架, 源头数据采集体系的成功实施和几年的逐步完善, 使数据中心的数据资源逐步完善、全面、准确, 真实反映企业的生产实际情况。
但是, 该项目也存在不利的方面, 如果建立新的信息系统, 需要首先改造原有的日度业务处理程序, 建立新的源头数据库, 在此基础上应用新的数据管理系统, 这些需要较大的成本投入;有利的方面是转换到新的业务系统方式下, 除了业务处理速度更快, 产量和销量提高等直接的效益之外, 如果几年后产品市场看好, 系统运行状况良好, 可以继续建立基于Web的综合业务系统。如果企业选择不对原有业务信息系统进行改造, 就失去了和同行业其他企业在相同信息技术水准下的竞争机会, 也得不到上述3方面的好处;如果马上同时进行日度数据处理系统和综合业务系统改造, 则风险太大, 一旦投资就无法全部收回。项目决策者认为, 为了公司的战略价值对项目进行投资能在将来提供增长的机会, 项目可以分阶段进行, 只有当系统运行良好并且市场证实进行后续投资能够盈利的时候, 才会投资于后续阶段。
经过仔细研究, 该项目的投资可以分3个阶段进行:
第一阶段, 解决源头数据和手工统计业务数据的问题, 建立统一的生产工程项目源头数据库。
第二阶段, 实施新的应用数据管理系统, 建立业务逻辑库, 实现完全的业务日度数据信息化管理。
第三阶段, 如果第二阶段系统的实施和运营顺利, 就继续在此基础上建立生产工程项目应用数据库, 实施综合业务系统, 建立门户网站, 为企业的综合管理和高层决策提供支持。
项目从2007年初开始建设, 第一阶段和第二阶段的建设需要2年, 第三阶段的最迟实施时间为2010年, 预计整个项目生命周期为10年, 项目期末没有净残值;各阶段成本支出都在年初付出, 各阶段收入都在年底获得。经过分析计算, 该项目预计净现金流量如图4所示。
(二) 项目财务评价
1. 传统净现值
根据图4给出的现金流量, 如果只进行初始项目 (第一和第二阶段) 的投资, 按10年的寿命计算, 无风险折现率为5%, 经风险调整的折现率为20%, 则项目净现值为:
后续项目 (第三阶段) 投资的净现值为:
负的NPV值使得初始投资项目自身毫无吸引力, 整个后续的投资项目看来也无优势可言, 按照标准的NPV法则, 项目净现值小于零, 建议应该放弃该项目投资。
2. 扩展净现值
首先考察初始项目包含的增长期权的价值, 按照实物期权的理论, 在初始项目投资的起点 (2007年) , 对于后续投资项目, 其投资机会的价值等于一个期限为T=3年, 约定价格为K=860万元, 无风险收益率r采用短期国债的收益率5%, 以追加投资后产生的正现金流的现值作为标的物的当前价值, 即买方期权价格。追加投资后产生的净现金流在t=2010年时为1 330.78万元, 折现到t=2007年, 得到R=1 149.53万元。至于项目价值的波动率σ, 主要从本企业的总经理和项目经理处获得, 对其历史收益率进行简单的统计计算, 获得波动率范围为0.45~0.90, 我们取σ=0.5。运用标准的B-S模型定价公式, 我们可以计算出该项目所包含的增长期权的价值。
计算结果如下:
增长期权的价值为:V=558.03万元
初始项目投资的扩展净现值=-201.8+558.03=356.23 (万元) 。显然, 项目的扩展净现值使得初始项目的投资相当有吸引力。
(三) 项目不确定性分析———敏感性分析
由于该项目的净现值为负值, 项目的扩展净现值为正值, 或者说项目所包含的增长期权的价值为正值, 所以, 我们对影响期权价值的两个关键因素 (T和σ) 进行敏感性分析, 在此基础上分析一下该因素对决策结果的影响程度。
(1) 期权价值对T=3、4、5, σ=0.5时的敏感性分析见表1。
(2) 期权价值对T=3, σ=0.4~0.9 (每次增加0.05) 时的敏感性分析见表2。
在本实例中, 增长期权的价值对T较不敏感, 如表1所示, T从3年到5年期权价值只增加了106;期权的价值对波动率σ比较敏感, 如表2所示, T=3且σ从0.4~0.9变化, 期权价值增加了246.9。
五、结论
以上案例的分析结果表明, 我们采用IT投资项目的综合评价模型进行IT投资项目的评价时, 初始项目投资的收益是有吸引力的, 可以在将来适当的时刻进行第三阶段的投资以创造更大的价值;而传统的净现值刚刚大于零, 对投资决策的建议不明显。
参考文献
[1]Tim Lister.Interview with Tim Lister[J].IEEE Software, 1997 (3) .
[2]C H Kriebel.Understanding the Strategic Investment in Information Technology[M]//K C Laudon, T A Turner (Eds) .Information Technology and Management Strategy.Englewood-Cliffs, New Jersey:Prentice-Hall, 1989.
[3]乌家培, 谢康, 王明明.信息经济学[M].北京:高等教育出版社, 2003.
[4]M A Mahmood, E J Szewczak.Theoretical Background for Measuring Information Technology Investment Payoff[M]//M A Mahmood, E J Szewczak (Eds) .Measuring Information Technology Investment Payoff.New York:Idea Group Publish, 1999.
[5]E O Joslin.Computer Selection[M].London:Addision-Wesley, 1968.
[6]吴仁群.期权理论在IT/IS项目风险管理中的应用[J].华东经济管理, 2003, 17 (2) .
[7]林则夫.信息技术投资的风险评估及投资决策研究[D].合肥:中国科学技术大学, 2004.
[8]王艺, 王耀球, 企业信息化项目价值评估新方法——实物期权法[J].物流技术, 2005 (1) .
项目投资评价模型 篇10
随着企业对信息化依赖的增强和信息化投资规模的迅速扩大, 对于信息化项目投资在风险最小化的基础上实现“低成本、高收益”的呼声越来越强烈。企业的利益相关者, 越来越强烈地感受到企业信息化的首要问题是“管理”问题, 而不是“技术”问题, 信息化项目的成败, 直接影响着企业的战略竞争优势和生存发展。其中, 对于信息化投资项目的评估和控制是管理的核心问题, 也是决定信息化项目成败的最重要因素。
然而, 在对相关文献的归纳整理过程中, 可以看到对于信息化项目投资的计量与控制理论的研究尚不成熟, 令人感到遗憾的是, 目前还没有一个成熟的理论可以较好地为实务应用服务。Hochstrasser和Griffiths的研究发现, 在被调查的样本中, 只有18%的企业按照较精确的计算方法对企业信息化项目投资的收益和成本进行核算, 而在这些计算中, 普遍存在着成本项目被严重低估的现象。资料显示, 至少22%的信息化项目成本支出被忽视和白白浪费, 大约34%~40%的信息化项目计算出来的净收益 (收益减去成本) 为负。出现这种情况, 原因可能有很多种, 比如技术问题、人员问题、政策环境问题以及企业管理问题等。但是, 一个主要的原因在于信息化项目投资的评估和控制出现偏差。本文通过对有关文献的梳理和归纳, 从可行性的角度, 对理论界提出和实务界使用的信息化项目投资评估模型进行比较和分析, 试图为实务工作者寻求一种最具可行性的评价模型。
二、传统信息化项目投资评估模型的比较与评价
目前, 企业普遍使用的信息化项目投资评价模型是基于成本-收益分析的一般性资本投资评价模型, 如投资回收期模型 (Payback Period, PP) 、会计回收率模型 (Accounting Rate of Return On Investment, AR/ROI) 、内部报酬率模型 (Internal Rate of Return, IRR) 以及净现值模型 (Net Present Value, NPV) , 其中使用最多的是投资回收期模型, 占样本企业的68%。
1. 投资回收期模型的评价
投资回收期模型是评估投资项目的最简便的方法, 易于理解, 操作方便, 因此, 在实务中应用的范围也最广, 普遍用于企业中各种投资项目的评估, 很多企业也将其用于信息化项目投资评估上。投资回收期模型的基本公式是:
由于投资回收期模型的原理是以项目初始投资的回收期长短作为评价投资的标准, 因此, 其追求的目标是用最短的时间来收回投资。事实上, 这一评价导向, 致使企业在选择信息化项目时“目光短浅”, 倾向于选择短期见效的项目, 而抛弃长期见效的项目。然而, 正是这一点, 极大地损害了企业信息化投资项目的选择和实施效果, 因为企业信息化项目绝大多数都具有长期性。同时, 由于投资回收期模型忽略了投资回收期后的现金流、货币的时间价值和风险因素, 也遭到了广泛的批评。因此, 尽管投资回收期模型简单易操作, 但其得出的评价结论却偏差很大, 并不适用于企业信息化项目投资评估。
2. 会计回收率模型的评价
会计回收率模型也是目前企业中应用较为普遍的投资评估模型之一。这个模型易于理解, 操作也比较简单, 其使用范围较广, 仅次于投资回收期模型。会计回收率模型基本公式是:
以会计回收率值的高低来评价信息化项目的优劣。与投资回收期模型相比, 会计回收率模型充分考虑到了整个项目生命周期的成本和收益, 以及相关的风险因素。但是, 同投资回收期模型一样, 会计回收率模型也没有考虑货币时间价值, 而且, 使用了会计利润 (净收益) 而非现金流量, 因此, 在企业面对多个信息化投资项目的选择问题时, 使用会计回收率模型同样无法为企业提供正确可信的决策。
3. 内部报酬率模型的评价
内部收益率是在信息化投资项目整个寿命周期内, 各年净现金流量现值累计等于零时的折现率, 可以反映项目的实际收益率, 即项目内部潜在的最大盈利能力。与前面的投资回收期模型和会计回收率模型不同的是, 内部报酬率模型考虑了货币时间价值的因素, 引入了贴现率的概念, 这使得这一模型较之前两个模型, 其准确性和可行性大大提高。但是, IRR在实际应用中, 与前两种模型相比, 使用范围相对比较小, 主要是由于该模型计算比较复杂, 不易理解。这一模型的基本公式是:
式中, Ct为第t年的现金流量;NPV为各年净现值累计数;IRR为内部报酬率;t为项目寿命周期。
用试差法求IRR, 则
式中, i1为当净现值为接近零的正值时的折现率;i2为当净现值为接近零的负值时的折现率;PV为采用低折现率i1时净现值的正值;NV为采用高折现率i2时净现值的负值。
IRR的值越高, 表明项目能够带来的收益的能力越强。尽管计算较前两种模型更为精确, 但是, 内部报酬率模型也存在着一些重大的缺陷:
第一, IRR模型的结果是一个百分率, 没有一个绝对值, 这使得不同项目的规模和产出在数值上的无法比较;
第二, IRR模型的计算结果, 在有些情况下, 其值不具有唯一性, 可能出现多个解, 对于实际决策来说, 无法得出定论;
第三, 模型的计算也比较复杂, 对不同规模的互斥方案还要进行增量分析。
此外, 虽然IRR模型在对某一方案的采用与否进行决策时, 考虑了风险因素;但是在对互斥方案进行选择时, 没有考虑风险因素, 没有将进入风险水平概率带入选择决策过程。这一点成为IRR模型用于信息化投资项目评估的最主要的缺陷。
4. 净现值模型的评价
尽管净现值模型在实际应用领域中使用得最少, 但从理论上讲, 它确实克服了前述3种模型的诸多弊端, 它不但考虑了货币的时间价值和投资项目的整个寿命周期, 而且, 由于其可以使用不同的贴现率来反映互斥方案的不同风险水平, 较好地克服了IRR模型的缺陷。该模型的基本计算公式是:
式中, Ct为第t年的现金流量;i为折现率;t为项目寿命周期。
如果净现值NPV是正的, 则表示项目是可行的;反之, 方案不可行。NPV越大, 表明项目带来的经济效益越高。NPV是一种考虑了资金时间价值的价值型动态指标, 它不仅可以以绝对效果评价指标, 来判断项目的可行性 (NPV>0) , 而且, 还可以以相对效果评价指标, 用于多方案的比较 (净现值率较大者较优) 。但是, 同样净现值模型也是由于过于复杂的计算, 而遭到实务应用领域的“冷落”。
总之, 由于传统的投资评估模型影响较广且易于理解, 符合了通用的、已为大多数人接受的一般原理, 因此, 受到了实务界的推崇。但是, 传统的投资评估模型在应用于企业信息化项目投资评估时却遇到了诸多的难题。
第一, 仅仅关注股东和企业管理者导致信息化投资收益降低。信息化项目投资涉及企业的多方利益相关者的利益, 例如, 企业所有者希望信息化投资为其带来股票价值收益;信息化的使用部门希望提高操作效率和产量, 进而获得更多的产出收益;信息化项目的管理和开发团队, 希望信息化项目成功体现其工作业绩;供应商希望其提供的信息化产品得到用户的认可;此外还有处于信息化项目环境或者受到信息化影响的其他利益相关者的利益等。而传统投资评价模型仅仅考虑了企业管理层或所有者的利益和目标, 以股东价值最大化和契约履行为衡量尺度, 而忽视了其他各方的利益和需求, 特别是使用部门的需求容易被忽视, 而用户的需求得到满足恰恰是信息化项目需要衡量的收益之一, 尽管这一收益是无形的。如果信息化没有满足用户提高效率的需求, 那么, 这一收益也就随之消失了。
第二, 过于保守而不适应信息化投资项目的特点。传统的投资评价模型倾向于“风险规避”, 即其往往“青睐”低风险、短期见效的投资项目, 而信息化投资的一个最重要特征就是“长期化”和“高风险”。因此, 用传统的评价指标衡量, 就会在信息化项目的评价和选择上, 产生“短视”行为。
第三, 指标计量不准确。信息化投资项目与一般的投资项目最大的不同是:信息化项目投资不仅有可计量的货币化收益和成本, 还有大量难以准确计量的非货币化收益, 而且, 很多非货币化收益是难以辨认和隐藏的, 这些收益往往被传统评估模型的使用者被迫或者无意中忽略[8], 这些被传统模型“抛弃”的收益, 却恰恰是被企业管理层认为是信息化投资项目给企业带来的非常重要“好处”。此外, 还有一些无形的成本, 也由于无法计量, 而未被传统模型采纳。
第四, 贴现率与项目风险相匹配。信息化投资项目存在很高的风险, 包括估价风险、技术风险、项目风险、交付风险、环境风险、内部控制风险和系统风险。传统的投资评价模型并没有以相应的“高贴现率”匹配信息化投资项目上的“高风险”, 使得其评价结果失去了可信性。
基于以上这些原因, 可以说, 传统的投资评价模型不适合作为信息化投资项目的评估模型, 它们将对投资决策产生误导。正是由于这个原因, 用传统投资评估模型得出的可行性评估结果, 在实践中往往不被采纳[9]。
三、非传统信息化项目投资评估模型的比较与评价
很多文献都对以传统的投资评估模型评估信息化项目投资提出批评, 众多学者也在努力试图对传统的投资评估模型做出修正, 以使其更为合理。这些文献大致可以分为两类:一类是在原来的评估模型基础上做出一些技术性的调整, 提高其可行性;另一类是彻底抛弃传统模型, 从一个全新的视角出发, 重新建立一套新的评估模型。
1. 传统投资评估模型的修正模型的评价
对于传统投资评估模型在应用于信息化投资项目时进行修正的文献比较多, 主要涉及对成本和收益计量的修正、对贴现率的修正 (风险敏感性) 和对模型解释的修正3个方面。尽管这些文献都对传统投资评价模型尽力地做出调整和修正, 但是, 始终没有彻底解决传统投资评估模型的根本缺陷, 成本和收益依然无法合理地估计, 风险无法合理地体现, 一些参数的设置和调整, 往往出于主观的判断, 其可行性因此受到影响。敏感性分析模型虽然对于识别对风险贡献最大的关键变量起到了很大的作用, 但是, 它不能明确地衡量不确定因素的变动对投资项目的收益影响的可能性有多大, 因此, 如果遇到小概率的敏感因素和大概率的不敏感因素, 就可能对决策发出错误的信号。此外, 成本和收益及风险敏感性分析等修正模型的计算非常复杂, 在实践应用中, 恐怕难以被青睐PP和AR/ROI这类简单模型的使用者接受。模型解释的修正方法正在逐步被接受, 但是这种方法有一个重要的缺点, 即它须有一个前提假设, 就是要忽略无形成本, 这样, 将导致计量结果不准确。
2. 新技术模型的评价
由于对传统项目投资评估模型及其修正模型用于信息化项目投资评估的可行性始终心存疑虑, 很多学者和实务界的专家试图从新的视角为信息化项目投资建立全新的评估模型, 这些模型完全打破了传统投资评价模型的框架, 但是, 到目前为止, 多数新模型还只是处于理论阶段, 在实务中没有得到广泛的接受。
(1) 信息经济模型的评价
Parker和Benson设计了信息经济 (Information Economics, IE) 框架, 基本原理就是根据参与人的意见, 确定无形收益和风险, 按照其重要性设置权重, 概率取值0~5, 将收益和风险乘以相应的权重和概率, 然后加总取最大值, 用来评估信息化项目投资项目。IE模型还建立了一整套操作执行程序。
IE模型的缺点在于:它对项目的评估完全依赖于多数人的主观性意见 (取意见的均值) , 缺乏个别认定, 这样, 就很可能抹杀相关的责任问题, 有些与企业计划和资金流量等重要指标有关的建设性的意见, 除非得到了大的权重系数, 否则, 难以获得通过。
(2) Oracle’s CB-90决策模型的评价
Oracle研发了一套信息化项目投资决策软件模型, 企业可以根据软件模型一步一步地进行信息化项目投资决策, 决策结果如表1所示。
如果采用这一方法, 那么, 企业的首席信息官 (CIO) 的工作就仅仅是向董事会解释表中的权重是如何确定的了。这种“黑箱”模型, 尽管操作十分简单, 但是正是这种简单也实在令CIO和董事会难以“安心”决策, 在实践中, 其决策结果的可信度难免受到质疑。
(3) 实物期权模型的评价
期权的特点是, 风险越大, 期权就越有价值, 即未来的不确定性使嵌入在投资机会中的期权具有价值。信息化项目投资的不确定性与高风险特征, 恰恰与实物期权价值的特征相吻合, 正因为信息化项目投资的不确定性与风险存在才给信息化投资项目带来未来的进一步选择机会[12]。因此, 很多学者的研究试图利用实物期权模型来评价信息化投资项目。实物期权在具体应用中可以分解为4个步骤:期权的识别;期权的构造;期权的估值;期权的执行。其基本模型可表示为:
式中:CBS为实物期权价值;S期权资产未来产生净现金流的现值总和;N (d) 为累计标准正态分布函数;K为期权资产成本;r为无风险利率;T-t为期权有效期。
尽管在理论上, 实物期权能够很好地描述和反映信息化投资项目的价值, 但是, 在实务上, 其可行性却遭到质疑。
众所周知, 投资项目评估结果的质量不仅仅取决于模型的科学性, 还取决于输入数据的准确性。由于实物期权的非交易性, 导致关于其项目资产价格和期权本身价格信息的缺乏。也就是说, 对于实物期权, 无法直接通过市场获得应用期权定价模型所需输入的资产市场价格和波动率等信息, 有关信息化投资项目数据质量的低下, 导致模型的数据获取非常困难。而且, 由于信息化投资项目的数量较少, 不像一般金融交易那样频繁, 因此, 很多学者甚至对于实物期权作为信息化项目投资评估模型的理论基础表示怀疑。实物期权评估模型由于其难理解、计算复杂, 目前为止, 还仅仅停留在概念阶段。
(4) 平衡记分卡评价模型的评价
Kaplan和Norton建立的平衡记分卡理论, 以一个综合性的视角 (财务、客户、内部流程和改革) 为企业管理提供了一个很好的评价工具。Willcocks和Lester率先以欧洲某船坞公司为例建立以平衡记分卡理论为基础的企业信息化项目投资评估模型 (如图1所示) 。可以看出, 这一方法综合运用了传统以财务为目标的评价模型和新的以企业战略和商业计划为主导的评价模型, 这一模型的优点在于在信息化项目决策中, 必须以一个宽泛的视角来考虑, 它将不同的评估模型进行了集成, 如ROI、NPV以及一些修正模型, 都被融入到平衡记分卡模型的框架中, 较好地汲取了各家之长。平衡记分卡评估模型既可以用于信息化投资方案的可行性决策, 也可对项目进行跟踪评估。
到目前为止, 包括Willcocks和Lester设计的平衡记分卡评估模型在内的讨论平衡记分卡投资评价模型的成果, 存在的问题归纳起来主要有以下几个方面:
第一, 视角狭隘。比如, Willcocks和Lester设计的平衡记分卡评估模型是从IT部门的视角出发, 其指标设定将受到局限, 如客户方面很可能仅仅是内部用户, 财务方面仅仅解释为在企业管理层眼中信息技术的表现如何, 这样狭隘的视角将危及信息化项目的战略性。
第二, 忽略指标应用环境的变化因素。在研究和建立平衡记分卡评价模型的指标时, 必须阐明相关的使用环境和背景。如果组织改变了, 而评价体系没有变, 那么后者起码是无效的, 甚至可能对生产起破坏作用。因为没有普遍适用的指标体系, 在应用平衡记分卡评估模型时, 必须结合企业具体情况设定具体指标。
第三, 关键评价指标过多。在很多平衡记分卡投资评价模型研究中, 一个普遍存在的问题是:设置的关键评价指标过多, 使得平衡记分卡变得非常复杂。一个公司的管理者不可能在同一时间积极有效地监控10多个一级指标, 而很多文献中涉及的平衡记分卡一级指标有20多个, 甚至更多。平衡记分卡越复杂, 对于基础数据系统的要求越高, 使用者从中的获益就会减少。只有将监控指标精简, 才能突出体现企业的战略。
此外, 如果平衡记分卡模型能够解决以上问题, 发挥其优势, 并且与“多层级”评估的思想相融合, 即将项目决策分成两个或两个以上阶段, 首先, 将不符合企业战略的方案剔出, 然后, 对于剩下的方案, 再利用多个评估模型进行综合评价, 如利用NPV模型衡量定量的货币化收益和成本, 利用定性方法衡量无形收益和成本, 结合风险评估和分析等。那么, 平衡记分卡模型的可行性和准确性将大大提高。
四、结束语
无论支持和采用哪一种观点, 有一点是绝大多数的学者和实务界人士都认可的, 那就是:对于信息化项目投资必须要进行认真的评估和控制, 因为信息化项目的成效与对其实施的控制和计量方法有着密切的相关性。
实务中, 大多数企业将信息化项目的评估放在财务部门, 因此, 以财务为导向的传统项目投资评估模型目前使用最为广泛。而由于信息化投资与其他一般项目投资项目相比, 具有高风险性、长期性以及隐性成本与收益比重大的特点, 使得传统模型得出的评估结果失去了可靠性和可信性。尽管传统评估模型的修正模型在理论上做出了重大改进, 但是, 其应用没有得到推广, 究其原因, 可能是由于修正模型比较复杂, 难以理解, 同时, 对于传统模型存在的一些关键性缺陷, 如隐性成本评估的缺失等, 修正模型也没有能够彻底解决, 这样, 大大限制了修正模型的可行性。对于突破传统框架的新技术模型, 目前还没有被实务界广泛接受, 绝大部分尚处在理论研究阶段。
外国原版教材的评价模型研究 篇11
〔关键词〕原版教材；评价方法；引进；全英语教学
〔中图分类号〕G640 〔文献标识码〕A 〔文章编号〕1008-0821（2012）10-0134-04
1 研究背景
为上海“四个中心”建设培养具有国际竞争能力的各类人才，上海市教委从2009年起开展上海高校示范性全英语教学课程建设，旨在促进和形成一批教学理念先进、教学内容优化、教学方法合理、教学水平高的全英语教学课程，发挥课程的示范辐射作用，提高高等学校教学质量。全英语课程建设3年多来，外国教材中心在教材建设、推动课程建设等方面起到了积极的推动作用。
教材是体现教学内容和教学方法的知识载体，是进行教学的基本工具也是深化教育教学改革、全面推进素质教育、培养创新人才的重要保证。正因此，教材的选用对于我国发展双语教学或全英语教学的重要性不容置疑，可以说它直接关系到上海高校全英语教学改革尝试能否真正达到预期成效。
上海高校外国教材中心经过10几年的发展，已经形成了一定的规模，是上海市教委为高校教学改革提供教材支持的基础设施。在当前上海高校培养具有国际化素养的高素质学生，推进上海高校示范性全英语课程建设过程中承担国外优秀原版教材的提供任务。
在全英语课程建设过程中，我们发现了一些问题，2009年、2010年已订的教材中，重复的课程有7门，但老师们选择的教材却没有相同的。这就给我们提出一个问题，相同的国情，相同的条件，是不是可以选择同一种质量优异、最具影响力的教材？这样就可以联合引进，压低教材价格，同时还能获得出版商赠送的各种教辅和参考教材。这就需要对教材有一个评价方法，以便对教材有一个科学的、客观的与可操作性的评价，从而可以更科学的引进相关教材。
2 目前原版教材引进的模式以及存在的问题
（1）提供国外出版商和国内图书进出口公司的图书征订目录给相关院系的教师，或者组织教师通过海外专家选书系统进行圈选，然后再发单订购；或者是读者推荐订购。在这一选书过程中，图书馆员的作用是微弱的；而教师也只能根据自己的专业知识来选择，具有一定的片面性和局限性。
（2）成批引进世界著名高校的同类专业教材，如复旦大学外国教材中心引进哈佛和麻省理工学院的教学用书。只关注知名的重点大学而忽视其它类型学校的思想，无法反映国外教材的全貌[1]。
（3）东南大学外教中心通过对专业教材被不同学校采用、收藏的数量进行统计，结合布拉德福文献分布与离散定律进行筛选与分区，从而获得被大学广泛收藏和使用的核心教材，然后再根据该方法得出的核心教材进行订购。该方法只从数量上考虑被选书籍的影响力，而忽略了其他的因素，如作者的学术水平、出版社的知名程度、图书价格、出版时间等[2-3]。
对于外国教材的选择与评价的研究国内外均属于起步阶段，且相关研究并不多，基于以上的问题，本文试图通过作者、出版社、出版年份以及图书的版次等来形成一个评价体系，为教材的引进起到指导作用。
3 确立评价模型
3.1 确定数据范围
根据2009-2011年3年全英语课程的学科分布以及时间分布，统计结果如表1所示：
从表1中可以看出管理类和经济类的课程占比例最大，所以选择书目数据时选择经济类的课程，又发现重复的课程是《国际经济学》，所以就以这门课程的相关教材为研究对象。
从表2的统计结果可以看出使用的教材80%以上是近3年的，所以就以《国际经济学》近3年的教材为研究对象。
3.2 数据的获取
Amazon书店是全球最大网络版书籍名称查询系统，涵盖全球超过1 100万本在印、脱印以及即将出版的纸本书籍、电子书籍等。提供模糊检索，可以获取有关于某一专业的所有已经出版、正在出版和将要出版的教材，包括已经绝版的教材，因此非常适用于本研究之用。因此在确定了研究范围后，通过检索Amazon网络，获取如表3所示的样本数据。
3.3 确定评价方法
根据Amazon获得的样本书目数据，接下来就是要对这些教材按照某种评价结果排序。通过查阅大量文献，不难发现教材的质量和作者水平高低、出版社、出版时间、图书的版次、以及价格等因素都有关系的。因此确定这些因素均为评价指标，一般认为作者学术水平越高，出版的图书越多，因此编著的书籍就具有较高的质量与学科前沿性。我们认为出版社的影响力是根据该出版社在专业领域出版的该类图书数量比重来决定的，因此通过Amazon获取该出版社的影响因子；图书出版的次数越多，表明图书的学术水平越高。
由这些评价指标，建立评价模型：
评价集A={a1，a2，a3，a4，a5}，其中a1表示作者，a2表示出版社、a3表示出版年份、a4表示图书版次、a5表示价格
权重系数Ci归一化，即∑ci=1
最后得出综合值D=∑aici
根据各个因素对教材的影响程度，确定权重系数：
C1=0.25；C2=0.1；C3=0.2；C4=0.3；C5=0.15
计算各个评价指标的值：
作者a1=作者出书量/样本中所有作者出书量的平均值；
出版社a2=（出版社在某专业领域的出书量/该专业领域的所有图书量）×100；
出版年份a3=n（选取教材的年数）/（当前年份-出版年+1）；
版次a4=该书版次/样本中所有教材的版次平均值；
价格a5=样本中所有教材的平均价格/该书价格。
D=∑aici，根据这个模型计算每本教材的最后得分，按照得分进行排序。计算结果并从高到低排序如表4所示：
本结果是按照评价模型计算出的最后得分进行排序的，表4只列出了排在前10名的教材，表中排在第6位的教材就是全英语课程老师选择的教材。本研究只是从文献的角度来对教材排序，但最后的结果是在此基础上请相关领域的专家进行遴选。通过这样的研究，就可以对教材有一个科学的、客观的与可操作的事先评价行为，从而形成一个推荐教材目录，让老师在有限的范围中选则高质量的教材。
4 待研究的问题
确定评价指标值的准确度还有待提高，作者的出书量只是一个快捷的统计方法，理想的方法是统计作者发表论文的数量、被引频次、H指数等更多的指标，在采集这些数据时，对于作者甄别也还是有一定难度。权重系数还需进一步的优化，使得统计结果更准确一些。可以再加入世界大学使用情况等因素作为评价指标。
参考文献
[1]陈超群.复旦大学图书馆藏哈佛教学用书的引进与利用[J].上海高校图书情报工作研究，2007，（2）：33-36.
[2]袁曦临，顾建华，华苏永.外国教材的选择与评价——以土木工程主要课程为例[J].大学图书馆学报，2009，（2）：33-38.
[3]李玉兰，王哲，魏群义.外国教材的遴选与评价模型研究[J].图书情报工作，2011，（9）：80-84.
项目投资评价模型 篇12
20世纪90年代初,伴随着以信息技术为核心的新技术革命的发展以及全球性竞争的日益激烈,适应新的技术和市场发展需要的技术创新成为理论界与企业界关注的焦点,而自主创新研究也逐渐成为技术创新理论研究中的热门课题。国内外的相关研究均表明,自主创新是企业核心竞争力的重要源泉[1],谁拥有强大的自主创新能力,谁就能在市场竞争中占据主动和竞争优势。近年来,随着经济全球化的不断深入,我国企业所受到的竞争压力不断增强,任何企业要想在竞争中获得优势,就需要积极主动地开展自主创新活动以增强自身的自主创新能力。但是,由于自主创新本身所固有的高风险性,使得其立项和决策成为企业一项十分困难的工作,特别是当企业有多个可供选择的项目,而其所拥有的资源又不允许这些项目同时实施时,决策者常常会陷入难以取舍的困境[1]。鉴于此,如何对企业自主创新项目风险进行评价,并据此为其立项决策提供支持,从而降低企业自主创新的风险,提高企业自主创新能力便成为当前一个具有重要现实意义的研究课题[2],因此,非常有必要开展企业自主创新项目风险评价研究
近年来,针对企业自主创新风险评价的研究开始受到学者们的高度重视,然而,由于企业自主创新风险来源的多样性、影响因素的复杂性,国内外对企业自主创新风险的研究主要从企业层面开展研究,如岳彩轩[3]、王维等[4]、牟小俐[5]、宋哲[6]从企业层面分别建立了由31个、16个、27个和13个指标组成的企业自主创新风险评价指标体系,然而从项目层面进行研究比较罕见,目前仅发现陈建新[7]、包国宪[1]从项目层面分别建立了由36个和15个指标组成的企业自主创新项目风险评价指标体系,且采用层次分析法、模糊综合评判等方法对企业自主创新项目风险进行评价。这些方法的缺点是评价中的随机因素影响较多,评价结果易受评估人员主观意识、经验和知识局限性的影响,很难为决策者进行立项决策提供有效支持。最近,一些研究开始尝试采用人工神经网络开展企业自主创新风险评价研究,利用人工神经网络特有的优点——自学习、自适应能力,克服了主观因素的问题,然而,人工神经网络本身所具有的不确定性影响了评价结果的稳定性和准确性。鉴于文献[7]的评价指标体系较全面,本文采用该评价指标体系,将主成分分析(PCA)、遗传算法和人工神经网络结合起来对企业自主创新项目风险进行综合评价,旨在解决传统人工神经网络的某些不足,有望提高评价结果的稳定性和准确性。
2 主成分分析和遗传神经网络的基本原理
2.1 主成分分析(PCA)
针对企业自主创新项目风险评价指标体系,由于所选取的评价指标较多(36个),直接利用人工神经网络模型进行综合评价比较复杂,甚至会产生“维数灾难”等问题,因此首先进行信息提取是很有必要的。主成分分析法利用降维的思想,把原来较多的评价指标用较少的综合主成分指标来代替,综合指标保留了原始变量的绝大部分信息,且彼此互不相关,能够使复杂问题简单化[8],因此,采用主成分分析法对企业自主创新项目风险评价进行信息提取是合适的。
设n个自主创新项目,p个评价指标,这里p=36,构建出企业自主创新项目风险评价的原始数据矩阵:
X=(x1,x2,…,xn)=(xij) i=1,2,…,n;j=1,2,…p
(1)将原始数据进行标准化处理:
其中,
(2)计算相关矩阵:
R=(rij)p×p
其中,
(3)令|R-λI|=0,求解相关矩阵R的特征根λj且使得λ1≥λ2≥…≥λp,其对应的特征向量为uj(j=1,2,…,p),得到主成分:
(4)计算各主成分方差贡献率:
当E≥θ(θ通常为85%)时m的最小整数作为m的值,即主成分的个数为m。
2.2 遗传神经网络(GA-ANN)
遗传算法(GA)是一种基于自然选择和基因遗传学原理的随机搜索优化方法,具有很强的全局优化能力。由于基于梯度下降的ANN学习算法具有较高的精确性,但存在容易陷入局部极小的缺点,而GA具有很强的全局搜索能力,可以避免局部极小,因此,在一定程度上GA和ANN是互补的,将两者结合起来可能会发挥各自的优势并产生一个更加鲁棒的方法。目前,GA与ANN结合方式主要有三种:一是直接用GA来训练ANN的权重;二是用GA来优化ANN的初始权值;三是用GA来优化ANN的结构。本文采用第一种方法,即利用GA直接训练ANN的权重[9]。
设三层ANN模型,Ii为输入层中第i个结点的输出;Hi为隐含层中第i个结点的输出;Oi为输出层中第i个结点的输出;WIHij为输入层中第i个结点与隐含层第j个结点的连接权值;WHOji为隐含层中第j个结点与输出层第i个结点的连接权值。
GAANN算法的具体步骤[9]:
(1)初始化种群P,包括交叉规模、交叉概率pc、突变概率pm以及对任一WIHij和WHOji初始化,并采用实数进行遗传编码。
(2)计算每一个个体评价函数,将其排序,并依据概率值选择进入下一代的个体:
其中,n为染色体数,fi为个体i的适应度值,可用误差平方和E来衡量,即:
其中,p为训练集的样本数,c为网络输出层节点的个数,y
(3)以概率pc对个体Gi和Gi+1交叉操作产生新个体G′i和G′i+1,没有进行交叉操作的个体进行直接复制。
(4)利用概率pm突变产生Gj的新个体G′j。
(5)将新个体加入到种群P中,并计算新个体的评价函数。
(6)若找到了满意的个体,则结束,否则转(3)。
(7)达到所要求的性能指标后,将最终群体中的最优个体解码即可得到优化后的网络连接权值。
3 基于PCA-GA-ANN的自主创新项目风险评价
3.1 基本思路
基于PCA-GA-ANN的企业自主创新项目风险评价模型构建的基本思路是:首先利用PCA降维方法对GAANN系统输入数量较多的评价指标数据进行特征提取,提取出数量较少的综合主成分指标,这些综合指标保留了原始变量的绝大部分信息,然后用这些综合主成分指标来进行GAANN学习与预测,最终获得评价结果。
3.2 评价原理
PCA的优势在于其能够有效地实现数据降维和特征提取。运用PCA对GA-ANN的输入数据进行预处理,简化GA-ANN的数据输入,从而减少GA-ANN的学习任务,加速GA-ANN的学习过程。当然,PCA的缺点在于它本质上是一种线性特征提取技术,因而无法捕捉评价指标间的非线性映射关系,也就不能直接用来进行企业自主创新项目风险评价;恰好,GA-ANN的主要优势在于它灵活的非线性建模能力,能够较好地捕捉到数据中的非线性特征。因此,PCA和GA-ANN之间存在着互补关系,为了充分发挥两种方法各自的优势,将它们两者集成是有意义的。
PCA-GA-ANN系统主要用来对企业自主创新项目风险进行评价。由于GA-ANN在处理信息时一般不能将输入向量空间维数简化,所以当输入信息空间维数较大时,可能会导致ANN训练质量降低。正因为如此,本文采用PCA来进行输入向量提取,然后将提取出来的综合主成分指标交由GA-ANN学习与预测,即利用PCA先对指标数据进行预处理,再根据预处理后的信息结构来构成GA-ANN的信息预测系统,如图1所示。
从图1可知,基于PCA-GA-ANN的企业自主创新项目风险评价过程包括三个主要阶段:数据准备、输入指标PCA特征提取和GA-ANN学习与预测。通常,应首先针对具体的研究对象分析和研究对象的相关因素,收集各种来源的数据;然后在收集到的评价指标数据中,利用PCA进行评价指标数据的特征提取,这个阶段获得的样本集除去了所有不必要的冗余信息,仅保留了影响评价准确度的综合主成分指标;随后,这些提取出来的综合主成分指标被送入GA-ANN预测系统,通过GA-ANN学习与预测,输出评价结果。
3.3 算法实现
根据上述PCA、GA-ANN的学习算法和基于PCA-GA-ANN的评价原理,给出企业自主创新项目风险评价的PCA-GA-ANN实现算法:
(1)输入企业自主创新项目风险评价的指标数据矩阵;
(2)利用PCA对评价指标矩阵进行特征提取;
(3)由特征提取的综合主成分指标构成学习样本集,并分割为供GA-NN学习和评价的训练集和测试集;
(4)确定合适的参数(GA、ANN模型参数),利用训练集对GA-ANN进行学习与训练;
(5)获得理想参数后,GA-ANN的学习过程结束;
(6)输入测试集,利用训练好的GA-ANN进行评价。评价时,只要输入待评价项目的综合主成分向量,便可立即得到相应项目的风险值。
4 实证分析
以文献[7]中深圳市某大型台资企业12组自主创新项目风险评价实际数据为例来说明上述方法的应用并验证该方法的可行性。
本文采用SPSS 17.0统计软件辅助实现PCA特征提取,计算得相关矩阵R的特征值、贡献率和累积贡献率见表1所示。由于前10个成分的特征值大于1,且累积贡献率达到97.376%,其余26个成分对方差影响极小,因此可以提取前10个成分作为主成分。10个主成分Fi(i-1,2,…,10)[0, 1]化结果见表2所示。
本文采用MATLAB 7.01软件和GA工具箱编程实现PCA-GA-ANN系统。ANN为3层误差反向传播前向(Back Propagation, BP)神经网络,结构为10-6-1,用表2中前10组数据作为训练集,后2组数据作为测试集,模拟待评价的自主创新项目,以考查PCA-GA-ANN预测系统的泛化能力。GA参数设置为:初始种群大小为60、遗传代数为700、学习精度为10-6,其他参数均为默认值。
由于训练样本较少,最终确定的GA-ANN系统不十分稳定,每次的训练结果会有不同幅度的变化,为此,本文利用训练集和测试集分别进行了50次学习与测试,计算得到平均学习结果和平均测试结果见表3所示。可以发现,平均学习结果与实际风险评价结果十分接近,相对误差最大为4.94%,最小为-0.74%;平均测试结果也与实际风险评价结果比较接近,相对误差最大为5.78%,最小为3.41%。为比较PCA-GA-ANN和单纯ANN的有效性,本文直接利用原始指标数据进行50次学习与测试,计算得到平均学习结果和平均测试结果的最大相对误差分别为7.87%、9.18%,最小相对误差分别为-1.16%、-6.16%。显然,整体上,PCA-GA-ANN比单纯ANN的稳定性、准确性更高。由此可见,应用PCA-GA-ANN方法进行企业自主创新项目风险评价是可行的。
5 结论
本文提出了一种基于PCA-GA-ANN的企业自主创新项目风险评价方法,实证结果验证了该方法的可行性。与已有的企业自主创新项目风险评价方法相比,基于PCA-GA-ANN的企业自主创新项目风险评价方法具有如下几点优势:(1)采用主成分分析作数据预处理,提取主成分特征指标作为GA-ANN预测系统的输入,大大降低了数据维度,有效提高了ANN的训练质量;(2) 利用GA直接训练ANN权重,克服了传统ANN学习算法在处理高维、小样本数据时易出现“过学习”、收敛速度慢、陷入局部极小等缺点,提高了模型的泛化能力;(3) 把ANN作为后置的信息处理系统,具有了较强的容错和抗干扰能力。
实践中,采用本方法的关键在于训练集的典型性问题:一是训练集应具有权威性,二是训练集应能反映企业自主创新项目风险的整体特征。此外,模型参数的确定,也是应用本方法必须要解决的基本问题,需要更加深入研究。
参考文献
[1]包国宪,任世科.基于模糊AHP的企业技术创新风险评价及决策[J].科技管理研究,2010(1):64-66.
[2]TIAN Q,MA J,LIANG J,RON C W K,OU L.Organizational deci-sion support system for effective R&D project selection[J].DecisionSupport Systems,2005,39(3):403-413.
[3]岳彩轩.基于模糊综合评价的企业自主创新风险研究[J].南方金融,2008(8):18-21.
[4]王维,傅毓维,张铁男.基于熵的企业自主创新风险预警模型构建与应用[J].现代管理科学,2008(5):66-68.
[5]牟小俐,刘坤荣.熵权模糊综合评判法在组织创新风险评价中的应用[J].科技管理研究,2009(1):158-161.
[6]宋哲,王树恩,柳洲,张芹.ANP-GRAP集成方法在企业技术创新风险评价中的应用[J].科学学与科学技术管理,2010(1):55-58.
[7]陈建新,资明贵,刘志龙.BP神经网络在企业技术创新风险评价中的应用[J].科技管理研究,2007(10):88-91.
[8]朱帮助,李军.基于主成分分析的区域物流发展水平综合评价[J].工业技术经济,2008,27(5):105-107.
【项目投资评价模型】推荐阅读：
投资项目后评价12-10
项目投资决策评价指标09-28
投资项目财务评价方法05-22
量化投资模型09-23
投资—储蓄模型12-08
风险投资模型07-06
证券投资模型研究11-04
投资控制项目投资06-22
投资评价08-12
项目投资09-19