项目决策分析与评价.ppt

基于BP神经网络的PPP项目风险评价 叶金莲 目录 1 前言 2 BP神经网络的原理 3 基于BP神经网络的PPP模式风险评价 4 结论 1 前言 前言 PPP产生背景 PPP的定义 PPP项目风险评价的必要性 BP神经网络的引入 PPP项目产生的背景 大量投资资金高额运营成本 沉重负担 经济实力增强强烈投资欲望 PPP的定义 PPP Public PrivatePartnership 即公私合作关系 融资模式是政府 营利性企业和非营利性企业基于某个项目而形成的相互合作形式 作用 拓宽了基础设施建设的投资渠道 既满足了政府发展基础设施的要求 又满足了私营企业的盈利需要 实施的结果给合作双方带来了 共赢 同时也为公众带来了更好的基础设施服务 PPP融资模式在基础设施建设领域中的应用会成为一种世界趋势 PPP项目风险评价的必要性 以PPP模式实施的基础设施项目特征 实施周期长 不确定因素多 经济风险和技术风险大 对生态环境的潜在影响严重 在国民经济和社会发展中占有重要战略地位 在项目的融资 工程建设和运营过程中 经常要受到多种因素的影响与干扰 而这些因素又大多具有相当的不确定性 影响时间跨度往往贯穿项目的全寿命周期 有必要对PPP项目进行风险评价为项目的决策提供依据 BP神经网络的引入 BP神经网络优点 具有集体运算能力和自适应的学习能力 可实现函数逼近 数据聚类 优化计算 自适应模式识别和非线性预测等功能 为此 本文采用BP神经网络进行PPP项目的风险评价 理论上 神经网络模型能在相当高的精度上逼近任意复杂的建设项目系统 因而可有效地应用于许多用常规方法不易处理的建设项目风险评价 2 BP神经网络的原理 图1三层前馈型神经网络结构 输入sj输出bj阈值 j 输入lt输出ct阈值 t 网络训练信息的正向传播过程 则隐含层的输入输出分别为 j 1 2 p 同样 输出层的输入输出分别为 t 1 2 q 误差反向传播过程 输出层各单元的校正误差为 中间层各单元的校正误差为 BP网络的全局误差 逆向调整连接权值及阈值 得到校正误差之后 沿逆方向调整输出层至中间层 中间层至输入层之间的连接权 以及各单元的输出阈值 j 1 2 P k 1 2 m o l 学习率 j 1 2 P i l 2 n o l 学习率 输出层调整量 隐含层调整量 3 基于BP神经网络的PPP模式风险评价 建立PPP项目各参与方风险评价指标矩阵 设计PPP项目风险评价的BP神经网络模型 BP神经网络模型对各参与方的风险评价 表1PPP项目常见风险因素 3 1建立PPP项目各参与方风险评价指标矩阵 由于不同的参与方有着不同的风险 而且有时某一方的风险可能是另一方的机会 因此 有必要从各个参与方的角度对PPP项目进行风险评价 这里主要讨论政府部门 私人投资机构及承建方的风险 步骤 1 确定各参与方的风险因素 2 确定风险评价指标并量化 确定各参与方的风险因素 各参与方的风险因素 可以通过问卷调查的方式 对不同参与方所关注的风险进行统计 由于时间有限 本人仅根据表1的风险因素考虑各方的关注点进行改动 各参与方的主要风险 见表2 表2PPP项目各参与方的风险 确定风险评价指标并量化 各风险因素的定性评价指标 可以通过专家打分法得出 本文中将风险的影响大小分为5级 大 较大 中等 较小 小 将其量化到0 1范围内 0 9 0 7 0 5 0 3 0 1 确定风险评价指标并量化 对每一个参与方 假设有i个风险因素 有m个专家对其打分 则可以得到一个关于aim的矩阵 aim即可作为BP网络输入矩阵 3 2设计PPP项目风险评价的BP神经网络模型 把风险评价的影响因素作为BP网络的输入 把评价结果作为BP网络的输出 利用BP网络的学习能力 从看似杂乱无章的风险评价因素数据中得出评价结果 为风险管理者的风险决策提供依据 包括 确定网络层数 确定各层的节点数 建立BP神经网络模型 隐含层节点数的确定 先验公式 选取几个不同的节点数 代入所选网络对比训练 选性能最好的那个 3 3BP神经网络模型对各参与方的风险评价 收集几个已完工类似项目资料 识别影响因素并指标量化 输入层元素 类似项目最终风险评价 期望输出 选择合适的样本集误差 学习率 动量因子及最大学习次数 以上数据代入建立好的BP神经网络模型 当样本的误差小于预设精度 则说明拟合情况良好 该模型用于风险评价 意义 由此评价结果 PPP项目各参与方可以知晓各自将面临的风险大小 为是否参与该项目提供决策依据 根据风险分配的原则及各自的评价结果 不断调整风险分配方案 直至各方均满意 4 结论 BP神经网络以其较强的自学习能力 强容错性能及非线性映射能力 很好的解决了传统评价方法受人为因素影响大的缺点 建立基于BP神经网络的PPP项目风险评价模型 为PPP项目