基于貝葉斯網(wǎng)絡(luò)的智慧養(yǎng)老項目PFI模式風(fēng)險研究*

西安建筑科技大學(xué)管理學(xué)院 盧梅 楊毅峰

基于貝葉斯網(wǎng)絡(luò)的智慧養(yǎng)老項目PFI模式風(fēng)險研究*

西安建筑科技大學(xué)管理學(xué)院 盧梅 楊毅峰

在現(xiàn)代科技整合快速發(fā)展的形勢下，智慧養(yǎng)老模式的探索可以彌補傳統(tǒng)養(yǎng)老模式的不足。引入先進的PFI模式提供智慧養(yǎng)老服務(wù)可以滿足智慧養(yǎng)老項目對于資金及運營模式的要求，但由于PFI模式的開放性、多元化以及智慧養(yǎng)老項目的投資大、資金回收周期長等特點，該項目面臨的風(fēng)險較高。本文從企業(yè)管理的角度，以項目全壽命周期為階段劃分，識別智慧養(yǎng)老項目PFI風(fēng)險因素，通過建立貝葉斯網(wǎng)絡(luò)風(fēng)險分析模型，運用先驗概率和后驗概率，甄別風(fēng)險管理的主要因素是智慧養(yǎng)老項目PFI模式運營成功的關(guān)鍵，根據(jù)主要風(fēng)險因素提出相應(yīng)對策。

智慧養(yǎng)老 PFI模式 貝葉斯網(wǎng)絡(luò)

一、引言

隨著現(xiàn)代科技的整合式發(fā)展，作為中國傳統(tǒng)養(yǎng)老形式的“家庭養(yǎng)老”模式正面臨著日益嚴峻的挑戰(zhàn)，而以新技術(shù)為基礎(chǔ)的智慧養(yǎng)老模式的出現(xiàn)正在中國進行初步嘗試。2016年3月，中國人民銀行、民政部、銀監(jiān)會、證監(jiān)會、保監(jiān)會五部門聯(lián)合發(fā)布了《關(guān)于金融支持養(yǎng)老服務(wù)業(yè)快速發(fā)展的指導(dǎo)意見》，首次在中央層面明確了金融支持養(yǎng)老服務(wù)業(yè)發(fā)展的決策，對于金融業(yè)與養(yǎng)老服務(wù)業(yè)的融合發(fā)展具有里程碑的意義，也為智慧養(yǎng)老項目的融資發(fā)展形成了有力的政策支持。

智慧養(yǎng)老項目具有周期長、投資大、涉及主體多、不確定因素多的特點，正是由于其所具有的特殊性，需要創(chuàng)新的融資模式，合理分擔(dān)該項目的風(fēng)險并解決其所面臨的融資困局。PFI（Private Finance Initiative）是1992年在英國首次提出的民營資本參與公共投資項目的新的融資模式，其后在歐美發(fā)達國家得到了廣泛的推廣與運用。關(guān)于PFI模式的學(xué)術(shù)研究主要集中在PFI模式的內(nèi)涵、經(jīng)濟分析與評價、項目管理與決策以及制度建設(shè)等方面。將PFI模式引入智慧養(yǎng)老項目中可以改變風(fēng)險由政府部門或企業(yè)單位獨立承擔(dān)風(fēng)險的局面，為智慧養(yǎng)老項目的健康發(fā)展運營提供了良好保證。在PFI模式框架下開發(fā)智慧養(yǎng)老項目的風(fēng)險管理對項目的成功建設(shè)具有至關(guān)重要的作用，也是項目各參與方集中關(guān)注的焦點。由于風(fēng)險的客觀、潛在、隨機、可測特性，可運用科學(xué)的方法測度該項目的風(fēng)險。貝葉斯網(wǎng)絡(luò)是在貝葉斯理論的基礎(chǔ)上形成的圖形化網(wǎng)絡(luò)是進行不確定知識表達和推理的有效工具，在風(fēng)險預(yù)測與管理方面也得到較為廣泛的應(yīng)用。

二、智慧養(yǎng)老項目PFI模式風(fēng)險識別體系

在學(xué)術(shù)界，關(guān)于項目的風(fēng)險識別分析已經(jīng)形成一套完整成熟的體系，智慧養(yǎng)老項目PFI模式風(fēng)險分析流程如圖1，本文根據(jù)項目全壽命周期的階段性劃分，在查閱等學(xué)者相關(guān)文獻資料的基礎(chǔ)上，通過對智慧養(yǎng)老項目風(fēng)險影響因素的梳理分析，將項目劃分為項目決策階段、項目實施階段、項目運營階段三個階段，共9項指標30個風(fēng)險影響因素，具體如表1所示。

圖1 智慧養(yǎng)老項目PFI模式風(fēng)險分析流程圖

其中，P（A|B）是在B發(fā)生情況下A發(fā)生的概率。P（A）是A的先驗概率或邊緣概率。P（A|B）是已知B發(fā)生后A的條件概率，也由于得自B的取值而被稱作A的后驗概率。P（B|A）是已知A發(fā)生后B的條件概率，也由于得自A的取值而被稱作B的后驗概率P（B）是B的先驗概率或邊緣概率，也作標準化常量。

貝葉斯網(wǎng)絡(luò)（Bayesian Network，BN）是Pearl提出的關(guān)于不確定知識表達與推理的方法，是概率悖論與圖論的結(jié)合。貝葉斯網(wǎng)絡(luò)屬于有向無環(huán)圖，可以表達各節(jié)點之間的依賴關(guān)系，因其能表達各影響事件之間正向因果關(guān)系，因此也稱為因果圖。貝葉斯網(wǎng)絡(luò)由各節(jié)點的有向無環(huán)圖與各

三、貝葉斯網(wǎng)絡(luò)模型構(gòu)建

（一）貝葉斯網(wǎng)絡(luò)貝葉斯定理也叫貝葉斯法則或貝葉斯規(guī)則，是關(guān)于隨機事件A和B的條件概率（或邊緣概率）的一則定理。節(jié)點的條件概率表（CPT）兩部分組成。

表1 智慧養(yǎng)老項目PFI模式風(fēng)險識別體系

BN模型的簡化運行隱含著影響因素的條件獨立關(guān)系，即任一因素即可單獨對結(jié)果產(chǎn)生影響，基于條件獨立假設(shè)，即如果B隔離了A和C，則認為A和C是關(guān)于B條件獨立的，表達為：

貝葉斯網(wǎng)絡(luò)令所有以Xi為父節(jié)點，任意非Xi子節(jié)點與Xi節(jié)點條件獨立，則有n個節(jié)點的貝葉斯網(wǎng)絡(luò)的聯(lián)合概率分布為：

式中，xi表示貝葉斯網(wǎng)絡(luò)中的各個節(jié)點，Parent（xi）表示節(jié)點xi節(jié)點的父節(jié)點。

通過表1對智慧養(yǎng)老項目PFI模式風(fēng)險因素的識別，借助GeNIe2.0貝葉斯分析軟件，構(gòu)建智慧養(yǎng)老項目PFI模式風(fēng)險因素貝葉斯網(wǎng)絡(luò)圖，如圖2所示。

（二）節(jié)點概率取值及風(fēng)險判定建構(gòu)完成貝葉斯網(wǎng)絡(luò)圖之后，需要對網(wǎng)絡(luò)圖中各節(jié)點的風(fēng)險因素發(fā)生概率進行評估。由于缺少完整的節(jié)點數(shù)據(jù)，本研究采取問卷調(diào)查的方式，風(fēng)險因素發(fā)生概率的取值是以風(fēng)險發(fā)生的可能性與其影響程度的乘積來確定，專家打分取值范圍如表2所示。通過將專家經(jīng)驗的評估取值通過十分制以概率的形式進行數(shù)學(xué)處理，從而確定各風(fēng)險因素的發(fā)生概率。

風(fēng)險因素的概率計算方式為式（4）：

圖2 智慧養(yǎng)老項目PFI模式風(fēng)險因素貝葉斯網(wǎng)絡(luò)圖

表2 專家打分取值表

式中，R（Xi）表示該風(fēng)險因素發(fā)生的概率；P（Xi）表示該風(fēng)險因素發(fā)生的可能性；V（Xi）表示該風(fēng)險發(fā)生的影響程度；P（Xi），V（Xi）∈（0.1，0.3，0.5，0.7，0.9）取值越大代表風(fēng)險發(fā)生概率或影響程度越大。

依據(jù)專家打分確定的概率值，導(dǎo)入貝葉斯網(wǎng)絡(luò)圖，計算得出智慧養(yǎng)老項目PFI模式風(fēng)險概率值判定風(fēng)險等級，風(fēng)險等級判定如表3所示。

表3 風(fēng)險概率等級判定表

（三）診斷推理診斷推理是貝葉斯網(wǎng)絡(luò)的一種逆向推理，即在已知結(jié)果時找出產(chǎn)生該結(jié)果的原因，其原理是通過對后驗概率的計算，進一步推算各父節(jié)點的概率分布，后驗概率的貝葉斯公式如式（5）：

式中，P（X/T）為自然狀態(tài)的后驗概率；P（X）為自然狀態(tài)的先驗概率；P（T/X）為事件T的條件概率。

P（X/T）越高，表明該節(jié)點的影響程度越大，進而將影響程度較大的主要因素作為風(fēng)險控制的主要對象，并制定相應(yīng)對策控制風(fēng)險發(fā)生概率。

四、案例分析

（一）項目概況2012年全國老齡工作委員會辦公室出臺《全國智能化養(yǎng)老實驗基地建設(shè)規(guī)范》，力爭5年內(nèi)在全國建設(shè)100家“智能化養(yǎng)老實驗基地”，探索適應(yīng)我國國情的智能化養(yǎng)老模式。西安某老年醫(yī)學(xué)康復(fù)中心升級為全國智慧養(yǎng)老基地，項目建設(shè)用地250畝。總建設(shè)面積約40萬平方米，建設(shè)標準間3654間，床位約10000張。地上建設(shè)群兩層臨街門面房54150m2，地下兩層規(guī)劃車位約1800個。本項目預(yù)計總投資15億人民幣，建設(shè)期3年。

（二）貝葉斯網(wǎng)絡(luò)風(fēng)險模型本項目以圖1建立智慧養(yǎng)老項目PFI模式風(fēng)險因素貝葉斯網(wǎng)絡(luò)圖為基礎(chǔ)，從企業(yè)角度出發(fā)，通過調(diào)查問卷的方式，邀請相關(guān)專家對各因素按照下表進行打分，從而確定各因素的邊緣概率，如運營節(jié)點的父節(jié)點概率見表4。借助GeNIe2.0分析軟件，構(gòu)建智慧養(yǎng)老項目PFI模式風(fēng)險的貝葉斯網(wǎng)絡(luò)分析模型，建立各節(jié)點的條件概率表（CPT），如運營風(fēng)險的CPT表，見表5。并通過匯總計算得出，該項目風(fēng)險為56.7%，風(fēng)險等級為D級，風(fēng)險程度較大。計算結(jié)果如圖3所示。

表4 根節(jié)點概率表

表5 運營風(fēng)險的CPT表

表6 某智慧養(yǎng)老項目風(fēng)險概率計算表

圖3 某智慧養(yǎng)老項目貝葉斯網(wǎng)絡(luò)風(fēng)險計算圖

本項目為全新模式的養(yǎng)老項目，無歷史項目資料可考，故令該項目風(fēng)險發(fā)生概率R（T）=1，通過貝葉斯網(wǎng)絡(luò)的診斷推理，以式（4）計算各節(jié)點發(fā)生的后驗概率，結(jié)果如表6所示。

通過表6得知，后驗概率排序前5的風(fēng)險因素分別為責(zé)權(quán)分擔(dān)不明（0.818）、養(yǎng)老運營服務(wù)風(fēng)險（0.665）、PFI項目經(jīng)驗（0.658）、養(yǎng)老產(chǎn)業(yè)政策調(diào)整（0.538）、組織協(xié)調(diào)困難（0.532）。在采用PFI模式建設(shè)運營智慧養(yǎng)老項目的過程中，對以上五方面因素風(fēng)險控制尤為重要，是項目成功與否的關(guān)鍵。

五、智慧養(yǎng)老項目PFI模式風(fēng)險控制對策

（一）建立合理的風(fēng)險分擔(dān)體系風(fēng)險分擔(dān)是參與項目的不同主體對項目開發(fā)運營過程中各自風(fēng)險的承擔(dān)情況。建立風(fēng)險分擔(dān)體系的目的在于采取合理的方式提高項目運營的效率，而不在于采取措施轉(zhuǎn)移投資者個體的風(fēng)險。在智慧養(yǎng)老項目PFI模式的風(fēng)險大小應(yīng)該與收益對等，但不允許任一方為獲取更大的風(fēng)險，承擔(dān)超越其承受范圍的風(fēng)險，因此，需要建立合理的風(fēng)險分擔(dān)體系，使各方參與程度與其承擔(dān)風(fēng)險相匹配，防止項目的無效運營，保護各相關(guān)利益方的合法權(quán)益。

（二）制定高效的內(nèi)部協(xié)調(diào)機制智慧養(yǎng)老項目采用PFI模式參與項目的主體復(fù)雜，涉及的部門層級較多，加之PFI模式本身具有的開放性、多元化與各參與主體的知識結(jié)構(gòu)不同，容易造成各方溝通不暢，出現(xiàn)鏈條脫節(jié)的問題，因此要制定高效的內(nèi)部協(xié)調(diào)機制，確保項目內(nèi)部協(xié)調(diào)溝通暢通，防范管理風(fēng)險的發(fā)生，保證項目順利實施運營。

（三）培養(yǎng)精通PFI模式的專業(yè)人才由于PFI模式是一種新的融資運營模式，缺乏成熟有效的歷史資料可以借鑒，因此培養(yǎng)懂專業(yè)精通PFI模式的專業(yè)人才是風(fēng)險管理的重要環(huán)節(jié)。通過專業(yè)人才對PFI項目的全過程、全方位監(jiān)督管理，可以縮短項目組織時間，降低項目開發(fā)運營風(fēng)險，為項目的順利建設(shè)運營提供有力保障。

智慧養(yǎng)老項目投資大、開發(fā)周期長、參與主體多、影響因素復(fù)雜，運用PFI融資模式于智慧養(yǎng)老項目，能夠有效解決融資難的問題，同時提高資金使用效率并分散風(fēng)險。由于其存在較大程度的風(fēng)險；因此，對風(fēng)險控制尤為重要。本文基于貝葉斯網(wǎng)絡(luò)模型分析智慧養(yǎng)老項目PFI模式全壽命周期風(fēng)險因素，通過對風(fēng)險因素進行因果分析和診斷推理有利于在不確定情況下完善風(fēng)險管理。

*本文系陜西省教育廳哲學(xué)社會科學(xué)重點研究基地項目“陜西省建筑企業(yè)國際競爭力評價及國際化發(fā)展戰(zhàn)略研究”（項目編號：14JZ022）階段性研究成果。

［1］朱海龍：《智慧養(yǎng)老：中國老年照護模式的革新與思考》，《湖南師范大學(xué)社會科學(xué)學(xué)報》2016年第3期。

［2］李玉峰、李正偉、張琦：《基于養(yǎng)老地產(chǎn)PFI融資模式的風(fēng)險分擔(dān)研究》，《中國房地產(chǎn)（學(xué)術(shù)版）》2012年第6期。

［3］高揚：《PFI項目風(fēng)險管理研究》，《中國工程咨詢》2012年第10期。

［4］馬敏達、李正偉、曹小琳：《養(yǎng)老地產(chǎn)PFI融資模式研究》，《合作經(jīng)濟與科技》2014年第8期。

［5］楊茂盛、張旭：《養(yǎng)老地產(chǎn)項目開發(fā)風(fēng)險及對策》，《開發(fā)研究》2016年第2期。

［6］周鮮華、劉娜、項英輝：《公共租賃住房PFI融資模式風(fēng)險分擔(dān)研究》，《建筑經(jīng)濟》2014年第8期。

［7］肖蒙、張友鳴：《基于因果影響?yīng)毩⒛Ｐ偷呢惾~斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)》，《控制與決策》2015年第30期。

［8］Pearl J.Probabilistic reasoning in intelligent systems networks of plausble inference［M］.San Franciscq CA，USA∶Moigan Kaufnann Publishershs Inc，1988.

［9］Luis M．de Campos，Juan M．Fernandez-Luna，Juan F．Huete．Clustering terms in the Bayesian network retrieval model：a new approach with two term-layers．Applied Soft Computing，2004．4：149—158．

［10］Chib S.Semiparametric Bayes analysis of longitudinal data treatment models［J］.Journal of Econometrics，2002，110（9）∶67-89.

（編輯 杜昌）