基于@RISK的農產品項目風險分析

[摘 要] 農產品生產周期長，不確定因素多，項目的風險分析對農產品項目來說尤為重要。常用的風險分析方法是Monte Carlo法，Monte Carlo法常用編程和在Excel中實現，這兩種方法對風險分析來說實用性較差。本文以紅棗矮化基地建設項目為例，分析如何使用@RISK進行項目風險分析。在分析過程中假定項目現金流量具有隨機性，選擇NPV作為評價指標，分析NPV的期望值與發生概率，分析影響農產品成功的敏感性因素，為項目在風險條件下的決策提供可行的決策工具。

[關鍵詞] 農產品項目；@RISK模擬；紅棗矮化基地；風險

[中圖分類號] F320 [文獻標識碼] A [文章編號] 1674-7909（2017）31-40-3

1 問題的提出

風險是相對于某一主體而言，不能控制或預先不知道的事情或未來狀態[1]。農產品項目投資是我國未來農業現代化發展的必由之路，在一個項目的建設過程中，項目主體沒有全面考慮、管理和分析影響最終目標的因素，使得沒有達到預期目標或是實際期望與預期期望發生偏離時就存在風險。農產品投資時，應考慮市場風險、技術風險、管理風險及其他風險。農產品投資存在著風險大、周期長、見效慢等特點，因此，對農產品項目投資進行風險管理顯得尤為重要。本文主要探討如何更簡易地對農產品項目風險進行度量的評價問題，即利用@RISK模擬來分析農產品項目的敏感性因素。此方法計算簡單、適應性廣泛、準確性高，而且能夠直觀地反映出影響農產品項目的關鍵因素，為項目決策者提供有力的風險分析工具。

2 @RISK模擬及其一般過程

2.1 @RISK模擬

@RISK模擬稱為隨機模擬法，組合模型建立情況中的所有不確定因素，是一種定量分析的方法[2]。@RISK模擬的主要優點是無需進行復雜的數學運算，只要經過多次反復試驗，便能夠獲得足夠準確的近似結果。這種分析可以是獨立分析，也可以用于向其他分析提供結果。其提供的結果以圖形方式顯示所面臨的風險，具有很高的直觀性。該方法應用面廣、適應性強，廣泛地應用于管理、統計財經、金融等眾多領域。惠斯通（Weston）對美國1 000家大公司所作的統計表明：在部分公司管理決策中，采用這種隨機模擬方法的頻率占29%以上，遠遠大于其他數學方法的使用頻率。該方法需要對數值進行大量模擬，反復驗證，才能更加客觀地對風險進行分析[3]。

2.2 @RISK模擬的一般過程

一是分析問題。分析實際問題，然后構造隨機變量的統計量，即不確定變量，比如X=（x1，x2，……，xn），使統計量Y的某個統計參數等于要求解問題的值。二是確定分布類型和參數。當隨機變量的分布類型和參數確定時便可以運行模擬，當隨機變量的分布類型和參數不確定時，需用已知的樣本數據擬合隨機變量的分布和參數。此步驟通過Excel工作表格式定義問題或情況。三是重復試驗，大量模擬。通過重復試驗產生大量的隨機向量X=（x1，x2，……，xn），然后將其代入統計量中，即可得到Y的值。然后計算Y的相關統計參數就可以得到求解問題的值。四是進行敏感性分析。

3 實證分析

3.1 農產品項目——紅棗矮化基地項目概述及費用效益構成

紅棗矮化是指棗樹的高度和種植密度較傳統的方式有大的變化，改變了棗樹原有的生長特點，將原來的大冠稀植改為矮密集約栽培。紅棗矮化基地項目的建立適應了經濟新常態，轉變經濟發展方式，將傳統的粗放管理模式轉變為集約型管理模式，引進高新技術和優良品種，標準化、規模化種植，從而取得良好的經濟效益。企業擬建立66.67 hm2紅棗矮化基地，并對項目的費用及效益構成做了明確的規定。項目費用是指在項目建設期、管理期、收益期產生的各種費用，包括前期費用（籌建、規劃、設計、可行性研究和專家勘察等）和土地租金費用，基地建設費用（土地平整費用、品種引進費用，人員培訓費用，灌溉水設施費用，病蟲害花銷費用，基地管理費用等），銷售費用（包裝費、裝卸費、運輸費、廣告費和修理費等）。項目收益是指項目壽命期產生的全部收益，包括紅棗的收入以及加工處理產生的附加值。

3.2 實證分析——基于@RISK的石咀驛紅棗矮化基地項目風險分析

3.2.1 問題分析。紅棗矮化基地項目位于陜西省榆林市清澗縣，處于無定河、黃河交匯處，地理位置優越，基礎設施條件良好。全縣現有紅棗面積3.53萬hm2，縣委、縣政府立足實際，要把“紅棗之鄉”打造成“中國紅棗之都”，紅棗矮化基地就是在此基礎上發展起來的。為了分析紅棗矮化基地項目投資收益情況，邀請紅棗專家和科技人員對紅棗矮化基地進行實地勘測，通過調研論證，編制科學合理的建設規劃，為紅棗基地建設提供理論指導。根據歷史數據、專家咨詢對基地項目費用效益情況進行分析，認為前期費用與土地租金、基地建設費用、銷售費用、紅棗銷售費用年增長率、基地建設費用年增長率及紅棗銷售收入年增長率等為不確定變量（輸入項），項目凈現值即統計量為確定變量（輸出項）。

3.2.2 隨機變量的分布模型。①前期費用和用地租金服從最大值為90萬元，最大可能值為60萬元，最小值為50萬元的三角分布。②基地建設費用服從最大值為550萬元，最大可能值為500萬元，最小值為450萬元的三角分布。③第一年的銷售費用服從最大值為45萬元，最大可能值為40萬元，最小值為32萬元的三角分布。④紅棗銷售收入年增長率服從均值為10%，標準差為2%的正態分布。⑤基地建設費用年增長率服從均值為15%，標準差為3%的正態分布；⑥紅棗銷售費用年增長率服從均值為10%，標準差為2%的正態分布。

根據費用效益的分布類型，構建項目的Excel模型，紅棗矮化基地項目的Excel模型如表1所示。

3.2.3 重復試驗，大量模擬。確定了凈現值的分布模型，可通過定義分布、輸出項及@risk對模型的模擬，設置模擬次數為1 000次，點擊“Start Simulation”按鈕可直接運行模擬。在此模擬過程中，可以直觀地看到模擬過程及數據的變化，為了減少誤差，可以進行多次模擬試驗，模擬完成后可以看到凈現值輸出的模擬圖表（見圖1），想要瀏覽更多的結果，需點擊“Excel Reports”按鈕，可以顯示更多的分析結果。

圖1是在@RISK模擬時截取的關于凈現值的圖片，從圖1可以看出：NPVmax=1 435.80萬元，NPVmin=722.44萬元，NPVmed=1 029.51萬元，NPVmean=1 036.03萬元。即該投資的平均期望值E（NPV）為1 036.03萬元，通過@RISK模擬可以直觀地看到抽取隨機變量X=（x1，x2，……，xn）后，統計量Y的數值。

另外，NPV介于850萬～1 236萬元的概率為90%，隨意拉動圖形上方的黑色三角可以查看其他概率下的凈現值。在左滑塊上面輸入0，得到此項目的凈現值為697萬元，如果想要獲取第90個百分位數，可以在右邊滑塊輸入10，則可以看出右邊滑塊的數值，表示凈現值大于此數值的概率只有10%。第2幅圖顯示了在設置1 000次模擬后，可以清晰地看到@RISK模擬的過程。該農產品項目的凈現值絕大部分分布在[659，1 536]，其中最可能的凈現值約1 000萬元，由于項目凈現值NPV>0，所以該紅棗矮化基地項目方案可行。即使是凈現值很小，該項目也值得投資，因為凈現值始終大于0。

3.2.4 敏感性分析。趨勢圖和龍卷風圖都是進行敏感性分析的重要工具，在@RISK模擬中，龍卷風圖以清晰直觀的方式顯示方案分析結果，當輸出高于其第90個分位時為影響農產品項目的關鍵因素。在@RISK模擬的凈現值輸出項中，點擊圖片下方的龍卷風圖，可以很好地顯示影響農產品項目的關鍵因素。

對凈現值NPV最敏感的因素是基地建設費用，其次為前期費用與用地租金。所以，要想提高紅棗矮化基地項目的凈現值，使收益最大化，首先要縮減紅棗矮化基地項目的建設費用，對基地建設的各個環節進行管理和監督，包括對品種引進、人員培訓、灌溉設施、病蟲害防治及基地管理等費用的監管，合理使用資金，使資金發揮最大的作用。其次，分析前期費用與用地租金，對資金的前期流向進行監管、合理規劃，選擇土地租金較便宜的地段，而且要通過勘察確定土壤的酸堿度、肥沃程度，不能影響農產品的正常發展，最大幅度地降低基地建設費用、前期費用與用地租金，大力推廣節本增效措施，進行規模化經營，從而使凈現值最大化。

4 結論

本文從風險的定義、農產品項目投資、農產品項目管理中存在的風險因素以及當前對農產品項目研究的方法進行探討，總結了目前在農產品項目研究過程中存在的不足，接著介紹@RISK模擬及其一般過程，結合農產品項目利用@RISK模擬進行了項目的風險分析，這在之前的農產品項目風險分析過程中尚無先例。本文以紅棗矮化基地項目作為例證，用@RISK模擬分析法，確定了在基地建設過程中存在的風險因素，并對其關鍵風險因素進行分析，從而使企業意識到在農產品項目基地建設過程中存在的問題，將成本降至最低，使收益得到最大化。@RISK模擬能夠直觀反映影響農產品項目的風險因素，解決了常用決策方法所無法解決的問題，彌補了常用決策手段的不足，是行之有效的定量分析方法，具有很強的實用性，為農產品項目在風險條件下的決策提供了可行的決策工具[4]。

參考文獻

[1]謝志剛，周晶.重新認識風險這個概念[J].保險研究，2012（2）：101-108.

[2]鄭家喜，王姣，聶磊.政府農田水利建設項目風險管理研究[J].農業經濟問題，2012（8）：59-64.

[3]王學強，莊宇.基于蒙特卡羅模擬模型的投資項目風險分析[J].工業工程，2007（5）：93-96.

[4]Burmaster DE，Anderson PD. Principles of Good Practice for the Use of Monte Carlo Techniques in Human Health and Ecological Risk Assessments[J].Risk Analysis，1994（4）：477-481.