基于數據模型PPP項目清庫風險防控探究

張向煒 趙佳寧

摘? ? 要：政府和社會資本合作（PPP）模式作從2014年開始我國從國家層面大力推行，自2017年的高潮后，項目范圍大幅降落，項目落地率保持較低水平，財政部發布的92號文強調了PPP項目的規范化運行即“清庫”工作，究其原因，中國在PPP發展存在很多方面的問題表現出高風險性及風險脆弱性的特點。本文從風險防控的角度引入機器學習的數據模型，探究使用機器學習建立數據模型來找尋PPP項目自身特征和項目執行結果的聯系，從而探尋一種新模式來進行清庫風險防控。

關鍵字：PPP項目;清庫 ;機器學習 數據模型;關聯預測

一、PPP項目清庫背景

隨著我國城鎮化建設和“一帶一路”戰略的穩步推進，政府部門對于基礎設施建設的投入越來越大，負擔也越來越重，因此PPP模式在其中的地位將越來越重要[1]。而隨著項目的增多，政府，企業，市場等部門出現了諸多現實問題，如市場中標項目良莠不齊，政府債務風險逐漸加大等[2]。為解決這些問題，我國先后發布92號文件和54號文件，深度規范項目管理庫入庫標準，列舉了多種不得入庫項目和應予清退項目的情形，從而產生了PPP項目的清庫風險[3]。

二、機器學習模型引入

機器學習作為數據分析手段的一種可以用來尋找以前看似不可能的聯系，從而來做關聯預測，通過監督學習或者無監督學習的方式來找尋數據之間的聯系，建立預測模型，可應用在百個數量級的案例里。學習可以稱為一個舉一反三的過程，舉個例子：學生時代經常參加的考試，考試的題目在上考場前我們未必做過，但在考試之前通常都會刷很多的題目，通過刷題目學會了解題方法，因此考場上面對陌生問題也可以算出答案。

機器學習的思路也類似：用一些訓練數據（已經做過的題），使機器能夠利用它們（解題方法）分析未知數據（考場的題目）。就像考試前老師給我們預測考試會考什么一樣。機器學習就是讓機器從大量的數據集中學習，進而得到一個更加符合現實規律的模型，通過對模型的使用，使機器比以往表現的更好。

三、模型建立關聯預測

機器學習在進行模型預測里的一個經典案例，可以進行對比分析，就是著名的泰坦尼克號存亡預估，船上的2224名船員及乘客中，1517人喪生。在這次事件中幸存者是哪些，不完全隨機，當時是以先撤離富人，女人和兒童為優先原則;當然有一些例外，但整體來看并非完全隨機，生存與性別，年齡，階層等因素是有關系的。案例中提供了部分的乘客的相關信息稱之為特征，是否幸存的結果稱為標簽，把這些乘客的特征因素與生存結果建立聯系，可建立一個典型的二分類機器學習模型，以結果作為預測目標找出聯系進行關聯預測。

乘客的基本信息包括Survived、Pclass、Name、Sex Age SibSp、Parch、Ticket、Fare、Cabin、Embarke;以上這些內容中Survived是想要預測出來的結果，其他是影響生存的因素。可以宏觀估測一下這些特征和生存關系：Pclass船艙號、Sex性別、Age不同年齡段是對生存有影響的、SibSp和Parch即家人的數量對生存影響待探索;Ticket和Cabin是相應船票和艙位編號，能反應大部分乘客在船上的位置，船受損位置對生存率有影響;Embarked指不同登船地點，猜測是否會反應該地區的經濟狀況，從而對生存率有影響。

宏觀分析之后，特征與生存到底有什么關聯，交給機器學習構建合適的學習模型。并不是憑空臆造關聯，而是已經有了這些乘客生存與否的真實數據，可以利用已知數據分析每一個特征對生存的影響，進一步還可以綜合分析這些特征整體對生存的影響。模型也會隨著數據量的增大而更準確，且機器學習的好處是不需要關心模型到底如何找尋關聯性，只要給相應數據就可以構建出一個黑盒模型，而再輸入新乘客的特征，就可以輸出生存的結果了。也就是機器學習可以由事物的特征和結果，建立一個模型來找尋它們的關聯，從而實現關聯預測。

四、數據模型風險防控探究

（一）探尋PPP項目特征

PPP模式在我國實施以來的時間，也不乏諸多成功的經驗，這些具體的PPP項目可以按照項目性質、周期、風險等進行分類，建立PPP項目數據平臺，在平臺中納入項目的基本信息建立數據庫。項目的一些最基本的要素可以成為特征來源，包括：項目成本、項目預期收益、項目的現金流、項目融資比例、融資可得性、項目所在城市GDP、城市人口數量、當地政府財政承受能力、當地經濟對成本影響、稅率政策、貨幣時間價值、企業抵御風險能力、項目的回報機制、項目的投資回報率、退出機制等項目固有性質作為特征;通過建立機器學習模型，找尋項目特征和項目成功與否的關聯，根據這個模型來關聯預測新項目的成功概率。

（二）風險防控應用探究

為避免PPP項目大規模“擴張”導致的項目變形，造成清庫現象，需要嚴格把控項目庫的準入制度。現階段由于PPP模式還處在“水土不服”階段，很多法律和監管制度不到位，導致入庫的“兩論證”多流于形式。本文提出建立數據模型來尋找項目特征和結果之間的關系，進行關聯預測，就可以應用在以后的入庫把控上。構建擁有成功經驗的項目數據庫，用客觀數據完善論證，提升專家論證的嚴謹性和客觀性。同時需要專業從事機器學習分析人員，建立數據預測模型來進行關聯預測，得出項目在實施上的可行性。通過探究這種關聯可以利用在PPP項目風險評估中，從而更好的為項目評估提供客觀依據，從而進一步防控項目清庫風險。

參考文獻：

[1]劉昆.PPP強管控之下的社會各方[J].施工企業管理，2018，（07）：71-72.

[2]張璐晶.五大視角解密PPP項目“出庫”[J]. 中國經濟周刊， 2018（18）： 34-38.

[3]周月萍.退庫項目怎么辦？[J]. 中國建筑裝飾裝修，2019（01）：100-101.

[4]李立娟.PPP大清理[J].法人，2018，（06）：78-80.

[5]周蘭萍，孟奕.談本輪PPP項目清庫的影響和意義[J]. 建筑，2018（13）：50-51.