时间：2023-08-12 09:06:54
引言：易发表网凭借丰富的文秘实践，为您精心挑选了九篇量化投资的步骤范例。如需获取更多原创内容，可随时联系我们的客服老师。
2013年可谓我国对冲基金快速发展的一年。越来越多成熟的投资者关注到这个投资品类，并认可其投资机会及资产配置功能。
但说起对冲基金，很多人还是不可避免地联想到“量化对冲”、“程序化交易”等相关词汇。那么这些概念之间到底有怎样的关联呢？是不是对冲基金一定要采取对冲或量化投资呢？
并非所有对冲基金都采取对冲手段
顾名思义，对冲基金给人印象是运用对冲工具对冲风险的基金。但是，实际上并非所有对冲基金一定都采取对冲手段。对冲基金相对于传统的公募基金而言，主要是在基金结构方面的区别。
一般来说，对冲基金具有以下特点：
第一，受更少的监管。国内的公募基金要求每季度披露季报，公布基金仓位和重仓股等核心信息，基金投资范围也受到严格的控制。至今我国还没有一只投资商品期货的公募基金，去年底成立的嘉实绝对收益策略是国内目前唯一一只可投资沪深300股指期货的市场中性策略的公募基金。而私募基金可以不公开任何与投资相关的信息，投资范围也广泛的多。
第二，更长的封闭期。国内的对冲基金通常在成立后的半年内处于封闭期，不能申购赎回，或者只许申购不准赎回。此后，走信托通道的产品每月开放申购和赎回，而走公募基金专户或是公募基金子公司的产品每季度才开放一次申购和赎回。降低流动性是为了减少申购与赎回对基金运作的不良影响，有利于保护投资者的收益，有助于基金经理的投资运作。
第三，收取业绩提成。公募基金的收费主要是前端认购费和固定管理费，而私募基金除了这两部分外通常还收取20%的超额业绩提成。有些业绩出色且有溢价能力的对冲基金甚至收取30%的业绩报酬。
第四，偏向于绝对收益的投资方式。我们都知道，公募基金的比较基准往往是沪深300等大盘指数，基金经理的考核通常是同类基金排名。这就是所谓相对收益型的业绩导向。而对冲基金的业绩基准通常是定期存款利率。由于基金管理人为了获得更高的业绩报酬，所以更在乎基金的绝对收益水平，而不是相对大盘指数的相对收益或是业绩排名。这种绩效方式就会引导基金管理人在投资方式上更偏向于绝对收益的方法，能采用对冲工具的可以进行风险敞口的对冲，不运用对冲工具的也会通过调节仓位来控制基金净值的下行风险。
并非所有对冲基金都采用量化投资
量化投资强调的是在投资的过程中加入定量化的方法和手段。
传统的股票型基金经理在投资的过程中更多的是依据自己对宏观经济、行业发展趋势以及企业经营状况的主观判断。虽然在做决策前基金经理也阅读了大量数据，但这些数据转换为投资决策是在人脑里完成的。这个决策过程涉及到很多定性的判断，模糊的处理，是一个非量化的决策过程。
而所谓量化投资就是尽可能将决策过程模型化、可视化、透明化。在模型化的过程中，势必会引入不少定量的方法，用到很多金融、经济、数学以及统计等学科的工具和手段。
举个简单的例子，我们注意到股票市场的投资者对于经济同步数据是比较敏感的。比如，制造业采购经理指数（PMI）如果在50%以上表明经济处在扩张区间，越高反映经济发展得越乐观。此时，主观投资者会在参考PMI当期数值、前期数值以及市场预期值后综合来判断是否该介入购买股票，而量化投资会设一个硬性的标准，比如PMI创出近3月新高即买入股票，或是PMI超过55%才买入股票等等规则，一旦事先设定的规则触发就形成了交易信号。
量化投资可以很简单，也可以很复杂。像前面提到的这个例子就是个极为简单的量化投资方法，连计算器这样简单的工具都不用就可以实现。如果规则较多，涉及的步骤较多，或是需要大量的计算，那么就要借助电脑程序来实现。
【关键词】 AHP方法； 投资方案； 决策原理
一、引言
企业投资方案决策是否正确直接关系到生产经营的成败。现有投资方案决策通常是采用比较各备选方案净现值、期望收益额、期望收益率、收益标准差和收益标准差率等单一量化指标来选择最优投资方案。运用单一的量化指标进行决策虽然方便但没有综合考虑影响企业投资决策的各种量化、非量化因素，尤其是当运用不同量化指标对备选方案选择得出的结论相悖时企业将陷入无法决策的困境。本文针对这种情况，综合考虑影响投资决策的量化和非量化因素，运用层次分析法结合案例分析进行最优投资方案选择。
二、层次分析法运用于投资方案决策的原理
层次分析法（Analytia1 Hierarchy Process，简称AHP）是美国匹兹堡大学教授A. L. Saaty于20世纪70年代提出的一种系统分析方法。AHP方法能够综合分析量化因素和非量化因素进行决策，因此在经济管理类研究中有着广泛的运用。层次分析法的基本原理：根据问题的性质和需要达到的总目标，将解决方案分解为目标层、中间层、方案层等，并按照因素间的相互关联影响以及隶属关系，将各因素按不同层次聚集组合，形成一个多层次的分析结构模型。层次分析法运用于投资方案决策可分为四个步骤。
（一）目标层的确定
层次分析法运用于投资方案决策首先要确定投资方案决策的目标。投资方案的决策目标就是选择最优投资方案。投资方案决策是否正确，直接关系到企业的生存和发展，因此必须对企业内外各种定性和定量的信息进行全面分析，才能做出正确的决策。最优投资方案的选择并不仅仅取决于某一单项指标的优劣，比如净现值的高低。净现值的高低只是企业衡量投资方案的一个方面，最优投资方案应该是最符合企业整体发展战略，能够发挥企业自身优势的方案。
（二）中间层要素的确定
决策目标确定为最优投资方案后，最优投资方案的实现将分解成各层次的中间层要素。中间层要素可以是量化的也可以是非量化的。层次分析法在投资方案决策中运用的关键就在于要将决策目标分解为合适的中间层要素，即：投资方案优劣的判断标准。判断投资方案的标准必须符合企业实际，一般情况下期望年收益高、投资风险小、净现值高的投资方案是优秀的投资方案，但对于特定企业而言，国家政策支持力度、投资周期的长短、技术优势是否明显，在选择投资方案时也许更加重要。因此建立层次结构模型应列出决策目标的影响因素，通过考虑各影响因素之间的重要性建立关系矩阵来确定各因素的权重关系。
（三）确定多个备选方案完成层次结构模型
将企业多个备选投资方案和层次结构模型的决策目标、中间层要素进行连接，通过计算权重、单个矩阵、整体矩阵的一致性判断来确定层次结构模型的合理性，最终根据计算结果选择最优投资方案。
（四）进行层次单排序及总排序，并进行一致性检验
计算出各判断矩阵的最大特征根及特征向量，并通过归一化处理，同时要检验判断矩阵的一致性，如果不能通过一致性检验则需对判断矩阵重新计算；计算同一层次对最高层次（总目标）相对重要性的排序权值，此过程从最高层依次到最低层进行，同时对判断矩阵进行一致性检验，如果不能通过一致性检验则需要重新开始。
三、层次分析法在投资方案决策案例中的应用
笔者通过案例来探讨层次分析法在投资决策中的具体应用。假设A企业要进行投资决策，现有三种方案可供选择。三种备选方案投资收益基本情况见表1。
三种备选方案的投资周期不同，C1方案为5年，C2方案为4年，C3方案为6年（假设均为一次投入，分年收益）。A企业的再投资年收益率为10%。从A企业现有的科学技术来看，C1方案有一定的技术优势，其他两个方案均为新的领域，但C3方案是环保产业，国家政策比较支持。
从A企业案例可以看出三种备选方案的决策信息中既有量化信息也有非量化信息。传统的投资方案决策方法通常运用净现值、投资年收益、收益标准差等单一的量化指标判断最优投资方案。这些传统决策方法在决策时考虑的因素比较单一，而且在本例中，传统决策方法出现了多项指标优势交叉而无法进行判断的现象。因此笔者选用层次分析法进行投资方案的决策，以综合考虑投资方案中的量化因素和非量化因素。
（一）建立层次结构模型
根据A企业案例资料，综合现有数据选择六个中间层要素，画出A企业投资方案的层次模型结构图，如图1所示。
（二）构造判断对比矩阵A—B
A企业管理当局选定10位专家组成专家系统，运用德尔菲法对六个中间层要素的重要性进行比较，使用九级指标法将中间层要素两两比较后进行打分，得出决策目标层A对中间层要素B的判断对比矩阵，即：A—B对比矩阵，见表2。
其他对比矩阵的权向量计算过程同对比矩阵A—B的权向量计算过程限于篇幅不再详述。
（五）一致性检验及备选方案的选择
计算各对比矩阵的最大特征根，利用随机一致性指标进行检验，计算出CR的值（表9）。从表9可以看出，各中间层要素的一致性比率CR均小于0.1，即各判断矩阵的一致性检验均通过。
计算层次总排序，进行一致性检验得出CR=
0.0774
从表10可以看出备选方案C3的方案总权重最大，A企业应选择备选方案C3作为最优投资方案。
四、结论
通过A企业的案例分析，笔者认为层次分析法能够较好地结合量化指标和非量化指标综合考虑影响企业投资方案决策的各方面因素，使企业投资方案决策更具科学性。运用层次分析法对企业投资方案决策过程中的各影响因素进行权重分配，可避免在影响因素过多的情况下决策者顾此失彼，将主观意识过多地带入企业的经营决策。当各种决策方案出现多项指标优势交叉时，层次分析法更能做出科学的判断。
【参考文献】
[1] 邓永胜，董毅明.基于AHP的云南省物联网发展分析[J].昆明冶金高等专科学校学报，2012（1）：21-26.
关键词：智能运输系统 成本效益分析 成本效果分析 多准则分析
中图分类号：U491113 文献标识码：A
1 引言
随着社会经济的不断发展和人们对交通运输需求的日益增加。交通阻塞、安全、环境污染等问题已经成了影响社会发展的巨大障碍。交通量的持续增长是造成该状况的最根本原因，传统的解决途径如限制交通流量等短期内可以奏效，但有失公平、合理。如何更有效地使用现有交通运输网络就是解决上述问题的重要途径之一。随着高新技术的崛起，使得智能运输系统（简称ITS，通过关键基础理论模型的研究，将信息技术、通信技术、电子控制技术和系统集成技术等有效地运用于交通运输系统，从而建立起的实时、准确、高效的交通运输管理系统）应运而生。与传统的交通基础设施建设项目相比，ITS项目不但投资巨大，而且属新兴研究领域，对社会和经济各方面的影响更加难以预料。我国当前仍是一个发展中国家，建设资金短缺，决策者、投资者、大众非常关注建设ITS的巨大投资带来的效益及风险，因此有必要以ITS的影响开展深入的研究，采用的方法就是进行智能运输系统评价。
2 评价的意义及目的
ITS评价的意义体现在以下几个方面：
（1）理解ITS产生的影响
ITS评价的内容包括ITS对交通系统及其使用者产生的影响，以及ITS导致的社会、经济和环境等诸多方面的影响。因而评价ITS不但可以更好地了解项目本身和与其相关交通条件的改善之间的关系，而且对其产生的影响有更好的认识，也有助于将来其他ITS项目的实施。
（2）对ITS带来的效益进行量化
投资者无论是政府部门还是私人机构都希望能够量化投资效益。此外，在对ITS进行评价时，我们还要回答诸如“为什么一定要这样做”及“如何达到预期效果”的问题。
（3）对将来的投资做决策
ITS评价所提供的信息（实施条件和影响因素等）一方面可以帮助政府部门优化投资，对将来项目的投资和实施做决定。另一方面有助于私人机构在商业运作中做出明智而正确的决定，而政府与私人机构之间的密切而有效的合作分工是中国ITS顺利发展的必要条件。
（4）对已有的系统优化其运作和设计
ITS评价可以帮助已有的交通设施和交通系统识别需要改进的方向，从而使管理者和设计者能够更好地管理、调整、改进和优化系统运作和系统设计。
3 各国ITS评价研究现状
近年来在世界范围内广泛开展了对智能运输系统理论和技术方法的研究，部分发达国家已对许多项目进行了试验研究并已实施和应用，如城市和高速公路交通事故监测和快速反应系统，匝道控制等。ITS正从实验阶段转向实施阶段，成为地面运输系统投资的主流方向，投资规模也将迅速增长。政府、企业和大众都非常关注其社会经济影响及可能带来的各方面效益，对ITS项目社会经济影响的全面评价正日益受到政府、投资者和研究开发机构的普遍重视。
早在1988年，英国学者Bristow提出了如下评价准则：（1）技术性能；（2）人机工程学性能；（3）真实的效益和非效益；（4）感受到的效益和非效益；（5）用户反映；（6）安全性能；（7）成本；（8）外部性能。欧盟DRIVE研究计划促进了一系列面向ITS项目评价的指标系统的发展，其道路运输信息评价过程研究形成了用于评价ITS项目评价过程的评价手册。1998年欧盟在ITS评价项目“CONVERGE”中，了“智能运输系统评价指南”，之后几年又开发了一系列可用于ITS评价的微观模拟仿真软件。
美国华盛顿州1993年完成的ITS战略计划，设计了从技术分析、社会经济、立法行政、公众接受性几个角度用成本效益分析法评价ITS项目产生的效益。关于ITS项目投资及效益回报理论方面美国最先于1996年完成国家ITS体系结构，后经多次修订，第四版已于2002年6月。美国国家ITS体系结构共分为六部分：（1）综合摘要、（2）体系结构定义、（3）评价、（4）实施策略、（5）市场包、（6）标准。
日本在分析借鉴和分析美国和欧盟体系结构的基础上于1999年11月了ITS体系结构。主要包括三大部分：构筑体系结构的方针；构筑体系结构的成果；应用体系结构的方针。评价方法主要是传统交通运输项目评价所采用的成本效益分析法，有些研究也尝试使用成本效果分析法和多准则分析方法。
4 评价方法
ITS项目评价的步骤如下图所示。针对不同的评价主体、评价目的和评价内容，可以对该评价步骤进行适当调整。
目前常用的ITS评价方法包括成本效益分析、成本效果分析和多准则分析三种。
成本效益分析致力于成本和效益的量化及其度量，计算出相应指标，并在备选项目之间进行权衡。有时也涉及不可量化的和非经济性指标，偶尔也涉及示范效应、发展效应等组织因素，但在大多数情况下，对难以量化的影响的评价是附带的，重点还在于可量化的成本和效益的权衡。
成本效果分析是一种成本最小化方法，它是在一个项目的效益不能计量，或者已为政策所确定时所采用的评价方法。在上述情况下，所考虑的是达到既定的目标所采用的最小费用。当一个项目的目标难以用货币价值计量时，变量只能在成本方面，因此，从逻辑上讲应当选择成本最小的项目。成本效果分析常应用于药物经济学，原因在于健康和卫生效益有时难以用货币化方法衡量。
在发达国家通常将成本效益分析作为普遍适用的方法，其中有着多方面的原因。首先，发达国家的社会环境相对稳定，因此评价可以致力于将货币价值衡量成本和效益，但在发展中国家，社会经济结构正在发生变化，大的公共项目甚至会影响这种变化。因此一个项目的非经济性和不可量化的影响在评价中的地位较发达国家为重。可以说，发展中国家在遇到同等问题时，所遇到的困难更多。另外，在发展中国家，可用于项目定量分析的资料和数据往往不全面，这也是成本效益分析方法使用范围受限制的重要原因之一。所有这些因素表明，鉴于中国的国情和ITS项目的特点，除了进行成本效益分析和成本效果分析之外，还必须采用多准则分析方法。
4.1 成本效益分析
成本效益分析，有时也称为费用效益分析。
成本效益分析主要包括四个主要步骤：
1.确定成本和效益的类型
成本和效益一般需按照其类型、影响群体、地区或其它标准进行分类和计量。由于效益多发生于未来。所以项目分析必然包含预测的成分，其结果受分析者的主观价值标准影响。成本和效益的范围和重点随项目不同而异。
2.成本和效益的量化
对于所确定的各成本和效益类型应当尽可能量化。由于各种原因，市场价格会偏离社会价值，有些类型的成本和效益则没有市场价格。因此，量化难以量化的成本效益类型是成本效益分析的难点之一。
3.评价指标
根据量化的成本和效益计算选定的评价指标，原则是尽可能全面和完整地展现项目的经济效果。常用的指标包括效益费用比、净现值、内部收益率、投资回收期等。
4.综合权衡
因存在相关难以量化的成本和效益类型，故评价指标数据不可能完全反应项目的效果，需用定性分析作为补充和完善。随着项目影响范围的扩大和评价的深入，难以量化的成本和效益的比重有时甚至超过可量化部分。因此，该步骤显得越来越为重要。
成本效益分析的评价指标通常包括：净现值、效益费用比、内部收益率、投资回收期等。这些指标描述了效益与费用的对比关系，可进行不同方案的对比分析。合理的成本效益分析评价指标数据将为决策者提供了有价值的信息。
对ITS项目进行成本效益分析主要出于两方面考虑。首先，项目意味着稀缺资源的使用，规划者和政策制定者应当确保效益最大化（包括直接效益和间接效益）；其次，决策者在考虑是否进行项目或者从备选方案中作选择时需要知道各方案可能产生效益的差异。ITS项目效益大小的差异来自于现有交通系统的状况（特点）、项目的实施情况以及评价方法。应用成本效益分析可以对其进行分析，各评价指标将从不同侧面描述项目的可行性。问题的关键在于如何对成本和效益进行界定。
现阶段结合我国的国情，可以尝试运用成本效益分析进行项目评价的尝试，但暂不适合将成本效益分析方法确立为ITS项目评价的基本方法，原因在于成本效益数据的缺乏和ITS项目的影响程度和范围尚难准确把握。
4.2 成本效果分析
成本效果分析通常作为成本效益分析的替代方法。在给定预算方案的情况下，成本效果分析可以用于平均ITS项目的应用效果，可以对比ITS项目和非ITS项目（包括基础设施项目或其它交通改善项目）或者不同ITS项目的成本。
成本效果分析用来评价各方案的基准是成本和单一的非货币化效果指标，例如死亡人数减少、运营成本降低等。由于很难对各种成本项目均给予综合考察和比较，实践上往往采用预算成本指标。使用的评价指标为成本效果比。在采用成本效果分析时，并没有将效果指标货币化，故成本指标和效果指标将采用不同的单位。依据成本效果比的结果进行项目比选和排序。
成本效果比可以按照单位效果所需要的成本进行计量。其中：C表示成本；E表示效果；i表示第i个项目或方案，下同。CE可以看作是单位效果的平均成本，CE值最小的项目或方案具有最高的成本效果比：CEi=Ci / Ei 。
成本效果比也可以用单位成本所产生的效果计量。EC可以看作是单位成本的平均效果，EC值最小的项目或方案具有最高的成本效果比：ECi=Ei / Ci。
成本效果分析可以看作是成本效益分析的一种特殊形式。
4.3 多准则分析
交通运输系统项目和ITS项目评价在多数情况下是一种基于多层面的冲突分析，因此在初始阶段很难给出解决方案。这就意味着需要寻找一种可接受的评价方法。多准则评价方法致力于提供一系列方法用以处理多维效果量化问题。当然，该类方法也存在其局限性。
考虑到ITS项目的复杂性和多维性，所采用的评价方法应具有四个特点：
1.透明性：是指决策者必须对评价的过程有清楚的了解。
2.简洁性：是指评价应相对容易实现，并侧重于澄清问题的要点。
3.鲁棒性：和接受有关备选方案的输入和评价结果的输出的能力有关。另外和数据需求、项目及准则数量的处理、不确定性的处理、重点群体的参与、敏感性等有关。
4.可说明性：决策者应当对评价结果感到有信心，即同意并支持评价结论。
多准则分析包含许多种具体方法，可应用于不同背景不同评价目标。虽然多数方法都标称具有广泛的应用领域，但实际上每种方法均有其适用范围。所以并不是所有多准则方法都适用于交通运输系统项目和ITS项目的评价。寻找适用于ITS项目的多准则评价方法是至关重要的。
多准则往往是冲突的、不可比的和具有不同性质的，既有定量信息、又有定性信息，既有精确信息又有不精确信息，这使得问题的解决更加困难。
多准则分析最初来自法国，特别有名的是ELECTRE技术，它已经成为近代评价方法的主流；多属性效用理论是在1976年提出的；模糊集理论发展后，评价称为该理论的重要应用领域之一，许多劣结构的决策问题采用了基于模糊集理论的评价方法。
根据相关研究成果，适用于交通运输系统项目评价的多准则分析方法包括REGIME、ELECTRE、AHP、多属性效用方法、理想点法等。
5 结论
智能运输系统的效果评价是一个非常重要但又困难而复杂的课题，它涉及到技术、经济、环境、社会、政策等方面，既有定性也有定量的评价。不同的评价方法将产生不同的评价结论，从而对决策和技术方案产生影响，进而对社会和经济发展产生影响，评价方法的重要性可见一斑。
ITS项目具有不同于传统交通运输项目的诸多特点，同时中国的交通特点使得发达国家在该领域的研究成果的可借鉴性大打折扣。结合ITS的特点和中国的国情研究ITS项目的评价方法具有必要性和紧迫性。
参考文献：
[1]杨兆升.智能运输系统概论[M].北京：人民交通出版社，2003，1-16
[2]《中国智能运输系统体系框架》专题组，中国智能运输系统体系框架[M].北京：人民交通出版社，2003，439-441
【关键词】云重心 电网工程项目 后评价方法 主客观综合赋权
电网工程项目后评价，指的是项目建成投产并稳定运行1～2年后对项目建设的目的、实施过程、效益和影响等进行全面系统的分析和总结，是项目建设周期的最后一个重要环节。为保证项目投资效益的提升，全面了解项目全生命周期实际情况与预期情况的差异，电网工程项目亟需进行科学有效的后评价。作为影响项目后评价效果的后评价方法，其选择的合理性对于系统、客观、准确分析项目评价工作具有重要的意义。因而，如何合理选择与电网工程项目评价目标相匹配的后评价方法是一个需要研究的重要课题。
本文在前人研究的基础上，运用云重心评价法计算项目综合得分及偏离度，进而评价该项目实施全过程情况，找出亟需改善的工作，以优化项目，提高企业的决策水平和投资效益，指导未来项目的建设规划。
1 项目后评价方法研究现状
在后评价方法选择上，Satty最先提出可以运用层次分析法，将定性指标量化，对多准则问题方案进行排序，从而选出最优方案。此后，不少学者对其进行了改进。如郑燕首次在后评价工作中引入梯度理论指导指标的选取工作，将层次分析法和熵权法结合，构建出一种新的变结构权重模型。Palcic I构建了基础设施评价指标体系，并在层次分析法的基础上，对其权重再次进行加权处理，得到指标体系最终的权重。宋连峻等人认为层次分析法无法衡量人为判断的模糊性，建议在层次分析法中引入三角模糊函数，构建矩阵调整因子，以提高电网项目后评价结果的可靠性。王春艳利用工程成功度判断准则对原有电网系统后评价指标进行补充、完善，并运用模糊理论改进层次分析法计算指标权重，最后结合实际案例对电网项目做出总体评价。
作为我国电网工程项目后评价分析主流方法的模糊层次分析法，在应用上存在以下不足：
（1）表达模糊性的隶属函数只是用定性推理方法获得，从而成为精确的隶属函数，扼杀了事物模糊的本质。
（2）权重方法的确定上仍旧以层次分析法为主，具有较大的主观随意性。
2 电网工程项目后评价指标体系
根据《国家重点建设项目后评价暂行办法》和《大中型项目后评价研究报告》，项目后评价内容包括实施过程评价、经济效益评价、影响评价、目标和持续性评价等4个方面。根据电网工程项目的特点和建设实施运营的全过程，将其后评价指标体系分为包括前期投资决策评价、项目实施准备工作、项目建设实施过程、项目运营情况、项目效果和效益情况、影响评价、目标和持续性评价等七个一级指标，并在一级指标下设立了若干二级指标和三级指标。
3 基于云重心的综合评价方法
现有的评价模型分为定性分析方法和定量分析方法两种类型，而常用的评价模型包括专家打分法，成功度评价法，逻辑框架法，模糊数学方法，灰色系统法，可拓物元分析法和云重心法等。
因电网工程项目后评价体系中 定性的指标较多，需要通过一个合理的方法将专家对指标的评语进行量化转换。云重心评价方法通过量化评语区间，将各指标的实际情况反应于期望值和熵值中，分析每个指标的偏离度辨识各项工作与理想状态之间的差距，以找出项目亟需解决的问题，帮助优化项目。
云重心评价模型的基本原理主要是将难以量化的定性指标进行量化转换，并算出各指标状态值与其理想状态值之间的偏离程度，进而找出该项目在实施全过程中的问题。运用云重心评价项目的步骤如下：
（1）构建评语集，划分区间
V=（V1，V2，V3，V4，V5，V6，V7，V8）（很差，差，较差，一般，较好，好，很好，非常好）。其中，非常好即理想状态。本报告将评语集分为8个等级，假设其均匀分布在[0，1]区间上，而根据云计算中的期望值公式和熵值公式，具体评语的期望值和熵值见表1。
步骤六，归一化后计算云重心的偏离度为：
θ331=0.3355×0.3+0.4840×0.3+0.4391×0.4=0.4215依照步E一至六，层层推进，可得一级指标u1，u2，…，u7的偏离度依次为：0.0937，0.3125，0.3187，0.2875，0.4125，0.3125，0.4375。对照表2，这七个指标偏离度对应，评语集、期望值、熵值见表3。
根据表3计算数据可以看出：项目前期投资决策评价为“非常好”，项目实施准备工作、项目建设实施过程、项目运营情况和项目影响评价的评语值为“好”，而项目效果和效益情况以及项目目标和可持续评价的评语值为“较好”，说明项目效果和效益情况以及项目目标和可持续发展方面还有待提升。
在表3的基础上，结合步骤二至六，最后可得该项目的评价偏离度为0.3817，根据偏离度对应的区间，对于所评价的后评价项目的评判结果进行分析，在八个评语区间中，该后评价项目的评语值为“好”。说明该电网工程项目立项时的各预期目标的实现程度较好，项目的执行过程规范，所发挥出来的效益和影响十分良好。
5 结论
传统的电网工程项目后评价在确定权重的时候，往往易受主观因素的影响，忽略了部分指标之间的关联性，这类权重计算方法直接影响到项目后评价结果的可信度；在综合评价大部分都是适用于项目之间的排序选优、简单系统的评价，或者需要大量数据作为基础数据才能够进行分析，在一定程度上与电网工程项目的评价目标有所偏差。
而本文基于云重心的后评价模型可以通过每个指标的偏离度辨识各项工作与理想状态之间的差距，同时能够比较各项指标的偏离度找出项目亟需改善的工作，并反馈到待建项目中，有效评价已建项目，指导待建项目，便于提高项目决策管理水平和投资效益，对电网工程项目实践具有重要意义。
参考文献
[1]Satty，T.L.Mathematical modeling of dynamic decisions，Priorities and hierarchies with time dependence，Mathematics and computers in Simulation，1997（21）：352-358.
[2]郑燕.电力投资项目后评价研究及应用[D].北京：华北电力大学，2006.
[3]Palcic I.Analytical Hierarchy Process as a tool for selecting and evaluating projects[J].International Journal of Simulation Modelling，2009，8（01）：16-26.
[4]宋连峻，徐志勇.电网项目后评价研究――基于改进模糊层次法[J].技术经济，2009，28（10）：52-54，119.
[5]王春艳.电网建设项目后评价指标体系研究[D].南宁：广西大学，2013.
[6]马丽云，施泉生.基于云重心理论的供电企业安全评级方法[J].华东电力，2011，39（08）：1370-1373.
作者简介
周明，男，湖北省荆州市人。学士学位。现为国网湖北省电力公司高级工程师。研究方向为电网投资管理。
作者单位
Abstract： The selection of local government-invested projects plays an important role in the development and social stability of regions. Appropriate evaluation methods will help to make reasonable decisions. Analytic Hierarchy Process （AHP） is a multi-objective decision-making method which combines the qualitative analysis with quantitative analysis. Especially， it can be used in situation without complete data. The paper， by using of case illustrating， describes the application processes of AHP. And provide methodological assistance for decision-makers.
关键词： 层次分析法；地方政府投资项目；决策
Key words： Analytic Hierarchy Process；local government-invested projects；decision-making
中图分类号：F224 文献标识码：A 文章编号：1006-4311（2013）32-0003-02
基金项目：本文是江苏省教育厅高校哲学社会科学基金项目《苏北地区公共服务项目风险分担机制研究》（项目编号：2012SJD630006）的阶段性成果。
作者简介：江俊龙（1976-），男，安徽肥东人，淮阴工学院经济管理学院讲师，研究方向为开发投资理论与政策。
0 引言
我国从1978年的经济改革开始，投资体制改革在不断深化。2004年，《国务院关于投资体制改革的决定》（以下简称“决定”）的颁布是一重要里程碑。《决定》中明确了企业的投资主体地位，完善了政府投资体制。界定政府投资范围并合理划分了中央政府和地方政府的投资事权。地方政府的投资主体地位得到明确和巩固。
《决定》中规定，政府投资主要用于关系国家安全和市场不能有效配置资源的经济和社会领域，包括加强公益性和公共基础设施建设，保护和改善生态环境，促进欠发达地区的经济和社会发展，推进科技进步和高新技术产业化。因此，地方政府投资项目（以下称“项目”），特别是其中的基本建设项目，一般投资额较大，在推动地区经济发展方面发挥巨大的聚集和拉动作用。
但是，相对于需求而言，资源总是稀缺的。对地方政府投资项目进行合理的评价有利于将有限资源的作用最大化。目前，评价的方法主要有经济计量模型、投入产出模型、系统动力学模型等[1]。这些方法在评价中发挥着重要的作用。遗憾的是，一方面，这些方法对数据的要求较高，当数据不完备时，作用会大打折扣。另一方面，这些方法涉及比较复杂的模型以及相应的软件，操作难度较大。然而，地方政府投资项目时常在较多方面缺乏完整数据，如居民对生活环境的评价。同时，相关软件的欠缺。这就使得以上这些方法在应用中具有其局限性，需要一些更合适的方法。层次分析法就是其中之一。
本文主要探讨如何在地方政府投资项目评价中利用层次分析法。目的是让相关决策人员掌握层次分析法的应用过程及注意事项。
1 层次分析法
层次分析法（Analytic hierarchy process，AHP法）是美国运筹学家沙旦（T.L.Saaty）于20世纪70年代提出的，是一种定性与定量分析相结合的多目标决策分析方法。特别是将决策者的经验判断给予量化，对目标（因素）结构复杂且缺乏必要的数据情况下更为实用[2]。
应用AHP法的思路是：首先根据问题的性质要求，提出一个总目标。然后将问题按层次分解，对同一层次内的各因素通过两两比较的方法确定出相对于上一层目标的各自的权系数，逐层分析直到最后一层，即可求出所有因素相对于总目标的重要性排序[3]。这些层次可以具体分为三类：目标层，只有一个元素，一般是分析问题的预定目标或理想结果；准则层，包含了为实现目标所涉及的中间环节，可以由若干个层次组成，包括所需考虑的准则和子准则；方案层，包括为实现目标可供选择的各种措施、解决方案等[4]。
应用AHP法的主要步骤：第一步，建立层次结构模型。
第二步，标度及判断矩阵。标度，为了使各因素之间进行两两比较得到量化的判断矩阵，引入1～9的标度。见表1。
第三步，权重及特征向量。权重的计算方法有多种，相对比较简单的是规范列平均法。具体步骤是：首先，求出判断矩阵每一列的总和。其次，用判断矩阵的各元素除以其相应列的总和，将所得商组成标准两两比较矩阵。然后，计算出标准两两比较矩阵每一行的平均值，这些平均值就是相应的权重。由这些平均构成的向量便称为权重向量或特征向量。
第四步，判断矩阵的一致性检验。判断矩阵是对各因素两两比较的结果，对于复杂事物来说，两两比较不可能做到判读的完全一致性，而存在估计误差，因此也就得到带有偏差的相对权重向量。误差在一定范围内是可以接受的；但当误差很大时，相对权重向量也就不具有有效性。一致性检验的目的就是判断误差的可接受程度。一致性检验采用的指标是一致性率（CR），其计算公式为：CR=CI/RI。其中CI为一致性指标，RI为修正值。一般规定当CR≤0.1时，判断矩阵的一致性可以接受，否则重新进行两两比较判断。
1）CI的计算步骤。首先，由被检验的判断矩阵乘以其特征向量，所得的向量称为权重和向量。其次，每个权重和向量的分量分别除以对应的特征向量的分量，并计算出算术平均数，记为λmax。最后，利用公式CI=（λmax-n）/（n-1）（n为维数）计算结果。
2）RI主要通过查表获得。常用的如表2所示。
第五步，方案比较。通过以上步骤，可以知道某方案在各准则中的权重向量以及各准则在目标中的权重向量。两向量相乘，即得出该方案的得分。通过各方案得分的比较，即可对方案进行排序。
2 AHP法在地方政府投资项目中的应用
2.1 案例描述 W镇是东部某省的一个相对比较偏僻的小镇。W镇以农业为主，主要农作物为水稻。境内没有大江大河或其分支，主要靠降雨。在50年代曾修建一个水库，是降雨外的主要水源。因为独特的地理环境，境内拥有两处自然风貌的旅游景点，在省内具有较高的知名度。农业收入和旅游业收入是当地居民的主要收入来源。
W镇现任领导基本上都是土生土长的本地人，镇长及书记是从基层一步一步提上来的，对乡土民情十分熟悉，经验丰富。由于资金及编制的限制，镇里近两年仅引进一名旅游管理专业的本科毕业生。目前，进入镇里审核的有三个项目，但是由于各种原因的限制，只能选择其中一个。这三个项目分别是：项目A，建一个主题公园；项目B，建一文化广场；项目C，扩建一个老的水库。镇里成立了以镇长为组长的项目评估小组。
由于镇长及小组成员的经验丰富，同时关于居民感受方面的数据不太容易获得量化数据，所以小组决定选用层次分析法进行项目评价。
2.2 层次结构模型的构建
2.2.1 目标 评估小组认为：任何活动都遵循成本收益原则。即使是政府投资项目也不例外。即，成本收益也有长期和短期之分、经济与非经济之分、可量化与不可量化之分。不同的是，因为镇政府承担着维护W镇的社会稳定、经济发展等多方面的责任，所以镇政府投资的项目应该更关注社会总成本和社会总收益。因此W镇项目评估小组将目标界定为社会净收益（即社会总收益与社会总成本配比后的结果）的最大化。
2.2.2 准则 在建立准则层的时候，评估小组认为：项目自身的财务评价虽然也很重要，但是作为政府投资的项目，其直接或间接的社会影响也很重要。为此，参考发改委与建设部的建设项目评价方法与参数、电话咨询省城知名专家并结合小组的自身知识，评估小组给出了如下4个准则：①项目的财务分析。反映项目自身的财务状况。即项目自身的财务信息。包括净现值、投资回收期、内含报酬率等。②经济总量。反映项目对W镇国民经济总量的贡献，包括增加值、净产值、纯收入、财政收入等。③经济结构。反映项目对W镇经济结构的影响，主要包括三次产业结构、就业结构等。④社会与环境。反映项目对W镇社会与环境的影响，主要包括社会阶层、居住环境等。
2.3 方案的比较及选择
①判断矩阵。通过向专家咨询，结合项目评估小组自身的判断。给出了方案层的4个判断矩阵和准则层的1个判断矩阵。
②权重及特征向量求解。项目在财务分析、经济总量、经济结构、社会与环境、目标的特征向量分别为（0.593，0.341，0.066）T、（0.623，0.137，0.240）T、（0.378，0.157，
0.467）T、（0.123，0.320，0.557）T和（0.126，0.384，0.3，0.191）T。并通过一致性检验。
③计算各项目的得分。项目A=0.593*0.126+0.623*0.384+0.378*0.3+0.123*0.191=0.451；项目B=0.341*0.126+0.137*0.384+0.157*0.3+0.320*0.191=0.204；项目C=0.066*0.126+0.240*0.384+0.467*0.3+0.557*0.191=0.347。项目A的得分最高，所以评估小组决定选择项目A。
3 地方政府投资项目中应用AHP法的注意事项
AHP法可以充分利用经验优势，但是在应用AHP法时，有两个关键环节需要注意。一是准则的确立。因为准则的优劣直接决定了后面的结果，所选的准则应有理论基础和地方实际背景的支撑，不可随意选择。二是判断矩阵的构建。在进行两两比较时，要确保判断的独立性和客观性。不可因为利益的诱惑或非正常的压力做出虚假的判断。
参考文献：
[1]国家发展改革委，建设部.建设项目经济评价方法与参数[M].北京：中国计划出版社，2006.
[2]《运筹学》教材编写组.运筹学[M].北京：清华大学出版社，2005.
关键词：群体决策；DS证据理论；专家权重；认识结构；合理性分歧
中图分类号：C934 文献标识码：A 文章编号：1001-8409（2012）05-0132-04
The Wholeprocess Multilevel Model of Group Decision Making Based On DS Theory
CHEN Xingguang1, DA Jiamin2
（1. School of Management and Engineering, Nanjing University, Nanjing 210093; 2. School of Mechanical Engineering, Shanghai Jiaotong University, Shanghai 200240）
Abstract: In this paper, a way to express expert’s preference and aggregate their preference are proposed properly and a wholeprocess multilevel model of group decision making is developed based on the DS theory. This paper provides a new view and way for group decision making in uncertain environment, and it also has valuable inspiration and reference for solving complicated decision making problems on practical world.Key words: group decision; DS theory; expert weights; structure of knowledge; reasonable disagreement
1 引言
对群体决策的研究最早始于200年前两位法国数学家Borda和Condorect对于方案排序的探讨，Borda在1781年提出了群体对方案排序的Borda规则，1785年Condorcet提出了Condorcet规则并发现了投票悖论［1］。此后，许多学者从各个方面对群体决策进行了研究。1967 年 Dempster提出证据理论后，由于它在处理不确定性问题时有独到的优势，所以越来越被广泛运用于群决策的研究［2］。2002年Malcolm Beynon［3］提出了一种DS/AHP方法从而将证据理论引向了复杂的多属性群决策领域。近年来证据理论在群决策领域的应用逐渐从理论走向实践，如将DS/AHP用于供应商的选择［4］和证券投资决策［5］等。但实践发现将这些理论和方法应用于一些复杂的群决策领域如大型工程的决策，它们所取得的效果却不理想。这是因为先前的群决策理论研究主要聚焦于群体决策的核心部分（偏好集结），而非从全过程的角度整体看待群决策问题。所谓全过程群决策就是从群体决策的全过程出发，基于每个决策者的知识背景和认识结构来确定偏好的输入、修正、集结和合成，进而给出一个合理的决策流程而非单独的一个集结函数。
2 全过程多级群决策模型
2.1 全过程多级群决策模型框架
目前群体决策已成为包括数学、政治学、经济学、社会心理学、行为科学、决策科学、计算机科学等多门学科研究的共同焦点，而人们对群体决策的认识和理解还未形成共识。国外学者Hwang 等人［6］给出了一个技术性较强的定义：群体决策是把不同成员的偏好按照某种规则集结、并和、归纳成群体的一个唯一偏好序。根据这个定义本文将群体决策抽象为图1的四个过程。
2.2 基于证据理论的偏好表达过程
遇到复杂的群决策时，影响决策的因素有很多，例如在一个工程决策里，影响方案选择的因素有工程成本、工程收益、政策效应、法律、技术可行性、施工时间等因素，为了决策的科学性，我们需要咨询很多专家，这时候就会遇到“专家知识局限”［7］的问题。因为每个专家都有他自己的知识背景，他不可能对所有因素都非常熟悉，比如经济方面的专家他对成本和收益很了解，但对工程技术、法律等并不十分清楚。因而他在选择方案的时候要么对这些因素没有考虑，要么就是考虑不足。这时候我们就有理由怀疑他给出的偏好的正确性。
由于“专家知识局限”存在，实际决策过程中，专家只需要基于自己熟悉的因素进行方案选择或偏好表达，对于不了解的因素则无需考虑。Malcolm Beynon 的DS/AHP方法给出了一种基于单个属性的偏好表达方法，这种方法的前提是要确定因素的权重，而因素权重一般是由专家给出，在现实中每个专家的权威性不同，所以客观地讲每个专家应该具有不同的权重。考虑到复杂群决策的决策效率要求，决策的时候需要一种简单且有效地确定权重的方法。另外，现实中往往不可能对所有专家都有非常准确的了解，特别是在专家人数非常多时，很难准确地判断每一位专家的重要性。所以，合理的权重计算方法要能够考虑这种信息不完全的状况。本文用一种对专家进行分类的方法来确定专家权重［8］，这种方法主要有两个过程：
（1）对专家进行分类：通过计算专家之间的意见距离，将距离最小的专家合并为一类，依次迭代，将专家分成n 类。
（2）计算专家权重：同一类中的专家权重相同，不同类之间的权重正比于类内的专家人数。
得到专家的权重后，接下来就是确定因素权重。这里将每个专家给出的因素权重加权平均即：设专家权重＝（P1，P2，…，Pz），因素i的权重wi＝∑zr＝1wri×Pr，这样就能得到所有因素的权重。基于单个因素的专家偏好表达过程有以下四个步骤：
步骤1：确定决策对应的合适程度的数值：（极端合适，强烈到极端，强烈合适，强烈到一般，一般合适）=(6, 5, 4, 3, 2, 1)；
步骤2：专家基于自己熟悉的每个因素给出每个因素下的所有可能方案的集合；
例如专家i 基于自己熟悉的两个因素（投资成本、工程收益）进行的方案选择：
步骤3：对方案选择进行合适度评价得出专家的知识矩阵；
步骤4：计算知识矩阵最大特征值和对应的特征向量，并将特征向量正规化；把正规化后的特征向量作为每个因素下各个决策选择集合基本概率分配(BPA)即mass函数值。
2.3 基于证据理论的偏好集结过程
为了得到一致的群体偏好，需要将这些专家偏好用集结函数来处理。以前用证据理论定量研究群体决策的学者倾向于借用证据理论中的Dempster合成法则来合成这些偏好。Dempster合成法则要求所合成的意见具有相同的权重，但在现实中每个人都有自己的认识结构，专家也不例外。例如专家i 对因素工程收益和投资成本都了解，但该专家对因素工程收益的了解比投资成本更深入，所以他基于这两个因素的意见应该具有不同可信度。
另外，在方案选择时往往会遇到这种情况，由于因素自身间的矛盾导致基于这两个因素的偏好存在合理性冲突，例如因素工程成本和因素工程完工时间成反比关系，所以基于这两个因素的合理的方案选择必然有分歧。而Dempster合成法则是不能合成带分歧的意见。所以单纯用Dempster合成法则是无法得到一个合理而科学的群体偏好。因此本文采用一种多级合成的方法，并同时采用改进的Dempster 合成法则来处理这些分歧和矛盾。
第一步，在这个合成过程中首先要确定每个专家的认识结构。
这里本文将专家对因素的把握度即专家的认识结构分为（十分熟悉，熟悉，了解，不了解）四个层次，并将其量化为（十分熟悉，熟悉，了解，不了解）=(1，0.6，0.2，0)，例如某个工程决策中的专家i的认识结构如表1。
第二步，对每个因素下的所有专家意见进行一致性检验并调整，对调整后的意见用Dempster合成法则进行合成，从而得到每个因素下的专家偏好分布。这里用证据间的相似度来度量证据间的一致性，通过将它与限值σ比较来确定是否有分歧［9］。
相似度定义为：
L（mi,mj）＝1-dBPA（mi,mj）(1)
dBPA（mi,mj）表示两个意见mi和mj之间的距离：
dBPA（mip,mjp）＝np＝1（mip×mjp）np＝1m2ip×np＝1m2ip (2)
将焦元投影至各坐标轴加和，归一化后得到近似的概率分配函数，用向量形式来表示各决策专家的mass函数，如第i个专家的mass函数为massi（mil,L,min）。将计算结果构成一致性矩阵，并将矩阵中的每个值与限值σ来比较确定意见是否有分歧：如果相似度>σ则表示两个专家之间意见相近，反之则表示这两个专家根据这个因素进行的方案选择有分歧。
在同一因素下不存在合理性冲突问题，所以对有分歧的专家意见在合成之前需要进行调整，这里采用向权威专家看齐的原则［10］对意见进行调整。
在某一因素下设专家1的意见权重为α，同时专家2的意见权重为β。专家1和专家2的mass函数分布如表2。
一致性检验有两种情况：一种是两者意见基本一致，第二种是他们之间意见有分歧，意见需要调整。对于第一种情况，直接用Dempster［11］合成法则进行合成。如果经过一致性检验发现两者意见有分歧，为了使Dempster法则有效，需要对意见进行调整。我们知道两者的权重不同，所以两者的可信度也就不同。为此采取保留权重较高也就是可信度较高的专家意见，修改权重较低的意见的方法。这里结合意见的权重信息采用加权平均的方法修改专家意见：设α
第三步，用改进的Dempster合成法则合成第二步计算所得的因素下的偏好分布，从而得到群体偏好分布。
一些因素之间的矛盾可能导致这些因素下偏好分布存在合理性冲突，因此在合成的时候尽可能保留这些合理的分歧，而非通过一致性检验把这些分歧消除。所以需要一种改进的Dempster 合成法则来合成所有因素下的偏好分布。
设massi表示第二步计算所得的因素i 的偏好分布，Q为一包含N 个两两不同命题的完备的辨识框架, 2是 所有子集生成的空间, m1和m2是在识别框上的两个基本可信度分配。
步骤1：计算各个意见之间的距离：
步骤3：将意见的相似性测度转换为意见的支持度：
S（mi）＝∑nj＝1i1 jL（mi,mj），它反映的是某条意见被其他意见支持的程度。显然, 支持该意见的程度越高,该意见就越可信。
步骤4：合成所有专家意见得到群体偏好分布。
在群决策专家意见集结时,相对信任度大的意见对集结结果的影响应该较大。因此应该分配给相对信任度较大的意见对集结结果较大影响的机会。同时,既然对分歧意见无法作出合理的抉择，就应将其部分信任度归入未知邻域X。由此,改进的证据组合公式应为:
m（A）＝∑Ai∩Bj＝Am1（Ai）m2（Bj）＋k∑ni＝1P（mi）mi（A）,A≠,X (5)
[这里，m（X）＝1－∑ni＝1m（Ai）,P（mi）＝S（mi）∑ni＝1S（mk）,k＝∑Ai∩Bj＝m1（Ai）m2（Bj）
这种算法使得合成后的意见更具可信性，但同时增加了计算量，在因素比较多时会比较繁琐，为了简化运算，在合成时，首先对因素间的mass函数进行相似度计算，得到相似度矩阵，再将矩阵中的各个元素与设定的限值σ相比较，对于有分歧的两种因素之间用带分歧的Mass函数合成法则，对于相似度较高的因素之间用一般的Dempster合成法则进行合成。
2.4 偏好的输出过程
经过上面的计算得到各个方案的信度值，根据信度值对方案进行排序，在方案选择时原则上选取信度值最高的方案作为最优方案，但有时候会出现这样一种异常情况，如方案i的信度值和方案j的信度值位居前列分别为：0.343，0.341。虽然方案i 的信度值较高但与方案j 的信度值差异较小，如果这样就断定方案i 为最优方案，未免有些武断，因为任何一个算法和模型都不可能是完美的。为了避免与最优方案擦肩而过，本文建议采用多准则的判别原则［12］来处理这种情况，即对这两个方案采用另外一个原则进行判优。例如，用两者的似真函数值PL（表示命题的最大可信度）进行比较，较高者优。
2.5 决策流程和决策模型
根据分析得到如下决策流程：
步骤 1：专家集体确定影响决策的因素U(U1,U2…Un)；
步骤 2：专家给出自己心目中每个因素的权重（wij）；
步骤 3：通过本文计算权重的方法计算专家权重和因素权重；
步骤4：确定专家对各个因素的熟悉度或者说是把握度。本文将专家对因素的熟悉度分为十分熟悉，熟悉，了解, 不了解四个等级，同时采用一种非常简单的量化思想对四个等级进行量化(1，0.6，0.2，0)；
步骤5： 每个专家基于自己了解的因素给出方案偏好（不了解的因素不用给出偏好）。
步骤6： 对每个因素下的各个专家偏好进行一致性检验。并用向权威专家看齐的原则对有冲突的意见进行调整。
步骤7：用Dempster合成法则合成因素下的专家偏好，接着用改进的Mass函数集结方法合成因素间的偏好得到方案群体偏好。
步骤8：根据信度值选取最优方案（信度值越大越优）。如有异常启用多准则方法进一步选优。
本文提出的全过程多级群决策模型流程如图2所示。
3 小结
本文分析了目前的群体决策定量研究成果，发现它们在解决复杂决策案例时，由于专家的知识局限和认识结构造成了偏好输入的偏差。为了使决策结果更具科学性，基于证据理论提出了一种专家偏好表达和群体偏好的多级集结方法。在这种方式下，专家只需要基于自己了解的因素进行方案选择，无需考虑其他因素，本文还从全过程的角度给出了一个多级群决策的流程和模型，在这种决策规则下处理复杂的群体决策会更有效。
但是这种方法也遇到了许多决策定量研究都会遇到的问题，就是如何将专家的模糊表达量化，例如本文中将专家对因素的熟悉度（十分熟悉，熟悉，了解，不了解）量化为（1，0.6，0.2，0）。为了更好地表达这些模糊语言，可以考虑采用区间量化的形式。区间量化是模糊理论的应用，因此将证据理论与模糊数理论相结合运用于本文的决策模型是下一步的研究方向。
参考文献：
［1］魏存平, 邱菀华. 群体决策基本理论评述［J］.北京航空航天大学学报,2000,13(2):24-28.
［2］吕文红, 吴祈宗. 证据理论在群决策中的应用［J］.统计与决策, 2005,7:47-49.
［3］Beynon M. DS/AHP Method: A Mathematical Analysis, including an Understanding of Uncertainty ［J］. European Journal of Operational Research, 2002, 140(1):148-164.
［4］梁昌勇, 陈增明, 丁勇. 基于DS/AHP的供应商选择方法［J］.运筹与管理，2005,14(6): 33-38.
［5］易昆南, 晏玉梅, 徐艳卫. 证据理论在证券投资组合中的应用［J］.湖南工业大学学报，2009，23(4): 85-87.
［6］Huang CL, Lin ML. Group Decision Making Under Multiple Criteria［M］. Spring-Verlag. 1987.
［7］杨萍，刘卫东.基于证据理论的群决策层次评价方法研究［J］.系统工程与电子技术,2002,24(2):42-44,92.
［8］王志国，童玉娟. 一种不完全信息下群体决策专家权重确定方法［J］.平顶山学院报,2007,22(2):69-70.
［9］吕文红，吴祈宗，郭银景.基于D-S证据理论的群决策专家意见集结方法［J］.运筹与管理,2005,14(2): 10-13.
［10］华中生.专家群体决策不一致性判定与调整方法［J］.系统工程学报,1994,9(1):118-123.
综合评价
招商行业领先基金是一只主动管理的股票型基金。投资限于具有良好流动性的金融工具，包括股票、债券、货币市场工具、权证、资产支持证券及法律法规或中国证监会允许基金投资的其他金融工具。股票主要投资于景气回升或受益于国家政策导向而成长前景良好的相关行业的资产比例不低于基金股票资产的80％。
博时信用债券
综合评价
博时信用债券A/B基金是博时旗下第12只开放式基金，属于二级债基。信用产品的投资比例占到整体债券投资比例的80％。适当情况下可参与一级市场新股申购以及二级市场的股票投资，立足于在保证债券市场收益的基础上强化组合回报。博时信用债券投资对象灵活，在一定程度上满足了稳健型投资者组合中低风险资产的配置。
富国优化强债
综合评价
富国优化强债是富国基金旗下第三只债券型基金，该基金为可投资二级市场股票的偏债型基金，其中不低于80％的基金资产投资于债券类及其他同定收益类金融工具，不高于20％的基金资产进行新股申购和股票市场投资，还可以在规定范围内投资于新股申购或增发新股。二级市场股票和权证等。富国基金为《中国证券报》2008年度金牛奖基金公司，拥有一支明星固定收益投资管理团队。
2009年以来，富同基金旗下两只债券型基金富国天利增长债券和富国天十强化收益按照复权单位净值增长率统计，分别实现收益3.72％和3.40％大幅高出同类0.91％的平均水平，业绩表现抢眼。
申万巴黎消费增长
综合评价
申万岜黎消费增长是一只股票型基金，其股票资产的配置比例为60％～95％。重点投资于拉动经济增长过程中充分受益的消费范畴行业，投资于具有良好财务状况、较高核心价值与估值优势的优质上市公司。
中海量化策略
综合评价
中海量化股票资产的比例为基金资产的60％～95％，是一只股票型基金。该基金采用数量化分析方法对股票进行分析和筛选，基于数量模型来配置行业权重。量化投资的优势在于，其决策主要依据数据和模型做出，可以减少投资过程的非理性因素，而且强大的信息处理能力能捕捉更多的投资机会，然而任何模型都不能完全模拟市场，全程量化选股替代人为主观判断，这对模型的有效性有较高的要求，且会使操作过于僵硬。
该基金在具体操作过程中需要管理者在模型判断和主观判断间寻求一个平衡点，这也是其取得较好业绩较为关键的一点，而另一个关键点便是模型设计的合理性。
广发聚瑞
综合评价
广发聚瑞基金是一只股票型基金，股票资产占基金资产的60％～95％。该基金通过自上而下的“主题投资分析框架”，通过主题挖掘、主题配置和主题投资三个步骤，挖掘受益于中国经济发展趋势和投资主题的公司股票，通过定量和定性相结合，筛选出主题特征明显、成长性好的优质股票构建投资组合。
纯粹的主题投资和传统的价值投资相比，具有更大的灵活度，可操作性也比较强，但也蕴含着更太的风险，而该基金将挖掘主题机会和考察个股特性相结合，体现了灵活而稳健的特征。
汇丰晋信大盘
综合评价
汇丰晋信大盘是一只股票型基金，股票投资比例为85％～95％。属于高风险基金，是较为典型的牛市品种。在投资目标上，该基金将不低于80％的股票资产投资于国内A股市场上具有盈利持续稳定增长、价值低估、且在各行业中具有领先地位的大盘蓝筹股票。汇丰晋信基金公司成立于2005年，目前管理着65亿元资产，旗下有5只基金，包括股票型、混合型和债券型，产品线有待进一步完善。
上投摩根纯债
综合评价
关键词：风险矩阵 风险投资 风险评估
一、构建用于风险投资项目风险评估的风险矩阵
（一）风险集的选定
风险集的确定可根据我国风险投资项目的具体特征、所涉及的领域和所处的阶段，将具体的风险投资项目风险分为7大模块， 即环境风险、管理风险、市场风险、技术风险、生产风险、财务风险和退出风险。[1]
（二）风险投资项目风险等级的确定
由于风险投资项目很难收集到数据，采用专家调查法进行风险影响的评定。综合风险分值在4分以上为高风险，2―4为中等风险，2分以下为低风险。[2]
假设某项风险投资项目的风险影响和风险概率所得的专家评估数据对相应风险因素求平均值，得到结果为：风险影响量化值分别为（4.5，3.5，5，5，4.5，4，3），风险发生概率分别为（10%，70%，60%，90%，90%，60%，10%），则对照风险级别对照表，可由原始风险矩阵方法可判断出各风险模块的风险等级，将取得的数据填入表1中。
表1 风险投资项目风险评估的风险矩阵举例
风险类别 风险影响Ri 风险发生概率 风险等级 Borda序值 风险权重Wi
量化值R 等级
环境风险 4.5 关键 10% 中 3 0.060564
管理风险 3.5 中度 70% 低 3 0.028494
市场风险 5 关键 60% 高 2 0.298638
技术风险 5 严重 90% 中 0 0.298638
生产风险 4.5 严重 90% 中 1 0.137602
财务风险 4 严重 60% 中 3 0.137602
退出风险 3 中度 10% 中 6 0.038463
（三）风险权重的确定
先应用Borda 序值法对风险模块进行重要性排序。以环境风险为例，根据风险影响准则，比环境风险影响程度高的因素个数为2 ，即RR11=2；根据风险概率准则，比环境风险发生概率大的因素个数为5，即RR12=5；代入上述公式可得，环境风险的Borda 数为7。同理可得其他风险类别的Borda数分别为：7，11，14，12，7，3。根据Borda数确定其Borda序值分别为：3，3，2，0，1，3，6。由上述方法所得的Borda序值可知：该风险投资项目的七个风险中，技术风险最为关键，其次是生产风险和市场风险，然后依次为财务风险、环境风险和管理风险，最后是退出风险。
根据上一步骤排出的Borda序值，邀请专家组对风险投资项目的7个风险因素按重要性程度进行两两比较打分，构造判断矩阵，并求出判断矩阵的特征向量，即为各风险因素的权重向量。
表2 应用excel表格进行的层次单排序计算
按行相乘 开n次方 权重Wi Awi Awi / Wi CI=（λmax-n）/（n-1） CR=CI/RI
0.0001 0.250403683 0.03176822 0.25919 8.1587243 0.10227 0.07576
0.0001 0.250403683 0.03176822 0.19439 6.1190432 0.10227 0.07576
1440.0000 2.826146311 0.35854763 2.53238 7.0628934 0.10227 0.07576
810.0000 2.603142003 0.33025551 2.30622 6.9831517 0.10227 0.07576
8.3333 1.353772028 0.1717504 1.72109 10.020874 0.10227 0.07576
0.0001 0.250403683 0.03176822 0.25919 8.1587243 0.10227 0.07576
0.0006 0.347934789 0.0441418 0.29982 6.7921281 0.10227 0.07576
7.88220618 7.6136484 查表，得RI=1.35
本文按层次分析法中的方根法计算各风险模块的权重，由CR=0.07576
（四）确定风险投资项目的总体风险等级
专家评定的风险影响量化值为（4.5，3.5，5，5，4.5，4，3），结合各风险因素的权重，对风险因素的等级进行加权：
Z= R*RWT= （4.5，3.5，5，5，4.5，4，3） （0.0317 0.0317 0.3584 0.3302 0.1717 0.0317 0.0441） T =4.72835>4
可判断该风险投资项目的综合风险等级为高风险。其中市场风险、技术风险风险影响量化值最高，应采取充分措施防范可能带来的损失。
二、结论
本文基于风险矩阵方法对风险投资项目的风险进行评估，利用风险矩阵方法中的Borda序值法，对风险因素的重要性进行顺序，构造判断矩阵，从而确定各风险因素的权重，最后结合风险的等级量化值和风险因素的权重确定风险投资项目的综合风险等级。基于风险矩阵法数据需求量相对较小，流程简洁，系统性强等优点，使其对风险投资项目的评估更具科学性和可操作性，因此有较比较大的参考价值。
参考文献：
关键词：房地产信托；层次分析法；模糊综合评价法
房地产信托项目风险受多方面因素综合影响很难将定性的指标定量化，导致评价标准和因素影响程度存在一定模糊性和不确定性。运用层次分析法与模糊综合评价法，可以做到定性和定量因素相结合，使评估结果更加科学合理。
一、房地产信托风险水平评价基本原理
层次分析法，简称AHP法，是美国匹兹堡大学的教授、著名运筹学家T.L.Seaty于20世纪的70年代中期提出的一种系统分析方法。是将与决策是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。此方法不但弥补了专家打分法太过笼统的缺陷，还可以以专家打分为基础定量分析得出相应的权重向量。模糊综合评价法是根据模糊数学的隶属度理论，把定性评价转化为定量评价，对受到多种因素制约的对象做出一个总体的评价。它具有结果清晰、系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。
二、房地产信托风险水平评价基本步骤
（一）建立层次结构模型
结合实际问题深入分析研究后，将各个因素按不同属性由上往下分层。通常分为三个层次，最上面一层为目标层，通常只有1个因素；中间层通常为准则或指标层，可以有一层或几层。当准则层风险因素过多时需要进一步分解出子准则层，最下一层通常为方案或对象层。同一层的各个因素从属于上一层的因素或对上层因素有影响，同时又支配下一层的因素或受到下层因素的作用。
在分析房地产投资风险影响因素的基础上，根据指标体系构建的原则，构建房地产投资风险的评价指标层次体系，包括：目标层、准则层和指标层。结合众多学者在房地产投资风险评价指标体系方面的研究，以房地产投资风险影响因素为主要依据，建立房地产信托风险层次结构模型，如图1所示。
（二）构造成对比较阵
从层次结构模型的第2层开始，对于同一层的各个因素，用成对比较法和1-9比较尺度构造成对比较矩阵。两两因素相比较，产生量化数值。比较情况如表1所示。
（三）计算权向量并做一致性检验
对于每一个成对比较阵，运用几何平均法计算最大特征根及对应特征向量。首先将成对比较阵同一行的各个数值相乘，然后将其开n次方，n为矩阵的阶数。然后求和所得向量，进行归一化处理的权向量.利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过，特征向量（归一化后）即为权向量；若不通过，需重新构建成对比较阵。
参考文献
