论文部分内容阅读
[摘要]风险投资中止决策是影响风险投资收益的非常重要的因素，中止投资能力是影响公司长期绩效的一个重要指标，影响中止决策的因素s有很多，并且用来估计这些因素的方法也有很多，研究这些因素以及各种估计方法有利于我们提高企业中止风险投资项目的能力
[关键词]中止决策 影响因素模型
[中图分类号]F224 [文章标识码]A [文章编号]1009-9446（2013）1-2-0003-02
1 中止决策的重要性
近十年来，国内相关学者对风险投资项目的中止决策做了些研究。风险投资的项目中止决策，即当一个风险投资项目进行到一定阶段已经确认为失败，或者有足够的理由可判断该项目无法继续进行，或者已证明该项目即使在将来得以完成也严重缺乏经济或市场价值，应当做出中止该项目的决策。而当一个项目进行到一定阶段，其进展情况，未来前景与原先的计划存在一定差距，但又尚存成功与获利希望，此时进行项目中止决策便存在一定的复杂性和困难性。在风险投资实践中，许多无望或希望很小的项目，由于决策者迟迟下不了中止该项目的决心，结果导致更大的损失，因此，对于风险投资项目的中止决策，既要仔细权衡，又要当机立断。中止决策包括延期、压缩项目规模、转移、放弃等形式。
从长期来说，中止决策能力是影响风险投资收益的一个重要因素，尤其是对投资于那些很可能失败的项目，果断、干脆的中止投资，是风险投资公司止亏的必须具备的能力
2 影响中止决策的影响因素以及常用研究模型
从长期来看，中止决策能力是影响风险投资收益的一个重要因素，尤其对投资于那些很可能失败的项目，果断、干脆地中止投资，是风险投资公司止亏的必须具备的能力。
前期的研究者很多采用国外的布艾尔（bull）模型或者是赛瑞恩（saren）的活动门模型以及决策门模型。到后来的模糊层次分析法，聚类判别分析法，神经网络和遗传算法，小波神经网络模型，以及贝叶斯模型（即信号学习过程）
影响中止决策的因素有很多，概括起来有：项目本身的特点；个人的决策偏见；公司制度结构，具体的影响因素有：实现技术目标或形成商品的可能性大小、存在不能解决的技术或生产问题、其他项目对人力资源的需求更有优先权、投资利润率或收益低、作为单一产品开发费用低、市场前景差、影响竞争力或市场需求、形成商品的周期过长、对其他项目或商品有负面影响、涉及专利问题等等。这些影响因素都是布艾尔（bull）在早期有关中止研发项目的文章中提出来的，布艾尔反对将中止的所有原因都包括在数学公式中，而是采取回答一系列问题的方法来指导决策。并且不同阶段影响中止决策的因素不尽相同
判别分析方法是多远统计中的一种很常用的分析方法，首先设某阶段的12个中止决策的评判指标：市场前景X1；市场开拓前期投入强度X2；已出现相似产品（技术）数X3；与产业政策的吻合度X4；权威部门或人士的支持X5；实际投资超预算的程度X6；本单位财务能力X7；技术路线优势X8；技术难度系数X9；技术协作攻关能力XIO；可利用现有研究成果X11；项目进展情况总评X12。然后再将项目分为成功类、待定类、失败类。在已知结果的项目样品中，去判断未知的项目样品归为三类中的哪类。
模糊层次分析法是把一个复杂问题中的各个指标通过划分相互之间的关系使其分解为若干个有序递阶层次，是决策问题通过简单的两两比较形式导出。这种方法只要是利用模糊数学上的有关模糊矩阵的知识。主要有三种假设：根据某位专家对各个元素之间相对重要性的评分作为模糊矩阵某行或某列的元素，根据模糊一致矩阵的性质来判断原判断矩阵是否具有一致性；然后，分别按每行来构造模糊一致矩阵；最后，选取一个与原判断矩阵最贴近的模糊一致矩阵判断矩阵中的某一行能综合反映其中的一个元素相对于元素总体的重要性。判断矩阵中所有的行（列）共同反映专家对元素间相对重要性的判断，即使有些数值偏离了一致性要求，那也是数值之间相互修正的合理结果
神经网络中应用最广泛的是多层前向神经网络，它是一种非线性映射人工神经网络。BP算法即误差反向传播（errorback propagation）算法是为了解决多层前向传播神经网络的权系数优化而提出来的。该神经网络含有输入层、隐含层和输出层。输出层到隐含层有一个非线性映射，隐含层到输出层有一个非线性映射，再利用期望输出与实际输出的结果不一致，从而导致误差，再按照误差来修改输出层和隐含层的权重和阈值，如此不断重复迭代，得到成熟的神经网络，再用来对需要进行评价的预研项目进行状态识别。
贝叶斯方法，主要是利用贝叶斯公式的先验概率和后验概率之间的关系。因为风险投资过程是分多阶段投资，因此假设在某一阶段可能会观测到好信号和坏信号，假设好信号的与坏信号的概率之和为1，根据先验概率可以得到后验概率，根据投资水平估计预期收益。再将各阶段的预期收益求和，在求和的最大值以上几种方法是近几年来用于风险投资项目的中止决策最常用的，就从聚类分析方法来说，虽然有人用的是不同的变量，但归根结底，那些调整过后的变量因子基本上都是布艾尔提出的因子的变形，采用多元统计上的因子分析方法，也就是因子变量旋转过后得到的。因此，个人觉得虽然后面的有人用判别聚类分析、模糊层次分析还不如先用因子分析，利用因子旋转过后得到的新变量，在进行判别聚类。
[关键词]中止决策 影响因素模型
[中图分类号]F224 [文章标识码]A [文章编号]1009-9446（2013）1-2-0003-02
1 中止决策的重要性
近十年来，国内相关学者对风险投资项目的中止决策做了些研究。风险投资的项目中止决策，即当一个风险投资项目进行到一定阶段已经确认为失败，或者有足够的理由可判断该项目无法继续进行，或者已证明该项目即使在将来得以完成也严重缺乏经济或市场价值，应当做出中止该项目的决策。而当一个项目进行到一定阶段，其进展情况，未来前景与原先的计划存在一定差距，但又尚存成功与获利希望，此时进行项目中止决策便存在一定的复杂性和困难性。在风险投资实践中，许多无望或希望很小的项目，由于决策者迟迟下不了中止该项目的决心，结果导致更大的损失，因此，对于风险投资项目的中止决策，既要仔细权衡，又要当机立断。中止决策包括延期、压缩项目规模、转移、放弃等形式。
从长期来说，中止决策能力是影响风险投资收益的一个重要因素，尤其是对投资于那些很可能失败的项目，果断、干脆的中止投资，是风险投资公司止亏的必须具备的能力
2 影响中止决策的影响因素以及常用研究模型
从长期来看，中止决策能力是影响风险投资收益的一个重要因素，尤其对投资于那些很可能失败的项目，果断、干脆地中止投资，是风险投资公司止亏的必须具备的能力。
前期的研究者很多采用国外的布艾尔（bull）模型或者是赛瑞恩（saren）的活动门模型以及决策门模型。到后来的模糊层次分析法，聚类判别分析法，神经网络和遗传算法，小波神经网络模型，以及贝叶斯模型（即信号学习过程）
影响中止决策的因素有很多，概括起来有：项目本身的特点；个人的决策偏见；公司制度结构，具体的影响因素有：实现技术目标或形成商品的可能性大小、存在不能解决的技术或生产问题、其他项目对人力资源的需求更有优先权、投资利润率或收益低、作为单一产品开发费用低、市场前景差、影响竞争力或市场需求、形成商品的周期过长、对其他项目或商品有负面影响、涉及专利问题等等。这些影响因素都是布艾尔（bull）在早期有关中止研发项目的文章中提出来的，布艾尔反对将中止的所有原因都包括在数学公式中，而是采取回答一系列问题的方法来指导决策。并且不同阶段影响中止决策的因素不尽相同
判别分析方法是多远统计中的一种很常用的分析方法，首先设某阶段的12个中止决策的评判指标：市场前景X1；市场开拓前期投入强度X2；已出现相似产品（技术）数X3；与产业政策的吻合度X4；权威部门或人士的支持X5；实际投资超预算的程度X6；本单位财务能力X7；技术路线优势X8；技术难度系数X9；技术协作攻关能力XIO；可利用现有研究成果X11；项目进展情况总评X12。然后再将项目分为成功类、待定类、失败类。在已知结果的项目样品中，去判断未知的项目样品归为三类中的哪类。
模糊层次分析法是把一个复杂问题中的各个指标通过划分相互之间的关系使其分解为若干个有序递阶层次，是决策问题通过简单的两两比较形式导出。这种方法只要是利用模糊数学上的有关模糊矩阵的知识。主要有三种假设：根据某位专家对各个元素之间相对重要性的评分作为模糊矩阵某行或某列的元素，根据模糊一致矩阵的性质来判断原判断矩阵是否具有一致性；然后，分别按每行来构造模糊一致矩阵；最后，选取一个与原判断矩阵最贴近的模糊一致矩阵判断矩阵中的某一行能综合反映其中的一个元素相对于元素总体的重要性。判断矩阵中所有的行（列）共同反映专家对元素间相对重要性的判断，即使有些数值偏离了一致性要求，那也是数值之间相互修正的合理结果
神经网络中应用最广泛的是多层前向神经网络，它是一种非线性映射人工神经网络。BP算法即误差反向传播（errorback propagation）算法是为了解决多层前向传播神经网络的权系数优化而提出来的。该神经网络含有输入层、隐含层和输出层。输出层到隐含层有一个非线性映射，隐含层到输出层有一个非线性映射，再利用期望输出与实际输出的结果不一致，从而导致误差，再按照误差来修改输出层和隐含层的权重和阈值，如此不断重复迭代，得到成熟的神经网络，再用来对需要进行评价的预研项目进行状态识别。
贝叶斯方法，主要是利用贝叶斯公式的先验概率和后验概率之间的关系。因为风险投资过程是分多阶段投资，因此假设在某一阶段可能会观测到好信号和坏信号，假设好信号的与坏信号的概率之和为1，根据先验概率可以得到后验概率，根据投资水平估计预期收益。再将各阶段的预期收益求和，在求和的最大值以上几种方法是近几年来用于风险投资项目的中止决策最常用的，就从聚类分析方法来说，虽然有人用的是不同的变量，但归根结底，那些调整过后的变量因子基本上都是布艾尔提出的因子的变形，采用多元统计上的因子分析方法，也就是因子变量旋转过后得到的。因此，个人觉得虽然后面的有人用判别聚类分析、模糊层次分析还不如先用因子分析，利用因子旋转过后得到的新变量，在进行判别聚类。