投资环境评价模型分析及优化

在我们已经出版的全国普通高等教育“十一五”国家级规划教材——《国际投资学》中，详细介绍了当前跨国投资环境评价通常采用的罗氏登记评分法、闵氏评估法、F-M矩阵评估模型、三菱环境评估法，以及道氏公司动态分析法等。这里，主要采用一种新的方法来研究投资环境评估模型——类神经网络分析法。

1.类神经网络方法

类神经网络是对生理学上的真实人脑神经网络的结构、功能，以及若干基本特征在一定理论基础上的抽象、简化和模拟而完成的一种信息处理系统。它具有以下四种功能。

（1）联想记忆功能。在网络中，知识的获取采用“联想”的方式获得最优匹配解，信息的输出能经过对记忆的处理获得正确的完整信息，网络的这种联想记忆功能，自然呈现了较强的容错性。

（2）自学习功能。类神经网络是一个开放的系统，通过结构的变换调整，完成对环境的适应和对外界事物的学习。神经元之间的连接具有较强的弹性，网络可以通过学习和训练进行自我组织以适应不同信息处理的要求，表现出较强的适应性。

（3）非线性动态处理功能。类神经网络适宜处理环境十分复杂、知识背景不清楚、推理规划不明确，甚至是数学模型都难以描述的问题。例如，信息源数据含糊不清，有的甚至相互矛盾，而判断决策又无规则可循，通过类神经网络按照规则学习，从典型事例中学会处理具体事例给出比较满意的解答。

（4）并行处理功能。类神经网络在结构上是并行的，信息处理是在大量单元中平行又有层次地进行，运算速度快，效率高。

2.类神经网络海外投资环境评估

（1）类神经网络基本原理。类神经网络模型是由大量简单处理单元（一般称为神经元或节点）按某种方式互连而成的复杂网络，由输入层、隐含层和输出层构成，其结构模型如图6-4所示。

(www.xing528.com)

图6-4　类神经网络结构模型

图6-4中，Ai 表示信息源经过处理后的第1层数据，Xi、Hj 为每一节点的状态变量，从Xi到Hj 的连接权数为Wij，从Hj 到Y 的连接权数为Wj。就整个模型而言，关键点就在于权数Wij、Wj以及神经元之间的连接方式，两者决定了网络的行为，从而最终决定评估模型的质量与效率。

（2）评估程序。

第一，确定投资环境评估因素。各种不同行业在进行跨国投资时所考虑的环境因素不尽相同，因此，首先必须确定适当的投资评估因素。这对投资者的专业理论和行业敏感度提出了较高的要求。除了参考相关文献的研究外，需要投资者依据行业性质、战略规划、价值链分布等目标整理统计出合理的投资环境因素。本书根据已有的研究经验筛选出影响国际投资环境的30个子因素，建立一个评估因素层次结构。实际建立模型时可根据需要有所选择。

第二，评估因素处理。国际投资环境评估因素可分为定性和定量两类。为了能够将其输入类神经网络模型进行计算，要利用模糊评价法对输入信息进行处理，将定性的文字描述转化为定量的数据，将定量的数据进行归一化处理，使其量纲与优劣趋向统一起来，指标具备了可公度性，从而可以在网络中进行运算。①对定性因素的处理。为定性因素建立评价指标体系及评价指标集U 与评价等级集V，可以通过专家打分，利用模糊统计法确立U 中任一指标在V上的隶属度Uv∈[0，1]。由此可得指标的模糊评价矩阵R，再由指标权重向量W 经过数学运算（模糊集运算-有界积运算），可得出评价指标体系最高层指标在V上的隶属度，即定性因素的量化结果。②对定量因素的处理。定量因素的指标因优劣趋向不同可分为三类：一类是正向指标，该指标值越大越好（如市场需求增长率）。第二类是负向指标，该指标值越小越好，如突发事件概率。第三类是适中指标，该指标值大了或小了都不好，趋于某理想值最好，如经济增长率。

第三，案例研究汇集实际经验。以某行业若干厂商在某地区的投资实例建立案例分析库，通过案例研究，提取决策者所关心的投资环境因素，将其经过步骤2的处理后得到“输入值”，同时可以通过调查问卷的形式获得那些实际做决策的人的现实感受和经验教训，从而汇集得到环境评估的“真实值”。

第四，构建评估模型。根据以上对类神经网络的研究可知，在此基础上建立起来的决策架构将具有非常好的效果。为建立最适合的监督式学习网络模式，必须设定所需的处理参数，如学习法则、学习率、惯性因子、转换函数、学习周期、学习次数、收敛标准等。一般参数的设立或改变对网络学习与测试的影响也不一样。在监督式学习网络中，倒传讯神经网络（Backpropagatjon Neural Network）应用最为普遍，而且在电脑上执行最为方便。倒传讯神经网络在评估投资环境、评估因素层次结构时，仅需将最底层的投资因素指标值经过步骤2处理后输入数据，通过隐含层求得输出值（最终目标），再将“输出值”与“真实值”（由步骤3获得）做比较，利用误差反传算法（BP算法），可以得到类神经网络参数调整的学习算法，回馈以调整权数。计算新的误差，再调整权数。整个学习过程即以一次一个训练的方式进行调整。反复学习所有的训练范例，直到网络收敛为止。其过程如图6-5所示。“训练”的目的在于求得最佳的网络模型。

图6-5　基于BP算法的倒传讯神经网络结构

第五，运用、分析及决策。模型确定后，即可运用此模型对海外投资环境进行评估，这时投资者只需要完成该程序的步骤1、2，将所得数据输入已训练好的评估模型，通过层层信息整合，其输出值便是对东道国投资环境的评价结果。在决策过程中，决策者可以将该结果作为最终决策的依据。