基于FAHP-SVM模型的高新技术项目投资风险评价
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
价， 实质 上只 是一 种 可 能性 评 价 ， 而在 统 计 学 习 理论 基
础 上 发 展 出 了一 套新 的模 式 识 别 方 法一 支持 向量 机 方 法 （Ｖ ） 好 弥补 了这 些 缺 陷 。该 方 法 在处 理小 数 目学 ＳＭ正 习样本 、 非线 性及 高维 特 征 的模式 识 别 问题 体 现 出较 传 统方 法更 大的 优势 。 支持 向量机模 型 又必须 建立在 但
合 评价方 法 ，则将 为高新 技术 项 日的风 险评 价 的研 究 和
运 用开拓一 条新 的思路 。
一
线 ， ，２ Ｈ１ 分别代表各类 中离分类线最近的样本且平行 Ｈ 于分类线 Ｈ的直线， 它们之间的距离称为分类间隔（ａ ｍｒ －
ｎ ） 。所谓最优分类线就是要求分类线不但能将两类正确
较 多 的研 究 分 析方 法 。为 此 ，本 文 将 模 糊 层 次 分析 法 （ＡＨ ） Ｆ Ｐ与支 持 向量 机相 结 合 ， 出基 于 Ｆ Ｈ — Ｖ 的综 提 Ａ ＰＳ Ｍ
支持 向量机 （ Ｍ 主要 思 想是 建 立 一个 超 平面 作 为 Ｓ ） Ｖ 决策 曲面 ， 正例 和反例之 间 的隔 离边缘被 最大化 。 使得 如 图１ 所示 ，实心 点 和圆 圈 分另 代 表两 类 样本 ， ０ Ｈ为分 类
除 了具 有 科学 技 术 的特 点 外 ， 具 有 高 技术 性 、 投 人 还 高
法） 由美国运筹学家 Ｓ Ａ Ｙ提出。 ＡＴ 该方法的基本原理是把
一
个复杂问题中的各个指标通过划分相互之间的关系使
性、 高风 险性 、 收益性 ． 资者 在 选 项 目前 除 了要 进 行 高 投 常规 的投资 可行 性研 究外 ， 还要 特 别 对项 目投 资 风险 进 行 深入 的分 析与 评价 ， 讨项 目实 施 风险 的来 源 、 探 构成 、 估 计 风 险事 故 发生 的概 率 及 其对 投 资者 可 能 造 成 的损 失 ， 可 能地 将 受险 程 度 定 量 表 示 ， 尽 以便 不 同方 案 的 比 较选 优。然而 ， 目前 为止 ， 高新 技术 项 目投资 风险 的 到 对
内容 列 出可度 量 的指标 ， 少 内容 只能 用 定性 方 法做 出 不 叙述性 的评 价； 另一方 面 ， 由于高 新技 术项 目投 资 风险评 价 属 于多 目标 评 价 问题 ， 资风 险 凶 素 较 多 ， 因素 之 投 诸
间有相容关系、 混合关 系等 ， 因而专家对这些 囚素的评
评价 方法 大部 分还 处 于非 结构 化 阶段 ， 能就 部分 评 价 只
其分解为若干个有序递阶层次， 使决策问题通过简单的两
两 比较 形 式 导 出 。在 此 基 础 上Байду номын сангаас，Ａ Ｒ Ｏ Ｅ Ｌ Ａ Ｈ Ｖ Ｎ等提 出了
Ａ Ｐ的推广模型， Ｈ 用模糊集取代判断矩阵中的数， 进而求
得各元 素的模糊权 重， Ｆ Ｈ 为 Ａ Ｐ的产 生奠定 了基础。 Ａ Ｐ ＦＨ
高延 超
（ 龙江 科技 学 院 黑 经 管学 院 ， 黑龙 江 哈 尔滨 １０２ ） ５０ ７
【 要］ 通过采用模糊层次分析 法（ Ｈ ） 摘 Ｆ Ｐ与支持 向量机（ Ｍ相 结合的评 价方法 ， Ａ ｓ ） Ｖ 以及运用 Ａ Ｐ法建立全 面的风 险评 Ｈ
估指标体 系， 于高新技 术项 目投 资风险评价难以做到客观 、 面、 对 全 准确 的问题。通过建立合适 高新技 术项 目的风 险评价模
分 开且分类 间隔最大 。同理 ， 维空间假定 训练数据 可 在多
、
研 究 方 法
（ ）Ａ Ｐ原 理 － ＦＨ －
以被一个超平面分开 ，如果这个 向量集合能被超平面没
的距离最 大 ， 称这 个 向量集 合 被这个 最 优超平 面（ｐ — 则 Ｏ ｆ ｉ ｍ Ｓｐｒｔｇ ｙｅ ｌ ｅＯ Ｈ最 大分 现开 。 ￣ ｅａ ｉ Ｈ ｐｒ ａ ， Ｓ ） ａｎ ｐｎ
借助 Ａ Ｐ Ｈ 的分层细化思想， 基于模糊集合理论的模糊一 致关系和模糊一致矩阵而建立， 使决策模型与人们的思维
习惯相一致 ， 在检验判 断矩 阵的一致 性时更 为容易 。 （ ） 向量机（ Ｍ 原理 － 支持 Ｓ ） Ｖ 支持 向量机 （ Ｖ是 近年 来 由统 计 学理论 （ａｓｃｌ Ｓ ） Ｍ Ｓ ｔｔａ ｔｉｉ — Ｌａ ｉ Ｔｅｒ， Ｔ发展起 来 的。 ｅｒｎ ｈｏ Ｓ ） ｎｇ ｙ Ｅ 针对 有限样本情 况 ，Ｍ ｓＶ 建立 了一 套完 整的 、规 范 的基 于统计 的机 器学 习理论 和 方法 ， 大大减 少 了算法设 计 的随意 陛。 持 向量机 方法应 支 用思路 上充分 体现 了统计 学 习理论 中关 于学 习过程一 致
一
性和结构风险最小化思想 。它在保持经验风险固定的基 础上最小化置信范围。Ｓ Ｖ的核心思想就是把学习样本 Ｍ
非线 性映 射到高 维核空 间 ， 高 维核 空间创 建具有 低维 在
的最优分 割超平面 。
套 科学 、 系统 的评 估指 标 体 系 的基 础 ｝。而 在 目前 对 ．
评估 指标体 系 的研 究 方法 中 ，模糊 层 次分析法 是使用 的
型 ， 可 以克 服 经验 和 主 观 意 志 的不 确 定性 ， 以保 证 评 价 工作 的客 观 性 、 用 性和 可操 作 性 。 则 可 适
【 键词］ 高新技术项 目； 关 风险评价 ；Ａ Ｐ Ｓ Ｍ Ｆ Ｈ —Ｖ 【 中图分类 号】 Ｆ ７ ４０ 【 标识 码】 Ｂ 文献
高 新技 术项 目是高 新技 术 转 化 为生 产力 的 载体 ， 它
第 ２０ 年 第 ４ ０９ 期
（ 总第 ３ ３期 ） ２
商 业 经 济
Ｓ ＨＡＮ Ｅ Ｊ ＮＧ Ｉ ＧＹ Ｉ Ｊ
Ｎｏ４， ０ ． ２０ ９
Ｔ ｔｌ ． ３ ｏａ Ｎｏ３ ２
【 编号 】 １０—ｏ３２Ｏ ） —０８ ０ 文章 ０９６４（ ９ ４ ０１—３ ０ ０
基于 Ｆ ＡＨＰ Ｓ － ＶＭ 模型 的高新 技术项 目投 资风 险评价
础 上 发 展 出 了一 套新 的模 式 识 别 方 法一 支持 向量 机 方 法 （Ｖ ） 好 弥补 了这 些 缺 陷 。该 方 法 在处 理小 数 目学 ＳＭ正 习样本 、 非线 性及 高维 特 征 的模式 识 别 问题 体 现 出较 传 统方 法更 大的 优势 。 支持 向量机模 型 又必须 建立在 但
合 评价方 法 ，则将 为高新 技术 项 日的风 险评 价 的研 究 和
运 用开拓一 条新 的思路 。
一
线 ， ，２ Ｈ１ 分别代表各类 中离分类线最近的样本且平行 Ｈ 于分类线 Ｈ的直线， 它们之间的距离称为分类间隔（ａ ｍｒ －
ｎ ） 。所谓最优分类线就是要求分类线不但能将两类正确
较 多 的研 究 分 析方 法 。为 此 ，本 文 将 模 糊 层 次 分析 法 （ＡＨ ） Ｆ Ｐ与支 持 向量 机相 结 合 ， 出基 于 Ｆ Ｈ — Ｖ 的综 提 Ａ ＰＳ Ｍ
支持 向量机 （ Ｍ 主要 思 想是 建 立 一个 超 平面 作 为 Ｓ ） Ｖ 决策 曲面 ， 正例 和反例之 间 的隔 离边缘被 最大化 。 使得 如 图１ 所示 ，实心 点 和圆 圈 分另 代 表两 类 样本 ， ０ Ｈ为分 类
除 了具 有 科学 技 术 的特 点 外 ， 具 有 高 技术 性 、 投 人 还 高
法） 由美国运筹学家 Ｓ Ａ Ｙ提出。 ＡＴ 该方法的基本原理是把
一
个复杂问题中的各个指标通过划分相互之间的关系使
性、 高风 险性 、 收益性 ． 资者 在 选 项 目前 除 了要 进 行 高 投 常规 的投资 可行 性研 究外 ， 还要 特 别 对项 目投 资 风险 进 行 深入 的分 析与 评价 ， 讨项 目实 施 风险 的来 源 、 探 构成 、 估 计 风 险事 故 发生 的概 率 及 其对 投 资者 可 能 造 成 的损 失 ， 可 能地 将 受险 程 度 定 量 表 示 ， 尽 以便 不 同方 案 的 比 较选 优。然而 ， 目前 为止 ， 高新 技术 项 目投资 风险 的 到 对
内容 列 出可度 量 的指标 ， 少 内容 只能 用 定性 方 法做 出 不 叙述性 的评 价； 另一方 面 ， 由于高 新技 术项 目投 资 风险评 价 属 于多 目标 评 价 问题 ， 资风 险 凶 素 较 多 ， 因素 之 投 诸
间有相容关系、 混合关 系等 ， 因而专家对这些 囚素的评
评价 方法 大部 分还 处 于非 结构 化 阶段 ， 能就 部分 评 价 只
其分解为若干个有序递阶层次， 使决策问题通过简单的两
两 比较 形 式 导 出 。在 此 基 础 上Байду номын сангаас，Ａ Ｒ Ｏ Ｅ Ｌ Ａ Ｈ Ｖ Ｎ等提 出了
Ａ Ｐ的推广模型， Ｈ 用模糊集取代判断矩阵中的数， 进而求
得各元 素的模糊权 重， Ｆ Ｈ 为 Ａ Ｐ的产 生奠定 了基础。 Ａ Ｐ ＦＨ
高延 超
（ 龙江 科技 学 院 黑 经 管学 院 ， 黑龙 江 哈 尔滨 １０２ ） ５０ ７
【 要］ 通过采用模糊层次分析 法（ Ｈ ） 摘 Ｆ Ｐ与支持 向量机（ Ｍ相 结合的评 价方法 ， Ａ ｓ ） Ｖ 以及运用 Ａ Ｐ法建立全 面的风 险评 Ｈ
估指标体 系， 于高新技 术项 目投 资风险评价难以做到客观 、 面、 对 全 准确 的问题。通过建立合适 高新技 术项 目的风 险评价模
分 开且分类 间隔最大 。同理 ， 维空间假定 训练数据 可 在多
、
研 究 方 法
（ ）Ａ Ｐ原 理 － ＦＨ －
以被一个超平面分开 ，如果这个 向量集合能被超平面没
的距离最 大 ， 称这 个 向量集 合 被这个 最 优超平 面（ｐ — 则 Ｏ ｆ ｉ ｍ Ｓｐｒｔｇ ｙｅ ｌ ｅＯ Ｈ最 大分 现开 。 ￣ ｅａ ｉ Ｈ ｐｒ ａ ， Ｓ ） ａｎ ｐｎ
借助 Ａ Ｐ Ｈ 的分层细化思想， 基于模糊集合理论的模糊一 致关系和模糊一致矩阵而建立， 使决策模型与人们的思维
习惯相一致 ， 在检验判 断矩 阵的一致 性时更 为容易 。 （ ） 向量机（ Ｍ 原理 － 支持 Ｓ ） Ｖ 支持 向量机 （ Ｖ是 近年 来 由统 计 学理论 （ａｓｃｌ Ｓ ） Ｍ Ｓ ｔｔａ ｔｉｉ — Ｌａ ｉ Ｔｅｒ， Ｔ发展起 来 的。 ｅｒｎ ｈｏ Ｓ ） ｎｇ ｙ Ｅ 针对 有限样本情 况 ，Ｍ ｓＶ 建立 了一 套完 整的 、规 范 的基 于统计 的机 器学 习理论 和 方法 ， 大大减 少 了算法设 计 的随意 陛。 持 向量机 方法应 支 用思路 上充分 体现 了统计 学 习理论 中关 于学 习过程一 致
一
性和结构风险最小化思想 。它在保持经验风险固定的基 础上最小化置信范围。Ｓ Ｖ的核心思想就是把学习样本 Ｍ
非线 性映 射到高 维核空 间 ， 高 维核 空间创 建具有 低维 在
的最优分 割超平面 。
套 科学 、 系统 的评 估指 标 体 系 的基 础 ｝。而 在 目前 对 ．
评估 指标体 系 的研 究 方法 中 ，模糊 层 次分析法 是使用 的
型 ， 可 以克 服 经验 和 主 观 意 志 的不 确 定性 ， 以保 证 评 价 工作 的客 观 性 、 用 性和 可操 作 性 。 则 可 适
【 键词］ 高新技术项 目； 关 风险评价 ；Ａ Ｐ Ｓ Ｍ Ｆ Ｈ —Ｖ 【 中图分类 号】 Ｆ ７ ４０ 【 标识 码】 Ｂ 文献
高 新技 术项 目是高 新技 术 转 化 为生 产力 的 载体 ， 它
第 ２０ 年 第 ４ ０９ 期
（ 总第 ３ ３期 ） ２
商 业 经 济
Ｓ ＨＡＮ Ｅ Ｊ ＮＧ Ｉ ＧＹ Ｉ Ｊ
Ｎｏ４， ０ ． ２０ ９
Ｔ ｔｌ ． ３ ｏａ Ｎｏ３ ２
【 编号 】 １０—ｏ３２Ｏ ） —０８ ０ 文章 ０９６４（ ９ ４ ０１—３ ０ ０
基于 Ｆ ＡＨＰ Ｓ － ＶＭ 模型 的高新 技术项 目投 资风 险评价