1、風(fēng)險(xiǎn)投資項(xiàng)目中止決策文獻(xiàn)綜述摘要風(fēng)險(xiǎn)投資中止決策是影響風(fēng)險(xiǎn)投資收益的非常重 要的因素，中止投資能力是影響公司長(zhǎng)期績(jī)效的一個(gè)重要指 標(biāo)，影響中止決策的因素s有很多，并且用來(lái)估計(jì)這些因素 的方法也有很多，研究這些因素以及各種估計(jì)方法有利于我 們提高企業(yè)中止風(fēng)險(xiǎn)投資項(xiàng)目的能力關(guān)鍵詞中止決策影響因素模型中圖分類(lèi)號(hào)1f224 文章標(biāo)識(shí)碼a 文章編 號(hào)1009-9446 (2013) 1-2-0003-021中止決策的重要性近十年來(lái)，國(guó)內(nèi)相關(guān)學(xué)者對(duì)風(fēng)險(xiǎn)投資項(xiàng)目的中止決策做 了些研究。風(fēng)險(xiǎn)投資的項(xiàng)目中止決策，即當(dāng)一個(gè)風(fēng)險(xiǎn)投資項(xiàng) 目進(jìn)行到一定階段已經(jīng)確認(rèn)為失敗，或者有足夠的理由可判 斷該項(xiàng)目無(wú)法繼續(xù)進(jìn)行，或者

2、已證明該項(xiàng)目即使在將來(lái)得以 完成也嚴(yán)重缺乏經(jīng)濟(jì)或市場(chǎng)價(jià)值，應(yīng)當(dāng)做出中止該項(xiàng)目的決 策。而當(dāng)一個(gè)項(xiàng)目進(jìn)行到一定階段，其進(jìn)展情況，未來(lái)前景 與原先的計(jì)劃存在一定差距，但又尚存成功與獲利希望，此 時(shí)進(jìn)行項(xiàng)目中止決策便存在一定的復(fù)雜性和困難性。在風(fēng)險(xiǎn) 投資實(shí)踐中，許多無(wú)望或希望很小的項(xiàng)目，由于決策者遲遲 下不了中止該項(xiàng)目的決心，結(jié)果導(dǎo)致更大的損失，因此，對(duì) 于風(fēng)險(xiǎn)投資項(xiàng)目的中止決策，既要仔細(xì)權(quán)衡，又要當(dāng)機(jī)立斷。 中止決策包括延期、壓縮項(xiàng)目規(guī)模、轉(zhuǎn)移、放棄等形式。從長(zhǎng)期來(lái)說(shuō)，中止決策能力是影響風(fēng)險(xiǎn)投資收益的一個(gè) 重要因素，尤其是對(duì)投資于那些很可能失敗的項(xiàng)目，果斷、 干脆的中止投資，是風(fēng)險(xiǎn)投資公司止虧的必

3、須具備的能力2影響中止決策的影響因素以及常用研究模型從長(zhǎng)期來(lái)看，中止決策能力是影響風(fēng)險(xiǎn)投資收益的一個(gè) 重要因素，尤其對(duì)投資于那些很可能失敗的項(xiàng)目，果斷、干 脆地中止投資，是風(fēng)險(xiǎn)投資公司止虧的必須具備的能力。前期的研究者很多采用國(guó)外的布艾爾(bull)模型或者 是賽瑞恩(saren)的活動(dòng)門(mén)模型以及決策門(mén)模型。到后來(lái) 的模糊層次分析法，聚類(lèi)判別分析法，神經(jīng)網(wǎng)絡(luò)和遺傳算法, 小波神經(jīng)網(wǎng)絡(luò)模型，以及貝葉斯模型(即信號(hào)學(xué)習(xí)過(guò)程)影響中止決策的因素有很多，概括起來(lái)有：項(xiàng)目本身的 特點(diǎn)；個(gè)人的決策偏見(jiàn)；公司制度結(jié)構(gòu)，具體的影響因素有: 實(shí)現(xiàn)技術(shù)目標(biāo)或形成商品的可能性大小、存在不能解決的技 術(shù)或生產(chǎn)問(wèn)題、其

4、他項(xiàng)目對(duì)人力資源的需求更有優(yōu)先權(quán)、投 資利潤(rùn)率或收益低、作為單一產(chǎn)品開(kāi)發(fā)費(fèi)用低、市場(chǎng)前景差、 影響競(jìng)爭(zhēng)力或市場(chǎng)需求、形成商品的周期過(guò)長(zhǎng)、對(duì)其他項(xiàng)目 或商品有負(fù)面影響、涉及專(zhuān)利問(wèn)題等等。這些影響因素都是 布艾爾(bull)在早期有關(guān)中止研發(fā)項(xiàng)目的文章中提出來(lái)的, 布艾爾反對(duì)將中止的所有原因都包括在數(shù)學(xué)公式中，而是采 取回答一系列問(wèn)題的方法來(lái)指導(dǎo)決策。并且不同階段影響中 止決策的因素不盡相同判別分析方法是多遠(yuǎn)統(tǒng)計(jì)中的一種很常用的分析方法， 首先設(shè)某階段的12個(gè)中止決策的評(píng)判指標(biāo)：市場(chǎng)前景xi； 市場(chǎng)開(kāi)拓前期投入強(qiáng)度x2；已出現(xiàn)相似產(chǎn)品（技術(shù)）數(shù)x3； 與產(chǎn)業(yè)政策的吻合度x4；權(quán)威部門(mén)或人士的支持x

5、5；實(shí)際 投資超預(yù)算的程度x6；本單位財(cái)務(wù)能力x7；技術(shù)路線優(yōu)勢(shì) x8；技術(shù)難度系數(shù)x9；技術(shù)協(xié)作攻關(guān)能力xio；可利用現(xiàn)有 研究成果xii；項(xiàng)目進(jìn)展情況總評(píng)x12o然后再將項(xiàng)目分為 成功類(lèi)、待定類(lèi)、失敗類(lèi)。在已知結(jié)果的項(xiàng)目樣品中，去判 斷未知的項(xiàng)目樣品歸為三類(lèi)中的哪類(lèi)。模糊層次分析法是把一個(gè)復(fù)雜問(wèn)題中的各個(gè)指標(biāo)通過(guò) 劃分相互之間的關(guān)系使其分解為若干個(gè)有序遞階層次，是決 策問(wèn)題通過(guò)簡(jiǎn)單的兩兩比較形式導(dǎo)出。這種方法只要是利用 模糊數(shù)學(xué)上的有關(guān)模糊矩陣的知識(shí)。主要有三種假設(shè)：根據(jù) 某位專(zhuān)家對(duì)各個(gè)元素之間相對(duì)重要性的評(píng)分作為模糊矩陣 某行或某列的元素，根據(jù)模糊一致矩陣的性質(zhì)來(lái)判斷原判斷 矩陣是否具有

6、一致性；然后，分別按每行來(lái)構(gòu)造模糊一致矩 陣；最后，選取一個(gè)與原判斷矩陣最貼近的模糊一致矩陣判 斷矩陣中的某一行能綜合反映其中的一個(gè)元素相對(duì)于元素 總體的重要性。判斷矩陣中所有的行（列）共同反映專(zhuān)家對(duì) 元素間相對(duì)重要性的判斷，即使有些數(shù)值偏離了一致性要 求，那也是數(shù)值之間相互修正的合理結(jié)果神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的是多層前向神經(jīng)網(wǎng)絡(luò)，它是一種非線性映射人工神經(jīng)網(wǎng)絡(luò)。bp算法即誤差反向傳播(errorback propagation)算法是為了解決多層前向傳播 神經(jīng)網(wǎng)絡(luò)的權(quán)系數(shù)優(yōu)化而提出來(lái)的。該神經(jīng)網(wǎng)絡(luò)含有輸入 層、隱含層和輸出層。輸出層到隱含層有一個(gè)非線性映射, 隱含層到輸出層有一個(gè)非線性映射，再

7、利用期望輸出與實(shí)際 輸出的結(jié)果不一致，從而導(dǎo)致誤差，再按照誤差來(lái)修改輸出 層和隱含層的權(quán)重和閾值，如此不斷重復(fù)迭代，得到成熟的 神經(jīng)網(wǎng)絡(luò)，再用來(lái)對(duì)需要進(jìn)行評(píng)價(jià)的預(yù)研項(xiàng)目進(jìn)行狀態(tài)識(shí) 別。貝葉斯方法，主要是利用貝葉斯公式的先驗(yàn)概率和后驗(yàn)概率之間的關(guān)系。因?yàn)轱L(fēng)險(xiǎn)投資過(guò)程是分多階段投資，因此 假設(shè)在某一階段可能會(huì)觀測(cè)到好信號(hào)和壞信號(hào)，假設(shè)好信號(hào) 的與壞信號(hào)的概率之和為1,根據(jù)先驗(yàn)概率可以得到后驗(yàn)概 率，根據(jù)投資水平估計(jì)預(yù)期收益。再將各階段的預(yù)期收益求 和，在求和的最大值以上幾種方法是近幾年來(lái)用于風(fēng)險(xiǎn)投資 項(xiàng)目的中止決策最常用的，就從聚類(lèi)分析方法來(lái)說(shuō)，雖然有 人用的是不同的變量，但歸根結(jié)底，那些調(diào)整過(guò)后的變量因 子基本