中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
指挥控制与仿真

指挥控制与仿真 >

2024 , Vol. 46 >Issue 6: 144 - 151

DOI: https://doi.org/10.3969/j.issn.1673-3819.2024.06.023

建模仿真与评估

“21世纪海上丝绸之路”国家投资安全风险量化评估

  • 马丰原 1 ,
  • 葛珊珊 1 ,
  • 张韧 2 ,
  • 王逸之 1
展开
  • 1 金陵科技学院, 江苏 南京 211169
  • 2 国防科技大学气象海洋学院, 江苏 南京 211101

马丰原(2003—),男,研究方向为数学模型构建和应用。

葛珊珊(1981—),女,博士,讲师。

Copy editor: 许韦韦

收稿日期: 2023-12-14

  修回日期: 2024-01-05

  网络出版日期: 2024-11-26

收起

Quantitative assessment of investment security risk in "21st Century Maritime Silk Road" countries

  • MA Fengyuan 1 ,
  • GE Shanshan 1 ,
  • ZHANG Ren 2 ,
  • WANG Yizhi 1
Expand
  • 1 Jinling Institute of Technology, Nanjing 211169, China
  • 2 Institute of Meteorology, National University of Defense Technology, Nanjing 211101, China

Received date: 2023-12-14

  Revised date: 2024-01-05

  Online published: 2024-11-26

Fold

摘要

“21世纪海上丝绸之路”是新时代背景下链接中国与全球各国的新型贸易之路,促进亚太一体化发展。随着我国“21世纪海上丝绸之路”国家投资的增多,其安全受大国博弈、地区安全、社会不稳定等因素的影响,给投资安全带来了很大的不确定性,因此合理评估“21世纪海上丝绸之路”沿线国家安全风险,是保证投资安全的重要基础。从大国影响、国家行为和国家互动角度,综合构建了投资安全风险评价指标体系。针对投资安全风险评估中评估指标的不确定性,提出了直觉模糊集的犹豫度分配函数,改进了直觉模糊集的得分函数和距离测度,并结合TOPSIS方法构建了投资安全风险量化评估模型。对“21世纪海上丝绸之路”沿线的27个国家的投资安全风险进行实验验证,对比了不同风险偏好下的投资安全风险综合评价值排名,为“21世纪海上丝绸之路”研究提供了决策参考。

关键词： 海上丝绸之路; 投资安全风险; 直觉模糊集; 距离测度; 得分函数

本文引用格式

马丰原 , 葛珊珊 , 张韧 , 王逸之 . “21世纪海上丝绸之路”国家投资安全风险量化评估[J]. 指挥控制与仿真, 2024 , 46(6) : 144 -151 . DOI: 10.3969/j.issn.1673-3819.2024.06.023

Abstract

The "21st Century Maritime Silk Road" is a new trade road linking China and other countries in the world in the new era, promoting the development of Asia Pacific integration. With the increase of China’s investment in the "21st Century Maritime Silk Road" countries, its security is influenced by factors such as major country games, regional conflicts, and social instability, and also bringing great uncertainty to investment safety. Therefore, a reasonable assessment of investment security risk of the "21st Century Maritime Silk Road" is an important basis for ensuring investment security. In this paper, the investment security risk assessment index system is constructed comprehensively based on great power influence, state behavior and state interaction. Aiming at the uncertainty of the assessment index, hesitation degree distribution function of institution fuzzy set is established. The score function and distance measure of intuitionistic fuzzy set are improved, and the quantitative assessment model of investment security risk is constructed by combining TOPSIS method. The investment security risk in 27 countries along the "21st Century Maritime Silk Road" was experimentally verified, and the ranking was finally obtained based on different risk attitude of decision maker, which provided reference for the decision-making of the "21st Century Maritime Silk Road".

Key words： Maritime Silk Road; investment security risk; intuitionistic fuzzy set; distance measure; score function

2013年10月,习近平主席在印度尼西亚国会演讲时,首次提出共建“21世纪海上丝绸之路”的倡议。沿线国家与我国就贸易、金融等方面展开了积极的合作,除了经济价值之外,“21世纪海上丝绸之路”还能构建区域性的地缘安全经济网络。
中国对外投资流量已经连续十年位列全球前三,成为国际投资舞台上重要的参与者之一。此外,我国对“一带一路”沿线国家投资持续增长。截至2021年底,我国对其沿线国家设立企业超过1.1万家,占我国境外企业总量的四分之一[1]。在我国对外投资迅速增长的同时,所面临的风险也随之增加,安全风险最不可量化和控制,会造成投资无法收回。因此,做好风险的量化评估,准确识别和应对风险,是提高投资成功率的重要保障。
标普、穆迪和惠誉三大评级机构从经济、政治和社会三大模块,构建指标体系,采用定性和定量指标相结合的方式发布国家投资评估报告。三大评级机构将政治因素作为评级核心,将政治自由化、民主政治观念和体系作为评估一个国家政治好坏的标准,一定程度上忽略了各国的具体国情。就评估方法的客观程度来说,三大评级机构对于定性数据采用专家打分方式,并且最终的评估结果也由评级委员会调整后给出,这个过程中不可避免地会加入分析师的主观判断[2]。在“21世纪海上丝绸之路”重大战略设想提出的背景下,我国学者从多角度开展了海上丝绸之路国家投资风险研究。刘嘉欣以越南为例,分析了中国对越南直接投资的政治、经济、市场、技术、社会等方面的风险,基于专家打分对指标赋值,计算各子风险值的得分,并给出建议对策[3]。王静研究了“21世纪海上丝绸之路”能源投资风险的法律防范机制,分析了海外能源投资风险的形成,提出了应对和完善法律防范机制的措施[4]。黄庆波对21 世纪海上丝绸之路港口建设投资风险进行分析,识别了东南亚、南亚、西亚、非洲、太平洋岛国、欧洲六大区域的港口投资风险,从国际环境、政府和企业三个角度提出规避对策[5]。黄河等分析了中国企业在“一带一路”沿线国家投资的政治风险及权益保护,发现海外地缘政治风险已经成为影响我国企业海外投资和国家经济安全的重要因素[6]。许勤华等在人民大学能源投资安全风险指数的基础上,从广义的政治风险角度对能源对外投资进行分析[7]。由于海上丝绸之路沿线的国家政治、经济形势复杂多变,中国企业对外投资的风险频发,引起了企业和政府的高度重视。在实际决策过程中发现,投资安全风险受国家体系、国家行为和国家互动的共同制约,因此本文梳理了风险影响因子,建立了三个层面指标体系,全面刻画投资安全风险。
自Zadeh[8]于1965年提出模糊集理论以来,基于模糊集的各种应用越来越受到人们的关注。模糊集通过隶属度反映属于某事物程度的高低,描述模糊性问题时比经典的集合论更为合理。随后,Atanassov[9]对Zadeh模糊集进行了扩展,提出了直觉模糊集的概念,在隶属度的基础上增加了非隶属度和犹豫度,对事物进行更加细腻的刻画。Atanassov直觉模糊集的出现,使得在处理模糊性和不确定性等方面有更多的灵活性和实用性,被推广应用至多属性决策、医疗诊断、模式识别和机器学习等众多领域。
得分函数是直觉模糊数排序的重要指标,一般情况下,得分函数值越大,越能满足决策者的要求,得分函数值越小,决策者的满意度越低,目前在供应商选择、风险投资等多属性决策中都有广泛的应用[10-11]。Chen和Tan[12]首先提出了包含隶属度和非隶属度的传统得分函数,随后Hong和Choi[13]定义了精确函数辅助传统得分函数进行排序,避免了许多难以判断的情况。为了使排序结果更具有可行性和有效性,许多学者对犹豫度进行各种比例的分配[14⇓⇓-17],将其引入得分函数。直觉模糊集的距离测度是对模糊集概念进行比较的一种方法,在相同论域下两个模糊集的距离越大,则这两者就越不相似,距离越小,两者的相似程度就越高[18]。因此,借助距离测度,可以达到对两个或多个直觉模糊信息进行比较的目的,目前其在图像处理、模式识别和医疗诊断等众多领域都被广泛应用,引起了众多学者的关注。Bustince和Burillo[19] 在直觉模糊集距离测度中提出了结合隶属度和非隶属度的Hamming距离和Eucliden距离,对两模糊集合之间的距离大小进行了更为精确的比较。王坚强[20]等在此基础上,将Hamming距离和Hausdorff距离结合,提出了一种新的距离测度,进而更加细腻地进行比较。学者们为了使测度结果更符合实际,将犹豫度加入传统的距离测度中[21]。本文从一个直觉模糊集的整体出发,考虑所有的隶属度、非隶属度对某一直觉模糊数的犹豫度的影响,给出了一种犹豫度的客观分配方法,进而提出了一种新的得分函数和新的距离测度。
在研究方法上,投资安全风险评估研究集中于人文社科领域,研究成果多以文字描述和定性刻画为主,缺乏必要的客观定量化的评估。因此,本文基于指标体系所构建的评语集,引入直觉模糊集以解决评语的不确定性知识表达问题,提出了客观分配犹豫度的分配函数,将改进的得分函数和距离测度结合TOPSIS方法构建评估量化模型,为“21世纪海上丝绸之路”国家的投资安全风险评估提供一种客观定量的评估方法。

1 指标体系和数据处理

对于投资安全风险而言,其本质是环境的不确定性造成的。环境中的经济和政治因素共同构成不确定性,因此投资安全风险不仅受到国际环境影响,还受到国内环境的制约以及国家互动的影响,基于此,本文构建的指标体系如图1所示。
图1 国家投资安全风险指标体系

Fig.1 National investment security risk index system

1.1 指标体系

1)国际体系指标——大国影响D1
衡量该国家投资环境受大国影响的程度,一个国家受大国的影响越大,会导致该国对投资国的态度审慎,造成国际体系层面的安全风险增加,如表1所示。
表1 国家体系指标

Tab.1 National system indicators

准则层 指标 指标说明 数据来源
大国影响D1 受大国影响程度d11 指标越高,风险越高 网络资料
2)国家行为指标
国家行为是导致安全风险的直接来源,在对外决策中,国家行为受国内的政治、经济和社会因素的制约明显,甚至是关键性作用。
①政治环境D2
政治环境主要考虑该国家政府的和平程度、效率、外交友好和安全程度等因素,较高的政治风险会提高投资受损的可能性,是投资的重要影响因子。本文构建的政治环境风险共包含4个子指标,其指标说明、数据来源见表2所示。
表2 国家行为政治环境指标

Tab.2 Indicators of the political environment of state behavior

准则层 指标 指标说明 数据来源
政
治
环
境
D2		 国家和平指数d21 指标越高,风险越低 世界银行全球发展指数数据库
政府效率d22 指标越高,风险越低 世界银行全球发展指数数据库
国家安全指数d23 指标越高,风险越低 经济与和平研究所发布《全球安全指数报告》
外交友好程度d24 指标越高,风险越高 英国经济人智库数据库
②经济环境D3
经济环境主要考虑该国家的经济发展水平、投资贸易环境,是投资的长期基础和根本保障。较低的经济环境风险能够为投资带来较好的收益,提供较高的安全性。本文构建的经济环境风险共包含4个子指标,其指标说明、数据来源见表3所示。
表3 国家行为经济环境指标

Tab.3 National behavioral economic environment indicators

准则层 指标 指标说明 数据来源
经
济
环
境
D3		 GDP增速d31 指标越高,风险越低 世界银行全球发展指数数据库
营商便利度d32 指数越高,风险越低 世界银行国家投资政治数据库
外债指数d33 指数越高,风险越高 世界银行全球发展指数数据库
投资开放指数d34 指数越高,风险越低 世界银行全球发展指数数据库
③社会环境D4
社会环境指标主要考虑国家的社会发展文明程度,包括教育、环保、稳定程度等因素。社会文明程度越高、劳动者受教育程度越高、内部安全程度优,投资安全程度也就越高。本文构建的社会环境风险共包含4个子指标,其指标说明、数据来源见表4所示。
表4 国家行为社会环境指标

Tab.4 Social and environmental indicators of national behavior

准则层 指标 指标说明 数据来源
社
会
环
境
D4		 环境保障力度d41 指数越高,风险越低 transformation index of the bertelsmann stiftung研究成果
贫困人口比d42 指数越高,风险越高 国际货币基金组织发布的IFS数据库
教育水平d43 指数越高,风险越低 联合国开发计划署《人类发展报告》
内部安全指数d44 指数越高,风险越高 transformation index of the bertelsmann stiftung研究成果
3)国家互动指标
国家互动主要衡量的是该国家与我国的双边关系,经贸交往中共有观念的缺失会带来安全风险。国家互动指标刻画了我国在该国投资中的投资情绪和政治关系,较好的国家互动能够为降低风险带来缓冲。本文构建的国家互动指标共包含3个子指标,其指标说明、数据来源见表5所示。
表5 国家互动指标

Tab.5 Indicators of national interaction

准则层 指标 指标说明 数据来源
与我国
的双边
关系D5		 与我国和平指数d51 指数越高,风险越高 中国外交部网站、中国智库网站
与我国合作伙伴关系d52 指数越高,风险越低 外交部官方网站
与我国双边贸易d53 指数越高,风险越低 联合国商品贸易统计数据库
在实际评估过程中,指标信息存在极大的不确定性和不完整性,专家很难以实数形式进行评估,更倾向于用语言变量评价指标,因为语言变量暗含了属性隶属于语言值的程度为1,不能刻画非隶属度和决策者的犹豫程度,所以本文采用直觉模糊集来刻画评语指标描述的模糊性特征。

2 直觉模糊集及改进

定义1[9] 设X是一个有限的非空集合,则称
A={<x,μA(x),νA(x)|x∈X>}
为直觉模糊集(IFS),其中μA(x)和νA(x)分别表示为元素x∈X对于集合A的隶属度和非隶属度,且都满足
μA(x)≥0,vA(x)≥0,0≤μA(x)+νA(x)≤1
进一步,称
πA(x)=1-μA(x)-νA(x)
为元素对于集合A的犹豫度。特别地,当πA(x)=0,即隶属度与非隶属度的和为1时,A退化为Zadeh模糊集[8]。因此,直觉模糊集可以看作Zadeh模糊集的推广。
方便起见,称α=(μα,να)为直觉模糊数,其中,
μα,να∈[0,1],0≤μα+να≤1
直觉模糊数运算法则[10]:
设α=(μα,να),α1=(μα1,να1),α2=(μα2,να2)为直觉模糊数,则:
1)α1⊕α2=(μα 1+μα 2-μα 1μα 2,να1να2)
2)α1⊗α2=(μα 1μα 2,να1+να2-να1να2)
3)λα=(1-(1-μα)λ,ναλ),λ>0
4)αλ=(μαλ,1-(1-να)λ),λ>0

2.1 犹豫度分配函数

定义2 设A={<xi,μA(xi),νA(xi)|xi∈X>}为论域X={x1,x2,…,xn}上的一个直觉模糊集,则定义A集合中所有隶属度、非隶属度的均值与第i个隶属度、非隶属度满足如下关系:
CimμA¯(xi)=μA(xi)
CiννA¯(xi)=νA(xi)
其中,Ciμ 定义为偏离隶属度均值的状态比例系数,Ciν 定义为偏离非隶属度均值的状态比例系数。
Ciμ 、Ciν 能够用比例系数刻画隶属度(非隶属度)偏离均值的程度,当μA(xi)>μA¯(xi),即Ciμ>1时,表示此时隶属度要高于均值;当μA(xi)<μA¯(xi),即Ciμ <1时,表示此时隶属度要低于均值;当μA(xi)=μA¯(xi),即Ciμ=1时,表示此时隶属度与均值相等。同样,非隶属度νA(xi)也如此。
利用偏离均值的状态比例系数,本文提出考虑隶属度和非隶属度的犹豫度分配函数:
MAπ→μ (xi)=μA(xi)+ CiμCiμ+Ciν πA(xi)
MAπ→ν (xi)=νA(xi)+ CiνCiμ+Ciν πA(xi)
其中,CiμCiμ+Ciν ,CiνCiμ+Ciν ∈[0,1]。
当Ciμ=Ciν=0时,CiμCiμ+Ciν πA(xi)=CiνCiμ+Ciν πA(xi)=12πA(xi)。

2.2 改进直觉模糊集得分函数

对于一个直觉模糊集中的n个直觉模糊数,每个直觉模糊数表示为αi=(μi,νi),基于犹豫度分配函数,本文提出新的得分函数为
SM(ai)=μi-νi+ Ciμ-CiνCiμ+Ciν πi
其中,犹豫度πi=1-μi-νi,SM(αi)为αi的得分值,SM(αi)∈[-1,1]。
1)若SM(α1<α2),则α1<α2;
2)Ciμ=Ciν=0时,CiμCiμ+Ciν πA(xi)=CiνCiμ+Ciν πA(xi)=12πA(xi),即该公式退化为传统得分函数公式,SM(αi)=0。
若CiμCiμ+Ciν >CiνCiμ+Ciν ,说明犹豫度πi对得分函数有贡献效果,此时新定义的得分函数比传统得分函数数值大;若CiμCiμ+Ciν <CiνCiμ+Ciν ,说明πi对得分函数有损失效果,此时新定义的得分函数比传统得分函数数值小;若CiμCiμ+Ciν =CiνCiμ+Ciν ,说明πi对得分函数既无贡献效果又无损失效果,此时新定义的得分函数退化为传统得分函数。该得分函数既考虑了隶属度与非隶属度的差值,又从整个直觉模糊集的角度与单一直觉模糊数之间的关系,对犹豫度进行了较为客观的分配,故以此得分函数为基础的排序效果更符合实际。

2.3 改进直觉模糊集距离测度

设A={<xi,μA(xi),νA(xi)|xi∈X>}和B={<xi,μB(xi),νB(xi)|xi∈X>}为论域X={x1,x2,…,xn}上的两个直觉模糊集,基于隶属度、非隶属度对犹豫度的分配,本文提出的综合考虑隶属度、非隶属度和犹豫度的距离定义如下:
$\begin{aligned} D_{G M}(A, B)= & {\left[\frac { 1 } { 4 n } \sum _ { i = 1 } ^ { n } \left(\left|\Delta_{\mu}^{A B}\right|^{\alpha}+\left|\Delta_{\nu}^{A B}\right|^{\alpha}+\right.\right.} \\ & \left.\left.\left|\Delta_{\pi \rightarrow \mu}^{A B}\right|^{\alpha}+\left|\Delta_{\pi \rightarrow \nu}^{A B}\right|^{\alpha}\right)\right]^{\frac{1}{2}}\end{aligned}$
其中,α为决策者的风险偏好,ΔμAB=μA(xi)-μB(xi),ΔνAB=νA(xi)-νB(xi),Δπ→μAB=MAπ→μ (xi)-MBπ→μ (xi),Δπ→νAB=MAπ→ν (xi)-MBπ→ν (xi)。

3 基于直觉模糊集的TOPSIS投资安全风险评估模型构建

在直觉模糊集的基础上,本文引入逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)。TOPSIS是一种利用相对接近度对多属性进行决策的方法,其主要思想是通过分别构造正负理想解值,根据待评价因素与正负理想解的接近程度来计算每个评估对象的综合评估指数并进行决策。

3.1 构建各国投资安全风险评估的评语集

依据所获取的资料,提取相关信息,对各评价对象的指标进行评价,构建评语集V。将评估对象集C={C1,C2,…,Cm}和指标D={D1,D2,…,Dn},构建国家投资政治评估评语矩阵R,以C1、C5、C12、C19、C23、C18、C8和C15为例,其指标评语集见表6所示。其中,评语集V={极差,较差,中等,较优,极优}包含了5个等级,评估对象集C={C1,C2,…,Cm}对应27个“21世纪海上丝绸之路”国家,指标集D={D1,D2,…,Dn}对应16个指标。
表6 国家投资安全风险指标评语集

Tab.6 Reviews of national investment security risk indicators

指标 国家
C1 C5 C12 C19 C23 C18 C8 C15
d11 较高 较高 极高 较低 较低 较低 极差 较低
d21 中等 极高 较低 较低 较低 较高 极差 中等
d22 极低 极高 较高 较低 中等 中等 极差 中等
d23 较低 极低 极高 较高 极高 极低 较差 较高
d24 中等 较低 较高 较高 中等 中等 极优 较低
d31 较高 中等 较高 较高 较高 中等 较差 中等
d32 较低 较高 较高 较低 较低 较低 较差 中等
d33 较低 极低 极高 较低 极高 极低 较差 极低
d34 极低 极高 较低 极低 极低 较低 极差 极低
d41 较低 极高 较低 较低 中等 较低 中等 较低
d42 较低 极低 极低 极低 较高 极低 较差 极低
d43 极低 极高 极高 极低 极低 较低 极差 极低
d44 中等 较低 较低 较高 中等 较低 极差 较低
d51 中等 极低 极低 极低 较高 极低 较差 极低
d52 较低 极高 较低 较低 极低 极低 极差 较低
d53 较高 较高 极低 极低 极低 极低 极差 中等

3.2 将评语集转化为直觉模糊集

按照一定的规则和指标特性,将评语集转化为相应的直觉模糊集,转化表见表7、8所示。其中,成本型指标的属性是指标越高,风险越高,收益型指标的属性是指标越高,风险越低。从而得到国家投资安全风险评估的直觉模糊矩阵X=(μij,νij)n×m。
表7 成本型指标语言变量等级转化表

Tab.7 Level conversion table of language variables of cost-oriented indicators

评语变量 直觉模糊数
极差 (0.900,0.025)
较差 (0.750,0.150)
中等 (0.500,0.500)
较优 (0.150,0.750)
极优 (0.025,0.900)
表8 效益型指标语言变量等级转化表

Tab.8 Level conversion table of language variables of benefit indicators

评语变量 直觉模糊数
极优 (0.900,0.025)
较优 (0.750,0.150)
中等 (0.500,0.500)
较差 (0.150,0.750)
极差 (0.025,0.900)

3.3 确定指标客观权重

直觉模糊熵刻画数据本身的不确定性,熵越大则不确定信息越多,权重越大。该方法反映了属性信息引起的差异,计算公式如(11)式所示,得到的权重见表9所示。
$\omega_{i}=\frac{\sum_{j=1}^{m} \frac{1}{2}\left[\left(1-\mu_{i j}-\nu_{i j}\right)+\left(1-\left|\mu_{i j}-\nu_{i j}\right|\right)\right]}{\sum_{i=1}^{n} \sum_{j=1}^{m} \frac{1}{2}\left[\left(1-\mu_{i j}-\nu_{i j}\right)+\left(1-\left|\mu_{i j}-\nu_{i j}\right|\right)\right]}$
表9 国家投资安全风险指标权重

Tab.9 Weight of national investment security risk indicators

指标 d11 d21 d22 d23 d24 d31 d32 d33
权重 0.038 0.050 0.033 0.057 0.038 0.036 0.075 0.057
指标 d34 d41 d42 d43 d44 d51 d52 d53
权重 0.049 0.051 0.044 0.042 0.051 0.054 0.074 0.043

3.4 构建综合评估矩阵

将权重引入直觉模糊集X,进一步构建综合评估矩阵G=(gij)n×m,根据直觉模糊集运算规则综合评估矩阵计算公式为
Gij=ωiXij=(1-(1-μij)ωi, νijωi)
其中,∑i=1nωi=1。以C1、C5、C12、C19、C23、C18、C8和C15为例,其综合评估矩阵见表10所示。
表10 国家投资安全风险指标综合评估矩阵

Tab.10 Comprehensive evaluation matric of national investment security risk indicators

指标 国家
C1 C5 C12 C19 C23 C18 C8 C15
d11 (0.087,0.883) (0.087,0.883) (0.011,0.981) (0.011,0.981) (0.011,0.981) (0.011,0.981) (0.011,0.981) (0.002,0.993)
d21 (0.054,0.946) (0.002,0.992) (0.002,0.992) (0.013,0.977) (0.168,0.744) (0.105,0.977) (0.013,0.859) (0.168,0.744)
d22 (0.171,0.741) (0.002,0.991) (0.013,0.977) (0.055,0.945) (0.107,0.857) (0.107,0.741) (0.171,0.857) (0.171,0.741)
d23 (0.010,0.983) (0.002,0.994) (0.002,0.994) (0.010,0.983) (0.131,0.799) (0.081,0.799) (0.131,0.891) (0.131,0.799)
d24 (0.054,0.946) (0.013,0.977) (0.002,0.992) (0.002,0.992) (0.170,0.742) (0.106,0.858) (0.106,0.858) (0.170,0.742)
d31 (0.016,0.972) (0.065,0.935) (0.065,0.935) (0.065,0.935) (0.016,0.972) (0.016,0.972) (0.016,0.972) (0.201,0.699)
d32 (0.101,0.864) (0.012,0.978) (0.052,0.948) (0.052,0.948) (0.101,0.864) (0.101,0.752) (0.162,0.864) (0.162,0.753)
d33 (0.007,0.988) (0.001,0.996) (0.001,0.996) (0.001,0.996) (0.007,0.988) (0.007,0.988) (0.007,0.988) (0.007,0.988)
d34 (0.092,0.856) (0.001,0.996) (0.057,0.923) (0.092,0.856) (0.092,0.856) (0.092,0.923) (0.057,0.856) (0.092,0.856)
d41 (0.101,0.865) (0.002,0.992) (0.052,0.948) (0.052,0.948) (0.162,0.754) (0.101,0.754) (0.162,0.865) (0.101,0.865)
d42 (0.007,0.987) (0.001,0.995) (0.001,0.995) (0.001,0.995) (0.031,0.969) (0.001,0.987) (0.007,0.995) (0.031,0.969)
d43 (0.104,0.838) (0.001,0.995) (0.104,0.838) (0.033,0.967) (0.104,0.838) (0.104,0.838) (0.104,0.838) (0.104,0.838)
d44 (0.048,0.952) (0.012,0.980) (0.002,0.993) (0.002,0.993) (0.151,0.769) (0.094,0.952) (0.048,0.874) (0.151,0.769)
d51 (0.027,0.973) (0.001,0.996) (0.001,0.996) (0.001,0.996) (0.001,0.996) (0.001,0.996) (0.001,0.996) (0.001,0.996)
d52 (0.067,0.909) (0.001,0.995) (0.109,0.831) (0.067,0.909) (0.001,0.995) (0.067,0.909) (0.067,0.909) (0.109,0.831)
d53 (0.007,0.988) (0.007,0.988) (0.092,0.857) (0.092,0.857) (0.092,0.857) (0.092,0.857) (0.092,0.857) (0.092,0.857)

3.5 确定正、负理想解

对于每个指标Di,基于本文新定义的得分函数,根据(9)式得到正理想解得分为Si*,负理想解得分为Si0,则:
Si*= maxj{SM(gij)}
Si0= minj{SM(gij)}
即正理想解为gi*=(μi*,νi*),负理想解为gi0=(μi0,νi0),结果见表11所示。其中,正理想解为投资安全风险最低指标组合,负理想解为投资安全风险最高的指标组合。
表11 国家投资安全风险指标正、负理想解

Tab.11 Positive and negative ideal solutions of national investment security risk indicators

指标 理想解
负理想解 正理想解
d11 (0.140,0.785) (0.002,0.993)
d21 (0.168,0.744) (0.002,0.992)
d22 (0.171,0.741) (0.002,0.992)
d23 (0.131,0.799) (0.002,0.994)
d24 (0.170,0.742) (0.002,0.992)
d31 (0.201,0.699) (0.002,0.990)
d32 (0.162,0.753) (0.002,0.992)
d33 (0.094,0.854) (0.001,0.996)
d34 (0.092,0.856) (0.001,0.996)
d41 (0.162,0.754) (0.002,0.992)
d42 (0.099,0.847) (0.001,0.995)
d43 (0.104,0.839) (0.001,0.995)
d44 (0.151,0.769) (0.002,0.992)
d51 (0.087,0.864) (0.001,0.996)
d52 (0.109,0.831) (0.001,0.995)
d53 (0.092,0.857) (0.001,0.996)

3.6 计算各国投资政治综合评价值

根据式(7)和式(8)改进的距离测度,每个国家Cj到正理想解的改进广义距离为
$\begin{aligned}D_{G M}^{*}\left(C_{j}, g_{i}^{*}\right)= & {\left[\frac { 1 } { 4 n } \sum _ { i = 1 } ^ { n } \left(\left|\Delta_{\mu}^{g_{i j} g_{i}^{*}}\right|^{\alpha}+\left|\Delta_{\nu}^{g_{i j} g_{i}^{*}}\right|^{\alpha}+\right.\right.} \\& \left.\left.\left|\Delta_{\pi \rightarrow \mu}^{g_{i} g_{i}^{*}}\right|^{\alpha}+\mid \Delta_{\substack{g_{i j} g_{i}^{*}}}^{g^{\alpha}}\right)\right]^{\frac{1}{\alpha}}\end{aligned}$
同理,每个国家Cj到负理想解的改进广义距离为
$\begin{aligned}D_{G M}^{0}\left(C_{j}, g_{i}^{0}\right)= & {\left[\frac { 1 } { 4 n } \sum _ { i = 1 } ^ { n } \left(\left|\Delta_{\mu}^{g_{\mu} g_{i}^{0}}\right|^{\alpha}+\left|\Delta_{\nu}^{g_{i j} g_{i}^{0}}\right|^{\alpha}+\right.\right.} \\& \left.\left.\left|\Delta_{\pi \rightarrow \mu}^{g_{i j} g_{i}^{0}}\right|^{\alpha}+\left|\Delta_{\pi \rightarrow \nu}^{y_{j} g_{i}^{0}}\right|^{\alpha}\right)\right]^{\frac{1}{\alpha}}\end{aligned}$
其中,α为决策者的风险偏好,本文分别选取α值为1、2、6。
进一步计算各国家对正理想解的贴近度,得出各国的国家投资政治综合评价值为
M(Cj)= DGM0 (Cj,gi0)DGM* (Cj,gi*)+DGM0 (Cj,gi0)
将求解的各国投资政治综合评价值排序,评价值越大,则其国家投资政治越优,最终确定各个国家投资安全风险的优劣次序。采用自然断点法建立分级标准,可以得出不同偏好度的海上丝绸之路国家的投资安全风险等级。当偏好度为1、2和6时,地缘政治风险等级变化不大。其中,南亚国家中,C24处于极高风险,C23处于较高风险,C25、C26和C27处于中等风险,C18处于较低风险,C13处于极低风险;西亚国家中C16、C17处于极高风险,C19、C14、C10、C22处于较高风险,C15、C11、C12处于中等风险,C20、C21处于极低风险;东盟国家中,C7和C8处于极高风险。

4 结束语

“21世纪海上丝绸之路”投资周期长,投资量大,科学合理地评估地缘政治风险是保证投资安全的重要基础。本文综合构建了投资安全风险指标体系,基于权威数据对各指标进行专家评语赋值,是客观定量评估国家投资政治的基础,且能实现快速有效的评估。采用直觉模糊集对投资安全风险的专家评语评估矩阵进行赋值,通过对犹豫度进行客观分配,并分别改进得分函数和距离测度,能够克服评价指标片面性问题,可以全面地描述评语指标的模糊信息。采用TOPSIS进行多属性决策问题的求解,根据评估对象与正负理想解的接近程度对“21世纪海上丝绸之路”的投资安全风险进行量化评估。可得出结论:C3、C4、C5、C20、C21、C13处于极低风险,C9、C2、C18处于较低风险,C23、C6、C27、C26、C25、C15、C11、C12处于中等风险,C19、C14、C10、C22处于较高风险,C23处于较高风险,C7、C8、C24、C16、C17处于极高风险。
本文提出考虑隶属度和非隶属度的犹豫度分配函数,改进了直觉模糊得分函数和距离测度,结合TOPSIS评价模型对“21世纪海上丝绸之路”的投资安全风险进行定量化评估。结果表明,直觉模糊集能够描述专家评语的模糊性特征,改进的得分函数能够在隶属度与非隶属度差值相同的情况下进一步起到区分的作用,改进的距离测度解决了引入犹豫度分配的问题,结合TOPSIS评价模型能够对“21世纪海上丝绸之路”27个国家投资安全风险进行定量化的评估和分析,但研究过程未考虑犹豫数据。目前有众多的机构和组织对世界主要国家和地区的经济、政治、地缘环境、文化环境等进行评估,但实际评估中由于专家们自身专业知识造成对评估对象了解程度有限,不能对所有指标给出确定的评语,表现为对某事件或对象的评判犹豫不决,甚至出现多个不同的评价值,下一步研究中需要考虑构建犹豫模糊集以解决更加复杂的情况,完善评估模型。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李骁, 薛力. “21世纪海上丝绸之路”安全风险及其应对[J]. 太平洋学报, 2015(7):50-64.

LI X, XUE L. "21st Century Maritime Silk Road",Security risks and countermeasures[J]. Pacific Journal, 2015(7):50-64.

[2]
中国社会科学院世界经济与政治研究所. 中国海外投资国家风险评级报告-2016[M]. 北京: 中国社会科学出版社, 2016: 2-16.

Country-risk rating of overseas investment from China (CROIC-IWEP)[M]. Beijing: China Social Sciences Press, 2016: 2-16.

[3]
刘嘉欣. 中国对C4直接投资风险评估与对策研究[D]. 云南财经大学, 2022.

LIU J X. Study on risk assessment and countermeasures of China’s direct investment in C4[D]. Yunnan University of Finance and Economics, 2022.

[4]
王静. “21世纪海上丝绸之路”能源投资风险法律防范机制研究[D]. 华侨大学, 2018.

WANG J. Study on legal prevention mechanism of energy investment risk along the 21st century maritime silk road[D]. Huaqiao University, 2018.

[5]
黄庆波, 林晗龙, 刘思琦. 21世纪海上丝绸之路港口建设投资风险研究[J]. 大连海事大学学报(社会科学版), 2017, 16(6): 61-66.

HUANG Q B, LIN H L, LIU S Q. Research on investment risk of port construction of maritime silk road in the 21st century[J]. Journal of Dalian Maritime University(Social Science Edition), 2017, 16(6): 61-66.

[6]
黄河, 陈美芳, 汪静, 等. 中国企业在“一带一路”沿线国家投资的政治风险及权益保护——以中线、北线B和南线为例[J]. 复旦国际关系评论, 2015(1):104-129.

HUANG H, CHEN M F, WANG J, et al. Political risks and protection of rights and interests of Chinese enterprises investing in countries along the "Belt and Road"-taking the Middle Route, Northern Route B and Southern Route as example[J]. Fudan International Relations Review, 2015(1):104-129.

[7]
许勤华, 蔡林, 刘旭. "一带一路"能源投资安全风险评估[J]. 国际石油经济, 2017(3):11-21.

XU Q H, CAI L, LIU X. Security risk assessment of energy investment under the Belt and Road Initiative[J]. International Petroleum Economics, 2017(3):11-21.

[8]
L.A. Zadeh. Fuzzy sets[J]. Information and Control, 1965, 8(3): 338-353.

[9]
Atanassov Krassimir T. Intuitionistic fuzzy sets[J]. Fuzzy Sets and Systems, 1986, 20(1):87-96.

[10]
Zeshui Cu, Ronald R. Yager. Some geometric aggregation operators based on intuitionistic fuzzy sets[J]. International Journal of General Systems, 2006, 35(4):417-433.

[11]
Tahir Mahmood, Zeeshan Ali, Samruam Baupradist, et al. Analysis and applications of bonferroni mean operators and TOPSIS method in complete cubic intuitionistic complete fuzzy information systems[J]. Symmetry, 2022, 14(3):533-542.

[12]
Chen Shyi-Ming, Tan Jiann-Mean. Handling multicriteria fuzzy decision-making problems based on vague set theory[J]. Fuzzy Sets and Systems, 1994, 67(2):112-130.

[13]
Dug Hun Hong, Chang-Hwan Choi. Multicriteria fuzzy decision-making problems based on vague set theory[J]. Fuzzy Sets and Systems, 2000, 114(1):89-91.

[14]
ZHC G. Multi-criteria decision-making framework for large-scale rooftop photovoltaic project site selection based on intuitionistic fuzzy sets[J]. Applied Soft Computing, 2022(8):29-37.

[15]
吴冲, 刘千, 万翔宇. 基于改进得分函数的直觉模糊多属性决策方法[J]. 统计与信息论坛, 2014, 29(1): 3-8.

WU C, LIU Q, WAN X Y. Intuitionistic fuzzy multi-criteria decision-making approach based on prospect score function[J]. Journal of Statistics and Information, 2014, 29(1): 3-8.

[16]
Alkan N. Kahraman C. An intuitionistic fuzzy multi-distance based evaluation for aggregated dynamic decision analysis (IF-DEVADA): Its application to waste disposal location selection[J]. Engineering Applications of Artificial, 2022, 10(15):32-45.

[17]
Dahooie, Jalil Heidary, Raafat, et al. An intuitionistic fuzzy data-driven product ranking model using sentiment analysis and multi-criteria decision-making[J]. Technological Forecasting and Social Change, 2021(173):1-15.

[18]
徐泽水. 直觉模糊信息集成理论及应用[M]. 北京: 科学出版社, 2008: 12-19.

XU Z S. Intuitionistic fuzzy information integration theory and its application[M]. Beijing: Science Press, 2008: 12-19.

[19]
Bustince H, P Burillo. Correlation of interval-valued intuitionistic fuzzy sets[J]. Fuzzy Sets and Systems, 1995, 74(2):237-244.

[20]
王坚强, 李婧婧. 基于记分函数的直觉随机多准则决策方法[J]. 控制与决策, 2010, 25(9): 1 297-1 301, 1 306.

WANG J Q, LI J J. Intuitionistic random multi-criteria decision-making approach based on score functions[J]. Control and Decision, 2010, 25(9): 1 297-1 301, 1 306.

[21]
许昌林, 沈菊红. 一种新的直觉模糊集距离及其在决策中的应用[J]. 计算机应用研究, 2020, 37(12): 3 627-3 634.

XU C L, SHEN J H. New distance between intuitionistic fuzzy sets and its applications in decision-making[J]. Application Research of Computers, 2020, 37(12): 3 627-3 634.

Options
文章导航

/

〈 〉