大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目選擇路徑研究

宋 鵬,張 超

(1.山西大學(xué) 經(jīng)濟(jì)與管理學(xué)院,山西 太原 030006;2.山西大學(xué) 計(jì)算機(jī)與信息技術(shù)學(xué)院,山西 太原 030006)

一、引言

互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代,戰(zhàn)略性新興產(chǎn)業(yè)和未來(lái)產(chǎn)業(yè)的發(fā)展對(duì)于我國(guó)走出一條通過(guò)數(shù)字化轉(zhuǎn)型加速資源集聚與虛實(shí)結(jié)合產(chǎn)業(yè)數(shù)字化新生態(tài)的路徑具有極其重要的作用[1]。風(fēng)險(xiǎn)投資作為戰(zhàn)略性新興產(chǎn)業(yè)和未來(lái)產(chǎn)業(yè)發(fā)展的新引擎,面向初創(chuàng)企業(yè)投入權(quán)益資本,參與企業(yè)決策咨詢并強(qiáng)化生產(chǎn)經(jīng)營(yíng)管理,在企業(yè)成長(zhǎng)壯大后通過(guò)公開上市、兼并收購(gòu)等方式進(jìn)行資本退出,在產(chǎn)權(quán)流動(dòng)中實(shí)現(xiàn)投資回報(bào)[2]。從全球風(fēng)險(xiǎn)投資的發(fā)展歷程來(lái)看,風(fēng)險(xiǎn)投資對(duì)于戰(zhàn)略性新興產(chǎn)業(yè)和未來(lái)產(chǎn)業(yè)的發(fā)展發(fā)揮了極其關(guān)鍵的推動(dòng)作用,支持了國(guó)內(nèi)外眾多優(yōu)秀企業(yè)的蓬勃發(fā)展[3]。黨的二十大報(bào)告指出,要推動(dòng)戰(zhàn)略性新興產(chǎn)業(yè)融合集群發(fā)展,加快發(fā)展數(shù)字經(jīng)濟(jì),促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合,打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群。這對(duì)于強(qiáng)化科學(xué)合理的風(fēng)險(xiǎn)投資保障作用提出了新的要求,因而面向風(fēng)險(xiǎn)投資決策的關(guān)鍵性問(wèn)題開展研究具有重要科學(xué)意義和現(xiàn)實(shí)應(yīng)用價(jià)值。

眾多研究表明,投入更多的管理資源有利于保障投資前管理(包括商業(yè)計(jì)劃書征集、項(xiàng)目篩選、盡職調(diào)查、契約設(shè)計(jì))和投資后管理(包括參與管理、多輪資金支持)[4-5]的決策效果,其中探索復(fù)雜環(huán)境下高效的項(xiàng)目篩選路徑是提升風(fēng)險(xiǎn)投資公司項(xiàng)目管理效率的關(guān)鍵環(huán)節(jié)[6]。因此,風(fēng)險(xiǎn)投資項(xiàng)目選擇路徑的研究已成為風(fēng)險(xiǎn)投資領(lǐng)域的關(guān)鍵性基礎(chǔ)問(wèn)題。本質(zhì)上來(lái)看,風(fēng)險(xiǎn)投資項(xiàng)目選擇是典型的多準(zhǔn)則決策分析問(wèn)題,即依據(jù)若干項(xiàng)目評(píng)價(jià)指標(biāo)對(duì)風(fēng)險(xiǎn)投資項(xiàng)目進(jìn)行評(píng)價(jià),進(jìn)而根據(jù)問(wèn)題目標(biāo)進(jìn)行基于序關(guān)系的決策判斷[7]。目前,考慮資金、管理等資源的有限性,若能獲取全序化的求解方案,將更有利于決策成員作出高效的決策[8]。綜合來(lái)看,投資前管理中的項(xiàng)目篩選是典型的分級(jí)/排序決策問(wèn)題[9]。但是,仍然存在兩個(gè)挑戰(zhàn)需要進(jìn)一步審視。

第一,在投資前管理的項(xiàng)目篩選決策中,風(fēng)險(xiǎn)投資公司關(guān)注的投資行業(yè)并不一致、被投資企業(yè)所處的發(fā)展階段也往往存在差異等多元因素的影響,使得在評(píng)價(jià)過(guò)程中呈現(xiàn)多準(zhǔn)則混合模糊特征[10-11]。盡管已有部分研究成果關(guān)注了多準(zhǔn)則混合模糊特征的定量分析,但在項(xiàng)目篩選背景下建立關(guān)鍵評(píng)價(jià)指標(biāo)的多準(zhǔn)則混合模糊形式表示,顯然是復(fù)雜情境下科學(xué)決策建模的重要前提。

第二,隨著新興產(chǎn)業(yè)的快速發(fā)展和傳統(tǒng)產(chǎn)業(yè)數(shù)字化的轉(zhuǎn)型,社會(huì)經(jīng)濟(jì)發(fā)展中各類復(fù)雜決策問(wèn)題不斷涌現(xiàn),如何有效應(yīng)對(duì)復(fù)雜大群體特征對(duì)于風(fēng)險(xiǎn)投資項(xiàng)目的篩選起著關(guān)鍵作用,這有助于厘清大群體決策情境下的數(shù)據(jù)復(fù)雜性,駕馭數(shù)據(jù)的高速增長(zhǎng)與交叉互連引起的涌現(xiàn)性。因此,在多準(zhǔn)則混合模糊特征的定量分析基礎(chǔ)上,探索大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目選擇路徑不僅具有突出的科學(xué)前沿性,而且具有顯著的實(shí)踐價(jià)值。

基于此,本文聚焦大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目選擇問(wèn)題,依據(jù)多準(zhǔn)則混合模糊框架對(duì)投資項(xiàng)目的大群體評(píng)價(jià)矩陣進(jìn)行形式表示,并構(gòu)建基于離差最大化法的權(quán)重獲取機(jī)制,通過(guò)模糊聚類法對(duì)關(guān)鍵成員進(jìn)行篩選,依據(jù)最小貝葉斯風(fēng)險(xiǎn)準(zhǔn)則[12]對(duì)大群體評(píng)價(jià)矩陣進(jìn)行有限理性[13]集成。本文旨在厘清大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目選擇決策的有效路徑,以此指導(dǎo)相關(guān)政策建議的出臺(tái)并發(fā)展風(fēng)險(xiǎn)投資決策建模方法體系及其應(yīng)用前景。

二、文獻(xiàn)回顧

在風(fēng)險(xiǎn)投資的決策分析研究中,Wells首先針對(duì)風(fēng)險(xiǎn)投資決策過(guò)程開展了研究[14]。隨后,Tyebjee和Bruno將上述過(guò)程劃分為包括交易發(fā)起、項(xiàng)目篩選、項(xiàng)目評(píng)價(jià)、契約設(shè)計(jì)和投資后管理五個(gè)階段[4]。進(jìn)一步地,諸多學(xué)者以此劃分為基礎(chǔ)展開了相關(guān)研究,形成了系列成果。當(dāng)前,投資決策過(guò)程被概括為更加寬泛的兩個(gè)階段[15],即投資前管理和投資后管理,這為風(fēng)險(xiǎn)投資項(xiàng)目選擇研究奠定了堅(jiān)實(shí)的理論基礎(chǔ)。隨后,學(xué)者們聚焦風(fēng)險(xiǎn)投資項(xiàng)目選擇問(wèn)題,開展了系列的決策建模與應(yīng)用研究。張曉濤等以“中國(guó)全球投資追蹤”數(shù)據(jù)為基礎(chǔ),構(gòu)建我國(guó)大型對(duì)外直接投資問(wèn)題項(xiàng)目數(shù)據(jù)庫(kù),探索了中國(guó)企業(yè)對(duì)外投資的政治風(fēng)險(xiǎn)和規(guī)律,為高質(zhì)量投資提供了對(duì)策建議[16]。胡玫和鄭偉面向我國(guó)對(duì)東盟十國(guó)直接投資的投入和產(chǎn)出數(shù)據(jù),進(jìn)行了基于數(shù)據(jù)包絡(luò)分析模型的投資效率研究,以優(yōu)化投資質(zhì)量并提高投資效率[17]。王鼎等基于風(fēng)險(xiǎn)投資家和創(chuàng)業(yè)企業(yè)的雙重道德風(fēng)險(xiǎn)視角,依據(jù)博弈論模型,研究了公平偏好對(duì)項(xiàng)目收益分配和雙方努力水平的影響[18]。Deng等將基于優(yōu)化的一致性模型與全乘比例分析多目標(biāo)優(yōu)化方法推廣至風(fēng)險(xiǎn)投資項(xiàng)目選擇的背景下,以此建立了穩(wěn)健型投資決策機(jī)制[19]?？傮w來(lái)看,目前風(fēng)險(xiǎn)投資項(xiàng)目選擇的現(xiàn)有相關(guān)研究中,還未探討不確定性決策環(huán)境中的復(fù)雜大群體特征。鑒于復(fù)雜大群體特征對(duì)于風(fēng)險(xiǎn)投資項(xiàng)目選擇的重要意義,本研究將為大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目的科學(xué)選擇提供一條可行路徑。

近年來(lái),緊密關(guān)聯(lián)于政府、企業(yè)、社交團(tuán)體等各類組織的運(yùn)營(yíng)管理或社交活動(dòng)中蘊(yùn)含的商業(yè)價(jià)值、社會(huì)管理與公共服務(wù)價(jià)值以及支撐科學(xué)決策的價(jià)值已被各行業(yè)廣泛認(rèn)知與開發(fā)利用[20],群體決策的參與者逐漸呈現(xiàn)出群體規(guī)模化、評(píng)價(jià)多源化、行為復(fù)雜化等特征,從而形成了大群體決策這一研究方向[21]。大群體決策相對(duì)于傳統(tǒng)群體決策而言,參與決策的人數(shù)更多,決策群體的構(gòu)成更為復(fù)雜,決策成員之間信息交互更少等多重因素導(dǎo)致決策群體難以達(dá)成共識(shí),這使得大群體決策區(qū)別于傳統(tǒng)的群體決策,迫切需要建立復(fù)雜大群體的評(píng)價(jià)融合與分析方法[22-23]。學(xué)者們?yōu)榍蠼獯笕后w決策問(wèn)題,從多元視角開展了系列研究。陳曉紅系統(tǒng)闡述了包括Choquet積分、直覺(jué)模糊群決策、粗糙集、網(wǎng)絡(luò)環(huán)境下的聚類分析等的大群體決策方法與技術(shù)[24]。Palomares等指出群體成員大于等于特定閾值時(shí),稱之為大群體,提出了適合于大群體的一致性模型[25]。該模型通過(guò)融入模糊聚類的機(jī)制來(lái)處理個(gè)體與子群體的非合作行為,引入了自組織映射來(lái)實(shí)現(xiàn)決策過(guò)程的可視化。李海濤等聚焦定性語(yǔ)言環(huán)境下決策成員權(quán)重難以客觀獲取的局限,基于蒙特卡洛經(jīng)驗(yàn)?zāi)B(tài)分解各決策成員的語(yǔ)言評(píng)價(jià)值,從客觀趨勢(shì)成分均值的角度獲得評(píng)價(jià)結(jié)果,進(jìn)而建立了突發(fā)事件應(yīng)急管理背景下的方案排序機(jī)制[26]。楊靜針對(duì)決策成員表達(dá)個(gè)體評(píng)價(jià)值時(shí)往往存在殘缺值的情形,利用平均效用偏好值處理殘缺偏好評(píng)價(jià),通過(guò)對(duì)偏好評(píng)價(jià)進(jìn)行集成來(lái)獲取最優(yōu)方案[27]。雷麗彩等在有限理性框架下,依據(jù)觀點(diǎn)動(dòng)力學(xué)探索了大群體決策中自主博弈與個(gè)體觀點(diǎn)交互的仿真過(guò)程,融入決策成員的說(shuō)服程度與固執(zhí)程度,在項(xiàng)目選擇背景下提出了考慮決策成員學(xué)習(xí)記憶機(jī)制的大群體動(dòng)態(tài)演變路徑[28]。任嶸嶸等將公眾評(píng)價(jià)數(shù)據(jù)進(jìn)行分組,從分組數(shù)據(jù)的特征出發(fā)依據(jù)正態(tài)分布擬合每組數(shù)據(jù)并進(jìn)行數(shù)據(jù)集成,進(jìn)而從優(yōu)勢(shì)度判斷矩陣的角度完成了公眾評(píng)價(jià)大群體決策的方法構(gòu)建[29]。Ding等基于社交網(wǎng)絡(luò)與稀疏表示的沖突關(guān)系檢測(cè)過(guò)程來(lái)研究大群體決策中決策成員間的沖突關(guān)系,通過(guò)一致共識(shí)的沖突度分析來(lái)確定一致共識(shí)是否達(dá)成[30]。陳曉紅等面向社會(huì)網(wǎng)絡(luò)環(huán)境下評(píng)價(jià)值為直覺(jué)模糊數(shù)的大群體決策問(wèn)題,考慮決策成員的社會(huì)網(wǎng)絡(luò)關(guān)系,構(gòu)建了融入社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)的權(quán)重獲取路徑,提出了基于一致性和猶豫性的大群體決策方法[31]。趙萌等從交互式共識(shí)模型的視角研究大群體決策中決策成員的社會(huì)網(wǎng)絡(luò)關(guān)系,通過(guò)反饋機(jī)制和共識(shí)度量來(lái)更新社會(huì)網(wǎng)絡(luò),發(fā)展了大群體決策共識(shí)達(dá)成機(jī)制[32]。Tang和Liao從最新研究、文獻(xiàn)統(tǒng)計(jì)、挑戰(zhàn)、主要應(yīng)用、未來(lái)發(fā)展方向等視角系統(tǒng)綜述了大群體決策,指出了如何在大數(shù)據(jù)時(shí)代發(fā)展高質(zhì)量的決策方法、技術(shù)和系統(tǒng)[33]。徐選華等以“8·12天津港爆炸”案例中的微博數(shù)據(jù)為背景,探索了公眾參與視角下大群體應(yīng)急決策質(zhì)量的動(dòng)態(tài)演化,為政府決策和應(yīng)急響應(yīng)提供了政策建議[34]?？傮w來(lái)看,目前大群體決策的現(xiàn)有相關(guān)研究中,還未探討不確定性決策環(huán)境中的多準(zhǔn)則混合模糊特征。鑒于多準(zhǔn)則混合模糊特征對(duì)于風(fēng)險(xiǎn)投資項(xiàng)目選擇的重要意義,本文將綜合考慮復(fù)雜大群體特征和多準(zhǔn)則混合模糊特征,探索大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目的科學(xué)選擇路徑。

綜合來(lái)看,鑒于風(fēng)險(xiǎn)投資項(xiàng)目選擇問(wèn)題本身的重要性,有必要在現(xiàn)有研究的基礎(chǔ)上,同時(shí)考慮多準(zhǔn)則混合模糊特征和復(fù)雜大群體特征,系統(tǒng)建立大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目的科學(xué)選擇路徑,為最大化降低決策風(fēng)險(xiǎn)、合理刻畫決策成員的有限理性構(gòu)建綜合性問(wèn)題求解策略。

三、研究方法及模型構(gòu)建

針對(duì)風(fēng)險(xiǎn)投資決策中的復(fù)雜大群體特征和多準(zhǔn)則混合模糊特征,本部分首先進(jìn)行問(wèn)題建模,即建立大群體環(huán)境下的混合模糊信息系統(tǒng),以此來(lái)建立風(fēng)險(xiǎn)投資項(xiàng)目選擇的問(wèn)題描述框架。在此基礎(chǔ)上,設(shè)計(jì)三階段的大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目選擇路徑,具體包括基于離差最大化法的權(quán)重獲取、基于模糊聚類法的關(guān)鍵成員篩選、基于最小貝葉斯風(fēng)險(xiǎn)決策的成員有限理性集成。值得強(qiáng)調(diào)的是,三階段風(fēng)險(xiǎn)投資項(xiàng)目選擇路徑可同時(shí)提供粗粒度的項(xiàng)目分級(jí)結(jié)果與細(xì)粒度的項(xiàng)目排序結(jié)果,在風(fēng)險(xiǎn)投資項(xiàng)目選擇的結(jié)果呈現(xiàn)上更加靈活,在不同背景下有助于最終選擇方案的達(dá)成。

(一)大群體混合模糊信息系統(tǒng)

在不確定性環(huán)境下,風(fēng)險(xiǎn)投資項(xiàng)目選擇評(píng)價(jià)數(shù)據(jù)受制于人類認(rèn)知水平差異化的影響,往往呈現(xiàn)出模糊性、不精確性、不完整性、猶豫性等特點(diǎn),決策成員需運(yùn)用較粗粒度的廣義模糊數(shù)來(lái)增加整體評(píng)價(jià)過(guò)程的適用性。依據(jù)有關(guān)風(fēng)險(xiǎn)投資項(xiàng)目選擇建模思路[19],利用包括精確數(shù)、模糊數(shù)、區(qū)間數(shù)、直覺(jué)模糊數(shù)在內(nèi)的四類數(shù)據(jù)構(gòu)建混合多準(zhǔn)則大群體決策矩陣,從而有效刻畫風(fēng)險(xiǎn)投資項(xiàng)目選擇中的多準(zhǔn)則混合模糊特征和復(fù)雜大群體特征。

(二)基于離差最大化法的權(quán)重獲取

在風(fēng)險(xiǎn)投資項(xiàng)目選擇背景下面向大群體決策的混合模糊信息系統(tǒng)中,如何利用決策成員給出的Ri中風(fēng)險(xiǎn)投資項(xiàng)目選擇評(píng)價(jià)值來(lái)客觀獲取指標(biāo)權(quán)重和決策成員權(quán)重是進(jìn)行后續(xù)三階段風(fēng)險(xiǎn)投資項(xiàng)目選擇決策的重要前提。離差最大化法的核心思想為在同一指標(biāo)下,若風(fēng)險(xiǎn)投資項(xiàng)目選擇評(píng)價(jià)值之間的差異較大,則賦予較大的權(quán)重,反之則賦予較小的權(quán)重。離差最大化法的差異度量依據(jù)為常見的距離函數(shù),在現(xiàn)實(shí)應(yīng)用中符合決策成員的認(rèn)知行為。具體地,每位決策成員對(duì)應(yīng)的指標(biāo)權(quán)重和決策成員權(quán)重分別為:

(三)基于模糊聚類法的關(guān)鍵成員篩選

基于模糊聚類法的關(guān)鍵成員篩選旨在通過(guò)對(duì)群體成員進(jìn)行聚類,使同一聚集內(nèi)成員意見基本一致,減少成員意見集成的復(fù)雜度。本文依據(jù)以模糊等價(jià)關(guān)系為基礎(chǔ)的系統(tǒng)聚類法,即依據(jù)對(duì)象特征求解對(duì)象間的相似系數(shù),構(gòu)建對(duì)象集上的模糊相似關(guān)系,運(yùn)用合成運(yùn)算得到模糊等價(jià)關(guān)系,聚類對(duì)象中具有等價(jià)關(guān)系的歸為一類,否則歸為不同類,其具體步驟為:

2.通過(guò)類內(nèi)相似度與類間相似度的比值來(lái)確定最佳聚類類別數(shù),并依據(jù)最大比值對(duì)應(yīng)的類別數(shù)確定群體成員的最終聚類結(jié)果。具體地,通過(guò)類內(nèi)相似度GH與類間相似度GI的比值G來(lái)衡量,其中GH通過(guò)計(jì)算類內(nèi)成員兩兩相似度的均值來(lái)獲取,GI通過(guò)計(jì)算類與類之間聚類中心相似度的均值來(lái)獲取。

3.通過(guò)選取最大G值對(duì)應(yīng)的聚類結(jié)果作為本部分群體成員的聚類結(jié)果。對(duì)于大群體決策問(wèn)題,若經(jīng)過(guò)一次聚類分析后聚集的數(shù)量仍為特定閾值以上,則重復(fù)進(jìn)行群體成員的聚類分析,直到最終的聚集類別小于特定閾值為止。

(四)基于最小貝葉斯風(fēng)險(xiǎn)決策的成員有限理性集成

在完成基于模糊聚類法的關(guān)鍵成員篩選后,風(fēng)險(xiǎn)投資項(xiàng)目選擇背景下的大群體決策問(wèn)題的規(guī)模已降低,即已轉(zhuǎn)化為經(jīng)典群體決策問(wèn)題。基于最小貝葉斯風(fēng)險(xiǎn)決策的成員集成是進(jìn)行風(fēng)險(xiǎn)投資項(xiàng)目選擇信息集成的核心步驟,具體包括如下確定類內(nèi)代表性成員、不同類內(nèi)代表性成員的融合兩個(gè)步驟:

2.確定類內(nèi)代表性成員之后,本部分以大群體決策問(wèn)題轉(zhuǎn)化為經(jīng)典群體決策問(wèn)題為出發(fā)點(diǎn),完成不同類內(nèi)代表性成員的融合任務(wù)。針對(duì)風(fēng)險(xiǎn)投資項(xiàng)目選擇信息集成過(guò)程中存在的決策風(fēng)險(xiǎn),尤其是因個(gè)別決策成員決策失誤帶來(lái)的誤分類現(xiàn)象,即最差備選項(xiàng)目被歸類為最優(yōu)備選項(xiàng)目,或最優(yōu)備選項(xiàng)目被歸類為最差備選項(xiàng)目,本部分采用狹義三支決策模型進(jìn)行類內(nèi)代表性成員融合。狹義三支決策模型通過(guò)結(jié)合最小貝葉斯風(fēng)險(xiǎn)決策理論來(lái)量化不同類決策的風(fēng)險(xiǎn)代價(jià),確保最終決策伴隨的風(fēng)險(xiǎn)達(dá)到最低,從而形成將項(xiàng)目分級(jí)為接受、待定和拒絕的理論依據(jù)。在基于狹義三支決策模型的類內(nèi)代表性成員融合中,需要對(duì)可調(diào)節(jié)粗糙隸屬度與閾值進(jìn)行比較,以此對(duì)備選風(fēng)險(xiǎn)投資項(xiàng)目進(jìn)行分級(jí),其具體步驟為:

四、實(shí)證分析

本文采用有關(guān)案例分析背景進(jìn)行實(shí)證分析[19]。風(fēng)險(xiǎn)投資企業(yè)RY公司擬遵循投資的國(guó)際慣例,以規(guī)模投資、精品投資和謹(jǐn)慎投資為指導(dǎo)理念,啟動(dòng)未來(lái)5年的風(fēng)險(xiǎn)投資計(jì)劃。具體而言,U=(x1,x2,x3,x4)代表4個(gè)風(fēng)險(xiǎn)投資項(xiàng)目,選取6個(gè)評(píng)價(jià)指標(biāo):行業(yè)因素、環(huán)境因素、市場(chǎng)因素、業(yè)務(wù)因素、創(chuàng)業(yè)者及其團(tuán)隊(duì)因素、財(cái)務(wù)因素,表示為V={y1,y2,y3,y4,y5,y6}。20位決策成員采用多準(zhǔn)則混合模糊矩陣進(jìn)行風(fēng)險(xiǎn)投資項(xiàng)目的評(píng)價(jià),其中:在y1維度下采用精確數(shù);在y2維度下采用模糊數(shù);在y3和y4維度下采用區(qū)間數(shù);在y5和y6維度下采用直覺(jué)模糊數(shù)進(jìn)行評(píng)價(jià)。各決策成員對(duì)應(yīng)的多準(zhǔn)則決策矩陣分別如下所示:

進(jìn)一步地,本文為說(shuō)明三階段的大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目選擇路徑的有效性,依據(jù)已構(gòu)建的基于優(yōu)化的一致性模型與全乘比例分析多目標(biāo)優(yōu)化方法的群決策路徑[19],不難求得最終排序結(jié)果為x1>x3>x2>x4,與利用本文方法所得結(jié)論一致。

值得注意的是,本文所提出的大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目選擇路徑同時(shí)考慮了大群體決策問(wèn)題的多準(zhǔn)則混合模糊特征和復(fù)雜大群體特征,可提供有效的屬性權(quán)重客觀獲取機(jī)制與在多準(zhǔn)則混合模糊背景下風(fēng)險(xiǎn)投資項(xiàng)目的聚類機(jī)制。與此同時(shí),在多準(zhǔn)則混合模糊信息集成中,本文在有限理性框架下依據(jù)最小貝葉斯風(fēng)險(xiǎn)決策原理,不僅可最大化降低風(fēng)險(xiǎn)投資項(xiàng)目誤分類的風(fēng)險(xiǎn),而且合理考慮了決策成員的有限理性特征。綜上所述,相比于現(xiàn)有大群體決策方法,本研究具備考慮多準(zhǔn)則混合模糊特征,提供有效的屬性權(quán)重客觀獲取機(jī)制,發(fā)展了多準(zhǔn)則混合模糊背景下風(fēng)險(xiǎn)投資項(xiàng)目的聚類機(jī)制,最小化風(fēng)險(xiǎn)投資項(xiàng)目誤分類風(fēng)險(xiǎn),考慮決策成員的有限理性特征這5類優(yōu)勢(shì),可視為一種綜合性的風(fēng)險(xiǎn)投資項(xiàng)目選擇路徑,更符合實(shí)際的風(fēng)險(xiǎn)投資項(xiàng)目選擇流程,為風(fēng)險(xiǎn)投資項(xiàng)目選擇建立了一種可行的問(wèn)題求解模式。

五、結(jié)論

面向經(jīng)濟(jì)主戰(zhàn)場(chǎng),科學(xué)有效的風(fēng)險(xiǎn)投資項(xiàng)目選擇路徑對(duì)于初創(chuàng)企業(yè)保持較強(qiáng)的市場(chǎng)競(jìng)爭(zhēng)力至關(guān)重要,同時(shí)也能夠推進(jìn)我國(guó)戰(zhàn)略性新興產(chǎn)業(yè)和未來(lái)產(chǎn)業(yè)的蓬勃發(fā)展,提高科技進(jìn)步對(duì)于經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn),有助于更好地建設(shè)現(xiàn)代化產(chǎn)業(yè)體系。本文聚焦不確定性決策環(huán)境下風(fēng)險(xiǎn)投資項(xiàng)目選擇呈現(xiàn)出的多準(zhǔn)則混合模糊特征和復(fù)雜大群體特征,基于離差最大化法進(jìn)行權(quán)重獲取,通過(guò)模糊聚類法對(duì)多準(zhǔn)則混合模糊特征下的大群體風(fēng)險(xiǎn)投資項(xiàng)目選擇問(wèn)題進(jìn)行關(guān)鍵成員篩選,依據(jù)最小貝葉斯風(fēng)險(xiǎn)決策對(duì)篩選出的關(guān)鍵成員進(jìn)行有限理性集成,從而構(gòu)建了以上三階段的大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目選擇路徑。本文采用國(guó)內(nèi)某風(fēng)險(xiǎn)投資企業(yè)的風(fēng)險(xiǎn)投資項(xiàng)目評(píng)價(jià)數(shù)據(jù)進(jìn)行實(shí)證分析,所得決策結(jié)論表明,本文所建立的大群體決策視角下風(fēng)險(xiǎn)投資項(xiàng)目選擇路徑可有效處理不確定性決策環(huán)境下風(fēng)險(xiǎn)投資項(xiàng)目選擇呈現(xiàn)出的多準(zhǔn)則混合模糊特征和復(fù)雜大群體特征,所得結(jié)論與其他方法的一致性較高,在模擬風(fēng)險(xiǎn)投資的現(xiàn)實(shí)情境中具備較高的模型解釋力與實(shí)踐價(jià)值。