ZhaoYiFan

摘 要：本文基于人工神經(jīng)網(wǎng)絡(luò)理論，吸收了層次分析法確定權(quán)值的方法，從理論的角度上，提出了一個(gè)新的基于AHP-ANN模型的對(duì)醫(yī)藥類風(fēng)險(xiǎn)投資項(xiàng)目進(jìn)行評(píng)估的系統(tǒng)化、定量化的方法，與現(xiàn)有的評(píng)估方法相比具有優(yōu)越性，也為風(fēng)險(xiǎn)投資評(píng)估機(jī)構(gòu)提供了較為可靠和可操作的參照方法，具有良好的現(xiàn)實(shí)指導(dǎo)意義。

關(guān)鍵詞：醫(yī)藥類 風(fēng)險(xiǎn)投資項(xiàng)目 AHP-ANN模型

醫(yī)藥類高科技領(lǐng)域是風(fēng)險(xiǎn)投資關(guān)注的三大領(lǐng)域之一。醫(yī)藥類風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估就是指風(fēng)險(xiǎn)投資公司對(duì)醫(yī)藥類高科技項(xiàng)目進(jìn)行綜合評(píng)估以決定是否對(duì)其投入風(fēng)險(xiǎn)資金幫助其發(fā)展壯大。它是風(fēng)險(xiǎn)投資運(yùn)作過程中的一個(gè)重要階段，起著承上啟下的作用。風(fēng)險(xiǎn)投資的成功與否，基本上取決于對(duì)風(fēng)險(xiǎn)投資項(xiàng)目的篩選和評(píng)估，它直接影響著風(fēng)險(xiǎn)投資決策行為。因此。如何提高風(fēng)險(xiǎn)投資項(xiàng)目選擇的準(zhǔn)確性，降低投資風(fēng)險(xiǎn)是所有風(fēng)險(xiǎn)投資公司都在關(guān)心和研究的問題。

近年來，關(guān)于風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估的工作，許多專家、學(xué)者都作了大量的研究。在傳統(tǒng)的投資項(xiàng)目評(píng)估的基礎(chǔ)上，不同程度考慮了風(fēng)險(xiǎn)投的特點(diǎn)，對(duì)風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估做出了積極的貢獻(xiàn)。目前，項(xiàng)目評(píng)估方法主要有：非貼現(xiàn)法、貼現(xiàn)法專家法、層次分析法、決策樹方法、模糊數(shù)學(xué)和期權(quán)定價(jià)模型等。但是，還沒有形成一種權(quán)威的針對(duì)醫(yī)藥類高科技項(xiàng)目的評(píng)估方法。比較以上的評(píng)估方法，可能也沒有哪-種是最適合醫(yī)藥類項(xiàng)目評(píng)估的。正是由于不同的評(píng)估方法各有利弊，而且醫(yī)藥類風(fēng)險(xiǎn)投資項(xiàng)目又有其自身的特殊性，所以對(duì)多種評(píng)估方法綜合應(yīng)用將有利于更加正確的進(jìn)行醫(yī)藥類高科技項(xiàng)目評(píng)估。因此，本文就提出將層次分析法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行醫(yī)藥類高科技項(xiàng)目評(píng)估。

層次分析法（Analytic Hierarchy Porcess簡(jiǎn)稱AHP）和人工神經(jīng)網(wǎng)絡(luò)（Artifieial Neural Nerworks簡(jiǎn)稱ANN）都是系統(tǒng)化的研究方法。AHP是一套綜合的評(píng)估系統(tǒng)，當(dāng)決策者對(duì)多目標(biāo)、多準(zhǔn)測(cè)、多位決策者參與進(jìn)行決策時(shí)，它可以用來處理直覺、理性或非理性的決策問題。

ANN則是模擬人腦神經(jīng)元的-種計(jì)算方法，用于模擬人類大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為，通過樣本的學(xué)習(xí)達(dá)到對(duì)指定問題的識(shí)別。盡管AHP和ANN都可以單獨(dú)對(duì)風(fēng)險(xiǎn)投資的項(xiàng)目進(jìn)行評(píng)估。但是都有-定的局限性。所以，本文設(shè)計(jì)將這兩種方法有機(jī)的組合起來，取長補(bǔ)短，以期獲得整合之功效。從理論上分析，構(gòu)建醫(yī)藥類風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估AHP-ANN模型將有以下優(yōu)點(diǎn)。

（1）保持了AHP在方案大體確定的問題中優(yōu)選的特點(diǎn)，可以首先得到人們對(duì)研究問題在主觀認(rèn)識(shí)上的-組粗略的優(yōu)劣排序。（2）AHP-ANN模型具有很強(qiáng)的非線性映射能力，學(xué)習(xí)經(jīng)驗(yàn)的能力強(qiáng)，分類、預(yù)測(cè)準(zhǔn)確度高。（3）AHP-ANN模型自適應(yīng)能力很強(qiáng)，能不斷地接受新樣本、不斷學(xué)習(xí)，以調(diào)整模型。從而可以不斷更新滾動(dòng)數(shù)據(jù)來訓(xùn)練模型，形成動(dòng)態(tài)評(píng)估過程，使評(píng)估結(jié)果更準(zhǔn)確。（4）AHP-ANN模型仍然保持了AHP和ANN共有的系統(tǒng)性、實(shí)用性簡(jiǎn)潔性等特點(diǎn)。

一、構(gòu)建風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估的AHP-ANN模型

（1）建立風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估層次結(jié)構(gòu)模型

層次分析法是20世紀(jì)70年代由著名運(yùn)籌學(xué)家TL.satty提出的。層次分析法是運(yùn)用系統(tǒng)分析思想把復(fù)雜的問題分成若干聯(lián)系的、有序的層次，對(duì)每一層次的相關(guān)因素進(jìn)行比較分析，把各個(gè)因素的相對(duì)重要性定量化，再利用數(shù)學(xué)方法決定全部因素的重要性次序，并輔之以一致性檢驗(yàn)，以保證評(píng)價(jià)人的思維判斷符合實(shí)際，從而為選擇最優(yōu)方案提供依據(jù)的-種多目標(biāo)評(píng)價(jià)方法。風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估中需要考慮的因素非常多，歸納起來主要有以下幾個(gè)方面：管理因素，技術(shù)和產(chǎn)品因素、市場(chǎng)和環(huán)境因素、財(cái)務(wù)因素。醫(yī)藥類高新技術(shù)企業(yè)又有著不同于其它類型高新企業(yè)的特點(diǎn)。一般說來，有效的醫(yī)藥產(chǎn)品消費(fèi)彈性比較低，受宏觀經(jīng)濟(jì)波動(dòng)及社會(huì)因素影響比較小。

本文參考目前風(fēng)險(xiǎn)投資公司進(jìn)行項(xiàng)目評(píng)價(jià)時(shí)的選取的主要指標(biāo)，通過有關(guān)方面專家和風(fēng)險(xiǎn)投資機(jī)構(gòu)的判斷、打分，并且結(jié)合醫(yī)藥行業(yè)的自身發(fā)展規(guī)律和發(fā)展特點(diǎn)，從眾多評(píng)價(jià)因素中選取了n個(gè)較為關(guān)鍵的評(píng)估因素作為AHP的方案層，分別是：管理者的經(jīng)驗(yàn)與業(yè)績，經(jīng)營團(tuán)隊(duì)的合作性，技術(shù)成熟程度，產(chǎn)品技術(shù)含量，產(chǎn)品競(jìng)爭(zhēng)力，市場(chǎng)增長潛力，市場(chǎng)需求，社會(huì)經(jīng)濟(jì)景氣程度，國家經(jīng)濟(jì)及產(chǎn)業(yè)政策，預(yù)期投資報(bào)酬率，資金使用計(jì)劃合理性。

（2）構(gòu)建AHP-ANN評(píng)估模型

人工神經(jīng)網(wǎng)絡(luò)是一個(gè)非線性動(dòng)力學(xué)系統(tǒng)，由大量本身很簡(jiǎn)單的處理單元廣泛地互相連接而形成。這種系統(tǒng)在經(jīng)過輸人樣本和預(yù)期理想輸出按一定訓(xùn)練算法和足夠次數(shù)的訓(xùn)練中，不斷學(xué)習(xí)知識(shí)，在訓(xùn)練完成后，系統(tǒng)便可以求解相同的問題。在本模型中選擇BP網(wǎng)絡(luò)作為神經(jīng)網(wǎng)絡(luò)部分。反向傳播神經(jīng)網(wǎng)絡(luò)（Backpropagation簡(jiǎn)稱BP網(wǎng)絡(luò)）是最著名的多層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，具有較好的自學(xué)習(xí)、自聯(lián)想功能。

BP網(wǎng)絡(luò)由三個(gè)神經(jīng)元層次組成，分別是輸入層、隱含層、輸出層，各層次神經(jīng)元相互聯(lián)接，各層次內(nèi)的神經(jīng)元不存在相互聯(lián)接。BP網(wǎng)絡(luò)學(xué)習(xí)過程由四部分組成，由翰人層經(jīng)隱層向輸出層的

“正向傳播”過程，網(wǎng)絡(luò)的實(shí)際輸出與期望輸出之差的誤差由輸出層經(jīng)隱層至輸入層，逐層修正數(shù)值的“誤差反向傳播”，通過“正、逆?zhèn)鞑ァ狈磸?fù)交替，進(jìn)行的網(wǎng)絡(luò)“記憶訓(xùn)練”，使得網(wǎng)絡(luò)收斂及網(wǎng)絡(luò)的全面誤差趨向極小值的“學(xué)習(xí)”過程。

二 模型的應(yīng)用體會(huì)

如前所述，AHP-ANN模型為11-22-1的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，本文選擇10個(gè)樣本進(jìn)行學(xué)習(xí)，另備5個(gè)樣用來檢驗(yàn)?zāi)Ｐ偷木取?/p>

當(dāng)網(wǎng)絡(luò)訓(xùn)練成功后，固定模型的權(quán)值和鬧值，便可用于項(xiàng)目評(píng)價(jià)中。通過實(shí)際應(yīng)用與比較。就本文提出的醫(yī)藥類高新技術(shù)項(xiàng)目評(píng)估方法還得到如下體會(huì)：

（1）本文模型首先在專家評(píng)議的基礎(chǔ)上，利用AHP分析法獲得了專家對(duì)項(xiàng)目的各關(guān)鍵因素的關(guān)注程度，從而獲得重要度權(quán)值，這種權(quán)值對(duì)于后續(xù)的應(yīng)用有著重大的意義。

（2）本文模型的輸人數(shù)組由1個(gè)量組成。確定每一數(shù)組的理想輸出往往不太容易。因此考慮到-致性，訓(xùn)練樣本數(shù)并非越多越好。因此樣本及樣本數(shù)的選擇非常重要。

（3）本模型在實(shí)際應(yīng)用時(shí)，所采集的輸人數(shù)據(jù)來源于專家的評(píng)分。但是由于專家自身的某些局限性，可能對(duì)最終評(píng)估結(jié)果帶來影響。所以，怎樣組成最科學(xué)的專家組還有待在實(shí)踐中進(jìn)-步探索。

（4）為了使評(píng)價(jià)結(jié)果更加的直觀，本模型將最終輸出與評(píng)估優(yōu)良等級(jí)相對(duì)應(yīng)。便于決策者更好的以此為依據(jù)進(jìn)行決策。

參考文獻(xiàn)

[1]程巖，解帆。基于不精確信息的科研項(xiàng)目評(píng)估的群決策模型研究[J]?？茖W(xué)學(xué)與科學(xué)技術(shù)管理。2003，（2）