基于模糊距离投资决策方法.docVIP

基于模糊距离的投资决策方法 　　【摘 要】 针对企业项目投资决策问题,文章提出一种基于模糊距离的投资决策方法。该方法通过模糊语言变量和语言值对原始决策表进行模糊化,从而确定基准向量作为理想投资项目,进而度量已有每个项目的模糊向量与基准向量的距离,最终投资的项目是与基准向量最接近的项目,并通过实例验证了该方法的有效性。 　　【关键词】 投资决策; 模糊集; 隶属度; 距离 　　 　　投资是企业创造与积累财富、保持可持续发展的前提,同时,投资又是企业价值得以最大化的源泉。首先,企业投资决策活动,不仅受其自身各种因素的影响,而且与其所处的内外环境有着不可忽略的联系,因此,企业在进行投资决策时需要考虑的因素很多,必须对这些因素进行权衡、取舍和利用,才能得出最终的决策结果;其次,对于一般的企业集团来讲,他们面临的往往是项目群,对该项目群中项目的取舍,会直接影响到集团投资目标的实现,影响到企业集团的整体投资收益水平。 　　根据以上两点,可以将投资决策归纳为一种多属性决策问题。多属性决策是指在决策过程中考虑的决策属性不止一个,而且可供选择的决策方案个数有限并且已知。由于各属性对各对象的描述可能不一致,因此,根据一个属性往往无法得出合理的决策,必须综合考虑各个属性才能获得有效的决策结果。此外,对于各个属性的取值,一般情况下,可以根据经验公式计算出具体的数值,但是,这其中存在一个问题,即忽略了属性的模糊性。因为经验公式具有一定的数据依赖性,所以在描述待处理数据时,必然存在一定的不确定性,这种不确定性是由于事务本身的不确定性和决策者(或专家)的主观性引起的,这就是客观存在于万物之中的模糊性。因此,本文借助模糊集来描述投资决策中存在的不确定性,解决企业项目投资决策中的一些关键问题。 　　 　　一、投资决策的问题描述 　　 　　企业集团项目群的投资决策涉及到多个(或多层)指标(或属性)。例如,影响项目投资决策的属性可能包括内含报酬率、初始投资额、投资回收期、风险程度等等,原始的投资决策表如表1所示。其中,内含报酬率是使投资项目的净现值等于零的贴现率,实际上反映了投资项目的真??报酬,是相对指标;初始投资额是绝对指标,是指项目初始投资时所投入的费用;投资回收期是指收回初始投资所需要的时间,一般以年为单位,是原始投资额与年现金净流量的比值;风险程度是标准差与期望值之比,是综合考虑了政策风险、技术风险、市场风险、管理风险和环境风险等得出的量化值,表示标准差与期望值的离散程度。 　　如果根据初始内含报酬率来判断,应该选择投资项目X,如果根据初始投资额,应该选择投资项目Z(这需要根据企业的财务状况来决定),如果按照投资回收期来判断,应该选择投资项目X,如果按照风险程度,应该选择投资项目Y。可以看出,根据不同的属性来判断,得到的结果是不同的。选择投资额大于投资资金限额的项目,并不是绝对不可行,因为可以选择逐年投入资金,而且根据财务状况和理财环境的变化进行调整;对于小于资金限额的项目,也不一定被选上。因此,需要一种综合的多属性决策方法,权衡利弊,最终选出最适合投资的项目。 　　 　　二、基于模糊距离的多属性决策模型 　　 　　针对以上投资决策问题,本文提出一种基于模糊距离的投资决策方法。该方法通过对原始决策表进行模糊化,并确定基准向量作为理想投资项目,进而度量已有的每个项目与基准向量的距离,最终投资的项目是与基准向量最接近的项目。 　　(一)模糊化 　　如前所述,影响投资决策的属性都具有一定的模糊性,这里将投资决策表中的每个属性都看作一个模糊语言变量,每个语言变量可取若干语言值,每个语言值又对应一个模糊集。因此,模糊化主要包括两个步骤,一是确定语言值的个数和等级;二是确定语言值对应的模糊集。对此,首先根据问题特点确定语言值的个数;然后根据模糊分布法确定各个语言值的隶属度函数,即根据现有隶属度分布,结合数据获取精度的情况,确定隶属度函数的表达形式。例如,对于表1的属性“内含报酬率”,根据专家知识和企业实际,这个语言变量可以取“很高”、“高”、“中”、“低”四个级别的语言值,这四个语言值对应的四个模糊集如图1所示。 　　(二)基准向量与模糊距离 　　为了确定最优的投资项目,需要确定投资项目的理想数据特征,即基准向量。基准向量确定的原则:将最高级别语言值的隶属度赋值为1,其他级别语言值的隶属度赋值为0。例如,对于表1的属性“内含报酬率”,因为它包含4个不同级别的语言值,那么该属性的理想数据特征是{1,0,0,0}。 　　最终投资的项目是与基准向量最接近的项目,因此,需要确定一个模糊距离的计算公式,来度量已有的每个项目与基准向量之间的距离。模糊距离的计算如下所示: 　　下面给出基于模糊距离的投资决策方法的具体步骤。 　　(三)步