基于云模型的企业项目融资决策探讨范文

摘要：针对传统融资决策中只考虑评价信息的模糊性，不涉及随机性的问题，提出了一种基于云模型的多指标性决策方法，从而用于解决由群体组成的多指标融资决策问题。首先将备选方案的语言评价值进行转化为云；其次通过计算专家的静态权重和动态权重并合成专家综合权重，合成得到方案综合云；再次依据Hamming距离测度提出了一种改进的云相似度算法，通过云的相似度算法比较各方案综合云并且得到最终方案的排序；最后实例验证该方法的可行性和有效性。

关键词：云模型；多目标融资决策；Hamming距离；专家权重

一、引言

融资是现代企业获得资金的重要途径。融资决策过程需要大量人员共同参与，而随着社会环境的复杂性加剧，基于人的局限性与主观性，以及事物本身的模糊性，决策者无法对决策对象给予准确的评价。不确定性大群体融资决策问题越来越备受关注。徐选华等人[1]研究了大群体决策冲突测度问题，提出了聚集冲突测度模型并集结为群体冲突测度模型，实施应用于大群体偏好集结；王畅[2]以自然语言值作为切入点，将模糊熵和TOPSIS结合来求得综合权重，并实施应用于应急大群体决策。值得注意的是，现有的方法中，大部分只考虑了决策信息的模糊性，并没有考虑到决策信息的随机性问题，而随机性是大群体决策不确定性的一个重要性质，在多属性决策中是普遍存在的。在企业融资决策中，所涉及的评价指标众多，其中有些评价指标难以用定量数据衡量，在此情况下决策者更倾向于利用语言变量对指标进行评价。云模型是李德毅院士在1995年在概率论和模糊数学基础上提出的概念，它以自然语言值作为切入点，实现定量与定性之间的不确定性转换，既能很好地克服模糊数学与概率论在处理不确定性上的不足，也可以很好地弥补定性与定量转换过程中的信息缺失问题。云模型间的差异化度量是决策方案排序与选择过程中的重要内容：赵坤等人[3]研究的是在最优权系数基础上，基于前景理论与云模型对各个方案的综合前景值进行排序选择；张勇等人[4]基于云滴间的横坐标差值，从云滴分布的角度，提出云的相似度算法；金璐等[5]基于云模型和熵权理论，提出最大最小贴近度的云的相似度算法。

以上研究只是通过云的横坐标来对云的相似度作计算与比较，并没有考虑纵坐标对云相似度计算结果的影响，这就显得不够准确合理。现代企业融资决策涉及的因素众多，传统的大群体决策方法已难以满足这种复杂环境下的决策要求。Hamming距离是著名学者查理德∙卫斯理∙汉明提出来的，表示在信息论中，两个等长字符串之间的Hamming距离是两个字符串对应位置的不同字符的个数，即将一个字符串转换成另外一个字符串所需替换的字符个数。Hamming距离越小，表示其相似度越高；反之，其相似度越低。而云模型是定性与定量之间的相互转换，用Hamming距离来计算云之间的相似度，要比以普通距离计算更具说服力。基于此，本文通过计算各个云滴间的Ham-ming距离，并基于Hamming距离测度对云的相似度算法做进一步改进，提出了一种改进的云相似度算法，利用云的相似度来实现方案排序。实际中，专家的权重是大群体决策的又一重要部分。不同专家个体具有不同的经历、知识背景和偏好，在专家权重确定过程中，首先应该对专家进行聚类。基于所提供评价信息存在多样性与差异性，某一聚集内的专家人数越多，该聚集对群体决策的作用越大，说明该聚集的权重越大。万俊等人[6]基于决策者主观权重已知，提出一种通过计算专家个体决策结果与群体决策结果的偏差量并结合熵理论求得专家的客观权重的调整算法；本文针对已知专家聚类的群体决策问题，根据不同专家与其固有的知识充裕度、专业熟悉度和影响力等计算出专家静态权重，根据专家对方案评估的偏离程度经反馈计算得出动态权重，两者相结合得到最终的专家综合权重。

本文主要贡献在于，针对属性权重已知的多属性群体决策问题，提出了一种基于云模型的融资决策方法。针对不同决策指标对应群体权重不同的问题，提出了基于专家静态权重与动态权重相结合来确定专家综合权重。所提方法包括以下部分：（1）企业项目融资决策中，多指标并难以量化，采用云模型对专家的语义评价进行量化，从评价语言的模糊性与随机性两方面描述评价过程的不确定性，使得评价结果更具准确合理性；（2）在评价信息基础上，基于专家的静态权重与动态权重结合的方法确定专家综合权重，结合属性综合评价值与专家综合权重二次生成综合云；（3）基于Hamming距离测度方法，对云的相似度与差异性进行度量，并计算确定备选方案与最优云的相似度，然后进行排序选择，使得方案的比较更加合理准确。

二、云模型及相关定义

（一）云模型定义

云模型是用语言值表示的某个定性概念与其定量表示之间的不确定性转换，是李德毅院士在1995年提出，能将概念中的模糊性和随机性有机结合在一起，构成定性与定量间的不确定性映射。

三、基于综合专家权重确定云模型方案排序

（一）综合专家权重确定

1.静态权重

实际中，不同专家人员具有不同的知识背景、经历和偏好等，基于此，本文通过把专家的知识充裕程度、专业熟悉度及专家影响力等确定的权重作为静态权重。在专家模型基础上，通过计算专家相关知识充裕度(ZC)、专家专业经验熟悉度(ZJ)和专家影响力(ZY)，由公式(Zj)=k1ZC+k2ZJ+k3ZY得到专家质量得分(Zj)，进行归一化处理后得到静态权重。

2.动态权重

现实中，每个专家评估质量绝非与其静态权重相一致，依据专家的评估偏离程度，由反馈计算得到动态权重，偏离程度越大，专家所获得权重越小。利用动态权重考核专家的评估质量，是对专家评估质量的动态反映。

四、应用实例

随着时代的进步发展，融资对现代企业的发展越来越重要。而融资是否成功，取决于融资决策的好坏，企业项目融资决策是一个多属性群体决策的动态过程，融资决策的好坏直接关系一个企业的发展是否长远。某企业在激烈市场竞争中谋求创新发展，研发一种新型产品，由于资金短缺需向银行贷款而制定融资决策方案。现从企业经济能力B1、企业人力资源B2、外部环境B3、应对风险能力B4、企业信息化投入B55个方面制订了3个贷款备选方案。采用本文所提方法对贷款备选方案进行排序并确定出最优的贷款方案。

五、结论

本文研究基于云模型的企业融资决策方法，首先利用云模型对备选方案的语言评价值进行转化；然后通过计算专家的静态权重和动态权重并结合专家综合权重，合成得到方案综合云；依据Hamming距离测度提出了一种改进的云相似度算法，通过云的相似度算法比较各方案综合云并且得到最终方案的排序。在企业项目融资中，针对属性权重已知的多属性群体决策问题，提出了一种基于云模型的融资决策方法。针对不同决策指标对应群体权重不同的问题，提出了基于专家静态权重与动态权重相结合来确定专家综合权重。最后，利用本文所提方法，应用于企业的项目贷款融资方案决策中，通过实证分析，验证了该方法的可行性与有效性。

参考文献：

[1]徐选华，万奇锋，陈晓红，等.一种基于区间直觉梯形模糊数偏好的大群体决策冲突测度研究[J].中国管理科学，2014，22（8）：115-122.

[2]王畅.基于直觉模糊集的应急决策方法研究[D].武汉：华中师范大学，2016.

[3]赵坤，高建伟，祁之强，等.基于前景理论及云模型风险型多准则决策方法[J].控制与决策，2015（3）：395-402.

[4]张勇，赵东宁，李德毅.相似云及其度量分析方法[J].信息与控制，2004，33（2）：129-132.

[5]金璐，覃思义.基于云模型间贴近度的相似度量法[J].计算机应用研究，2014，31（5）：1308-1311.

[6]万俊，邢焕革，张晓晖.基于熵理论的多属性群决策专家权重的调整算法[J].控制与决策，2010，25（6）：907-910.

[7]徐选华，孙倩，刘洁，等.基于云模型的大型工程机械企业项目融资决策研究[J].科技进步与对策，2016，33（16）：106-110.

[8]齐名军，杨爱红.基于云模型云滴机制的量子粒子群优化算法[J].计算机工程与应用，2012，48（24）：49-52.

[9]肖子涵，耿秀丽，徐士东.基于云模型的不确定性大群体多属性决策方法[J].计算机工程与应用，2016.

[10]王坚强，刘淘.基于综合云的不确定语言多准则群决策方法[J].控制与决策，2012，27（8）：1185-1190.

作者：韦元宏；李林 单位：上海理工大学