Método de optimización para la evaluación del entorno de inversión

Los métodos de selección de evaluación del entorno de inversión incluyen evaluación subjetiva y evaluación objetiva, que incluyen principalmente el método de análisis de cuasi recuento, el método de análisis de parámetros, el proceso de jerarquía analítica (AHP), el método de investigación de expertos, el método de selección de evaluación integral difusa y método de ponderación de entropía, el método de selección de evaluación que combina el análisis de conglomerados y el análisis de componentes principales, el método de selección de evaluación que combina AHP con una evaluación integral difusa, etc. La evaluación del entorno de inversión debe evaluarse en función de las características y ámbito de aplicación de cada método, así como de las características del objeto de evaluación. Sólo seleccionando métodos de evaluación y selección adecuados en función de los objetivos de la evaluación, las características y el ámbito de aplicación de cada método, y considerando integralmente las características del objeto de evaluación se pueden obtener resultados objetivos de evaluación y selección.

(1) Método de análisis paramétrico

El proceso de análisis de este método es el siguiente: seleccionar un conjunto de datos que pueda reflejar la imagen general del entorno de inversión regional, como la inversión coeficiente, multiplicador de inversión y propensión marginal a consumir, saturación de inversión, adaptabilidad de la infraestructura, nivel de riesgo de inversión, tasa de demanda efectiva, nivel de consumo nacional, tasa de valor agregado de recursos, tasa de optimización de productos básicos, etc. ② Estime los valores de cada uno; parámetro y comparar los resultados de la estimación con áreas con un buen entorno de inversión. (Estime el valor de cada parámetro y compare los resultados estimados con indicadores similares en áreas con un buen entorno de inversión; ③ Analice las similitudes y diferencias de los resultados de la comparación para juzgar la calidad del entorno de inversión (similar significa que el entorno de inversión es bueno). La característica de este método es que es integral y objetivo, pero no hay una declaración clara sobre "áreas reconocidas por tener un buen entorno de inversión" y es difícil de juzgar.

(2) Cuasi recuento. método de análisis

El método de análisis de cuasi recuento afectará el entorno de inversión. Los factores se dividen en coeficiente de incentivo del entorno de inversión K, factor de planificación y mejora urbana P, factor de impuestos y ganancias S, factor de productividad laboral L,. factor básico regional B, factor de tipo de cambio T, factor de mercado M y factor de derechos de gestión F. Después de ponderar estos subfactores, la puntuación total de los factores se obtiene sumando para reflejar la conexión orgánica entre un determinado factor y otros factores. Generalmente se utilizan cuasifactores integrales para medir el entorno de inversión para superar las deficiencias del método de puntuación mecánica y obtener un resultado de evaluación más completo.

(3) Proceso de jerarquía analítica

El Proceso de Jerarquía Analítica (AHP) fue propuesto por T.L. Saaty, investigador de operaciones de la Universidad de Pittsburgh en Estados Unidos, en 1980. Este método se basa en el principio de jerarquía de sistemas en la teoría de sistemas. Descompone problemas complejos en varios de forma ordenada y ordenada. Niveles organizados de problemas simples. Es un método de toma de decisiones de análisis de peso de múltiples niveles que analiza, compara, cuantifica y clasifica problemas más simples en otro nivel, y luego los integra gradualmente. La evaluación y la optimización abordan el juicio subjetivo humano de manera formal. El proceso de jerarquía analítica es un nuevo método que combina análisis cualitativo y análisis cuantitativo. El proceso de jerarquía analítica tiene los siguientes cinco pasos: establecer un modelo jerárquico y construir un juicio Los últimos tres pasos son clasificación matricial, clasificación única jerárquica y clasificación total jerárquica. y la prueba de consistencia se llevan a cabo capa por capa. El AHP tiene las siguientes cuatro características:

1) El principio es simple. El proceso de jerarquía analítica se basa en la psicología experimental y la teoría matricial y es fácil de aceptar; su principio es conciso y claro, y no tiene altos requisitos de información cuantitativa;

2) Estructura clara. La idea de resolución de problemas es dividir problemas complejos en varios problemas con estructuras simples y relaciones jerárquicas, y luego resolver problemas simples.

3) Combinación de métodos cualitativos y cuantitativos: el método AHP se basa en la matriz de juicio determinada por investigaciones de expertos (como el método Delphi) y otros métodos, y determina el peso de cada elemento indicador mediante estrictas métodos cuantitativos Finalmente, realizar una evaluación exhaustiva de las opciones preferidas.

4) El proceso de jerarquía analítica es adecuado para analizar el entorno de inversión, un sistema dinámico multifactorial y multinivel, y determinar el peso de cada factor. Puede objetivar eficazmente los juicios subjetivos de los expertos en ingeniería de sistemas y resolver problemas que no pueden abordarse únicamente mediante métodos cuantitativos. Se utiliza ampliamente en el análisis de la toma de decisiones de los sistemas socioeconómicos.

(4) Método de análisis de componentes principales

El análisis de componentes principales (PCA para abreviar) consiste en "transformar linealmente un conjunto dado de variables relacionadas en otro grupo de variables no relacionadas". Organiza las nuevas variables en orden de varianza decreciente, reduciendo así la interferencia entre factores en el sistema de indicadores, facilitando la búsqueda de los factores dominantes y simplificando el proceso de evaluación.

El análisis de componentes principales (PCA) es un método de reducción de dimensionalidad que se ocupa del espacio variable de alta dimensión bajo el principio de garantizar los datos más completos, es decir, la mejor síntesis y simplificación de los datos multivariados. es que puede derivar ponderaciones objetivas y evitar sesgos causados ​​por factores humanos.

La desventaja es que los cálculos matemáticos puros no tienen en cuenta los factores económicos y es difícil interpretar racionalmente el significado económico de los componentes principales basándose en la realidad objetiva; se ignora la importancia del indicador en sí y se ignora el peso del indicador; demasiado diferente de lo esperado, y la información original del indicador extraída de él es la diferencia en la información de los datos, en lugar de información más importante como el significado y la importancia de los indicadores.

El método de selección de evaluación integral del componente principal es un método de selección de evaluación relativa, y sus criterios de selección de evaluación (función de evaluación) están relacionados con la selección de la muestra. El número de unidades de evaluación y el aumento o disminución de unidades de evaluación afectarán la conclusión de la evaluación. Además, el método integral de evaluación y selección del componente principal no puede eliminar la información superpuesta de los indicadores. Se ve fácilmente afectado por la superposición de indicadores, lo que hace que la estructura de correlación de cada indicador en los resultados de la evaluación y optimización integral sea demasiado cercana.

(5) Método de selección y evaluación integral difusa

El método de selección y evaluación integral difusa fundado por el científico estadounidense L.A. Zadch en la década de 1960 se basa en matemáticas difusas correspondientes al método difuso. Es un método que toma estadísticas difusas como punto de partida, considera de manera integral múltiples factores que afectan una determinada cosa, describe cuantitativamente algunos factores que no son claros y difíciles de cuantificar, y realiza una evaluación y selección integrales basadas en esto. Métodos integrales de evaluación y selección.

El método de selección y evaluación integral difuso incluye: aclarar el sistema de selección y evaluación integral (incluidos los indicadores P), es decir, el dominio del factor U ② aclarar el dominio de calificación de comentarios V (incluidas las calificaciones de comentarios M); ③ determinar el peso de cada índice W; ④ establecer una matriz de relación difusa R; calcular el valor integral difuso B, transformar los resultados de la evaluación y la selección en una forma ordenable y realizar una evaluación y selección integral o una evaluación difusa; . Convierta los resultados de la evaluación en un formato ordenable y luego ordénelos o clasifíquelos, es decir, reconocimiento de categorías difusas.

Los expertos relevantes han desarrollado continuamente métodos de selección y evaluación integrales difusos en la práctica de aplicaciones, y sus campos de aplicación también se están expandiendo constantemente. Varios métodos combinados con métodos de selección y evaluación integrales difusos se están volviendo cada vez más populares. campos. Debido a que el dominio es muy complejo, los modelos variarán ampliamente, lo que dará como resultado modelos cada vez más complejos.

La ventaja del método de selección y evaluación integral difusa es que cuando se trata de la evaluación y selección de problemas complejos de múltiples niveles y el juicio integral de múltiples factores, el impacto de cada factor en la situación general es Los números objetivos pueden reflejar los sentimientos subjetivos de las personas.

Sin embargo, en algunos factores con límites poco claros y difíciles de cuantificar, la información que contienen los factores puede perderse y los factores después de la cuantificación son muy diferentes de los factores antes de la cuantificación.

(6) Evaluación de preferencias que combina el análisis de conglomerados y el análisis de componentes principales

Primero evalúe las preferencias mediante el análisis de conglomerados para distinguir sus efectos y luego utilice el análisis de componentes principales para calcular el valor de preferencia del persona que se evalúa, y los valores de preferencia se clasifican dentro y entre clases. Este método tiene en cuenta los objetivos específicos de evaluación y selección, puede eliminar en la mayor medida la correlación entre los indicadores de evaluación y selección y, al mismo tiempo, tiene en cuenta indicadores importantes y significativos, minimizando el error subjetivo al determinar el peso del indicador, por lo que mejorar la eficiencia de la evaluación y la validez de los resultados de la selección.

Sin embargo, este método debe establecer de antemano los factores que tienen un impacto decisivo en la evaluación, agruparlos en función de dichos factores y tiene requisitos cuantitativos más altos para los indicadores.

(7) Combinación del proceso de jerarquía analítica (AHP) y el método de optimización de evaluación integral difusa

Determine el peso de cada factor a través de AHP. Después de obtener el peso, utilice el método matemático difuso para. calcular cada factor. Los valores optimizados de los factores se evalúan para obtener una puntuación completa. La combinación del proceso de jerarquía analítica y el método de selección de evaluación integral difusa es muy adecuada para la evaluación integral del entorno de capital de riesgo regional. Este método tiene en cuenta la naturaleza compleja y de múltiples capas de los factores del entorno del capital de riesgo y no es adecuado para la evaluación de todo el entorno del capital de riesgo regional.

(8) Método del peso de la entropía

La "entropía" (entropía, es decir, la capacidad de cambiar) fue estudiada por el físico alemán R.J.E Clausius en 1864. El bucle fue propuesto en 1948 por N. Wiener y CE Shannon. En 1948, N. Wiener y C.E. Shannon fundaron la teoría de la información. Shannon llamó entropía de información a la incertidumbre en el proceso de propagación de señales desde la fuente de información, que representa la relación entre elección, incertidumbre y práctica aleatoria. de manera cuantitativa. El aumento del valor de entropía significa pérdida de información; cuanto más organizado esté el sistema, cuanto menor sea el valor de entropía, mayor será la cantidad de información, cuanto mayor sea el valor de entropía, menor será la cantidad de información.

El índice de Theil fue propuesto por primera vez por Theil en 1967 al estudiar la brecha de ingresos entre países. Se obtiene restando el valor de entropía de la información H de la constante LgN. Este método se basa en la diferencia en la cantidad de información reflejada por la entropía en diferentes eventos de probabilidad en la teoría de la información y la teoría de sistemas como base teórica para el establecimiento de pesos. Es decir, para un sistema compuesto por varios valores de indicadores, mayor es la dispersión de. Cuanto menor sea el valor de la entropía de la información, mayor será la importancia reflejada.

El método del peso de la entropía es un método matemático que calcula indicadores integrales en función de la cantidad de información proporcionada por cada factor. Es un método de ponderación objetivo e integral basado en la cantidad de información que cada indicador transmite a los tomadores de decisiones.