【作 者】
文 唯1，郑明贵2（教授），杨瑞成1
【作者单位】
1.江西理工大学经济管理学院，江西赣州 341000；2.江西理工大学矿业贸易与投资研究中心，江西赣州 341000
【摘 要】
【摘要】财务风险是海外矿山项目并购的主要风险因素，直接影响并购活动的成败，而财务风险的大小又受到多方因素的影响。结合矿山项目并购的特点，本文从融资风险、估值风险、支付风险、整合风险四个方面出发，采用GA-AHP法确定了各评价指标的权重，将物元理论与云理论结合，利用Matlab软件计算出各个指标的风险等级隶属度，构建了基于GA-AHP和云物元理论的风险评价模型，并以我国某钢铁集团并购澳大利亚哈默斯利矿区某矿山项目为例进行案例分析。研究结果与实际较为符合，可为矿山项目并购提供相关的决策依据。
【关键词】海外矿山并购；财务风险；遗传层次分析；云物元；风险评价
【中图分类号】F113.2 【文献标识码】A 【文章编号】1004-0994（2016）21-0097-6矿产资源是经济发展的基础，随着我国经济的快速发展及城镇化进程的推进，矿产资源消耗量急剧增加，国内矿产资源早已供不应求，海外矿山项目并购势在必行。矿业企业海外并购不仅是企业扩大规模和增强实力的有效方式，更是进行资源整合、提高资源利用率的有效途径。据有关统计，2009 ~ 2014年我国海外矿业并购共计 91 笔，总计金额达319亿美元。过去10年我国总共完成了矿业并购交易369笔，交易总金额超过500亿美元。仅2009年，我国矿业并购交易额达161亿美元，占全球交易总额的27%，比2005年增长了近7倍（王凤丽，2009）。然而，自1990年以来，我国海外矿业项目并购中有80%以上以失败告终。因此，面对我国矿业企业“走出去”战略的不断深入而并购成功率极低的现状，科学评价海外矿业并购的各类风险意义重大，而财务风险是其中典型的风险因素之一。综上可知，科学评价海外矿山项目并购的财务风险，对于我国矿业企业实现跨国经营、突破我国矿产资源瓶颈有较大的现实意义。
一、文献回顾
（一）海外并购财务风险评价方法的研究
在海外并购财务风险评价方法的研究方面，Fitzpatrick （1932）首次运用单变量模型评价企业海外并购的财务风险，建立了企业海外并购财务风险预警系统，验证了“股东权益/负债”指标和“净利率/股东权益”指标对企业财务风险的影响。Odour和Sharda（1990）首次将BP神经网络应用于企业海外并购财务风险预警中，并对Altman（1968）建立的Z模型进行了检验和对比，发现神经网络模型能更有效地预测企业海外并购的财务风险。
杜群阳（2010）运用CAPM模型对海外并购的短期风险和绩效进行了评价，运用财务指标法对长期风险和绩效进行了评价。刘文华（2011）从企业并购的定价风险、融资风险、支付风险和整合风险出发，构建了企业并购财务风险评价指标体系，并运用AHP法和模糊综合法对财务风险进行了综合评价。宋维佳（2011）基于CAPM模型和Z值模型，构建了我国矿业企业并购财务绩效和风险评价模型，并以8家矿业上市公司为样本进行了财务风险评价。
在GA-AHP和云物元理论的研究方面，李飞（2011）运用GA-AHP法确定了互通式立交公路建设评价体系的指标权重，并评价了不同建设方案的优劣。王训洪（2015）运用GA-AHP法计算出矿场爆破效果评价指标体系的指标权重，并评价了不同矿场的爆破效果。何志勇（2010）构建了基于技术获取目标的海外并购文化风险评价的云物元模型，并通过实例分析验证了该模型的有效性。江辉（2014）构建了基于云物元理论的风电场电能质量评价模型，并结合实际数据评价了风电场的电能质量。
（二）建模指标的选择
在海外并购财务风险评价指标的识别和选取方面， Josipa（1997）以1975 ~ 1992年间日本企业在美国的860宗并购案样本，验证了汇率因素对企业跨国并购财务风险的影响，说明了本币汇率的波动对企业并购财务风险中价值评估方面的影响。Gunter（2001）基于知识传递、组织学习的视角，对1966 ~ 1994年荷兰企业共1349起并购案例进行了实证研究，论证了并购经验对企业并购财务绩效的积极影响。
李宏英（2005）对企业海外并购财务风险的主要成因进行了分析，认为企业并购财务风险主要来自目标企业估值风险、杠杆收购的财务风险、流动性风险和融资风险，并从这四个方面选取指标构建财务风险评价指标体系。赵保国（2008）认为，企业海外并购的财务风险主要来源于并购开始和并购后的资金配置状况，并从项目价值评估、融资策略和支付策略三个角度选取二级评价指标，对海外并购的财务风险进行评价并提出对策。董纪昌（2010）从偿债能力、盈利能力、资产运营能力和成长能力四个层面，构建了包含资产负债率、总资产收益率、总资产周转率、总资产增长率等十四个指标的财务风险预警指标体系，对企业并购的财务风险进行了预警研究。周运兰（2014）将企业并购的财务风险划分为并购前期的财务风险、并购交易执行阶段的财务风险、并购后整合阶段的财务风险三个阶段，并就每个阶段选取了相应的评价指标来评价我国央企海外并购的财务风险。
在现有的企业海外并购财务风险评价研究方面，针对矿业企业海外并购财务风险的系统性研究较少；在评价指标体系方面，较少考虑到矿业项目的自身特点；在评价方法上也存在较大局限性，较多的是使用德尔菲法、模糊综合法、回归分析法等，定量分析不足且忽略了风险等级边界划分的模糊性问题。针对现有研究的不足，本文对矿业企业海外并购的财务风险因素进行系统性研究，基于GA-AHP和云物元方法构建出具有矿业项目特点的海外并购财务风险评价指标体系，弥补了以往以定性分析为主的不足。
二、海外矿山项目并购财务风险评价指标体系的构建
（一）风险因素的识别
从资源型企业并购财务决策的类型出发，海外矿山项目并购的财务风险主要包含以下四个方面的风险因素：
1. 融资风险。融资风险是指在项目并购过程中与资金来源和资本结构有关的财务风险，体现了企业筹集资金的能力，也是并购是否能顺利实施的直接影响因素。主要涉及能否及时获得足够资金、融资手段及资本结构能否适应企业实际情况等。力求以最低的资金成本和最合理的资金来源来获得最高的投资收益。本文从融资环境视角出发，选取了融资法律风险、融资难易程度以及融资政策风险三个评价指标。
2. 目标项目估值风险。估值风险又称为定价风险，是指对被并购项目估值不当的可能性。对目标项目价值估计不当，会给并购方带来较大的经济损失。因此，科学、合理地评估目标项目价值是海外矿山项目并购成功的关键。本文结合矿山项目估值的主要影响因素，选取了矿产资源潜力、物价水平和矿石品位三个评价指标。
3. 支付风险。支付风险主要是指与支付成本、资金流动性有关的资金使用风险。不同的支付方式可能带来不同的支付风险和支付成本，其最终表现为支付成本过高或支付结构不合理，使整个项目并购过程资金压力过大，导致并购失败。本文从支付的资金成本视角出发，选取了汇率和利率两个评价指标。
4. 财务整合风险。财务整合风险是指实现并购后，由于财务费用、财务管理体制和财务人员等方面的协调不力和差异化管理，导致并购失败的可能性。对矿山项目海外并购而言，资源税费和劳动力价格的高低对项目并购成败的影响重大，是并购后期财务整合重要的风险来源。故本文选取了劳动力成本和税费两个评价指标。
（二）评价指标体系的构建
在综合李宏英（2005）、赵保国（2008）、董纪昌（2010）、周运兰（2014）等学者研究的基础上，本文依据指标体系设计的科学性、系统性、可度量性和互补性等原则，建立了包含四个一级指标、十个二级指标的海外矿山项目并购财务风险评价指标体系，见表1。
三、基于GA-AHP和云物元的海外矿山并购财务风险评价模型
（一）遗传层次分析法（GA-AHP）的基本理论
GA-AHP法是模拟智能过程的优化选择方法，是将遗传算法与层次分析法有机结合，利用遗传算法对层次分析法进行优化，以根据指标体系建立的判断矩阵为种群，通过选择、杂交、变异等遗传操作算子，多点、多路径地搜索出一致性最高的判断矩阵，再计算出其指标权重，有效地解决了传统AHP法一致性检验的被动性问题。
1. 判断矩阵的构建。根据所构建的评价指标体系，按照9分位比率进行两两对比，构建出判断矩阵B。
2. 权重的确定。设判断矩阵B中各评价指标权值为wk（k=1，2，…，n），并满足wk>0，[k=1nwk=1]。依据一致性判断矩阵的基本原理有：
[bij=wiwj]，（i，j=1，2，…，n） （1）
由上式可推出：[i=1nj=1nbijwj-wi=0] （2）
依据判断矩阵一致性指标值的计算原理，式（2）左边取值越小，则说明判断矩阵B的一致性程度就越高，当取值为零时判断矩阵为完全一致性矩阵。故一致性检验问题可转化为如下约束条件下的规划问题：
[minCIFn=i=1nj=1nbij-win2] [s.t.wt>0t=1,2⋯nt=1nwt=1] （3）
其中：CIF（n）为一致性函数；wi为权重（即优化变量）。
由上式可知，该问题为非线性优化的复杂问题，采用常规方式无法解决，故采用Matlab编程，结合Matlab遗传算法工具箱来解决该问题。当CIF（n）<0.1时，一致性检验通过。
（二）云物元基本理论
1. 云模型基本理论。云模型是通过数字特征来描述的，云的数字特征用期望（Ex）、熵（En）及超熵（He）来表示，三者将事物的模糊性和随机性联系起来，形成了定性概念和定量指标之间的模糊函数。期望值（Ex）表示云的对称轴位置，代表定性概念。熵（En）用来衡量定性概念不确定性的大小，熵越大，模糊性就越大。超熵（He）体现熵的不确定性，超熵越大，各云滴隶属度随机性就越大。当云满足“3En”规则时称为正态云，论域U中对定性概念[A]有大约99.74%的云滴位于区间［Ex-3En，Ex+3En］。
2. 物元基本理论。
（1）物元的概念。物元理论中事物的名称用N表示，c是N的特征个数，特征量值为v，将事物的名称、特征及量值进行有序组合就构成了R=（N，c，v），R是物元理论中形容事物的基本单位，称为物元。n维物元表示如下：
式中：R为多维物元；Ri=（N，ci，vi），i=（1，2，…，n）为R的分物元。
（2）经典域和节域。分物元Ri中ci的取值范围称为经典域，即各指标量值对应的评价等级的取值范围；n维物元R的所有分物元Ri中ci的总取值范围称为结域，即为全部评价等级的量值范围。
3. 云物元模型。
（1）云物元的定义。在物元模型中，v是一个精确的数值，但在实际并购风险评价中，v是具有模糊性和随机性的变量。云物元模型的基本原理就是将物元模型中划分风险等级区间界限的确定数值v用云模型来替代，将其转换为具有模糊性和随机性的变量，表达式如下：
（2）将区间数值转换成云模型。不同的风险等级通常采用不同的数值区间来表示，但由于相同的指标值可能隶属于不同的风险等级，不同的指标值对各个风险等级的隶属度也不同，故可采用指标近似法将数值区间转换成云数据，即把各风险等级区间看成一个双约束指标［Cmin，Cmax］，用区间的中值代表Ex。为适应风险等级边界模糊性特征，按正态云的“3En”规则取隶属度为0.5作为分界来求出En，即：
Ex=[cmin+cmax2] （4）
En=[cmax-cmin2.3548] （5）
He的取值可以依据实际状况做出相应的调整，取值越小，隶属度的随机性就越小，可比性越高，边界划分越清晰，但遗漏的边界观测点越多；取值越大，隶属度的随机性就越大，可比性越差，边界处划分就越不清晰。
（3）云物元隶属度函数。通过隶属度函数可以将待评价物元和各风险等级间的隶属关系进行量化。通过隶属度函数可将确定性数值换成云物元隶属度，步骤如下：①云的数字特征为（Exi，Eni，Hei）；②产生一个均值为En、标准差为He的正态随机数En"；③令该确定数值x为云滴，计算云滴x对该等级云的隶属度μ（x），计算公式如下：
μ（x）=exp （6）
4. 基于云物元的海外矿山项目并购财务风险评价模型。具体步骤如下：
（1）评价指标的分级。将各个二级风险评价指标分级量化至区间（0，1），各指标分级依据世界银行、加拿大Fraser研究所等机构公布的相关数据并结合实际情况进行划分。分级结果见表2。（2）指标量化值的确定及风险等级的划分。根据评价指标分级及分值（表2）和各国二级指标的实际状况，确定各个国家的二级指标量化值。将风险等级划分为5个区间，依次为低、较低、一般、较高和高，海外矿山项目并购财务风险等级的划分结果见表3。
（3）待评价物元的构建及经典域和节域的确定。依据海外矿山项目并购财务风险评价指标体系，将财务风险作为待评价目标层物元，各一级风险评价指标作为待评价指标层物元。各待评价的指标层物元可表示为：
式中：Ii为待评价的一级指标层物元；Iip是Ii所对应的p个二级指标；vip是Iip所对应的量值。
根据经典域和节域的定义，得到低风险、较低风险、一般风险、较高风险和高风险的经典域分别为（0，0.2）、（0.2，0.4）、（0.4，0.6）、（0.6，0.8）、（0.8，1）。节域范围为（0，1）。
（4）云模型的构建。依据式（4）和（5）求得Ex和En，通过Matlab软件编程，取隶属度为0.5，当He分别取0.005、0.007、0.009时，五个风险等级的隶属云如下图：
分析隶属云情况后取He=0.007，为了将各等级云完整地展现出来，云图的取值从-0.2 ~ 1.2，实际云图是0 ~ 1之间的部分。云物元模型的数字特征表示如下：
其中，R0表示各待评价物元，ui （i=1，…，5）为5个风险等级，Iin为第i个待评价层物元对应的第n个二级风险指标。
（5）各二级风险指标值对各风险等级隶属度的确定。将各二级指标评价值视作一个云滴，运用式（6）计算其对各风险等级云的隶属度（该人工计算复杂，故采用Matlab编程进行计算）。
（6）各级指标层物元对各风险等级隶属度的确定。一级指标层物元对风险等级j的隶属度依据其二级指标对各风险等级的隶属度加权得到，计算公式如下：
μj（Ri）= ωipμj（Iip） （7）
其中：μj（Ri）表示第i个指标层物元对风险等级j的隶属度；ωip指该二级指标对于第i个一级指标层物元的相对权重；μj（Iip）为第i个指标层物元的第p个二级指标对风险等级j的隶属度。
目标层物元（财务风险）对风险等级j的隶属度是用各待评价一级指标层物元对风险等级j的隶属度通过同样的加权方法求出的，计算公式如下：
μj（R）= ωiμj（Ri） （8）
其中：μj（R）为目标层物元对风险等级j的隶属度；ωi为第i个一级指标对总目标的相对权重；μj（Ri）为第i个一级指标层物元对风险等级j的隶属度。
（7）物元风险等级的评定。依据最大隶属度原则确定各物元所属的风险等级。即：
μj（R）=max μj（R） （9）
则物元R属于风险等级j。
四、模型的应用
以我国某钢铁集团并购澳大利亚哈默斯利矿区铁矿山项目为例，运用所建模型进行财务风险评价。
（一）指标权重的确定
1. 判断矩阵的构建。依据表1构建的海外矿山项目并购财务风险评价指标体系，结合矿山项目实际特征和调查情况，构建一级和二级指标判断矩阵如下所示：
2. 指标权重计算。运用GA-AHP法计算指标权重：首先，打开Matlab操作界面编程构造M文件并保存；其次，打开遗传算法工具箱，设置种群类型、种群大小、精度类型、变异算子等遗传参数；最后，运用遗传算法工具箱进行权重计算。计算结果如表4。
（二）二级指标风险值的确定
依据表1所建立的评价指标体系和表2的分级规则，结合澳大利亚以及该矿山项目的实际情况，确定二级指标风险值，结果如表5所示。
（三）风险值隶属度的确定
将各二级指标评价值视作一个云滴，运用公式（6）计算其对各风险等级云的隶属度。由云理论可知，隶属度是服从某正态分布的随机数，故其隶属度具有轻微的波动性，但不影响云的整体特征。利用Matlab编程，试验1003次，取其中位数作为云滴对该风险等级云的隶属度，得到各二级指标值对五个风险等级云的隶属度，如表6所示。
（四）风险评价的计算
1. 确定评价物元。依据所设计的评价指标体系，设计评价物元如下：
[R1=I1 I11 0.1 I12 0.1 I13 0.1] [R2=I2 I21 0.5 I22 0.2 I23 0.3]
[R3=I3I310.5I320.4] [R4=I4I411.0I420.6]3. 一级指标层物元风险评价。依据表7和表4中二级风险指标的权重，运用式（7）确定各一级风险指标关于各风险等级的隶属度。
计算并整理上述计算结果，如表8所示。
4. 目标层物元（财务风险）风险评价。依据表8和表4，运用式（8）确定总风险关于各风险等级的隶属度。
综上可知，并购澳大利亚哈默斯利矿山项目的财务风险等级为低。
五、结论
首先，本文分析识别了海外矿山项目并购财务风险的主要影响因素，归纳其风险主要包括融资风险、目标项目估值风险、支付风险以及财务整合风险四个方面，并从这四方面选取了十个评价指标，构建了海外矿山项目并购的财务风险评价指标体系。
其次，构建了基于GA-AHP法和云物元理论的海外矿山项目并购财务风险评价模型。运用GA-AHP法计算风险指标权重，克服了传统AHP法一致性检验的被动性问题，使指标赋权更具科学性和客观性；采用云物元模型结合Matlab软件计算各个风险等级的隶属度，有效解决了风险等级划分的模糊性问题，定量评估了各风险因素所处的风险等级。
最后，运用所建立的风险评价模型评价了我国某钢铁集团并购澳大利亚矿山项目的财务风险，评价结果显示：融资风险低，项目估值风险较低，支付风险一般，财务整合风险高，项目并购综合财务风险处于低水平，但应注意劳动力成本和税费风险两大极端风险指标。评价结果和实际相符，对类似风险的评价具有较好的借鉴意义。
主要参考文献：
王凤丽．中国企业海外直接投资风险的成因及对策［J］．中国流通经济，2009（3）．
石予友．中国企业海外矿产资源并购风险评估及控制［J］．中国流通经济，2012（9）．
李飞，赵倩倩，李馨．基于遗传层次综合评价的绥化东枢纽互通方案比选［J］．公路工程，2011（4）．
周运兰，杨静静等．央企海外并购财务风险研究——以中化集团并购巴西Peregrino油田为例［J］．财会月刊，2014（5）．
文唯，郑明贵.基于因子分析的我国钢铁上市公司财务评价与风险管控研究［J］.江西理工大学学报，2015（6）．
