ppp融资设计(ppp融资模式结构示意图)_股票知识

政府与社会资本合作(Public-Private Partnership，PPP)作为新型融资模式，广泛应用于“两新一重”建设，已成为增加公共基础设施供给、提升项目运营效率、激发民间投资的重要政策工具。“落地难”“融资交割率低”等问题严重制约了我国PPP高质量发展。开展可融资性评估是提升PPP“落地率”和“融资交割率”的重要手段之一，将有助于缩短PPP项目入库周期、优化入库流程、提高运作效率。社会资本往往从项目本身和地方政府两个维度评价PPP项目可融资性。本文将基于社会资本视角，以财政部政府和社会资本合作中心(China Public-Private Partnership Center，CPPPC)储备项目和示范项目为研究对象，建立PPP项目可融资性集成学习评价模型，开展中国PPP项目可融资性评价。

在CPPPC的19个应用领域中，不同行业之间的PPP项目往往存在相对较为特质化的交易结构和盈利模式，行业间存在显著分布不均和应用模式选择差异等现象。如科技创新领域PPP项目通常具有运营周期较短、投资风险较大、收益率较低的特点；养老行业具有前期投入成本低、政策不确定性高等特点，而某些行业的项目优点则体现在建设期风险较低，回收成本快，运营难度低等特征。PPP模式在实际应用中存在明显的行业特质性，这一特性同样将体现在PPP可融资性评估过程中。此外，CPPPC管理库中不同行业样本数量极度不平衡，这些样本还会受地理位置、时下政策等因素影响，将大大增加可融资性评估噪音，采用传统机器学习方式进行PPP可融资性评估易导致模型偏向性，可靠性不高。与此同时，基于CPPPC挖掘的项目信息进行可融资性评估，模型输入的评估数据包含大量类别字段，而类别型字段由于无法直接作为输入字段使用，往往需要进行二次加工，将进一步加大模型误差。为保证PPP可融资性评估的可信度，需寻找合理策略处理大量的类别型字段。

综述所述，基于社会资本视角采用机器学习方法进行PPP可融资性评估存在两大障碍：不同领域项目间存在高特质化，样本差距较大;样本存在大量类别型字段，影响评估模型精度。因此，本文将借鉴集成思想，设计集成LightGBM-Blending算法开展PPP可融资性评估研究，利用基分类器拟合各行业样本数据，以LightGBM算法作为基分类器模型，无需二次加工类别型字段，极大地提高模型的普适性和准确率。

（一）结论

在大数据时代背景下，使用机器学习方法研究PPP项目可融资性具有可行性。本文基于CPPPC项目数据作为基础样本集，综合多类机器学习算法，建立PPP项目可融资性评估模型。研究结果表明，集成LightGBM－Blending算法相对传统集成算法能更好解决评估类别型字段过多、行业间高特质化和样本不平衡问题，集成策略具备良好的性能和行业泛化能力。

第一，自2017年11月财政部办公厅印发92号文《关于规范政府和社会资本合作(PPP)综合信息平台项目库管理的通知》、2018年4月财政部印发54号文《关于进一步加强政府和社会资本合作(PPP)示范项目规范管理的通知》以来，对不合规、进展缓慢等项目进行退库处理，CPPPC累计清理退库项目超过3000个，CPPPC在库项目大都为优质项目，具有较高的可融资性，反映我国PPP项目可融资性和落地率持续上升，PPP模式也从高速发展转向规范发展。

第二，PPP可融资性不仅受合作机制、行业壁垒、回报机制等项目特性影响，地方政府能力与廉洁程度、PPP支持力度、财政风险、区域经济水平均会影响社会资本参与PPP项目积极性，中国PPP项目可融资性具有地区、行业差异性。CPPPC项目库近年来日益完善，数据权威性、准确度、全面性以及信息时效性相较以往均较大提升，地方政府和社会资本均可基于项目内外部大数据，借助机器学习模型开展PPP可融资性评价。

第三，集成LightGBM－Blending算法相对其他算法具备更为优秀的性能，能更有效处理全行业PPP可融资性评估问题。按行业建立基分类器，选择Precision、Ｒecall和F1值作为模型性能的评价标准，采用LightGBM算法能有效解决传统算法中因类别型字段过多带来的误差。此外，Blending算法为基分类器进行赋权相较其他集成策略效果更加优秀。当将算法应用至新的低数量行业样本集和高特质化行业样本集中，也取得良好的测试结果，这无疑证明该算法能有效解决PPP可融资性评估中面临的实际问题。

第四，集成LightGBM－Blending算法可有效解决原始数据集间不平衡问题。就全国PPP项目而言，地方政府管理水平、财政实力、经济发展水平、基础设施存在明显差异，发展不平衡、不充分导致各地方政府青睐的PPP项目有所不同。而由于社会资本专业性和行业背景，其偏向的PPP领域和项目也有所不同，公私合作双方利益诉求不同导致PPP样本集的不平衡必然且长期存在。可从数据源角度着手，将数据从不同层面进行分割，保证小样本群体的平衡性，提高评估精度。

第五，基于社会资本视角构建的集成LightGBM－Blending算法可融资性评估模型，可进一步扩展为基于金融机构视角，从金融机构视角评估PPP项目可融资性。集成LightGBM－Blending算法能够更好地解决PPP可融资性评估过程中存在的行业间高特质化问题和样本不平衡问题，且该算法对于新场景的样本集有着优秀的泛化能力。该算法可为基于社会资本视角开展PPP可融资性评估提供参考，能有效帮助社会资本甄选高质量PPP项目，降低违约风险，也可以帮助地方政府客观评价拟采用PPP模式的项目，加快PPP项目推进进程，提高PPP项目“落地率”，推动PPP高质量发展。

（二）管理启示

第一，严格把控入库关，对不宜采用PPP模式、前期准备不充分、融资结构不合理、机制设计不完善等实施清理、退库，提升PPP项目可融资性，促进PPP项目规范和高质量发展，实现PPP模式正本清源。对采购文件设计不合理、项目异化、违规担保、项目进度迟缓、未按规定实施信息公开等实施清理、退库。加强PPP项目信息发布和公开，不仅能敦促地方政府采取措施及时整改，积极推进项目实施，同时有利于社会资本和金融机构筛选适合自身PPP项目，推动PPP项目健康发展。

第二，随着CPPPC项目信息的不断完善以及国家治理数字化的加速推进，以大数据为支撑的PPP管理决策成为新的趋势。应不断完善CPPPC数据库，建立健全动态化预警机制，为基于大数据的PPP管理决策问题提供数据支撑。丰富PPP决策数据，综合地方政府管理水平，实时监测地方政府财政支出压力，防范地方政府债务风险。

第三，不同领域PPP项目可融资性具有显著差异性，开展可融资性评价有利于追本溯源，也可为项目整改、再谈判、退出机制设计奠定基调。对地方政府而言，识别可融资性差的项目可以及时、有效地对劣质项目进行改进，回炉重造或者寻找其他方式建设项目，可大大提高PPP整体可融资性和落地率水平。对社会资本而言，本文提出的PPP可融资性评估模型可以起到针对性推荐作用，有助于社会资本避开可融资性差的项目。

第四，丰厚的利润回报是社会资本参与PPP项目的首要因素，高可融资性是社会资本和金融机构选择PPP项目的重要指标。地方政府财政实力是政府偿付能力和履约能力的重要保障，是影响社会资本参与PPP项目的重要因素，财政风险较高区域应谨慎推行政府付费型PPP项目，财政自给率较低且未来政府支出责任较高地区，为防止形成政府隐性债务，应重点通过降低政府持股比例，优化公私合作机制，建立良好伙伴关系，提升社会资本参与PPP项目积极性。同时，地方政府可以通过建立透明的监管机制，提高财政透明性、提升清廉程度、优化营商环境等提高所在地区PPP项目可融资性。

（资料来源：沈俊鑫,吕佳历,程墙,张经阳.中国PPP项目可融资性差吗?——基于集成LightGBM-Blending算法[J].中国软科学,2022(01):50-61.）‘

关键词: 融资性评估项目进行融资性

本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至 931614094@qq.com 举报，一经查实，本站将立刻删除。

ppp融资设计(ppp融资模式结构示意图)文档下载： PDF DOC TXT