随着中国企业竞争力的不断提升,国内经济增速放缓以及中国改革开放、国际合作特别是“一带一路”战略的深入推进,中国对外直接投资(Outward foreign direct investment,OFDI)活动日趋频繁。在政策的支持和引导下,越来越多的矿产资源型企...
详细信息
随着中国企业竞争力的不断提升,国内经济增速放缓以及中国改革开放、国际合作特别是“一带一路”战略的深入推进,中国对外直接投资(Outward foreign direct investment,OFDI)活动日趋频繁。在政策的支持和引导下,越来越多的矿产资源型企业(mineral resource-based enterprises,MREs)加入对外投资的大军。然而,由于东道国与母国之间政治、经济、文化等方面的差异以及我国MREs在国际矿业市场和资本市场上缺乏经验并且西方媒体舆论盛行“中国崛起威胁论”等谬论的影响下,我国矿产资源型企业海外直接投资(Outward foreign direct investment of mineral resource-based enterprises,OFDI-MREs)面临着一系列风险,投资规模大但投资回报率很低,很多OFDI-MREs最终以失败告终。目前,有关OFDI-MREs的研究主要以被投资国为研究对象,聚焦于政治、经济、法律和跨文化经营等外部风险对OFDI绩效的影响或从企业内部角度进行定性分析,采用事件研究法和财务分析法或机器学习方法对风险进去预警。但不同投资主体的OFDI风险预警方法应不尽相同,其管控策略也应“对症下药”。本论文以实现OFDI-MREs风险预警及管控为目的,在梳理OFDI相关文献的基础上,将定性研究模式,发展到以管理科学、经济学、计算机科学等理论知识和方法论为基础,基于数据挖掘和多分类器融合模型(Multi-class fusion model,MCFM)的定量研究模式,从而促进了多学科研究方法的交叉和多源数据、知识的融合。因此,在“一带一路”战略的推动下,未来研究的重点之一将是针对MREs的投资,这对中国经济社会更快更好的发展具有重要的理论意义和实践价值。本文基于OFDI-MREs的风险机理,提出了一种新颖的方法—综合采用变异系数法(Coefficient of variation method,C.V)、系统聚类和MCFM集成对OFDI-MREs进行风险预警。首先,我们选取逻辑回归(Logit)、反向传播神经网络(NN)、决策树(DT)和支持向量机(SVM)四个单分类器,并采用自组织数据挖掘(Self-organizing Data Mining,SDM)技术对单分类器的输出结果进行决策级融合,构建多分类器预警模型。并根据OFDI-MREs风险产生机理,构建风险预警初始指标体系,采用净资产收益率、每股收益和资本累积率三个作为绩效指标;其次进行实证研究,实验数据来自中国42个上市MREs的173个样本,先通过C.V对初始指标体系进行精简,得到最终确定的有效预警指标,然后运用系统聚类分析法将OFDI风险划分为四个等级,最后利用该指标体系和MCFM实现对OFDI-MREs风险的定量评价,不断根据实验结果和测试结果进行模型优化,得到满足最优复杂度原理的融合模型和风险等级预警结果,探索我国OFDI-MREs现状。最后进行案例分析,并基于OFDI-MREs风险预警结果和我国现状,提出了OFDI-MREs的风险预警管控策略建议。主要研究结果如下:第一,建立了层次结构的风险预警指标体系,进行指标约减后在三个维度上具有20个指标。第二,根据净资产收益率、每股收益和资本累积率将OFDI-MREs面临的风险分为四个等级,发现大多数OFDI-MREs处于高风险状态。第三,所提出的基于SDM的多分类融合技术(Multi-class fusion model based on self-organizing data mining,MCFM-SDM)比四种广泛使用的单分类器模型(logit,NN,DT,SVM)和四个常用的MCFM(例如多数投票,贝叶斯方法和遗传算法)具有更高的准确性和稳定性。基于此,我们讨论了一些管控策略建议。首先,以一OFDI案例进行风险规避分析,其次企业需要建立数据采集系统,为构筑企业大数据应用奠定良好的基础。相关的各方面都必须着手建立风险预控机制。最后,基于以上研究结论,从MREs角度提出管控策略建议以降低OFDI的风险并增强其风险防范能力。总体而言,本论文的研究成果在理论和实践上均具有重要意义。在理论上,建立OFDI-MREs风险的评估体系,完善了OFDI-MREs风险预警方法;在实践上,找出OFDI-MREs风险的格局和成因,为我国OFDI-MREs风险控制策略的政策制定提供指导,对于其他群体OFDI风险的降低亦有一定的参考价值。该论文有图16幅,表17个,参考文献114篇
暂无评论