作者：谷晓燕
出版社：河北科学技术出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
基于实物期权的研发项目评价与投资决策研究试读：
前言
研发项目投资决策是现代企业研发管理的核心内容，对研发项目进行正确、合理的评估与选择涉及企业的核心竞争力并影响企业未来的发展方向，具有高度的战略意义和现实意义。《国家中长期科学和技术发展规划纲要》（2006—2020）指出，进入21世纪，新科技革命迅猛发展，正孕育着新的重大突破。许多国家都把强化科技创新作为国家战略，把科技投资作为战略性投资，大幅度增加科技投入，并超前部署和发展前沿技术及战略产业，实施重大科技计划，着力增强国家创新能力和国际竞争力。从国际上看，我国将长期面临发达国家在经济、科技等方面占有优势的巨大压力。
R＆D（Research and Development，研究与开发）项目管理越来越引起企业决策者的重视，R＆D项目不仅是企业应对市场变化和竞争压力的重要手段，也是企业核心竞争力的源泉和持续发展的动力。由于研发项目具有高投入、高风险、高复杂性和显著创新性的特征，用传统的投资决策方法不能准确地评估研发项目投资的灵活性，增加了研发项目评价与选择的难度。对于R＆D项目，在期权的视角下，可以将其看做是典型的欧式看涨期权，因此，实物期权理论被引入到研发项目评价与投资决策的领域之中。
R＆D项目的风险是一种客观存在，贯穿于研发项目的生命周期中。一般而言，研发项目的各个阶段构成了该项目的整个生命周期。因此，在对R＆D项目进行评价时，需要结合R＆D项目典型阶段性的特点，全面考虑其生命周期内面临的风险。
本书在实物期权的视角下，综合考虑了研发项目的阶段性和寿命期内所面临的风险，结合随机过程、决策分析及博弈论等理论，对研发项目价值评估和项目选择进行了深入的研究，并通过算例和运算程序进行分析与验证，证实了笔者提出的模型的有效性和合理性。
本书主要从以下几个方面展开分析和探讨：
1．针对研发项目具有阶段性的特点，构建了风险条件下典型的四阶段研发项目评价模型。首先分析并定义了在研发项目生命周期中对项目现金流有影响的技术风险、市场风险和突发风险，运用数学公式对其进行描述；然后，通过随机过程模型分析三种风险给研发项目现金流带来的不确定性，揭示了风险因素对研发项目价值的影响；通过实物期权的思想，考虑到研发项目投资灵活性，综合利用微分方程与离散模型，对研发项目的潜在现金流进行合理评估，最终确定研发项目的价值；最后通过实际算例和运算程序对模型进行验证、对比和敏感性分析，证实了模型的正确合理性。
2．基于已构建的研发项目评价模型，通过综合考虑研发项目的战略特征，构建了基于效率排序的研发项目静态选择模型。首先，针对DEA模型排序效能的不足，结合BSC理念，利用平衡计分卡约束研发项目投入的比例，改进DEA模型，对研发项目本身的有效性和研发项目相对于其他备选项目的相对优势进行考察，从而构建了基于效率排序的静态选择模型；开发相应的算法代码，并通过实际算例对模型进行验证、对比和敏感性分析。结果表明：相对于标准DEA模型，经过改进的DEA模型能够实现对研发项目的效率进行排序，并且具有更大的效率区分度，同时能够敏感地捕捉到研发项目投入和产出的变化对研发项目效率影响的演变过程。
3．基于已构建的研发项目评价模型，结合博弈论的思想，综合考虑研发项目典型的阶段特征，对两个研发项目组成的投资状态组合进行分析，并以·2·
此构建了研发项目动态选择模型。首先，根据研发项目特征，基于实物期权理论，利用孪生证券的思想，建立了项目中止决策准则；在此基础上分析研发项目的投资决策状态，建立了二十五个状态的切换场景；开发了相应的计算工具，并通过实际算例对模型进行验证和分析，得出了研发项目投资的影响范围概念图，最终实现两个项目的最优投资决策目标。
本书得到国家自然科学基金（项目编号：61272513）、国家科技支撑计划项目（项目编号：2012BAH08B02）、北京市属高等学校人才强教计划资助项目（项目编号：PHR201106133）和北京市教委科研计划项目（项目编号：KM201411232016）资助，在此一并表示感谢。
本书适合从事项目管理和金融工程研究的相关人员参考，也可作为高等学校高年级本科生和研究生的学习参考书，以及教师教学的参考资料。
由于作者水平有限，书中的不当和错误之处，敬请广大读者不吝指正。第一章绪论1.1研究背景及意义1.1.1 研究背景
随着知识经济社会的到来，利用市场垄断获取高额利润的方法将逐渐被淘汰。无论是国家还是企业间的竞争都越来越依赖于科技的力量，越来越依赖于研究与开发工作。近年来世界各国都加大了对R＆D（Research and Devel-opment，研究与开发）活动的投入，西方发达国家先进的技术水平与强大的经济实力，与其企业强劲的R＆D投入是密不可分的。我国企业特别是高科技企业近年来也纷纷加大了对R＆D活动的投入力度，《国家中长期科学和技术发展规划纲要》（2006—2020）明确指出到2020年，全社会研究开发投入占国内生产总值的比重提高到2.5％以上。
研发项目是商业领域提高核心竞争力的平台，面对瞬息万变、不确定性的市场环境和激烈的商业竞争，企业要想在竞争中生存，并提高经济效益、竞争力和综合实力，必须大力加强研究与开发工作，向市场推出有竞争力的产品。企业要增强自身的竞争优势，必须在内部储备不断进行研发的潜力，不失时机地将这些潜力转化为有竞争力的畅销产品与科技成果。研发不仅是企业应对市场变化和竞争压力的重要手段，也是企业持续发展的动力。企业通过研究与开发，可以开发出性能卓越、经济性优异的产品，去开辟新市场，占领或扩大已有市场。企业通过研究与开发，可以研发出独特的工艺以提升产品质量、降低生产成本。
研究与开发项目是企业投资的重要内容，是企业核心竞争力的源泉。研发项目管理越来越引起企业决策者的重视，但与高投入形成对比的是，R＆D投资的成功率却较低。其中重要的原因之一是，相对滞后的R＆D投资决策方法已经不适用于具有高创造性、高技术特征的R＆D投资的快速发展。而研发项目由于投资大、周期长、不确定性高，从而比一般工程项目具有更大的风险。因此有必要对研发项目投资决策进行研究，特别是在考虑风险的情况下，如何正确地评价和选择研发项目是亟待解决的问题。1.1.2 研究意义
研发项目具有复杂动态、高创新性、高风险的特征。风险主要来源于两个方面，从内部来看，由于研发项目的难度和复杂性，以及开发者自身能力与实力的有限性，导致研发活动技术达不到目标而失败；从外部看，由于外部环境的不确定性和其他竞争者的出现等因素，使研发项目的开发成果———研发产品，进入市场有着较高的失败率。鉴于研发项目高投入、高风险的特征，必须要对研发项目进行科学有效的评价和投资决策研究。
研发项目评价，也就是对研发项目未来现金流进行预测，通过建立的模型对研发项目进行价值评估，最终的评价结果会影响企业的决策。研发项目的投资决策，即在企业资源有限的情况下，面对市场环境和竞争，对于多个研发项目进行最优或满意的选择。对研发项目选择的正确与否关系到研发项目的成败，如果研发项目选择失误，投入开发以后，可能会出现先天不足，·2·不容易顺利实施，进而影响到新产品后续的生产和商业化，最终在很大程度上影响企业的效益和利润。
对研发项目进行科学的评价和正确的选择，必须结合研发项目阶段过程中的特点，充分考虑到研发项目所面临的风险，构建一套行之有效的评价方法，这样才能更客观地对研发项目的价值进行评估，从大量的研发项目构想或提议中，选择出最合适的项目。
传统的投资评估方法，如各种常规的贴现现金流（DCF）方法，由于方法自身的局限性，不能有效、准确地评估研发项目管理方面的灵活性。其局限性表现在如下几个方面：
①假定管理者执行静态的经营策略，不能反映项目过程中管理者的管理灵活性。
②忽视项目中机会价值的存在，高的折现率容易造成项目价值的低估。
③忽略了投资具有的不可逆性，没有考虑沉没成本对投资决策的影响。
以上这些因素都在很大程度上影响了研发项目的价值。所以，对于研发项目，不能仅仅依赖于传统的投资决策方法，需要引入新的投资评价方法。由此，实物期权方法应运而生。
研发项目是一个非线性的系统，输出变量或状态的变化与输入变量或作用强度不是简单的线性关系，组成系统的各个要素之间存在着庞杂的相互作用。研发项目具有探索性，在其生命周期内，随着项目的进行，会出现各种新的信息，不确定的外部环境和市场条件也会逐步明确，对于项目管理者而言，其能够根据具体情况的变化，动态地改变最初的经营策略，因此管理是具有灵活性的。例如，管理者可以在项目生命周期的各个阶段根据面临的状态选择延迟投资、转换、扩张、收缩、放弃项目等。这种管理上的灵活性可以被称为经营柔性，是有价值的，使得投资者在投资过程中具有某种相机的选择权，而无相应义务。而这种柔性类似于金融期权，由于标的物为实物资产，被称为实物期权。
实物期权方法是当代投资评估方法的革命性创新研究成果。实物期权方法能够评估研发项目中蕴含的管理灵活性的价值，能把研发项目管理中的灵活性进行概念化和量化。从某种意义上来说，研发项目的灵活性可以看做是不同实物期权的组合。许多实物期权不用人工构造，自然就可以形成（例如，延迟投资期权、收缩期权、放弃期权等），另外一些可以在研发项目最初就开始构造（例如，扩张期权、增长期权等），在研发项目进行过程中，还能根据具体情况，构造停启期权或转换期权等。在用实物期权方法进行投资项目评价时，标的物是投资项目，标的物现值是投资项目预期现金流现值，履约价格是投资成本，风险是项目价值的不确定性，执行时间是距离投资机会失去的时间，利率是无风险利率。把实物期权方法引入到研发项目投资评价中，能够考虑蕴含在项目中的管理灵活性。
因此，本书选择研发项目评价与投资决策为研究目标，基于实物期权理论对单个研发项目的价值进行评估，并对多个研发项目进行投资决策分析，构建了基于实物期权的静态和动态选择模型。
实物期权基于金融期权，但不同于金融期权，实物投资比金融投资复杂得多，不能直接套用金融期权的定价模型，也没有标准的实物期权模型。在实际应用中，必须结合被评价实物资产的特征，在金融期权定价模型的基础上有针对性的进行改进。所以，本书基于实物期权理论，在考虑风险的情况下，对研发项目评价和选择进行研究，有重要的理论意义和应用价值，能为研发项目提供风险决策理论基础，从理论上丰富和发展研发项目管理技术与方法，在实践上也能对研发项目管理人员提供指导。1.2研发项目评价与投资决策方法1.2.1 研发项目投资评价方法1．传统的研发项目投资评价方法（1）净现值法
传统的投资决策方法分为贴现现金流方法（DCF，discounted cash flow method）和非贴现现金流方法。非贴现现金流量方法指不考虑资金时间价值，直接根据不同时期的现金流量分析项目的经济效益，难以提供科学的决策标准，20世纪60年代以后逐渐被贴现现金流量方法所取代。在贴现现金流方法中，净现值法是应用得最广泛的和普遍接受的投资评价方法。
与两种方法相对应，可以把投资项目评价指标分为贴现指标和非贴现指标。贴现指标是考虑了时间价值因素的指标，主要包括净现值、现值指数、内部收益率等。非贴现指标是指没有考虑时间价值因素的指标，主要包括投资回收期、投资收益率等。
净现值（NPV，net present value），是指特定方案未来现金流入的现值与未来现金流出的现值之间的差额。净现值指标是对投资项目进行评价的最重要指标之一（傅加骥，仝允桓，1996）。该指标要求考察项目寿命期内每年发生的现金流量，按一定的贴现率将各年净现金流量贴现到同一时点（通常是项目初期）的现值累加值就是净现值。净现值的表达式为：
式中，NPV——净现值t
CI——第t年的现金流入额t
CO——第t年的现金流出额t
K——第t年的投资支出tttt
CO′——第t年投资支出以外的现金流出，即CO′＝CO－K
n——项目寿命年限0
i——基准折现率
判别准则：对单一项目方案而言：
若NPV≥0，说明贴现后投资项目现金流入大于贴现后现金流出，项目的投资报酬率大于预定的贴现率，项目应予以接受；
若NPV＜0，说明贴现后投资项目现金流入小于贴现后现金流出，项目的投资报酬率小于预定的贴折现率，项目应予拒绝。
以上评价方法在应用时，没有考虑到风险对投资项目的影响。在用净现值进行评价时，如果需要考虑风险因素，可以对贴现率和现金流量进行调整，主要有以下两种方法：风险调整贴现率法和肯定当量法。
在考虑风险的投资决策中，最常用的方法是对贴现率进行调整，我们称之为风险调整贴现率法（RADR，Risk－Adjusted Discount Rate，）（Klammer，1972；Fremgen，1973）。风险调整贴现率法是将净现值法和资本资产定价模型等结合起来，依据项目的风险程度调整基准折现率的一种方法，这种方法按照风险的大小适当地调整投资贴现率，然后根据净现值模型进行评价。在应用中往往通过资本成本定价模型、综合资本成本，以及项目本身的风险来估计贴现率等。这种方法的基本思路是：对于高风险的投资项目，采用较高的贴现率计算净现值，对于低风险的投资项目，采用较低的贴现率计算净现值，然后根据净现值法的准则来选择方案。该方法的关键在于如何根据风险的大小来确定适当的风险调整贴现率，但在实际的操作中面临较大的困难（Amram and Kulatilak，1998）。
另一种考虑风险因素的方法是由Hodder和Riggs（1985）提出的，我们称之为肯定当量法，把不确定的各年现金流量，按照一定的系数折算为大约相当于确定的现金流量，然后利用无风险折现率来评价风险投资项目的决策分析方法。与风险调整贴现率法不同，这种方法认为由于风险因素使各年的·6·现金流量具有不确定性，因此有必要对投资项目的现金流量进行调整，本质在于用一个系数（肯定当量系数）把有风险的现金流量调整为无风险的现金流量，然后用无风险的贴现率计算净现值。从理论上来看，肯定当量法通过对现金流量的调整来反映各年投资风险，并将风险因素与时间因素分开讨论，是成立的。但是，确定肯定当量系数难度很大，不同的人会有不同的估算结果，造成较大的估计误差，进而影响评价的客观性和准确性。因此，该方法在实际中很少应用。（2）决策树分析法
决策树分析（DTA，decision tree analysis）是利用决策树形图进行决策分析的方法（彭勇行，2000）。决策树一般都是自上而下地来生成的，每个决策或事件（即自然状态）都可能引出两个或多个事件，可以是二叉的，也可以是多叉的，从根到叶子节点都有一条路径，这条路径就是一条“规则”，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，因此称为决策树。
DTA决策的基本结构如下：面对一系列决策，管理者以过去的信息为基础，基于自己对不确定性结果的偏好和对投资机会的概念判断，选择效用最大化的投资项目，DTA使得管理者明确地认识到初始决策与后续决策之间的关系。
决策树分析方法适用于解决系列投资决策问题，特别是在最初决策时预期现金流和概率已知的投资项目，使管理者明确地认识到立即决策与随后决策之间的相互依赖关系。决策树分析方法尽管在理论上可行，但是在现实中也有局限性。主要表现在以下几个方面（吴仁群，2008）：
①确定未来现金流入的概率很大程度上依赖于决策者的决策能力，主观性较强（Loch and Bode-Greuel，2001）。
②很难选取合适的贴现率。用决策树进行评价时，在不同的时期（或项目生命期不同阶段）应使用不同的贴现率，甚至同一时期现金流的不同部分具有不同的风险，也应该使用不同的贴现率。
③在决策树分析中使用实际的概率和预期收益率建立决策树，以无风险利率（不是肯定当量或风险中性概率）后向移动是不正确的。（3）传统投资决策法的不足
传统的投资决策方法比较适合于低风险、低不确定性情形下的投资决策。对于具有高创新性、高不确定性的研发项目，用传统投资决策方法进行评价和选择时，存在以下不足：
①忽略管理柔性。假定项目在整个寿命期内，投资的内外部环境不会发生预期以外的变化，未来所有的投资决策在项目开始时就确定下来。在实践中，随着时间的变化和项目的进行，投资项目的内部条件和外部环境都会发生变化，使用静态模型从本质上看其决策结果只是对某一时点项目可行性的描述，不能准确反映项目在生命周期内的变化。如果管理者不考虑现实环境的动态性，错误地使用传统的NPV方法和决策树法，倾向于仅仅接受或拒绝项目的初始决策，在项目的实施过程中，不根据具体情况改变已有的投资决策，会导致管理缺乏灵活性，从而造成项目投资失败。
②贴现率问题难以确定。如果贴现率在整个项目生命周期内一成不变，不随着时间、信息的变化而变化，无法正确反映投资风险，而且由于不存在适合所有现金流的单个风险调整贴现率，加大了确定贴现率的难度。
③难以准确预测未来现金流量。NPV和决策树方法要求，对于未来收益的不确定性考虑不足，模型要求精确估计项目在其寿命期内各年所产生的净现金流量。对于高风险的研发项目，如果以项目初始时所预计的各年现金流量为基础进行计算，评价结果的准确性值得怀疑。2．实物期权法
对于研发项目，用实物期权的观点来重新审视，可以将其看做是典型的欧式看涨期权。基于实物期权的方法评价研发项目，是从20世纪70年代以来的研究热点。在之前的研究中，大量学者通过改进B－S模型使其与研发项目的特征相符（Luehrman，1998；Perlitz，1999；Jensen and Warren，2001），·8· Newton和Pearson（1994）以及Perlitz（1999）的模型假设R＆D项目现金流只存在连续性，对R＆D项目现金流的持续变化通过微分方程来描述，但与研发项目现金流的变化情况不一致。Pennings E and Lint（1997）认为研发项目现金流的变化只存在跳跃性，对R＆D项目现金流的变化通过离散模型来刻画，并进行了定价公式推导，Brach and Paxson（2001）通过研究，认为研发项目现金流变化连续性和跳跃性都存在。
在上述学者的工作中，研发项目现金流变化都是通过微分方程来描述的，然而研发项目更多的特征是阶段性，不能只用微分方程的方式求解，这种特征必须通过离散模型来进一步刻画。Jonathan Berk（2004）比较全面地考虑了研发项目的风险特征，但是没有考虑到研发项目阶段性的特点。Herath and Park（1999），Lint and Pennings（2001），Hartmann and Hassan（2006），马蒙蒙（2008）考虑了研发项目阶段性的典型特征，然而没有全面考虑研发项目生命周期所面临的风险。
R＆D项目的风险是一种客观存在，贯穿于研发项目的生命周期中。总体来看，研发项目各个阶段构成了项目的整个生命周期。因此，在对研发项目进行评价时，必须结合研发项目阶段性的特点，考虑完整的风险特征，利用微分方程与离散模型结合的评价方法，对研发项目进行投资评估。1.2.2 研发项目投资决策方法1．传统的研发项目投资决策方法
研发项目传统的投资决策方法经过几十年的发展，在应用中，主要有比较法、计分模型、传统的经济模型和群决策技术等（Kurt Heidenbergr and Christian Stummer，1999）。（1）比较法
比较法把一个备选项目与另一个备选项目或项目的某些子集联系在一起。由于在模型中存在大量的相互比较，任何单个的错误都不会产生严重的影响（Lockett and Stratford，1987）。但是这种方法有它致命的缺陷，通过比较获得的项目选择方案只对所有的评价项目有意义，如果其中一个项目增加或删除，整个评价过程必须重复一次，将会耗费大量的人力（Baker and Freeland，1975）。
比较法包括Q－分类方法（Q－Sort method）、层次分析法（AHP）和网络分析法（ANP）等。
①Q－分类方法。它是比较法中最不正式的一种方法，是一种心理测量的方法（Helin and Souder，1974；Souder，1978；Sounder and Mandakovic，1986；Mandakovic and Souder，1990）。Q－分类方法是一种以人为分析单元、着重分析“人际关系”的方法，可用它对个体进行描述获得一些有价值的资料。它被用于一个人的理想自我与自我描述的比较，自我觉知与他人觉知的比较，也可用于分析许多人对某人、某事描述的内部相关。它可用来把一组个体分成或多或少同质的亚类或亚组，当用于处理意见和信念的资料时，Q－分类有益于确定志趣相投的个体的小组。
用Q－分类方法对研发项目进行选择时，可以通过四个步骤，使每个成员根据单一的标准在五个方面对给定的项目分类。最后，每个项目都可根据需要被调整到其他的类中。在这个过程中，成员有很大的灵活性，而且成员有机会进行自我表达，由此产生创造性的相互影响。使用Q－分类法时，计算机技术的运用能促进组织的一致性，从而提高分类水平，并提高参与者的满意度及项目评价结果的质量。
②层次分析法（AHP）。层次分析法（Analytic Hierarchy Process）是美国著名的运筹学家T.L.Saaty于1977年提出的。该方法是一种定性和定量相结合的方法。通过在有序的递阶层次结构中，对每层诸因素的相对重要性给出判断，最终决定决策诸因素相对重要性的顺序。AHP体现了人们决策思维的基本特征，即分析、判断、综合。AHP的核心是利用1～9间的整数及其倒数·01·作为标度构造判断矩阵。
为了综合考虑非量化因素，AHP被广泛地应用。Lopez and Flavell（1998）指出，在选择研发项目时，不能仅仅考虑货币因素，关键的非货币因素也不能被忽视，比如公司的战略需要、市场需要、政府政策、生态政策等。在某种意义上，层次分析法，比数学模型更优越，因为这个方法能够考虑与数学模型的参数更不确定的因素（比如，决策者的优先选择）。
这种判断存在的一个明显的缺陷就是无法考虑人在判断时的模糊性（唐志新，2001）。为了解决这个问题，有学者提出用模糊数学模型进行项目选择（Kaufmann and Gupta，1988）。Kuchta（2001）提出用收益、产出、资源相互影响作为指标，对研发项目进行选择的模糊评价模型。而且如果涉及许多选择，目标（子目标）及层次，大量的成对比较可能使决策者感到倦怠，导致无用的结果（Khorramshahgol，Azani and Gousty，1988）。
有很多关于R＆D项目选择应用AHP的文献。例如，Lockett et al（1986）陈述了基于AHP模型，在ICI制药研发部形成一个群决策的应用。Versapa-lainen and Lauro（1988）提出的模型在竞争政府或经济合同时能够做决策支持，在文中，通过AHP对顾客选择和竞争者技术能力进行主观评价。Libera-tore（1988）用基于层次分析法的专家支持系统（ESS），并且明确地与战略计划相联系，最终用了一个电子数据表模型对项目进行排序。Lootsma et al.（1990）用与AHP相似的过程对大量的非核能量研究项目进行排序。Melach-rinoudis and Rice（1991）考虑了在陆军材料技术实验室中技术的优先性，他们的模型包括五个主观属性和一个客观属性。主观属性的权重由AHP决定，客观属性的权重由一个分段凹线性函数建立模型。Kuei et al.（1994）提出了一个先进技术的选择模型，用AHP和一个改进的优选方法去评价并对拟选择的先进制造技术排序。Brenner（1994）提出了用AHP进行非正式项目排序。
③网络分析法（ANP）。网络分析法（Analytic Network Process）是美国匹兹堡大学的T.L.Saaty教授于1996年提出的一种适应非独立的递阶层次结构的决策方法，是在层次分析法的基础上发展而形成的一种新的实用决策方法，是层次分析法AHP更通常的形式。ANP可以用来评价决策属性多方向关联的情况。
ANP首先将系统元素划分为两大部分：第一部分称为控制因素层，包括问题目标及决策准则。所有的决策准则均被认为是彼此独立的，且只受目标元素支配。控制因素中可以没有决策准则，但至少有一个目标。控制层中每个准则的权重均可用AHP方法获得。第二部分为网络层，它是由所有受控制层支配的元素组成、其内部互相影响的网络结构。元素之间互相依存、互相支配，元素和层次之间内部不独立，递阶层次结构中的每个准则支配的不是一个简单的内部独立的元素，而是一个互相依存，反馈的网络结构。
Meade and Presley（2002）介绍了评价研发项目的网络分析法（ANP）。R.P.MOHANTYA et al.（2005）提出了基于模糊ANP进行研发项目选择的模型，作者在文中指出选择研发项目时需要考虑的因素：与战略一致（strategic fit），能力（capacity），技术可行性（technical feasibility），重新使用的解决方案（solution reuse），资金（funding），风险（risks），组织准备（organiza-tional readiness），机会成本（opportunity costs），项目期限（project duration）等。在模糊ANP方法中，语言评价被转换为三角模糊数。这些三角模糊数用来建立一个ANP的成对比较矩阵，通过程度分析（extent analysis），能得到每一层各属性的权重。
④神经网络模型。人工神经网络（ANNs，Artificial Neural Networks）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型（侯媛彬，2007）。
赵志刚（2004）在进行研发项目选择时首先运用AHP原理建立研发项目的综合优先权值评价指标体系，并聘请有关技术专家及管理专家参加指标权重的确定。利用B-P神经网络模型自身强大的学习能力将研发项目所需考虑·21·的多种因素进行融合，输出一个经非线性变换后较精确的综合项目评估值，为企业研发项目的选择提供依据。进行研发项目选择时，只要将项目相关数据输入训练好的网络，就可以得到相应的输出即项目综合评价优先权值。参照事先设定好的评判标准后便可判定该研发项目是否适合立项实施。
利用B-P神经网络算法模型对研发项目进行评价时，不需要获取已知的目标函数、关系函数，这是传统的评价方法无法做到的。而且在评价过程中不需要人为地确定权重，减少了评价过程中的主观性，能得到更准确的评价结果，适应于具有复杂性的研发项目综合评价。（2）计分法
计分方法的基本步骤如下：首先要定义相对少的决策准则，用计分法进行评价多个投资项目时，需要确定各个项目每个准则的价值。对于拟评价的各个投资项目，每个准则的分数可以相加也可以相乘，得到的结果为项目的总分数。最后，根据项目的总分，对项目进行排序。
计分法可分为简单的没有权重的清单法、考虑权重的加权计分模型和更加复杂的多属性效用分析法。
①清单法。在用清单法进行投资项目选择时，不会考虑在评价过程中用到的比率和权重的不确定性（Gupta，1992）。清单法隐含的假设是所有的属性同等重要，在应用中如果不满足这一条件，项目排序与实际情况相比可能会产生较大的偏差（Fahrni，1990；Twiss，1992）。
清单法检验投资项目是否满足一定的要求，结果用单一的指标表示。例如，Souder and Mandakovic（1986）用下式计算项目的分数，ijij
式中，当项目i满足第j个属性时s＝1，否则s＝0。
②加权计分模型。加权计分模型通常简称为计分模型，克服了一些清单法存在的问题（Moore，1969）。它是一种有效的分析工具，特别是当数据不满足需求，更成熟的方法太复杂以至于不适用时（Krawiec，1984）。在模型中，用到多准则评价，并对准则赋予权重。Jin et al.（1987）把研发项目分为基础研究项目、应用研究项目和发展研究项目，在文中用了12个指标，并把它们分成4个类别：研究问题因素、过程因素、资金需求因素和收益因素。整个项目的分数为：ii
式中，S为项目在指标i的分数；W为指标i的权重。
这个方法很容易理解，尤其适用于研发项目基础研究和实验发展阶段（Paolini，1977）。在Krawiec（1984）的研究中，加权计分模型产生的结果，平均来说，有90％的排序结果与用经济和有约束的优化方法得出的结果是一致的。然而，这个方法最大的缺陷是隐含的线性假设（Jin，1987）。
③多属性效用分析。多属性效用分析（Multiattribute Utility Analysis）是以效用理论为基础建立的计分模型。模型的核心是通过决策者选择的评价准则去评价效用。它假定任何决策者的目标都是效12nj用最大化。效用函数U＝U（g，g，…，g），g（j＝1，…，n）为评价准则。最简单和最常用的效用函数是加法形式的：j
式中，a是被评价的项目；U是一个严格递增的实值函数。
通过这个函数，可以把准则转化成一致的尺度（Keeney，R.L.，1993；Vincke，P.，1992）。
在某些情况下，效用函数U（z）也可以是乘法的形式：i
式中，z是一个m维的矢量，表明每个属性的产出；u是属性i的i效用函数，取值从0到1；k和k是比例常数（Keeney，1974）。
多属性效用分析在研发项目选择中的应用如：Golabi（1987）用多属性效用理论（MAUT）构建价值函数，并且用整数线性规划最大化项目的总价值。·41· Bard and Feinberg（1989）介绍了一个两阶段的方法，研发管理者可以用于评价和选择竞争性的技术。在第一阶段用多属性效用分析对可选的技术排序，排除劣势项目。（3）传统的经济模型
传统的经济模型从货币的角度出发，去计算项目的成本收益及财务风险。用这个模型评价研发项目时，需要研发项目的管理者和财务管理人员共同参与，对研发项目和其他可选的投资机会进行比较（Paolini，1977；Bierman，1993）。因为进行评价时各个因素都必须以货币的形式描述，对研发项目的非财务方面，如项目的社会、环境、政治成本或收益，从理论上是可行的，但实际操作有一定的困难（Jackson，1983）。
①经济指标。项目选择最简单的经济模型是用单一的指标进行评价。例如，Paolini and Glaser（1977）提出的相对简单的指标：
式中，％T.S.表示技术成功的可能性；％C.S.表示经济成功的可能性。
备选项目根据指标值的大小按照降序排列。Silverman（1981）提出了一个更复杂的指标，这个指标以经济模型PAM（Project Appraisal Methodology）为基础。Kuwahara and Takeda（1990）提出了一个全面的研发成本效益评价系统。
②折现现金流方法。DCF（discounted cash－flow）投资评价方法是被广泛使用的财务工具，被用到研发项目的评价中（Bierman，H.，1993），也被用到研发项目的选择中。
传统上，净现值（NPV）、内部收益率（IRR）和投资回收期等作为投资评估技术被广泛使用。此外，Rzasa et al.（1990）基于期望净现值提出严格的投资计划。Chui and Chan（1994）用期望净现值评价研发项目的成功与失败，并选择最优的项目。John Flaig（2005）提出用期望净现值分析提高项目筛选效果，它通过三个关键点来实现项目筛选技术的提高：
a．它包括关键过程输入变量，以及之前和之后项目完成的状态；
b．它提供期望项目完成时间的主观概率模型；
c．它用资金的时间价值测度成本和收益。
对于用DCF方法选择研发项目，我们还可以追溯到更早的时候，Hess（1985）用下面的期望净现值构建研发项目选择模型：
式中，R——应用研究成本；t
P——技术成功的可能性（技术可行性）；
D——发展成本（从技术可行性到商品化）；c
P——经济成功的可能性（也就是成功的达到预期的收益水平）；
k——销售部分的净收益（没有研发成本）；
S——第一个10年内的平均年销售额；
T——开始销售的年数；
i——折现率（是累计的持续的折现因素）。
上面提到的NPV和IRR方法基于所有备选项目的评价参数计算年现金流价值。这些估计值用来评价备选项目的经济可行性。以上数学模型的成功与否取决于现金流价值评估的精确性（比如，收益和成本），以及对项目生命周期的合理估计。在计算中，假定折现率是不变的，这一点与现实不符。另外应用DCF法时，一些重要的方面（比如，研发项目的不确定性）容易被忽视，不容易考虑全面。
③决策树。对于R＆D投资决策，除了前面提到的多属性效用分析，运用决策理论进行分析的一个主要的工具是决策树（Kirkwood，1992）。决策树由决策结点、机会结点与结点间的分枝连线组成。通常，用方框表示决策结点，用圆圈表示机会结点，从决策结点引出的分枝连线表示决策者可作出的选择，·61·从机会结点引出的分枝连线表示机会结点所示事件发生的概率（Heidenberger，1996）。
在用决策树对研发项目进行选择时，通常在不确定情况下，分析一系列R＆D投资决策。如：Hess（1993）提出决策树评价新的项目，把所有的定性指标用单一的表达方式表达。Janne Gustafsson et al.（2005）提出用CPP（contingent portfolio programming）方法进行项目筛选。CPP模型由资源类型、状态树、项目的具体决策树来定义。应用CPP时，首先定义这三个概念，然后讨论CPP的限制和目标函数，计算时可以用LP和MIP软件包去求解。
另外有一些学者用决策支持系统（DSS）进行研发项目选择。如：Bard et al.（1988）提出了交互式的决策支持系统（DSS）再现存在的项目，评价新的项目，用混合非线性整数规划（NLIP）优化选择，使收益最大化。Stewart（1991）也提出了一种交互式决策支持系统解决投资计划的非线性多属性优化问题，用启发算法得到整数规划问题的解。
决策树对于常规统计方法具有以下优点：
a．可以生成能够理解的规则；
b．计算量相对来说不是很大；
c．可以处理连续和种类字段；
d．决策树可以清晰地显示哪些字段比较重要。
决策树的缺点：
a．对连续性的字段比较难预测；
b．对有时间顺序的数据，需要很多预处理的工作；
c．当类别太多时，错误可能就会增加得比较快；
d．一般的算法分类的时候，只是根据一个字段来分类；
e．当决策树分析应用于大多数现实的投资组合中时，树中不同路径的数目是以决策、结果变量或每种变化状态数目的几何倍数扩张，因此，决策树分析的变化状态有时会变得非常复杂。（4）群决策技术
群决策作为一个明确的概念被提出来是在20世纪70年代，得到广泛的研究是在80年代以后（Hwang，1987）。群决策研究多人如何做出统一的有效抉择，具有决策的特点，并考虑了决策人员的复杂性。群决策就是有多个决策者针对同一问题进行一项联合行动抉择的决策问题，实际上是具有以下条件的决策问题：
a．至少有两个或两个以上的决策者，每个决策者都有其对问题的理解、态度、决策动机以及个性等；
b．决策者面对的是共同的问题，该问题庞大而复杂，需要集中集体的智慧才能创造性地加以解决；
c．决策者试图达到群体决策结果，这个结果能反映决策群体中每个决策者的意见。
群决策过程可描述如下：首先由各决策者针对问题给出其意见，然而对意见的一致性进行分析，如果满足某种集结规则就进入意见相同的决策问集结与方案的选择过程，否则就需要协调决策者重新给出决策意见。
对于研发项目选择，群决策技术包括4个类别的研发收益度量方法，分别是德尔菲法、匿名Q-sort法、影响法和次序交集方法。
广泛用到的群决策技术是德尔菲法。德尔菲法（Delphi technique）又名专家意见法或专家函询调查法，是美国兰德公司在20世纪50年代初与道格拉斯公司协作，所使用的一种有效的判断预测方法。德尔菲法本质上是一种反馈匿名函询法。其大致流程是：在对所要预测的问题征得专家的意见之后，进行整理、归纳、统计，再匿名反馈给各专家，再次征求意见，再集中，再反馈，直至得到稳定的意见。
德尔菲法作为一个共用的、更广泛的、更结构化的和更少偏见的方法用到研发项目选择和资源分配问题。方法的好坏与全体专家的专业技术相关，抽取专家的方式与专家权重分配在应用中也是至关重要的。Holt（1988）在·81·文中提到德尔菲法的3个优点：
a．匿名降低了权威人物的影响，由于每个人观点都会被收集，地位最高的人没有机会控制群体意志；
b．多次有控制的反馈能消除干扰；
c．小组的统计回答使群中每个人的观点都包括在统计中，避免了只反映多数人观点的缺点，不会忽视重要观点。
应用德尔菲法也存在风险，如果协调员无意中表达了对要讨论问题的偏见，可能会影响群成员的意见。而且，因为专家在教育经历、知识背景或者社会环境方面存在不同，可能会导致误解的增多。而且，从其本身的应用过程来看，它是一种复杂的、耗时的方法。
Khorramshahgol and Goust（1986）and Khorramshahgol et al.（1988）认为用德尔菲法优于目标规划法。Iyigun（1993）提出了一个3阶段的模型。阶段1：筛选阶段，用计算机处理的单个的德尔菲过程，对项目进行粗略的计分；阶段2：评价阶段，多元的计算机处理德尔菲过程，深入评价经过阶段1筛选后的项目。阶段3：基于获得的数据，用相互作用的决策支持系统来进行评价。Gear et al.（1982）and Thomas（1985）用德尔菲法获得更成熟模型的数据。Plebani and Jain（1981）用一个匿名群技术决定准则，用德尔菲技术决定分数。
其他三种研发项目选择的群决策技术在实际中用得相对较少。下面进行简单地阐述：
a．影响法。由Souder（1975）提出，这种方法能使群在组织上成功地达成一致，在文中以4个不同的组织列出研发项目选择准则。该方法重复地运用了成对比较、群讨论计算成员的相互影响。
b．匿名Q-sort法。由Souder（1978）提出，包括心理测量方法和有约束的群相互作用。这个方法的步骤为：首先，群中的每个个体匿名的完成Q-sort，然后每个人的Q-sort结果用点数表制成表格。接下来的阶段与德尔菲法类似。
c．次序交集法（the ordinal intersection method）。由Cook and Seiford（1982）提出，文中用来处理政府部门的研发项目选择问题。它需要群成员对决策问题的每个方面排列次序。在排列中，每个成员要求充分考虑评价的研发项目的收益和成本。最后，综合群成员的次序排列成形成最终的排序，从而实现研发项目的选择。
群决策技术系统地收集、融合知识和专家的判断。这种方法在实际操作中运用取得了不错的效果，而且对于更复杂的模型，可以作为获取数据的一个必要的筛选工具（Iygun，1993；Khorramshahgol，1986；Khorramshahgol，1988）。通过群能够彻底地和群成员讨论，能够激发参与者的热情，所以能讨论非常复杂的甚至是模糊的问题。但是，在群中，由于涉及的专家众多，一些方法可能变得非常耗时，而且选择参与评价的专家是不是一个简单的任务。
综上所示，计分法用于多个项目的选择时具有以下优点：
①各个项目之间的分数是独立的，可以根据比较的需要增加或者删除项目，不影响其他项目的分数；
②计分模型不仅能处理点估计或区间估计的统计数据，而且能处理主观评价的数据（Moore，1969）；
③计分模型可以包括非经济因素，比如社会影响、环境关注等（Jackson，1983）。
尽管计分模型被广泛地使用，但是它还是有许多缺点。计分模型的本质是把复杂的决策情况简化成一个简单的等式，得到一个综合的分数，模型容易理解、计算，但也由于过于简化对项目实际刻画不充分。而且由于变量或因素是不独立的（Cooper，1981），互斥的限制在现实中很难满足。因此，大部分计分模型对于评价或多或少存在偏差（Fahrni，1990）。另外一个严重的缺陷是它对数据的高要求（Jackson，1983），决策者必须提供他们如何评价每个准则和判断重要性依据的信息。Lockett and Stratford（1987）认为计分模型·02·与整体的排序模型相比，单个数据项的误差更显著。2．新型的投资决策方法（1）期权法
期权法认为研发项目的选择具有很大的价值（Newton，1994）。根据实物期权的方法计算研发投资的净现值，使管理者在研发阶段就能预计许多新产品项目继续下去会遭遇失败，从而避免对这些项目增加投入并把这些产品推向市场。与折现现金流（DCF）相比，通过把研发项目看作期权，能够提高研发项目早期选择的准确性（Mitchell，1988；Yeo，2003）。（2）博弈论模型
考虑竞争者存在时，进行R＆D选择，运用博弈论模型是适合的（Gross-man，1987）。在研发项目选择方面，大部分模型都是两家卖主垄断市场的两阶段模型，第二阶段要在第一阶段成功后才能开始（Park，1987；Ali，1993）。一些学者如Gruver（1991），Park and Chong（1991）讨论多于两个竞争公司的情况。然而，由于在实际中出现的竞争情况具有高度的复杂性，因此，在模型的构建中，需要很多简化的假设（Hillier，2001）。（3）其他方法
①模拟模型。模拟模型比优化模型能够更详尽、更真实地反映现实世界。当在现实生活中，实验花费的时间太长或者太昂贵，由于分析过程太复杂，不能在有限的时间内以可以接受的成本去进行时，模拟模型是比较合适的选择。模拟模型通过重复地运行，修正参数或变量，从而获得产出变量的可能性分布和决策变量的满意值。
有很多模拟方法被用在研发项目选择中。如：蒙特卡洛模拟（Monte Carlo simulation）用所有随机因素的可能性分布去计算目标价值的可能性分布（Gaver，1972；Hazelrigg，1985；Martino，1995）。系统动态模拟（system dy-namics simulation）用反馈环加强情景分析。Fox and Baker（1985）综合系统动态模拟和蒙特卡洛模拟，提出了一个模型。Milling（1996）用系统动态模拟分析新产品进入特定市场后的结果和反应。
②启发式模型。启发式模型（Heuristics model）能够得到满意解，不一定是最优解。启发式模型适用于不同变量之间的关系很复杂，建立分析模型很困难，在有限的时间内计算所有可行的变量不现实的情况。启发式模型能够在解的质量和计算的时间上获得折中的效果。有不少学者用启发式模型进行R＆D项目选择，如Oral et al.（1991），Islei et al.（1991），De Maio et al.（1994），Venkatraman（1995），Cabral－Cardoso and Payne（1996）等。
综上所述，在对研发项目进行静态选择时，考虑到研发项目战略特征的文献很少。要更加科学合理对研发项目进行投资决策，必须全面地，以战略的高度进行研发项目选择。而对于一个企业之间研发项目的动态选择问题，鲜有研究。（Nam－Yong Kim，2002）研究了一个企业内部多个项目的选择，考虑了研发项目的阶段性，但是没有考虑到项目之间的相互影响，仅仅用（0，1）规划进行决策。（Tao Yao，2005）通过博弈论考虑了项目间的相互影响，并采用随机微分方程求解，但是没有考虑到研发项目的阶段性。1.3研究对象
研究与开发（R＆D），又称“研究与发展”、“研究与试验性发展”，它是指为了增加知识总量，包括人类文化和社会知识的总量，并探索其新的应用而进行的系统的创造性工作（吴贵生，2000）。
研究与开发通常被简称为研发，包括所有科研与技术发展工作。研究是针对某个主题的科学知识进行大量的、系统的、反复的探索，通过对事物现象的周密调查与反复思索来揭示事物的本质。研究是一个重要的科学调查实验与分析过程，开发则是运用科学知识对基本思想、基本原理作进一步的发展，以产生一种新的物质形态。研究旨在探索未知，而开发则要从潜在的或基本的因素中创造出某种具体的物质形态，如新产品、新工艺、新材料等，·22·开发项目一般包括新产品开发与工艺改造两大类。研究与开发活动不同于一般的生产劳动，它是一类特殊的生产活动（陈劲，伍蓓，2009）。1.3.1 研究与开发特点1．探索性
研究与开发是探索未知、寻求新的解决问题途径的工作。2．创造性
创造新的知识、新的方法是研究开发的最本质的特征。3．不确定性和风险性
研究开发的探索性和创造性决定了其不确定性，它是在没有一定成功把握的条件下工作的，失败和挫折是正常现象，因此研究开发充满了风险。4．个体性、集体性和社会性
研究开发是智力活动，需要发挥个人的才智，新的创造性设想往往来自个人的灵感和智慧火花；现代研究开发往往又需要多部门的协同工作，并且要借助于先进的、复杂的仪器设备，因此需要集体的合作；知识的相关性、对社会支撑条件的依赖性又使研究开发工作具有社会性，一项突破往往有赖于相关领域的进展（吴贵生，2000）。1.3.2 研究与开发分类
通常，根据研究与开发活动的不同类型，可以将研发划分为以下三类：1．基础研究
基础研究目的在于认识世界，主要为取得关于现象和事实的根本原理的新知识，不考虑特定的实际应用的实验和理论研究，为推进科技进步而进行初步探索。这种研究没有特定的商业目的，其研究成果一般是广泛的真理、普遍的原则、理论或定律。对于工业企业的基础研究来说，一般具有一定的范围，或多或少关系到其当前或未来的经营范围，因而企业的基础研究往往是一种定向的基础研究。2．应用研究
主要为特定的实际应用而取得新知识的实验、研究。3．开发
开发包括产品开发和工艺改造。利用基础研究、应用研究成果或经验而进行的生产新材料、新产品、新装置，建立新的工艺或系统的工作。
①产品开发。根据基础研究的成果以及市场的需要，运用新材料、采用新的设计开发创造满足市场与顾客需求的新产品，其本质是为满足用户需求而创造的新产品、新药剂、新软件等。
②工艺改造。为了降低生产、制造成本，采用新的知识与技术、追求经济的方法改进现有产品的生产与制造工艺，从而降低生产、制造成本的研究（陈劲，伍蓓，2009）。
本书的研究对象是企业的新产品研究与开发项目，不涉及政府、高校和科研机构的研发项目，也不包括企业的工艺改造项目。1.4研究内容及技术路线
本书的研究内容主要包括：1．研发项目价值评估
针对单个研发项目进行投资评价。以企业研发项目评价与投资决策为主要脉络，分析和总结研发项目生命周期中的各种风险因素，针对研发项目阶段性的特点，构建多阶段研发项目评价模型，利用实物期权的思想，考虑研发项目投资的灵活性，对研发项目的潜在价值实施综合评估。2．研发项目静态选择模型
在单个研发项目评价的基础上，结合BSC思想的精髓，改进DEA模型不·42·能有效排序的缺陷，基于实物期权理论，构建多个研发项目静态选择的模型。3．研发项目动态选择模型
针对企业内部典型项目的博弈过程，考察项目不同状态变迁的边界条件，基于实物期权理论，构建两个研发项目动态选择模型。
本书研究的技术路线如下：图1.1 技术路线1.5创新点
本书的创新点如下：1．构建研发项目评价模型
针对研发项目阶段性的特点，在风险条件下，构建了多阶段研发项目评价模型。在这个模型里，通过深入分析研发项目在整个生命周期中面临的风险，包括：市场风险、技术风险和突发风险，并利用实物期权的思想，考察研发项目投资的灵活性，克服了传统NPV方法低估研发项目潜在价值的缺陷。在本书提出的模型中，综合考虑了以上三种风险，把风险和研发项目的阶段性结合在一起，对研发项目进行评价。2．建立了研发项目静态选择模型
在静态模型里，结合BSC模型，改进了DEA模型排序效率不足的缺陷，以实物期权的视角，构建了基于效率排序的多个研发项目静态评价模型。而且，在这个模型里，通过BSC考虑到了研发项目的战略性。3．建立了研发项目动态选择模型
在动态选择模型中，针对同一个企业内部两个典型项目的博弈过程，考察研发项目不同状态变迁的边界条件，构建了两个研发项目的动态选择模型。考虑到研发项目的技术风险、市场风险和突发风险，以及同一个企业内部不同项目之间的博弈风险，从而完整的对两个项目的动态选择情况展开讨论，基于实物期权理论，最终实现两个项目的最优投资决策目标。4．编写运算程序
针对上述三个模型：研发项目评价模型、研发项目静态选择模型和研发项目动态选择模型，本书专门设计并开发了不同的计算机程序进行运算和实现。
试读结束[说明：试读内容隐藏了图片]