下载掌阅APP，畅读海量书库
立即打开
项目投资优选也被称为“项目组合选择”，这是一个迭代的进程，管理人员须从现存的建议以及当下的项目中拣选项目，以契合组织目标。这一进程对公司维持竞争优势极为关键，能使公司专注于最具相关性和战略性的项目。
传统的项目投资优选方法按是否考虑时间价值，可分为静态分析法和动态分析法。
静态分析法是一种不考虑资金时间价值的投资效益计算方法，它只考虑资金数量，不考虑时间因素，即等量的资金在任何条件下、任何时间都被认为是等值的。静态分析法简单、直观、易于掌握，但由于它没有考虑资金投入和回收的时间因素，无法测算项目整个存在期内的投资经济效益，所以一般只用于项目的预选，即将一些差的项目排除在外。静态分析法主要有静态投资回收期法和投资收益率法。
1.静态投资回收期法
静态投资回收期法又被称为“投资返本年限法”，是计算项目投产后在正常生产经营条件下的收益额、计提的折旧额、无形资产摊销额用以判断收回项目总投资所需的时间，再与行业基准投资回收期对比来分析项目投资财务效益的一种静态分析法。投资回收期是指在不考虑时间价值的情况下，收回全部原始投资额所需要的时间，即投资项目在经营期间内预计净现金流量的累加数恰巧抵偿其在建设期内预计现金流出量所需要的时间，也就是使投资项目累计净现金流量恰巧等于零所对应的期间。投资回收期指标所衡量的是收回初始投资的速度。其基本的选择标准是：若只有一个项目可供选择，该项目的投资回收期要小于决策者规定的最高标准；如果有多个项目可供选择，在项目的投资回收期小于决策者要求的最高标准的前提下，还要从中选择回收期最短的项目。静态投资回收期通常以年为单位，它是衡量收回初始投资额速度的指标，该指标越小，回收年限越短，则方案越有利。投资回收期指标的特点是计算简单，易于理解，且在一定程度上考虑了投资的风险状况（投资回收期越长，投资风险越高；反之，投资风险越低）。只要算出的投资回收期短于行业基准投资回收期，就可考虑接受这个项目。故这一指标在很长时间内被投资决策者广为运用，目前也仍然是一个在进行投资决策时需要参考的重要指标。但是，投资回收期指标也存在着一些致命的弱点。首先，投资回收期指标将各期现金流量给予同等的权重，没有考虑资金的时间价值。其次，投资回收期指标的标准确定，主观性较强。最后，最重要的是投资回收期指标只考虑了回收期之前的现金流量对投资收益的贡献，没有考虑回收期之后的现金流量对投资收益的贡献，有可能把后期效益好、整体效益也不错的项目舍弃掉，进而导致错误的决策。事实上，有战略意义的长期投资往往早期收益较低，而中后期收益较高。静态投资回收期法会优先考虑急功近利的项目，可能导致项目方放弃长期坚持能获得成功的方案，所以一般只在项目初选时使用。
2.投资收益率法
投资收益率法是将项目典型年度的收益额与总投资进行比较从而得出投资收益率与行业基准投资收益率的对比结果，来评价投资财务效益的静态分析法。在实际工作中，常以年税前利润和年税后利润作为年收益额来计算投资收益率，并把按年税前利润计算的投资收益率叫作投资利税率，按年税后利润计算的投资收益率叫作投资利润率。把项目的预期投资收益率计算出来以后，就可与一个可以接受的行业基准投资收益率相比较，如前者大于后者，可考虑接受，否则不应该接受。投资收益率法的优点是计算简便，易于理解。其缺点是没有考虑资金时间价值因素，不能正确反映建设期时长及投资方式的不同和回收额对项目的影响，分子、分母计算口径的可比性较差，无法直接利用净现金流量信息。因为同样的收益，早期获得的要比后期取得的更有价值。但在初选项目排除一些较差项目时，该方法还是经常被使用的。投资收益率反映投资的收益能力。当该比率明显低于公司净资产收益率时，说明其对外投资是失败的，应改善对外投资结构和投资项目；而当该比率远高于一般企业净资产收益率时，则存在人为操纵利润的可能，应进一步分析各项收益的合理性。
动态分析法又被称为“现金流量贴现法”，是通过预测未来现金流及其相关风险，然后选择合理的贴现率，将未来的现金流贴现为现值，从而评价和分析投资方案的一种方法。现金流量贴现法的原理是，任何资产的价值都等于其预期未来产生的所有现金流的现值总和。现金流量贴现法是资本投资和资本预算的基本模型，因为企业的经济活动是以现金的流入和流出来表示的，所以现金流量贴现法被认为是理论上最富有成果的企业估值和定价模型。现金流量贴现法所得出的结果往往是检验其他模型结果是否有效的基本标准。目前，基于现金流量贴现法的投资优选方法主要有净现值法、内含报酬率法和现值指数法等。
1.净现值法
净现值法是评价投资方案的一种方法。净现值是指某个投资项目投入使用后各年的净现金流量的现值总和与初始投资额（或投资期内的各年投资额的现值总和）之差，即投资项目未来现金流入量现值与未来现金流出量现值之差，或者说是投资项目在整个期间（包括建设期和经营期）内所产生的各年净现金流量现值之和。
该方法利用净现金效益量的总现值与净现金投资量算出净现值，然后根据净现值来评价投资方案。净现值为正值，投资方案是可以接受的；净现值是负值，从理论上来讲，投资方案是不可接受的，但从实际操作层面来说这也许跟公司的战略性决策有关，比如说是为了支持其他项目，开发新的市场和产品，寻找更多的机会获得更大的利润。此外，回避税收也有可能是另外一个原因。当然净现值越大，投资方案越好。净现值法是一种比较科学也比较简便的投资方案评价方法。
净现值法具有广泛的适应性，在理论上也比其他方法更完善，是最常用的投资决策方法。其优点有三：一是考虑了投资项目现金流量的时间价值，较合理地反映了投资项目真正的经济效益，是一种较好的决策方法；二是考虑了项目整个期间的全部净现金流量，体现了流动性与收益性的统一；三是考虑了投资风险性，因为折现率的高低与风险的大小有关，风险越大，折现率就越高。
净现值法的缺点也是明显的：一是不能从动态的角度直接反映投资项目的实际收益率水平，当各项目投资额不等时，仅用净现值的大小无法确定投资方案的优劣；二是净现金流量的测量和折现率的确定比较困难，而它们的正确性对计算净现值有着重要影响；三是净现值法计算麻烦，且较难理解和掌握；四是净现值是一个贴现的绝对数指标，不便于投资规模相差较大的投资项目的比较。
2.内含报酬率法
内含报酬率法也被称为“内部收益法”，是用内含报酬率来评价项目投资财务效益的方法。所谓内含报酬率，是指能够使未来现金流入量现值等于未来现金流出量现值的折现率，或者说是使投资方案净现值为零的折现率。它就是指在考虑了时间价值的情况下，使一项投资在未来产生的现金流量现值，刚好等于投资成本时的收益率。内含报酬率本身不受资本市场利息率的影响，完全取决于企业的现金流量，反映了企业内部所固有的特性。
内含报酬率法的优点是考虑了投资方案的真实报酬率水平和资金时间价值；缺点是计算过程比较复杂、烦琐。由于内含报酬率所固有的缺陷（许多情况下内含报酬率并不等于项目投资的实际收益率），采用这种方法评价投资项目时会出现一些不合理的结果，所以财务相关人员又引入了更为科学的修正后内含报酬率。修正后的内含报酬率是指在用不同的利率计算支出和收入时所得的内部收益率，同时考虑了投资成本和现金再投资收益率。修正后的内含报酬率法的关键在于修正它对项目后期流出资金的现值的低估。实际上，对项目后期资金流出应采用机会成本作为折现率，只有这样才能准确反映项目投资的实际收益率。修正后的内含报酬率是在一定的贴现率条件下，将投资项目未来的现金流入量按照预定的贴现率计算至最后一年的终值，而将投资项目的现金流入量（投资额）折算成现值，并使现金流入量的终值与投资项目的现金流出量达到价值平衡的贴现率。修正后的内含报酬率正确地假设以机会成本作为再投资报酬率，也消除了一个项目多个内含报酬率的情况。管理者总是喜欢使用报酬率进行比较，而运用修正后的内含报酬率比一般的内含报酬率更加科学。
3.现值指数法
现值指数法是指某一投资方案未来现金流入的现值，同其现金流出的现值之比。具体来说，就是把某投资项目投产后的现金流量，按照预定的投资报酬率折算到该项目开始建设的当年，以确定折现后的现金流入和现金流出的数值，然后相除。现值指数法的优点在于通过现值指数指标的计算，能够知道投资方案的报酬率是高于还是低于所用的折现率。而现值指数法的缺点在于无法确定各方案本身能达到多大的报酬率，因而使管理人员不能明确肯定地指出各个方案的投资利润率的值，以便选取以最小的投资获得最大的投资报酬的方案。现值指数是一个相对指标，反映投资效率，而净现值指标是绝对指标，反映投资效益。净现值法和现值指数法虽然都考虑了货币的时间价值，但没有揭示方案自身可以达到的具体的报酬率。内含报酬率是根据方案的现金流量计算的，是方案本身的投资报酬率。如果两个方案是相互排斥的，那么应根据净现值法来决定取舍；如果两个方案是相互独立的，则应采用现值指数或内含报酬率作为决策指标。
传统的项目投资优选方法将投资项目看成静态的和一次性的，然而随着世界经济、科技的飞速发展，资本投资的风险和不确定性大大提升，传统的投资优选方法已经不能满足企业的需要。不确定性对企业进行项目投资优选有着至关重要的影响，它主要表现在以下两个方面：首先，确定一个项目是否成功所需的信息是极难被项目方知道的，甚至是项目方不可能知道的；其次，如果项目和环境条件不太稳定，战略目标就可能会发生变化，导致高度的不确定性。目前，在不确定条件下进行项目投资，优选的方法主要有以下几种。
随机数学方法是处理不确定性问题使用较普遍的方法之一，尤其是当不确定性参数的概率分布函数已知时。随机现象在现实生活中是广泛存在的，而随机方法主要是考虑客观事物的随机性。近几十年来，此类方法已被证明是科学、工程、商业、计算机科学和统计学等领域研究中的重要工具。通常，随机性主要通过两种方式被引入问题：一种是成本函数，另一种是约束集。尽管这种方法在各个领域都有很高的适用性，但在项目环境中使用这种方法并不常见。主要原因可能是项目具有独特性，在某些情况下项目方不能得到项目的历史数据。不过，在某些项目中，可以利用过去类似项目的数据来克服这一缺陷。随机数学方法主要分为以下几种：
1.传递函数法
这种方法根据误差传递理论，从初始变量的不确定性出发，逐步分析计算结果的不确定性，其主要理论基础是随机变量函数方差的计算。例如，赵大萍和房勇（2020）结合风险测度方法VaR提出基于在险价值的风险平价投资策略，建立了相应模型，并给出有效的算法；其次使用中国股票、债券和商品期货市场数据给出数值算例，并与多种常用的投资策略进行了对比分析。结果显示，三种风险平价投资策略均优于全局最小方差组合等其他参照投资策略，其中基于在险价值的风险平价投资策略表现最优。盛积良等（2024）以夏普比率、最大回撤和卡玛比率作为业绩评价指标，将基于CVaR的风险平价投资策略与常见的投资组合策略进行对比，数值实验结果表明：风险平价投资策略的综合表现相较于等权组合投资策略、最大夏普组合投资策略与全局最小方差组合投资策略具有更高的鲁棒性。而在三种风险平价投资策略中，基于CVaR的风险平价投资策略在风险控制方面存在优势，其收益与风险分散效果显著提升。
2.数值模拟法
数值模拟法又被称为“蒙特卡罗法”或“统计抽样法”，属于计算数学的一个分支。它的基础是使用随机输入参数值模拟相互竞争的模型，并根据参数和数据的统计分布得出测量数据。分析某些复杂模型的不确定性来源极为困难，而使用蒙特卡洛法处理复杂模型的不确定性则较为容易。例如，王学强和庄宇（2007）运用蒙特卡罗模拟模型和程序结合实际工程项目，分析评估了项目的主要风险因素，借助EXCEL软件对项目风险进行了模拟和测试，并给出了项目风险模拟的结果。结果表明项目风险评估中的蒙特卡罗模拟方法占用的资源少、操作性强，对于项目风险评估是有用的。他们确定了风险因素，将Spearman秩相关系数引入多因素敏感性系数的确定中，并在此基础上建立了敏感性系数的标准化模型，然后结合实例进行了敏感性分析。陈国栋（2012）基于蒙特卡罗模拟对投资项目的风险进行敏感性分析，并快速高效地得到了实验结果。张宏亮和王其文（2004）介绍了蒙特卡罗模拟应用中两种判断模拟样本量的方法——绝对偏差方法和相对偏差方法，并结合一个风险投资项目的事例，通过大量模拟计算，对模拟样本量的判断方法进行了验证。
3.回归分析法
回归分析法是数理统计的一个分支，它研究两个或多个随机变量之间的关系及其性质：随机变量之间的关系是一种非确定性的关系，不同于通常的函数关系。回归是用条件期望来表达随机变量之间关系的一种形式。使用回归分析方法的目的是有效利用现有信息，减少因信息不足而造成的不确定性，目前使用的方法主要是参数回归分析。例如，高武等（2017）运用非线性回归计量方法，研究大型PPP（政府和社会资本合作）项目风险受宏观环境、微观环境、主体能力及合作关系等多种因素影响而平稳演化的规律。他们通过研究发现，无突变因素情况下，项目风险与影响变量之间存在稳定均衡的非线性关系，宏观环境对风险变化的影响最为显著。霍伟东等（2018）利用非洲国家2002—2016年552个PPP基础设施项目数据建立回归模型，探讨项目所在地政府的制度质量和多边金融机构支持对PPP项目风险结构设计和成效的影响。实证研究结果表明，制度质量和多边金融机构支持会通过影响社会资本对项目风险分担程度的选择而影响PPP项目的成效。
4.非参数回归方法
非参数回归方法是在回归分析中，当分布未知时进行估计的一种方法。该方法可以直接从样本的实际统计特征出发研究问题，避免了模型假设与实际情况差距较大或在模型选择过程中造成的不确定性。
在项目环境中，除了信息不精确和缺乏适当的数据之外，模糊性也是一个不可避免的问题。考虑不确定性的一个适当方法就是模糊集理论。许多研究利用模糊集理论来处理PPS（项目组合选择）中的不确定性。然而，随着模糊集理论在现实世界问题中的应用越来越多，不少问题也逐渐涌现出来。经典的模糊集理论的一个不足之处是，专家需要给出一个在［0，1］内数字的精确意见。为了克服这一问题，人们提出了几种模糊扩展方法。例如，使用直觉模糊集理论，用隶属度与非隶属度可以同时表示决策者对方案的支持与反对，可以有效处理决策信息不确定的问题。然而，针对出现多名决策者因犹豫和迟疑无法达成统一意见的情况，用直觉模糊集理论就很难将决策模型表示出来。因此，Torra等于2010年提出了犹豫模糊集的概念，使用一组数据表示决策者的犹豫程度，该方法对有多个决策者参与的决策问题十分适用。直觉模糊集还存在一个限制，即隶属度与非隶属度的和等于1，但现实生活中往往并不存在非黑即白的问题。因此，Yager在2013年提出了毕达哥拉斯模糊集，使其能够描述隶属度与非隶属度之和大于1，但其平方和不超过1的情况。毕达哥拉斯模糊集相较于直觉模糊集来说更加适合于信息错综复杂的实际问题，因此受到了广大学者的普遍关注。在此基础上，不少学者将不同模糊集理论相结合，形成毕达哥拉斯犹豫模糊集、毕达哥拉斯模糊软集等概念，并在项目环境下取得了较好的结果。
解决项目环境中不确定性的另一种方法是使用灰色系统理论。灰色系统理论以“部分信息已知，部分信息未知”的“小样本”“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的生成、开发，提取出有价值的信息，是一种研究不完全信息的有效方法。不少研究者基于灰色系统理论研究不确定条件下投资组合选择问题。例如，Bhattacharyya（2015）开发了一种用于研发项目组合的灰色方法。Balderas等（2017）提出了一种TOPSIS－灰色方法来处理项目组合问题，以及应用灰色数学方法来解决项目组合优化问题。Zhao、Wu和Wen（2018）采用灰色熵方法来进行绿色建筑项目的评估。
粗糙集理论由波兰科学家帕夫拉克于1982年提出，是一种解决不完备性和不确定性问题的数学方法，可以有效分析各种存在不精确、不一致、不完整等问题的不完备信息，从而揭示基本规律。该理论与其他处理不确定性和不精确问题的理论的最大区别在于，它不需要提供问题所要处理的数据集之外的任何先验信息，因此对问题的不确定性的描述或处理可以说是比较客观的。由于该理论不包含处理不精确或不确定性原始数据的机制，因此该理论与概率论、模糊数学和证明理论等其他处理不确定性的理论具有很强的互补性。
除了当今科学发展的纵向深化外，多学科交叉和融合也是当今科学的重要特征，由此产生了许多交叉学科和边缘学科，不确定性条件下项目投资方法的耦合也是科学发展的必然。并且，虽然不同的方法被应用于不确定条件下的项目投资优选，但鉴于该问题复杂多变，没有一种方法能完美地适用于所有问题。因此，不少学者将各种不确定性方法进行耦合来解决此类问题。概括地说，主要耦合方法有随机模糊耦合、随机灰色耦合、模糊灰色耦合、随机灰色与模糊耦合和模糊粗糙集等。