高铁投资财务风险分析与预测

刁峰

摘要：高铁建设作为国家重点投资项目，随着“八纵八横”，“一带一路”等国家战略的提出，已成为当前研究热点。本文基于铁路十三五规划和世界银行数据，采用蒙特卡洛模拟方法，在已有数据结构基础上模拟出2020至2030年高铁财务变化，并预估出未来高铁投资内部收益率大小，研究结果表明，经过2万，4万次蒙特卡洛模拟分析，未来高铁投资内部收益率在92 %的概率下会大于0，在76%的概率下会大于4.9%，59%的概率下会大于8%，高铁投资项目财务风险较小，投资可行性很强，未来有较大的盈利可能。

关键词：高铁建设;投资风险;内部收益率模型;蒙特卡洛模拟

1 文献综述

截至2018年年底，中国高铁营业里程已达2.9万公里，投资规模达4千亿元左右，高铁在数量和质量上得到空前发展，与此同时我国高铁存在大范围财务亏损（高华荣，2017）和运能闲置问题（荣朝和，2017），高昂的建设成本，以及持续经营中可能出现的亏损，致使高铁投资不容乐观，高铁投资风险研究对高铁持续稳定发展具有重要作用。

当前高铁投资风险研究主要集中在投资风险识别和评价体系构建上，郭鹏等（2007）基于专家评分法提出了风险评价指标体系，殷红军等（2012）认为高铁枢纽建设中的“部省合资”模式有效提升了高铁经济效益，王顺洪等（2016）以此为基础建立了海外高铁投资风险体系，高铁投资风险研究定性居多，定量研究较少，蒙特卡洛模拟作为研究不确定性高而投资灵活性低的分析工具，在基础设施建设项目风险研究方面存在一定应用，李晓英等（2015）在城市基础设施建设分析，使用蒙特卡洛模拟预测未来净现值变化，Jack等（2017）研究高铁对中国城市的影响时，用蒙特卡洛模拟证明了OLS回归和样本外测试在评估面板数据因果关系中的有用性，张红斌（2018）也基于蒙特卡洛模拟研究了城市污水处理项目的内部收益率。此外，Hyewon等（2019）也认为蒙特卡洛模拟在风险分析和决策制定方面存在广泛应用，基于折现现金流的蒙特卡洛模拟分析是商业研究的标准。

可见，蒙特卡洛模拟在投资风险分析中存在广泛应用，高铁建设作为中国新基建的重要组成部分，投资风险分析的准确性直接影响了未来新基建的发展方向，基于此，本文在以往研究基础上，结合专家经验，筛选出高铁投资影响因素，建立高铁财务评价模型，并用蒙特卡洛仿真软件，预测高铁未来投资收益，为尽可能避免模拟过程中出现与实际结果偏差较大情况，本文进行了大样本实验。

2 模型建立

2.1 模型构建

蒙特卡洛模拟，其原理是假设项目分析中任意影响变量的概率分布是确定的，可通过样本数据进行拟合，假设随机变量与目标变量存在某种函数关系，通过随机重复抽样可获得目标变量的近似概率分布特征，抽取符合概率分布的随机序列，将其按照设定的函数关系进行运算，得到目标变量的概率分布。一般单次抽样具有很高偶然性与偏差，不具有统计意义，但对模型抽样次数达一定数量后，可以得到与项目实际情况较为接近的概率分布特征。

依据蒙特卡洛模拟原理，构建衡量高铁投资财务效益评价模型，当前研究中常见财务评价指标主要有内部收益率、净现值等，在选取相关指标时考虑到世界银行和国家发改委均规定以内部收益率为主要评价指标，因此本文将其作为评价指标，并建立内部收益率模型，内部收益率评价单项目是否可行的标准为：若项目内部收益率大于等于零，则方案可行，否则，方案不可行。

考虑到现有铁路数据并未区分高铁与普通铁路，本文参考劳伦斯等（2019）研究中国高铁发展中数据处理方法，确定影响高铁投资现金流的相关因素，并利用影响现金流变化因素的概率密度函数的随机抽样序列来模拟实际投资过程中的分布模型，以此来获得高铁投资各期现金流情况，衡量高铁未来盈利能力。

2.2 影响因素选取

在高铁投资项目中，影响投资风险因素可分为内、外部因素，在内部因素中，王刚等（2013）认为随着高铁修建里程增加，高铁运营成本支出巨大，2018年国家铁路总公司第三季度财报显示，2018全年全国铁路运营成本占总成本的65.06%，高铁运营成本直接影响高铁收益，除此之外高铁财务研究还需要考虑基础设施维护成本、贷款本金及利息，因此在高铁投资风险分析时，选取高铁建设投资，运营成本，基础设施维护成本，本金偿付额和利息作为研究高铁内部风险因素。在外部风险分析时，高铁客运收入作为高铁收入的主要来源，在高铁投资风险研究中至关重要，因此本文选取高铁收入作为影响高铁投资风险的主要外部因素，而影响投资风险的外部因素还应包括诸如当前新冠疫情等自然灾害影响，但由于高铁作为关乎国计民生的重大项目，具有较高抗风险能力，且在蒙特卡洛模拟大样本分析中，随机性事件产生的波动可以被有效识别。

2.3 概率分布测算

风险变量确定后，需要确定符合要求的风险变量概率分布，而风险变量概率分布的准确程度关系到高铁投资风险预测精度。在项目建设中一般用三角分布和β分布描述工期，投资等不对称分布的概率分布，经营成本和销售收入则服从正态分布，依据专家经验，世行公布的数据，本文总结出高铁收入為0.368元/人公里，高铁投资为1.24亿/公里，运营成本为0.206元/人公里，基础设施维护成本为0.02亿/人公里，本金偿付额为0.0295亿/公里。根据上述数据与铁路年鉴中2008至2019年高铁客流量与里程数据，得出高铁收入总额、投资总额、运营成本总额、基础设施维护成本总额、本金偿付总额和利息，在计算利息时，以2015年国家开发银行公布的中长期贷款利率为准，计算高铁客运收入时，经专家讨论和历史数据拟合，高铁客运收入符合S型曲线，用Logistic分布函数来代表高铁客运总收入概率分布，同时参考铁道年鉴和世行数据，确定以上其他变量的分布函数类型和对应密度函数，并将上述风险变量概率分布函数带入内部收益率模型中，得到高铁投资风险预测模型，具体见下式（1）。

其中用表示高铁总收入Logistic概率分布，表示对应分布均值为33亿，表示对应分布方差为1千，表示高铁总投资的三角形概率分布，表示乐观值为366万元，b表示最大可能值为1419万元，c表示悲观值为3904万元，表示高铁运营成本总额的正态概率分布，为23亿元，为78，表示基础设施维护总成本的正态概率分布，为2亿元，为0.77，表示本金偿还总额的正态概率分布，为0.11亿元，为0.016，表示贷款利息总额的正态概率分布，其中i为贷款利率，为44万元，为35。

3 结果与分析

基于以上分析，用蒙特卡洛水晶球软件对内部收益率模型分别进行2万次，4万次模拟，经过2次模拟后，整体模型变异系数在0.72左右，变异系数较大，表明内部收益率模型存在标准偏差较大，平均值较小问题，模型的内部收益率最小接近-10%，最大接近30%，均值在10%附近，可见较大的变异系数并不影响高铁投资风险评估，高铁内部收益率有较大可能大于0%。经过2万次模拟，高铁项目IRR大部分落在10%附近，内部收益率均值为9%，标准偏差为7%，内部收益率大于0%的概率为92.40%，大于4.9%的长期贷款利率的概率为75.60%，大于8%的社会折现率的概率为59.22%，从4万次模拟的结果来看，内部收益率在10%附近的波動幅度变小，整体投资风险概率分布更加集中，模型标准偏差为7%，变异系数为0.7292，内部收益率大于0的概率为92.24%，大于4.9%的长期贷款利率的概率为76.07%，大于8%的社会折现率的概率为58.81%，表明高铁有较大盈利空间，未来发展趋势良好。

除此之外，整个模型内部收益率大于0%时，投资风险在7.60%到7.93%之间变化，投资可行概率在92.15%到92.40%之间变化，表明高铁投资内部收益率模型有92%的概率大于零，未来高铁投资风险较小，高铁项目可行性较高，与8%的社会折现率相比，内部收益率大于8%的可行概率在58.64%到59.36%之间变化，高铁内部收益率超过8%的风险在40%左右，实际融资过程中，国家开发银行公布的中长期贷款利率为4.9%，只要高铁内部收益率大于4.9%，也就意味着高铁投资存在盈利的可能，表4中内部收益率大于4.9%的投资可行概率在75.60%到77.62%之间变化，表明高铁投资项目如果在2020年至2030年盈利，需要承担24%左右的风险，高铁项目存在较大盈利可能。

4 结论与启示

本文基于世行与铁道年鉴等数据，采用蒙特卡洛模拟方法构建了高铁投资财务风险模型，并用蒙特卡洛水晶球软件对模型依次模拟了2万，4万次，估算出2020至2030年高铁投资项目内部收益率，单从计算结果看，通过上述模拟实验，高铁内部收益率大于0的概率在92%左右，小于0的概率在8%左右，高铁投资项目可行性很强，与4.9%和8%的社会折现率相比，高铁内部收益率大于4.9%的概率在76%左右，大于8%的概率在59%左右，这一结果也被高铁内部收益率模型累计概率分布所证明，未来高铁内部收益率大概率集中于10%左右，高于8%的社会折现率，高铁投资风险较小，未来有较大的盈利可能。

根据以上分析，高铁建设投资未来财务风险较小，高铁投资可行性较大，存在盈利可能，但实际投资活动中，仅以财务指标作为项目投资决策的依据，往往存在一定的局限性，需要综合考虑经济效益和社会效益等其他因素影响，从理论上看，基于影响因素的蒙特卡洛模拟很好地分析和预测了高铁内部收益率概率分布函数在未来的变化趋势，很好地解决了高铁未来投资风险大小，为高铁未来投资发展提供了一定的指引作用。

参考文献：

[1]高华荣.高速铁路对区域经济发展的影响研究[D].北京交通大学，2017.

[2]荣朝和，王大鹏.台湾高铁财务困局的原因分析[J].广东社会科学，2017（02）：82-90+254.

[3]郭鹏，安会刚，曹朝喜.固定资产投资项目风险评价指标体系及风险变化规律[J].统计与决策，2007（06）：57-59.

[4]殷红军，郭菊娥，赵新文.我国高铁盈利能力分析及投融资模式选择与优化[J].华东经济管理，2012，26（02）：74-78.

[5]王顺洪，马蓉，郭强.海外跨境高铁投资风险因素结构关系分析：以“新马高铁”为例[J].科技管理研究，2016，36（19）：224-229.

[6]周国华，彭波.基于贝叶斯网络的建设项目质量管理风险因素分析——以京沪高速铁路建设项目为例[J].中国软科学，2009（09）：99-106.

[7]Jack Strauss.Do high speed railway lead to urban economic growth in china？ [C].the International Institute of Social and Economic Sciences，29 May 2017，8th Economics & Finance Conference.

[8]张红斌.蒙特卡洛法在城市污水PPP项目投资风险分析的应用[D].兰州大学，2018.

[9]Hyewon Shin，Euijune Kim.Meta-analysis of rate of return on road projects [J].Transportation Letters，2019，11：4，190-199.

[10]王刚，龚六堂.浅析高速铁路建设投资的产业经济效应[J].宏观经济研究，2013（06）：67-71.

[11]玛莎·劳伦斯，理查德·布洛克，刘子铭.中国的高速铁路发展[R].国际复兴开发银行/世界银行，2019.