本文是一篇項目管理論文，本文基于東道國風險視角，探討多維度的風險因素對中國對外承包工程市場投資價值的影響，并對其進行預測研究，旨在提高中國企業對外投資時的項目風險管理能力。
1 緒論
1.1 研究背景
1979年，中國實行“對外開放”的基本國策，中國企業開始拓展對外承包工程業務，建設國際工程項目，至今已經歷四十多年的探索與發展，并取得了舉世矚目的成就，成為我國優質企業積極響應“走出去”的開放戰略、參與國際經濟貿易合作、執行“一帶一路”倡議的重要方式。
1.1.1 中國對外承包工程市場規模快速發展
21世紀初，“走出去”戰略在黨的十五屆五中全會上被正式提出并實施，同時，世界經濟快速增長，2004年世界經濟平均增速達到20年以來的最高峰5.4%，發展中國家積極探索多樣化的國際經濟貿易合作方式，從而帶動全球資本活躍于投資市場，國際承包工程市場達到了空前的熱度，為中國對外承包工程企業拓展海外市場提供了強勁的推力。
中國國內的建筑工程市場規模增長速度在2010年達到最高點，此后兩年連續下降，中國建筑工程企業在行業產能過剩的壓力下，亟需向國際化方向轉型，拓展新的多元化市場[1]，再加上“一帶一路”倡議的影響力和號召力，2004至2017年，中國對外承包工程市場規模先后達到1000億美元和2000 億美元規模，完美實現兩級跳，年平均增長速度達到20.4%。2017年，中國對外承包工程市場規模達到歷史峰值2652.8億美元，是2004年的11倍。 .......................
1.2 研究目的與意義
1.2.1 研究目的
通過上述對中國對外承包工程業務發展的歷程與背景進行了詳細的調查研究后，發現了東道國多方面的環境因素不確定性風險引起中國企業對外承包工程市場規模的波動，最終造成中國對外承包工程市場投資價值的動態變化。由此確定本研究的方向與目的：
（1）從東道國的綜合投資環境角度出發，通過調查搜集東道國在經濟、社會、政治等多維度的投資環境數據，構建一套東道國投資風險指標體系；
（2）以中國對外承包工程新簽合同額統計數據為依據，將中國對外承包工程市場投資價值與東道國風險指標體系相結合，通過機器學習的方法進行實證研究，確定東道國投資環境中不同維度的風險對中國對外承包工程市場價值的影響權重，構建中國對外承包工程市場投資價值的動態預測模型。
1.2.2 研究意義
當前國際形勢復雜多變，日益嚴峻的海外投資市場風險形勢使得中國對外承包工程市場風險不斷增加，東道國風險對中國對外承包工程市場投資價值的影響也隨之增大。如何發揮中國建筑工程企業的優勢，高質高效發展對外投資，成為各學者著力研究的焦點。
...................
2 文獻綜述
2.1 項目投資風險的相關研究
通過對國內外項目投資風險相關研究的文獻進行查閱分析，該領域的研究內容主要可以歸納為投資風險識別與評估，學者從投資風險識別與評估模型構建入手，運用各種統計分析方法對投資風險各因素間的影響機制進行研究。
Warszawski A等人（2003）利用“多因素”分析法，考慮到項目各個風險因素的相互影響機制，從多維度輸入項目實際數據信息，最后處理得到項目投資風險，以幫助項目管理人員采取最佳的項目防范與應對措施[9]。王明和（2011）對房地產項目進行研究，識別了項目開發全過程中的24個風險指標，然后利用灰色關聯投影法、VIKOR、擴展TOPSIS等方法，通過將語言變量轉變為梯形模糊數對房地產工程項目投資風險進行實證研究[10]。Abdul-Rahman H等人（2013）通過相關專家組成的團隊，利用模糊綜合分析（FSA）進行風險評估模型的開發，從而評估出在環境數據不確定時潛在的項目風險[11]。Deng X等人（2014）通過調查問卷法與因子分析法，識別到影響政治風險等級的十個指標，然后利用案例分析檢驗了該指標體系的有效性，推進了國家政治風險評級的理論發展[12]。鄒曉華（2016）以ccs項目為研究對象，深入研究項目投資風險指標，通過評價實驗法與區間二型模糊決策試驗成功建立了項目投資風險的評估預測模型，為項目風險的評估、防范以及應對提供了有力的工具[13]。Kowalski J等人（2018）利用風險矩陣、采取點評估方法對波蘭鐵路工程投資項目進行研究，通過數學模型對鐵路工程項目投資風險進行預測，并探索出各方面風險因素對鐵路工程項目投資的影響[14]。Sung M K等人（2018）為了實現對國際鋼鐵項目投資風險的有效評估，構建了一個融合層次分析法（AHP）與模糊推理系統（FIS）的模型。這一模型結合了AHP在多層次決策分析中的優勢和FIS在處理模糊信息、不確定性推理方面的特長，旨在提高風險評估的準確性和實用性[15]。周啟清等人（2018）創新性地重新設計了基于模糊層次綜合評價法一套評價模型，以全面評估房地產建設項目在經營、建設、投資等各個階段的投資風險，為房地產行業在風險識別、防范及應對方面提供了有效的支撐[16]。Jan K等人（2019）通過對波蘭鐵路工程項目出現延誤的起因與后果深入探索，利用軟件工具進行統計分析，其中包括采用X2檢驗來評估分類變量之間的差異，以及利用單因素多次測量方差分析來探討一個獨立變量在多個時間點或多個條件下的效應差異，最后識別并得到了鐵路工程項目投資風險指標體系[17]。
........................
2.2 中國對外工程項目投資風險的相關研究
風險是可能對經濟投資行為產生負面影響的各種因素或者事件，它體現了投資項目的不確定性或者項目產生效益的不穩定性。項目投資風險管理包含了風險識別、風險評估、風險防范與風險應對等過程。在此過程中，通過各種技術或者管理方法使得項目風險最小化，投資效益最大化。中國對外工程項目投資風險主要包括東道國投資環境風險因素和企業內部風險因素兩個方面，從“對外開放”到“走出去”戰略再到“一帶一路”倡議的提出，對外投資活動是促進對外經濟貿易合作高質量發展的關鍵點，因此，不斷有研究人員將對外工程建設項目投資作為研究對象，分析對外投資活動中各種復雜因素存在的相互影響機制。其中，國內外學者從不同的視角出發，以不同國家的工程建設項目投資數據為研究對象，通過對風險因素定性與定量研究相結合的方式，對中國對外工程建設項目領域的投資風險進行了深入研究，對投資風險進行評估。 
王超（2014）利用文獻綜述和案例研究的方法，深入探究了中國對外承包工程項目在整個生命周期中所面臨的風險，識別出三個層級的65個風險因素，其中包括：項目環境風險的25個因素；其次是項目參與者風險的7個相關因素；項目管理風險的33個風險因素，最后通過問卷調研與專家訪談的方式對項目風險因素的重要性等級進行評估[1]。黃河等人（2017）將作為研究對象，分析中國對外承包工程企業在海外進行工程項目投資時潛在的重要政治風險，并為企業提供了有效的風險防范與應對策略[26]。
..............................
3 東道國風險識別與指標體系構建 .................... 22
3.1 東道國風險識別 ................................ 22
3.1.1 東道國風險的發展與構成 ...................... 22
3.1.2 東道國經濟風險識別 ............................... 24
4 數據獲得與處理 ....................................... 39
4.1 數據獲得 ......................................... 39
4.1.1 東道國樣本分布 ................................ 39
4.1.2 被解釋變量 ........................................ 40
5 中國對外承包工程市場投資價值預測的實證分析 ............................ 44
5.1 決策樹模型構建與分析 .......................... 44
5.1.1 決策樹分類模型構建 .......................................... 44
5.1.2 決策樹模型預測結果分析 .................................. 46
5 中國對外承包工程市場投資價值預測的實證分析
5.1 決策樹模型構建與分析
5.1.1 決策樹分類模型構建
決策樹（Decision Tree）分類模型，其工作原理基于樹形結構，通過遞歸地將數據集劃分為更小的、更純凈的子集來進行分類。決策樹分類模型構建過程如下：
（1）特征選擇
首先，分別基于信息熵（information entropy）和基尼系數（Gini Index）準則評估數據集的不純度（混亂程度），通過評估每一個特征對于劃分數據集的能力，從而選擇出最能有效地將數據集劃分為純凈子集的特征，即最優特征，作為當前節點的分裂標準。
在特征選擇階段，算法會計算每個特征的信息熵或基尼系數，并選擇具有最小信息熵或基尼系數的特征作為當前節點的分裂標準。這樣做的目的是為了使得劃分后的子集盡可能純凈，即子集中樣本的類別盡可能一致。在決策樹生成過程中，信息熵和基尼系數也用于評估每個節點的純度，以確定是否需要進行進一步的分裂。基尼系數同時考慮了所有類別的樣本比例，避免了信息增益中可能存在的偏向于選擇取值較多的特征的問題。
（2）決策樹生成
根據選擇的最優特征，將數據集劃分為多個子集，并為每個子集生成一個新的節點。然后，遞歸地對每個子集重復這個過程，直到達到某個停止條件（如預設的樹的最大深度、葉子節點的最大數量、節點劃分不純度的閥值等）。在這個過程中，每個節點都對應一個特征，每個分支都對應該特征的一個取值，每個葉子節點都對應一個類別。 .......................
6 結論與展望
6.1 研究結論與建議
6.1.1 研究結論
本文首先對中國對外承包工程業務發展的歷程與背景及相關研究文獻進行了詳細的調研，發現在對外投資快速發展的同時，東道國存在多維度的環境因素不確定性，這些東道國風險引起中國企業對外承包工程市場規模的波動，導致中國對外承包工程市場投資價值的動態變化。
其次，本文通過對東道國國家風險進行識別，并結合中國對外承包工程的行業特征、風險指標數據的可獲得性以及不同風險指標對各個東道國的適用性，從經濟、社會、政治三個維度出發，構建出本研究的東道國風險指標體系。其中包括經濟維度的6個子指標：GDP，人均GDP，GDP增長率，貨物和服務進口總額占 GDP 的百分比，外國直接投資凈流入總額占 GDP 的百分比，年通貨膨脹率；社會維度的6個子指標：教育公共開支總額占GDP的百分比，失業率，國土面積，人口密度，城鎮化率，城鎮化增長率；政治維度的4個子指標：是否為 “一帶一路”共建國家，法律權利力度指數，公共部門透明度、問責性和腐敗評級，因戰死亡人數。共計3個一級指標，16個二級指標。東道國風險指標體系有助于中國對外承包工程企業在進入海外市場時，從經濟、社會、政治等多個維度出發評估東道國的綜合投資環境。
最后，根據構建的東道國風險指標體系所確定的16個解釋變量，以及一個被解釋變量——中國對外承包工程市場投資價值，收集并處理得到1757條有效研究數據。通過對變量數據進行深度學習，構建了決策樹、隨機森林、樸素貝葉斯、ExtraTrees、梯度提升樹（GBDT）、XGBoost六種中國對外承包工程市場投資價值預測模型。通過交叉驗證對預測模型的性能進行評估對比，發現隨機森林、ExtraTrees、GBDT和XGBoost這四種模型的預測性能良好，決策樹模型性能較為良好，樸素貝葉斯模型性能不夠理想。同時得到了影響中國對外承包工程市場投資價值的東道國關鍵性風險因素：國土面積；城鎮化增長率；GDP；城鎮化率；人口密度；公共部門透明度、問責性和腐敗評級；人均GDP；失業率。其中，部分風險因素與標準普爾、惠譽、IWEP等傳統國家風險評級機構的研究所確定的國家風險因素具有一致性，如：GDP；公共部門透明度、問責性和腐敗評級；人均GDP；失業率。除此之外，本研究的實證結果還豐富了現有研究未識別評估的東道國風險因素，如：國土面積、城鎮化增長率、城鎮化率、人口密度。
參考文獻（略）