论文部分内容阅读
中国对“一带一路”沿线国家的投资在“一带一路”倡议提出后不断增长。中国对“一带一路”沿线国家的投资推动了区域经济合作,同时为金融危机后复苏乏力的世界经济注入了源源不断的动力。但是,在中国对“一带一路”沿线国家投资不断发展的同时背后隐藏的投资风险不容忽视。本文通过对已有文献的梳理,用定性分析的方法从政治、经济和社会的多维角度界定了“一带一路”沿线国家投资风险的范围,而后利用主成分分析法从定量的角度对投资风险进行测度,然后通过实证分析了“一带一路”沿线国家的投资风险对中国OFDI的影响,利用BP神经网络模型对“一带一路”沿线国家投资风险进行预测,通过风险测度、实证分析和风险预测加强企业在对外直接投资中的风险防范。
在投资风险测度方面,本文通过主成分分析法测算出总投资风险和分项风险的得分,结果发现,除新加坡外,其他亚洲国家的投资风险得分都较低,属于高投资风险区,而大部分中东欧国家的投资风险得分都较高,投资风险较低。在机制分析中,本文引入了Dixit-Stiglitz模型,并将投资风险因素嵌入到模型中,从而在理论上证明了投资风险与企业收益之间是负相关,对OFDI具有抑制作用。在实证分析中发现,投资风险对中国对“一带一路”沿线国家的OFDI的抑制作用显著,即风险得分越高,风险越低,中国对“一带一路”沿线国家的OFDI就越多。通过分项风险回归分析发现,政治风险对OFDI的影响程度最大,其次是社会风险,影响程度最小的是经济风险。此外,在资源丰富的国家,投资风险对OFDI的影响不显著,因为在资源丰富的国家企业更加注重东道国的自然资源,从而忽略了投资风险,并不关注东道国投资风险状况;而在资源不丰富国家投资风险对OFDI具有抑制作用,其中政治风险和经济风险对OFDI的抑制作用显著,而社会风险在资源丰裕度低的国家不显著;在收入水平较高的国家中,总体的投资风险以及分项风险都对OFDI具有显著抑制作用;而在中等收入水平的国家,投资风险对OFDI仍然具有显著抑制作用,但是对OFDI的影响程度与高收入国家相比明显减少。然后,本文通过BP神经网络模型预测沿线国家投资的风险,发现西亚和中亚是高投资风险的聚集区,而中东欧国家风险等级处于较低的水平,因此,今后中国企业在对这些地区的国家进行投资时应该更加谨慎,以免因东道国较高的投资风险而带来损失。最后,针对本文结论从宏观和微观视角对企业在“一带一路”沿线国家投资提出风险防范建议,更好地促进中国对“一带一路”沿线国家的投资。
在投资风险测度方面,本文通过主成分分析法测算出总投资风险和分项风险的得分,结果发现,除新加坡外,其他亚洲国家的投资风险得分都较低,属于高投资风险区,而大部分中东欧国家的投资风险得分都较高,投资风险较低。在机制分析中,本文引入了Dixit-Stiglitz模型,并将投资风险因素嵌入到模型中,从而在理论上证明了投资风险与企业收益之间是负相关,对OFDI具有抑制作用。在实证分析中发现,投资风险对中国对“一带一路”沿线国家的OFDI的抑制作用显著,即风险得分越高,风险越低,中国对“一带一路”沿线国家的OFDI就越多。通过分项风险回归分析发现,政治风险对OFDI的影响程度最大,其次是社会风险,影响程度最小的是经济风险。此外,在资源丰富的国家,投资风险对OFDI的影响不显著,因为在资源丰富的国家企业更加注重东道国的自然资源,从而忽略了投资风险,并不关注东道国投资风险状况;而在资源不丰富国家投资风险对OFDI具有抑制作用,其中政治风险和经济风险对OFDI的抑制作用显著,而社会风险在资源丰裕度低的国家不显著;在收入水平较高的国家中,总体的投资风险以及分项风险都对OFDI具有显著抑制作用;而在中等收入水平的国家,投资风险对OFDI仍然具有显著抑制作用,但是对OFDI的影响程度与高收入国家相比明显减少。然后,本文通过BP神经网络模型预测沿线国家投资的风险,发现西亚和中亚是高投资风险的聚集区,而中东欧国家风险等级处于较低的水平,因此,今后中国企业在对这些地区的国家进行投资时应该更加谨慎,以免因东道国较高的投资风险而带来损失。最后,针对本文结论从宏观和微观视角对企业在“一带一路”沿线国家投资提出风险防范建议,更好地促进中国对“一带一路”沿线国家的投资。