【作 者】
文 唯1，郑明贵2（教授），黄 珍2
【作者单位】
1.江西理工大学经济管理学院，江西赣州341000；2.江西理工大学矿业贸易与投资研究中心，江西赣州341000
【摘 要】
【摘要】跨国矿业投资资金需求大、投资风险高，投资前期对投资环境的准确评估对于降低投资风险意义重大。本文首先在矿业跨国投资环境评估指标体系中补充矿石品位、地质条件等具有矿业行业投资特点的相关指标，构建出更加完善且更具矿业行业特色的跨国投资环境评估指标体系；然后，将变权模型、TOPSIS和灰色关联相结合运用于跨国矿业投资环境评估中，构建出了基于变权理论、TOPSIS和灰色关联的投资环境评估模型；最后，将模型运用于实践，对我国某矿业企业跨国投资环境进行了评估，评价结果较好。研究成果可为矿业投资环境评估提供依据。
【关键词】矿业跨国投资；投资环境评估；变权；TOPSIS；灰色关联
【中图分类号】F830 【文献标识码】A 【文章编号】1004-0994（2016）29-0114-6一、引言
据商务部统计，2009 ~ 2014年我国矿业跨国投资91笔，共涉及资金319亿美元，10年内矿业跨国投资累计369笔，涉及资金超过500亿美元。2015年，我国非金融类海外投资1180.1亿美元，达历年之最，其中矿业类投资占总金额的58.1%，占比最高。然而，由于矿业投资的独特高风险性，我国有近八成的跨国矿业投资走向失败。美国企业研究所报告显示，2005年年初至2014年6月，中国企业海外投资失败案例共130起，涉及资金2359.7亿美元，其中能源和矿业类案例数占比59.2%，资金占比64.5% ，且预计往后5 ~ 10年间我国跨国矿业投资还会出现500亿美元以上的损失。从五矿、中远、中铁等失败案例中可以看到，我国企业对海外投资环境的判断失误，是导致企业蒙受巨大损失的根本原因。
与过去研究相比，本文具有如下特点：①从指标体系来看，在传统指标体系上加入了矿石品位、地质条件等凸显矿业投资特色的指标，使指标体系更加完善，更加具有矿业企业投资环境评估的针对性。②从评估方法来看，将变权理论运用于跨国矿业投资环境评估，比常权评估更能反映个别指标的波动对总体评估值的影响；用TOPSIS结合灰色关联理论从样本与理想解的拟合程度和欧式距离两方面对投资环境进行评估，使评估结果更加准确。
二、文献回顾
（一）跨国投资环境评估方法的研究
Ellerman（2002）、邓炜（2004）等学者将优惠政策作为虚拟变量，构建出计量经济学模型进行研究，发现鼓励性的投资政策和外商直接投资之间存在很大的正相关性。Bartholomew（2007）、Axonda（2011）运用情景规划法对跨国公司的投资风险进行了评估，确定了风险与收益相平衡的投资组合。郑立群（1999）将智能神经网络运用于风险决策领域，构建出投资风险评估的智能神经网络模型，并成功运用于实际案例。庄平（2011）采用主观和客观赋权相结合的方式，确定投资环境评价指标的权重，构建了投资环境评价的G1变异系数模型，评估了某家电行业项目的投资环境。林莎（2013）采用美国等十个国家的投资环境评估指标面板数据建立动态面板模型，运用System GMM估计法，定量评估外部环境因素对我国海外投资的影响，运用模糊层次分析法来评价样本国家的外部投资环境。文唯（2016）采用三角模糊数理论，构建出基于三角模糊数的海外稀土矿投资的宏观经济环境评估模型。
在变权和灰色关联理论的运用方面：李春好（2010）将变权理论与层次分析法相结合构建出了复杂系统的评估模型，有效克服了传统AHP法不能反映复杂系统涌现性、非线性以及方案排序中的逆序问题的缺点。杨宝臣（2011）将变权理论运用于评估指标权重的确定中，并以建筑工程招标单位选择为例构建出变权和灰色理论相结合的方案评估模型。雷勋平（2014）从供应链视角分析了我国食品安全的主要影响因素，以集对论和变权理论为基础建立了食品安全预警模型，并将该模型成功应用于实践。1994）认为影响投资环境的具体因素包括东道国的政治、劳动力成本、经济体制、法律政策、基础设施状况、政府战略及社会文化差异等。Wang（1997）运用1975 ~ 1992年美国对中国FDI的时间序列数据进行回归分析，得出了东道国市场规模、GDP、汇率与FDI存在正相关性，资本成本的变化、银行贴现率则与FDI存在负相关性。Figueres（2009）指出，东道国的经济自由化水平越高，基础设施条件越好、人力资本素质越高、合同制度环境越完善，就越能吸引更多的投资者。张晓华（2006）对跨国公司在我国研发投资环境评价问题进行了研究，从市场环境、人才环境、基础设施环境和科技环境四方面入手，构建了我国研发投资环境评估指标体系。王秀芹（2012）认为海外项目投资环境因素主要包含项目所在国政治环境、经济状况、社会环境、自然条件、基础设施条件等。杨海恩（2013）分析了我国石油企业跨国投资环境的主要影响因素，认为石油企业海外投资环境评价应考虑东道国的资源禀赋、相关政策、技术水平和政治、文化、市场环境六个大的方面。
通过过去学者对跨国投资环境评估的研究可知，其不足之处有如下三点：①评估指标的选取主要是从政治风险、经济风险、政策风险和社会文化风险四个方面出发，对投资环境评估涵盖的层面概括得还不够全面，存在较大的局限性。②现行的跨国投资环境评估指标体系的构建缺乏行业针对性，尤其是针对矿业跨国投资环境评估方面的研究较少，并且指标体系的构建缺少体现矿业项目特点的评估指标。③在评估方法上主要是以定性评价为主，在风险量化方面存在不足，并且对于我国企业跨国投资环境评估缺乏行业划分，针对矿业类企业跨国投资环境的评估较少。
三、矿业跨国投资环境评估指标体系的构建
评估指标体系的构建是我国矿业跨国投资环境评估的最基本要素，基于上述不足，本文在政治、经济、政策和社会文化风险的基础上，增加了矿石品位、地质条件、矿产资源潜力等多个体现矿业特色的评价指标，构建出新的矿业跨国投资环境评估指标体系。综合文唯（2016）、Choi（1994）、Figueres（2009）、杨海恩（2013）的研究成果，遵循系统性、科学性、可比性、可测性等原则，构建出的评估指标体系见表1。、矿业跨国投资环境评估模型
（一）变权原理
变权原理是由汪培庄教授首创的一种决策方法，指出评价指标权重应随指标值的变动而波动才能克服常权评价导致的误差。随后，李洪兴教授将变权公理化定义推广为混合型变权，建立了变权评价的基本理论体系。
定义1：惩罚型变权和激励型变权。若变权wj（x1，…，xm）（j=1，2，…，m），指m个映射，wj：（0，1）m→（0，1）→wj（x1，…，xm）（j=1，2，…，m）满足如下三条：
w1归一性：[j=1mwj]（x1，…，xm）=1；
w2连续性：wj（x1，…，xm）关于每个变量xk连续；
w3惩罚性：wj（x1，…，xm）关于每个变量xk单调递减（递增），则称w（x）为惩罚型变权（激励型变权）。
定义2：若映射s：（0，1）m→（0，1），（x1，…，xm）→sj（x1，…，xm）（j=1，2，…，m）满足下列公理：
s1：xi≥xj⇒si（x）≤sj（x）；
s1"：xi≥xj⇒si（x）≥sj（x）；
s2：sj（xj）（j=1，2，…，m）对于每个变量xk连续；
s3：对于任意的常权向量w=（w1，w2，…，wm），wj>0（j=1，2，…，m）， ，令wj（x1，…，xm）= ，若
wj（x1，…，xm）（j=1，2，…，m）满足s1，s2和s3，则称sj（xj）（j=1，2，…，m）为惩罚型变权向量，若wj（x1，…，xm）（j=1，2，…，m）满足s1"，s2和s3，则称sj（xj）（j=1，2，…，m）为激励型变权向量。
定义3：均衡函数表示形式如下：
1（x1，…，xm）=[j=1mxj] （1）
α（x1，…，xm）=[j=1mxαj]（α>0） （2）
式（1）是式（2）的特例。
根据式（2），令B（x1，…，xm）=[j=1mxαj]（α>0），可得变权公式：
wj（x1，x2，…，xm）= （3）
当0<α<1时，式（3）为惩罚型变权公式；当α>1时，式（3）为激励型变权公式；当α=1时，式（3）为常权公式。在实际操作中，α的取值依据评估模型和实际情况来确定。
（二）矿业跨国投资环境评估模型的建立
1. 变权重的计算。
（1）评价指标的分级和评价集合的建立。根据表1，可以对我国矿业跨国并购的技术经济评价指标进行分级，结果见表2。
依据灰色关联的贴近度性质，将投资环境评价等级集合划分为V：V=｛V1（好），V2（较好），V3（一般），V4（较差），V5（差）｝。规定贴近度值处于［0.8，1）为“好”，处于［0.6，0.8）为“较好”，处于［0.4，0.6）为“一般”，处于［0.2，0.4）为“较差”，处于［0，0.2）为“差”。
（2）常权重和变权重的确定。权重的确定一般分为两类：一类是主观赋权法，如层次分析法、德尔菲法等，其依据相关专家的知识经验来确定权重，存在较强的主观性；另一类是客观赋权法，如因子分析法、粗糙集法等，是根据实际数据来计算权重。本文采用AHP法确定常权重，根据YAAHP软件计算求得。判断矩阵的构建通过向相关专家发出调查问卷来确定，共发出问卷18份，收回14份，专家情况见表3，经过计算得到的常权重见表1。
在常权重确定后采用变权公式（3），取不同的[α]值计算其变权值。
2. 欧氏距离和灰色关联度的确定。
（1）构建变权标准化矩阵。设评价矩阵A=（aij）mn，（i=1，2，3，…，m；j=1，2，3，…，n），m为样本数，n评估指标数，aij为相应的变权重。变权模型求得的变权重矩阵[A]与指标值向量wij的乘积为加权标准化矩阵：Y=（yij）mn，（i=1，2，3，…，m；j=1，2，3，…，n）。
（2）正、负理想解的确定。依据理想解的定义，取逆向型指标j-的最小值、正向型指标j+的最大值组成正理想解；取逆向型指标j-的最大值、正向型指标j+的最小值组成负理想解。数学表达式如下：
[Y+0=max1≤i≤myijj∈j+，min1≤i≤myijj∈j-=(y+1,y+2y+3…y+m)] （4）
[Y-0=max1≤i≤myijj∈j+，min1≤i≤myijj∈j-=(y+1,y+2y+3…y+m)] （5）
（3）样本到理想解的欧氏距离。设样本i至正负理想解的欧氏距离分别为 、 ：
（4）样本到正（负）理想解的灰色关联度。依据加权标准化矩阵，样本[i]与指标[j]正理想解的灰色关联系数算式如下。
[s+ij=miniminjy+j-yij+ρmaximaxjy+j-yijy+j-yij+ρmaximaxjy+j-yij] （8）
式中：ρ为分辨系数，通常取0.5。则相应的的灰色关联系数矩阵为：
[W+=s+11⋯s+1n⋮⋮s+m11⋯s+mn]
样本i和正理想解的灰色关联度为：
[w+i=1nj=1ns+ij]，（i=1，2，3，…，m） （9）
同理，样本与负理想解的灰色关联度可由上式进行相应的变量替换求得。
3. 相对贴近度的确定。
（1）欧氏距离和灰色关联度的无量纲化。
式中：φi表示 ， ， ， 的指标实际值；ϕi表示其无量纲化后的指标值，即 ， ， ， 。
（2）综合欧氏距离和灰色关联度。
式中：α和β取决于决策者对曲线拟合和位置距离的偏好程度，α和β满足α+β=1，α、β∈［0.1］。 值越大表明与正理想解越近， 的值越大表明与负理想解越近。
（3）相对贴近度的计算。
由于本文计算的是投资环境风险大小，即越贴近负理想解风险越小，投资环境越优越。故依据δi值的大小评估各样本，δi值越大说明该样本就越优；反之样本就越劣。
五、模型应用
（一）并购项目概况
以我国某矿业集团并购澳大利亚某矿业有限公司某铝矿山项目为例进行模型应用。被收购矿山的相关指标见表4。
（二）变权重的确定
首先，以项目指标实际值为依据，按照表2的分级规则确定各个指标的分级值，见表4；其次，采用变权公式（3），依次取值。α分别取值0.25、0.5、0.75、1、1.5、2、3进行计算，变权重计算结果见表5。
（三）欧氏距离和灰色关联度的确定
1. 确定正负理想解。依据表6的计算结果，以不同的α水平下的变权重指标值为评估样本，结合表4的指标分级值，可得出加权标准化矩阵A，再根据式（4） ~ （5）可得正负理想解，见表6。
2. 欧氏距离和灰色关联度的计算。首先，依据式（6） ~ （7）结合所确定的正负理想解，可计算出各样本欧式距离；再依据式（8） ~ （9）计算样本到正负理想解的灰色关联度（ρ取0.5），由于运算过程复杂，本文运用Maltlab软件编程进行计算，计算结果见表7。
（四）相对贴近度的确定
1. 综合欧氏距离和灰色关联度。首先，依据式（10）对表6中的欧氏距离和灰色关联度无量纲化操作，再运用式（11） ~ （12）综合欧氏距离和灰色关联度（取α=β=0.5），计算结果见表8。
2. 计算相对贴近度。结合表7，运用式（13）计算出相对贴近度，结果见表9。
由评估计算结果可知，当α=1时，为常权综合评价，δ=、矿业跨国投资环境评估模型
（一）变权原理
变权原理是由汪培庄教授首创的一种决策方法，指出评价指标权重应随指标值的变动而波动才能克服常权评价导致的误差。随后，李洪兴教授将变权公理化定义推广为混合型变权，建立了变权评价的基本理论体系。
定义1：惩罚型变权和激励型变权。若变权wj（x1，…，xm）（j=1，2，…，m），指m个映射，wj：（0，1）m→（0，1）→wj（x1，…，xm）（j=1，2，…，m）满足如下三条：
w1归一性：[j=1mwj]（x1，…，xm）=1；
w2连续性：wj（x1，…，xm）关于每个变量xk连续；
w3惩罚性：wj（x1，…，xm）关于每个变量xk单调递减（递增），则称w（x）为惩罚型变权（激励型变权）。
定义2：若映射s：（0，1）m→（0，1），（x1，…，xm）→sj（x1，…，xm）（j=1，2，…，m）满足下列公理：
s1：xi≥xj⇒si（x）≤sj（x）；
s1"：xi≥xj⇒si（x）≥sj（x）；
s2：sj（xj）（j=1，2，…，m）对于每个变量xk连续；
s3：对于任意的常权向量w=（w1，w2，…，wm），wj>0（j=1，2，…，m）， ，令wj（x1，…，xm）= ，若
wj（x1，…，xm）（j=1，2，…，m）满足s1，s2和s3，则称sj（xj）（j=1，2，…，m）为惩罚型变权向量，若wj（x1，…，xm）（j=1，2，…，m）满足s1"，s2和s3，则称sj（xj）（j=1，2，…，m）为激励型变权向量。
定义3：均衡函数表示形式如下：
1（x1，…，xm）=[j=1mxj] （1）
α（x1，…，xm）=[j=1mxαj]（α>0） （2）
式（1）是式（2）的特例。
根据式（2），令B（x1，…，xm）=[j=1mxαj]（α>0），可得变权公式：
wj（x1，x2，…，xm）= （3）
当0<α<1时，式（3）为惩罚型变权公式；当α>1时，式（3）为激励型变权公式；当α=1时，式（3）为常权公式。在实际操作中，α的取值依据评估模型和实际情况来确定。
（二）矿业跨国投资环境评估模型的建立
1. 变权重的计算。
（1）评价指标的分级和评价集合的建立。根据表1，可以对我国矿业跨国并购的技术经济评价指标进行分级，结果见表2。
依据灰色关联的贴近度性质，将投资环境评价等级集合划分为V：V=｛V1（好），V2（较好），V3（一般），V4（较差），V5（差）｝。规定贴近度值处于［0.8，1）为“好”，处于［0.6，0.8）为“较好”，处于［0.4，0.6）为“一般”，处于［0.2，0.4）为“较差”，处于［0，0.2）为“差”。
（2）常权重和变权重的确定。权重的确定一般分为两类：一类是主观赋权法，如层次分析法、德尔菲法等，其依据相关专家的知识经验来确定权重，存在较强的主观性；另一类是客观赋权法，如因子分析法、粗糙集法等，是根据实际数据来计算权重。本文采用AHP法确定常权重，根据YAAHP软件计算求得。判断矩阵的构建通过向相关专家发出调查问卷来确定，共发出问卷18份，收回14份，专家情况见表3，经过计算得到的常权重见表1。
在常权重确定后采用变权公式（3），取不同的[α]值计算其变权值。
2. 欧氏距离和灰色关联度的确定。
（1）构建变权标准化矩阵。设评价矩阵A=（aij）mn，（i=1，2，3，…，m；j=1，2，3，…，n），m为样本数，n评估指标数，aij为相应的变权重。变权模型求得的变权重矩阵[A]与指标值向量wij的乘积为加权标准化矩阵：Y=（yij）mn，（i=1，2，3，…，m；j=1，2，3，…，n）。
（2）正、负理想解的确定。依据理想解的定义，取逆向型指标j-的最小值、正向型指标j+的最大值组成正理想解；取逆向型指标j-的最大值、正向型指标j+的最小值组成负理想解。数学表达式如下：
[Y+0=max1≤i≤myijj∈j+，min1≤i≤myijj∈j-=(y+1,y+2y+3…y+m)] （4）
[Y-0=max1≤i≤myijj∈j+，min1≤i≤myijj∈j-=(y+1,y+2y+3…y+m)] （5）
（3）样本到理想解的欧氏距离。设样本i至正负理想解的欧氏距离分别为 、 ：
（4）样本到正（负）理想解的灰色关联度。依据加权标准化矩阵，样本[i]与指标[j]正理想解的灰色关联系数算式如下。
[s+ij=miniminjy+j-yij+ρmaximaxjy+j-yijy+j-yij+ρmaximaxjy+j-yij] （8）
式中：ρ为分辨系数，通常取0.5。则相应的的灰色关联系数矩阵为：
[W+=s+11⋯s+1n⋮⋮s+m11⋯s+mn]
样本i和正理想解的灰色关联度为：
[w+i=1nj=1ns+ij]，（i=1，2，3，…，m） （9）
同理，样本与负理想解的灰色关联度可由上式进行相应的变量替换求得。
3. 相对贴近度的确定。
（1）欧氏距离和灰色关联度的无量纲化。
式中：φi表示 ， ， ， 的指标实际值；ϕi表示其无量纲化后的指标值，即 ， ， ， 。
（2）综合欧氏距离和灰色关联度。
式中：α和β取决于决策者对曲线拟合和位置距离的偏好程度，α和β满足α+β=1，α、β∈［0.1］。 值越大表明与正理想解越近， 的值越大表明与负理想解越近。
（3）相对贴近度的计算。
由于本文计算的是投资环境风险大小，即越贴近负理想解风险越小，投资环境越优越。故依据δi值的大小评估各样本，δi值越大说明该样本就越优；反之样本就越劣。
五、模型应用
（一）并购项目概况
以我国某矿业集团并购澳大利亚某矿业有限公司某铝矿山项目为例进行模型应用。被收购矿山的相关指标见表4。
（二）变权重的确定
首先，以项目指标实际值为依据，按照表2的分级规则确定各个指标的分级值，见表4；其次，采用变权公式（3），依次取值。α分别取值0.25、0.5、0.75、1、1.5、2、3进行计算，变权重计算结果见表5。
（三）欧氏距离和灰色关联度的确定
1. 确定正负理想解。依据表6的计算结果，以不同的α水平下的变权重指标值为评估样本，结合表4的指标分级值，可得出加权标准化矩阵A，再根据式（4） ~ （5）可得正负理想解，见表6。
2. 欧氏距离和灰色关联度的计算。首先，依据式（6） ~ （7）结合所确定的正负理想解，可计算出各样本欧式距离；再依据式（8） ~ （9）计算样本到正负理想解的灰色关联度（ρ取0.5），由于运算过程复杂，本文运用Maltlab软件编程进行计算，计算结果见表7。
（四）相对贴近度的确定
1. 综合欧氏距离和灰色关联度。首先，依据式（10）对表6中的欧氏距离和灰色关联度无量纲化操作，再运用式（11） ~ （12）综合欧氏距离和灰色关联度（取α=β=0.5），计算结果见表8。
2. 计算相对贴近度。结合表7，运用式（13）计算出相对贴近度，结果见表9。
由评估计算结果可知，当α=1时，为常权综合评价，δ=9195；根据矿业投资风险评估的特点，通常采用惩罚性变权，根据评价结果可知，当0<α<1时，为惩罚型变权评价，δ值均处于在0.6以上，说明投资环境处于“较好”水平，适合投资；但当α>1，为激励型变权评价时，δ值则逐渐变小，说明该项目投资环境存在极端指标，结合各个指标变权重值的变化可以发现，澳大利亚环保风险、罢工风险和劳动力成本较高，是本项目投资环境的极端指标，对本项目的投资环境存在较大的影响，应特别关注。
六、结论
通过对矿业企业跨国投资环境的主要影响因素进行分析和识别，在政治因素、经济因素、社会文化因素等传统投资环境影响因素的基础上，增加了矿业政策法律条件、金融环境、运营风险、资源状况和自然条件五个反映矿业特色的一级指标，构建出一套具有矿业行业特色的跨国投资环境评估指标体系。
本文构建出了基于变权理论、TOPSIS和灰色关联理论的跨国矿业投资环境评估模型，与常权综合评估法相比，该模型更能反映投资环境评估过程中个别评估指标的变化对评估结果产生的影响，更有利于准确评估由于极端指标对投资环境造成的影响，并从图形拟合程度和位置距离两方面评估样本和理想解的贴合程度，使评估结果更为精确。
本文将模型运用于实际案例，运用所建立的评估模型评估了我国某矿业公司澳大利亚铝矿投资项目的投资环境，评估结果显示：该项目投资环境“较好”，但存在环保风险、罢工风险和劳动力成本三项极端指标，在投资决策前应注意这三方面风险的防范。
主要参考文献：
李锋．“一带一路”沿线国家的投资风险与应对策略［J］．中国流通经济，2016（2）．
刘海泉．“一带一路”战略的安全挑战与中国的选择［J］．太平洋学报，2015（2）．
Elerman， A. Denny. Designing a Tradable Permit System to Control Emissions in China： Principles and Practice［J］．Energy Journal，2002（2）．
邓炜，郑兵云．外商在中西部直接投资的区位选择以安徽省为例的实证分析［J］．华东经济管理，2004（3）．
Bartholomew K.．Land Use-transportation Scenario Planning： Promise and Reality［J］．Transportation，2007（4）．
Axonda J.．Scenario Planning： Navigating through Today"s Uncertain World［J］．Journal of Accountancy，2011（3）．
郑立群．人工神经网络方法在投资风险评价中的应用［J］．管理科学学报，1999（4）．
庄平．基于G1变异系数法的企业投资风险评价模型与实证研究［J］．软科学，2011（10）．
林莎．外部环境对我国企业海外投资意愿选择的影响分析——基于美国等十个国家的外部环境面板数据的研究［J］．中央财经大学学报，2013（2）．
文唯，郑明贵，黄明旺．世界稀土矿开发宏观经济风险评价研究［J］．矿山机械，2016（1）．
李春好，孙永河等．变权层次分析法［J］．系统工程理论与实践，2010（4）．
杨宝臣，陈跃．基于变权和TOPSIS方法的灰色关联决策模型［J］．系统工程，2011（6）．
雷勋平，邱广华等．基于供应链和集对变权模型的食品安全评价与预警［J］．科技管理研究，2014（18）．
Choi Y.．A Green GNP Model and Sustainable Growth［J］．Journal of Economic Studies，1994（8）．
Wang，Nigel. Determinants of Inflow of Foreign Direct Investment in Hungary and China：Time——series Approach. Journal of International Developme，1997（9）．
Figueres，Christiana， Charlotte Streck. The Evolution of the CDM in a Post-2012 Climate Agreement［J］．Journal of Environment & Development，2009（3）．
张晓华．跨国公司在华R&D投资环境评价［J］．科技进步与对策，2006（12）．
王秀芹，李玉彬．海外基础设施BOT项目投资环境分析［J］．国际经济合作，2012（1）．
杨海恩．基于AHP的中国石油企业海外投资环境评价［J］．经济问题，2013（3）．
李洪兴．因素空间理论与知识表示的数学框架（Ⅸ）——均衡函数的构造与Weber-Fechner特性［J］．模糊系统与数学，1996（2）．
文唯，郑明贵．海外矿山项目并购宏观经济评价［J］．有色金属科学与工程，2016（2）．
许淑景，李泽红．灰色关联度评价法在项目投资风险决策中的应用［J］．财会月刊，2008（3）．
