“一带一路”背景下巴基斯坦矿业投资环境风险评价与预测

doi:10.11872/j.issn.1005-2518.2023.04.030

“一带一路”背景下巴基斯坦矿业投资环境风险评价与预测

郑明贵^,¹^,², 王馨悦^,², 顾东明², 张研博²

1.江西理工大学巴基斯坦研究中心，江西赣州 341000

2.江西理工大学经济管理学院，江西赣州 341000

Environmental Risk Assessment and Prediction of Mining Investment in Pakistan Under the Background of the Belt and Road

ZHENG Minggui^,¹^,², WANG Xinyue^,², GU Dongming², ZHANG Yanbo²

1.Center for Pakistani Studies, Jiangxi University of Science and Technology, Ganzhou 341000, Jiangxi, China

2.School of Economics and Management, Jiangxi University of Science and Technology, Ganzhou 341000, Jiangxi, China

通讯作者: 王馨悦（1999-），女，江西赣州人，硕士研究生，从事资源经济与管理方面的研究工作。wxy1073090801@163.com

收稿日期: 2023-02-22 修回日期: 2023-05-28

基金资助:

国家社会科学基金西部项目“中国战略性矿产资源产业链供应链安全稳定战略研究（2025-2060）”. 22XGL003
江西理工大学巴基斯坦研究中心2022年度招标课题. WYBY-2022LX001

Received: 2023-02-22 Revised: 2023-05-28

作者简介 About authors

郑明贵（1978-），男，安徽颍上人，博士，教授，博士生导师，从事资源经济与管理方面的研究工作mgz268@sina.com , E-mail：mgz268@sina.com

摘要

巴基斯坦矿产资源丰富，是我国“全天候战略合作伙伴”和重要的矿业投资国家之一。本文从政治法律、经济金融、资源开采、社会文化和基础设施5个风险层面出发，通过构建巴基斯坦矿业投资环境风险评价指标体系，采用改进的CRITIC法确定指标权重，再利用TOPSIS法集结指标信息，最后结合深度学习模型对巴基斯坦矿业投资环境进行评价和预测。研究结果表明：（1）逆全球化风险、资源丰富度、社会稳定、环境规制、信用风险和腐败风险是巴基斯坦矿业投资环境的主要影响因素；（2）2000—2022年巴基斯坦矿业投资环境评分总体呈螺旋上升态势，风险等级降低到中等风险后呈稳定状态。各一级指标中除基础设施风险评分总体呈动态下降趋势外，政治法律风险、经济金融风险、社会文化风险以及资源开采风险评分均呈波动上升趋势；（3）2023—2033年巴基斯坦矿业投资环境由中等风险降为较低风险水平，稳中向好。

关键词： 巴基斯坦 ; 矿业投资环境 ; 风险评价 ; CRITIC法 ; TOPSIS法

Abstract

Pakistan is rich in mineral resources and is one of China’s “all-weather strategic partners” and an important mining investment country.Based on the five risk levels of politics and law，economy and finance，resource extraction，social culture and infrastructure，this paper constructs a mining investment environmental risk evaluation index system in Pakistan from a dynamic perspective.The weight of indicators is determined by the improved CRITIC method，and the index information is collected by the TOPSIS method to explore the possible risk factors of Pakistan’s mining investment environment，so that the evaluation results are more accurate，scientific and referenceable.The deep learning model was used to predict the mining investment environment in Pakistan from 2023 to 2033，which provides a reference for the risk prevention of Pakistan’s mining investment environment in the future.The results show that：（1）Anti-globalization risk，resource abundance，social stability，environmental regulation，credit risk and corruption risk sink are the main influencing factors of Pakistan’s mining investment environment.（2）From 2000 to 2022，Pakistan’s mining investment environment score generally showes a spiraling trend，and the risk level was stable after being reduced to medium risk.In addition to the overall dynamic downward trend of infrastructure risk scores，the political and legal risks，economic and financial risks，social and cultural risks and resource exploitation risk scores all show a fluctuating upward trend.（3）From 2023 to 2033，Pakistan’s mining investment environment will be reduced from medium risk to low risk level，stable and improving.

Keywords： Pakistan ; mining investment climate ; risk assessment ; CRITIC method ; TOPSIS method

PDF (2180KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

郑明贵, 王馨悦, 顾东明, 张研博. “一带一路”背景下巴基斯坦矿业投资环境风险评价与预测[J]. 黄金科学技术, 2023, 31(4): 646-658 doi:10.11872/j.issn.1005-2518.2023.04.030

ZHENG Minggui, WANG Xinyue, GU Dongming, ZHANG Yanbo. Environmental Risk Assessment and Prediction of Mining Investment in Pakistan Under the Background of the Belt and Road[J]. Gold Science and Technology, 2023, 31(4): 646-658 doi:10.11872/j.issn.1005-2518.2023.04.030

随着我国工业化、城镇化进程加快，矿产资源需求量激增。但由于国内大宗矿产储量严重不足，贫矿多而富矿少，导致进口依赖度逐年提高（赵文报等，2018；郑明贵等，2022），如石油、天然气、铁矿石、铜、铀、钾盐、铝、镍和金等均高度依赖进口。其中，石油对外依存度超过65%，国内铜产量只能满足消费量的40%，铝产量只能满足消费需求的60%，铁矿石需求量的45%靠进口，钴、铬等矿产资源更是严重短缺，而这种趋势在较长时期内不会发生明显变化。自2020年新冠疫情爆发以来，全球矿产资源需求总体萎缩、结构分化（夏鹏等，2020），但我国矿产资源需求仍出现逆势增长（韩见等，2020）。值得注意的是，后疫情时代下的市场需求可能快速反弹，矿产资源的结构性分化体现在产业链和供应链2个方面，我国矿业发展的不确定性增加，市场持续震荡调整或将成为新常态（沈镭等，2020）。因此，海外矿业投资是保障我国资源安全和经济高质量发展的重要途径。

藉由“出口与投资双驱动”模式落定，海外投资持续释放出巨大红利（钟昌标，2010）。与此同时，“一带一路”倡议的提出为全球经济增长注入了新活力，矿产资源领域的发展与合作是该倡议的重要组成部分（王琴等，2021）。中国引领的“一带一路”倡议的实施，将促进沿线国家和地区将地理优势和资源优势转化为共同的经济发展优势（李骠等，2020）。其中，巴基斯坦作为我国“全天候战略合作伙伴”，矿产资源储量相对丰富，目前境内已发现矿产44种，已探明储量矿产超过25种。在此背景下，中国企业加大了对巴基斯坦矿业的投资力度，这也为我国企业走出国门提供了新方向。然而，因矿业开发项目多涉及偏远地区，容易引发社会性问题（王奇等，2017；李东坤等，2018），尤其受疫情影响，多数矿业投资项目面临员工感染、订单延迟和物资不足等诸多问题（李睿思，2022）。鉴于此，为了中巴两国矿产资源的可持续合作，中国企业需要结合“一带一路”的时代背景特点，对其矿业投资环境重新进行评估与分析。以往研究指出，巴基斯坦投资环境不断改善且贸易潜力有较大增长空间（钱晓萍，2016；董晔等，2019），其中，矿业投资潜力巨大（张亚龙等，2017；姚文光等，2012），纺织业和农业拥有较为稳定的区位投资环境，发展空间较大（魏爽等，2017；朱鹏，2020）。

以上研究为本研究奠定了良好基础，但多为定性分析，缺少定量研究，尤其是关于矿业投资环境的研究亟需进一步拓展。此外，现有研究大多采用截面数据，动态发展变化方面缺乏直观性。基于此，本文利用2000—2022年数据，通过构建巴基斯坦矿业投资环境风险评价指标体系，从动态视角出发，对矿业投资环境风险纵向比较维度进行扩充；利用改进的CRITIC法和TOPSIS法确定指标权重和集结指标信息，以探究巴基斯坦矿业投资环境的潜藏风险，使得评价结果更具准确性、科学性和参考性；通过深度学习模型对2023—2033年巴基斯坦矿业投资环境进行预测，为未来巴基斯坦矿业投资环境风险防范提供参考依据。

1 风险评价指标体系

1.1 主要影响因素识别

巴基斯坦矿业投资环境风险评价与预测工作的综合性较强，可采用主客观相结合的组合赋权法确定指标权重。结合现有文献（Globerman et al.，2002；施国庆等，2017；郑明贵等，2018，2020；洪水峰等，2021），向来自高等院校和矿山企业等矿业相关领域的85名专家发出“巴基斯坦矿业投资环境风险影响因素识别专家调查表”，共收回72份有效问卷，整理得到主要影响因素。

（1）政治法律风险

政治法律风险对海外投资起着决定性作用。矿业政策是影响矿业投资环境的重要因素（段涛，2015），政策制定者的权力寻租行为往往决定了海外矿业投资的走向，制度约束强弱在很大程度上影响跨国投资战略（Holburn et al.，2010），而腐败风险（张复明，2013）、环境规制（文唯等，2016）和信用风险（孙志毅等，2019）逐渐成为矿业投资经营活动中面临的较大风险。基于此，政治法律风险将从矿业政策、腐败风险和信用风险3个维度进行度量。

（2）经济金融风险

经济金融风险能够直观地影响海外投资。东道国经济发展水平（郑明贵等，2014）和物价风险（刘方等，2018）是海外矿业投资的重要影响因素，而汇率风险在很大程度上决定了投资成败（Christlan，2008），逆全球化风险则会对我国对外直接投资产生冲击性影响（张俊彦等，2021）。基于此，经济金融风险将从经济发展水平、物价风险、汇率风险和逆全球化风险4个维度进行度量。

（3）资源开采风险

资源开采风险是衡量海外投资可行性的重要指标，指矿产储备数量、质量以及技术上可获得或可开发的可行性，用来确定可供勘查开发的矿产资源，以保障国内短缺资源的安全供应（周扬明，2014）。矿产资源丰富且资源潜力大的国家有较大的投资价值，是东道国投资和获取矿产资源的基础（孙明浩等，2022）。基于此，资源开采风险将从资源丰富度、国内生产能力、储采比和采选技术4个维度进行度量。

（4）社会文化风险

社会文化风险与海外投资项目的运营全过程持续相伴。良好的社会秩序能够确保投资项目有序运营，是投资成功与否的主要影响因素（张栋等，2019），劳动力水平直接影响投资收益率（杨飞虎等，2022）。此外，贫富差距对“一带一路”沿线国家投资风险还存在重要影响（向鹏成等，2022）。基于此，社会文化风险将从社会稳定、劳动力水平和基尼系数3个维度进行度量。

（5）基础设施风险

东道国基础设施质量对海外投资决策（崔岩等，2017）和国家之间经贸往来（何敏，2020）具有显著影响。一方面，完善的基础设施可以缩短时空距离，通过扩散和带动效应推动投资范围的扩大。另一方面，健全的基础设施可以加强资源整合能力，使投资更加便捷高效。东道国网络覆盖程度提升能够显著提高我国海外投资效率（刘春艳等，2022）；能源供应是矿业生产的“生命线”，很大程度上影响投资质量（刘二虎等，2018）。基于此，基础设施风险将从交通便利度、网络覆盖程度和能源供应3个维度进行度量。

1.2 指标体系构建

在进一步识别巴基斯坦矿业投资环境风险评价与预测主要影响因素的基础上，基于已有研究和专家调查法（罗婷等，2022；郑明贵等，2023），按照指标体系构建的系统性、典型性、科学性及可测性等原则，构建了巴基斯坦矿业投资环境风险评价指标体系，如表1所示。

表1 巴基斯坦矿业投资环境风险评价指标体系

Table 1 Risk assessment index system of mining investment environment in Pakistan

准则层	指标层	指标度量	数据来源	指标属性
政治法律风险	矿业政策	矿业投资政策感知指数	Fraser研究所	＋
	腐败风险	政府官员腐败情况	WGI数据库	－
	信用风险	主权信用评级	联合信用评级有限公司	＋
	环境规制	环境可持续性政策和制度评级	WGI数据库	－
经济金融风险	经济发展水平	人均GDP	WDI数据库	＋
	物价风险	按GDP平减指数衡量的通货膨胀	WDI数据库	－
	汇率风险	人民币兑换美元汇率的标准差系数	世界银行	－
	逆全球化风险	直接投资净流出/直接投资净流入	WDI数据库、WTO数据库	－
资源开采风险	资源丰富度	矿产资源单位面积的蕴藏量	USGS、WDI数据库	＋
	国内生产能力	矿产在生产份额中所占的比例	USGS数据库	＋
	储采比	矿产开采年限	USGS数据库	＋
	采选技术	采选技术水平高低	专家调查	＋
社会文化风险	社会稳定	社会治安状态	UNODC数据库	＋
	劳动力水平	劳动力平均受教育年限	WDI数据库	＋
	基尼系数	贫富差距程度	世界发展指数	－
基础设施风险	交通便利度	货柜码头吞吐量	WDI数据库	＋
	网络覆盖程度	互联网个人用户数/总人口	WDI数据库	＋
	能源供应	通电率	世界银行	＋

新窗口打开| 下载CSV

1.3 指标权重确定

在指标体系中，各指标间重要程度不同，因此，合理确定和适当调整指标权重能够体现各指标轻重有度、主次有别（王瑛等，2014）。传统的CRITIC法通过指标间的对比强度和冲突性来衡量各指标的重要程度，虽然考虑到指标的变化程度和独立性，但仍存在一定不足（李新运等，2017）。为此，本文采用改进的CRITIC法对指标进行赋权，在计算指标冲突性时，相关系数可能会出现负值，使得冲突性计算结果出现偏差，因此，差异性和冲突性将通过标准差和相关系数进行衡量。同时，采用线性插值法对个别年份缺失值进行补充。假设存在m个待评价对象和n个评价指标，具体步骤如下：

首先，对原始数据矩阵进行标准化处理，表达式为

\{\begin{matrix} 正向 指标 : x_{i j} = \frac{y_{i j} - M i n y_{i j}}{M a x y_{i j} - M i n y_{i j}} \\ 逆向 指标 : x_{i j} = \frac{M a x y_{i j} - y_{i j}}{M a x y_{i j} - M i n y_{i j}} \end{matrix}

（1）

式中： $y_{i j}$ 为第i个评价对象的第j个指标； $x_{i j}$ 为标准化后的数据。

其次，计算指标间的差异性：

δ_{j} = \sqrt[]{\frac{\sum_{i = 1}^{m} (x_{i j} - {\bar{x}}_{j})^{2}}{m}}

（2）

再次，计算指标间的冲突性：

R_{j} = \sum_{t = 1}^{n} (1 - r_{t j})

（3）

式中： $r_{t j}$ 为指标t与指标j之间的相关系数。

最后，计算指标权重。其中，指标信息量为

C_{j} = δ_{j} R_{j}

（4）

指标权重为

W_{j} = C_{j} / \sum_{j = 1}^{n} C_{j}

（5）

由此，测算得到指标权重如表2所示。

表2 巴基斯坦矿业投资环境风险评价指标权重

Table 2 Weight of risk assessment index of mining investment environment in Pakistan

准则层	指标层	指标变异性	指标冲突性	信息量	权重
政治法律风险	矿业政策	0.308	15.898	4.900	0.056
	腐败风险	0.295	17.161	5.066	0.058
	信用风险	0.279	17.991	5.028	0.058
	环境规制	0.327	18.832	6.154	0.071
经济金融风险	经济发展水平	0.234	18.466	4.328	0.050
	物价风险	0.213	19.395	4.131	0.047
	汇率风险	0.305	14.196	4.323	0.050
	逆全球化风险	0.324	21.797	7.060	0.081
资源开采风险	资源丰富度	0.317	19.985	6.340	0.073
	国内生产能力	0.309	13.671	4.225	0.048
	储采比	0.212	19.946	4.230	0.048
	采选技术	0.308	13.855	4.271	0.049
社会文化风险	社会稳定	0.292	21.493	6.269	0.072
	劳动力水平	0.314	14.076	4.424	0.051
	基尼系数	0.338	13.595	4.602	0.053
基础设施风险	交通便利度	0.317	13.676	4.334	0.050
	网络覆盖程度	0.293	13.674	4.011	0.046
	能源供应	0.251	14.232	3.573	0.041

新窗口打开| 下载CSV

由表2可知，中国企业在巴基斯坦进行矿业投资首要关注的是逆全球化风险，其次是资源丰富度。巴基斯坦矿业投资的主要风险因素还囊括了社会稳定、环境规制、信用风险和腐败风险。相比其他风险因素，能源供应影响最小。以上各项指标从不同层面对巴基斯坦矿业投资环境风险产生不同的影响。

2 巴基斯坦矿业投资环境评价

2.1 评价模型

单一地使用基于欧氏距离对各方案的排序确定指标权重的TOPSIS法，无法对巴基斯坦矿业投资环境风险优劣进行全面性判别。鉴于此，本文首先通过改进的CRITIC法确定指标权重，再利用TOPSIS法集结指标信息，定量计算得到巴基斯坦矿业投资环境的综合评分。改进的CRITIC法和TOPSIS法组合使用能够有效规避赋权的偏差影响，因此在对巴基斯坦矿业投资环境潜藏风险进行评价时具有科学方法上的优越性。

具体评价步骤如下：

第一，将CRITIC法计算的权重向量 W 与规范化后的评价指标矩阵 Y 相乘，确定加权规范化矩阵 Z。

Z = (z_{i j})_{m \times n} = (W_{j} y_{i j})_{m \times n}

（6）

第二，确定每个指标的正、负理想解 $Z^{+}$ 和 $Z^{-}$ ：

\{\begin{matrix} Z^{+} = \{\underset{1 \leq i \leq m}{M a x} Z_{i j}\} \\ Z^{-} = \{\underset{1 \leq i \leq m}{M i n} Z_{i j}\} \end{matrix}

（7）

第三，计算各评价对象到正、负理想解的欧式距离 $d_{j}^{+}$ 和 $d_{j}^{-}$ ：

\{\begin{matrix} d_{j}^{+} = \sqrt[]{\sum_{i = 1}^{m} w_{i} {(z_{i j} - z_{i}^{+})}^{2}} \\ d_{j}^{-} = \sqrt[]{\sum_{i = 1}^{m} w_{i} {(z_{i j} - z_{i}^{-})}^{2}} \end{matrix}

（8）

$d_{j}^{+}$ 和 $d_{j}^{-}$ 从不同角度表示了巴基斯坦矿业投资环境风险评价的相对位置，综合得到与最优方案的贴近度M，即投资环境综合得分：

M = \frac{d_{j}^{-}}{d_{j}^{-} + d_{j}^{+}}

（9）

综上求得各年度指标表现与正负理想解的距离以及与最优方案的贴近度，分值越高表示该年度投资环境越好。

2.2 投资环境风险等级划分

借鉴已有研究（徐美等，2017；郑明贵等，2022），根据贴近度将巴基斯坦矿业投资环境风险以等距离方式划分为5个等级，如表3所示。

表3 风险等级划分标准

Table 3 Classification standards of risk stage

相对贴近度	风险等级
0~0.2	高风险
0.2~0.4	较高风险
0.4~0.6	中等风险
0.6~0.8	较低风险
0.8~1.0	低风险

新窗口打开| 下载CSV

2.3 综合评价结果与分析

根据式（6）~式（9），结合表2，测算得到巴基斯坦矿业投资环境在2000—2022年的风险评价综合得分，如表4所示。

表4 巴基斯坦矿业投资环境风险评价综合得分

Table 4 Comprehensive scores of mining investment environment risk assessment in Pakistan

年份	正理想解距离	负理想解距离	相对贴近度	风险等级
2000	0.770	0.497	0.392	较高风险
2001	0.716	0.532	0.426	中等风险
2002	0.671	0.570	0.459	中等风险
2003	0.711	0.534	0.429	中等风险
2004	0.642	0.598	0.483	中等风险
2005	0.651	0.563	0.464	中等风险
2006	0.605	0.563	0.482	中等风险
2007	0.548	0.586	0.517	中等风险
2008	0.593	0.559	0.485	中等风险
2009	0.541	0.578	0.517	中等风险
2010	0.515	0.560	0.521	中等风险
2011	0.543	0.538	0.497	中等风险
2012	0.559	0.622	0.527	中等风险
2013	0.544	0.631	0.537	中等风险
2014	0.527	0.629	0.544	中等风险
2015	0.454	0.648	0.588	中等风险
2016	0.479	0.639	0.572	中等风险
2017	0.512	0.610	0.544	中等风险
2018	0.519	0.634	0.550	中等风险
2019	0.519	0.582	0.528	中等风险
2020	0.611	0.609	0.499	中等风险
2021	0.509	0.671	0.569	中等风险
2022	0.520	0.693	0.571	中等风险

新窗口打开| 下载CSV

根据表4，将巴基斯坦矿业投资环境划分为4个阶段：第一阶段为2000—2002年，风险等级由较高逐渐降至中等，该阶段中巴两国的双边关系在经济推动互助的背景下跨入了历史新阶段，中国企业加强了对巴基斯坦矿业投资力度；第二阶段为2003—2011年，矿业投资环境风险有所波动，该阶段我国对巴基斯坦矿业投资的安全结构受到2004年瓜达尔港事件和2008年金融危机的双重影响，投资后劲不足；第三阶段为2012—2019年，均处于中等风险等级，矿业投资环境与上一阶段相比评分出现转好态势，该阶段中巴两国的双边关系不断深化，促进了生产、金融等多方面的互信合作，巴基斯坦基础设施随着瓜达尔港的建成而更加完善；第四阶段为2020—2022年，受新冠肺炎疫情影响，矿业投资环境风险稍显波动，仍处于中等风险。

2.4 一级指标评价

（1）政治法律风险分析

由图1可知，2000—2022年政治法律风险评分总体呈波动上升趋势，由0.293上升至0.574，风险等级由较高下降为中等风险。但仍需注意的是，由于政党之间以及政党与深层国家之间持续不断的冲突而可能导致的矿业政策不确定性及政府公信力缺失（王世达，2022）。自1988年巴基斯坦进入新的民主化时代以来，民主政治进程虽充满波折，但呈现稳中向好的局面。进入21世纪以来，中巴关系进一步深化，该时期政治法律风险虽有周期性波动，但整体呈现下降态势。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 风险评分

Fig.1 Risk score

（2）经济金融风险分析

2000—2003年经济金融风险评分由0.415飙升至0.602，风险等级由中等风险降为较低风险。该时期，由于美国和欧洲等国家解除了对巴基斯坦的制裁，并且时任政府推行积极稳健的经济政策，巴基斯坦经济金融风险状况得到改善（白联磊，2021），但经济结构抗风险能力差以及国际形势变化等因素加剧了经济金融风险波动（陈继东，2009）。2004—2020年经济金融风险评分变动波动较大，除2004—2006年、2008—2011年和2019—2020年处于中等风险外，其余年份皆处于较低风险。

（3）资源开采风险分析

2000—2014年资源开采风险评分在中等风险和较高风险之间波动，主要原因是巴基斯坦优先鼓励外国投资进入，加上“9·11事件”后巴基斯坦加入美国为首的反恐阵营，获取了发达国家的经济援助和支持，而2008年受到了金融危机影响后，政府缺乏有效的财政政策应对（屈秋实等，2019）。直至2015年，风险评分才回落至中等风险，说明“一带一路”倡议达到了合作效果。

（4）社会文化风险分析

2000—2014年社会文化风险评分整体上了一个台阶，从2000—2005年的中等风险降为2006—2014年的较低风险，尤其是2005—2006年上升幅度较大，主要原因是国际形势发生重大变化对巴基斯坦社会稳定产生了重大影响（张家栋等，2017）。2014—2020年，宪法第21修正案顺利通过，以及在《天课与欧舍尔法案》与贝纳齐尔收入支持计划基础上相继颁布的《国家职业资格框架》《学徒制法案》《全民技能战略》《促进增长与发展的技能：巴基斯坦职业技术教育与培训政策》等，促进了劳动力水平提升和基尼系数减小，社会文化风险得到有效控制（郭燕等，2020）。

（5）基础设施风险分析

2000—2022年基础设施风险评分总体呈上升趋势，2000—2019年基础设施风险评分由0.022上升至0.908，风险等级由高风险回落至低风险。由于“中巴经济走廊”的建设，以及瓜达尔港、基础设施、能源贸易和产业合作为主要内容的合作框架形成，该时期基础设施风险得以降低（李奇等，2021）。但在2020年新冠疫情爆发后，由于巴基斯坦医疗条件落后，基础设施风险评分迅速下降到0.749，风险等级回升至较低风险。

3 巴基斯坦矿业投资环境预测分析

3.1 预测模型

本文使用深度学习模型对2023—2033年巴基斯坦矿业投资环境风险等级进行预测。深度学习模型是指隐含层大于两层的神经网络模型，在投资预测领域已取得显著成果（刘玉玲等，2022）。生成对抗网络模型（GAN）作为一种深度学习模型，由于引入对抗网络而具备了“自我调整”特性，因此相比依靠反向传播进行参数更新的传统神经网络模型更具有准确性（刘建伟等，2020；马甜等，2022）。在GAN基础模型训练过程中，判别器的设定会较大程度影响到最终预测精度，考虑到判别器为二分类模型，GAN基础模型使用交叉熵表示目标函数：

F_{D} = E [l o g D (r_{i, t})] + E \{l o g \{1 - D [G (z_{i, t - 1})]\}\}

（10）

式中：F_D 为判别器目标函数；E为期望；D与G分别为判别器与生成器； $r_{i, t}$ 和 $G_{(z_{i}, t - 1)}$ 分别为真实值和预测值。

由于D和G为二元零和博弈，因此，GAN基础模型的迭代问题则为判别器最大化交叉熵的前提下，生成器通过迭代更新参数最大程度地缩小预测值和真实值之差：

\underset{G}{m i n} \underset{D}{m a x} F (D, G) = E [l o g D (r_{i, t})] +

E \{l o g \{1 - D [G (z_{i, t - 1})]\}\}

（11）

考虑到在优化上述函数过程中会出现梯度消失和模型崩溃问题，本文使用改良的Wasserstein距离替换原目标函数即式（10），并设定生成器为LSTM，以便于具有时序特征的数据生成预测；判别器为CNN，用于区分预测值和真实值的差异。

L = E [f (r_{i, t})] - E \{f [G (z_{i, t - 1})]\}

（12）

式中：L为预测值与真实值差异，当差异达到最小值时，生成器输出的估计收益为最终模型输出值；f为新判别器，即CNN模型。为解决小样本学习问题，参考Liu et al.（2019）的改进方法。首先，将原始样本划分为训练集和测试集两类样本，使用生成对抗网络对训练集样本进行数据增强，生成模拟样本并代入模型进行拟合训练。同时，使用随机梯度下降法优化WGAN模型。在拟合计算t期函数结构时，采用扩展窗口法设定训练集和验证集。综上，WGAN模型的预测流程如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 GAN模型预测流程

Fig.2 Prediction process of GAN model

为验证模型预测能力，采用均方根误差（RMSE）和平均绝对百分比误差（MAPE）来评价模型的准确性。

R M S E = \sqrt[]{\frac{1}{N} \sum_{i = 1}^{N} (r_{i, t} - {\hat{r}}_{i, t})^{2}}

（13）

M A P E = \frac{1}{N} \sum_{i = 1}^{N} |\frac{r_{i, t} - {\hat{r}}_{i, t}}{r_{i, t}}|

（14）

式中：N为样本量； $r_{i, t}$ 为实际值； ${\hat{r}}_{i, t}$ 为预测值。

3.2 预测结果与分析

在训练期间，WGAN模型的生成器与判别器的损失变化如图3所示。随着迭代次数的不断增加，WGAN网络捕获到的特征数也会增加，损失不断减小，直至生成器和判别器在对抗过程中实现优化收敛。为验证预测结果的准确性和有效性，选择GRU和LSTM模型与WGAN模型进行比较，结果见表5，种模型预测结果对比如图4~图6所示。由此可知，WGAN模型在预测精度上具有明显优势，预测值也更贴合真实值。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 生成器和判别器的损失变化

Fig.3 Loss changes of generator and discriminator

表5 3种模型预测结果对比

Table 5 Comparison of prediction results of three models

模型	RMSE	MAPE
WGAN	0.032696542	0.483403340
LSTM	0.045663404	0.502774728
GRU	0.038563411	0.523065860

新窗口打开| 下载CSV

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 WGAN模型预测结果对比

Fig.4 Comparison of prediction results of WGAN model

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 LSTM模型预测结果对比

Fig.5 Comparison of prediction results of LSTM model

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 GRU模型预测结果对比

Fig.6 Comparison of prediction results of GRU model

进一步利用WGAN模型预测得到巴基斯坦矿业投资环境风险评价结果，如图7所示。由图7可知，2023—2033年巴基斯坦矿业投资环境风险评分在0.578~0.641范围内，预测风险等级在2027年由中等风险转为较低风险，呈现稳中向好局面。随着不信任动议的尘埃落定以及《中国和巴基斯坦联合声明》的发布，巴基斯坦矿业投资环境将稳步改善。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 2023—2033年巴基斯坦矿业投资风险预测

Fig.7 Risk forecast of mining investment in Pakistan from 2023 to 2033

4 结论与建议

4.1 结论

从矿业投资环境风险视角出发，基于政治法律、经济金融、资源开采、社会文化和基础设施5个维度，构建了巴基斯坦矿业投资环境风险评价指标体系。首先通过对指标的赋权和分级，采用改进的CRITIC法确定指标权重；其次运用TOPSIS法集结指标信息，对巴基斯坦2000—2022年的矿业投资环境进行整体风险评价；最后，利用WGAN模型对2023—2033年巴基斯坦矿业投资环境进行风险预测。主要研究结论如下：

（1）逆全球化风险、资源丰富度、社会稳定、环境规制、信用风险和腐败风险是巴基斯坦矿业投资环境的主要影响因素。因此，中国企业应首先关注这方面的风险评价，因地制宜制定管控方案，科学合理进行投资活动。

（2）2000—2022年巴基斯坦矿业投资环境评分总体呈螺旋上升态势，评价等级呈现较高风险—中等风险的变化趋势。各一级指标中除基础设施风险评分总体呈动态下降走势外，政治法律风险、经济金融风险、社会文化风险以及资源开采风险评分均呈波动上升趋势。评价结果与实际情况吻合度较好。

（3）2023—2033年巴基斯坦矿业投资环境风险评价等级由中等水平降为较低风险水平，投资环境稳中向好。

4.2 政策建议

针对上述评价结果，提出如下政策建议：

（1）政治法律风险方面。建议中巴政府以长远发展眼光制定矿业投资合作机制，以维护和保障中国矿业企业在巴基斯坦的合法权益；同时强化政治法律风险防范与控制，以降低腐败和信用风险。建议设立专门机构和办事处，负责中国矿业企业“走出去”服务工作，并建立全方位、一体化的矿业开发支持保障体系，规避环境规制风险，同时引导在巴基斯坦矿业投资的政策方向，规避矿业政策风险。

（2）经济金融风险方面。建议中国企业根据投资矿种的战略地位及进口依存度等，制定并完善矿业投资相关的财政与税收优惠政策。如对在巴基斯坦投资矿业的企业给予贴息或无息贷款、进口许可证和有限保证等方面支持；对用于巴基斯坦勘探开发的设备及零配件等，降低或免征出口环节税费，以缓解由物价风险所带来的压力。另外，建议巴基斯坦政府积极调控汇率和参与国际合作，降低逆全球化和汇率风险给企业带来的损失。

（3）资源开采风险方面。建议企业关注投资伙伴的多元化和资源开采风险的长期化。2015年以来，资源开采风险相对下降，表明“一带一路”倡议达到了合作效果。从长期来看，为分散风险，避免单一国家的矿产资源市场波动对我国矿产资源投资安全造成较大影响，同时，积极促进投资伙伴的多元化，以分散投资风险；对资源过度集中的矿种注重提升加工、回收以及再生资源利用技术，并完善国际国内矿产资源产业链，形成合理的长期战略布局。

（4）社会文化风险方面。建议中国企业做好矿业投资的前期调研工作，如通过政府平台或聘请专业咨询公司，出具专业投资可行性报告，根据实际情况制订项目进度和投资经营计划，充分掌握在矿业投资过程中可能出现的社会文化风险，加强与政府、协会和当地企业的良性互动，最大程度地降低由社会稳定所引发的风险。进一步规范海外劳务派遣用工管理，发挥高管和员工属地优势的同时进行专业技能培训，从而降低劳动力水平风险。

（5）基础设施风险方面。建议加快落地中巴政府关于基础设施的顶层设计，完善和升级海陆空交通网络。利用瓜达尔港口打通中巴交通运输“大动脉”，简化通关手续和交换电子数据信息，推动双边矿业发展软件、硬件双管齐下，实现矿业生产工序与流程的网络化连接，提高交通便利度和网络覆盖程度对矿业投资的积极作用。同时在相对落后的族群或社区进行援建，有利于缓解在巴基斯坦投资时所面临的能源供应压力。

http://www.goldsci.ac.cn/article/2023/1005-2518/1005-2518-2023-31-4-646.shtml

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[]

Bai

Lianlei

，2021.

From strategic compliance to strategic independence：Resetting Pakistan’s afghan policy since 9/11

［J］.Journal of Xinjiang University（Philosophy and Social Sciences），49（4）：38-43．

Chen

Jidong

，2009.

Pakistan’s economic transformation：The analyses for reasons of economic trouble and its structural contradiction

［J］.Journal of Sichuan University（Philosophy and Social Science Edition），163（4）：52-57．

Christlan

W S

，2008.

The effect of exchange rate risk on US foreign direct investment：An empirical analysis

［J］.Dresden Discussion Paper in Economics，8（9）：125-154．

[本文引用: 1]

Cui

Yan

， Yu

Jinping

，2017.

Infrastructure quality and China’s outward foreign direct investment in the Belt and Road countries：A study based on panel threshold model

［J］.Forum of World Economics and Politics，324（5）：135-152.

Dong

， Shi

Xinqi

，2019.

Investment environment and location selection in Pakistan under the background of “the Belt and Road”

［J］.Tropical Geography，39（6）：901-910.

Duan

Tao

，2015.

Study on the policy risk of mining investment based on dynamic game model

［J］.Journal of Technical Economics and Management，（9）：9-12.

Globerman

， Shapiro

，2002.

Global foreign direct investment flows：The role of governance infrastructure

［J］.World Development，30（11）：1899-1919．

[本文引用: 1]

Guo

Yan

， Dong

Ruichang

， Wang

Libin

，et al，2020.

Review of Pakistan’s poverty alleviation policies and China-Pakistan poverty alleviation cooperation outlook

［J］.World Agriculture，500（12）：79-86，107，128．

Han

Jian

， Zhu

Qing

，2020.

Impact of COVID-19 on the mining market

［J］.China Mining Magazine，29（3）：1-5.

Min

，2020.

lnfrastructure connectivity and regional integration—An empirical study of China and countries along the Route of the Belt and Road

［J］.China Business and Market，34（7）：34-42.

Holburn

G L F

， Zelner

B A

，2010.

Political capabilities，policy risk，and international investment strategy：Evidence from the global electric power generation industry

［J］.Strategic Management Journal，31（12）：1290-1315．

[本文引用: 1]

Hong

Shuifeng

， Deng

Yating

， Li

Hongdan

，2021.

Risk evaluation of China’s overseas mining investment based on structural power theory

［J］.China Mining Magazine，30（10）：24-31.

Biao

， Yu

Nafang

，2020.

The overseas development strategy of Chinese mining enterprises under the background of “The Belt and Road”—A review on the Risk of Chinese Mining Enterprises Going Global

［J］.Nonferrous Metals Engineering，10（10）：128.

Dongkun

， Yin

Zhongming

，2018.

Study on the relationship between institutional risk and Chinese direct investment in Pakistan from the perspective of bilateral political relations

［J］.Ningxia Social Sciences，207（1）：149-155.

， Dong

， Liu

Yungang

，2021.

Characteristics of the urban system and its influencing factors in Pakistan

［J］.Tropical Geography，41（2）：290-302．

Ruisi

，2022.

The economic situation of Central Asian countries and the cooperation of BRI during the COVID-19

［J］.Commercial Research，（1）：67-75.

Xinyun

， Sun

Zhijing

， Tian

Jingmei

，2017.

Evaluation research of university library subject service based on modified CRITIC

［J］.Information Science，35（10）：30-34.

Liu

Chunyan

， Zhao

Jun

， Xu

Jun

，2022.

The impact of infrastructure connectivity in BRI countries on the efficiency of China’s OFDI

［J］.China Business and Market，36（3）：70-79.

Liu

Erhu

， Chen

Ying

，2018.

Research on investment environmental comparison in Central Asia under the background of The Silk Road Economic Belt

［J］.World Regional Studies，27（4）：100-107.

Liu

Fang

， Wang

Shiting

， Zhao

Yilin

，2018.

Financial development of host country and Chinese enterprise’s outward direct investment under the“One Belt and One Road”initiative：Evidence from ASEAN

［J］.Journal of Harbin University of Commerce，158（1）：3-19.

Liu

Jianwei

， Xie

Haojie

， Luo

Xionglin

，2020.

Research progress on the application of generative adversarial networks in various fields

［J］.Acta Automatica Sinica，46（12）：2500-2536．

Liu

Y F

， Zhou

， Liu

，et al，2019.

Wasserstein GAN-based small-sample augmentation for new-generation artificial intelligence：A case study of cancer-staging data in biology

［J］.Engineering，5（1）：156-163．

[本文引用: 1]

Liu

Yuling

， Zhao

Guolong

， Zou

Ziran

，et al，2022.

Stock price prediction method based on sentiment analysis and generative adversarial network

［J］.Journal of Hunan University（Natural Sciences），49（10）：111-118.

Luo

Ting

， Zhang

Yongqing

， Zheng

Minggui

，2022.

Reasonable price of ion-adsorption rare earth international trade based on the perspective of full cost

［J］.Chinese Rare Earths，43（3）：145-158.

Tian

， Jiang

Fuwei

， Tang

Guohao

，2022.

Deep learning and factor investing in Chinese stock market—Based on generative adversarial networks

［J］.China Economic Quarterly，22（3）：819-842．

Qian

Xiaoping

，2016.

Study on FDI admission legal system of Pakistan：A starting point for the construction of “One Belt，Two Corridors

”［J］.Journal of Shanghai University of International Business and Economics，23（2）：66-73.

Qiushi

， Wang

Limao

， Mou

Chufu

，et al，2019.

The evolution characteristics of energy development in Pakistan

［J］.World Regional Studies，28（6）：50-58.

Shen

Lei

， Zhong

Shuai

， Hu

Shuhan

，2020.

Opportunities and challenges of natural resources research of China in the new era

［J］.Journal of Natural Resources，35（8）：1773-1788.

Shi

Guoqing

， Zhang

Ruilian

， Peng

Shengping

，et al，2017.

Environmental and social risks evaluation of overseas investment pertaining to China-Pakistan economic corridor

［J］.Journal of Hohai University（Philosophy and Social Sciences），19（1）：59-64，90.

Sun

Minghao

， Liao

Qiumin

，2022.

Risk assessment of mineral resources investment in “The Belt and Road” nations under anti-globalization

［J］.Resources and Industries，24（3）：169-180.

Sun

Zhiyi

， Xu

， Yang

Wenjing

，2019.

The risks and credits of China’s foreign investment under “Reverse Globalization”—With the“Belt and Road”as background

［J］.Henan Social Science，27（10）：39-46.

Wang

， Mei

Jianming

，2017.

Analyzing and responding to terrorist threats along the China－Pakistan economic corridor

［J］.South Asian Studies，122（4）：15-41，151-152.

Wang

Qin

， Liu

Donghui

， Meng

Lingjie

，2021.

Changes and factors of total factor productivity of provincial manufacturing industry along “The Belt and Road”：Analysis of empirical data from 2006 to 2016

［J］.Resources and Industries，23（4）：70-77.

Wang

Shida

，2022.

Regime change in Pakistan reflects changes in social forces

［J］.Contemporary World，486（5）：75-76．

Wang

Ying

， Jiang

Xiaodong

， Zhang

，2014.

Research on the evaluation of science and technological awards based on improved CRITIC method and cloud model

［J］.Journal of Hunan University（Natural Sciences），41（4）：118-124.

Wei

Shuang

， Guo

Yan

，2017.

Research about outward foreign investment location analysis of China’s textile and garment enterprises—In Pakistan，for example

［J］.Wool Textile Journal，45（3）：72-76.

Wen

Wei

， Zheng

Minggui

， Huang

Zhen

，2016.

Construction and application of an environmental assessment model for Cross-border investment in the mining industry

［J］.Finance and Accounting Monthly，（29）：114-119.

Xia

Peng

， Liu

Xuan

， Han

Jian

，et al，2020.

Innovation of mineral administration policies to deal with the COVID-19 epidemic

［J］.China Mining Magazine，29（4）：1-5.

Xiang

Pengcheng

， Zhang

Fei

， Sheng

Yahui

，2022.

Research on social risk assessment of infrastructure investment in countries along “the Belt and Road”

［J］.Journal of Industrial Technological Economics，41（3）：3-11.

Mei

， Liu

Chunla

， Li

Dan

，et al，2017.

Tourism ecological security early warning of Zhangjiajie，China based on the improved TOPSIS method and the grey GM（1，1） model

［J］.Chinese Journal of Applied Ecology，28（11）：3731-3739.

Yang

Feihu

， Wang

Xiaoyi

， Zhan

Jia

，2022.

International dynamics of the rate of return on lnward FDI and China’s strategic choice—The case of OECD countries

［J］.Intertrade，481（1）：66-75.

Yao

Wenguang

， Hong

Jun

，2012.

A comparison of mineral resources investment prospects in several of China’s western neighbours

［J］.Mineral Deposits，31（Supp.1）：1117-1118.

Zhang

Dong

， Xu

Yan

， Zhang

Shuyuan

，2019.

Identification and countermeasures of investment risks in main countries along the “Belt and Road”

［J］.Northeast Asia Forum，28（3）：68-89，128.

Zhang

Fuming

，2013.

A study on deviation issue and management institution of mining revenue

［J］.China Industrial Economics，（7）：81-94.

Zhang

Jiadong

， Han

Liu

，2017.

Situation and tendency of terrorism in Pakistan

［J］.International Review，148（4）：102-116．

Zhang

Junyan

， Jia

Yucheng

， Zhang

Cheng

，2021.

Does “Deglobalization” have an impact on China’s foreign direct investment

［J］.Journal of Guizhou University of Finance and Economics，213（4）：44-54.

Zhang

Yalong

， Xing

Jiayun

， Yu

Wenjia

，et al，2017.

Mineral resources along “China-Pakistan economic corridor” and cooperation prospective analysis of related industries

［J］.China Mining Magazine，26（3）：72-76.

Zhao

Wenbao

， Li

Ying

，2018.

Study on the problem of “going out” to resolve the overcapacity in steel industry

［J］.Journal of Hebei University of Economics and Business，39（2）：78-86.

Zheng

Minggui

， Hu

Zhiliang

，2018.

Study on environmental risk evaluation of overseas mining investment

［J］.Gold Science and Technology，26（5）：596-604.

Zheng

Minggui

， Hu

Zhiliang

， Pan

Yongxue

，2020.

Study on the evaluation of the political and economic environment of mining investment in China’s neighboring countries

［J］.China Mining Magazine，29（12）：6-14.

Zheng

Minggui

， Wu

Ping

， You

Biying

，2022.

Economic security evaluation and early warning of iron ore resources in China

［J］.Geological Bulletin of China，41（5）：836-845.

Zheng

Minggui

， Xie

Wei

，2014.

Macroeconomic environment assessment for overseas iron ore investment based on matter element model

［J］.China Mining Magazine，23（3）：41-44，71.

Zheng

Minggui

， Zhang

Yanbo

， Qiu

Junyuan

，et al，2023.

Dynamic assessment of investment environment risk in Pakistan

［J］.Journal of Jiangxi University of Science and Technology，44（1）：52-58.

Zhong

Changbiao

，2010.

Empirical evidence on the regional spillover effects of FDI in China

［J］.Economic Research Journal，45（1）：80-89.

Zhou

Yangming

，2014.

Research on investment environment of Asia-Pacific countries under fuzzy multilevel comprehensive evaluation model

［J］.Modern Management Science，（1）：75-77.

Zhu

Peng

，2020.

Strategic choices and paths for agricultural cooperation between China and the Belt and Road countries

［J］.Jianghuai Tribune，（3）：38-43.

白联磊

，2021.

从战略依从到战略自主——“9·11事件”以来巴基斯坦对阿富汗政策的调整

［J］.新疆大学学报（哲学·人文社会科学版），49（4）：38-43．

[本文引用: 1]

陈继东

，2009.

转型中的巴基斯坦经济——经济困境与结构矛盾分析

［J］.四川大学学报（哲学社会科学版），163（4）：52-57．

[本文引用: 1]

崔岩，于津平，2017.

“一带一路”国家基础设施质量与中国对外直接投资——基于面板门槛模型的研究

［J］.世界经济与政治论坛，324（5）：135-152．

[本文引用: 1]

董晔，师心琪，2019.

“一带一路”背景下巴基斯坦投资环境及区位选择

［J］.热带地理，39（6）：901-910．

[本文引用: 1]

段涛

，2015.

基于动态博弈的矿业投资政策风险研究

［J］.技术经济与管理研究，（9）：9-12．

[本文引用: 1]

郭燕，董瑞昶，汪力斌，等，2020.

巴基斯坦减贫政策回顾及中巴减贫合作展望

［J］.世界农业，500（12）：79-86，107，128．

[本文引用: 1]

韩见，朱清，2020.

新冠肺炎疫情对矿业市场影响分析

［J］.中国矿业，29（3）：1-5．

[本文引用: 1]

何敏

，2020.

设施联通与区域一体化——基于我国与“一带一路”国家的实证分析

［J］.中国流通经济，34（7）：34-42．

[本文引用: 1]

洪水峰，邓雅婷，李红丹，2021.

基于结构性权力理论的海外矿业投资风险评价

［J］.中国矿业，30（10）：24-31．

[本文引用: 1]

李骠，虞娜芳，2020.

“一带一路”背景下我国矿企海外开发策略——评《中国地矿企业走出去风险研究》

［J］.有色金属工程，10（10）：128.

[本文引用: 1]

李东坤，尹忠明，2018.

双边政治关系视角下巴基斯坦制度风险与中国在巴直接投资的关系研究

［J］.宁夏社会科学，207（1）：149-155．

[本文引用: 1]

李奇，董晔，刘云刚，2021.

巴基斯坦城镇体系特征及其影响因素

［J］.热带地理，41（2）：290-302．

[本文引用: 1]

李睿思

，2022.

疫情背景下中亚国家经济形势与“一带一路”合作

［J］.商业研究，（1）：67-75．

[本文引用: 1]

李新运，孙志静，田景梅，2017.

基于改进CRITIC的高校图书馆学科化服务评价研究

［J］.情报科学，35（10）：30-34.

[本文引用: 1]

刘春艳，赵军，徐俊，2022.

“一带一路”国家设施联通对中国对外直接投资效率的影响

［J］.中国流通经济，36（3）：70-79．

[本文引用: 1]

刘二虎，陈瑛，2018.

丝绸之路经济带背景下中亚五国投资环境比较研究

［J］.世界地理研究，27（4）：100-107．

[本文引用: 1]

刘方，王仕婷，赵依琳，2018.

“一带一路”背景下东道国金融发展与我国企业对外直接投资——来自东盟国家的经验证据

［J］.哈尔滨商业大学学报（社会科学版），158（1）：3-19．

[本文引用: 1]

刘建伟，谢浩杰，罗雄麟，2020.

生成对抗网络在各领域应用研究进展

［J］.自动化学报，46（12）：2500-2536．

[本文引用: 1]

刘玉玲，赵国龙，邹自然，等，2022.

基于情感分析和GAN的股票价格预测方法

［J］.湖南大学学报（自然科学版），49（10）：111-118.

[本文引用: 1]

罗婷，张永庆，郑明贵，2022.

全成本视角下离子型稀土国际贸易合理价格研究

［J］.稀土，43（3）：145-158.

[本文引用: 3]

马甜，姜富伟，唐国豪，2022.

深度学习与中国股票市场因子投资——基于生成式对抗网络方法

［J］.经济学（季刊），22（3）：819-842．

[本文引用: 1]

钱晓萍

，2016.

巴基斯坦外国投资市场准入法律制度研究——以“一带两廊”建设为起点

［J］.上海对外经贸大学学报，23（2）：66-73．

[本文引用: 1]

屈秋实，王礼茂，牟初夫，等，2019.

巴基斯坦能源发展演变特征分析

［J］.世界地理研究，28（6）：50-58.

[本文引用: 1]

沈镭，钟帅，胡纾寒，2020.

新时代中国自然资源研究的机遇与挑战

［J］.自然资源学报，35（8）：1773-1788．

[本文引用: 1]

施国庆，张锐连，彭胜平，等，2017.

中国—巴基斯坦经济走廊投资社会风险探究

［J］.河海大学学报（哲学社会科学版），19（1）：59-64，90．

[本文引用: 1]

孙明浩，廖秋敏，2022.

逆全球化背景下“一带一路”沿线国家矿产资源投资风险评价

［J］.资源与产业，24（3）：169-180.

[本文引用: 1]

孙志毅，许可，杨文静，2019.

“逆全球化”背景下中国对外投资的风险与信用问题——以“一带一路”沿线国家投资风险为例

［J］.河南社会科学，27（10）：39-46．

[本文引用: 1]

王奇，梅建明，2017.

中巴经济走廊沿线恐怖威胁分析及对策

［J］.南亚研究，122（4）：15-41，151-152．

[本文引用: 1]

王琴，刘冬辉，孟令杰，2021.

“一带一路”省市制造业全要素生产率的变化及其影响因素——基于2006—2016年经验数据的分析

［J］.资源与产业，23（4）：70-77.

[本文引用: 1]

王世达

，2022.

巴基斯坦政权更迭折射社会力量变幻

［J］.当代世界，486（5）：75-76．

[本文引用: 1]

王瑛，蒋晓东，张璐，2014.

基于改进的CRITIC法和云模型的科技奖励评价研究

［J］.湖南大学学报（自然科学版），41（4）：118-124.

[本文引用: 1]

魏爽，郭燕，2017.

中国纺织服装企业对外投资区位评价研究——以巴基斯坦为例

［J］.毛纺科技，45（3）：72-76．

[本文引用: 1]

文唯，郑明贵，黄珍，2016.

矿业跨国投资环境评估模型构建及应用

［J］.财会月刊，（29）：114-119．

[本文引用: 1]

夏鹏，刘烜，韩见，等，2020.

应对新冠肺炎疫情的矿政管理政策创新

［J］.中国矿业，29（4）：1-5．

[本文引用: 1]

向鹏成，张菲，盛亚慧，2022.

“一带一路”沿线国家基础设施投资社会风险评价研究

［J］.工业技术经济，41（3）：3-11．

[本文引用: 1]

徐美，刘春腊，李丹，等，2017.

基于改进TOPSIS-灰色GM（1，1）模型的张家界市旅游生态安全动态预警

［J］.应用生态学报，28（11）：3731-3739.

[本文引用: 1]

杨飞虎，王晓艺，占佳，2022.

外商直接投资收益率国际态势与中国策略选择——以OECD国家为例

［J］.国际贸易，481（1）：66-75．

[本文引用: 1]

姚文光，洪俊，2012.

浅谈中国西邻几国的矿产资源投资前景比较

［J］.矿床地质，31（增1）：1117-1118．

[本文引用: 1]

张栋，许燕，张舒媛，2019.

“一带一路”沿线主要国家投资风险识别与对策研究

［J］.东北亚论坛，28（3）：68-89，128．

[本文引用: 1]

张复明

，2013.

矿业收益的偏差性现象及其管理制度研究

［J］.中国工业经济，（7）：81-94．

[本文引用: 1]

张家栋，韩流，2017.

巴基斯坦恐怖主义状况及发展趋势

［J］.国际观察，148（4）：102-116．

[本文引用: 1]

张俊彦，贾玉成，张诚，2021.

“逆全球化”是否冲击了中国对外直接投资

［J］.贵州财经大学学报，213（4）：44-54．

[本文引用: 1]

张亚龙，邢佳韵，于汶加，等，2017.

“中巴经济走廊”沿线矿产资源及相关产业合作前景分析

［J］.中国矿业，26（3）：72-76．

[本文引用: 1]

赵文报，李英，2018.

“走出去”化解钢铁行业产能过剩问题研究

［J］.河北经贸大学学报，39（2）：78-86．

[本文引用: 1]

郑明贵，胡志亮，2018.

海外矿业投资环境风险评价研究

［J］.黄金科学技术，26（5）：596-604．

[本文引用: 1]

郑明贵，胡志亮，潘咏雪，2020.

我国周边国家矿业投资政治经济环境评价研究

［J］.中国矿业，29（12）：6-14．

[本文引用: 1]

郑明贵，吴萍，尤碧莹，2022.

中国铁矿资源经济安全评价与预警

［J］.地质通报，41（5）：836-845．

郑明贵，谢为，2014.

基于物元模型的海外铁矿资源开发经济环境评价研究

［J］.中国矿业，23（3）：41-44，71．

[本文引用: 1]

郑明贵，张研博，邱均远，等，2023.

巴基斯坦投资环境风险动态评价

［J］.江西理工大学学报，44（1）：52-58.

[本文引用: 1]

钟昌标

，2010.

外商直接投资地区间溢出效应研究

［J］.经济研究，45（1）：80-89．

[本文引用: 1]

周扬明

，2014.

模糊多级综合评价模型下的亚太国家投资环境研究

［J］.现代管理科学，（1）：75-77.

[本文引用: 1]

朱鹏

，2020.

中国与“一带一路”国家农业合作的战略选择及实现路径

［J］.江淮论坛，（3）：38-43．

[本文引用: 1]

From strategic compliance to strategic independence：Resetting Pakistan’s afghan policy since 9/11

2021

Pakistan’s economic transformation：The analyses for reasons of economic trouble and its structural contradiction

2009

The effect of exchange rate risk on US foreign direct investment：An empirical analysis

2008

... 经济金融风险能够直观地影响海外投资.东道国经济发展水平（郑明贵等，2014）和物价风险（刘方等，2018）是海外矿业投资的重要影响因素，而汇率风险在很大程度上决定了投资成败（Christlan，2008），逆全球化风险则会对我国对外直接投资产生冲击性影响（张俊彦等，2021）.基于此，经济金融风险将从经济发展水平、物价风险、汇率风险和逆全球化风险4个维度进行度量. ...

Infrastructure quality and China’s outward foreign direct investment in the Belt and Road countries：A study based on panel threshold model

2017

Investment environment and location selection in Pakistan under the background of “the Belt and Road”

2019

Study on the policy risk of mining investment based on dynamic game model

2015

Global foreign direct investment flows：The role of governance infrastructure

2002

... 巴基斯坦矿业投资环境风险评价与预测工作的综合性较强，可采用主客观相结合的组合赋权法确定指标权重.结合现有文献（Globerman et al.，2002；施国庆等，2017；郑明贵等，2018，2020；洪水峰等，2021），向来自高等院校和矿山企业等矿业相关领域的85名专家发出“巴基斯坦矿业投资环境风险影响因素识别专家调查表”，共收回72份有效问卷，整理得到主要影响因素. ...

Review of Pakistan’s poverty alleviation policies and China-Pakistan poverty alleviation cooperation outlook

2020

Impact of COVID-19 on the mining market

2020

lnfrastructure connectivity and regional integration—An empirical study of China and countries along the Route of the Belt and Road

2020

Political capabilities，policy risk，and international investment strategy：Evidence from the global electric power generation industry

2010

... 政治法律风险对海外投资起着决定性作用.矿业政策是影响矿业投资环境的重要因素（段涛，2015），政策制定者的权力寻租行为往往决定了海外矿业投资的走向，制度约束强弱在很大程度上影响跨国投资战略（Holburn et al.，2010），而腐败风险（张复明，2013）、环境规制（文唯等，2016）和信用风险（孙志毅等，2019）逐渐成为矿业投资经营活动中面临的较大风险.基于此，政治法律风险将从矿业政策、腐败风险和信用风险3个维度进行度量. ...

Risk evaluation of China’s overseas mining investment based on structural power theory

2021

The overseas development strategy of Chinese mining enterprises under the background of “The Belt and Road”—A review on the Risk of Chinese Mining Enterprises Going Global

2020

Study on the relationship between institutional risk and Chinese direct investment in Pakistan from the perspective of bilateral political relations

2018

Characteristics of the urban system and its influencing factors in Pakistan

2021

The economic situation of Central Asian countries and the cooperation of BRI during the COVID-19

2022

Evaluation research of university library subject service based on modified CRITIC

2017

The impact of infrastructure connectivity in BRI countries on the efficiency of China’s OFDI

2022

Research on investment environmental comparison in Central Asia under the background of The Silk Road Economic Belt

2018

Financial development of host country and Chinese enterprise’s outward direct investment under the“One Belt and One Road”initiative：Evidence from ASEAN

2018

Research progress on the application of generative adversarial networks in various fields

2020

Wasserstein GAN-based small-sample augmentation for new-generation artificial intelligence：A case study of cancer-staging data in biology

2019

... 式中：L为预测值与真实值差异，当差异达到最小值时，生成器输出的估计收益为最终模型输出值；f为新判别器，即CNN模型.为解决小样本学习问题，参考Liu et al.（2019）的改进方法.首先，将原始样本划分为训练集和测试集两类样本，使用生成对抗网络对训练集样本进行数据增强，生成模拟样本并代入模型进行拟合训练.同时，使用随机梯度下降法优化WGAN模型.在拟合计算t期函数结构时，采用扩展窗口法设定训练集和验证集.综上，WGAN模型的预测流程如图2所示. ...

Stock price prediction method based on sentiment analysis and generative adversarial network

2022

Reasonable price of ion-adsorption rare earth international trade based on the perspective of full cost

2022

Deep learning and factor investing in Chinese stock market—Based on generative adversarial networks

2022

Study on FDI admission legal system of Pakistan：A starting point for the construction of “One Belt，Two Corridors

2016

The evolution characteristics of energy development in Pakistan

2019

Opportunities and challenges of natural resources research of China in the new era

2020

Environmental and social risks evaluation of overseas investment pertaining to China-Pakistan economic corridor

2017

Risk assessment of mineral resources investment in “The Belt and Road” nations under anti-globalization

2022

The risks and credits of China’s foreign investment under “Reverse Globalization”—With the“Belt and Road”as background

2019

Analyzing and responding to terrorist threats along the China－Pakistan economic corridor

2017

Changes and factors of total factor productivity of provincial manufacturing industry along “The Belt and Road”：Analysis of empirical data from 2006 to 2016

2021

Regime change in Pakistan reflects changes in social forces

2022

Research on the evaluation of science and technological awards based on improved CRITIC method and cloud model

2014

Research about outward foreign investment location analysis of China’s textile and garment enterprises—In Pakistan，for example

2017

Construction and application of an environmental assessment model for Cross-border investment in the mining industry

2016

Innovation of mineral administration policies to deal with the COVID-19 epidemic

2020

Research on social risk assessment of infrastructure investment in countries along “the Belt and Road”

2022

Tourism ecological security early warning of Zhangjiajie，China based on the improved TOPSIS method and the grey GM（1，1） model

2017

International dynamics of the rate of return on lnward FDI and China’s strategic choice—The case of OECD countries

2022

A comparison of mineral resources investment prospects in several of China’s western neighbours

2012

Identification and countermeasures of investment risks in main countries along the “Belt and Road”

2019

A study on deviation issue and management institution of mining revenue

2013

Situation and tendency of terrorism in Pakistan

2017

Does “Deglobalization” have an impact on China’s foreign direct investment

2021

Mineral resources along “China-Pakistan economic corridor” and cooperation prospective analysis of related industries

2017

Study on the problem of “going out” to resolve the overcapacity in steel industry

2018

Study on environmental risk evaluation of overseas mining investment

2018

Study on the evaluation of the political and economic environment of mining investment in China’s neighboring countries

2020

Economic security evaluation and early warning of iron ore resources in China

2022

Macroeconomic environment assessment for overseas iron ore investment based on matter element model

2014

Dynamic assessment of investment environment risk in Pakistan

2023

Empirical evidence on the regional spillover effects of FDI in China

2010

Research on investment environment of Asia-Pacific countries under fuzzy multilevel comprehensive evaluation model

2014

Strategic choices and paths for agricultural cooperation between China and the Belt and Road countries

2020

从战略依从到战略自主——“9·11事件”以来巴基斯坦对阿富汗政策的调整

2021

... 2000—2003年经济金融风险评分由0.415飙升至0.602，风险等级由中等风险降为较低风险.该时期，由于美国和欧洲等国家解除了对巴基斯坦的制裁，并且时任政府推行积极稳健的经济政策，巴基斯坦经济金融风险状况得到改善（白联磊，2021），但经济结构抗风险能力差以及国际形势变化等因素加剧了经济金融风险波动（陈继东，2009）.2004—2020年经济金融风险评分变动波动较大，除2004—2006年、2008—2011年和2019—2020年处于中等风险外，其余年份皆处于较低风险. ...

转型中的巴基斯坦经济——经济困境与结构矛盾分析

2009

“一带一路”国家基础设施质量与中国对外直接投资——基于面板门槛模型的研究

2017

... 东道国基础设施质量对海外投资决策（崔岩等，2017）和国家之间经贸往来（何敏，2020）具有显著影响.一方面，完善的基础设施可以缩短时空距离，通过扩散和带动效应推动投资范围的扩大.另一方面，健全的基础设施可以加强资源整合能力，使投资更加便捷高效.东道国网络覆盖程度提升能够显著提高我国海外投资效率（刘春艳等，2022）；能源供应是矿业生产的“生命线”，很大程度上影响投资质量（刘二虎等，2018）.基于此，基础设施风险将从交通便利度、网络覆盖程度和能源供应3个维度进行度量. ...

“一带一路”背景下巴基斯坦投资环境及区位选择

2019

... 藉由“出口与投资双驱动”模式落定，海外投资持续释放出巨大红利（钟昌标，2010）.与此同时，“一带一路”倡议的提出为全球经济增长注入了新活力，矿产资源领域的发展与合作是该倡议的重要组成部分（王琴等，2021）.中国引领的“一带一路”倡议的实施，将促进沿线国家和地区将地理优势和资源优势转化为共同的经济发展优势（李骠等，2020）.其中，巴基斯坦作为我国“全天候战略合作伙伴”，矿产资源储量相对丰富，目前境内已发现矿产44种，已探明储量矿产超过25种.在此背景下，中国企业加大了对巴基斯坦矿业的投资力度，这也为我国企业走出国门提供了新方向.然而，因矿业开发项目多涉及偏远地区，容易引发社会性问题（王奇等，2017；李东坤等，2018），尤其受疫情影响，多数矿业投资项目面临员工感染、订单延迟和物资不足等诸多问题（李睿思，2022）.鉴于此，为了中巴两国矿产资源的可持续合作，中国企业需要结合“一带一路”的时代背景特点，对其矿业投资环境重新进行评估与分析.以往研究指出，巴基斯坦投资环境不断改善且贸易潜力有较大增长空间（钱晓萍，2016；董晔等，2019），其中，矿业投资潜力巨大（张亚龙等，2017；姚文光等，2012），纺织业和农业拥有较为稳定的区位投资环境，发展空间较大（魏爽等，2017；朱鹏，2020）. ...

基于动态博弈的矿业投资政策风险研究

2015

巴基斯坦减贫政策回顾及中巴减贫合作展望

2020

... 2000—2014年社会文化风险评分整体上了一个台阶，从2000—2005年的中等风险降为2006—2014年的较低风险，尤其是2005—2006年上升幅度较大，主要原因是国际形势发生重大变化对巴基斯坦社会稳定产生了重大影响（张家栋等，2017）.2014—2020年，宪法第21修正案顺利通过，以及在《天课与欧舍尔法案》与贝纳齐尔收入支持计划基础上相继颁布的《国家职业资格框架》《学徒制法案》《全民技能战略》《促进增长与发展的技能：巴基斯坦职业技术教育与培训政策》等，促进了劳动力水平提升和基尼系数减小，社会文化风险得到有效控制（郭燕等，2020）. ...

新冠肺炎疫情对矿业市场影响分析

2020

... 随着我国工业化、城镇化进程加快，矿产资源需求量激增.但由于国内大宗矿产储量严重不足，贫矿多而富矿少，导致进口依赖度逐年提高（赵文报等，2018；郑明贵等，2022），如石油、天然气、铁矿石、铜、铀、钾盐、铝、镍和金等均高度依赖进口.其中，石油对外依存度超过65%，国内铜产量只能满足消费量的40%，铝产量只能满足消费需求的60%，铁矿石需求量的45%靠进口，钴、铬等矿产资源更是严重短缺，而这种趋势在较长时期内不会发生明显变化.自2020年新冠疫情爆发以来，全球矿产资源需求总体萎缩、结构分化（夏鹏等，2020），但我国矿产资源需求仍出现逆势增长（韩见等，2020）.值得注意的是，后疫情时代下的市场需求可能快速反弹，矿产资源的结构性分化体现在产业链和供应链2个方面，我国矿业发展的不确定性增加，市场持续震荡调整或将成为新常态（沈镭等，2020）.因此，海外矿业投资是保障我国资源安全和经济高质量发展的重要途径. ...

设施联通与区域一体化——基于我国与“一带一路”国家的实证分析

2020

基于结构性权力理论的海外矿业投资风险评价

2021

“一带一路”背景下我国矿企海外开发策略——评《中国地矿企业走出去风险研究》

2020

双边政治关系视角下巴基斯坦制度风险与中国在巴直接投资的关系研究

2018

巴基斯坦城镇体系特征及其影响因素

2021

... 2000—2022年基础设施风险评分总体呈上升趋势，2000—2019年基础设施风险评分由0.022上升至0.908，风险等级由高风险回落至低风险.由于“中巴经济走廊”的建设，以及瓜达尔港、基础设施、能源贸易和产业合作为主要内容的合作框架形成，该时期基础设施风险得以降低（李奇等，2021）.但在2020年新冠疫情爆发后，由于巴基斯坦医疗条件落后，基础设施风险评分迅速下降到0.749，风险等级回升至较低风险. ...

疫情背景下中亚国家经济形势与“一带一路”合作

2022

基于改进CRITIC的高校图书馆学科化服务评价研究

2017

... 在指标体系中，各指标间重要程度不同，因此，合理确定和适当调整指标权重能够体现各指标轻重有度、主次有别（王瑛等，2014）.传统的CRITIC法通过指标间的对比强度和冲突性来衡量各指标的重要程度，虽然考虑到指标的变化程度和独立性，但仍存在一定不足（李新运等，2017）.为此，本文采用改进的CRITIC法对指标进行赋权，在计算指标冲突性时，相关系数可能会出现负值，使得冲突性计算结果出现偏差，因此，差异性和冲突性将通过标准差和相关系数进行衡量.同时，采用线性插值法对个别年份缺失值进行补充.假设存在m个待评价对象和n个评价指标，具体步骤如下： ...

“一带一路”国家设施联通对中国对外直接投资效率的影响

2022

丝绸之路经济带背景下中亚五国投资环境比较研究

2018

“一带一路”背景下东道国金融发展与我国企业对外直接投资——来自东盟国家的经验证据

2018

生成对抗网络在各领域应用研究进展

2020

... 本文使用深度学习模型对2023—2033年巴基斯坦矿业投资环境风险等级进行预测.深度学习模型是指隐含层大于两层的神经网络模型，在投资预测领域已取得显著成果（刘玉玲等，2022）.生成对抗网络模型（GAN）作为一种深度学习模型，由于引入对抗网络而具备了“自我调整”特性，因此相比依靠反向传播进行参数更新的传统神经网络模型更具有准确性（刘建伟等，2020；马甜等，2022）.在GAN基础模型训练过程中，判别器的设定会较大程度影响到最终预测精度，考虑到判别器为二分类模型，GAN基础模型使用交叉熵表示目标函数： ...

基于情感分析和GAN的股票价格预测方法

2022

全成本视角下离子型稀土国际贸易合理价格研究

2022

... 在进一步识别巴基斯坦矿业投资环境风险评价与预测主要影响因素的基础上，基于已有研究和专家调查法（罗婷等，2022；郑明贵等，2023），按照指标体系构建的系统性、典型性、科学性及可测性等原则，构建了巴基斯坦矿业投资环境风险评价指标体系，如表1所示. ...

... 借鉴已有研究（徐美等，2017；郑明贵等，2022），根据贴近度将巴基斯坦矿业投资环境风险以等距离方式划分为5个等级，如表3所示. ...

深度学习与中国股票市场因子投资——基于生成式对抗网络方法

2022

巴基斯坦外国投资市场准入法律制度研究——以“一带两廊”建设为起点

2016

巴基斯坦能源发展演变特征分析

2019

... 2000—2014年资源开采风险评分在中等风险和较高风险之间波动，主要原因是巴基斯坦优先鼓励外国投资进入，加上“9·11事件”后巴基斯坦加入美国为首的反恐阵营，获取了发达国家的经济援助和支持，而2008年受到了金融危机影响后，政府缺乏有效的财政政策应对（屈秋实等，2019）.直至2015年，风险评分才回落至中等风险，说明“一带一路”倡议达到了合作效果. ...

新时代中国自然资源研究的机遇与挑战

2020

中国—巴基斯坦经济走廊投资社会风险探究

2017

逆全球化背景下“一带一路”沿线国家矿产资源投资风险评价

2022

... 资源开采风险是衡量海外投资可行性的重要指标，指矿产储备数量、质量以及技术上可获得或可开发的可行性，用来确定可供勘查开发的矿产资源，以保障国内短缺资源的安全供应（周扬明，2014）.矿产资源丰富且资源潜力大的国家有较大的投资价值，是东道国投资和获取矿产资源的基础（孙明浩等，2022）.基于此，资源开采风险将从资源丰富度、国内生产能力、储采比和采选技术4个维度进行度量. ...

“逆全球化”背景下中国对外投资的风险与信用问题——以“一带一路”沿线国家投资风险为例

2019

中巴经济走廊沿线恐怖威胁分析及对策

2017

“一带一路”省市制造业全要素生产率的变化及其影响因素——基于2006—2016年经验数据的分析

2021

巴基斯坦政权更迭折射社会力量变幻

2022

... 由图1可知，2000—2022年政治法律风险评分总体呈波动上升趋势，由0.293上升至0.574，风险等级由较高下降为中等风险.但仍需注意的是，由于政党之间以及政党与深层国家之间持续不断的冲突而可能导致的矿业政策不确定性及政府公信力缺失（王世达，2022）.自1988年巴基斯坦进入新的民主化时代以来，民主政治进程虽充满波折，但呈现稳中向好的局面.进入21世纪以来，中巴关系进一步深化，该时期政治法律风险虽有周期性波动，但整体呈现下降态势. ...

基于改进的CRITIC法和云模型的科技奖励评价研究

2014

中国纺织服装企业对外投资区位评价研究——以巴基斯坦为例

2017

矿业跨国投资环境评估模型构建及应用

2016

应对新冠肺炎疫情的矿政管理政策创新

2020

“一带一路”沿线国家基础设施投资社会风险评价研究

2022

... 社会文化风险与海外投资项目的运营全过程持续相伴.良好的社会秩序能够确保投资项目有序运营，是投资成功与否的主要影响因素（张栋等，2019），劳动力水平直接影响投资收益率（杨飞虎等，2022）.此外，贫富差距对“一带一路”沿线国家投资风险还存在重要影响（向鹏成等，2022）.基于此，社会文化风险将从社会稳定、劳动力水平和基尼系数3个维度进行度量. ...

基于改进TOPSIS-灰色GM（1，1）模型的张家界市旅游生态安全动态预警

2017

... 借鉴已有研究（徐美等，2017；郑明贵等，2022），根据贴近度将巴基斯坦矿业投资环境风险以等距离方式划分为5个等级，如表3所示. ...

外商直接投资收益率国际态势与中国策略选择——以OECD国家为例

2022

浅谈中国西邻几国的矿产资源投资前景比较

2012

“一带一路”沿线主要国家投资风险识别与对策研究

2019

矿业收益的偏差性现象及其管理制度研究

2013

巴基斯坦恐怖主义状况及发展趋势

2017

“逆全球化”是否冲击了中国对外直接投资

2021

“中巴经济走廊”沿线矿产资源及相关产业合作前景分析

2017

“走出去”化解钢铁行业产能过剩问题研究

2018

海外矿业投资环境风险评价研究

2018

我国周边国家矿业投资政治经济环境评价研究

2020

中国铁矿资源经济安全评价与预警

2022

基于物元模型的海外铁矿资源开发经济环境评价研究

2014

巴基斯坦投资环境风险动态评价

2023

外商直接投资地区间溢出效应研究

2010

模糊多级综合评价模型下的亚太国家投资环境研究

2014

中国与“一带一路”国家农业合作的战略选择及实现路径

2020

〈

〉