發佈日期:2017-12-20

淺談政府研發計畫組合的風險分析

作者: 李宜憲

研發計畫組合 研發風險 研發計畫相關性 財務投資組合 R&D Project Portfolio R&D Risks R&D Project(s) Correlation Portfolio of Financial Investment

文章圖片所有權: https://goo.gl/XpVuT2 ,Created by Wokandapi
版權適用聲明: CC0 Public Domain-可以做商業用途-不要求署名

1 1

一、前言

2 2

政府科研補助機關在進行研發計畫組合投資常受到很多因素影響。例如美國科研補助機關除了受制於每年的預算外,在進行研發投資不僅需符合機關的宗旨外更需關心如何回應國會及白宮官員。此外,決策過程有時需考慮多元性、機關層級、利害相關者等意見,例如利害相關者總是認為自己所處得專業領域資源值得增加,它將使得科研機關在進行研發計畫組合決策過程增加困難度且不易產生有效率的準則進行研發投資(Bozeman & Roger, 2001)。

3 3

目前相關文獻(Linquiti, 2015; Tassey, 2003)已指出,科研機關決策者進行研發投資組合需考慮投資所產生的報酬及風險,也就是面對未來研發技術及技術商業化不確定的情況決定是否投資。傳統評估長期且具有策略性地研發計畫為採用成本效益分析,如透過淨現值的大小決定投資結果的好壞(Vonortas & Hertzfeld, 1998)。然而,傳統成本效益分析方法應用於科技研發計畫投資組合將產生限制,如對於非貨幣化研發成果很難以現金流的方式計算其價值,其次,淨現值所考慮之折現率因子,往往假設為常數或是不合適之數值,此將使得評估研發計畫組合的效益產生嚴重地偏誤。長期且策略性研發投資常是有條件地進行序列投資(Sequential Investment),也就是在多階段的研發過程中,每階段的投資皆依賴前一階段的完成(Vonortas & Hertzfeld, 2007; van Bekkum et al., 2009),因此,各階段完成後的科研成果或知識價值可供下階段使用,也就是每階段完成時可創造出對下階段研發投資的機會(選擇權)。因此,對於公部門決策者,透過選擇權機制提升決策能力以證明政府長期研發投資是有需要的,例如,公部門在新興領域的早期研發投資可視為使私人企業從事接下來所需在該領域創新的投資,也就是使私人企業在從事接下來所需新領域創新的投資建立選擇權(Vonortas & Hertzfeld, 2007)。此外,此機制可允許在研發過程之不同階段評估研發計畫的技術及市場風險,因為它能從各階段所獲得之資訊來評估下一階段研發技術及技術商業化的風險。目前已有相關學者探討採用選擇權的方式應用至公部門研發投資,如Vonortas & Hertzfeld(2007)透過選擇權的方式對研發計畫是否在後續研發階段值得投資,他們的研究指出在進行研發計畫篩選,採用選擇權的方式進行量化效益會比僅採用傳統成本效益方法(如淨現值折現)來得佳,這可能是因為選擇權的方式更能夠捕捉至科研投資後產生的潛在價值,使得此方法對於風險較高或成果極度不確定的研發計畫,有其採用價值。對於把研發計畫當成是選擇權進行投資時,研發計畫的成本等價於購買選擇權的價格(權利金),也就是買權(Call Option),在計畫執行期間會創造相關科研成果(如執行計畫產生之知識創造)。然而,政府投資者不確定計畫成果的市場價值,因此,選擇權的擁有者可視研發計畫產出的價值來決定技術商業化(如佈署研發成果成本),也就是行使選擇權的履約價(Exercise Price)。

4 4

在探討政府科研機關之研發投資組合中,已有學者談到幾個面向與研發計畫投資組合的風險有關。第一、研發投資組合內計畫彼此間的相關性。Linquiti(2015)指出在一個研發計畫投資組合中,各別對研發計畫進行研發技術、技術商業化成功的機率估計可能會有一些問題,如A研發計畫技術成功機率可能與其他研發計畫技術成功機率有關聯,並非完全是獨立的,因此,若能考慮研發計畫間之相關性將不會扭曲整體研發組合投資的風險估計。此外,van Bekkum et al.(2009)也指出計畫組合的風險與計畫間相關性有其依賴關係。第二、財務投資組合與研發投資組合對風險分散的影響。財務投資組合的特徵為計畫報酬分佈假設為對稱性,也就是低於平均報酬的計畫可被高報酬的計畫抵銷其差距;相對地,研發投資組合其計畫特徵不似財務投資組合之計畫特徵,也就是低於平均報酬的計畫不再被高報酬的計畫抵銷其變異(Linquiti, 2015; van Bekkum et al., 2009)。此兩種不同的投資組合方式對報酬及風險面會有不一樣的管理意涵,風險面尤其反應是否能完全避險(Perfectly hedged)及計畫相關性對風險的敏感程度(Linquiti, 2015; van Bekkum et al., 2009)。第三、計畫組合內的計畫數量也將影響整體投資組合的風險。Linquiti(2015)透過實驗設計指出,假設計畫間是獨立關係且計畫報酬為同一分配(如常態分配),當計畫組合數量愈多時,其整體組合風險會變小且報酬的統計區間範圍會變窄。

5 5

本研究透過文獻探討政府科研補助機關在進行研發計畫投資組合中,需考慮哪些面向才能進行有效的風險管理,以及這些面向對我國科研補助機關決策者在進行研發計畫投資組合所帶來的啟發或建議。

6 6

二、計畫相關性與整體風險間的關聯分析

7 7

政府在探討研發計畫組合篩選時,若忽略各別計畫相關性可能會扭曲整體研發計畫組合的風險(研發計畫組合預期報酬之變異)。計畫間的相關性包括研發計畫間技術成功及計畫技術商業化的關聯,例如在技術成功的關聯為:A研發計畫技術成功可能會使B研發計畫的技術成功又或者失敗。在計畫技術商業化的關聯為:A研發計畫的技術商業化在市場是成功的,它與B研發計畫技術商業化的關聯程度為何?可能情形為競爭或互補關係,競爭關係代表兩研發計畫的商業化在市場是相互抑制的,例如C與D兩新藥研發計畫同時可治療同一疾病,因此,C新藥的上市會抑制D新藥的市占率。互補性關係代表兩研發計畫的商業化互為補足,例如,新藥的研發常伴隨新輸送系統(New Delivery System)的開發。

8 8

而為了量化計畫間之相關性與計畫組合風險間的效果分析,Linquiti(2015)採用實驗設計探討此問題。他從傳統財務投資組合(Markowitz, 1952)的觀點閳述,並認為風險可視為計畫組合預期報酬的變異(也就是等價於計畫組合預期報酬的標準差)。計畫組合預期報酬的變異可表示如下:

9 9

10 10

其中,N代表在此組合中投資的次數,X i 代表第i 次投資之權重,X j 代表第j 次投資之權重,σ ij 代表第i次投資與第j次投資報酬的共變異數。共變異數可進一步表示如下:

11 11

12 12

其中 ρ i,j 可表示第i次投資報酬與第j次投資報酬的相關性。Linquiti(2015)假設若兩計畫之預期報酬為常態分配及給定預期報酬之平均數(μ=100 元)及標準差(σ=10 元),經實驗發現(如圖1)當兩計畫投資組合(Two-Project Portfolio)下,若彼此報酬相關性為-1時,其產生的整體風險為0;相對地,若彼此報酬相關性為1時,其產生的整體風險10元。在相關性為-1時,整體風險被完全規避(Perfectly Hedged),也就是說不論第一次投資計畫的報酬如何(如大於平均或小於平均),第二次投資計畫的報酬會產生與第一次反方向的結果,因而可抵銷第一次低於或高於平均報酬的變異。此外,當相關性為1時,兩計畫的投資組合風險仍無法降低原始假設的風險值(σ=10 元),代表分散風險不存在,另外,當兩研發計畫投資報酬的相關從-1至1時,研發組合所產生的風險降低(Risk Reduction)效應正逐漸減少。

13 13

圖1 計畫相關性對於計畫組合風險的效果分析
資料來源:Linquiti(2015);本研究整理。

14 14

實務上,在進行計畫相關性之探討,會請專家進行研發計畫之間之相關性探討。Linquiti(2015)指出透過產業專家進行計畫間商業報酬之相關性評比,評比問題為:「假如計畫A的技術成功及成功技術商業化,那麼A計畫將對於 B計畫之技術商業化成功之可能性如何?」,評比尺度透過李克特尺度進行測量,分數為1-7表示(如表1所示),1表示「兩件計畫的技術高度相關,以及彼此有很高的頻率在市場上進行佈署」,也就是兩件研發計畫在商業化有高度互補性,7表示 「兩件計畫的技術不相關,亦即決策者佈署A計畫進行商業化之決策不影響B計畫之技術商業化」,也就是兩件研發計畫在商業化的成果為相互獨立。當進行一組研發計畫組合時,決策者需更謹慎考量計畫間的關聯性,當彼此屬於正相關時,若其中一件計畫之商業報酬受影響時可能會影響另一件計畫之商業報酬,技術商業化風險在此兩者間可能不易排除;反之,當彼此屬於負相關時,代表若其中一件計畫之商業報酬受影響時,另一件計畫之商業報酬較不受影響或影響程度很低,技術商業化風險較不會因一件計畫研發的失敗而影響到另一件計畫之商業報酬。因此,當研發計畫投資組合的規模愈大,計畫間的關聯性會更加錯綜複雜,也使得整體風險評估的重要性更顯重要。

15 15

表1 研發計畫間商業報酬之關係

成對比較 a 關係描述/Likert-Scale
計畫 A 計畫 B
2 4 中度替代性/ 2
3 4 高度替代性/ 4
3 14 高度互補性/ 1
4 14 高度互補性/ 1
9 13 彼此互為獨立/ 7
16 16
註: a 代表計畫 A 之編號與計畫 B 之編號,兩者間進行商業報酬關聯。
資料來源:Lanza(2012);本研究整理。

三、財務投資組合與研發投資組合對風險及報酬的影響

17 17

Markowitz(1952)所探討的財務投資組合,其風險分散策略可應用於當計畫報酬分佈為對稱性的情境(van Bekkum et al., 2009),也就是假設高報酬計畫可以抵銷低報酬計畫的變異,此外,計畫報酬對稱性將使計畫組合產生完全避險(如圖1中當兩計畫報酬的相關性為-1時,整體風險為0)。然而,當計畫組合中包含具有風險的研發計畫時,計畫報酬不再對稱,傳統財務投資組合之分散方法可能會被誤導。例如,高風險的研發計畫其本質上通常為探索型(如基礎研究類計畫),其在執行過程中可能因風險過高而面臨中止或補助其他計畫,因此,若計畫組合包含具有風險性的研發計畫時,其投資決策變成有條件化的研發投資組合,決策者可透過選擇權工具進行更有彈性的計畫組合決策(van Bekkum et al., 2009)。此外,當進行研發投資組合,因研發計畫報酬的分佈並非對稱,此會使得整體計畫組合的報酬呈現非線性(van Bekkum et al., 2009; Linquiti, 2015)。更具體的說明為,研發計畫組合中,高報酬研發計畫(如大於平均)不能抵銷低報酬研發計畫(如低於平均),使得研發投資組合不像財務投資組合可創造完全風險規避(Perfect Risk Hedge)。

18 18

相關文獻(van Bekkum et al., 2009; Linquiti, 2015)透過實驗設計探討財務投資組合、研發投資組合在不同計畫相關性時產生的整體風險效應分析。van Bekkum et al.(2009)指出當進行研發投資組合時,當計畫間呈現正相關時,研發投資組合的風險分散比財務投資組合來得佳。相對而言,當計畫間呈現負相關性時,財務投資組合的風險分散比研發投資組合來得佳。van Bekkum et al.(2009)透過實驗設計的方式進行比較,從圖2中可發現,當計畫報酬間屬於負相關時,財務投資組合較研發投資組合分散風險較有效,也就是對風險的變化較敏感。此外,當相關係數為-1時,可發現研發投資組合不能完全避險。

19 19

圖2 不同投資組合對於計畫組合風險的效果分析
資料來源:van Bekkum et al.(2009);本研究整理。

20 20

除了這兩種組合方式會依計畫相關性的正負方向而有不同的風險分散程度外,對於計畫組合的報酬也會有不一樣的管理意涵(Linquiti, 2015)。其差異反應在以下幾點:

21 21
  • 是否能影響研發行為。在財務組合投資,投資者(如股票擁有者)並無法管理企業的決策活動,計畫組合所產生的預期報酬僅是各別計畫報酬相加而沒有計畫組合效果。此外,財務組合中僅能影響整體風險,並無法影響組合報酬(如企業報酬)。相對於財務投資組合,研發投資組合因投資者能管理研發活動的方向,因此更能影響其研發投資組合下的報酬(Colvin & Marvelias, 2011; Wouters et al., 2011)。
  • 商業報酬之相互依存性。在財務組合投資中,決策者除了原持有企業的股票,若欲增加其他競爭企業的股票於原有的投資組合中,並不會因投資他家股票而影響原持有股票的報酬。相對於財務投資組合,研發投資組合內每個計畫報酬可能彼此相互影響,這可能反應計畫的互補性或競爭性,也就是第一次投資的計畫可能會影響後續計畫投資的商業報酬。
  • 學習內生性(Endogeneity of Learning)。在財務組合投資中,管理者僅能透過市場價格資訊學習關於投資組合的報酬。然而,對於研發投資組合,可透過相關知識的學習改善管理決策並進而改善整體組合之報酬,例如,早期研發技術的成功可能促進此方面計畫的投資因而加速此面向或系列計畫的執行,或可因這些特定成功計畫的組合而成為下次研發投資的參考來源。學習內生性似也呼應在計畫篩選需透過隱性知識(Tacit Knowledge)的學習,因為隱性知識(如改變篩選過程中的保守文化或認知)的使用將有益於改善政府研發計畫的篩選過程,特別是在有限的決策資源或量化很難被執行的情況下(Kim, 2005)。
22 22

綜述以上,財務組合投資產生之報酬較易追蹤,例如股票之市價,可明確了解此一組合所產生的價值。然而,在探討研發投資組合之報酬,相對複雜許多,因為研發過程的不確定、研發成果的價值不易掌握、研發計畫彼此間的網絡關係等,使得研發管理者在進行研發投資組合需蒐集更多的資訊才能作出合理之決策,此外,對於較偏向探索型研發計畫,距離技術商業化還有一段距離,且技術因尚在探索階段,因此產生之風險也偏高,此時計畫之成果可能較偏向人才培育或知識創造,然而,這些非貨幣化成果要如何產生具有實質的經濟效益,可能需要長時間進行追蹤及調查才能了解。對於科研機關在進行研發計畫投資組合,除了需從傳統財務投資組合中了解計畫間之相關性、相關性的高低與整體組合的風險,在評估整體組合的報酬及風險,更應思考非貨幣化的價值如何取得合理估計、研發計畫在執行過程中是否因技術在市場價值之不確定而需調整原先決策內容(如終止、補助其他計畫,或擴大補助等決策),才能更完整捕捉到科研投資的價值。

23 23

四、計畫組合內的計畫數量與整體風險間的關聯分析

24 24

進行計畫投資組合中,除了考慮整體組合報酬及風險外,組合之計畫數量也會影響整體報酬的風險。Linquiti(2015)透過模擬分析探討4種計畫組合對於風險的變化情形。此 4 種計畫組合分別為當僅有1個計畫、5 個計畫組合、25 個計畫組合,及 50 個計畫組合的案例。Linquiti 假設每個計畫報酬的假設為常態分配,其平均數及標準差分別為100 元及10元,標準差等價於為計畫預期報酬變異(風險)的程度。此外,假設每個組合內計畫間彼此獨立(相關係數為 0),從實驗分析結果可知,當僅有 1 個計畫其標準差為 $ 10 元,而隨著計畫組合為 5 個計畫、25 個計畫、50 個計畫,其組合的標準差依序為 $4.5 元、$2.0 元、$1.4 元,也就是估計之風險值隨著計畫數量增加而降低。此外,當整體組合的標準差從 $4.5 元降低至 $1.4 元,代表計畫間的預期報酬變異愈不分散。如依照機率法則可知其組合之預期報酬在 95% 的信賴區間會依標準差愈小而變得愈窄(如在 25 個計畫組合下其信賴區間為 $91 - $109 元,而當在 50 個計畫組合下其信賴區間為 $97 - $103 元)。

25 25

五、結論與建議

26 26

本研究從相關文獻探討科研補助機關在進行研發計畫組合投資影響風險的幾個面向,包含計畫間之相關性、財務組合投資與研發組合投資對風險分散的關聯、計畫組合內的數量對風險的關聯。除了可作為我國科研補助機關在進行長期、策略性地研發計畫投資(如人工智慧領域研發投資)時作為決策過程之參考外,更重要地需考慮到不同階段或計畫類型中所需思考的風險分散策略,例如在研發早期階段之基礎研究或探索型研發計畫,此類計畫常具有高風險的特質(如技術能否被研發成功或被取代,或技術能否被成功商業化),在風險分散的策略可參考研發投資組合策略,決策者可在計畫執行結束前,從蒐集到的資訊(如技術及市場風險、評估知識價值可能產生之價值)來決定後續決策的行為(如中止該計畫、擴大計畫執行、補助其他計畫)。而當研發後期階段已接近商業化,此時研發計畫屬性較偏向應用研究或開發研究,此時計畫風險不似早期研發階段那樣高,也就是研發計畫間報酬的變異較小或報酬的分佈較屬於對稱性,此時分散風險策略可參考財務組合投資。

27 27

然而,在進行研發投資組合中最重要的便是建置有效的資料平台以供決策者使用,建置有效的資料平台是為了使後續科研機關在未來新的研發計畫投資時可透過此資料平台當成研發投資決策支援系統之一,除了提供給予相關科技計畫研究者進行評估方法之探究外,如Linquiti(2015)透過美國能源部(Department of Energy, DOE)提供的計畫資料進行實質選擇權工具應用於特定研發計畫組合的報酬及風險評估,更有利於後續科研機關的管考規劃。科研機關在進行長期的研發計畫組合評估時,Vonortas & Desai(2007; 2008)建議可透過以下之資訊來輔佐評估,分別為:(1)研發計畫所需投資的階段數目。(2)研發投資每階段所需投資的預期成本。(3)研發投資每階段所需完成的時間。(4)研發投資每階段成功的機率(如技術成功機率或技術商業化機率)。(5)技術進展的價值,對於科研補助機關而言,技術進展的價值包含私人及社會報酬面。(6)商業化所需投資的成本。他們提到前四項變數之資訊來源可由計畫管理者及產業專家向公部門研發機關提出建議,而後兩項資訊需透過經濟效益模型或實驗模擬方法以獲得。此外,在探討計畫報酬面雖然涉及到計畫之有形及無形效益,對於科研機關很難事前精確估計。他們建議藉由領域專家透過計畫的核心應用領域進行評估,進行的內容可藉由不同情境分析或敏感度進行以形成保守估計。

28 28

最後,我國在針對研發計畫的風險評估,仍不夠結構化,例如僅請計畫補助之廠商進行技術開發之風險評估及因應對策,其評估內容及因應對策似無明確的解說,因此較無法全貌瞭解其運作機制。因此,透過本研究可回饋我國科研補助機關在進行研發計畫投資組合時,除了了解哪些面向會影響風險外,例如需考慮計畫間之網絡關係、計畫組合數量,更應具有長期且策略性地研發投資思維,例如,科研決策者更應具備相關整個研發技術的走向及背景知識、建置完善之風險資料庫,以及能在計畫進展中檢視計畫的風險、計畫之成果及其可能產生之經濟價值或社會價值,以提升科研決策能量。

29 29

參考文獻

  1. Bozeman, B., & Rogers, J.(2001). Strategic management of government-sponsored R&D portfolios. Environment and Planning C: Government and Policy, 19, 413-442.
  2. Colvin, M., & Marvelias, C.(2011). R&D Pipeline Management: Task Interdependencies and Risk Management. European Journal of Operational Research, 215, 616-628.
  3. Kim, E.H.(2005). Tacit Knowledge in Government-led R&D Project Selection. Asian Journal of Technology Innovation, 13, 223-237.
  4. Lanza, R.(2012). Characterizing the Relationships among a Set of Research and Development Projects Sponsored by the U.S. Department of Energy to Improve Energy Efficiency in the Chemicals Industry. Washington, DC: ICF Technology, LLC.
  5. Linquiti, P.D.(2015). The Public Sector R&D Enterprise: A New Approach to Portfolio Valuation. Palgrave Macmillan US.
  6. Markowitz, H.(1952). Portfolio Section. Journal of Finance, 7, 77-91.
  7. Tassey, G.(2003). Methods for Assessing the Economic Impacts of Government R&D. Gaithersburg, MD: National Institute for Standards and Technology.
  8. van Bekkum, S., Pennings, E., & Smit, H.(2009). A Real Options Perspective on R&D Portfolio Diversification. Research Policy, 38, 1150-1158.
  9. Vonortas, N.S., & Hertzfeld, H.R.(1998). Research and Development Project Selection in the Public Sector. Journal of Policy Analysis and Management, 17, 621-638.
  10. Vonortas, N.S., Desai, C.A.(2007). Real Options Framework to Assess Public Research Investments. Science and Public Policy, 34, 699-708.
  11. Vonortas, N.S., Desai, C.A.(2008). Real Options Framework to Research Investments at The U.S. Department of Energy. Submitted to the U.S. Department of Energy.
  12. Wouters, M., Roorda, B., & Gal, R.(2011). Managing Uncertainly During R&D Projects: A Case Study. Research Technology Management, 54, 37-46.