基于GM（1，n）的公路項目風險成本分析

唐麗

摘要：與建筑工程相比，公路項目不可預見風險因素更多。為實現公路項目節約成本、規避風險的目的，文章提出利用GM（1，n）構建風險成本預估模型進行敏感性分析。與傳統的風險分析模型相比，文章依據預估模型得到的分析結果更為直接客觀。

關鍵詞：公路項目;GM（1，n）;風險成本;敏感性分析

中圖分類號：U411A461644

Compared with construction projects，the highway projects have more unforeseen risk factors.In order to realize the cost saving and risk avoidance of highway projects，this article proposes to use GM（1，n） to construct the risk cost prediction model for sensitivity analysis.Compared with the traditional risk analysis model，the analysis results obtained from this prediction model are more direct and objective.

Highway project;GM（1，n）;Risk cost;Sensitivity analysis

0 引言

成本控制是公路項目責任者最重要的職責之一，能否在項目預算內完工對決策者至關重要。理論上，成本低估與高估概率應該一致，但許多研究表明成本超支更為普遍。對于決策者來說，成本低估、高估都是不利的：低估將導致成本超支、預算緊張;高估則會導致資金閑置及可投資范圍的縮減。在某些情況下，由于決策者的疏忽會遺漏某些重要項目，甚至可能導致項目被推遲或廢棄。因此，有效的成本管理體系應能準確預估項目成本。將公路項目成本定義為正常成本與風險成本兩層要義，其中風險成本是指項目在建設過程受風險因素影響而可能發生的成本增加或減少。本文單獨就風險成本進行分析，從而避免了整體成本對風險危害性的弱化，更能使項目決策者警醒。

依據經驗，采用近期、類似的歷史項目作為預估模型的原始信息，其可靠性更高。但對于公路項目來說，一方面企業為保護自身競爭力，項目重要信息不許外流，導致其它企業獲取同類項目信息較難;另一方面，由于公路項目投資大、周期長，使得企業近期承建項目數量并不會太多。歷史可用資料的缺乏與預估的高精度要求互為矛盾。雖然建設行業一直熱衷于研究如何提高成本預估精度以弱化風險影響，但常見的預估方法均不適用于公路項目風險成本預估。例如回歸分析具有無法考慮眾多及不確定性因素對成本影響的局限性;而神經網絡的精確性過度依賴于大數據，且易陷于局部最優陷阱;至于工程類比法，計算雖然便捷，但其精度偏低且可考慮因素數量甚少。此外，傳統的定額或清單法需依據編制人的經驗合理判斷，但人為的主觀判斷并不總是可靠的。為此本文引入了灰色系統理論，它能夠依據少量、不完全信息通過數據生成的方式推斷出整體狀態及規律，與其他方法相比灰色系統顯得更為客觀準確，也無需估算的歷史經驗。對于公路項目風險成本預估這類貧信息問題，灰色系統相較于其他預估模型表現一直更為優異。因此，本文擬用灰色多變量模型（GM（1，n））構建公路項目風險成本預估模型，并在預估模型的基礎上對風險因素進行敏感性分析。

1 GM（1，[KG-2mm]n）風險成本預估模型

1.1 風險成本特征指標

成本預估的本質就是通過工具利用一定數量的與預估工程相似的已建工程數據模擬特征因素與成本的聯系或規則，然后輸入預估工程成本特征數據便可得到其估算成本。成本特征指標選取是成本預估的核心之一，其選取的合理性和有效性決定模型的預估效果。

項目的持續時間、氣候、場地、經濟環境、社會環境、承包商的經驗與能力都將影響公路項目的成本組成。建設行業普遍認為經濟波動對項目建設成本影響頗大，主要體現在經濟繁榮時期，企業所承建項目較多，投標選擇性更大，從而可能增加項目的建設成本;在經濟蕭條時期，企業所能承建的項目較少，為保證企業能順利渡過難關，企業愿意承接薄利甚至無利潤的項目。在實際中更多的投標者意味著更多競爭，企業為了中標而很可能會降低投標價格，因此當投標人數增多時項目建設成本可能減少。根據基本經濟理論，當一種商品價格下降其需求量必定增加，例如當銀行利率降低時承包商可以更低的成本貸出更多的資金，這可能會導致項目成本的降低。建設合同的時長與項目成本風險具有正相關性，因為隨著項目建設期越長，風險發生的可能性就越大，而項目上的人員和昂貴設備的成本就越高。當氣候環境為惡劣天氣時，項目工期延誤、設備故障的風險也將增大，項目風險成本更可能發生，使項目成本增加。由于冬季氣溫低，混凝土凝期變長或為保障混凝土正常凝期需進行特殊處理也可能造成項目成本增多。此外，承包商的資質能力對項目風險成本的影響也不容小覷，憑借高資質與能力，企業將更有可能以更低成本更快地完成建設項目。

綜上所述，以行業景氣指數、參與投標人數、銀行利率、項目工期、氣候環境、企業資質能力作為風險成本預估指標體系。需特別說明的是，行業景氣指數（∈（0，200））是指反映建設行業經濟現象所處狀態的指標，以100為臨界值;氣候環境以項目當地近五年雨雪、大風等惡劣天氣與氣溫零度以上的年平均天數計取;企業資質能力參照投標資質能力審查依據李克特量表評定為：優秀（5分）、良好（4分）、中等（3分）、較低（2分）、極低（1分），分別對應投標打分表的90～100、80～90、70～80、60～70、0～60分。

得到的初步風險成本指標體系對風險成本影響程度不一，為提高模型預估精度需利用灰色關聯度對其進行關聯度篩選。篩選規則有兩種：（1）淘汰式篩選，即依據關聯度將不符合標準的因素舍去;（2）計算權重，將關聯度視為與目標連接的權重值。考慮本文需對每一因素進行風險分析，故選取第二種篩選規則。利用公式y=（xi-minx）/（maxx-minx）對數據實行歸一化后按式（1）計算因素關聯度，得到關聯度如式（2）所示。ρ∈（0，1）為分辨系數，一般取0.5。

2 實例研究

2.1 數據準備

為確保預估模型的精確性，所選的11（2#～12#）個項目都是與目標項目（1#項目）位于同一省份且具有一定相似性的近十年內的已建公路工程。其中1#項目為擬建項目，各個項目間互為獨立，即其數據都是有效的。以2#～12#項目歷史數據為基礎，依照1.2節所述算法構建GM（1，n）模型，經檢驗合格后預估1#項目的風險成本（風險總成本/公路里程），并依據預估模型對影響風險成本構成的各類因素進行敏感性分析，如表2所示。

2.2 計算結果

從表4中可知，在此項目中行業景氣指數、項目工期、銀行利率、惡劣天氣與風險成本呈正相關，其中銀行利率對風險成本的影響最大，其k值（斜率）為1.36;而行業景氣指數、項目工期、惡劣天氣的k值分別為0.92、0.54、0.12，表明它們對風險成本的影響程度逐次減少;而投標人數、零度以上天數、企業資質的k值分別為-0.48、-0.38、-0.56，表明它們與風險成本呈負相關，且對風險成本影響一般，這也與實際情況相符（如圖1所示）。

3 結語

隨著經濟的發展，公路工程風險管理的重要性與日俱增，對公路項目成本風險進行研究能提高成本管理效率。與傳統成本風險分析不同，本文另辟蹊徑，利用高精度預估模型對風險成本進行預估及敏感性分析，甄別出各類風險對項目風險成本的影響程度，有助于決策者集中精力應對高風險事件。相較于以往的風險研究，本文依靠預估模型量化了風險的嚴重程度，對比傳統的專家打分法，風險量化模型結果更為直接客觀。

參考文獻：

[1]Odeck.Cost overruns in road constructio-What are their sizes and determinants[J].Transp.Policy，2004，11（1）：43-53.

[2]Yuanxin Zhang，Duzgun Agdas，R.Edward Minchin Jr.Forecasting Completed Cost of Highway ConstructionProjects Using LASSO Regularized Regression[J].Journal of Construction Engineering and Management，2017，143（10）：1-2.

[3]Anderson，Molenaar and Schexnayder Guidance for cost estimation and management for highway projects during planning，programming，and preconstruction[M].Transportation Research Board，Washington，DC.2007.

[4]梁 喜，劉 雨.基于模糊神經網絡的建筑工程成本預測模型[J].技術經濟，2017，36（3）：109-113.

[5]黃志勇.基于支持向量機的公路工程投資估算預測模型研究[J].公路，2015（11）：156-161.

[6]張含瑞，劉曉華.改進多變量灰色模型在山東省糧食產量預估中的應用[J].魯東大學學報（自然科學版），2018，34（3）：199-207.