工程投标风险评价

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

目录

什么是工程投标风险评价

  工程投标风险评价是指应用各种风险分析技术,用定性、定量或两者相结合的方式处理不确定性的过程。其目的是评价风险的可能影响及影响程度。风险分析风险识别决策之间联系的纽带,是风险管理决策的基础,是风险管理的关键。

工程投标风险评价的理论基础[1]

  一般认为,进行建筑工程项目风险评价和评估的理论基础主要有:

  (1)类推原理。在进行建筑工程项目风险估计时,往往没有足够的风险统计资料,而且有时因为客观条件的限制,很难甚至不可能取得所需要的足够的风险资料。因此,根据事件的相似关系,利用类推原理,借鉴已掌握的整体或局部类似工程的风险统计资料,就可以估计目标风险载体的风险状况。

  (2)大数法则大数法则为风险估计奠定了理论基础,它阐述了大量随机现象的平均结果呈现出稳定性的规律。就建筑工程项目来说,根据大数法则,只要被观察的建筑工程项目足够多,就可以对损失发生的概率以及损失的严重程度衡量出一定的数值来。被观察的建筑工程项目越多,估计值与实际值就越接近。这个方法在其他领域也经常运用,是一个较为常见的推理方法。

  (3)概率推理原理。建筑工程项目风险事件发生是随机的,引起损失的程度也是不确定的,但就总体而言,项目中风险事件的发生又呈现出统计学上的规律性,因此,在建筑工程项目风险估计中,采用概率论方法,通过判断随机变量的取值特点和其他特性,据此判断随机变量符合何种概率分布,确定参数,从而估计出风险事件出现状态的各种概率。

  (4)惯性原理。事物的发展具有延续性,即惯性,因而可以利用这个特征来估计建筑工程项目的风险。同时,要求系统具有相对的稳定性,能够保持其发展的基本趋势。在利用过去的风险资料来估计未来可能发生的状态时,一方面要抓住惯性发展的趋势,另一方还要预测可能出现的偏离和偏离程度,从而对估计结果进行处理,提高估计的可靠度

工程投标风险评价方法[1]

常用风险评价的方法

  对建筑工程投标进行风险评价的方法很多,常用的有调查和专家打分法(Experts Grading Method)、层次分析法(AHP),模糊数学法(Fuzzy Set),敏感性分析法(SensitiveAnalysis),蒙特卡洛模拟(Monte Carlo Simulation)、影响图分析法(Innuence Diagram)和网络层次分析法(ANP)等。

  (1)调查和专家打分法(Experts Grading Method)。调查和专家打分法是一种最常用的、最简单的、易于应用的分析方法。其应用程序为:首先,识别出某一种特定工程项目可能遇到的所有风险,列出风险调查表;其次,利用专家经验,对可能的风险因素的重要性进行评价,综合成整个项目风险。投标项目的最后风险度值为:每位专家评定的风险度乘以各自的权威性的权重值,所得的积合计后再除以全部专家权威性的权重值的和。

  该法适用于决策前期,这个时期往往缺乏项目具体的数据资料,主要依据专家经验和决策者的意向,得出的结论是一个大致的程度值,是进一步分析的基础。

  (2)层次分析法(AHP)。AHP提供了一种灵活的、易于理解的工程风险评价的方法。一般都是在工程项目投标阶段使用AHP来评价工程风险,使风险管理者能在投标前就拟建项目的风险情况有一个全面的认识,判断出工程项目的风险程度,以决定是否投标。其步骤为:建立层次结构模型\to构造比较判断矩阵\to计算权重并进行一致性检验\to计算组合权向量并作组合一致性检验,即可得层次总排序。

  AHP应用于工程风险分析与评价时,可以用数字来定量的描述风险因素,并用系统分析的方法,逐一考虑每一工作包的风险程度。在考虑过程中采用专家评判,并用定量原则检验这一评判的正确性,最后再综合成整个项目风险,既有定性分析,又有定量结果,为管理者提供一个全面了解项目全过程中风险情况的机会,使其决策更为科学、合理。

  (3)模糊数学法(Fuzzy Set)。在评价过程中,很多影响因素的性质和活动无法用数字来定量地描述,它们的结果也是模糊的,美国学者为此首次提出了模糊集合的概念,对模糊的行为和活动建立模型。其优势在于,能为实现世界中普遍存在的模糊、不清晰的问题提供一种充分的概念化结构,并以数学的语言去分析和解决它们。

  模糊数学处理非数字化、模糊的变量有独到之处,并能提供合理的数学规则去解决变量问题,相应得出的数学结果又能通过一定的方法转为语言描述。这一特性适于解决工程项目中普遍存在的潜在风险,该法的关键之处在于模糊集的建立和确定各因素对各个评估等级的隶属度。

  (4)敏感性分析法(Sensitive Analysis)。该法只考虑影响工程目标成本的几个主要因素的变化,而不是采用工作分解结构总成本按工作性质细分为各子项目成本,从子项目成本角度考虑风险因素的影响,再综合成整个项目风险。

  一般在项目决策阶段的可行性研究中使用敏感性分析方法分析工程风险。使用这种方法,能向决策者简要地提供可能影响项目成本变化的因素及其影响的重要程度,使决策者在做最终决策时考虑这些因素的影响,并优先考虑某种最敏感因素对成本的影响。

  (5)蒙特卡洛模拟(Monte Carlo Simulation)。蒙特卡洛模拟又称随机抽样技巧或统计试验方法,是估计经济风险和工程风险常用的一种方法,其分析工程风险的过程如下:编制风险清单\to确定风险因素的影响程度和发生概率\to采用模拟技术,确定风险组合\to分析与总结。通过模拟技术可以得到项目总风险的概率分布曲线,从曲线中可以得出项目总风险的变化规律。

  应用该法可以直接处理每一个风险因素的不确定性,并把这种不确定性的影响以概率分布的形式表示出来。蒙特卡洛模拟技术的提出便于计算机操作,使计算程序化了,该技术的难点在于难以对风险因素相关性进行描述。

  (6)影响图法(Innuence Diagram)。影响图法是由一个有向图构成的网络,在构造出的影响图中,用结点和弧来表示这种因素间的影响,用直观紧凑的图形表示出问题中主要变量间的相互关系,并可以清楚地揭示出变量间存在的相互独立性及进行决策所需的信息流,可以作为一般直观的定性分析工具。但该法由于技术复杂,还难以大规模应用到实际问题中去,有待进一步完善。

  (7)网络层次分析法(ANP)。网络层次分析法是在AHP基础上发展起来的一种新实用决策方法,由T.L.Saaty教授于1996年提出。ANP是一种适应非独立递阶层次结构的决策方法,在AHP的基础上考虑了层次之间及内部元素的反馈与依赖性的网络形式,对反馈系统超矩阵和极限超矩阵排序方法进行深入研究并对指标赋权

  该法将系统元素划分为控制层和网络层,控制层包括拟解决的目标问题及决策准则,其中每个准则的权重与传统AHP确定权重的方法一致:网络层由受控制层支配的元素组构成,其内部是相互影响的网络结构。网络层次结构中,每个节点表示一个元素或一个元素集,系统中的任意元素或元素集可以相互影响。这就使得ANP法计算更加全面一些,更符合实际情况,但步骤复杂,结合计算机编程可方便计算。

工程投标风险评价的方法解析

  各方法中,每一种方法都有其适用范围,各有优缺点。其中前两种侧重于定性分析,中间两种侧重于定量分析,而后三种则侧重综合分析。对各种方法的特点总结如下:

  在实际项目中究竟应采用何种方法,须视具体情况而定,通常需综合运用几种方法,才能收到良好的效果。对于工程投标风险因素的特殊性,结合上述对各方法的分析,可采用网络层次分析法对投标风险因素的评价。

工程投标风险评价的目的和步骤[1]

  工程建设项目具有特殊性和复杂性,而且利益相关者很多。

  风险评价有以下目的:

  (1)对项目诸风险进行比较和评价,确定它们的先后顺序。

  (2)表面上看起来不相干的多个风险事件常常是一个共同的风险来源造成的,而风险评价就是要从项目整体出发,弄清各风险事件之间确切的因果关系,这样才能制定出系统的风险管理计划。

  (3)考虑各种风险之间相互转化的条件,研究如何才能化威胁为机会,以及在什么条件下机会转化为威胁。

  (4)进一步量化已识别风险的发生概率和后果,减少风险发生的概率和后果估计中的不确定性。必要时根据项目形势的变化重新分析风险发生的概率和可能的后果。

  风险评价包括以下三个主要步骤:

  (1)采集数据。首先必须采集与所要分析的风险相关的各种数据。这些数据可以从投资商或者承包商过去类似项目经验的历史记录中获得,所采集的数据必须是客观的、可统计的。

  在某些情况下,直接的历史数据资料还不够充分,尚需主观分析,特别是那些对于投资者来说,在技术、环境等方面都比较新的项目,需要通过专家调查法获得具有经验性和专业知识的主观评价。

  (2)确定风险评价模型。以已经得到的有关风险的信息为基础,对风险发生的可能性和可能的结果给以明确的定量化,确定各风险的影响程度。

  (3)对风险影响进行评价。根据风险影响程度值,确定项目的主次风险因素,并结合投资者或承包商对项目的风险进行评价。

参考文献

  1. 1.0 1.1 1.2 潘登.工程承包商投标风险管理研究[J].湖南大学,2008
本条目对我有帮助1
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目

本条目由以下用户参与贡献

y桑,Tracy.

评论(共0条)

提示:评论内容为网友针对条目"工程投标风险评价"展开的讨论,与本站观点立场无关。

发表评论请文明上网,理性发言并遵守有关规定。

MBA智库
打开APP

以上内容根据网友推荐自动排序生成