国际工程水利EPC项目经济效益指标预警模型

严华东,颜家勇,李世忠,李欣蓬

(1.河海大学商学院,江苏 南京 211100; 2.中国水利水电第十四工程局有限公司,云南 昆明 650041)

风险是国内企业实施“走出去”战略遇到的关键问题之一,“走出去”的企业需要能安全地“走回来”,否则企业发展将受到严重威胁,甚至会危及企业的生存。在设计、采购、施工(Engineering,Procurement,Construction,EPC)模式中,承包商不但要负责设计、采购、施工、试运行等工作,还要承担国际工程水利EPC项目语言、法律、清关等特有的工作,承包人的责任、义务和风险大大增加,承包人几乎要承担水利EPC项目的所有风险。可见,国际工程水利EPC项目的风险管理显得尤为重要,风险管理的好坏直接关系到企业在国际市场的竞争力以及企业本身的盈亏,而利润是直接衡量企业风险管理能力的指标,也是国际工程水利EPC项目风险预警的重中之重。

风险预警是风险管理发展的一个新阶段,它是主动型的集成风险管理。经过40多年的发展,风险预警研究已形成体系化[1]。广义的风险预警包括风险识别,风险评估,风险控制和风险应对等,狭义的风险预警是指在风险监测和预测的基础上进行的风险警报。风险预警的方法众多,比较典型的方法包括强模糊支持向量机、模糊评价、SV模型和KLR信号分析、BP神经网络、贝叶斯网络等,这些方法的应用范围主要集中在金融管理、财务管理、气象管理等领域[2-12]。目前,有关国际工程水利EPC项目的风险预警研究非常有限,并且这些研究主要依赖于工程管理人员的经验,侧重于定性研究。

本文采用狭义的风险预警概念,即在风险监测和预测的基础上进行风险预警,国际工程水利EPC项目风险预警分级拟参考气象部门的台风预报分级。利润是国际工程水利EPC项目的关键经济效益指标,本文以利润指标为例,采用贝叶斯网络分析国际工程水利EPC项目的经济效益指标风险。通过对国际工程水利EPC项目的利润增减概率进行定量化分析,按各因素对利润最终影响程度将预警等级分为绿、蓝、黄、橙、红5类,为风险控制提供依据。

1 国际工程水利EPC项目利润形成机理分析

国际工程水利EPC项目的利润等于合同价格(中标价)与成本之差,如果一切按项目计划发生,没有风险事件发生,即合同价格不调整,成本费用也不变化,那么利润是定值,不会发生变化,此时无须进行预警。事实上,理想状态不可能发生,即国际工程水利EPC项目风险事件时有发生,由于索赔和工程变更事件的存在,合同价格和成本都会发生变化,从而导致国际工程水利EPC项目利润的变化。

1.1 利润调整情形分析

根据FIDIC合同银皮书(设计采购施工/交钥匙工程合同文件)通用合同条款,分析各风险事件对国际工程水利EPC项目成本、合同价格和利润的影响情况,见表1。

表1 FIDIC合同中国际工程水利EPC项目费用利润可调整情况

注:“√”为可调整FIDIC合同条款中国际工程水利EPC项目费用、利润、合同价格。

由表1可知,影响成本变化和合同价格以及影响国际工程水利EPC项目利润的合同风险事件可以分为以下3种情况。

a.成本变化,合同价格予以调整。因工程索赔(包括反索赔)和工程变更事件发生导致成本增加或减少,此时,根据合同条款的约定,合同价格予以调整,此时,成本变化已在合同价格调整中得到体现。在这种情况下,工程索赔(包括反索赔)和工程变更事件不会导致利润的变化。表1中的第4.24、8.9、11.4、13.5、13.7、13.8、17.4和18.1等条款不会影响利润的变化。

b.成本变化,合同价格不予调整。有些风险事件的发生会导致成本变化,但根据FIDIC合同条款的规定,合同价格不能调整。此时,工程索赔事件和变更事件发生后,只予以费用补偿。表1中的第4.2、7.5、7.6、8.6、8.7、11.11、12.3、14.8和19.4等条款只予以费用补偿,合同价格不能调整。

c.利润增加,合同价格予以调整。有些风险事件发生后,根据FIDIC合同条款的规定,合理利润应计入合同价格,此时允许调整合同价格。表1中的第2.1、7.4、10.3、11.8、12.2、12.4、16.1等条款允许增加利润,同时允许调整合同价格。

1.2 利润

国际工程水利EPC项目的利润水平受合同价格(中标价)、成本、合同价格调整额、索赔额等因素的影响,国际工程水利EPC项目的利润计算公式如下:

利润=合同价格(中标价)-成本±合同价格调整额±索赔额

(1)

式中:合同价格为合同中约定的中标价格;成本为包括前期阶段成本、设计阶段成本、采购阶段成本、施工阶段成本、后期成本等;合同价格调整额为按照合同约定的调整价格;索赔额为按照合同约定,承包人向发包人索赔的金额。

由式(1)可知,合同价格(中标价)、成本、合同价格调整额、索赔额是影响利润的因素,从而成了形成风险的根源,也是利润预警的重点。为此,根据FIDIC合同中影响利润的条款,抽象成若干风险事件,考虑单一风险事件和多风险事件同时发生时的利润增减概率。

2 利润预警模型的构建

2.1 贝叶斯网络

贝叶斯理论源于英国学者贝叶斯(Thomas Bayes)于1763年在英国皇家学会哲学学报上发表的论文“论有关机遇问题的求解”[13];贝叶斯网络于1986年由Peari[14]提出,它在处理不确定性问题和风险管理方面应用广泛,包括故障预测、收视率预测、能力评价等。笔者将贝叶斯网络与国际工程水利EPC项目风险事件相结合,采用贝叶斯网络处理利润预警问题。

2.1.1 贝叶斯网络的概念

贝叶斯网络是图论与概率论相结合的产物,它用有向无圈图定性描述了各变量之间的相互作用关系。贝叶斯网络如图1所示。

图1 贝叶斯网络示意图

在图1中,每个节点均代表一个随机变量,节点间的有向弧则代表了随机变量之间的条件因果关系,它由原因节点指向结果节点。节点之间的条件依赖关系通过概率加以确定,称为节点间的联合条件概率。贝叶斯网络用概率论中条件概率的概念来刻画有向无圈图的两个节点,每个节点事件随机变量拥有一个概率分布。如图1所示，X1节点和X3节点指向X2节点，称X1和X3为X2的父节点，X2为X1和X3的子节点，子节点X2记为ω(X2)。P(X2|X1,X3)表示在X1和X2条件下的X3条件概率。

图2 FIDIC合同条件影响利润的风险事件

2.1.2 贝叶斯网络的计算

假设贝叶斯网络中的变量为X1,X2,…,Xn,若ω(Xi),Xi与{X1,X2,…,Xn}中的其他变量条件独立,那么联合概率分布为

(2)

其中,当ω(Xi)=∅时,P(Xi|ω(Xi))即是边缘分布P(Xi)[15]。

利用贝叶斯网络可以容易地求解节点的后验概率。先验概率和后验概率是相对于某组证据而言的。设X,Y为两个随机变量,X=x为某一假设,Y=y为一组证据,在考虑证据Y=y之前,对事件X=x的概率估计P(X=x)成为先验概率。而在考虑证据之后,对X=x的概率估计P(X=x|Y=y) 成为后验概率。贝叶斯定理给出了先验概率与后验概率之间的关系,即贝叶斯公式:

(3)

式中:P(X=x,Y=y)是X=x∧Y=y的联合概率;P(X=x)为先验概率;P(X=x|Y=y)是A的后验概率,且如果X,Y互相独立,则P(X=x|Y=y)=P(X=x);P(Y=y|X=x)为A的似然率[15]。

2.2 基于贝叶斯网络的利润预警模型

预警依赖于监测,监测离不开指标[16]。通过分析FIDIC合同条件影响经济效益指标的风险事件,构建预警指标,以利润为例,构建基于贝叶斯网络的利润预警模型,如图2所示。

在分析风险事件对利润影响的基础上,分析单一风险事件和多风险事件发生时,利润的增减概率。风险事件分为两类:一类是事件已经发生,对利润产生的影响是确定的,此时,可以通过定量计算得到实际结果,例如土方超挖100万m3产生的费用、二次搬运费、法律调整最低工资等事件;另一类是事件的发生不确定,存在着发生的随机性,此时,需要利用专家法,对利润的影响进行综合评估。

对于第二类风险事件,设影响利润的风险事件为R1,R2,…,Rn,则利润增减概率为P(π|R1,R2,…,Rm)(1≤m≤n),此时认为风险事件是可以穷尽的。

2.2.1 单一风险事件的利润增减概率

单一风险事件对利润影响的概率评估相对简单,只要考虑单一风险事件的发生概率。当单一风险事件Rn存在时,概率为P(π)=P(Rn)。

2.2.2 多风险事件的利润增减概率

多风险事件对利润影响的概率相对比较复杂,要考虑多个风险事件同时产生作用时所产生的影响。多风险事件对利润影响概率呈现出非叠加性规律[9],因此,不能将各风险事件对利润的影响加以简单相加,而应考虑多风险事件存在时所产生的系统性影响。为此,引入贝叶斯网络,对各风险事件对利润所产生的影响加以综合考虑。从条件概率角度分析,在多风险事件R1,R2,…,Ri(1≤i≤n)同时存在的条件下,利润π增减的概率为P(π)=P(π|R1,R2,…,Ri)。

2.3 风险预警等级与措施

2.3.1 风险预警等级

在监测和预测风险事件的基础上,参考气象部门的台风预报分级,按各风险事件对利润最终影响程度,将预警等级分为绿、蓝、黄、橙、红5类,据此分别采取相应措施,如表2所示。

表2 利润预警等级的划分

2.3.2 预警响应措施

在确定风险事件的利润预警等级后,要根据不同的利润预警采取对应的风险响应措施,如表3所示。

表3 预警响应措施

a.当利润处于绿色预警阶段时,说明利润处于正向变动、盈利增加状态,只需持续关注即可。

b.当利润处于黄色和蓝色阶段时,说明利润处于负向变动,盈利持续减少,此时,应予以严密监控,锁定风险事件,寻找风险来源,为后续采取措施做准备。

c.当利润处于橙色阶段时,说明橙色预警要比黄色预警严重得多,资源分配时应向采取橙色预警的风险事件倾斜。

d.当利润处于红色预警阶段,应该将工作重心放在处理红色预警风险事件上,必须果断采取措施,减少损失大小和影响范围。

3 案例分析

3.1 案例背景

斯里兰卡M水库工程为国际工程水利EPC项目,合同价为2.52亿美元,采用固定总价合同,计划于2015年12月21日首台机组投产发电。本文以该国际工程水利EPC项目的某分部工程为例,说明利润预警。该分部工程的贝叶斯风险事件见图3。

图3 某分部工程贝叶斯风险事件

3.2 风险事件分析

事件1(q1):汇率变化。2012年7月26日签订合同时,外汇市场1美元兑换6.338 1元人民币,财务人员预测工程结算时外汇市场1美元兑换6.071 2元人民币。

事件2(q2):工程量增加。在工程施工期间,发现由于勘察设计资料使用有误,导致土方工程量增加,原土方开挖量为30万m3,实际土方开挖量为90万m3。

事件3(q3):雨季措施费。斯里兰卡夏季持续暴雨天气,投标时未充分考虑雨季施工措施费和风险预备费。

事件4(q4):材料价格。混凝土、钢筋、砂石等材料价格持续上涨,超过材料的预算单价。

事件5(q5):员工积极性。当地员工积极性差,出勤率低,同时,多日暴雨将导致工程进度延误,导致赶工措施费增加。

笔者采用专家法中常用的头脑风暴法,即邀请国际工程管理专家3人、公司海外事业部人员3人和项目部人员4人组成风险管理小组,对斯里兰卡M水库工程的风险管理工作进行调研、熟悉和分析,通过多轮讨论,集思广益,各自对风险事件进行专家打分,通过加权平均,得到各风险事件可能发生的概率和相应的条件概率。经整理得到各风险事件的发生概率为事件1为0.8，事件2为0.3，事件3为0.5，事件4为0.6，事件5为0.7，其中事件4和事件5的条件概率分布见表4。

3.3 贝叶斯网络的预警模型

监测结果显示,事件2(工程量增加)已经发生,经测算,影响利润70%,参照表2和表3,此时应立即启动红色预警。红色预警是最高级别预警,此时,应集中精力和资源,果断采取措施,尽可能使损失最小。

由于受中国综合国力的增强和世界经济形势的影响,人民币持续升值,而本项目合同约定80%的工程款以美元结算,项目部邀请专家对此事件影响利润进行评估。专家预测,此风险事件发生后对利润的影响为30%,参照表2和表3,此时应为黄色预警,严密监控,并采取相应措施。

当风险事件4(材料价格)和风险事件5(员工积极性)同时存在时,条件概率的分布见表4。

表4 某分部工程的条件概率

事件A、B、C的概率由式(2)和式(3)计算得

同理得到:P(B)=0.499 6

P(C)=0.187 2

经分析可知,当风险事件4(材料价格)和风险事件5(员工积极性)同时发生时,对利润产生的影响程度在10%～20%之间的概率为0.499 6,可以启动橙色预警(表2),实施风险响应措施,缩小风险可能造成的损失大小和范围。

4 结 语

国际工程水利EPC项目风险因素多,影响项目利润的风险事件分布广泛,工程实践需要对利润加以预警。可以参照气象预报中的预警等级划分,利用贝叶斯网络对国际工程水利EPC项目的利润进行预警,从而获得利润变动在某一幅度内的概率,可以为决策提供依据。

国际工程水利EPC项目风险事件对利润的影响可分为单一风险事件和多风险事件影响,贝叶斯网络在分析多风险事件同时存在时对利润的影响中作用明显,显示出贝叶斯网络的优势。

对斯里兰卡M水库工程项目建设过程中的风险事件进行监测和预测,充分利用专家和工程实践人员的经验,识别出该项目某分部工程实施阶段的风险事件,使用贝叶斯网络对该项目进行全过程全方位的风险预警,实现定性与定量相结合,摆脱了过去仅靠工程管理人员经验的情况。实践证明,斯里兰卡M水库工程项目的风险事件对经济效益指标的影响得到了实时动态控制。

本文对利润的多风险事件预警是以利润风险的非叠加性为前提的,关于多风险事件对利润的作用机理需要进一步研究。

参考文献：

[1] 邓爱民,任红强,王晓明,等.风险预警体系研究述评[J].现代管理科学,2008(2): 67-69.

[2] 杨志民,梁静,刘广利.强模糊支持向量机在稻瘟病气象预警中的应用[J].中国农业大学学报,2010,15(3): 122-128.

[3] 张晓琦.SVM算法在高新技术企业财务危机预警模型中的应用研究[J].科技管理研究,2010(6): 147-149.

[4] 迟国泰,冯雪,赵志宏.商业银行经营风险预警模型及其实证研究[J].系统工程学报,2009(4): 408-416.

[5] 迟国泰,刘轶芳,余方平.基于SV模型和KLR信号分析的期货逼仓风险预警模型[J].系统工程,2006(7): 21-30.

[6] 张兰霞,周蓉姿,王俊.基于BP网络de企业营销风险预警模型[J].管理评论,2004(7): 21-28.

[7] 秦迎林,李红艳.基于BP神经网络的第三方物流资源整合风险预警模型[J].统计与决策,2009(7): 31-33.

[8] 李长坤,王秀海.基于BP神经网络的供应链知识共享风险预警体系研究[J].科技管理研究,2009(4): 191-193.

[9] 刘俊艳,王卓甫.工程进度风险因素的非叠加性影响[J].系统工程理论与实践,2011(8): 1517-1523.

[10] 蒋天颖,丰景春.基于贝叶斯网络的工程项目经理胜任力评价研究[J].科技管理研究,2010(1): 58-60.

[11] 王双成,唐海燕,刘喜华.用于风险管理的贝叶斯网络学习[J].控制与决策,2007(5): 569-572.

[12] 陆静,王捷.基于贝叶斯网络的商业银行全面风险预警系统[J].系统工程理论与实践,2012(2): 225-235.

[13] 朱慧明,林静.贝叶斯计量经济模型[M].北京:科学出版社,2009.

[14] PEARI J.Fusion,propagation and structuring in belief network[J].Artificial Intelligence,1986,29(3): 228-241.

[15] 张连文,郭海鹏.贝叶斯网络引论[M].北京:科学出版社,2006.

[16] 肖利民.国际工程承包风险预警系统的实证研究[J].管理科学,2006(5): 75-82.