基于GM（1，n）的公路项目风险成本分析

唐丽

摘要：与建筑工程相比，公路项目不可预见风险因素更多。为实现公路项目节约成本、规避风险的目的，文章提出利用GM（1，n）构建风险成本预估模型进行敏感性分析。与传统的风险分析模型相比，文章依据预估模型得到的分析结果更为直接客观。

关键词：公路项目;GM（1，n）;风险成本;敏感性分析

中图分类号：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责任者最重要的职责之一，能否在项目预算内完工对决策者至关重要。理论上，成本低估与高估概率应该一致，但许多研究表明成本超支更为普遍。对于决策者来说，成本低估、高估都是不利的：低估将导致成本超支、预算紧张;高估则会导致资金闲置及可投资范围的缩减。在某些情况下，由于决策者的疏忽会遗漏某些重要项目，甚至可能导致项目被推迟或废弃。因此，有效的成本管理体系应能准确预估项目成本。将公路项目成本定义为正常成本与风险成本两层要义，其中风险成本是指项目在建设过程受风险因素影响而可能发生的成本增加或减少。本文单独就风险成本进行分析，从而避免了整体成本对风险危害性的弱化，更能使项目决策者警醒。

依据经验，采用近期、类似的历史项目作为预估模型的原始信息，其可靠性更高。但对于公路项目来说，一方面企业为保护自身竞争力，项目重要信息不许外流，导致其它企业获取同类项目信息较难;另一方面，由于公路项目投资大、周期长，使得企业近期承建项目数量并不会太多。历史可用资料的缺乏与预估的高精度要求互为矛盾。虽然建设行业一直热衷于研究如何提高成本预估精度以弱化风险影响，但常见的预估方法均不适用于公路项目风险成本预估。例如回归分析具有无法考虑众多及不确定性因素对成本影响的局限性;而神经网络的精确性过度依赖于大数据，且易陷于局部最优陷阱;至于工程类比法，计算虽然便捷，但其精度偏低且可考虑因素数量甚少。此外，传统的定额或清单法需依据编制人的经验合理判断，但人为的主观判断并不总是可靠的。为此本文引入了灰色系统理论，它能够依据少量、不完全信息通过数据生成的方式推断出整体状态及规律，与其他方法相比灰色系统显得更为客观准确，也无需估算的历史经验。对于公路项目风险成本预估这类贫信息问题，灰色系统相较于其他预估模型表现一直更为优异。因此，本文拟用灰色多变量模型（GM（1，n））构建公路项目风险成本预估模型，并在预估模型的基础上对风险因素进行敏感性分析。

1 GM（1，[KG-2mm]n）风险成本预估模型

1.1 风险成本特征指标

成本预估的本质就是通过工具利用一定数量的与预估工程相似的已建工程数据模拟特征因素与成本的联系或规则，然后输入预估工程成本特征数据便可得到其估算成本。成本特征指标选取是成本预估的核心之一，其选取的合理性和有效性决定模型的预估效果。

项目的持续时间、气候、场地、经济环境、社会环境、承包商的经验与能力都将影响公路项目的成本组成。建设行业普遍认为经济波动对项目建设成本影响颇大，主要体现在经济繁荣时期，企业所承建项目较多，投标选择性更大，从而可能增加项目的建设成本;在经济萧条时期，企业所能承建的项目较少，为保证企业能顺利渡过难关，企业愿意承接薄利甚至无利润的项目。在实际中更多的投标者意味着更多竞争，企业为了中标而很可能会降低投标价格，因此当投标人数增多时项目建设成本可能减少。根据基本经济理论，当一种商品价格下降其需求量必定增加，例如当银行利率降低时承包商可以更低的成本贷出更多的资金，这可能会导致项目成本的降低。建设合同的时长与项目成本风险具有正相关性，因为随着项目建设期越长，风险发生的可能性就越大，而项目上的人员和昂贵设备的成本就越高。当气候环境为恶劣天气时，项目工期延误、设备故障的风险也将增大，项目风险成本更可能发生，使项目成本增加。由于冬季气温低，混凝土凝期变长或为保障混凝土正常凝期需进行特殊处理也可能造成项目成本增多。此外，承包商的资质能力对项目风险成本的影响也不容小觑，凭借高资质与能力，企业将更有可能以更低成本更快地完成建设项目。

综上所述，以行业景气指数、参与投标人数、银行利率、项目工期、气候环境、企业资质能力作为风险成本预估指标体系。需特别说明的是，行业景气指数（∈（0，200））是指反映建设行业经济现象所处状态的指标，以100为临界值;气候环境以项目当地近五年雨雪、大风等恶劣天气与气温零度以上的年平均天数计取;企业资质能力参照投标资质能力审查依据李克特量表评定为：优秀（5分）、良好（4分）、中等（3分）、较低（2分）、极低（1分），分别对应投标打分表的90～100、80～90、70～80、60～70、0～60分。

得到的初步风险成本指标体系对风险成本影响程度不一，为提高模型预估精度需利用灰色关联度对其进行关联度筛选。筛选规则有两种：（1）淘汰式筛选，即依据关联度将不符合标准的因素舍去;（2）计算权重，将关联度视为与目标连接的权重值。考虑本文需对每一因素进行风险分析，故选取第二种筛选规则。利用公式y=（xi-minx）/（maxx-minx）对数据实行归一化后按式（1）计算因素关联度，得到关联度如式（2）所示。ρ∈（0，1）为分辨系数，一般取0.5。

2 实例研究

2.1 数据准备

为确保预估模型的精确性，所选的11（2#～12#）个项目都是与目标项目（1#项目）位于同一省份且具有一定相似性的近十年内的已建公路工程。其中1#项目为拟建项目，各个项目间互为独立，即其数据都是有效的。以2#～12#项目历史数据为基础，依照1.2节所述算法构建GM（1，n）模型，經检验合格后预估1#项目的风险成本（风险总成本/公路里程），并依据预估模型对影响风险成本构成的各类因素进行敏感性分析，如表2所示。

2.2 计算结果

从表4中可知，在此项目中行业景气指数、项目工期、银行利率、恶劣天气与风险成本呈正相关，其中银行利率对风险成本的影响最大，其k值（斜率）为1.36;而行业景气指数、项目工期、恶劣天气的k值分别为0.92、0.54、0.12，表明它们对风险成本的影响程度逐次减少;而投标人数、零度以上天数、企业资质的k值分别为-0.48、-0.38、-0.56，表明它们与风险成本呈负相关，且对风险成本影响一般，这也与实际情况相符（如图1所示）。

3 结语

随着经济的发展，公路工程风险管理的重要性与日俱增，对公路项目成本风险进行研究能提高成本管理效率。与传统成本风险分析不同，本文另辟蹊径，利用高精度预估模型对风险成本进行预估及敏感性分析，甄别出各类风险对项目风险成本的影响程度，有助于决策者集中精力应对高风险事件。相较于以往的风险研究，本文依靠预估模型量化了风险的严重程度，对比传统的专家打分法，风险量化模型结果更为直接客观。

参考文献：

[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，刘 雨.基于模糊神经网络的建筑工程成本预测模型[J].技术经济，2017，36（3）：109-113.

[5]黄志勇.基于支持向量机的公路工程投资估算预测模型研究[J].公路，2015（11）：156-161.

[6]张含瑞，刘晓华.改进多变量灰色模型在山东省粮食产量预估中的应用[J].鲁东大学学报（自然科学版），2018，34（3）：199-207.