电力物资结构化招标采购下的异常报价风险识别策略

【摘 要】论文围绕招投标过程中存在的异常报价行为展开研究，通过多种方法识别并预防这种不正当行为，以保障招投标流程的效率和公正性。研究发现，结构化标准化采购可以提高评标的客观性和准确性，但同时可能增加投标人报价异常的风险。以电力行业为例，论文探讨了技术得分与经济得分之间的关联，利用SPC统计控制图和核函数模型分析了历史招投标数据，识别个体报价异常与群体报价异常行为，为招投标监管提供了新的视角和工具，为打击围串标行为、维护招投标市场的健康发展提供了科学有效的方法和策略。

【关键词】结构化评标；围串标；投标风险

【中图分类号】F274 【文献标志码】A   【文章编号】1673-1069（2024）04-0068-04

1 引言

招投标是企业的一种重要采购方式，能够实现企业资源的有效配置，帮助企业寻找优秀的供应商。围标指多个投标人之间通过私下协议一致抬高或压低报价，使特定投标人中标。串标指招标人、招标代理机构、投标人甚至招标监管部门之间合作，通过操纵招标文件等手段，排挤其他投标人中标。围串标的一大表现为报价异常，包括个体报价异常和群体报价异常行为，前者如在结构化评标中，投标人可通过计算各项得分，在保证中标的情况下报高价，后者如招标人与招标人之间的串标。这些行为的存在，严重破坏了招投标的秩序，对采购流程带来了极大的挑战。

当前，对于围串标风险的研究已经引起国内外学者的广泛关注。刘光凤等[1]和张志业[2]分析了招投标串通形式，揭示了围串标的产生根源及预防共谋的治理策略。夏涛等[3]利用博弈论分析了招投标中主体，即招标人、投标人、评委与监管机构的行为动机以及个体行为模式和制度发展之间的相关关系。

在个体异常行为方面，程铁信等[4]利用灰色综合关联模型分析投标文件中的结构化数据，采用文本挖掘模型分析非结构化数据，计算标书的相似度。Long et al.[5]利用文本挖掘技术分析进行围串标的投标人的行为特征。在群体异常行为识别方面，Lei et al.[6]提出一种基于网络聚类和随机化推理的均价竞价检测方法，用于识别潜在的供应商共谋。乔柱等[7]基于铁路工程的招投标数据，利用社团结构检测挖掘投标企业之间的关系，分析识别串标可能性较高的企业。

本文以投标人的技术、经济、商务等多维评标数据为基础，定量分析研究投标人报价异常风险，借助SPC控制图与核函数模型分析评标数据，从个体的异常报价与报价异常聚集两个角度识别投标人报价异常风险，防范投标人高价围串标，避免招标企业遭受经济损失。

2 投标风险识别策略

当前，企业推行结构化标准化采购，结构化评审模板中的评分标准明晰且客观程度高，结构化采购降低了投标人之间的信息不对称程度，投标人对商务分数及技术分数的计算更加准确，根据已知的评标规则可以预估出自身与竞争者的商务分与技术分，并根据预估分值计算与竞争者的分数差距，在报价时操作空间更大。意图围串标的投标人可能采取抱团报价行为，即寻找某个或多个陪标人报高价以提高基准价，围串标企业根据分数预估使自己的报价靠近靶心价格，提高经济分以高价中标，损害招标人的经济利益。

2.1 个体异常报价识别

投标人报价高低应当与其技术能力相匹配，技术能力较差的供应商报价很高的情形显然存在异常。本文通过研究投标人评标价与技术得分之间的匹配性，实现对个体报价异常的识别。评标价与技术得分的比值亦可以理解为性价比，即投标人对于其单位技术能力的价格衡量。SPC控制图是一种用于监控过程稳定性和识别异常的工具。SPC控制图的基本假设是生产过程在运行中是稳定的，在统计上没有出现特殊原因引起的变化，其输出在一定范围内波动，呈现出一种可预测的模式。控制图的上下控制限是正常变异的范围，由样本数据的统计特性计算得出。若观测数据点超出控制限，需要进一步分析。

在单次招投标中，根据所有投标人的评标价与技术评分数据，计算技术经济匹配性系数的控制上下限，具体算法如图1所示。

第一步：对所有投标人的评标价进行标准化处理以消除量纲影响；第二步：计算各投标人的技术经济匹配性系数；第三步：计算样本标包中所有投标人技术经济匹配性系数的平均值μ与标准差；第四步：根据样本标包中投标人的数量判断选择k倍标准差，并计算控制上下限UCL与LCL；第五步：根据上下限的值判断各投标人的技术经济匹配性系数是否存在异常，识别其中技术经济匹配性系数高于控制上限的投标人，预警存在报价异常行为。

2.2 报价异常聚集识别

投标人之间的抱团报价表现为报价的异常聚集。若投标人的报价分布中，高报价区域存在异常聚集，则可能存在高价围标行为。为识别报价异常聚集，本文采用核密度估计来评估投标人报价之间的聚集程度，将供应商视为空间中的事件或对象，利用核密度估计的概念来理解供应商的分布情况。具体而言，选取供应商评标价与技术分两个维度，将评标价与技术分进行标准化处理，消除量纲影响，以每个供应商为中心，画一个固定半径的圆，然后计算圆内包含的其他供应商的数量。这种方法可以被视为核密度估计的简化形式，通过统计每个供应商周围的其他供应商的数量来评估其聚集程度。假设标包中有n个投标人，投标人i的评标价与技术分分别用Ei和Ti表示，并对数据进行标准化处理：

E■■=■

T■■=■（1）

任意两个投标人i和j之间的距离dij可以用欧几里得距离公式来表示：

dij=■ （2）

投标人i处的报价聚集度θi的计算公式如下：

θi=∑■■I（dij≤r）-1 （3）

式中，r为圆的半径大小；I（dij≤r）为指示函数，如果括号中的条件成立则返回1，否则返回0。

在定义报价聚集度的测算方式后，进一步设计报价异常聚集指数算法以衡量报价异常聚集风险的大小。报价异常聚集指数的计算步骤如下：

第一步：计算样本标准化后的评标价与技术得分的中位数，表示为Em和Tm，并据此划分4个区域，E■■>Em&T■■>Tm为高价高技术区域（HH），同理还包括低价高技术区域（LH）、低价低技术区域（LL）、高价低技术区域（HL），其中高价低技术区域（HL）属于异常区域，即投标人技术水平低但是报价高，技术经济不匹配。

第二步：根据式（3）计算各样本点的报价聚集度。

第三步：根据第一步划分的区域，以各区域中样本点报价聚集度的峰值代表各区域报价聚集度，分别表示为θHH、θHL、θLL、θLH。报价异常聚集指数θ的计算公式如下：

θ=■ （4）

报价异常聚集指数可以反映该次项目中所有投标人的报价分布中，高价低技术区域报价聚集的严重程度。若指数高于30%，说明报价聚集情况较严重，存在高价围标的情况，评标委员可进一步辨别是否存在围串标行为。

3 算例分析

3.1 数据来源

本文的数据来源于NF电网货物类招标采购2021-2023年的历史评标数据，根据采购物资的频率和采购金额占比，选取计量表箱、10 kV隔离开关、PT接口屏3个品类共60个招标采购项目，包含1 393条评分数据。所有样本的评标方式均为综合评估法，即从供应商的商务、技术、经济等多维因素综合评价。

3.2 算例结果

将标准化后的数据导入控制图算法模型中，计算所有样本的技术经济匹配性系数与控制上下限，识别各样本中是否存在报价异常投标人。检验发现，60个样本中有31个样本经检测发现存在报价异常的投标人，筛查出所有样本中的报价异常的投标人，异常占比为2.51%。

任选其中两个样本展示具体测算结果，利用上述算法对样本中所有投标人进行匹配性判断，识别报价异常投标人，测算结果如表1所示。

根据样本控制图结果绘制样本的匹配系数控制图，如图2所示。样本1共24家供应商，无供应商在控制界限外，未发现报价异常的投标人。样本2的匹配系数控制图显示，综合排名最后的公司技术经济匹配系数超过控制上限，该投标人报价异常高，存在串标嫌疑。

应用报价异常聚集指数算法，计算60个样本的报价异常聚集指数，测算半径分别为7.5%、10%、12.5%。根据计算结果，半径设置为7.5%、10%时，60个样本中仅一个样本的报价异常聚集指数超过0.3，半径设置为12.5%时，检测出两个异常样本。其中，同一样本标的在半径设置为10%与12.5%的情形下均被检测出存在报价异常聚集现象，推测该项目标的中可能存在高价围标行为。

表2展示了样本1和样本2在不同半径设置下的报价异常聚集指数测算结果，发现在不同半径设置下，两样本的报价异常聚集指数均未达到预警值0.3，说明两样本中投标人抱团报价以实施高价围标的风险较低。

样本1的报价异常聚集指数在不同半径设置下均高于样本2，进一步绘制等高线图进行观察（见图3）。从图3可以发现，样本1右下区域，即评标价高技术分低的异常区域聚集程度较高，相对于样本2而言高价围标的风险更高，说明异常聚集指数的计算结果较好地测算出投标人报价异常聚集的程度，可以衡量报价异常聚集风险级别。

4 结语

本研究利用控制图算法和报价异常聚集指数算法识别招投标过程中的报价异常行为，通过筛查各项目中个体报价异常的投标人，为招标单位和监管机构提供了具体的预警信号，有助于采取进一步的审查和干预措施。同时，本研究揭示了报价异常聚集指数算法在衡量投标人抱团报价风险方面的实用价值，为管理招投标过程中的不正当竞争行为提供了一种新的分析工具，为电网等行业的招投标管理提供了科学的分析方法和决策支持，有助于提高招投标过程的效率及公平性、透明性。未来的研究可以进一步探索这些方法在不同行业和更广泛的招投标活动中的应用，以验证其普适性和有效性。

【参考文献】

【1】刘光凤，周直，许茂增，等.基于前景理论的串标、围标共谋与防共谋解析[J].系统工程，2017，35（1）：94-101.

【2】张志业.工程项目招投标串标问题探究及治理策略[J].建筑经济，2022，43（4）：10-16.

【3】夏涛，谢德体.基于信号博弈的土地使用权出让中围标“蜜罐”行为的分析[J].中国土地科学，2012，26（11）：21-26.

【4】程铁信，刘文涛，王朝阳，等.工程招标中的围标串标预警模型研究[J].天津大学学报（社会科学版），2018，20（1）：20-25.

【5】Wuyan Long，Xiaowei Wang，Yuanshu Liang，et al.Characteristics of Collusive Practices in Bidding： Mixed Methods Study in China[J].Journal of construction engineering and management，2023，149（6）：1-12.

【6】Ming Lei，Zihan Yin，Shalang Li，et al.Detecting the collusive bidding behavior in below average bid auction[C]//2017 13th International Conference on Natural Computation，Fuzzy Systems and Knowledge Discovery，2017.

【7】乔柱，刘伊生，茹建青.基于大数据的铁路工程投标企业异常行为预警研究[J].铁道科学与工程学报，2020，17（1）：250-257.