國際工程水利EPC項目經濟效益指標預警模型

嚴華東,顏家勇,李世忠,李欣蓬

(1.河海大學商學院,江蘇 南京 211100; 2.中國水利水電第十四工程局有限公司,云南 昆明 650041)

風險是國內企業實施“走出去”戰略遇到的關鍵問題之一,“走出去”的企業需要能安全地“走回來”,否則企業發展將受到嚴重威脅,甚至會危及企業的生存。在設計、采購、施工(Engineering,Procurement,Construction,EPC)模式中,承包商不但要負責設計、采購、施工、試運行等工作,還要承擔國際工程水利EPC項目語言、法律、清關等特有的工作,承包人的責任、義務和風險大大增加,承包人幾乎要承擔水利EPC項目的所有風險。可見,國際工程水利EPC項目的風險管理顯得尤為重要,風險管理的好壞直接關系到企業在國際市場的競爭力以及企業本身的盈虧,而利潤是直接衡量企業風險管理能力的指標,也是國際工程水利EPC項目風險預警的重中之重。

風險預警是風險管理發展的一個新階段,它是主動型的集成風險管理。經過40多年的發展,風險預警研究已形成體系化[1]。廣義的風險預警包括風險識別,風險評估,風險控制和風險應對等,狹義的風險預警是指在風險監測和預測的基礎上進行的風險警報。風險預警的方法眾多,比較典型的方法包括強模糊支持向量機、模糊評價、SV模型和KLR信號分析、BP神經網絡、貝葉斯網絡等,這些方法的應用范圍主要集中在金融管理、財務管理、氣象管理等領域[2-12]。目前,有關國際工程水利EPC項目的風險預警研究非常有限,并且這些研究主要依賴于工程管理人員的經驗,側重于定性研究。

本文采用狹義的風險預警概念,即在風險監測和預測的基礎上進行風險預警,國際工程水利EPC項目風險預警分級擬參考氣象部門的臺風預報分級。利潤是國際工程水利EPC項目的關鍵經濟效益指標,本文以利潤指標為例,采用貝葉斯網絡分析國際工程水利EPC項目的經濟效益指標風險。通過對國際工程水利EPC項目的利潤增減概率進行定量化分析,按各因素對利潤最終影響程度將預警等級分為綠、藍、黃、橙、紅5類,為風險控制提供依據。

1 國際工程水利EPC項目利潤形成機理分析

國際工程水利EPC項目的利潤等于合同價格(中標價)與成本之差,如果一切按項目計劃發生,沒有風險事件發生,即合同價格不調整,成本費用也不變化,那么利潤是定值,不會發生變化,此時無須進行預警。事實上,理想狀態不可能發生,即國際工程水利EPC項目風險事件時有發生,由于索賠和工程變更事件的存在,合同價格和成本都會發生變化,從而導致國際工程水利EPC項目利潤的變化。

1.1 利潤調整情形分析

根據FIDIC合同銀皮書(設計采購施工/交鑰匙工程合同文件)通用合同條款,分析各風險事件對國際工程水利EPC項目成本、合同價格和利潤的影響情況,見表1。

表1 FIDIC合同中國際工程水利EPC項目費用利潤可調整情況

注:“√”為可調整FIDIC合同條款中國際工程水利EPC項目費用、利潤、合同價格。

由表1可知,影響成本變化和合同價格以及影響國際工程水利EPC項目利潤的合同風險事件可以分為以下3種情況。

a.成本變化,合同價格予以調整。因工程索賠(包括反索賠)和工程變更事件發生導致成本增加或減少,此時,根據合同條款的約定,合同價格予以調整,此時,成本變化已在合同價格調整中得到體現。在這種情況下,工程索賠(包括反索賠)和工程變更事件不會導致利潤的變化。表1中的第4.24、8.9、11.4、13.5、13.7、13.8、17.4和18.1等條款不會影響利潤的變化。

b.成本變化,合同價格不予調整。有些風險事件的發生會導致成本變化,但根據FIDIC合同條款的規定,合同價格不能調整。此時,工程索賠事件和變更事件發生后,只予以費用補償。表1中的第4.2、7.5、7.6、8.6、8.7、11.11、12.3、14.8和19.4等條款只予以費用補償,合同價格不能調整。

c.利潤增加,合同價格予以調整。有些風險事件發生后,根據FIDIC合同條款的規定,合理利潤應計入合同價格,此時允許調整合同價格。表1中的第2.1、7.4、10.3、11.8、12.2、12.4、16.1等條款允許增加利潤,同時允許調整合同價格。

1.2 利潤

國際工程水利EPC項目的利潤水平受合同價格(中標價)、成本、合同價格調整額、索賠額等因素的影響,國際工程水利EPC項目的利潤計算公式如下:

利潤=合同價格(中標價)-成本±合同價格調整額±索賠額

(1)

式中:合同價格為合同中約定的中標價格;成本為包括前期階段成本、設計階段成本、采購階段成本、施工階段成本、后期成本等;合同價格調整額為按照合同約定的調整價格;索賠額為按照合同約定,承包人向發包人索賠的金額。

由式(1)可知,合同價格(中標價)、成本、合同價格調整額、索賠額是影響利潤的因素,從而成了形成風險的根源,也是利潤預警的重點。為此,根據FIDIC合同中影響利潤的條款,抽象成若干風險事件,考慮單一風險事件和多風險事件同時發生時的利潤增減概率。

2 利潤預警模型的構建

2.1 貝葉斯網絡

貝葉斯理論源于英國學者貝葉斯(Thomas Bayes)于1763年在英國皇家學會哲學學報上發表的論文“論有關機遇問題的求解”[13];貝葉斯網絡于1986年由Peari[14]提出,它在處理不確定性問題和風險管理方面應用廣泛,包括故障預測、收視率預測、能力評價等。筆者將貝葉斯網絡與國際工程水利EPC項目風險事件相結合,采用貝葉斯網絡處理利潤預警問題。

2.1.1 貝葉斯網絡的概念

貝葉斯網絡是圖論與概率論相結合的產物,它用有向無圈圖定性描述了各變量之間的相互作用關系。貝葉斯網絡如圖1所示。

圖1 貝葉斯網絡示意圖

在圖1中,每個節點均代表一個隨機變量,節點間的有向弧則代表了隨機變量之間的條件因果關系,它由原因節點指向結果節點。節點之間的條件依賴關系通過概率加以確定,稱為節點間的聯合條件概率。貝葉斯網絡用概率論中條件概率的概念來刻畫有向無圈圖的兩個節點,每個節點事件隨機變量擁有一個概率分布。如圖1所示，X1節點和X3節點指向X2節點，稱X1和X3為X2的父節點，X2為X1和X3的子節點，子節點X2記為ω(X2)。P(X2|X1,X3)表示在X1和X2條件下的X3條件概率。

圖2 FIDIC合同條件影響利潤的風險事件

2.1.2 貝葉斯網絡的計算

假設貝葉斯網絡中的變量為X1,X2,…,Xn,若ω(Xi),Xi與{X1,X2,…,Xn}中的其他變量條件獨立,那么聯合概率分布為

(2)

其中,當ω(Xi)=?時,P(Xi|ω(Xi))即是邊緣分布P(Xi)[15]。

利用貝葉斯網絡可以容易地求解節點的后驗概率。先驗概率和后驗概率是相對于某組證據而言的。設X,Y為兩個隨機變量,X=x為某一假設,Y=y為一組證據,在考慮證據Y=y之前,對事件X=x的概率估計P(X=x)成為先驗概率。而在考慮證據之后,對X=x的概率估計P(X=x|Y=y) 成為后驗概率。貝葉斯定理給出了先驗概率與后驗概率之間的關系,即貝葉斯公式:

(3)

式中:P(X=x,Y=y)是X=x∧Y=y的聯合概率;P(X=x)為先驗概率;P(X=x|Y=y)是A的后驗概率,且如果X,Y互相獨立,則P(X=x|Y=y)=P(X=x);P(Y=y|X=x)為A的似然率[15]。

2.2 基于貝葉斯網絡的利潤預警模型

預警依賴于監測,監測離不開指標[16]。通過分析FIDIC合同條件影響經濟效益指標的風險事件,構建預警指標,以利潤為例,構建基于貝葉斯網絡的利潤預警模型,如圖2所示。

在分析風險事件對利潤影響的基礎上,分析單一風險事件和多風險事件發生時,利潤的增減概率。風險事件分為兩類:一類是事件已經發生,對利潤產生的影響是確定的,此時,可以通過定量計算得到實際結果,例如土方超挖100萬m3產生的費用、二次搬運費、法律調整最低工資等事件;另一類是事件的發生不確定,存在著發生的隨機性,此時,需要利用專家法,對利潤的影響進行綜合評估。

對于第二類風險事件,設影響利潤的風險事件為R1,R2,…,Rn,則利潤增減概率為P(π|R1,R2,…,Rm)(1≤m≤n),此時認為風險事件是可以窮盡的。

2.2.1 單一風險事件的利潤增減概率

單一風險事件對利潤影響的概率評估相對簡單,只要考慮單一風險事件的發生概率。當單一風險事件Rn存在時,概率為P(π)=P(Rn)。

2.2.2 多風險事件的利潤增減概率

多風險事件對利潤影響的概率相對比較復雜,要考慮多個風險事件同時產生作用時所產生的影響。多風險事件對利潤影響概率呈現出非疊加性規律[9],因此,不能將各風險事件對利潤的影響加以簡單相加,而應考慮多風險事件存在時所產生的系統性影響。為此,引入貝葉斯網絡,對各風險事件對利潤所產生的影響加以綜合考慮。從條件概率角度分析,在多風險事件R1,R2,…,Ri(1≤i≤n)同時存在的條件下,利潤π增減的概率為P(π)=P(π|R1,R2,…,Ri)。

2.3 風險預警等級與措施

2.3.1 風險預警等級

在監測和預測風險事件的基礎上,參考氣象部門的臺風預報分級,按各風險事件對利潤最終影響程度,將預警等級分為綠、藍、黃、橙、紅5類,據此分別采取相應措施,如表2所示。

表2 利潤預警等級的劃分

2.3.2 預警響應措施

在確定風險事件的利潤預警等級后,要根據不同的利潤預警采取對應的風險響應措施,如表3所示。

表3 預警響應措施

a.當利潤處于綠色預警階段時,說明利潤處于正向變動、盈利增加狀態,只需持續關注即可。

b.當利潤處于黃色和藍色階段時,說明利潤處于負向變動,盈利持續減少,此時,應予以嚴密監控,鎖定風險事件,尋找風險來源,為后續采取措施做準備。

c.當利潤處于橙色階段時,說明橙色預警要比黃色預警嚴重得多,資源分配時應向采取橙色預警的風險事件傾斜。

d.當利潤處于紅色預警階段,應該將工作重心放在處理紅色預警風險事件上,必須果斷采取措施,減少損失大小和影響范圍。

3 案例分析

3.1 案例背景

斯里蘭卡M水庫工程為國際工程水利EPC項目,合同價為2.52億美元,采用固定總價合同,計劃于2015年12月21日首臺機組投產發電。本文以該國際工程水利EPC項目的某分部工程為例,說明利潤預警。該分部工程的貝葉斯風險事件見圖3。

圖3 某分部工程貝葉斯風險事件

3.2 風險事件分析

事件1(q1):匯率變化。2012年7月26日簽訂合同時,外匯市場1美元兌換6.338 1元人民幣,財務人員預測工程結算時外匯市場1美元兌換6.071 2元人民幣。

事件2(q2):工程量增加。在工程施工期間,發現由于勘察設計資料使用有誤,導致土方工程量增加,原土方開挖量為30萬m3,實際土方開挖量為90萬m3。

事件3(q3):雨季措施費。斯里蘭卡夏季持續暴雨天氣,投標時未充分考慮雨季施工措施費和風險預備費。

事件4(q4):材料價格。混凝土、鋼筋、砂石等材料價格持續上漲,超過材料的預算單價。

事件5(q5):員工積極性。當地員工積極性差,出勤率低,同時,多日暴雨將導致工程進度延誤,導致趕工措施費增加。

筆者采用專家法中常用的頭腦風暴法,即邀請國際工程管理專家3人、公司海外事業部人員3人和項目部人員4人組成風險管理小組,對斯里蘭卡M水庫工程的風險管理工作進行調研、熟悉和分析,通過多輪討論,集思廣益,各自對風險事件進行專家打分,通過加權平均,得到各風險事件可能發生的概率和相應的條件概率。經整理得到各風險事件的發生概率為事件1為0.8，事件2為0.3，事件3為0.5，事件4為0.6，事件5為0.7，其中事件4和事件5的條件概率分布見表4。

3.3 貝葉斯網絡的預警模型

監測結果顯示,事件2(工程量增加)已經發生,經測算,影響利潤70%,參照表2和表3,此時應立即啟動紅色預警。紅色預警是最高級別預警,此時,應集中精力和資源,果斷采取措施,盡可能使損失最小。

由于受中國綜合國力的增強和世界經濟形勢的影響,人民幣持續升值,而本項目合同約定80%的工程款以美元結算,項目部邀請專家對此事件影響利潤進行評估。專家預測,此風險事件發生后對利潤的影響為30%,參照表2和表3,此時應為黃色預警,嚴密監控,并采取相應措施。

當風險事件4(材料價格)和風險事件5(員工積極性)同時存在時,條件概率的分布見表4。

表4 某分部工程的條件概率

事件A、B、C的概率由式(2)和式(3)計算得

同理得到:P(B)=0.499 6

P(C)=0.187 2

經分析可知,當風險事件4(材料價格)和風險事件5(員工積極性)同時發生時,對利潤產生的影響程度在10%～20%之間的概率為0.499 6,可以啟動橙色預警(表2),實施風險響應措施,縮小風險可能造成的損失大小和范圍。

4 結 語

國際工程水利EPC項目風險因素多,影響項目利潤的風險事件分布廣泛,工程實踐需要對利潤加以預警。可以參照氣象預報中的預警等級劃分,利用貝葉斯網絡對國際工程水利EPC項目的利潤進行預警,從而獲得利潤變動在某一幅度內的概率,可以為決策提供依據。

國際工程水利EPC項目風險事件對利潤的影響可分為單一風險事件和多風險事件影響,貝葉斯網絡在分析多風險事件同時存在時對利潤的影響中作用明顯,顯示出貝葉斯網絡的優勢。

對斯里蘭卡M水庫工程項目建設過程中的風險事件進行監測和預測,充分利用專家和工程實踐人員的經驗,識別出該項目某分部工程實施階段的風險事件,使用貝葉斯網絡對該項目進行全過程全方位的風險預警,實現定性與定量相結合,擺脫了過去僅靠工程管理人員經驗的情況。實踐證明,斯里蘭卡M水庫工程項目的風險事件對經濟效益指標的影響得到了實時動態控制。

本文對利潤的多風險事件預警是以利潤風險的非疊加性為前提的,關于多風險事件對利潤的作用機理需要進一步研究。

參考文獻：

[1] 鄧愛民,任紅強,王曉明,等.風險預警體系研究述評[J].現代管理科學,2008(2): 67-69.

[2] 楊志民,梁靜,劉廣利.強模糊支持向量機在稻瘟病氣象預警中的應用[J].中國農業大學學報,2010,15(3): 122-128.

[3] 張曉琦.SVM算法在高新技術企業財務危機預警模型中的應用研究[J].科技管理研究,2010(6): 147-149.

[4] 遲國泰,馮雪,趙志宏.商業銀行經營風險預警模型及其實證研究[J].系統工程學報,2009(4): 408-416.

[5] 遲國泰,劉軼芳,余方平.基于SV模型和KLR信號分析的期貨逼倉風險預警模型[J].系統工程,2006(7): 21-30.

[6] 張蘭霞,周蓉姿,王俊.基于BP網絡de企業營銷風險預警模型[J].管理評論,2004(7): 21-28.

[7] 秦迎林,李紅艷.基于BP神經網絡的第三方物流資源整合風險預警模型[J].統計與決策,2009(7): 31-33.

[8] 李長坤,王秀海.基于BP神經網絡的供應鏈知識共享風險預警體系研究[J].科技管理研究,2009(4): 191-193.

[9] 劉俊艷,王卓甫.工程進度風險因素的非疊加性影響[J].系統工程理論與實踐,2011(8): 1517-1523.

[10] 蔣天穎,豐景春.基于貝葉斯網絡的工程項目經理勝任力評價研究[J].科技管理研究,2010(1): 58-60.

[11] 王雙成,唐海燕,劉喜華.用于風險管理的貝葉斯網絡學習[J].控制與決策,2007(5): 569-572.

[12] 陸靜,王捷.基于貝葉斯網絡的商業銀行全面風險預警系統[J].系統工程理論與實踐,2012(2): 225-235.

[13] 朱慧明,林靜.貝葉斯計量經濟模型[M].北京:科學出版社,2009.

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

[15] 張連文,郭海鵬.貝葉斯網絡引論[M].北京:科學出版社,2006.

[16] 肖利民.國際工程承包風險預警系統的實證研究[J].管理科學,2006(5): 75-82.