電力物資結構化招標采購下的異常報價風險識別策略

【摘 要】論文圍繞招投標過程中存在的異常報價行為展開研究，通過多種方法識別并預防這種不正當行為，以保障招投標流程的效率和公正性。研究發現，結構化標準化采購可以提高評標的客觀性和準確性，但同時可能增加投標人報價異常的風險。以電力行業為例，論文探討了技術得分與經濟得分之間的關聯，利用SPC統計控制圖和核函數模型分析了歷史招投標數據，識別個體報價異常與群體報價異常行為，為招投標監管提供了新的視角和工具，為打擊圍串標行為、維護招投標市場的健康發展提供了科學有效的方法和策略。

【關鍵詞】結構化評標；圍串標；投標風險

【中圖分類號】F274 【文獻標志碼】A   【文章編號】1673-1069（2024）04-0068-04

1 引言

招投標是企業的一種重要采購方式，能夠實現企業資源的有效配置，幫助企業尋找優秀的供應商。圍標指多個投標人之間通過私下協議一致抬高或壓低報價，使特定投標人中標。串標指招標人、招標代理機構、投標人甚至招標監管部門之間合作，通過操縱招標文件等手段，排擠其他投標人中標。圍串標的一大表現為報價異常，包括個體報價異常和群體報價異常行為，前者如在結構化評標中，投標人可通過計算各項得分，在保證中標的情況下報高價，后者如招標人與招標人之間的串標。這些行為的存在，嚴重破壞了招投標的秩序，對采購流程帶來了極大的挑戰。

當前，對于圍串標風險的研究已經引起國內外學者的廣泛關注。劉光鳳等[1]和張志業[2]分析了招投標串通形式，揭示了圍串標的產生根源及預防共謀的治理策略。夏濤等[3]利用博弈論分析了招投標中主體，即招標人、投標人、評委與監管機構的行為動機以及個體行為模式和制度發展之間的相關關系。

在個體異常行為方面，程鐵信等[4]利用灰色綜合關聯模型分析投標文件中的結構化數據，采用文本挖掘模型分析非結構化數據，計算標書的相似度。Long et al.[5]利用文本挖掘技術分析進行圍串標的投標人的行為特征。在群體異常行為識別方面，Lei et al.[6]提出一種基于網絡聚類和隨機化推理的均價競價檢測方法，用于識別潛在的供應商共謀。喬柱等[7]基于鐵路工程的招投標數據，利用社團結構檢測挖掘投標企業之間的關系，分析識別串標可能性較高的企業。

本文以投標人的技術、經濟、商務等多維評標數據為基礎，定量分析研究投標人報價異常風險，借助SPC控制圖與核函數模型分析評標數據，從個體的異常報價與報價異常聚集兩個角度識別投標人報價異常風險，防范投標人高價圍串標，避免招標企業遭受經濟損失。

2 投標風險識別策略

當前，企業推行結構化標準化采購，結構化評審模板中的評分標準明晰且客觀程度高，結構化采購降低了投標人之間的信息不對稱程度，投標人對商務分數及技術分數的計算更加準確，根據已知的評標規則可以預估出自身與競爭者的商務分與技術分，并根據預估分值計算與競爭者的分數差距，在報價時操作空間更大。意圖圍串標的投標人可能采取抱團報價行為，即尋找某個或多個陪標人報高價以提高基準價，圍串標企業根據分數預估使自己的報價靠近靶心價格，提高經濟分以高價中標，損害招標人的經濟利益。

2.1 個體異常報價識別

投標人報價高低應當與其技術能力相匹配，技術能力較差的供應商報價很高的情形顯然存在異常。本文通過研究投標人評標價與技術得分之間的匹配性，實現對個體報價異常的識別。評標價與技術得分的比值亦可以理解為性價比，即投標人對于其單位技術能力的價格衡量。SPC控制圖是一種用于監控過程穩定性和識別異常的工具。SPC控制圖的基本假設是生產過程在運行中是穩定的，在統計上沒有出現特殊原因引起的變化，其輸出在一定范圍內波動，呈現出一種可預測的模式。控制圖的上下控制限是正常變異的范圍，由樣本數據的統計特性計算得出。若觀測數據點超出控制限，需要進一步分析。

在單次招投標中，根據所有投標人的評標價與技術評分數據，計算技術經濟匹配性系數的控制上下限，具體算法如圖1所示。

第一步：對所有投標人的評標價進行標準化處理以消除量綱影響；第二步：計算各投標人的技術經濟匹配性系數；第三步：計算樣本標包中所有投標人技術經濟匹配性系數的平均值μ與標準差；第四步：根據樣本標包中投標人的數量判斷選擇k倍標準差，并計算控制上下限UCL與LCL；第五步：根據上下限的值判斷各投標人的技術經濟匹配性系數是否存在異常，識別其中技術經濟匹配性系數高于控制上限的投標人，預警存在報價異常行為。

2.2 報價異常聚集識別

投標人之間的抱團報價表現為報價的異常聚集。若投標人的報價分布中，高報價區域存在異常聚集，則可能存在高價圍標行為。為識別報價異常聚集，本文采用核密度估計來評估投標人報價之間的聚集程度，將供應商視為空間中的事件或對象，利用核密度估計的概念來理解供應商的分布情況。具體而言，選取供應商評標價與技術分兩個維度，將評標價與技術分進行標準化處理，消除量綱影響，以每個供應商為中心，畫一個固定半徑的圓，然后計算圓內包含的其他供應商的數量。這種方法可以被視為核密度估計的簡化形式，通過統計每個供應商周圍的其他供應商的數量來評估其聚集程度。假設標包中有n個投標人，投標人i的評標價與技術分分別用Ei和Ti表示，并對數據進行標準化處理：

E■■=■

T■■=■（1）

任意兩個投標人i和j之間的距離dij可以用歐幾里得距離公式來表示：

dij=■ （2）

投標人i處的報價聚集度θi的計算公式如下：

θi=∑■■I（dij≤r）-1 （3）

式中，r為圓的半徑大小；I（dij≤r）為指示函數，如果括號中的條件成立則返回1，否則返回0。

在定義報價聚集度的測算方式后，進一步設計報價異常聚集指數算法以衡量報價異常聚集風險的大小。報價異常聚集指數的計算步驟如下：

第一步：計算樣本標準化后的評標價與技術得分的中位數，表示為Em和Tm，并據此劃分4個區域，E■■>Em&T■■>Tm為高價高技術區域（HH），同理還包括低價高技術區域（LH）、低價低技術區域（LL）、高價低技術區域（HL），其中高價低技術區域（HL）屬于異常區域，即投標人技術水平低但是報價高，技術經濟不匹配。

第二步：根據式（3）計算各樣本點的報價聚集度。

第三步：根據第一步劃分的區域，以各區域中樣本點報價聚集度的峰值代表各區域報價聚集度，分別表示為θHH、θHL、θLL、θLH。報價異常聚集指數θ的計算公式如下：

θ=■ （4）

報價異常聚集指數可以反映該次項目中所有投標人的報價分布中，高價低技術區域報價聚集的嚴重程度。若指數高于30%，說明報價聚集情況較嚴重，存在高價圍標的情況，評標委員可進一步辨別是否存在圍串標行為。

3 算例分析

3.1 數據來源

本文的數據來源于NF電網貨物類招標采購2021-2023年的歷史評標數據，根據采購物資的頻率和采購金額占比，選取計量表箱、10 kV隔離開關、PT接口屏3個品類共60個招標采購項目，包含1 393條評分數據。所有樣本的評標方式均為綜合評估法，即從供應商的商務、技術、經濟等多維因素綜合評價。

3.2 算例結果

將標準化后的數據導入控制圖算法模型中，計算所有樣本的技術經濟匹配性系數與控制上下限，識別各樣本中是否存在報價異常投標人。檢驗發現，60個樣本中有31個樣本經檢測發現存在報價異常的投標人，篩查出所有樣本中的報價異常的投標人，異常占比為2.51%。

任選其中兩個樣本展示具體測算結果，利用上述算法對樣本中所有投標人進行匹配性判斷，識別報價異常投標人，測算結果如表1所示。

根據樣本控制圖結果繪制樣本的匹配系數控制圖，如圖2所示。樣本1共24家供應商，無供應商在控制界限外，未發現報價異常的投標人。樣本2的匹配系數控制圖顯示，綜合排名最后的公司技術經濟匹配系數超過控制上限，該投標人報價異常高，存在串標嫌疑。

應用報價異常聚集指數算法，計算60個樣本的報價異常聚集指數，測算半徑分別為7.5%、10%、12.5%。根據計算結果，半徑設置為7.5%、10%時，60個樣本中僅一個樣本的報價異常聚集指數超過0.3，半徑設置為12.5%時，檢測出兩個異常樣本。其中，同一樣本標的在半徑設置為10%與12.5%的情形下均被檢測出存在報價異常聚集現象，推測該項目標的中可能存在高價圍標行為。

表2展示了樣本1和樣本2在不同半徑設置下的報價異常聚集指數測算結果，發現在不同半徑設置下，兩樣本的報價異常聚集指數均未達到預警值0.3，說明兩樣本中投標人抱團報價以實施高價圍標的風險較低。

樣本1的報價異常聚集指數在不同半徑設置下均高于樣本2，進一步繪制等高線圖進行觀察（見圖3）。從圖3可以發現，樣本1右下區域，即評標價高技術分低的異常區域聚集程度較高，相對于樣本2而言高價圍標的風險更高，說明異常聚集指數的計算結果較好地測算出投標人報價異常聚集的程度，可以衡量報價異常聚集風險級別。

4 結語

本研究利用控制圖算法和報價異常聚集指數算法識別招投標過程中的報價異常行為，通過篩查各項目中個體報價異常的投標人，為招標單位和監管機構提供了具體的預警信號，有助于采取進一步的審查和干預措施。同時，本研究揭示了報價異常聚集指數算法在衡量投標人抱團報價風險方面的實用價值，為管理招投標過程中的不正當競爭行為提供了一種新的分析工具，為電網等行業的招投標管理提供了科學的分析方法和決策支持，有助于提高招投標過程的效率及公平性、透明性。未來的研究可以進一步探索這些方法在不同行業和更廣泛的招投標活動中的應用，以驗證其普適性和有效性。

【參考文獻】

【1】劉光鳳，周直，許茂增，等.基于前景理論的串標、圍標共謀與防共謀解析[J].系統工程，2017，35（1）：94-101.

【2】張志業.工程項目招投標串標問題探究及治理策略[J].建筑經濟，2022，43（4）：10-16.

【3】夏濤，謝德體.基于信號博弈的土地使用權出讓中圍標“蜜罐”行為的分析[J].中國土地科學，2012，26（11）：21-26.

【4】程鐵信，劉文濤，王朝陽，等.工程招標中的圍標串標預警模型研究[J].天津大學學報（社會科學版），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】喬柱，劉伊生，茹建青.基于大數據的鐵路工程投標企業異常行為預警研究[J].鐵道科學與工程學報，2020，17（1）：250-257.