金 峰 向文武 宣 凱 汲 錚

1.東南大學(xué)國家發(fā)展與政策研究院 北京 100083；2.中石化煉化工程（集團）股份有限公司 北京 100029；3.加利福尼亞大學(xué)洛杉磯分校

近些年，隨著全球化進程的推進和國家“一帶一路”倡議的縱深發(fā)展，對外投資合作已成為中國主動融入全球化的重要方式，和實現(xiàn)互利共贏、共同發(fā)展的重要推動力。商務(wù)部統(tǒng)計數(shù)據(jù)顯示，2019 年，我國對外全行業(yè)直接投資1171.2億美元。其中，我國境內(nèi)投資者共對全球167 個國家和地區(qū)的6535家境外企業(yè)進行了非金融類直接投資，累計投資1106 億美元。在“一帶一路”沿線對56 個國家非金融類直接投資150.4 億美元，占同期總額的13.6%，主要投向新加坡、越南、老撾、印尼、巴基斯坦、泰國、馬來西亞、阿聯(lián)酋、柬埔寨和哈薩克斯坦等國家。在對外工程承包方面，我國對外承包工程業(yè)務(wù)完成營業(yè)額1729 億美元，同比增長2.3%；新簽合同額2602.5 億美元，同比增長7.6%。在“一帶一路”沿線的62 個國家新簽對外承包工程項目合同6944 份，新簽合同額1548.9 億美元，占同期我國對外承包工程新簽合同額的59.5%，同比增長23.1%；完成營業(yè)額979.8 億美元，占同期總額的56.7%，同比增長9.7%。中國對外投資與工程承包已經(jīng)成長為中資企業(yè)國際化經(jīng)營不可忽視的一個行業(yè)。

隨著對外承包工程業(yè)務(wù)的迅速發(fā)展，EPC、BOT/ PPP 模式已經(jīng)成為中國承包商承攬海外項目的主要業(yè)務(wù)模式之一。同時，中國承包商在項目經(jīng)營中所面臨的風(fēng)險變得越來越復(fù)雜，大規(guī)模成本超支與工期延誤現(xiàn)象時有發(fā)生，這對中國承包商項目風(fēng)險管理能力提出了更高要求，亟需企業(yè)兼具定性和定量風(fēng)險評估的能力。一方面，當(dāng)前國內(nèi)工程承包企業(yè)的項目風(fēng)險管理水平較低，大多數(shù)只關(guān)注風(fēng)險定性評估，對風(fēng)險量化管理關(guān)注度不夠，風(fēng)險量化管理能力較弱。另一方面，相比于歐美承包商成熟的風(fēng)險量化技術(shù)，風(fēng)險意識和方法技術(shù)的落后使得中國企業(yè)在國際工程市場競爭中處于劣勢，不能有效地評估、預(yù)測與管控風(fēng)險。因此，在國際工程項目風(fēng)險評估中開展智能化決策研究勢在必行。

1 研究現(xiàn)狀

1.1 概述

國際工程項目風(fēng)險評估主要涉及到單項目、項目群與項目組合的風(fēng)險分析、評價與控制。針對單項目風(fēng)險評估，蒙特卡羅模擬（Xingbai Gu et al. 2011；David Hillison 2003；RoyNersesian 2013；John Hollmann 2016）已經(jīng)廣泛應(yīng)用在國際工程項目風(fēng)險評估中，主要用來模擬項目的進度和費用概率分布曲線，測算工期或費用基準(zhǔn)目標(biāo)實現(xiàn)的概率，并篩選出主要的風(fēng)險因素。

2003—2016 年，美國工程成本促進協(xié)會先后編制出版了一系列工程項目風(fēng)險量化評估推薦規(guī)程，其核心思想是使用蒙特卡羅模擬技術(shù)量化進度/ 費用風(fēng)險儲備、測算漲價預(yù)備費、選擇決策樹模型等。

基于風(fēng)險量化評估思想，很多學(xué)者（Yang and Zhang 2011；孫成雙2013；陳偉珂2015）根據(jù)國際工程項目開展經(jīng)驗，總結(jié)了國際總承包項目在合同談判階段和項目執(zhí)行階段在內(nèi)的整個項目周期包含的主要風(fēng)險，分別對設(shè)計風(fēng)險、原材料價格風(fēng)險、供應(yīng)商風(fēng)險、法律法規(guī)風(fēng)險、外匯風(fēng)險和物流風(fēng)險等風(fēng)險因素進行分析，并提出相應(yīng)的對策。其中，供應(yīng)商選擇是大型工程項目風(fēng)險管理研究的熱點之一。此外，一些學(xué)者認(rèn)為（Dai and Molennar 2015），在項目早期開發(fā)階段，通過合同形式確定成本和風(fēng)險的項目交付方式有利于合同方分散風(fēng)險，提出了一種以風(fēng)險控制為導(dǎo)向的項目交付方式比選模型，來評價項目成本對項目交付方式比選的潛在影響。

工程項目群風(fēng)險評估的目的是對項目整體風(fēng)險值的排序，有些學(xué)者（Yuri Raydugin 2014）建議按照單個費用風(fēng)險排序，也有專家學(xué)者（Juliane Teller 2013；Janne Gastafasson et al. 2005）建議綜合考慮進度與費用兩個目標(biāo)對項目風(fēng)險值排序，并開發(fā)出基于SQL數(shù)據(jù)庫的商業(yè)化軟件。對于工程項目組合風(fēng)險評估，最優(yōu)化模型是一種常見的思路，經(jīng)常使用在基于一定資源約束條件下的項目優(yōu)選模型 （Rolf Olsson 2007；I.R.Bardhan et al. 2010；Hamidreza Abbasianjshrami2012；Yvan Petit2010；AlexanderKock 2016），以保障項目價值最大化的目標(biāo)。國內(nèi)一些專家（楊雪燕和羅洪2007；張嘯鋒等2011）已經(jīng)成功將這種方法在油井投資組合中使用，實現(xiàn)在一定資源約束情形下的項目組合價值最大化。另外，實物期權(quán)模型也是解決此類問題的一種常見方法，能夠有效分析項目整體價值的不確定性問題（Johnathan Mun 2009；Hyun Woo Lee et al. 2014）。

1.2 信息化

目前，市場上商業(yè)化的工程項目風(fēng)險評估系統(tǒng)與軟件比較多，開發(fā)商主要是英美軟件公司，包括Web 網(wǎng)絡(luò)化與單機版兩種類型，代表性的軟件有@Risk、Crystal Ball、Primavera Risk Analysis、Acumen、ARM(ActiveRisk Manager)(何伯森 2008；AACERInternational RPs，2007- 2016)。其中，建筑信息建模（BIM）包括BIM 3D、4D（進度維）與5D（成本維）模式（陳勇等2015；李錦華等2014），已在國內(nèi)外一些工程項目上得到實踐。BIM 的發(fā)展提供了一個可視化和信息豐富的環(huán)境對建筑風(fēng)險知識進行項目管理，已有國外專家學(xué)者（Ding et al. 2016）利用BIM 的優(yōu)勢、本體論和語義Web 技術(shù)建立了基于BIM 環(huán)境建設(shè)風(fēng)險知識的管理方法和框架的項目風(fēng)險知識管理系統(tǒng)平臺。

同時，Dillon 等（2003）開發(fā)了基于成本預(yù)算管理的項目風(fēng)險分析與管理平臺（APRAM），優(yōu)化與配置每階段預(yù)算儲備和資金。Taillandier 等（2015）提出了多智能體模型（SMACC），使用Multi- Agent 模擬和隨機方法，評估利益相關(guān)者和整個項目受到風(fēng)險因素的影響，對不同的風(fēng)險緩解策略情景分析，為領(lǐng)導(dǎo)提供靈活多變的決策支持信息。Serpell 等（2015）建立了一種基于Web 應(yīng)用程序的企業(yè)組織成熟度模型，用來評估工程公司組織風(fēng)險管理的能力，指導(dǎo)客戶或承包商提高項目風(fēng)險管理能力。

1.3 智能化

盡管基于人工智能方法的系統(tǒng)化、規(guī)范化工程項目風(fēng)險評估體系尚未建立，但圍繞著應(yīng)用人工智能理念解決風(fēng)險評估中熱點問題的研究一直在持續(xù)(Mohammad Namazi et al. 2016；M.De Beule et al. 2007；Perkgoz et al.2007；戴晗2017；馬力等2015；張明偉等2010）。

在項目風(fēng)險評估方面，神經(jīng)網(wǎng)絡(luò)與遺傳算法是應(yīng)用最廣泛的兩種算法，在國際頂尖期刊上相應(yīng)的研究多達(dá)數(shù)十篇(Francesco Costantino et al. 2015；Xiaohua- Jin et al. 2011；郭鵬等2015；馬計誠等2014）。Francesco Costantino 等(2015)使用神經(jīng)網(wǎng)絡(luò)識別出關(guān)鍵風(fēng)險因素，并結(jié)合最優(yōu)化模型，對項目組合方案進行比選。Salvatore 等（2014）使用BP 模型對數(shù)十個新建項目定性分析結(jié)果進行檢驗與預(yù)測，體現(xiàn)出BP 模型能夠有效地學(xué)習(xí)與模擬項目內(nèi)在的規(guī)律。Izabela 等（2008）應(yīng)用人工神經(jīng)網(wǎng)絡(luò)（ANN）技術(shù)探尋工程項目自身的規(guī)律，持續(xù)訓(xùn)練與學(xué)習(xí)歷史數(shù)據(jù)，結(jié)合蒙特卡羅模擬，測算出進度/ 費用聯(lián)合概率分布。

Ing. Jurgen Schwarz 等（2015）分別使用ANN、支持向量機與蒙特卡羅模擬對同一個工程項目成本進行風(fēng)險量化分析，指出ANN 與支持向量機（SVM）通過分類與學(xué)習(xí)，能夠提高風(fēng)險數(shù)據(jù)的質(zhì)量與可靠性，運算結(jié)果更優(yōu)?？锝ǔ龋?006）應(yīng)用改進遺傳算法量化分析房地產(chǎn)投資項目風(fēng)險，該方法具有自組織與自適應(yīng)等優(yōu)點，能夠提高評價的精度。另外，有些專家（Jarboui et al. 2008；許建平2009；陳德泉等1994）使用模擬退火、粒子群算法、基因算法對項目群的資源分配和工期分配進行了研究，取得了良好的效果，但尚未應(yīng)用這類方法研究風(fēng)險管理問題。

2 現(xiàn)有研究尚存不足之處

雖然國內(nèi)外一些專家學(xué)者對國際工程項目風(fēng)險評估進行了深入研究，并且在一些重大項目上展開實踐，但在風(fēng)險數(shù)據(jù)的歷史積累、機器學(xué)習(xí)和智能化風(fēng)險評估方面缺乏有效的探索，應(yīng)用上也欠缺可操作性，主要表現(xiàn)在以下幾方面：

2.1 項目歷史數(shù)據(jù)庫未得到充分挖掘

目前風(fēng)險評估的輸入變量、可能性及其影響，大多數(shù)還是通過專家的主觀判斷，并沒有充分挖掘積累的歷史數(shù)據(jù)的內(nèi)在規(guī)律。由于缺乏科學(xué)、智能化的風(fēng)險數(shù)據(jù)分析處理技術(shù)，使風(fēng)險數(shù)據(jù)資源的價值未得到充分挖掘。

2.2 項目群和項目組合風(fēng)險評估未得到高度重視

國內(nèi)外專家學(xué)者在單項目風(fēng)險評估領(lǐng)域積累了豐富的研究成果，但對項目群和項目組合風(fēng)險評估問題并沒有深入地開展研究，尚未構(gòu)建有效、具有可操作性的評估模型。

2.3 智能化、一體化的單項目、項目群和項目組合風(fēng)險評估平臺未建立

現(xiàn)有的風(fēng)險評估信息平臺和軟件主要是針對單項目風(fēng)險評估，例 如 @Risk、Primavera Risk Analysis 和Acumen 等，僅適合于項目組開展單項目風(fēng)險評估，不能滿足具有集團性質(zhì)的公司同時監(jiān)控多個不同性質(zhì)項目的風(fēng)險。例如， 同時執(zhí)行多個 EPC 與BOT/ PPP 項目時，無法實現(xiàn)分層、分級有效地應(yīng)對風(fēng)險。

3 研究框架和模型

國際項目風(fēng)險智能評估框架如圖1 所示。

圖1 國際項目風(fēng)險智能評估框架

3.1 驅(qū)動機理與傳導(dǎo)機制

通過公開的風(fēng)險數(shù)據(jù)與企業(yè)自有數(shù)據(jù)庫，引入人工智能技術(shù)對風(fēng)險數(shù)據(jù)的訓(xùn)練、機器學(xué)習(xí)，及深度機器學(xué)習(xí)，尋找風(fēng)險驅(qū)動機理，揭示風(fēng)險因素之間的因果關(guān)系及其相關(guān)關(guān)系和相互作用的機理，探索出工程項目風(fēng)險傳導(dǎo)與演化的機制。主要包括：

（1）基礎(chǔ)數(shù)據(jù)庫原型構(gòu)建。通過專家深度訪談、調(diào)查問卷和案例分析，并結(jié)合整理歐美公開的風(fēng)險數(shù)據(jù)與企業(yè)數(shù)十年的歷史數(shù)據(jù)，構(gòu)建專家意見庫與案例庫，形成項目所需要的數(shù)據(jù)庫原型。

（2） 風(fēng)險驅(qū)動機理與傳導(dǎo)機制研究。利用人工智能技術(shù)對數(shù)據(jù)不斷的訓(xùn)練、機器學(xué)習(xí)或深度機器學(xué)習(xí)，尋找國際工程項目風(fēng)險數(shù)據(jù)的內(nèi)部規(guī)律及其關(guān)聯(lián)性，并將它們作為項目風(fēng)險智能評估系統(tǒng)的輸入變量。

3.2 控制資源模型

面對復(fù)雜的國際工程項目環(huán)境，項目風(fēng)險管理控制依賴于一定的資源，主要有項目風(fēng)險決策資源和項目風(fēng)險控制資源，從根本上保障國際工程項目風(fēng)險管理控制的有效實施。

（1）項目風(fēng)險決策資源模型。數(shù)據(jù)、信息和知識是項目風(fēng)險決策的重要資源，面對國際工程項目重點研究“風(fēng)險數(shù)據(jù)→信息→知識”及時轉(zhuǎn)化的基礎(chǔ)條件和觸發(fā)機制，建立科學(xué)的項目風(fēng)險決策資源模型，保障國際工程項目風(fēng)險決策的科學(xué)性、及時性。

（2）項目風(fēng)險控制資源模型。面對國際工程項目重點研究時間、成本和績效約束環(huán)境，有效保障項目風(fēng)險控制的有效實施，以科學(xué)的項目風(fēng)險控制資源模型，保障國際工程項目風(fēng)險控制的有效性。

3.3 數(shù)據(jù)分析原理

國際工程項目風(fēng)險評估的輸入變量原始數(shù)據(jù)數(shù)量較大、種類較多，可以劃分為宏觀環(huán)境數(shù)據(jù)、中觀行業(yè)數(shù)據(jù)與微觀項目數(shù)據(jù)三大類，包括客觀歷史數(shù)據(jù)與專家經(jīng)驗主觀判斷兩大范疇，遵循分層分級的原則深入分析、處理這些原理數(shù)據(jù)，具體內(nèi)容包括：

（1） 客觀風(fēng)險數(shù)據(jù)的分析與處理。使用大數(shù)據(jù)分析、數(shù)據(jù)挖掘、金融數(shù)學(xué)和機器學(xué)習(xí)等技術(shù)探索輸入變量的內(nèi)部規(guī)律與統(tǒng)計特征，例如LIBOR 利率和貨幣匯率短期預(yù)測等，工程項目單位成本數(shù)據(jù)概率分布的擬合等，以此作為風(fēng)險智能評估的基礎(chǔ)。一般而言，這類方法較多地適用于具有歷史數(shù)據(jù)的宏觀環(huán)境與中觀行業(yè)風(fēng)險數(shù)據(jù)分析與處理。

（2） 主觀風(fēng)險數(shù)據(jù)的分析與處理。對于一些沒有客觀數(shù)據(jù)的風(fēng)險信息，只能依據(jù)專家經(jīng)驗進行分析、判斷與確定，例如政治風(fēng)險、政策風(fēng)險和天氣風(fēng)險對項目成本的影響。由于數(shù)據(jù)獲得的便利性、重要專家意見的代表性、錨效應(yīng)等諸多原因，專家意見一般不統(tǒng)一，甚至有意見相左的情況。本部分主要研究如何借助大數(shù)據(jù)分析與數(shù)據(jù)挖掘等方法降低專家意見的誤差，進一步提高輸入變量的數(shù)據(jù)質(zhì)量與精度，常適用于項目微觀風(fēng)險數(shù)據(jù)。

3.4 智能評估模型

3.4.1 單項目風(fēng)險智能評估

（1） 項目機會研究階段風(fēng)險智能評估模型：收集中央企業(yè)、進出口銀行、中信保等投資環(huán)境分析、公共安全風(fēng)險與國別風(fēng)險分析報告與歷史數(shù)據(jù)，使用數(shù)據(jù)挖掘技術(shù)和人工智能技術(shù)對項目投資國的內(nèi)外部投資風(fēng)險構(gòu)建智能模型，識別并測算出主要風(fēng)險的優(yōu)先級，并對投資環(huán)境風(fēng)險按照控制目標(biāo)進行聚類分析，模式化與固定化風(fēng)險對應(yīng)的控制措施。利用中國承包商項目進行實證分析，驗證投資環(huán)境風(fēng)險智能評估模型的有效性。

（2） 投資決策風(fēng)險智能評估模型：收集項目投資中涉及的技術(shù)風(fēng)險、經(jīng)濟風(fēng)險、市場風(fēng)險、匯率利率風(fēng)險和原料風(fēng)險等大數(shù)據(jù)，構(gòu)建知識管理數(shù)據(jù)庫，并使用數(shù)據(jù)挖掘、計量經(jīng)濟模型等算法構(gòu)建這些參數(shù)的智能模型。對于市場競爭態(tài)勢，使用博弈論與馬爾科夫鏈等智能算法總結(jié)歷史數(shù)據(jù)，構(gòu)建預(yù)測模型。在此基礎(chǔ)上，引入大氣環(huán)境風(fēng)險分析中常用的不確定性與可變性理論，構(gòu)建基于決策樹、實物期權(quán)等決策模型的二維蒙特卡羅模擬仿真技術(shù)；并結(jié)合金融學(xué)中提及的情景分析與壓力測試，測算項目投資決策所面臨的內(nèi)外部風(fēng)險，最終結(jié)合風(fēng)險承受能力做出科學(xué)的投資決策。還要利用中國承包商投資項目進行實證分析。

（3） 工程建設(shè)風(fēng)險智能評估模型：通過數(shù)百個項目的歷史數(shù)據(jù)，構(gòu)建風(fēng)險定性與定量評估的數(shù)據(jù)庫。使用ANN、混沌理論、復(fù)雜性科學(xué)與系統(tǒng)動力學(xué)等智能算法，發(fā)現(xiàn)風(fēng)險形成機理，構(gòu)建工程建設(shè)項目風(fēng)險信息數(shù)據(jù)庫；根據(jù)數(shù)據(jù)庫，建立以項目投產(chǎn)期（進度）、投資估算（費用）為主要控制目標(biāo)的風(fēng)險量化智能模型，主要包括價格、風(fēng)險儲備、價格波動、資源和進度等。并使用中國承包商正在投標(biāo)與建設(shè)的項目驗證提出的風(fēng)險量化智能模型的有效性。

3.4.2 群風(fēng)險智能評估模型

綜合考慮項目目標(biāo)耦合關(guān)系產(chǎn)生的新風(fēng)險、資源沖突和項目結(jié)構(gòu)復(fù)雜性等特征，研究項目群風(fēng)險評估智能方法。

（1） 資源有限約束沖突情形下的項目群風(fēng)險智能評估：鑒于項目群之間的單項目存在著一定的耦合與資源沖突關(guān)系，使用遺傳算法、粒子群、魚群算法及傳統(tǒng)的最優(yōu)化算法，構(gòu)建在一定資源約束情形下的項目群優(yōu)化模型，使得項目目標(biāo)最優(yōu)化。在此基礎(chǔ)上，使用中國承包商正在執(zhí)行的諸多項目進行實證分析，指出模型的有效性。

（2）項目群投資估算（成本）/投產(chǎn)期（進度）風(fēng)險智能評估：通過歷史項目知識庫，構(gòu)建基于成本與進度優(yōu)化的項目群目標(biāo)管理模型，主要使用因子分析、主成分分析與系統(tǒng)動力學(xué)，識別出項目風(fēng)險水平排序，并結(jié)合企業(yè)風(fēng)險承受能力，將企業(yè)風(fēng)險管控有限的資源應(yīng)用到最為關(guān)鍵的項目或風(fēng)險上去，再使用真實的項目進行實證分析。

3.4.3 組合風(fēng)險智能評估模型

鑒于全球固定資產(chǎn)項目投資有所萎縮，提高項目投資回報率與經(jīng)濟效益成為投資者最關(guān)心的議題?；谶@種思想，引用運籌學(xué)、人工智能、最優(yōu)化和計量經(jīng)濟等方法，建立基于一定約束條件下的項目組合風(fēng)險智能評估模型，便于優(yōu)選具有重大投資價值與效益的項目群。

3.5 信息系統(tǒng)理論框架

本部分主要研究中國承包商項目風(fēng)險量化評估信息系統(tǒng)框架，主要包括信息系統(tǒng)框架搭建、系統(tǒng)集成與實際應(yīng)用。

3.5.1 信息系統(tǒng)框架

綜合考慮風(fēng)險管理的全過程，包括目標(biāo)設(shè)定、風(fēng)險識別、風(fēng)險分析、風(fēng)險評價和風(fēng)險應(yīng)對等，構(gòu)建的信息系主要包括項目風(fēng)險評估、項目群風(fēng)險評估與項目組合風(fēng)險評估三個模塊，并附加輔助模塊：參數(shù)歷史數(shù)據(jù)庫、項目歷史數(shù)據(jù)庫、國別風(fēng)險等知識管理平臺，使用JAVA 與SQL 等技術(shù)建立綜合風(fēng)險智能信息系統(tǒng)。

3.5.2 系統(tǒng)集成模型

研究開發(fā)與國際工程項目管理系統(tǒng)BIM 和ARM 的接口，使得開發(fā)的風(fēng)險信息系統(tǒng)能夠與國際慣例與軟件系統(tǒng)直接接軌。

3.5.3 實際應(yīng)用

中國承包商使用該系統(tǒng)進行項目、項目群與項目組合風(fēng)險管理的歷史數(shù)據(jù)收集、智能分析和實踐應(yīng)用的實證分析。

4 結(jié)論

本研究將人工智能方法中的數(shù)據(jù)挖掘、大數(shù)據(jù)、最優(yōu)化和生物數(shù)學(xué)等理論方法，大規(guī)模應(yīng)用到項目風(fēng)險量化評估實踐中，綜合分析已經(jīng)完成項目的風(fēng)險信息特征，尋找內(nèi)在規(guī)律，建立適用于中國承包商的單項目、項目群和項目組合集成風(fēng)險評估智能方法，豐富傳統(tǒng)的風(fēng)險量化評估模型。在前期理論研究基礎(chǔ)上，為中國承包商工程項目風(fēng)險評估提供智能化的理論與方法，幫助中國承包商在國際化經(jīng)營中更加有效地識別、評估與應(yīng)對風(fēng)險，為項目重大決策提供智力支持。