國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)智能評(píng)估研究框架

金 峰 向文武 宣 凱 汲 錚

1.東南大學(xué)國(guó)家發(fā)展與政策研究院 北京 100083；2.中石化煉化工程（集團(tuán)）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(jìn)程的推進(jìn)和國(guó)家“一帶一路”倡議的縱深發(fā)展，對(duì)外投資合作已成為中國(guó)主動(dòng)融入全球化的重要方式，和實(shí)現(xiàn)互利共贏、共同發(fā)展的重要推動(dòng)力。商務(wù)部統(tǒng)計(jì)數(shù)據(jù)顯示，2019 年，我國(guó)對(duì)外全行業(yè)直接投資1171.2億美元。其中，我國(guó)境內(nèi)投資者共對(duì)全球167 個(gè)國(guó)家和地區(qū)的6535家境外企業(yè)進(jìn)行了非金融類直接投資，累計(jì)投資1106 億美元。在“一帶一路”沿線對(duì)56 個(gè)國(guó)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(guó)、馬來(lái)西亞、阿聯(lián)酋、柬埔寨和哈薩克斯坦等國(guó)家。在對(duì)外工程承包方面，我國(guó)對(duì)外承包工程業(yè)務(wù)完成營(yíng)業(yè)額1729 億美元，同比增長(zhǎng)2.3%；新簽合同額2602.5 億美元，同比增長(zhǎng)7.6%。在“一帶一路”沿線的62 個(gè)國(guó)家新簽對(duì)外承包工程項(xiàng)目合同6944 份，新簽合同額1548.9 億美元，占同期我國(guó)對(duì)外承包工程新簽合同額的59.5%，同比增長(zhǎng)23.1%；完成營(yíng)業(yè)額979.8 億美元，占同期總額的56.7%，同比增長(zhǎng)9.7%。中國(guó)對(duì)外投資與工程承包已經(jīng)成長(zhǎng)為中資企業(yè)國(guó)際化經(jīng)營(yíng)不可忽視的一個(gè)行業(yè)。

隨著對(duì)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(guó)承包商承攬海外項(xiàng)目的主要業(yè)務(wù)模式之一。同時(shí)，中國(guó)承包商在項(xiàng)目經(jīng)營(yíng)中所面臨的風(fēng)險(xiǎn)變得越來(lái)越復(fù)雜，大規(guī)模成本超支與工期延誤現(xiàn)象時(shí)有發(fā)生，這對(duì)中國(guó)承包商項(xiàng)目風(fēng)險(xiǎn)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(xiǎn)評(píng)估的能力。一方面，當(dāng)前國(guó)內(nèi)工程承包企業(yè)的項(xiàng)目風(fēng)險(xiǎn)管理水平較低，大多數(shù)只關(guān)注風(fēng)險(xiǎn)定性評(píng)估，對(duì)風(fēng)險(xiǎn)量化管理關(guān)注度不夠，風(fēng)險(xiǎn)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(xiǎn)量化技術(shù)，風(fēng)險(xiǎn)意識(shí)和方法技術(shù)的落后使得中國(guó)企業(yè)在國(guó)際工程市場(chǎng)競(jìng)爭(zhēng)中處于劣勢(shì)，不能有效地評(píng)估、預(yù)測(cè)與管控風(fēng)險(xiǎn)。因此，在國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)評(píng)估中開(kāi)展智能化決策研究勢(shì)在必行。

1 研究現(xiàn)狀

1.1 概述

國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)評(píng)估主要涉及到單項(xiàng)目、項(xiàng)目群與項(xiàng)目組合的風(fēng)險(xiǎn)分析、評(píng)價(jià)與控制。針對(duì)單項(xiàng)目風(fēng)險(xiǎn)評(píng)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(guó)際工程項(xiàng)目風(fēng)險(xiǎn)評(píng)估中，主要用來(lái)模擬項(xiàng)目的進(jìn)度和費(fèi)用概率分布曲線，測(cè)算工期或費(fèi)用基準(zhǔn)目標(biāo)實(shí)現(xiàn)的概率，并篩選出主要的風(fēng)險(xiǎn)因素。

2003—2016 年，美國(guó)工程成本促進(jìn)協(xié)會(huì)先后編制出版了一系列工程項(xiàng)目風(fēng)險(xiǎn)量化評(píng)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(jìn)度/ 費(fèi)用風(fēng)險(xiǎn)儲(chǔ)備、測(cè)算漲價(jià)預(yù)備費(fèi)、選擇決策樹(shù)模型等。

基于風(fēng)險(xiǎn)量化評(píng)估思想，很多學(xué)者（Yang and Zhang 2011；孫成雙2013；陳偉珂2015）根據(jù)國(guó)際工程項(xiàng)目開(kāi)展經(jīng)驗(yàn)，總結(jié)了國(guó)際總承包項(xiàng)目在合同談判階段和項(xiàng)目執(zhí)行階段在內(nèi)的整個(gè)項(xiàng)目周期包含的主要風(fēng)險(xiǎn)，分別對(duì)設(shè)計(jì)風(fēng)險(xiǎn)、原材料價(jià)格風(fēng)險(xiǎn)、供應(yīng)商風(fēng)險(xiǎn)、法律法規(guī)風(fēng)險(xiǎn)、外匯風(fēng)險(xiǎn)和物流風(fēng)險(xiǎn)等風(fēng)險(xiǎn)因素進(jìn)行分析，并提出相應(yīng)的對(duì)策。其中，供應(yīng)商選擇是大型工程項(xiàng)目風(fēng)險(xiǎn)管理研究的熱點(diǎn)之一。此外，一些學(xué)者認(rèn)為（Dai and Molennar 2015），在項(xiàng)目早期開(kāi)發(fā)階段，通過(guò)合同形式確定成本和風(fēng)險(xiǎn)的項(xiàng)目交付方式有利于合同方分散風(fēng)險(xiǎn)，提出了一種以風(fēng)險(xiǎn)控制為導(dǎo)向的項(xiàng)目交付方式比選模型，來(lái)評(píng)價(jià)項(xiàng)目成本對(duì)項(xiàng)目交付方式比選的潛在影響。

工程項(xiàng)目群風(fēng)險(xiǎn)評(píng)估的目的是對(duì)項(xiàng)目整體風(fēng)險(xiǎn)值的排序，有些學(xué)者（Yuri Raydugin 2014）建議按照單個(gè)費(fèi)用風(fēng)險(xiǎn)排序，也有專家學(xué)者（Juliane Teller 2013；Janne Gastafasson et al. 2005）建議綜合考慮進(jìn)度與費(fèi)用兩個(gè)目標(biāo)對(duì)項(xiàng)目風(fēng)險(xiǎn)值排序，并開(kāi)發(fā)出基于SQL數(shù)據(jù)庫(kù)的商業(yè)化軟件。對(duì)于工程項(xiàng)目組合風(fēng)險(xiǎn)評(píng)估，最優(yōu)化模型是一種常見(jiàn)的思路，經(jīng)常使用在基于一定資源約束條件下的項(xiàng)目?jī)?yōu)選模型 （Rolf Olsson 2007；I.R.Bardhan et al. 2010；Hamidreza Abbasianjshrami2012；Yvan Petit2010；AlexanderKock 2016），以保障項(xiàng)目?jī)r(jià)值最大化的目標(biāo)。國(guó)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(shí)現(xiàn)在一定資源約束情形下的項(xiàng)目組合價(jià)值最大化。另外，實(shí)物期權(quán)模型也是解決此類問(wèn)題的一種常見(jiàn)方法，能夠有效分析項(xiàng)目整體價(jià)值的不確定性問(wèn)題（Johnathan Mun 2009；Hyun Woo Lee et al. 2014）。

1.2 信息化

目前，市場(chǎng)上商業(yè)化的工程項(xiàng)目風(fēng)險(xiǎn)評(píng)估系統(tǒng)與軟件比較多，開(kāi)發(fā)商主要是英美軟件公司，包括Web 網(wǎng)絡(luò)化與單機(jī)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(jìn)度維）與5D（成本維）模式（陳勇等2015；李錦華等2014），已在國(guó)內(nèi)外一些工程項(xiàng)目上得到實(shí)踐。BIM 的發(fā)展提供了一個(gè)可視化和信息豐富的環(huán)境對(duì)建筑風(fēng)險(xiǎn)知識(shí)進(jìn)行項(xiàng)目管理，已有國(guó)外專家學(xué)者（Ding et al. 2016）利用BIM 的優(yōu)勢(shì)、本體論和語(yǔ)義Web 技術(shù)建立了基于BIM 環(huán)境建設(shè)風(fēng)險(xiǎn)知識(shí)的管理方法和框架的項(xiàng)目風(fēng)險(xiǎn)知識(shí)管理系統(tǒng)平臺(tái)。

同時(shí)，Dillon 等（2003）開(kāi)發(fā)了基于成本預(yù)算管理的項(xiàng)目風(fēng)險(xiǎn)分析與管理平臺(tái)（APRAM），優(yōu)化與配置每階段預(yù)算儲(chǔ)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(jī)方法，評(píng)估利益相關(guān)者和整個(gè)項(xiàng)目受到風(fēng)險(xiǎn)因素的影響，對(duì)不同的風(fēng)險(xiǎn)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(lái)評(píng)估工程公司組織風(fēng)險(xiǎn)管理的能力，指導(dǎo)客戶或承包商提高項(xiàng)目風(fēng)險(xiǎn)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(xiàng)目風(fēng)險(xiǎn)評(píng)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(xiǎn)評(píng)估中熱點(diǎn)問(wèn)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(xiàng)目風(fēng)險(xiǎn)評(píng)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(guó)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(jì)誠(chéng)等2014）。Francesco Costantino 等(2015)使用神經(jīng)網(wǎng)絡(luò)識(shí)別出關(guān)鍵風(fēng)險(xiǎn)因素，并結(jié)合最優(yōu)化模型，對(duì)項(xiàng)目組合方案進(jìn)行比選。Salvatore 等（2014）使用BP 模型對(duì)數(shù)十個(gè)新建項(xiàng)目定性分析結(jié)果進(jìn)行檢驗(yàn)與預(yù)測(cè)，體現(xiàn)出BP 模型能夠有效地學(xué)習(xí)與模擬項(xiàng)目?jī)?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(xiàng)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(cè)算出進(jìn)度/ 費(fèi)用聯(lián)合概率分布。

Ing. Jurgen Schwarz 等（2015）分別使用ANN、支持向量機(jī)與蒙特卡羅模擬對(duì)同一個(gè)工程項(xiàng)目成本進(jìn)行風(fēng)險(xiǎn)量化分析，指出ANN 與支持向量機(jī)（SVM）通過(guò)分類與學(xué)習(xí)，能夠提高風(fēng)險(xiǎn)數(shù)據(jù)的質(zhì)量與可靠性，運(yùn)算結(jié)果更優(yōu)。匡建超等（2006）應(yīng)用改進(jìn)遺傳算法量化分析房地產(chǎn)投資項(xiàng)目風(fēng)險(xiǎn)，該方法具有自組織與自適應(yīng)等優(yōu)點(diǎn)，能夠提高評(píng)價(jià)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(duì)項(xiàng)目群的資源分配和工期分配進(jìn)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(xiǎn)管理問(wèn)題。

2 現(xiàn)有研究尚存不足之處

雖然國(guó)內(nèi)外一些專家學(xué)者對(duì)國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)評(píng)估進(jìn)行了深入研究，并且在一些重大項(xiàng)目上展開(kāi)實(shí)踐，但在風(fēng)險(xiǎn)數(shù)據(jù)的歷史積累、機(jī)器學(xué)習(xí)和智能化風(fēng)險(xiǎn)評(píng)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(xiàng)目歷史數(shù)據(jù)庫(kù)未得到充分挖掘

目前風(fēng)險(xiǎn)評(píng)估的輸入變量、可能性及其影響，大多數(shù)還是通過(guò)專家的主觀判斷，并沒(méi)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(xiǎn)數(shù)據(jù)分析處理技術(shù)，使風(fēng)險(xiǎn)數(shù)據(jù)資源的價(jià)值未得到充分挖掘。

2.2 項(xiàng)目群和項(xiàng)目組合風(fēng)險(xiǎn)評(píng)估未得到高度重視

國(guó)內(nèi)外專家學(xué)者在單項(xiàng)目風(fēng)險(xiǎn)評(píng)估領(lǐng)域積累了豐富的研究成果，但對(duì)項(xiàng)目群和項(xiàng)目組合風(fēng)險(xiǎn)評(píng)估問(wèn)題并沒(méi)有深入地開(kāi)展研究，尚未構(gòu)建有效、具有可操作性的評(píng)估模型。

2.3 智能化、一體化的單項(xiàng)目、項(xiàng)目群和項(xiàng)目組合風(fēng)險(xiǎn)評(píng)估平臺(tái)未建立

現(xiàn)有的風(fēng)險(xiǎn)評(píng)估信息平臺(tái)和軟件主要是針對(duì)單項(xiàng)目風(fēng)險(xiǎn)評(píng)估，例 如 @Risk、Primavera Risk Analysis 和Acumen 等，僅適合于項(xiàng)目組開(kāi)展單項(xiàng)目風(fēng)險(xiǎn)評(píng)估，不能滿足具有集團(tuán)性質(zhì)的公司同時(shí)監(jiān)控多個(gè)不同性質(zhì)項(xiàng)目的風(fēng)險(xiǎn)。例如， 同時(shí)執(zhí)行多個(gè) EPC 與BOT/ PPP 項(xiàng)目時(shí)，無(wú)法實(shí)現(xiàn)分層、分級(jí)有效地應(yīng)對(duì)風(fēng)險(xiǎn)。

3 研究框架和模型

國(guó)際項(xiàng)目風(fēng)險(xiǎn)智能評(píng)估框架如圖1 所示。

圖1 國(guó)際項(xiàng)目風(fēng)險(xiǎn)智能評(píng)估框架

3.1 驅(qū)動(dòng)機(jī)理與傳導(dǎo)機(jī)制

通過(guò)公開(kāi)的風(fēng)險(xiǎn)數(shù)據(jù)與企業(yè)自有數(shù)據(jù)庫(kù)，引入人工智能技術(shù)對(duì)風(fēng)險(xiǎn)數(shù)據(jù)的訓(xùn)練、機(jī)器學(xué)習(xí)，及深度機(jī)器學(xué)習(xí)，尋找風(fēng)險(xiǎn)驅(qū)動(dòng)機(jī)理，揭示風(fēng)險(xiǎn)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(jī)理，探索出工程項(xiàng)目風(fēng)險(xiǎn)傳導(dǎo)與演化的機(jī)制。主要包括：

（1）基礎(chǔ)數(shù)據(jù)庫(kù)原型構(gòu)建。通過(guò)專家深度訪談、調(diào)查問(wèn)卷和案例分析，并結(jié)合整理歐美公開(kāi)的風(fēng)險(xiǎn)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(jiàn)庫(kù)與案例庫(kù)，形成項(xiàng)目所需要的數(shù)據(jù)庫(kù)原型。

（2） 風(fēng)險(xiǎn)驅(qū)動(dòng)機(jī)理與傳導(dǎo)機(jī)制研究。利用人工智能技術(shù)對(duì)數(shù)據(jù)不斷的訓(xùn)練、機(jī)器學(xué)習(xí)或深度機(jī)器學(xué)習(xí)，尋找國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)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(xiàng)目風(fēng)險(xiǎn)智能評(píng)估系統(tǒng)的輸入變量。

3.2 控制資源模型

面對(duì)復(fù)雜的國(guó)際工程項(xiàng)目環(huán)境，項(xiàng)目風(fēng)險(xiǎn)管理控制依賴于一定的資源，主要有項(xiàng)目風(fēng)險(xiǎn)決策資源和項(xiàng)目風(fēng)險(xiǎn)控制資源，從根本上保障國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)管理控制的有效實(shí)施。

（1）項(xiàng)目風(fēng)險(xiǎn)決策資源模型。數(shù)據(jù)、信息和知識(shí)是項(xiàng)目風(fēng)險(xiǎn)決策的重要資源，面對(duì)國(guó)際工程項(xiàng)目重點(diǎn)研究“風(fēng)險(xiǎn)數(shù)據(jù)→信息→知識(shí)”及時(shí)轉(zhuǎn)化的基礎(chǔ)條件和觸發(fā)機(jī)制，建立科學(xué)的項(xiàng)目風(fēng)險(xiǎn)決策資源模型，保障國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)決策的科學(xué)性、及時(shí)性。

（2）項(xiàng)目風(fēng)險(xiǎn)控制資源模型。面對(duì)國(guó)際工程項(xiàng)目重點(diǎn)研究時(shí)間、成本和績(jī)效約束環(huán)境，有效保障項(xiàng)目風(fēng)險(xiǎn)控制的有效實(shí)施，以科學(xué)的項(xiàng)目風(fēng)險(xiǎn)控制資源模型，保障國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)控制的有效性。

3.3 數(shù)據(jù)分析原理

國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)評(píng)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(xiàng)目數(shù)據(jù)三大類，包括客觀歷史數(shù)據(jù)與專家經(jīng)驗(yàn)主觀判斷兩大范疇，遵循分層分級(jí)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(xiǎn)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(jī)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(jì)特征，例如LIBOR 利率和貨幣匯率短期預(yù)測(cè)等，工程項(xiàng)目單位成本數(shù)據(jù)概率分布的擬合等，以此作為風(fēng)險(xiǎn)智能評(píng)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(xiǎn)數(shù)據(jù)分析與處理。

（2） 主觀風(fēng)險(xiǎn)數(shù)據(jù)的分析與處理。對(duì)于一些沒(méi)有客觀數(shù)據(jù)的風(fēng)險(xiǎn)信息，只能依據(jù)專家經(jīng)驗(yàn)進(jìn)行分析、判斷與確定，例如政治風(fēng)險(xiǎn)、政策風(fēng)險(xiǎn)和天氣風(fēng)險(xiǎn)對(duì)項(xiàng)目成本的影響。由于數(shù)據(jù)獲得的便利性、重要專家意見(jiàn)的代表性、錨效應(yīng)等諸多原因，專家意見(jiàn)一般不統(tǒng)一，甚至有意見(jiàn)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(jiàn)的誤差，進(jìn)一步提高輸入變量的數(shù)據(jù)質(zhì)量與精度，常適用于項(xiàng)目微觀風(fēng)險(xiǎn)數(shù)據(jù)。

3.4 智能評(píng)估模型

3.4.1 單項(xiàng)目風(fēng)險(xiǎn)智能評(píng)估

（1） 項(xiàng)目機(jī)會(huì)研究階段風(fēng)險(xiǎn)智能評(píng)估模型：收集中央企業(yè)、進(jìn)出口銀行、中信保等投資環(huán)境分析、公共安全風(fēng)險(xiǎn)與國(guó)別風(fēng)險(xiǎn)分析報(bào)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(duì)項(xiàng)目投資國(guó)的內(nèi)外部投資風(fēng)險(xiǎn)構(gòu)建智能模型，識(shí)別并測(cè)算出主要風(fēng)險(xiǎn)的優(yōu)先級(jí)，并對(duì)投資環(huán)境風(fēng)險(xiǎn)按照控制目標(biāo)進(jìn)行聚類分析，模式化與固定化風(fēng)險(xiǎn)對(duì)應(yīng)的控制措施。利用中國(guó)承包商項(xiàng)目進(jìn)行實(shí)證分析，驗(yàn)證投資環(huán)境風(fēng)險(xiǎn)智能評(píng)估模型的有效性。

（2） 投資決策風(fēng)險(xiǎn)智能評(píng)估模型：收集項(xiàng)目投資中涉及的技術(shù)風(fēng)險(xiǎn)、經(jīng)濟(jì)風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、匯率利率風(fēng)險(xiǎn)和原料風(fēng)險(xiǎn)等大數(shù)據(jù)，構(gòu)建知識(shí)管理數(shù)據(jù)庫(kù)，并使用數(shù)據(jù)挖掘、計(jì)量經(jīng)濟(jì)模型等算法構(gòu)建這些參數(shù)的智能模型。對(duì)于市場(chǎng)競(jìng)爭(zhēng)態(tài)勢(shì)，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(cè)模型。在此基礎(chǔ)上，引入大氣環(huán)境風(fēng)險(xiǎn)分析中常用的不確定性與可變性理論，構(gòu)建基于決策樹(shù)、實(shí)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(cè)試，測(cè)算項(xiàng)目投資決策所面臨的內(nèi)外部風(fēng)險(xiǎn)，最終結(jié)合風(fēng)險(xiǎn)承受能力做出科學(xué)的投資決策。還要利用中國(guó)承包商投資項(xiàng)目進(jìn)行實(shí)證分析。

（3） 工程建設(shè)風(fēng)險(xiǎn)智能評(píng)估模型：通過(guò)數(shù)百個(gè)項(xiàng)目的歷史數(shù)據(jù)，構(gòu)建風(fēng)險(xiǎn)定性與定量評(píng)估的數(shù)據(jù)庫(kù)。使用ANN、混沌理論、復(fù)雜性科學(xué)與系統(tǒng)動(dòng)力學(xué)等智能算法，發(fā)現(xiàn)風(fēng)險(xiǎn)形成機(jī)理，構(gòu)建工程建設(shè)項(xiàng)目風(fēng)險(xiǎn)信息數(shù)據(jù)庫(kù)；根據(jù)數(shù)據(jù)庫(kù)，建立以項(xiàng)目投產(chǎn)期（進(jìn)度）、投資估算（費(fèi)用）為主要控制目標(biāo)的風(fēng)險(xiǎn)量化智能模型，主要包括價(jià)格、風(fēng)險(xiǎn)儲(chǔ)備、價(jià)格波動(dòng)、資源和進(jìn)度等。并使用中國(guó)承包商正在投標(biāo)與建設(shè)的項(xiàng)目驗(yàn)證提出的風(fēng)險(xiǎn)量化智能模型的有效性。

3.4.2 群風(fēng)險(xiǎn)智能評(píng)估模型

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

（1） 資源有限約束沖突情形下的項(xiàng)目群風(fēng)險(xiǎn)智能評(píng)估：鑒于項(xiàng)目群之間的單項(xiàng)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(yú)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(xiàng)目群優(yōu)化模型，使得項(xiàng)目目標(biāo)最優(yōu)化。在此基礎(chǔ)上，使用中國(guó)承包商正在執(zhí)行的諸多項(xiàng)目進(jìn)行實(shí)證分析，指出模型的有效性。

（2）項(xiàng)目群投資估算（成本）/投產(chǎn)期（進(jìn)度）風(fēng)險(xiǎn)智能評(píng)估：通過(guò)歷史項(xiàng)目知識(shí)庫(kù)，構(gòu)建基于成本與進(jìn)度優(yōu)化的項(xiàng)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(dòng)力學(xué)，識(shí)別出項(xiàng)目風(fēng)險(xiǎn)水平排序，并結(jié)合企業(yè)風(fēng)險(xiǎn)承受能力，將企業(yè)風(fēng)險(xiǎn)管控有限的資源應(yīng)用到最為關(guān)鍵的項(xiàng)目或風(fēng)險(xiǎn)上去，再使用真實(shí)的項(xiàng)目進(jìn)行實(shí)證分析。

3.4.3 組合風(fēng)險(xiǎn)智能評(píng)估模型

鑒于全球固定資產(chǎn)項(xiàng)目投資有所萎縮，提高項(xiàng)目投資回報(bào)率與經(jīng)濟(jì)效益成為投資者最關(guān)心的議題。基于這種思想，引用運(yùn)籌學(xué)、人工智能、最優(yōu)化和計(jì)量經(jīng)濟(jì)等方法，建立基于一定約束條件下的項(xiàng)目組合風(fēng)險(xiǎn)智能評(píng)估模型，便于優(yōu)選具有重大投資價(jià)值與效益的項(xiàng)目群。

3.5 信息系統(tǒng)理論框架

本部分主要研究中國(guó)承包商項(xiàng)目風(fēng)險(xiǎn)量化評(píng)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(shí)際應(yīng)用。

3.5.1 信息系統(tǒng)框架

綜合考慮風(fēng)險(xiǎn)管理的全過(guò)程，包括目標(biāo)設(shè)定、風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)評(píng)價(jià)和風(fēng)險(xiǎn)應(yīng)對(duì)等，構(gòu)建的信息系主要包括項(xiàng)目風(fēng)險(xiǎn)評(píng)估、項(xiàng)目群風(fēng)險(xiǎn)評(píng)估與項(xiàng)目組合風(fēng)險(xiǎn)評(píng)估三個(gè)模塊，并附加輔助模塊：參數(shù)歷史數(shù)據(jù)庫(kù)、項(xiàng)目歷史數(shù)據(jù)庫(kù)、國(guó)別風(fēng)險(xiǎn)等知識(shí)管理平臺(tái)，使用JAVA 與SQL 等技術(shù)建立綜合風(fēng)險(xiǎn)智能信息系統(tǒng)。

3.5.2 系統(tǒng)集成模型

研究開(kāi)發(fā)與國(guó)際工程項(xiàng)目管理系統(tǒng)BIM 和ARM 的接口，使得開(kāi)發(fā)的風(fēng)險(xiǎn)信息系統(tǒng)能夠與國(guó)際慣例與軟件系統(tǒng)直接接軌。

3.5.3 實(shí)際應(yīng)用

中國(guó)承包商使用該系統(tǒng)進(jìn)行項(xiàng)目、項(xiàng)目群與項(xiàng)目組合風(fēng)險(xiǎn)管理的歷史數(shù)據(jù)收集、智能分析和實(shí)踐應(yīng)用的實(shí)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(xiàng)目風(fēng)險(xiǎn)量化評(píng)估實(shí)踐中，綜合分析已經(jīng)完成項(xiàng)目的風(fēng)險(xiǎn)信息特征，尋找內(nèi)在規(guī)律，建立適用于中國(guó)承包商的單項(xiàng)目、項(xiàng)目群和項(xiàng)目組合集成風(fēng)險(xiǎn)評(píng)估智能方法，豐富傳統(tǒng)的風(fēng)險(xiǎn)量化評(píng)估模型。在前期理論研究基礎(chǔ)上，為中國(guó)承包商工程項(xiàng)目風(fēng)險(xiǎn)評(píng)估提供智能化的理論與方法，幫助中國(guó)承包商在國(guó)際化經(jīng)營(yíng)中更加有效地識(shí)別、評(píng)估與應(yīng)對(duì)風(fēng)險(xiǎn)，為項(xiàng)目重大決策提供智力支持。