【文章內容簡介】 序列。 （ 10） 給出風險識別報告 每進行一次項目風 險的識別，都要在最后給出一份風險識別報告。該報告不但要包括工程項目現(xiàn)有風險的清單，而且要有風險的分類、原因分析和說明、風險后果及其價值量的表述，以及全部風險的控制優(yōu)先序列等內容。 對于這套風險識別方法需要特別說明的是，這種風險識別與分析不是一次性的，而是反復不斷重復進行的。每過一定的階段，工程項目造價管理人員都需要對項目風險進行一次識別與分析，以識別和發(fā)現(xiàn)新的風險。這種重復不斷的風險識別分析需要一直堅持到項目的最后階段。 上述這套項目風險識別方法的根本目的是要找出項目的全過程和活動中所存在的各種風險，以便為 工程項目的風險事件控制和風險性造價的控制提供有關項目風險、風險后果的嚴重程度、風險成因和風險進程等方面的信息與判斷依據。 四、 工程造價風險評估 對工程的風險性造價進行估計是指在風險識別的基礎上，對工程項目實施過程中造價所存在的風險進行量化，確定這些風險可能的影響程度，客觀的予以衡量，以便于進一步對風險進行評價決策。 工程造價風險評估有以下幾種方法： （一） 概率分析法 同一事件在不同條件下所形成的概率變化狀況是用概率分布來描述的，確定了風險事件的概率分布，就能估計風險事件發(fā)生的概率、計算風險事件后果的數(shù)學期望和 方差等。 概率分析的步驟如下： （ 1）任選一個不確定性因素為隨機變量，將這個不確定因素的各種可能結果一一列出，并分別計算各種可能結果的造價； （ 2） 分別計算各種可能結果出現(xiàn)的概率，概率的計算一般要在過去統(tǒng)計資料上進行， 也可以根據項目管理人員的經驗得到主觀概率； （ 3） 根據以上資料，計算在不確定因素下的造價期望值； （ 4） 計算方差和標準差； （ 5） 綜合期望值、方差和標準差，確定項目在一定造價范圍內完成的可能性。一般說來，在正態(tài)分析條件下 E（ yi） 士 σ的可能性為 %； E（ yi） 士 2σ的可能性為 %； E（ yi） 士 3σ的可能性為 %。 （二） 蒙特卡羅模擬法 1． 蒙特卡羅模擬法原理 蒙特卡羅 （ Monte Carlo, MC） 方法亦稱為隨機模擬 （ Random simulation） 方法，有時也稱作隨機抽樣 （ Random sampling） 技術或統(tǒng)計試驗 （（ Statistical testing） 方法。 如果風險事件的風險后果 y與風險因素 x1, x2,…, xm 等有關，可以將風險后果用數(shù)學模型y=φ（ x1, x2,…, xm） 表示。若通過分析已求得各隨機變量 x1, x2,…, xm 的概率分布，并且風險因素 x1, x2,…, xm 是相互獨立的或是完全相關時： （ 1）根據已求得的風險因素 x1, x2,…, xm 的概率密度 f1（ x1） , f2（ x2） ,…, fm（ xm） ,在計算機上分別產生符合這些分布的隨機數(shù)列 {x11, xi2,…, xjm}（ i=1,2,…, n）； （ 2） 將上述隨機抽樣得到的 n 組隨機數(shù)帶入風險后果數(shù)學模型可計算得到風險后果值，得 n 個數(shù)： （ 3） 當 n較大時，即可利用求得的 y1, y2,…, y n，進行統(tǒng)計分析，計算出該風險后果的統(tǒng)計特征量 （ 均值、方差和概率分布 ） 。 2． 應用蒙特卡羅的步驟 將 Monte Carlo 應用于造價風險管理，可以將目標變量設定為一模擬造價值。數(shù)學模型用由子項目求和生成總造價的計價程序來表示，模型中主要風險變量定義為可發(fā)生風險的子工作項目。每個風險變量的風險結果及其相應的概率值均可用一具體的概率分布來描述，然后利用隨機數(shù)發(fā)生器來產生隨機數(shù)，再根據這一隨機數(shù)在各風險變量的概率分布中隨機取一值。當各風險變量的取值確定后，目標變量就可根據所建立的模擬模型計算得出。這樣重復N 次，便可得到 N 組目標變量值，即風險性造價的概率分布。具體實施步驟如下： （ 1） 目標分解 對于一個項目的模擬，首先 要將項目分解為許多工作或工作包； （ 2） 概率尋找 尋找每個工作或工作包地造價分布概率。確定實際概率分布是非常困難的，需要大量的歷史數(shù)據和有關信息，在統(tǒng)計資料不足的情況下，做到這一點非常不容易。在實踐中，經常用到簡化概率分布的方法，并以均勻分布、三角分布、正態(tài)分布最為常用。 （ 3） 計算機模擬繪制直方圖 1） 從每一個分布中產生一個隨機數(shù)，在 到 之間。這項工作可以通過計算機中的隨機數(shù)發(fā)生器來實現(xiàn)。 2） 本 書 隨機變量的抽樣采用了直接抽樣方法，即把已取得的偽隨機數(shù) r，通過給定的抽樣模型，使偽隨機數(shù) r 變?yōu)榻o定分布的隨機變量的樣本。常用概率分布的抽樣公式見表 3） 根據數(shù)學模型，計算本隨機數(shù)對應的造價風險值。 4） 再返回第 1 步，重復 N 次， N 可以為上千次，最終得到對項目的 N 次模擬值。 5） 將 N 次模擬的結果用累計頻率曲線和直方圖來表示。 表 常用概率分布的抽樣公式 分布名稱 抽樣公式 注 （ a、 b）均勻分布 a+（ ba） r 指數(shù)分布 βlnr 正態(tài)分布 μ、 σ 分別為均值何方差 三角分布 a、 b、 c 為三角分布參數(shù) r 為 （ 0,1） 上隨機數(shù) （ 4） 結果分析 通過累計頻率分布可以考察 低于確定價格的某一值的概率，并可以通過該分布得出最可能價格出現(xiàn)的可能性是多大口 （三） GM（ 1,1） 灰色預測法 1． 灰色預測原理 20 世紀 70 年代末期，我國著名學者鄧聚龍?zhí)岢隽嘶疑到y(tǒng)理論，認為一切隨機量都是在一定范圍內、一定時段上變化的 灰色量和灰過程。對于灰色量的處理不是尋求它的統(tǒng)計規(guī)律和概率分布，而是將雜亂無章的原始數(shù)據列，通過一定的方法處理，變成比較有規(guī)律的時間序列數(shù)據，即以數(shù)找數(shù)的規(guī)律，再建立動態(tài)模型。這種模型首先對于原始數(shù)據以一定方法進行處理，其目的有二：一是為建立模型提供中間信息；二是將原始數(shù)據的波動性弱化。接下來以微分擬合為核心直接將時間序列轉化為微分方程，從而建立抽象系統(tǒng)的發(fā)展變動動態(tài)模型，即 Grey Dynamic Model，簡記為 GM。 GM （ h, n） 模型，是微分方程的時間連續(xù)函數(shù)模型，括號中的 h 表示微分方程的階數(shù)， n 表示變量的個數(shù)。當只有一個變量且 h=1 時，記為 GM（ 1,1） ，稱為單序列一階線性動態(tài)模型。 2． GM（ 1,1） 模型的建立 （ 1） 給出原始數(shù)據列，并做級比平滑檢驗 設有 m 個觀察值 X（ 1） ， X（ 2） ， …… ， X（ m） 令 σ（ i） 為 X（ i） 的級比， 若 σ（ i） ∈ （ ， ） 則表明數(shù)列是平滑的，可作數(shù)列灰色預測。 （ 2） 選定序列作一次累加 選定母序列的某一子序列作為預測對象的歷史發(fā)展時間序列 X（ 0） （ i） （ i=1,2,…, n,4≤n≤m ） ，并對其進行一次累加生成得到新的數(shù)列 X（ 1） （ 3） 構造系數(shù)矩陣 B, Yn 對于 GM（ 1， 1） 模型，其微分方程可簡化為： 以向量的形式表示微分方程的系數(shù) a、 u，則系數(shù)向量 226。為： 226。=[a, u]T 對方程展開可得： 累加矩陣 B 和 Yn分別為： Yn=[X （ 0） （ 2） , X （ 0） （ 3） ,…