建设的项目全面风险管理的研究.docVIP

建设的项目全面风险管理的研究 　　摘要：本文探讨了建设项目全面风险管理的具体做法，包括风险识别的内容和方法，风险估计、风险评价的内容和方法，以及风险分担的做法、各单一风险的应对措施等。 　　关键词：建设项目 风险识别 风险评估 风险应对 　　 　　1 风险识别 　　1.1 风险识别的内容 　　风险识别是整个建设项目风险管理过程中最基本、最重要的环节。其任务是了解风险的客观存在、分析风险产生的原因以及风险事件发生后的后果及影响。 　　1.2 风险识别的方法 　　1.2.1 经验分析法。也称“核查表法”，是以类似项目的历史资料作为依据，认为当前项目也存在着相同种类、相同程度的风险。这种方法较为简单，但是风险识别结果的可靠性由当前项目和历史项目的相似程度所决定。 　　1.2.2 专家调查法。具体有三种类型：专家个人判断法，头脑风暴法和德尔菲法。该方法主要是利用各领域专家丰富的专业知识和实践经验，找出各种潜在的风险并对其后果做出分析和评价。 　　1.2.3 故障树分析法。该方法是利用图解的形式，将最大的故障分解成各种小故障，或对引起故障的各类原因进行分析。例如，将建设项目完工风险分为工期延长风险，费用增加风险，质量损害风险等。该方法通常用于直接经验较少的风险辩识，通过对风险的层层分解，可以使项目管理者对风险因素有全面的认识。 　　1.2.4 敏感性分析法。该方法采用图表或曲线等形式来描述当影响项目的各种因素产生变化时，整个项目情况的变化及后果，供人们进行比较研究。此方法能够分析引起风险的关键因素及其影响。 　　2 风险评估 　　2.1 风险评估的内容 　　风险识别仅是从定性的角度去了解和认识风险因素。要把握风险，就必须在识别风险因素的基础上对其进行进一步的估计和评价。风险估计与评价主要包括以下内容： 　　2.1.1 确定单一风险因素发生的概率，通过主观或客观的方法将其明确； 　　2.1.2 估计各风险因素的风险结果，探讨各风险因素对项目目标的影响程度； 　　2.1.3 单一风险因素量化估计的基础上，考虑多种风险因素对项目目标的综合影响，评价风险的程度并提出可能的措施作为风险决策的依据。 　　2.2 风险估计的方法 　　2.2.1 蒙特卡罗(Monte Carlo)方法。也称计算机随机模拟方法，是一种基于“随机数”的计算方法。从应用看，该方法可以分为直接蒙特卡洛模拟法和间接蒙特卡洛模拟法两种。①直接蒙特卡洛模拟法。该方法是按照实际问题所遵循的概率统计规律，用电子计算机进行直接的抽样试验，然后计算其统计参数。②间接蒙特卡洛方法。当问题可以抽象为某个确定的数学问题时，应当首先建立一个恰当的概率模型，即确定某个随机事件A或随机变量X，使得待求的解等于随机事件出现的概率或随机变量的数学期望值。然后进行模拟实验，即重复多次地模拟随机事件A或随机变量X。最后对随机实验结果进行统计平均，求出A出现的频数或X的平均值作为问题的近似解。 　　2.2.2 敏感性分析法。该方法是在影响项目风险结果的众多因素中，测定其中一个或几个因素发生变化时对目标指标的影响。敏感性分析法非常重要，尤其是在缺乏资料的情况下，应用这种方法可以缩小预测误差。但是，这种方法没有考虑影响因素发生变化的概率，在分析计算中有相当大的主观随意性，因此要事先做好调查研究工作，充分注意各因素之间的相互依赖关系。 　　2.2.3 决策树法。决策树法是一种直观运用概率分析的图解方法，它具有层次清晰、不遗漏、不易错的优点。一个工程项目可能会发生各种各样的情况，在已知各种情况发生概率的条件下，通过构造决策树来估计项目风险，判断项目的可行性是十分有效的。 　　决策树由决策点、机会点、方案枝和概率枝组成。以圆圈表示决策点，然后由决策点引出若干条直线代表各种不同的情况或备选方案，通常称为方案枝，方案枝后连接一个圆圈，称为机会点，机会点后引出若干直线，称为概率枝，代表不同的状态，在概率分枝的末端列出各方案在不同状态下的损益值。如此连接而形成的一种树状结构就是决策树。利用决策树将不同的风险因素分解开来，逐项计算其概率和期望值，就可以对项目风险进行估计。 　　2.3 风险评价的方法 　　2.3.1 神经网络模型 神经网络模型是根据人工智能与模式识别中的神经网络模型，提出一种新的思路，即把项目的历史数据结合各种项目技术指标作为输入值，项目评估所依据的各种指标作为输出值，建立一个神经网络模型，将这种完善的现代算法应用于项目的风险评价中。 　　2.3.2 可拓的综合评判模型 该模型综合考虑多个风险评判因素，并分析这些评判因素的重要性程度；并根据风险特征，将风险划分为几个级别，规定各级别的记分标准。在此基础上，组织业内专家打分，再进行综合运算。 　　如：在一级风险、二