建设项目风险管理副本.ppt

隶属度的概念 用A表示隶属度，则A=（1/90%，0.5/60%，0.2/30%，0/10%) 模糊运算法则，设有模糊矩阵R和S： 并运算为两者取大 交运算为两者取小 乘积运算 第九十四页，共一百五十三页。 模糊评判的应用 施工投标项目的风险因素集U＝（商务风险，技术风险，业主信誉风险）；评价集V=（高风险，中等风险，低风险），并请10位有经验的人士对3风险因素进行分析，认为他们的整体风险影响不一，其权重为R=（0.5,0.2,0.3)，针对3种不同的风险，其专家评估的隶属度函数分别为： A商务＝（0.5/高风险，0.3/中等风险，0.2/低风险） A技术＝（0.1/高风险，0.3/中等风险，0.6/低风险） A业主信誉＝（0.2/高风险，0.4/中等风险，0.4/低风险） 由上得模糊矩阵： C＝R?S＝〔（0.5?0.5） ? （0.2 ?0.1） ? （0.3 ? 0.2），（0.5 ? 0.3） ? （0.2?0.3） ? （0.3?0.4），（0.5 ?0.2） ?（0.2 ?0.6） ? （0.3?0.4）〕 ＝〔0.5，0.3，0.3）最大值为0.5，属于中低风险投标项目 ＝（0.455，0.273，0.273）归一化处理 第九十五页，共一百五十三页。 敏感性分析 广泛应用于判断各种因素的影响程度并识别出主要因素。 敏感性是指由于特定因素变化而引起的评价目标的变动幅度。 敏感性越强，项目目标实现的风险就越大；敏感性小风险效应也相对小些。 一般在项目决策阶段的可行性研究中使用敏感性分析工程风险。 敏感性的大小一般可用敏感图来表示： 确定具体评价指标作为敏感性分析的对象。 选择需要分析的风险因素。辨识出可能影响分析目标的最关键因素作为进行敏感性分析的对象； 逐一抽取关键因素，在假定其它因素不变的情况下，给定该因素的变化幅度，并计算分析目标的变化幅度，确定项目目标对各种敏感性因素的敏感程度。 重复上一步，可以求出其它关键因素的变化情况，找出最敏感因素，对风险情况做出判断，并相应地在网状图中表示出来。 在敏感图中加入概率值，可绘出概率等高线，用蜘蛛图来表示。 第九十六页，共一百五十三页。 +20 +10 0 产品收入 建设延期 产品成本 建设成本 产品需求 变 量 -10 -10 %固有的利润率的变化 -50 +50 0 % 变量的变化 第九十七页，共一百五十三页。 蜘蛛网图——项目成本目标敏感性分析 + 参数的 百分比 变化 10 8 - 8 - 10 参数1 参数2 参数3 成本 第九十八页，共一百五十三页。 某项目固定资产投资（I0）为170000元，年销售收入（S）为35000元，年经营费用（C）为3000元，项目寿命期为10年，固定资产残值（SV）为20000元，基准收益率(ic)为13%。试就最关键的两个因素，初始投资和年销售收入，对该项目的净现值进行双因素的敏感性分析。 NPV（13%）=－170000（1+X）+35000（1+Y）（P/A,13%,10）－3000（P/A,13%,10）+20000（P/A,13%,10） 如果NPV（13%）?0，则该投资方案可盈利在13%以上。 NPV（13%）即953.16－170000X+189918.5Y ?0 化简得 Y ?0.0502+0.8951X 第九十九页，共一百五十三页。 蒙特卡罗模拟 一种通过统计试验求出近似解的数值方法,适用于多个独立的不确定风险因素，且这些因素以连续分布取值。 蒙特卡罗模拟是一种非常适用的技术，其主要原理和步骤如下： 建立风险问题的数学模型，将目标变量用一系列风险变量表达出来； 对风险变量进行风险识别和分析，确定风险因素的概率分布； 在各独立风险变量的概率分布中随机取一值，并代入数学模型计算目标变量值； 重复上述操作，得出多个目标变量值，形成对目标评估的分布。 重要风险因素 的可能值 组合成一个项目 的输入参数 计算目标变量值 作目标变量 概率分布 模拟次数 是否够 材料成本 借款利率 人力成本 房屋售价 计算目标 变量值 第一百页，共一百五十三页。 随机数据的取值 随机值要能表现风险变量的概率分布形状； 较有效的方法是逆变换法，基本步骤包括： 根据风险变量的概率分布确定累积概率分布函数； 确定风险变量累积概率分布函数的反函数； 通过随机数发生器产生一随机数； 用所产生的随机数代替累积概率分布函数值； 用累积概率分布函数值求反函数值。 均匀分布随机值的抽取 第一百零一页，共一百五十三页。 风险累积概率分布 F(x) 20 25 30