阶段-决策模型（共7篇）
阶段-决策模型 篇1
1 概述
诺兰阶段模型对企业的信息化建设具有一定的指导意义。在系统开发的系统规划阶段, 可使用诺兰阶段模型判断企业的信息化程度。如何开发基于诺兰阶段模型的决策支持程序, 使得这一判断过程更加高效和准确, 是值得探讨的问题。
2 诺兰阶段模型简介
诺兰模型的6个阶段分别是:初装、蔓延、控制、集成、数据管理、成熟。六阶段模型反映了企业信息化建设发展的规律和其预见性, 其后被国际上许多企业的计算机应用发展情况所证实。该模型总结了发达国家信息系统发展的经验和规律, 一般认为模型中的各阶段是不能跳跃的, 可用于指导管理信息系统的系统规划。
3 逐阶段提取决策条件
决策按其性质可分为结构化、非结构化和半结构化决策。其中结构化和半结构化决策的判断条件相对更有规律性和确定性。针对诺兰阶段模型各阶段描述得详细程度, 可尽量选取结构化、半结构化的条件以快速搭建一个决策支持程序的原型。以下为逐阶段提取决策条件的过程:
3.1 初装阶段的决策条件提取
初装阶段从企业购买回第一台电脑开始, 企业对计算机的应用集中在最需要计算的部门如财会部门, 只有少数人使用, 在企业内没有普及。
针对上述特征, 可提取的关键条件有:计算机数量、使用计算机的部门数。若以个位数计, 通常可认为属于初装阶段。
3.2 蔓延阶段的决策条件提取
企业对计算机的作用有了进一步了解, 开始加大在购机等方面的投入, 计算机数量增长、使用部门增加。本阶段缺少对信息系统的规划, 应用水平不高, 没有使用共享数据库技术, 容易出现数据冗余和数据不一致等问题。
针对上述特征, 可提取的关键条件有:计算机数量、使用计算机的部门数、应用程序数量、是否使用共享数据库技术等。若计算机已基本覆盖到企业部门的各办公室, 并且有多重应用程序, 但是还未建立共享数据库, 可认为是蔓延阶段。
3.3 控制阶段的决策条件提取
在这一阶段, 管理者意识到蔓延阶段的问题, 开始从整体上控制计算机信息系统的发展, 在客观上要求组织协调, 解决数据共享问题。但是在个别部门还存在“信息孤岛”现象。
针对上述特征, 可提取的条件有:计算机数量、使用计算机的部门数、是否使用共享数据库技术等, 若已开始使用数据库技术解决数据冗余和不一致问题, 可认为属于控制阶段。
3.4 集成阶段
为解决“信息孤岛”现象, 建立集中式数据库, 使用较先进的数据库技术将企业信息进一步集成。
针对上述特征, 可提取的条件有:计算机数量增长、集中式数据库的使用等。
3.5 数据管理和成熟阶段
由于历史条件局限性, 诺兰本人对数据管理和成熟阶段的描述并不详细。可以认为, 如果该组织较集成阶段使用了更为先进的信息技术和管理方式, 即工作效率和效益远远超过前4个阶段, 那么就进入了数据管理阶段, 而成熟阶段是一个理想状态。
4 使用Java JDK实现的算法原型
针对前述分析和条件的提取, 可以使用Java类描述诺兰阶段模型。该类通过main () 方法, 建立扫描仪对象, 调用扫描仪对象的获取键盘输入方法, 以获取调查企业组织用户的信息化情况, 并根据条件语句开展结构化的决策分析, 以判断企业组织的信息化程度。简化的源代码如下:
5 Excel实现方法
Excel函数也可以实现基于诺兰阶段模型的企业信息化程度判断。根据3种提取的条件, 使用if () 函数或if () 函数的嵌套来进行判断。
如:=IF ($C$3="y", IF ($C$4="n", IF ($C$5="n", "ok", "") ) , "")
如表1所示。
6 两种方法的比较
6.1 从实现平台的性能比较
Java JDK含义丰富类库可供选用, 使用类来实现, 可扩展性好, 便于封装在较大程序模块中。Java JDK需专门安装并配置环境变量, 需具备一定程序开发基础的人员编写代码实现。
Excel实现快捷, 无需专门的开发平台, 安装完整版本的Microsoft Office办公组件即可。函数较为丰富, 可实现较为结构化的判断, 但扩展性相对薄弱, 不利于建立更复杂的程序模块。
6.2 从使用范围角度比较
针对普通用户在进行诺兰阶段初步调查时, 因Excel实现较迅速, 普通用户掌握Excel基本应用即可自行开发出适合本组织的诺兰模型决策表。因此, 可以使用Excel表格建立初步调查表, 在可行性分析后, 详细调查阶段, 可使用Java开发平台实现较全面详细的调查程序。
7 此类决策支持程序的作用
基于诺兰阶段模型的决策支持程序简化了结构化系统开发方法的系统规划与调查及可行性研究阶段对组织信息化程度的判断, 提高了调查效率, 一定程度上实现了将此类判断转换为结构化、半结构化决策, 使得判断更为客观、量化。
参考文献
[1]耿祥义.Java 2实用教程[M].4版.清华大学出版社, 2012.
[2]黄体云.管理信息系统[M].5版.高等教育出版社, 2014.
[3]黄成明.数据化管理[M].电子工业出版社, 2014.
[4]陈锡卢.Excel效率手册[M].清华大学出版社, 2015.
[5]王玉珍.管理信息系统理论与实践[M].清华大学出版社, 2014.
阶段-决策模型 篇2
大规模风电并网后,风电功率的波动性和不确定性给电力系统的安全稳定运行带来了新的挑战,同时给电网调度方面包括常规机组启停机、爬坡速率、备用容量等产生了较大影响。
针对上述调度问题,国内外学者做了大量研究。 文献[1]从建模和求解方法两方面综述了含风电场的电力系统经济调度问题,同时也分析了风电不确定性求解方法,但仅停留在理论层面上,未进行实际分析。 文献[2-3]分别考虑了风电波动风险成本和可靠性约束,建立了随机动态经济调度模型,并论证了各自方法的有效性,但未深入挖掘风电的不确定性。 文献[4]分别建立了基于点预测、区间预测、场景预测的机组组合综合模型,分析了不同预测信息下的优化结果,得出合理弃风有利于更优的经济运行。 文献[5]建立了计及风电预测误差带的调度计划渐进优化模型,用分位点回归技术得到预测区间,从而表征风电的不确定性,并根据最新预测信息对日前调度计划进行调整。 另外,国内一些学者在滚动调度方面也有一定的研究[6-7]。
在已有研究的基础上,本文将综合考虑风电的不确定性和弃风、切负荷成本,建立基于场景集的日前机组组合和日内滚动修正两阶段调度决策模型。 所做主要工作与特点在于:日前机组组合模型是在具有一定保守度的不确定性场景集上建立的,而日内滚动经济调度则在日前的调度计划基础上,并根据最新的预测信息作出相应调整;同时引入弃风量和切负荷量作为松弛变量,用以提高模型的收敛性;在模型中引入储能系统对风电功率波动进行抑制[8-11]。 最后将通过10机算例对所提模型进行验算。
1基于场景集的日前机组组合模型
1.1场景集的生成
场景集的思想在含风电的电力系统调度中得到了广泛应用[12-13]。和传统场景的选择不同,本文场景的生成主要考虑风电出力的不确定性波动误差。假设实际第t时段的不确定性风电功率出力Pwt服从基于预测功率Pft的正态分布。场景集的波动大小取决于误差分位点α的取值。α的物理意义表示系统能够接纳的风电至少为α,或者满足负荷的概率至少为α。根据分位点可以得到场景集允许的风电最大误差上、下出力Pht、Plt,其中F(Plt)=1-α,F(Pht)=α。设ft+=1表示第t时段的场景出力达到正的最大波动误差Pht,ft-=1表示第t时段的场景出力达到负的最大波动误差Plt,ft-=0和ft+=0表示第t时段波动较小,出力为预测值Pft。另外,为了使日前机组组合解在较大的风电出力误差下具有较强的鲁棒性,定义一个场景保守度指标NB,NB表示允许风电出力较大波动的时段数,其中0
不同场景集 Ωs就构成了整个调度场景约束集 ΩS。本文的场景集应用于日前机组组合中,来决定次日的常规发电机机组状态。
1.2基于场景集的模型基本原理
由于实际风电功率存在一定误差,就决定了含风电的日前调度计划是一个包含不确定性的优化问题。 本文的机组组合模型用场景集刻画风电出力的不确定性,在目标函数中对各场景赋予相应的权重, 从而求得相应优化解,同时也满足相应的场景约束。
一般模型如下:
其中,s为场景数;S为风电场景数;ωs为场景s下的权重;ξs为场景s下的不确定量;Us为场景s下的不确定集;m为约束条件总数。
1.3含风电的机组组合模型
1.3.1目标函数
含风电的日前机组组合模型是对次日发电机组出力的计划,目标函数只包含常规机组运行成本。
其中,T为调度周期的总时段数;t为时段编号;I为常规机组总数;i为常规机组编号;Pti,s为场景s下常规机组i在第t时段的有功出力;C(Pti,s)为常规机组发电成本;CSTi、CSDi分别为常规发电机组i的开机、停机费用;uti为常规机组状态标志。
1.3.2约束条件
a.功率平衡:
b.发电机组功率限制:
c.备用需求:
d. 爬坡率限制:
其中,Pts为场景s下第t时段的风电出力;PtBs为场景s下储能装置第t时段的出力;PLt为系统第t时段的负荷功率;Pimax、Pimin分别为常规电机组i出力的上、下限;Rtu、Rtd分别为系统第t时段的上、下备用需求;RUi、RDi、SUi、SDi分别为常规电机组i的爬坡速率、滑坡速率、开机爬坡速率和停机爬坡速率。
e.储能装置的相关约束有以下3个方面。
充放电状态限制:
功率极限:
容量限制:
其中,Ptd,s为蓄电池储能装置在第t时段的放电功率;Ptc,s为蓄电池储能装置在第t时段的充电功率;EtB,s为储能装置在第t时段的电量;αc、αd分别为充、放电系数;PSdmax、PSdmin,EBmax、EBmin分别为储能装置的功率与容量上、下限;utc,s为蓄电池装置场景s下的充电状态,utc,s=1表示装置处于充电状态,utc,s=0表示装置处于空闲或者放电状态;utd,s为蓄电池装置放电状态,utd,s=1表示装置处于放电状态,utd,s=0表示装置处于空闲或者充电状态。蓄电池储能装置在同一时间内充放电过程不能同时进行。
f. 机组最小开停机时间约束:采用文献[13]的最小开停机时间约束。
由此构成了含风电的机组组合数学模型。
2日内滚动经济调度修正模型
日内滚动经济调度修正模型是根据最新的预测信息和负荷需求等,对之前制定的调度计划进行的滚动调整。 滚动修正阶段,由于更接近真实运行情况, 并且合理弃风或切负荷能提高大规模风电的消纳能力[2],因此引入了弃风量和切负荷量,允许一定弃风和切负荷,既考虑了系统运行的经济性,同时从数学角度上,把弃风量作为一个松弛变量,保证模型存在可行解,从而具有意义[4]。
由于滚动修正模型在数学上是一个NP难题,模型复杂,耗时较多,为了简化运算量,只有当预测负荷需求和计划出力之间出现较大差值,即超过一定的阈值,才对当前时段以后的计划出力作出修正[7],且不改变日前机组组合模型得到的机组状态。
2.1目标函数
由于之前的机组组合模型在日前调度计划上考虑了一定的风电出力不确定性,因此该阶段模型主要偏向于系统的经济性。 由文献[6]可知滚动调度的启动周期为30~60 min,本文的调度周期为1 h,因此提前从当前时段的后一时段开始修正从实际意义上是可行的。 目标函数为:
其中,t0为当前时段;F1、F2、F3分别为发电成本、弃风成本、切负荷成本;Cw为单位弃风成本,Ptw,t0为t0时段对第t时段的风电预测功率;Ptw为第t时段的风电调度功率;CL为单位切负荷成本;PtL,t0为t0时段对第t时段的负荷需求预测;PtL为第t时段满足的负荷需求。t0取0时,表示日前调度计划。
2.2约束条件
对于日前机组组合模型,由于调度修正模型中加入了弃风量和切负荷量作为松弛变量,需要对约束条件进行部分改动。
a. 功率平衡:
b. 风电调度功率(弃风量)约束:
c. 切负荷约束:
其中,PL为允许的最大切负荷量。 除了上述功率约束以外,该阶段修正模型还包括备用约束、爬坡约束、 储能装置相关约束。 另外,一般不改变由日前机组组合模型决定的机组组合状态。
3算例分析
本算例采用10机系统进行验证,该系统包含10台常规发电机组、1个风电场和1个蓄电池储能系统。 常规机组的爬坡能力和蓄电池的相关参数参见文献[13],10台常规机组参数参见文献[15],并模拟实际运行情况,NB= 8。
3.1模型求解及调度流程
该两阶段调度优化模型是一个混合整数规划模型,采用cplex商业优化软件进行求解,图1为整个优化模型两阶段调度流程图。
3.2模型结果
表1为基于场景集的10机日前机组组合状态结果。
注:发电机组状态值1代表开机,0代表停机。
在表1的机组组合状态下,选择一个约束条件检验日前机组组合模型的适应度。 在此选择备用约束即不同场景下的发电充裕度,如图2所示。
由图2可发现,只有极少时段处于备用需求临界点上,其他时段均有一定量的发电充裕度,表明该日前机组组合状态在不同的场景下均能较好地满足系统要求,同时也说明了该模型有较好的适应度。
根据表1确定的日前机组组合状态,并根据滚动预测信息进行修正得到各时段机组调度计划出力,如表2所示。
设弃风成本为2 000苊/ (MW·h),切负荷成本为200苊/ (MW·h)。 由于日前机组组合状态是基于一定抗风险的不确定性场景集建立的,弃风成本高于切负荷成本,因此模型结果未出现切风量,切负荷量为35 MW·h,运行成本为苊417160。
3.3模型分析
3.3.1有无场景集的对比分析
将算例中的场景集去掉,采用传统的不计及风电不确定性的日前机组组合模型求出日前机组组合状态。 根据日前机组组合状态固定来求解日内滚动修正解,无法收敛;不固定常规机组状态,根据滚动预测风电和负荷数据进行调节机组状态出力和有功出力,所得运行成本为苊438 990,包括苊421 390的常规机组发电成本、苊13600的切风成本和苊4000的切负荷成本。 与本文模型算例对比可得:
a. 由于机组启停未固定,日内模型的修正增加了启停次数,从而增加了常规机组发电费用;
b. 常规模型不计及风电的不确定性,而风电预测出现一定误差,实际风电出力存在波动性,这导致了更多的弃风成本和切负荷成本。
因此,基于场景集的日前机组组合模型能更好地抑制风电不确定性和波动性带来的影响。
3.3.2有无松弛变量(弃风量和切负荷量)的对比分析
将算例修正模型目标函数中的弃风和切负荷成本以及约束条件中弃风量和切负荷量去掉,得到无松弛变量的修正模型,但模型不收敛。 由此可得: 松弛变量的引入对模型的收敛性有着重要的意义, 有效地解决了经济调度修正模型不收敛的问题。 因为基于场景集的日前机组组合具有较强的抗风险性、抗不确定性,但是实际的机组爬坡率等原因可能导致无法通过仅修正常规机组出力来跟随负荷的随机性,因此必须通过松弛变量(弃风量和切负荷量) 来进行调整,进而提高模型的收敛性。 另外,设置弃风成本高于切负荷成本,使得优先利用切负荷来抑制风电波动性,有利于系统接纳风电的能力,提高风电利用率。
3.3.3不同保守度下的对比分析
将算例中的NB增至12,其他参数不变,即增大了场景集的保守度,使得日前机组组合模型更保守, 计及了更大的风电不确定性,得到各发电机计划出力见表3。 运行成本为苊429750,其中包含55 MW·h的切负荷量对应的切负荷成本苊11 000和常规机组苊418750的发电成本。
通过对比分析,可以得出:由于NB更大,从而得到更加保守的不确定性场景集,日前机组组合模型计及了更多的不确定性以及更大的波动性,但由于约束性和抗波动性更强,导致了更高的发电成本代价,进而产生更多的运行成本,不利于系统的经济运行。 另外,NB越大,可能导致切负荷量越大,这是由于NB越大使得模型更具抗风险性、抗不确定性,进而日前决策更加保守,但是由于实际风电出力和机组爬坡率等原因,需要更大的松弛量来调节。 相反,NB越小,所获得的场景集能够表征风电出力不确定性的能力就越小,日前机组组合模型就只能得到计及更小波动性的优化解。 因此,NB过大虽然在抑制不确定性上更优,但它是以更大的成本作为代价,选择合适的NB值,能兼顾系统经济性和抑制风电波动性。
3.3.4储能装置容量分析
改变储能装置容量,其他参数不变,NB= 8,得到不同储能装置容量下的切负荷量,如表4所示。
MW·h
另外,常规机组发电成本和切负荷成本的对比情况见表5。
注:“—”表示无收敛解。
由于切负荷成本低于弃风成本,在该模型下每种运行情况都无弃风量。 当储能装置容量减少到100 MW·h时,滚动调度修正模型从第5时段开始没有收敛解。 由表4和表5可以得出:
a. 总体上,储能装置容量的减少会导致切负荷量的增加、总运行成本(包含常规机组发电成本和切负荷成本)的增加;
b. 当储能装置容量大于一定阈值( 该算例中为175 MW·h)时,增大装置容量对系统的常规机组发电成本和切负荷量影响都不大,这是由于基于场景集的日前机组组合模型具有一定的抗不确定性和波动性,可以通过调节机组出力进行抑制,但容量下降到一定程度会导致模型没有收敛解,因此系统必须配置一定容量的储能装置来平抑风电的波动。
4结论
本文建立了两阶段调度优化模型,包含基于一定不确定性场景集的日前机组组合模型和根据最新预测信息作出相应调整的日内滚动修正模型。
通过算例分析表明:
a. 基于场景集的日前机组组合有效地抑制了风电的不确定性和波动性,并减少了启停成本、弃风成本和切负荷成本,增强了滚动调度模型的鲁棒性;
b. 松弛变量的引入,有效地解决了日前机组组合的不确定性场景集导致日内滚动修正模型不收敛的问题;
c. 更大的保守度指标NB是以更大的成本作为代价,选择合适的NB,兼顾系统经济性和抑制风电波动性;
d. 系统必须配置一定容量的储能装置,但容量增大到一定程度后,继续增加容量对系统的常规机组发电成本和切负荷量影响都不大,这为系统储能装置容量的配置提供了一定参考。
阶段-决策模型 篇3
传统的风险投资决策,是建立在美国经济学家Irving Fisher的价值理论基础上的DCF(Discounted Cash Flow)法。但是由于风险投资公司投资决策的灵活性以及大量不确定因素的存在,用传统的DCF法评价经营柔性和投资时间选择作用很大的投资项目是很不适合的,而使用期权定价的方法能够得到较好的结果。从著名经济学家Fischer Black与Myron Scholes提出了著名的Black-Scholes期权定价模型[1,2]到Cox、Ross和Rubinstein开创离散时间的二叉树期权定价模型[3,4]中西方学界对于风险投资决策最佳分析方法的研究不断深入。
但是,我们在研究决策方法的同时,不应该忽视风险投资自身的特点:首先,风险投资项目采取分期投资的方法,在第一次投资完成以后,风险投资公司每期将对风险企业进行审核,以决定是否继续投资;其次,项目的大部分回报通常是投资完成后一次性获得,而且该回报具有一定的不确定性。
具体来说,我们主要从风险投资的种子期、导入期、成长期、成熟期这四个阶段来考虑[5]。
种子期,是指风险企业处于新技术的研究和新产品开发阶段。这一阶段新技术的拥有者或新产品的发明者一般拥有具备发展潜力的高新技术或产品,但是需要投入一定的资金进行进一步研发和生产,以验证其创意的可行性。虽然风险投资公司在这一阶段投资会拥有较多的原始股权,并确保投资项目成功后的高额回报,但是由于该阶段离投资回报期比较长,同样面临着各种难以预测的投资风险,比如说高新技术的技术无法转化为现实生产力,高新技术产品投产周期过长以及高新技术企业的管理风险等等。
导入期,是指风险企业处于技术创新和产品试销阶段。该阶段一方面要进一步解决技术问题,排除技术风险,完成从样品到产品的过渡;另一方面要进入市场试销,听取市场意见。因此,风险投资公司在这一阶段需要投入大量资金为代价来获得要求的高回报率,这就要求风险投资公司果断做出决策,要么选择追加投资使风险企业渡过难关,要么立即退出投资规避风险,要么延期投资等待下期的最佳投资时间。
成长期,是指风险企业处于技术发展和生产扩容阶段。这一阶段风险企业已开始出售产品或服务,但由于进一步开拓市场或扩大生产规模的需要,支出仍然较大,需要进一步投入资金。相对于前两个阶段来说,该阶段因为接近成熟期,风险企业能够在短时间内公开上市,风险投资公司能够伺机获得高回报,投资风险相对较小,但还需注意企业日益加大的市场风险和管理风险。
成熟期,是指风险企业处于技术成熟和产品进入规模生产的阶段。该阶段风险企业产品已占有一定的市场份额,销售收入高于销售成本,风险企业自身能够产生一定的现金净流入。随着各种风险的大幅降低,其对风险投资公司也不再具有足够的吸引力,因此这一阶段是风险投资公司的收获阶段或者说是推出阶段。
风险投资项目的这种分期投资方式,使得在投资决策中存在一系列的相机选择权;而对于投资回报在最后阶段的一次性获得,我们可以把其看成是一种多阶段混合式看涨期权。本文拟从风险投资的实际出发,对二叉树期权定价模型进行拓展,设计基于放弃投资,继续投资和延期投资三个决策点的三叉树期权定价模型,并建立两者的多阶段混合式期权定价模型,以期开拓对于风险投资决策的新思路,并对风险投资公司的投资决策给予相应参考。
1 基本假设
(1)风险中性假设;
(2)市场是完备的,不存在无风险套利,市场投资不计交易成本;
(3)风险投资者是价格接受者;
(4)允许以无风险利率借入和借出款项;
(5)标的资产有序运动后的价值与运动次序无关。
2 模型的建立
根据不同的投资阶段可以把整个风险投资过程分为两个部分,建立一个多阶段混合式期权定价模型:
根据风险中性假设,标的资产价值S(t)遵循几何布朗运动,即:
其中:r为无风险收益率;σ为收益变动标准差;dx是标准维纳过程[6]。
由Ito引理,同样有:A=21(e-rδt+e(r+σ2)δt)
同时,第n步期权价值Cn满足:
由公式(1)以及期望的积分定义,可以得到:
2.1 第一部分的三叉树期权定价模型
该部分包括种子期、导入期、成长期三个阶段。由于在这三个阶段,风险投资决策都面临着继续投资、延期投资、放弃投资这三种情况的决策,所以需要对以前的二叉树模型进行改进,引进更符合实际情况的三叉树模型。我们可以把这部分期权看成是一种看涨期权的看涨期权,即多阶段复合期权。该部分的标的资产S是风险投资公司收回投资的预期现金流的现值,执行价格I是即期项目的投资成本。
根据离散三叉树模型的随机过程,结合风险投资项目的实际,在T0-T3阶段,假设经过一个周期的投资后标的资产的变动乘数分别为u、m和d;其中u表示继续投资的情况;m表示延期投资的情况(m=1);d表示放弃投资的情况;pu、pm和pd分别为对应情况下的概率水平。结合期望的定义,可以得到:
根据公式(5)~(10),可以建立方程组:
求解方程组可以得到:
在T0-T3阶段,首先通过标的资产的三叉树运动,根据图1可以得到T3时点的标的资产的价值[7,8,9]。
2.2 第二部分的二叉树期权定价模型
该部分主要是包括风险投资中最后的成熟期阶段。由于该阶段的投资决策要么是继续投资寻求该项目新的利润增长点,要么是放弃投资获得前期收益。所以这一阶段可以看成是一个简单的二叉树期权定价模型。在把这部分项目投资作为实物期权处理时,该部分的标的资产S是最后风险投资公司的预期净现金流,执行价格I是即期项目的投资成本。
在T3-T4阶段,通过二叉树定价模型[10,11,12,13]可知:
以图1为例,S31在T4时点的标的资产价值分别为S41=u′S31=u′u3S0和S42=d′S31=d′u3S0;同理,可以推出T4时点各种情况下标的资产价值。T4时点实物期权价值C41=max(S41-I4,0)和C42=max(S42-I4,0),根据图2、图3和公式(4),可以得到T3时点一组简单实物期权价值C31′=e-r(t4-t3)[p′C41+(1-p′)C42]及其对应复合实物期权价值C31=max(C′31+S31-I3,0)。
同理,可以运用数学归纳法得到T3时点所有实物期权价值:
2.3 多阶段混合式期权定价模型建立
类比二叉树期权模型的原理,我们可以得到第一部分三叉树模型中T2时点一组简单实物期权价值C′21=e-r(t3-t2)(puC31+pmC32+pdC33)及其对应复合实物期权的价值C21=max(C′21+S21-I2,0)。同理可以得到T1时点一组简单实物期权价值C′11=e-r(t3-t2)(puC21+pmC22+pdC23)及其对应复合实物期权的价值C11=max(C′11+S11-I1,0)。运用数学归纳法,最后可以得到T0时点的多阶段混合式期权定价模型:
3 算例
设风险投资项目第一期预期净现金流为S0=80万元,即期(种子期)项目计划投资成本I1=100,第二阶段(导入期)项目计划投资成本I2=180,第三阶段(成长期)项目计划投资成本I3=400,最后一个阶段(成熟期)项目的计划投资成本I4=200,无风险利率r=0.05,收益变动标准差σ=0.4,每个阶段投资间隔时间是1年。
根据题意,由式(11)~式(18)可得到u=2.0952,d=0.4773,pu=0.1498,pm=0.8537,pd=0.0447,u′=1.5323,d′=0.6526,p′=0.5468。将上述参数和题目给出的条件代入到多阶段混合式期权定价模型,可以得到表1的计算结果。
4 结束语
在风险投资项目决策中,实物期权定价理论的应用是主要研究领域。本文期权定价模型是建立在新型二叉树模型和新型三叉树模型基础上的多阶段混合式期权定价模型。该方法既继承了原期权定价模型的理论基础,又根据风险投资项目决策实际情况,修正了原有方法只单一考虑两种或者三种决策状态的不足,把整个过程分成二叉树和三叉树两部分来分析,减少决策过程中的不确定因素,为风险投资者做出正确投资决策提供更精确的定价依据,并通过一个实例说明了改方法的可行性。由于该种期权决策方法还处于研究阶段,难免有各种不足,如假设条件不严谨,参数r和σ取值的估算等,都有赖后续深入研究。
摘要：从风险投资的投资时间多阶段性和投资决策不确定性出发,运用实物期权的二叉树模型和扩展后的三叉树模型,建立了一个符合风险投资实际的多阶段混合式期权定价模型,以期开拓对风险投资决策的新思路。
阶段-决策模型 篇4
电网规划按时间可划分为短期、中期及长期规划。对于长期规划而言,由于规划期较长,需要分几个阶段进行[1]。目前很多学者从数学优化角度提出了电网多阶段规划模型和方法[2,3]。然而由于实际情况的复杂性,这些模型仅考虑了电网的一方面或几方面,难以全面地考虑电网。而综合决策方法可以弥补这些模型的不足,对优化规划后得到的相近方案从多方面进行评价决策。
综合决策方法也称为多属性或多准则决策。目前国内外对电网规划决策问题展开了大量研究。文献[4]提出一套完整的配电网规划评价指标体系,但权重计算过于依赖专家经验,取值会直接影响决策结果。文献[5-6]将级别高于关系方法应用于配电网综合评判中。文献[7]提出一种技术效益与投资费用分离评价的方法,弥补了投资费用掩盖技术效益的缺陷。文献[8]将AHP与线性规划相结合,首先利用AHP评价项目投资效益,再用线性规划求解综合效益最大化问题。文献[9]建立了基于SE-DEA模型的多属性多目标电网规划方案综合决策体系,通过合理选择输入、输出指标以及处理指标集中的定量和定性数据,形成了完整的综合决策方法。文献[10-11]分别将区间层次分析法和模糊区间层次分析法应用到电网规划综合评判中,尝试通过区间数和模糊理论解决电网规划的不确定性问题。
以上对电网规划综合决策的研究主要集中于静态规划(即单阶段规划)决策。然而在实际工程中,电网规划方案都是分几个阶段进行的,上述方法不再适用。文献[12]针对输电网规划的动态特性,提出了基于集对层次分析法的输电网规划动态综合评判方法,而该方法中对于指标权重的计算主观性过强。鉴于此,本文提出一种多阶段群决策方法并应用于输电网多阶段规划决策中。
1 电网多阶段规划决策中阶段权重求取
在多阶段规划决策过程中,阶段权重的确定尤为重要,不同的权重将直接导致最终决策结果的不同。阶段权重的确定有多种方法,本文根据输电网规划特点,提出确定阶段权重应遵循的2个原则:
a.由于规划前期的负荷预测数据比较准确,此时的规划方案更能贴近实际电网状况,应赋予其较大权重;
b.由于后期规划方案对以后电网的运行将产生重大影响,对衡量整体规划方案的优劣起着至关重要的作用,同样应赋予其较大权重。
基于以上2个原则,给出阶段权重ft(t=1,2,…,q)的表达式:
2 基于专家判断一致性的指标权重区间估计
在多属性群决策问题中,决策者不仅要知道每个指标的权重,而且还要清楚专家权重。将多位专家独立决策得到的计算权重集结为综合权重,将使得决策结果更加全面和准确,同时也能体现多元决策主体的利益[13]。因此群决策问题可分为专家权重求取和指标权重集结2个问题。
2.1 专家权重求取
本文首先根据各位专家给出的属性判断矩阵计算出单个专家指标权重及判断矩阵的一致性指标,然后基于一致性水平确定专家权重。下面给出具体步骤。
a.参与决策的p个专家分别给出属性判断矩阵Ck(k=1,2,…,p)。
b.根据Ck计算出专家ek赋予属性aj的属性权重wjk(j=1,2,…,n)。
d.根据wjk与的偏差确定专家权重的大小。偏差大者赋予小权值,偏差小者赋予大权值。专家ek的权重记为rk,即:
并将其归一化,即:
最终,求得各专家权重为λk(k=1,2,…,p)。
2.2 区间估计指标权重集结
指标权重的确定对决策结果有重要影响,权重的选取将直接影响决策结果。目前指标权重的确定主要有主观方法[14]和客观方法[15]2类方法,主观方法中常用的是层次分析法。本文采用层次分析法,对于属性aj由判断矩阵计算出属性权重wj,当将专家给出的权重值当成样本时可通过区间估计的方法得到权重的区间估计值。
假设属性aj的属性权重wj服从正态分布[16],即wj~N(μj,σj2),p位专家赋予其的属性权重wj1、wj2、…、wjp均服从与其相同的正态分布,即wjk~N(μj,σj2)(k=1,2,…,p)。又因为各专家决策互不影响,即wj1、wj2、…、wjp相互独立,所以wj1、wj2、…、wjp构成来自总体N(μj,σj2)的一个样本,其样本容量为p。设已给定置信水平为1-α,样本wj1、wj2、…、wjp的样本均值及样本方差分别记为Sj2,则:
考虑到Sj2是σj2的无偏估计,则:
可得μj的一个置信水平为1-α的置信区间为:
鉴于各专家决策水平不同,即专家权重不同,对其给出的属性权重wj1、wj2、…、wjp亦应赋予不同权重,则上面的推导中假设p位专家赋予其的属性权重wj1、wj2、…、wjp均服从与其相同正态分布略显有失偏颇。考虑到各位专家的决策水平(专家权重)不同,对各专家的决策结果适当处理后使其服从与总体一致的正态分布函数,引入加权区间估计法改进对μj的参数估计,并定义概念加权样本均值、加权样本方差,分别记作S2jλ:
则μj的一个置信水平为1-α的置信区间为:
代入可得:
3 规划指标区间梯形隶属度求取
电网规划是一个模糊不确定性问题,因此对于决策指标而言很难得到精确的数据,用传统的点值方式表示指标值有失偏颇。区间数能够弥补这方面的缺陷,通过区间数形式描述事物的特征,更符合电网规划的本质。本文分别根据高方案和低方案数据对规划方案进行模拟,得到以区间数形式表示的各项指标值。
当指标值以区间数形式表示时,传统的点值隶属度已不再适用,这时需要采用区间隶属度的形式,本文采用区间梯形隶属度。假设某个指标g的值为通过文献[17]介绍的公式可分别求取指标g属于“优”、“良”、“中”、“一般”、“差”的区间隶属度,具体计算公式参见文献[17]。
4 算例仿真
4.1 多阶段决策流程
a.根据第1节介绍的方法求取阶段权重ft。
b.采用加权区间估计法计算指标权重μj置信水平为1-α的置信区间。
c.根据第3节介绍的区间梯形隶属函数计算各指标属于5个评价等级的区间隶属度fj。
d.求目标层的隶属度:
e.用区间数可能度对方案排序,计算公式为[16]:
4.2 算例分析
某市进行“十二五”输电网规划,分3个阶段完成。共给出3个方案,分别根据规划的高方案与低方案计算出每个方案阶段指标值如表1所示。
在式(1)中,q=3,当t≤3/2时,取αt=0.5;当t>3/2时,取αt=2。此时,计算出阶段1权重为0.4,阶段2权重为0.2,阶段3权重为0.4。
通过第2节介绍的方法,由专家给出层次判断矩阵计算出单个专家给出的指标权重,然后通过区间参数估计得到集结后各个指标的权重。此处以准则层指标为例介绍指标权重的计算过程。首先由层次分析法计算出各专家的指标权重,如表2所示。
根据式(4)计算出专家1权重为0.1017,专家2权重为0.052 4,专家3权重为0.231 7,专家4权重为0.482 5,专家5权重为0.131 7。然后根据式(10)计算出集结各位专家意见后的指标权重如表3所示,其他指标计算类似,其中α=0.01,即置信水平为0.99。
最终结合表3给出各个方案区间指标值,根据式(11)计算出各个方案的综合隶属度如表4所示。
由表1可知方案2的最大隶属度为[0.491,0.729],属于优类,方案3和方案1的最大隶属度分别为[0.331,0.432]、[0.261,0.385],同属于中类,再求可能度P([0.331,0.432]≤[0.261,0.385])=0,可知方案3优于方案1。最终得到优劣排序为方案2>方案3>方案1。
5 结论
本文提出一种群决策方法,并将其应用于输电网多阶段规划决策中。根据多个专家给出的信息采用区间参数估计计算指标权重,使得权重值不依赖于某位专家的意见;并应用梯形隶属函数的区间数模糊决策方法对方案实现优劣排序。仿真分析验证了本文所提方法的科学性及有效性。
摘要：针对输电网多阶段规划决策中指标权重确定主观性过强问题,提出一种用于输电网多阶段规划的综合决策方法。该方法根据决策者给出层次分析判断矩阵的一致性水平确定专家权重,以各专家给出的指标权重为样本,通过区间参数估计求出集结各专家意见后的指标权重。并针对多阶段问题提出求取阶段权重的2个原则。决策过程中,采用基于梯形隶属函数的区间数模糊决策方法求取方案隶属度,解决了规划指标难以精确计算的问题。并根据最大隶属度法进行方案排序,最终求得各方案优劣比较结果。最后结合算例证明了该方法的可行性。
政府技术采购分产业阶段决策研究 篇5
关键词：政府技术采购,自主创新,模糊优选,分阶段,决策模式
在经济全球化、世界一体化的大背景下, 一个拥有自主知识产权和强大技术创新的国家往往能够在激烈竞争的国际市场中脱颖而出。由于历史原因我国的自主创新能力很薄弱在加上发达国家对我国的技术出口有着严格的限制, 这很不利于我国在竞争激烈的国际市场中取得优势。尤其在当前全球性的金融危机下, 这种不利位置显得尤为突出。为了摆脱这种现状, 我国首当其冲的是要提高自主创新能力, 以自主创新为中心形成一批拥有自主知识产权的富有竞争力的产品, 以此来提高我国经济的国际竞争力和抗风险的能力。众所周知, 创新是民族进步之魂是国家长盛不衰的动力。美国著名的经济学家熊彼特也曾指出在社会经济的不断增长和发展中起到根本性作用的就是不断进行的知识与技术的创新, 而且把这种不断创新的行为称之为“创造性的破坏”。[1]
1 文献回顾
高昌林 (2006) 认为政府技术采购并不是说让政府直接去购买技术, 而是通过政府采购这种形式来购买市场上还未出现或者是本国企业尚未掌握核心技术但又对本国经济发展起到重大作用的一些技术和产品, 这是政府鼓励企业进行原始性创新的重要政策工具之一。政府技术采购对一些发达国家如美国和欧盟的技术创新起到了相当大的作用, 因此在这方面也积累了相当多的经验。虽然政府技术采购相对于以采购成形产品的政府采购来说具有一定的风险, 但是一旦能够顺利的实施, 将会在很大程度上提高国家竞争力, 让我们在激烈的国际市场环境中处于优势地位。
政府技术采购能够明显的反映国家科技创新方面的政策能够很好的引导企业的技术创新。[2]首先, 政府技术采购在一定程度上分摊企业的技术创新的开发成本。企业所有的行动都是建立在追求利润最大化的目的上, 通过自主创新可以降低企业的生产成本提升企业的核心竞争力。其次, 政府技术采购能够鼓励中小企业的自主创新。中小企业在市场中占有很重要的地位, 世界各国的政府都非常重视中小企业的发展。中小企业的发展很大程度上依赖于技术创新。由于缺乏规模效应只能通过技术创新来降低成本获得超额利润, 之后才能扩大自身规模, 增强竞争力。又因为中小企业规模小, 设备新, 结构简单能很快的实现新技术转化为新产品。也正因为如此, 中小企业一般都有强烈的技术创新动力。再者, 政府技术采购能够降低企业创新的市场风险。一般政府在进行技术创新的同时都会对其需求做出相应的指标性规定, 企业在进行技术创新时会依循相应的指标减少创新的盲目性。最后, 政府技术采购在国家产业结构调整和优化资源配置方面有积极作用, 能够进一步提高国家竞争力。
2 初始研发阶段的决策模式研究
2.1 自主创新产品指标体系
在初始研发阶段政府需要进行有选择性的扶持, 自主创新产品选择的合理与否, 将直接关系到政府技术采购战略的成败。但由于自主创新产品的选择是多因素多准则决策问题, 具有鲜明的模糊性特征, 因此应用模糊集理论进行政府技术采购创新产品选择是一种有效的方法。
对于创新产品的特点归结为以下这些指标:
2.2 政府技术采购自主创新产品的选择决策方法
根据政府技术采购自主创新产品评价指标体系我们采用专家打分法, 在一般情况下, 设d={d1, d2, …dn}为N个待选的自主创新技术产品计划集合, 对于每种产品有M个选择评价因素组成的评价指标集p={p1, p2, …pm}, 则这M个指标对这N个待选自主创新产品可以用指标特征值矩阵表示式中:i=1, 2, …m;j=1, 2, …n.为了准确地把握评价指标, 可以请不同的专家对每个因素进行评价然后按评价进行模糊统计, 计算其属于该量级的隶属度。
按照专家对不同指标的打分对照上面的方法算出每个产品的相对最优隶属度。以此选择在第一阶段政府技术采购要选择的要扶持的自主创新技术。
3 成长阶段决策模式研究
在以自主创新为导向的政府技术采购决策模式中, 要想取得最佳的激励效果就一定要选择合适的阶段。阶段的选择不能太早也不能太晚, 太早可能意味着较大的风险而太晚又可能不会起到明显的效果。所以通常选取的阶段是企业的技术创新已渐成雏形, 发展方向已经确定, 市场也开始认可, 企业还在继续进行研发逐步完善产品的阶段。[4]
在这一阶段中政府技术采购的决策策略应从如下几个方面来展开。首先也是最重要的就是帮助自主创新企业获得必须的资金。资金缺乏往往是导致自主创新失败的重要原由之一。因此解决资金问题就显得很重要。第一, 政府技术采购部门可以对第一阶段选择出来的自主创新企业进行信用担保, 鼓励银行等金融机构向这些进入第二阶段的进行技术创新的企业优先提供资金。第二, 可以协调政府各部门相互合作为进入第二阶段的企业建立专门性的扶持基金以支持这些企业的自主创新。第三, 提出一些鼓励和优惠性的政策, 使自主创新企业能够更加坚定的研发下去。再者, 随着自主创新过程的深入, 企业会面临越来越大的经营压力。这就对企业的管理者核心技术人员有着更高的要求。为此政府技术采购部门需要建立自主创新类人才资源开发和培训服务体系, 重点面向处于这一阶段内的自主创新企业提供人才开发和培训服务。
4 成熟阶段的决策模式研究
在研究成果成熟的阶段政府技术采购部门应暂时退出。一旦某种自主创新的产品已步入成熟期, 就可以考虑停止扶持, 这时候让自主创新产品进入市场进行自由竞争以此来提高企业进行再次创新的积极性。但是政府技术采购部门的这种退出并不是永久的退出, 而只是一种短暂的临时退出。一旦自主创新企业再次投入到新产品的研发投入中去, 政府技术采购部门再次认定为自主创新产品后, 又可再次进行第一第二阶段的决策。通过这种模式可以鼓励自主创新企业进行再次创新, 并让这种自主创新机制不断循环进行下去, 最终促进我国创新型国家的建立。
如上所述这时政府技术采购的决策重点应考虑如何促进自主创新技术的进一步升级和发展。为了实现这个目标我们应该着重考虑以下几个方面。首先是企业自身组织的建设。在比较成熟的自主创新技术中, 应当尽快建立基于这些创新技术的企业的同业协会等民间组织, 这样可以促使自主创新技术能够在互助的环境下得以更深层次的发展。第二, 从品牌形象的角度考虑。我们应该建立起自己的品牌形象。有了自主创新品牌的形象能促进消费者对自主创新产品的了解, 能够达到推广产品的作用。有了消费者基础后能反过来促进企业进行自主创新以实现二次创新。第三, 从国际市场的度看, 我们应该为自主创新企业走向国际市场提供有效支撑。众所周知国际市场的竞争已不是单纯的单个企业之间的竞争, 而是涉及到全部企业所从属国家的国家竞争力之间的竞争。[5]因此, 政府在促使自主创新企业走向国际市场扮演者重要角色。一方面, 政府可通过组织相应的国际博览会等形式, 加强相关自主创新产品的宣传和产品的国际信息交流。另一方面, 鼓励拥有自主创新技术的企业进行海外上市。同时, 联系一些专业机构去指导这些创新型企业了解海外上市的一些基本注意事项和要求以及上市的前景和利弊, 使得企业对海外上市有充分的了解并增加海外上市的成功几率。
5 结语
综上所述对于自主创新技术产品的技术外部性和政策的连续性提出了政府技术采购分阶段决策模型。对于处在成长阶段的自主创新技术产品我们采取对技术设定指标, 再通过专家调研打分确定各指标数值。最后根据模糊优选模型决定第二阶段应该重点自主创新技术。在第二阶段随着自主创新技术的研发进展, 企业经营压力增大。政府应通过从资金支持, 人才培养, 政策优惠和加强监督以此来促进自主创新技术进步。在进入技术的成熟期后, 政府技术采购扶持任务的重点是将技术推向市场接受市场检验并不断监督企业行为不断完善自主创新技术产品并且引导其进行再创新, 使之能被市场接受以形成真正的竞争力。
参考文献
[1]胡卫.作为创新政策工具的公共技术采购[J].科学学研究, 2004 (1) .
[2]王宏.政府技术采购的原因、作用及问题[J].经济改革, 2010 (12) .
阶段-决策模型 篇6
毕景认为作为工程项目建设的开端,施工前的决策阶段要重点关注;钱瑶将AHP模型运用于决策阶段各方案的选择和设计阶段各方案功能系数的确定中,使其对于工程造价的评判更加的准确可靠;杜金凤等认为建设工程成本预算与成本控制阶段,对于成本控制的首要任务是前期投资时期以及设计时期,建设初期的决策以及设计时期对于项目成本控制的影响最大[2,3,4]。
以英国为主的资本主义发达国家很早就已设立造价相关的控制制度,在建设工程中十分重视投资设计及成本的节制[5]。美国工程造价控制重点是工程建设整个过程追踪性的管理,其管理阶段从初期的设计、明确造价、初步估算成本、签订合同金额,到施工工期内造价管理、变更费用至最后竣工整个工期[6]。
对照国内外工程造价界的研究成果发现,我国的工程造价仅处于初级阶段,与国际尽快接轨是我国工程造价咨询公司继续发展的必由之路[7]。本文即主要研究建设工程在投资决策时期造价控制的重要性、潜在问题及在该时期控制造价的方法。
1 决策阶段造价控制的重要性
工程项目决策阶段需针对拟建工程可行性进行全面分析研究,制订工程项目拟建规模以及造价预算情况,且需作出对建筑技术水准、政策支撑、市场状况等影响因素的针对性研究,进一步优化初期论证的工作,提升投资阶段预算结果的准确性。所以项目决策阶段的成本控制对于工程成本的约束力十分明显。
1.1 项目决策决定工程造价是否合理
针对工程作出准确决策,指对建设项目进行全方位的论述及合理的决策,挑选出最佳的投资政策,使工程资源得到合理的分配。针对工程作出的错误决策,指项目建设位置选址失误及投资方案不适合等原因,决策失误将导致项目资金及资源短缺或流失,其导致的后果很难挽回。所以,针对工程作出的准确决策,才会使工程造价合理化。
1.2 项目决策阶段是工程造价的基础
在建筑项目的整个过程中,需要自始至终制约成本,投资决策时期的职责是各项技术经济的决策,很大程度影响整个工程造价。已有研究发现,投资决策阶段在整个工程造价阶段的影响力超过了95%。故项目决策阶段对项目各个阶段的工程造价确立以及约束将产生巨大影响。
1.3 项目决策深度影响工程造价的控制结果
投资决策阶段是由外而内、不断优化的阶段,因工作划分职责不同,投资决策的深度和投资估算的精度也都不一致。因为工程造价存在前一阶段约束后一阶段,后一阶段充实前一阶段的制约关系。故只有深化项目决策的深度,运用科学的方法以及可靠的数据进行分析,才可以合理地规划工程造价的成本,完成控制工程造价的目标。
2 决策阶段影响工程造价的主要因素
工程造价的确定和管理存在于工程项目建设的每部分工作中,并且在项目决策阶段中每项技术经济指标的确定相对于整个工程至关重要,尤其是在工程的可行性分析、工程设计方案确定、项目资金评估[8]。
2.1 可行性研究
可行性研究是通过对项目的主要内容与配套条件分析,在技术、财务、运行等层次展开一系列调查对比分析,针对该项目结题之后获取的技术进步、生产效益、社会福利等进行有效推测,最终给出对项目进行实施的明确要求和项目进行改善的可行性建议,这也是保障项目决策做到有证可循的一种系统分析方法。可行性研究的特性包括先行性、不确定性、提前预知性及决策性。可行性研究的工作流程见图1。
2.2 工程项目投资估算
在当前整个工作中,需对工程进行资金评估,资金评估是工程建设工作中非常关键的环节。投资估算也是在投资决策时期,凭借当前资料及适当途径,对工程项目将来会用到的所有开销做规划与评估。工程项目的资金评估是否做到有证可循决定了投资方案的运行、基础建设的规模、规划方案的实施效果和整个工程的生产效益等,也决定了工程施工工作的顺利开展。项目资金评估的阶段划分及要求工程项目资金评估的阶段划分见表1。
2.3 工程项目投资估算编制内容
工程项目投资估算指在整个工程建设前期对全过程各项资金开销总额的确定以及控制,资金评估的范围涉及了资金投入前阶段、项目落实阶段(施工建设阶段)及项目结题验收交付运行阶段(生产经营阶段)的资金开销。
3 决策阶段造价控制的对策
3.1 做好基础资料收集
工作人员不仅需收集好项目所处地区器具和器材的市场标价、水电线路状况、周围地质情况、大型器材的销售点和已建与拟建工程比较接近的工程图纸等资料,而且还要确定资金评估有凭有据。
3.2 必须做好可行性研究阶段的技术经济论证
可行性研究成果将直接决定项目成功与否,并且可行性研究阶段的资金开销估算是决定限额规划总值的重要依据,会影响到规划总预算和施工图的开展工作。为保障工程造价能增强精确性,须对市场进行工程调研。市场项目调研工作就是对拟建工程给出的产品及服务进行整个市场占有率研究,含有已建类似工程运行状况、国内外的市场在运作工程中对拟建项目提出的要求甚至国家政策等。
3.3 优化方案是控制工程造价的关键
市场调研完成后,根据工程当前运行状况,在达到要求的条件下,遵循多方案比较的规矩实施优化工作。技术员必须做到与设计员相互协调,通过动态分析法来对方案进行检测与审核,简化施工工序,设备合理选型,减少资金投入,从而最大化减少资金,追求效益最大化。
3.4 完善市场竞争机制
提高投资者对工程中各环节的重视,保证政府公平、公正地做到对工程项目进行合理干预。要求投资者根据工程项目开发的需要,自行组织专家或委托具有相应专业资格的咨询机构,分别从技术、经济和环境保护等方面,对拟建项目必要性和可行性进行全面系统的论证,真实客观地对项目的建设规模、资源条件、市场预测、工程技术和财务经济进行全面可靠的评价。
4 结束语
(1)通过比较国内与美、英等发达国家的投资控制和工程造价管理,找出了我国工程项目建设在投资决策阶段出现投资失控的原因及影响因素。相关政府和行业部门都应学习西方国家工程项目管理的技术与方法,根据当前的国情建立健全有关规章制度,保证可行性研究合理运行,从而与国际工程管理咨询职业的要求接轨。
(2)工程项目决策时期,首先分析哪种因素是影响工程造价的关键点,找出工程造价当前出现的问题并寻求解决方案。积极推进限额招标,采用价值工程理论对工程各种功能、可能的施工方案和投入的成本进行分析和优化,进而管理工程造价,以有效管理投资决策时间段对未来工程造价的影响。
参考文献
[1]黄已伟.谈桥梁工程设计阶段造价控制[J].交通企业管理,2014(3):58-59.
[2]毕景.浅析建设项目前期工程造价控制[J].中国高新技术企业,2010(30):172-173.
[3]钱瑶.建设工程决策与设计阶段造价控制研究[D].成都:西南交通大学,2011.
[4]杜金凤,李英慧.浅谈项目决策阶段和设计阶段工程造价的计价与控制[J].科技资讯,2008(34).
[5]Bull.John W.Edited.Life Cycle Costing For Construction[M].The UK:Blakie Academic Professional,1993.
[6]Westney.Richard.knl“Total cost management:AACE-Ivision for Growth”,Cost Engineering[M].October 1992.
[7]孙水平,贺成龙.浅议加入WTO对我国工程造价咨询业的影响与对策[J].嘉兴学院学报,2003,15(10):116-117.
[8]兰玉.工程项目投资控制方法研究[D].成都:西南交通大学.2011.
[9]万洪浩.住宅项目投资决策与设计阶段造价管理[D].青岛:青岛理工大学,2012.
投资决策阶段的可行性预测研究 篇7
从甲方的角度来看,投资决策的正确与否十分重要。因此,作为甲方,应该在工程项目投资之前,做好充分地可行性预测,将投资风险尽可能地降到最低。
1 建设项目投资决策的含义
建设项目投资决策是选择和决定投资行动方案的过程,是对拟建项目的必要性和可行性进行技术经济论证,对不同建设方案进行技术经济比较及做出判断和决定的过程。据有关资料统计,虽然投资决策阶段在整个工程项目中所占的比重不是很大,但其影响工程造价的程度最高,达到80%～90%。对一个项目而言,项目决策的正确与否,往往直接关系到项目建设的成败,还会关系到工程造价的高低和投资效果的好坏。由此可见,投资决策阶段的造价预测有着十分重要的作用和意义,在施工前一定要对其可行性做好充分合理地预测[1]
2 投资决策阶段可行性预测的主要内容
可行性研究是项目在投资前期对拟建项目进行的全面、系统的技术经济等多方面分析与论证,从而为项目投资决策提供重要依据,也为下一阶段开展项目评估打下基础。在项目建设中会面临投资方案的比较和选择问题,有时会面临多个方案的比选,评价。因此应采用科学的方法进行评价,合理确定投资方案。投资方案经济效益评价可分为两个基本内容:单方案检验与多方案的比选。单方案检验是指对某个初步选定的投资方案,根据项目收益与费用的情况,通过计算其经济评价指标,确定项目的可行性。单方案检验的方法比较简单,主要步骤如下[2]:
1)确定项目的现金流量情况,编制项目现金流量表或绘制现金流量图。
2)根据公式计算项目的经济评价指标,如NPV、NAV等
3)根据计算出的指标值及相对应的判别准则,如NPV≥0,NAV≥0等来确定项目的可行性。
多方案的比选是指对根据实际情况所提出的多个备选方案,通过选择适当的经济评价方法与指标,来对各个方案的经济效益进行比较,最终选择出具有最佳投资效果的方案。
3 投资决策阶段可行性预测的意义
在工程项目的整个建设过程中,投资决策阶段是进行造价控制的重点阶段,也是风险最大的阶段。因此,做好投资决策阶段的可行性预测对整个工程项目有着十分重大的意义。预测分析可以反复进行,其信息对决策具有指导性作用。工程项目投资成败的关键还在于决策,决策的基础是科学的预测,预测为决策提供直接的服务;但是预测不能代替决策,毕竟只有决策的结果才是直接支配未来的行动方案。工程项目在投资阶段的可行性预测时,必须遵守合法性、合理性、责任性、民主性、科学性以及效益性原则,依照决策分析程序,选择合适的决策方法。工程项目投资的可行性预测和决策是一个动态的过程,它贯穿于项目投资建设活动的始终,根据市场状况以及工程项目的类型、性质和进展情况适时地作出正确的预测和决策分析,就可以保证整个投资活动有序、高效地进行,并取得预期的效果,达到投资的目的。
4 引入BP神经网络预测模型研究
1)BP神经网络模型简介[3]
BP(Back propagation)算法在于利用输出层的误差来估计输入层的直接前导层的误差,再用这个误差估计更前一层的误差。如此下去,就获得了所有其他各层的误差估计。这样就形成了将输出端表现出的误差沿着与输入信号传送相反的方向逐级向网络的输入端传递的过程。因此,人们将此算法称为向后传播算法,简称BP算法。使用BP算法进行学习的多级非循环网络称为BP网络。BP网络,以其优良的非线性逼近性能,在模式识别、语音识别、智能控制、非线性优化等领域都有大量的应用,并且己受到越来越多领域的关注。
2)引入BP神经网络预测模型
本文在投资决策阶段引进BP神经网络,其预测模型及分析如下:
神经网络只有一个输入层、一个输出层,但是可以有多个中间层。这里只以三层BP网络为例。设BP网络为三层网络,输入神经元以p编号,隐藏层神经元以q编号,输出层神经元以t编号。隐藏层第q个神经元的输入为:
式中θ-阈值或偏置值。
θ>0则使S曲线沿横坐标左移,反之则右移。因此,各神经元的输出应为:
BP网络学习过程中的误差反向传播过程是通过使一个目标函数(实际输出与希望输出之间的误差平方和)最小化来完成的,可以利用梯度下降法导出计算公式。
在学习过程中,设第t个输出神经元的希望输出为tpt,而网络输出为opt,系统平均误差为:
为了表示方便,略去下标p,上式可以写成:
式中E-目标函数。
根据梯度下降法,权值(包括阈值)的变化项△wtq与αE/αwtq成正比,
由式(4.6)和式(4.8)可知:
对于隐层神经元,也可写成:
由于不能直接进行计算,而是以参数的形式表示,即:
则导出各个权重系数的调整量为:
式中η为学习率;
网络的学习过程通过这种正向计算输出、反向传播误差的多次迭代过程,系统误差将随着迭代的次数增加而减小,从而收敛得到一组稳定的权。在投资决策阶段将BP神经网络引入造价预测时,首先要确定输入信息,把它的输入信息输入到神经网络中。即把前面提到的市场因素,技术因素以及环境因素输入到网络中。从而由网络正向计算出各层节点的输出。考虑到市场的变化之快,例如:建筑材料价格的上涨起伏等等;考虑到技术因素的变化,例如:新技术的引进给建筑市场带来的进步与发展等等;而考虑到环境因素的变化,例如:由于雨雪天气的影响给施工队带来的工期延误等。在确定了这些影响因素之后,将原来没有考虑到种种因素影响的造价作为网络的期望输出,在只考虑一个影响因素变化,而其他影响因素假定不变的情况下反向计算出假定变化的这一影响因素的临界值。得到这一个临界值之后,便可以根据实际条件中这一单一影响因素变化能否使造价达到预测水平。这样一来,便达到了在投资决策阶段对造价进行充分预测的目的。
5 小结
本文分析了建设项目的投资决策阶段预测的主要内容和意义,与BP神经网络相结合,充分发挥神经网络的预测能力,达到对前期各阶段进行有效预测的目的。本文的研究对后期做工程项目的造价预测打下基础,将神经网络理论与具体的工程实例相结合,从而实现运用BP和模糊神经网络进行充分预测的目的,更是作者下一步要做的主要工作。
摘要：本文主要研究建设项目的投资决策阶段的特点,与神经网络相结合,充分发挥神经网络的预测能力,达到对前期各阶段进行有效预测的目的。本文引入BP神经网络,首先,将BP神经网络引入到投资决策阶段的可行性预测中,通过对影响可行性预测的各因素的了解和认识,运用BP神经网络进行充分预测,从而得到当只有单一因素变化时,项目是否可行。
关键词：建设工程造价,投资决策阶段,BP神经网络
参考文献