政府投资工程项目风险免疫应答模型研究

侯云飞，李珏

政府投资工程项目风险免疫应答模型研究

侯云飞，李珏

(长沙理工大学 交通运输工程学院，湖南 长沙 410114)

为弥补传统风险应答“被动响应”的不足，针对性的选择相匹配的风险应对预案，更有效应对政府投资工程项目风险，借鉴生物免疫应答原理，建立生物免疫应答与政府投资工程项目风险免疫应答的关联映射，构建基于固有性免疫应答及适应性免疫应答2道防线的风险免疫应答框架。根据风险特征匹配及亲和度计算，运用案例推理方法构建固有性免疫应答模型。利用TOPSIS的方法建立适应性免疫应答模型，通过案例验证模型方法的可行性与有效性。

政府投资工程项目；风险免疫；固有性免疫应答；适应性免疫应答

政府投资工程项目在复杂多变的自然和社会环境中运作，较一般工程项目而言，投资规模更大，实施周期更长，技术更复杂，涉及范围更广，社会关注度更高[1]。因此政府投资工程项目在实施过程中面临的风险因素种类更为繁杂，风险的关联性、可变性更加显著。它直接关系到投资者的收益，影响工程项目的顺利进行，甚至造成社会不稳定的严峻后果。目前，针对政府投资工程项目风险应对方面的研究有：Naderpajouh等[2]构建了资本项目中控制CFSI风险应对框架，探讨了缓解风险策略和实践方法。Staveren等[3]从“风险管理方法、项目组织、个人因素”3个维度，提出了一种在基础设施项目中实施风险管理创新的、科学的、实际的测试方法。Davide[4]借鉴圣哥达山底隧道的成功经验，证明了公平灵活的合同模式对风险管理的重要性。王宾等[5]提出了我国政府投资项目“3+X”风险管理模式。通过梳理发现，现有研究存在“被动适应”的弊端，无法满足识别的风险因素与应对策略的精确匹配问题，且过多依赖于风险管理人员和专家自身的知识结构和经验。一旦有新的风险出现，很难在短时间内调整合适的应对策略。因此，本文借鉴生物免疫学理论，模拟生物免疫系统的免疫应答机制，构建政府投资工程项目风险免疫应答模型，使得风险应对预案的选择更为有效，对政府投资工程项目风险应对能力的提升具有一定的参考价值。

1 生物免疫应答与风险免疫应答关联映射

生物免疫应答是指从一个抗原刺激开始，机体内抗原特异性淋巴细胞识别抗原(感应)后，发生活化、增殖和分化等一系列的生理反应[6]。生物免疫系统通过机体识别“自我”，排除“非我”，从而实现防御细菌、病毒等感染、免疫自稳和免疫监视的功能。按照免疫应答的特点、获得形式以及效应机制，分为固有性免疫应答和适应性免疫应答[7]。政府投资工程项目风险应对的目标是识别风险并采取适当的应对措施，保证项目在多变的环境中顺利实施，实现投资预期。就运行机理而言，生物免疫系统排除抗原的过程与政府投资工程项目风险应对过程极为相似[8]。构建二者之间的关联映射，如表1所示。

2 政府投资工程项目风险免疫应答框架

政府投资工程项目区别于一般的社会投资工程项目，它对国家和地区的经济发展以及社会公众需求的实现有着重要的推动作用。因此，政府投资工程项目除了具备一般工程项目的特征，它还呈现出政府主导性、社会公益性、正外部性、社会关注性、可持续发展性、风险的多样性和可变性等特征。政府投资工程项目本身具有复杂性，其风险因素之间的关系也较为复杂。一些不确定因素的细微变化，很容易“牵一发而动全身”，引发其他因素的异常变动，继而使得与其存在共线性关系的风险发生连锁反应。再者，政府投资工程项目实施周期长，涉及人、物众多，内外部环境复杂。根据系统学的观点，时间越长，面临的不确定性因素越多。随着项目实施的推进，同种风险因素的扩散，不同风险因素之间的异化和传递，风险因素发生变化必然导致风险发生变化。

表1 生物免疫应答与政府投资工程项目风险免疫应答的映射

借鉴生物免疫应答原理[9]，政府投资工程项目风险免疫应答是免疫系统由风险刺激所产生以排除风险为目的的过程。固有性免疫应答是第一道免疫防线，对超过阈值的“非我”风险，与风险应对预案库中的风险进行风险特征匹配，如果亲和度高，则采取对应的风险应对预案进行清除。如果该风险的亲和度较低，则启动适应性免疫应答。适应性免疫应答是通过基因重组而产生的[10]。即对以往的源案例数据库中各种参数指标进行提取、分析、处理，制定并执行特定的风险应对预案，以消除风险或降低损失。政府投资工程项目通过有效的风险免疫应答，抑制或清除风险，使得项目得以维护内外环境的稳定。构建政府投资工程项目风险免疫应答框架，如图1所示。

图1 政府投资工程项目风险免疫应答框架

3 政府投资工程项目风险免疫应答模型构建

3.1 固有性免疫应答模型

固有性免疫应答模型是根据风险特征匹配，计算亲和度[11−12]，从风险应对预案库中筛选出最佳应对方案。

3.1.1 目标项目与参考项目集描述

设项目库中用于参考的项目的个数为，记参考项目集为={1,2,3,…,A}。目标项目的风险因素数目为，其风险因素集记为={1,2,3,…,R}，风险因素影响权重={1,2,3,…,}，参考项目的风险因素集为记为1={R1,R2,R3,…,R}，所有参考项目的风险因素集可构建以下风险矩阵：

3.1.2 风险因素影响权重的确定

为消除风险因素之间的数量级差别，先将风险因素进行归一化处理。

在一定范围内，离目标项目时间间隔越小、时间跨度越长的参考项目的参考价值越大，反之，参考项目的风险应对措施的借鉴程度不高。将第个项目所有风险因素调整后的权重表示为，调整后的权重表达式

3.1.3 亲和度的计算

从项目风险因素出发考察目标项目与参考项目风险因素的匹配程度。为筛选最佳匹配项目，定义3种风险亲和度计算方式，分别为数值与数值的亲和度计算，数值与区间的亲和度计算，区间与区间的亲和度计算。

数值与区间的亲和度计算中，数p与区间[,]的匹配度定义为

区间与区间的亲和度计算中，定义区间[1,1]与区间的亲和度为

3.1.4 最佳风险应对预案的确定

对参考项目的整体风险要素重合度设定阈值为1，此外对项目的每个风险因素的匹配度应设置阈值2。最佳匹配项目应满足，关键风险因素重合度要求大于1，参考项目的风险因素匹配度要求大于2。由此推导出严格筛选最佳匹配项目的决策变量为

结合上式，将2个项目的匹配度进一步修改为

3.2 适应性免疫应答模型

在政府投资工程项目风险固有性免疫应答过程中，如果经过风险特征匹配，目标项目的风险与参考项目风险亲和度较低，这时就需要启动适应性免疫应答方式[13]。从以往的源案例数据库中通过建立数学模型找出其相应案例的控制措施，从而进行风险的适应性免疫应答。而源案例的选择实际上是一个多属性决策问题。因此，本文基于TOPSIS的方法，使决策结果更符合政府投资工程项目风险管控的需要。

3.2.1 决策矩阵规范化

当风险因素为t效益型时，记其集合为1，则

当风险因素为t成本型时，记其集合为2，则

当风险指标t为固定型时，记其集合为3，则

当风险因素t为区间型时，记其集合为4，则

其中：[1,2]是第个风险指标的最佳稳定区间。

3.2.2 专家打分法主观确定风险因素权重

在进行目标项目风险因素赋值时，假设邀请位工程项目领域的专家对目标项目中个风险因素分别打分，第个专家的可信度为，则第个风险因素的权系数期望值为e，将e进行归一化处理可得：

ω即为专家打分法所得的第个风险因素的权 系数。

3.2.3 运用熵值法客观确定风险指标权重

3.2.4 综合集成赋权法确定风险因素权重

设主观赋权法得到的风险因素的权系数为1j，客观赋权法得到的风险因素的权系数为2j，记系数,(＞0,＞0)为主观赋权法和客观赋权法所占的比重。根据加权集成法的定义可得综合集成的权系数为

3.2.5 确定风险因素的理想解与负理想解

②同理计算负理想解

3.2.6 选取最优参考项目

3.2.7 风险应对预案的确定

4 算例应用

YL高速公路项目建设期为3年，经济评价期20年。通过走访调研，厘清在实施过程中可能存在的主要风险因素有：市场价格变动、工程变更、项目监管体制不健全、极端恶劣天气等。本文以“项目监管体制不健全风险”为算例进行固有性免疫应答及适应性免疫应答模型应用。数据来源于本项目及参考项目管理信息系统数据。

4.1 固有性免疫应答

已知项目库中含有同类风险的参考项目个数为6，设为program 1，program 2，program 3，program 4，program 5，program 6。设整体关键风险因素重合度设定阈值1=80%，且风险因素亲和度阈值2=65%，决策变量为

依据综合决策变量以及整体亲和度的阈值，计算出各参考项目最终亲和度，如表2所示。

通过对6个参考项目综合决策变量以及整体亲和度，可以迅速地判断出program 3为最佳匹配项目，从而采取program 3中的风险应对预案，完成YL高速公路项目风险固有性免疫应答。

4.2 适应性免疫应答

表2 各参考项目最终亲和度

表3 新的决策矩阵理想解与负理想解

表4 参考项目排序

通过本项目风险值与参考项目5的风险值的比值，作为2个项目的风险控制资源配比参考。根据参考项目5各个风险因子控制措施所投入的相应资源数量，从而确定YL高速公路项目进行风险管控所应投入的资源数量，完成本项目适应性风险免疫应答方案的制定。免疫应答策略如表5所示。

通过构建的YL高速公路项目风险固有性免疫应答模型与适应性免疫应答模型，优化了决策方案，在一定范围内得出了复杂抗原的最佳抗体(风险应对预案)。

表5 YL高速公路项目风险适应性免疫应答策略

5 结论

1) 针对传统风险应答“被动响应”的不足，借鉴生物免疫应答原理，构建政府投资工程项目风险免疫应答框架，对超过阈值的“非我”风险进行人为干预。通过与风险应对预案库中的风险进行特征匹配，根据亲和力强弱，建立固有性免疫应答模型及适应性免疫应答模型。

2) 政府投资工程项目风险免疫应答模型的正常运行，其前提是充分获取项目原始数据及合理设置参考项目的关键参数，在满足上述条件下，该模型的应用有助于针对性的选择相匹配的风险应对预案，从而有效提高风险应对的效果。

3) 探索了一种基于生物免疫原理的政府投资工程项目风险免疫应答方法，将生物学科与管理学科进行交叉融合，为工程项目风险管理理论研究提供全新的视角，对今后管理学跨学科研究具有一定的理论借鉴意义。

[1] 尹贻林, 闫孝砚. 政府投资项目管理模式研究[M]. 天津: 南开大学出版社, 2002: 161−162. YIN Yilin, YAN Xiaoyan. Research on management mode of government investment project[M]. Tianjin: Nankai University Press, 2002: 161−162.

[2] Naderpajouh N, Hastak M, Gokhale S, et al. Counterfeiting risk governance in the capital projects supply chain[J]. Journal of Construction Engineering & Management, 2014, 141(3): 1−11.

[3] Staveren M T V. Innovative ways to implement risk management in infrastructure projects[C]// International Conference on Vulnerability and Risk Analysis and Management. Liverpool, Liverpool Institute for Risk & Uncertainty, 2014: 389−398.

[4] Davide F. Risk, contract management, and financing of the Gotthard base tunnel in Switzerland[J]. Engineering, 2019, 5(3): 65−75.

[5] 王宾, 周佩. 基于“3+X”风险管理模式论政府投资项目建设[J]. 管理世界, 2012, 10(4): 173−174. WANG Bin, ZHOU Pei. Government investment project construction based on “3+X” risk management model[J]. Management World, 2012, 10(4): 173−174.

[6] Famer J D, Packard N H, Perelson A S. The immune system, adaptation, and machine learning[J]. Physical D, 1986, 22(1−3): 187−204.

[7] Wakuit, Hashiguchi M, Sawada K, et al. Two stage design optimization based on artificial immune system and mixed-integer linear programming for energy supply networks[J]. Energy, 2019, 170(10): 1228−1248.

[8] 薛小龙, 牛向飞. 重大工程项目团队免疫系统架构[J].科技进步与对策, 2014, 31(11): 34−37. XUE Xiaolong, NIU Xiangfei. A framework for immunity system in mega engineering project team[J]. Science & Technology Progress and Policy, 2014, 31(11): 34−37.

[9] WANG Jing, ZHENG Mengzhu, MIN Qiuxia,et al. The dual regulatory function of Lienal peptide on immune system[J]. International Immunopharmacology, 2018, 55(1): 245−253.

[10] 姜涛, 熊伟. 基于综合视角的多层次分布式组织免疫应答模型研究[J]. 科技管理研究, 2017, 37(14): 239− 244. JIANG Tao,XIONG Wei. Research on multilayered distributed organization immune response model: an integrated perspective[J]. Science and Technology Management Research, 2017, 37(14): 239−244.

[11] 杨青, 刘星星, 陈瑞青, 等. 基于免疫系统的非常规突发事件风险识别模型[J]. 管理科学学报, 2015, 18(4): 49−61. YANG Qing, LIU Xingxing, CHEN Ruiqing, et al. Risk identification model of unconventional crisis based on immune system[J]. Journal of Management Sciences in China, 2015, 18(4): 49−61.

[12] 易国萍, 侯云飞. 高速公路项目投资风险的免疫应答模型构建[J]. 长沙理工大学学报(社会科学版), 2016, 31(4): 108−112. YI Guoping, HOU Yunfei. Construction of immune response mode in highway project investment risk[J]. Journal of Changsha University of Science and Technology (Social Science), 2016, 31(4): 108−112.

[13] 张芮, 刘强. 基于免疫原理的工程项目风险管理研究[J]. 管理现代化, 2017, 37(1): 104−106. ZHANG Rui, LIU Qiang. Research on risk management of engineering project based on immune theory[J]. Modernization of Management, 2017, 37(1): 104−106.

Research on the risk immune response model of government investment engineering project

HOU Yunfei, LI Jue

(School of Traffic and Transportation Engineering, Changsha University of Science & Technology, Changsha 410114, China)

To make up for the traditional risk response “passive response” deficiency, this paper selected appropriate risk emergency plan targeted, and effectively coped with the risks of government investment engineering project, using the principles of biological immune response for reference, the correlation mapping between the biological immune response and the risk immune response of government investment engineering projects was established, and a risk immune response framework. Based on the risk feature matching and affinity degree calculation, using case-based reasoning and TOPSIS methods，the model of innate immune response and adaptive immune response were respectively constructed. Finally, the feasibility and effectiveness of the model method were verified by a case study.

government investment engineering project; risk of immune; innate immune response; adaptive immune response

F283

A

1672 − 7029(2020)12 − 3237 − 08

10.19713/j.cnki.43−1423/u.T20200170

2020−03−03

湖南省自然科学基金资助项目(2020JJ4629)；湖南省教育厅科学研究资助项目(17C0057)

李珏(1978−)，男，湖南平江人，副教授，博士，从事工程项目管理等方面的研究；E−mail：lij93@cusut.edu.cn

(编辑 蒋学东)