国际工程项目承包商合同风险评价研究

论文摘要

在国际工程的项目管理中,工程建设项目在签订合同时会面临复杂而多样的风险,因此,对于合同双方而言,都必须对风险进行评价,进而防范可能的风险,尤其对于承包商而言,防范风险显得尤为必要。本文以国际工程建设项目合同风险为研究对象,对国际工程建设项目合同风险研究现状进行了总结,全面地介绍了国际工程建设项目合同风险管理的基本理论,并在此基础上对电力建设项目合同风险进行了识别、评价。具体思路为：选取一个水电项目为例,以项目财务合同风险评价的基本内容为基础,从合同条款、合同主体和合同执行风险三个方面,紧密结合国际工程建设项目的行业特点,设计了指标体系：对指标体系经过预处理后,运用主成分分析算法确定各指标的权重；利用蚁群优化的RBF神经网络评价方法,依次评价分析合同条款风险,合同主体风险和合同执行风险水平,然后再利用这三个指标对该项目承包商的合同风险进行分析,得出该项目的承包商风险水平。通过以上的分析表明,该项目的整体合同风险是较低的,在合同管理上能达到项目建设的目标；需要继续按照现有措施来维持项目的合同管理水平,以确保该项目能有效的建设和维持下去。随着项目管理理论界研究工作和一批项目管理专家实践工作的进行,国际工程项目的合同风险评价体系的研究将不断改进和完善,对国际工程项目的合同管理将起到越来越大的促进作用。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景和研究意义
• 1.2 国内外研究状况
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 主要研究内容与研究特点
• 1.3.1 研究目标和内容
• 1.3.2 全文研究特点和结构安排
• 1.4 本章小结
• 第2章 工程项目承包商合同风险评价基本理论
• 2.1 国际工程建设项目合同管理特点概述
• 2.2 承包商合同风险评价理论简介
• 2.2.1 项目合同风险的概念
• 2.2.2 项目合同风险的特性
• 2.2.3 合同风险评价的基本内容
• 2.3 项目合同风险评价传统模型分析
• 2.3.1 德尔菲方法
• 2.3.2 头脑风暴法
• 2.3.3 模糊决策树法
• 2.3.4 蒙特卡罗模拟法
• 2.4 本章小结
• 第3章 工程项目承包商合同风险评价模型理论简介
• 3.1 评价模型的设计
• 3.2 主成分分析算法的相关原理
• 3.2.1 基本原理
• 3.2.2 计算步骤
• 3.3 蚁群算法优化的RBF神经网络相关原理
• 3.3.1 蚁群算法（ACOA）的原理
• 3.3.2 RBF神经网络系统的基本原理
• 3.3.3 基于蚁群算法改进的RBF神经网络评价模型的原理
• 3.4 组合模型的建立
• 3.5 本章小结
• 第4章 国际工程承包商合同风险评价指标体系的构建
• 4.1 指标体系构建原则和需注意的问题
• 4.1.1 构建原则
• 4.1.2 指标体系构建中需要注意的问题
• 4.2 评价指标体系的构建
• 4.2.1 合同条款风险指标
• 4.2.2 工程主体风险指标
• 4.2.3 合同执行风险指标
• 4.3 本章小结
• 第5章 工程项目承包商合同风险的评价研究
• 5.1 评价样本的选取和指标数据的确定
• 5.2 指标数据的标准化
• 5.3 指标体系权重的确定
• 5.4 工程项目承包商合同风险的评价分析
• 5.4.1 合同条款风险评价分析
• 5.4.2 合同主体风险评价分析
• 5.4.3 合同执行风险评价分析
• 5.4.4 合同整体风险评价分析
• 5.5 国际工程项目承包商合同风险的防范与控制措施
• 5.6 本章小结
• 第6章 结论
• 6.1 本文结论
• 6.2 本文的不足
• 6.3 本章小结
• 参考文献
• 附录
• 在学期间发表的学术论文和参加科研情况
• 致谢
• 作者简介