调查研究
国家电网公司物资招标采购价格统计分析研究
刘 欢1 刘 苗2 司徒雪颖 2
（1.国网冀北电力有限公司物资分公司，北京 10053；2.财经大学，北京 100081）
摘 要：本文对国家电网各分公司部分物料的招标采购价格进行了统计分析。首先，通过对2014年至2017年采购物料定性和定量相结合的分析方法，发现了不同电力物料的采购价格模式差异较大。然后，选取了采购次数在年度和各分公司分布相对平均，且采购次数较多的物料进行了分析。在模型选择上，本文利用了时间序列建模的方法，对采购价格数据进行了拟合，从Arima模型进行外推预测。对物料采购价格在文中也进行了汇总统计。研究结果对各分公司已有的采购结果可以进行合理的评估，对未来年度的招标采购也具有一定的指导意义。
关键词：电力物资；招标采购；价格；统计分析；时序模型中图分类号：F274 文献标识码：A文章编号：1674-537X（2019）06.0087-03引言
国家电网公司积累了丰富的物资招标采购数据，随着时间的累积和信息存储方式的不断完善，物资招标采购价格数据库也日臻完善，如何挖掘这些数据中存在的价值，为国家电网公司的全局管理服务，为未来招标采购制定更合理的预算评估体系变得尤为重要。数据管理和数据价值的挖掘是一项复杂而庞大的工程，本研究力求从微观角度出发，根据单一物料历史采购情况，得到该类型物料上的采购模式，找出影响采购价格变动的主要因素，并利用统计机器学习算法对物料价格进行拟合和预测。最后将分析思路扩展到更多物料类型并完成对全部数据集的分析和预测。
从截面维度上，不同分公司物料采购类型，采购价格的评估有助于公司从全局管理和监督各分公司的物资采购；从时间维度上看，准确的采购价格预测是未来制定合理采购策略，开展招标采购的重要依据。物资采购价格的数据挖掘可以有效的监测历史数据中出现的异常情况，对未来起到警示作用，同时又可以充分利用数据中的潜在价值，对市场中物资资源进行有效的组合，达到国家电网公司有效配置资源，节约成本的目的。
一、物料采购数据整体分析
表1：大类物料统计（采购频次占比在2%以上）
序号123456710
大类名称通信设备仪器仪表辅助设备设施
配件工器具智能变电站设备
五金材料低压电器信息设备办公类用品
采购频数5975246559420403883237006319242706814267119468047
百分比18.06%14.07%12.71%11.74%11.18%9.65%8.18%4.31%3.61%2.43%
本研究中，重点分析招标采购物料的采购价格。数据维度从2014年至2017年，采购物资涉及21种大类、236种中类、2025种小类、9976种物料、3300条采购数据。在所有21种大类物料中，采购频次占比较大的物料大类为通信设备、仪器仪表、辅助设备设施、配件、工器具、智能变电站设备、信息设备、办公类用品，表1选择总采购次数在5000次以上，且采购占比达到1%以上的大类进行展示。
从采购价格的角度来看，采购物料价格差异较大，表2是21个物料大类采购的平均价格。从表中可以看出，各大类物料采购平均价格差异巨大，水电设备类采购均价最高，为6395498.81元，五金材料类采购均价最低为436.32元。针对具体的物料中类和物料小类来看，价格多呈现明显的右偏分布。大多数物料价格直方图呈现右偏分布的特征充分说明，各个分公司在不同时间段对同一种物料的采购价格基本比较集中，体现在在直方图偏左的位置出现一个高峰，这也论证了我们进行价格分析和预测的可行性。但是该物料的采购价格出现了多峰情况。
表2：各物料大类采购价格平均值
采购类型水电设备软件水电工器具科研设备水电配件智能变电站设备辅助设备设施水电仪器仪表信息设备通信设备仪器仪表办公类用品
平均价格6395498.81501347.21456933.47408482.84277799.08270860.32159108.77114900.94110308.0394826.1393425.1938822.10
87Copyright©博看网 www.bookan.com.cn. All Rights Reserved.2019年第6期
调查研究
建筑材料配件工器具水电(专属)材料燃料化工低压电器金属材料劳保类用品五金材料总平均价格
17307.7015710.0310049.248256.327077.394459.53680.21604.94436.3295958.43903
整体来看，共有10家分公司采购240根携带型短路接地线。采购数量最多的三家分公司分别是电力、蒙东电力及电力，采购数量高的的省份多分布在边境偏远地区。另外，江西电力与辽宁电力只采购了一根。采购均价方面，携带型短路接地线的采购均价大多处于400元至800元的区间，国网重庆电力的采购均价偏高，达到了1050元。而各分公司的采购均价与采购数量没有明显的负相关关系。通过气泡图可以更好的展示各分公司采购情况，重庆电力采购均价明显远离其他分公司，、蒙东等边境省份采购明显数量多余其他内陆省份，而、、蒙东三个省份的采购价格也稍高于其他内陆省份。
三、单一物料采购价格预测
基于历史数据对采购价格进行拟合，方法有多种，针对物料的采购频次和采购价格特点，我们对其进行了时序建模，建模方法选择ARIMA模型，建立ARIMA模型一般需要等间隔数据，首先把数据按照月份取平均得到2014-2017年每月电能表设备平均采购税后价格，另外每年采购订单均存在异常值，考虑到这些异常值也体现着采购信息，且该物料离散系数并不是很大，因此在后续的时间序列建模中不剔除异常值。对于部分月份没有采购订单的情况，因此采用向下插补法填补“缺失值”。填补后的数据如下表4所示。
表4：2014-2017年每月测试仪设备平均采购税后价格表
（填补后）
年份/月份2014201520162017年份/月份2014201520162017
JAN461.24696.09759.461500.00JUL873.00736.32660.821221.10
FEB17.36696.09759.46967.20AUG841.43736.32625.50746.17
MAR794.80566.982320.00742.26SEP845.63377.50667.82746.17
APR794.80667.482320.00742.26OCT770.00377.50472.23746.17
MAY794.80667.482320.001221.10NOV880.57377.50472.231324.26
JUN873.00667.482320.001221.10DEC637.471236.731500.001324.26
从整体来看，采购物料涉及到的种类多，不同大类不同中类之间物料的采购模式差异较大，即使在同一中类内容，采购模式差异也很大，采购时间，采购频次差异巨大。因此在价格拟合和预测时，需要针对不同的物料，分类处理。对于采购频次低于50的物料，直接进行统计。对于采购频次高于50的物料，首先从整体上对其离散系数进行统计，并根据离散系数情况将物料分为三档：离散系数较小（<0.57），离散系数居中（0.57-2.56），离散系数很大（>2.56）。然后分别从不同档位的离散系数物料中选择代表品进行分析，归纳价格模式。
二、单一物料采购价格分析
本部分我们选取了采购频次较高，且不同分公司，不同年份采购分布相对均匀的工器具类型物料进行分析。在工器具大类中，本研究中选择携带型短路接地线进行分析。携带型短路接地线价格集中在2000元以下，总采购数量682根，采购总价57.1万元，采购均价837元，采购价格中位数700元，离散系数0.63。观察携带型短路接地线价格走势图发现，采购时点分布并不均衡，多在年中及年末集中购买，且相同时间点上采购价格差距较大，采购价格多集中于600元至2000元。
考察不同年份的携带型短路接地线。2014年至2017年，采购税后价格变化平稳，上四分位数大致在1000元左右波动，下四分位数大致在700元左右波动，2016年采购税后价格波动范围最小，2017年采购价格相较前三年有小幅提升。从采购数量来看，不同年份的采购情况差异不大，2014年采购数量最多，其次是2017年，2015年及2016年采购数量较低。与其他物料不同的是，携带型短路接地线采购数量较多的2014年及2017年，采购价格没有因为量大而下降，采购价格与采购数量无明显的负相关关系。
表3：携带型短路接地线采购价格与采购数量统计表
2014年
最低采购价格平均采购价格最高采购价格采购数量异常价格数目
3.51760.8757072758
2015年86.40809.6543401277
2016年32.13672.632320771
2017年3471021.74436120316
ARMA模型要求数据必须平稳，首先对原始数据进行平稳性检验，ADF检验是平稳性检验常用的一种方法，原始数据通过ADF检验，由Ljung-Box检验结果可知，p值为0.006125，小于0.05，认为该序列不是白噪声序列，说明该时间序列符合建立ARIMA模型的假设条件。
表5：Ljung-Box检验的结果
X-squared18.623
df3.8712
p-value0.0008226
在模型识别与选择时，利用R语言forecast包的auto.arima函数识别模型，如表6所示，auto.arima提供的最佳模型为ARIMA（1，0，0）（1，1，1）[12]，采用该模型对时间序列数据进行建模。
从各个分公司角度分析，重庆电力采购价格偏高，边境省份采购数量较高。不同分公司的采购价格和采购数量存在差异。2019年第6期
88Copyright©博看网 www.bookan.com.cn. All Rights Reserved.调查研究
表6：auto.arima提供的候选模型
模型
ARIMA(0,0,0)(0,1,0)[12]ARIMA(1,0,0)(1,1,0)[12]ARIMA(0,0,0)(0,1,0)[12]ARIMA(1,0,0)(0,1,0)[12]ARIMA(0,0,0)(1,1,0)[12]ARIMA(2,0,0)(1,1,0)[12]ARIMA(1,0,1)(1,1,0)[12]ARIMA(2,0,1)(1,1,0)[12]ARIMA(1,0,0)(1,1,0)[12]ARIMA(1,0,0)(0,1,0)[12]ARIMA(0,0,0)(1,1,0)[12]ARIMA(2,0,0)(1,1,0)[12]ARIMA(1,0,1)(1,1,0)[12]ARIMA(2,0,1)(1,1,0)[12]
AIC5.8827573.8253586.5303577.7856578.6257577.24577.281580.2095571.3139574.2636579.5045574.8479574.8542577.7174
BIC586.7156567.4912584.9468573.035573.8751569.3288569.3634570.7084566.5633571.0965576.3375568.5138568.5201569.7998
意义。需要注意的是，偏离均值较远的数据拟合具有一定局限。
利用建立ARIMA（1，0，0）（1，1，0）模型对2018年1月至6月的采购价格进行预测，预测结果如图3，蓝色表示预测值，灰色部分表示95%的置信区间。预测价格的波动范围较小。在未来年度的招标采购时，可利用以下预测值作为采购价格的估算值，对招标采购中的报价进行控制和管理。
对应的模型为具体系数为：
表7：ARIMA（1，0，0）（0，1，1）模型系数估计结果
AR1
系数标准差评价指标
0.5250.139
loglikelihood=-280.28
Sar1-0.4770.159AIC=566.56
图2：短路接地线月均采购价格的真实值与拟合值的时间序列图
注：国家电网公司物资招标采购价格2014年到2015年真实的采购数据存在较多缺失，这里真实值数据是没有进行插补的数据展示
表8：时间序列预测结果
2018年月份预测值置信下限置信上限
1月555.1032.40
2月627.18-375.03
3月5.69221.932753.05
4月650.72215.542766.36
5月652.10465.10
6月652.49465.30
表7说明，本月采购价格受上一个月的采购价格的影响，同时，还受到季节因素的影响。为了验证模型是否正确，接下来对残差进行检验。由图1可以看出，除了一个残差的绝对值大于2以外，其他均围绕0水平线，无任何趋势。残差的ACF图中，所有滞后均不显著，表明残差没有自相关性。
2208.412083.513021.343023.05
图3：时间序列预测结果
四、结论及建议
由于涉及到的物料种类繁多，采购价格模式差异较大，本文仅选取了一种物料进行价格预测，从预测的层面看，本研究突出了单变量时序预测的精准度和有效性。但是对于该类型物料来说，也可以采用回归等方法，引入更多的外生变量进行分
图1：残差诊断图
接下来对模型拟合效果进行分析，图2中黑色线段是采购价格的真实走势，红色线段是模型的拟合值。可以看出模型拟合效果较好，并且能拟合出一定的季节趋势，刻画趋势有一定
参考文献：
[1]王春宝,刘若阳.基于ARIMA的油田A类物资市场价格预测[J].运筹与管理,2013(5):160-165.[2]张双美.价格不确定下并行工程项目的原材料采购策略研究[D].武汉大学,2017.
[3]王彭.电力设备投标报价决策研究——以国家电网某省公司集中招标项目为例[D].山东大学,2012.[4]林珺.对X企业生产原料PTA价格的预测研究[D].东华大学,2013.
[5]刘增杰,祝方才,黄金霞.国家电网电容器投标报价模型[J].湖南工业大学学报,2017,31(2):84-88.
析。根据我们对物料价格的研究发现，外生变量的引入，也可以有效的提升数据量较少时的价格拟合效果。在未来的研究中，我们将继续挖掘数据中潜在的规律，为未来价格的分析和评估提出有益的建议。
Copyright©博看网 www.bookan.com.cn. All Rights Reserved.2019年第6期
