| 项目名称 | 地区 | 行业 | 评标办法 | 控制价(万) | 下浮率 | 投标家数 | C1 | 日期 | 操作 |
|---|
输入投标公司名称,系统自动匹配历史画像,提升预测精度。
| 行业 | 标段数 | 均控制价(万) | 均投标家数 | 均下浮率 | 开标样本 |
|---|---|---|---|---|---|
| 加载中... | |||||
| # | 对手名称 | 参与次数 | 中标次数 | 中标率 |
|---|---|---|---|---|
| 加载中... | ||||
| # | 对手名称 | 参与次数 | 中标次数 | 中标率 | 威胁等级 |
|---|---|---|---|---|---|
| 加载中... | |||||
| 行业 | 控制价(万) | 我的下浮率 | 中标人下浮率 | 偏差(pp) | 结果 | 操作 |
|---|---|---|---|---|---|---|
| 加载中... | ||||||
1. 模型命中率:本系统回测显示,推荐下浮率与实际中标下浮率偏差在 ±10% 以内的案例占比约为 28.4%(目标 60%,当前未达标)。这意味着模型的预测能力有限,请将推荐结果作为参考而非决策依据。
2. 数据地域限制:当前模型仅基于湖南省历史数据训练(17.5 万条投标记录 · 7246 家投标人 · 4112 个标段)。其他省份的用户使用时,由于地域差异(市场环境、竞争格局、评标规则执行尺度不同),预测精度可能进一步下降。
3. 置信区间含义:策略推演中标注的 95% Wilson 置信区间表示:在真实胜率未知的情况下,有 95% 的概率落在该区间内。区间越窄说明样本越多、估计越准;区间较宽时说明数据不足,请谨慎参考。
4. "胜率"实为"报价分第1概率":本系统所称"胜率"是指在蒙特卡洛模拟中,您的报价得分超过所有竞争对手的概率,而非真实中标率。真实中标还受技术商务分、资质评分等非价格因素影响。
1. 蒙特卡洛模拟:每次模拟从历史分布中随机采样 N 个竞争对手报价(N 由模型 BIDs 字段决定),结合 C1(基准价权重)、r(下浮率系数)计算基准价,再用官方评标公式计算得分。重复 5000~10000 次取统计平均。
2. 官方评标公式:
3. 模型结构(V3):按"行业×规模×地区×评标办法"四维分桶,共 364 个细分模型。每个桶存储 C1s/rs/BIDs/RATIOs 四个数组,分别代表基准价权重分布、下浮率系数分布、投标人家数分布、报价比分布。
4. 多单位组合优化:从 winRate 最高的若干下浮率中挑选间隔≥0.5% 的组合,用独立假设计算联合胜率:P(至少一中) = 1 − ∏(1−Pᵢ)。实际中标存在相关性,联合胜率为上界估计。
来源:湖南省公共资源交易服务平台(www.hnsggzy.com)公开数据
规模:17.5 万条投标记录 · 7246 家投标人 · 4112 个标段
模型数据:由 models.json 提供(约 170 个有效模型桶)
离线行业分析:截止 2026-05-19(静态数据,不随 API 更新)
实时数据:通过后端 API 实时查询(/api/history、/api/competitors 等)
1. 将推荐下浮率作为起点,结合项目实际情况(技术难度、竞争烈度、企业战略)调整。
2. 关注安全区间而非单一推荐值——在安全区间内的报价都有合理的竞争力。
3. 使用"已知投标人"功能输入确认会参与的对手,可提升预测针对性。
4. 多单位组合优化结果为理论上界,实际多标段投标需考虑资质限制、标段间的相关性。
5. 决策后请使用"保存决策"功能记录,系统会在开标后自动匹配实际结果,持续校准模型。