不确定环境下损失厌恶零售商的提前支付决策

本文考虑由一个供应商与一个零售商组成的两级供应链.供应商为风险中性,零售商具有损失厌恶风险态度.在销售期开始前,零售商面临需求不确定性和供应不确定性,需要做出订货决策.本文从零售商角度出发,研究采用提前支付策略以降低供应不确定性风险.研究表明,在给定提前支付前提下,资金成本越低零售商的提前支付比例越高;当资金成本超过临界值时,零售商不再采取提前支付策略.零售商的最优订货量随损失规避偏好系数的增大而减少.论文也探讨了需求随机变化、紧急订货选择对系统绩效的影响.     

基于混合型消费者的最佳库存策略

针对市场中短视型消费者和策略型消费者并存的情况,研究了垄断销售商销售季节性产品的最佳库存策略,分析消费者与销售商间的博弈过程,确定了消费者的最优购买决策与销售商的最优库存策略。研究显示:如果消费者是风险规避的,且对商品估价较高的顾客数量不是很少,那么销售商分两阶段销售商品从而制造产品的配给风险是一项有利可图的策略;但是如果消费者是风险中性的,那么制造产品的配给风险不再是有利可图的。     

供应商担保下风险厌恶零售商的融资决策

当零售商缺乏足够的资金用于订货时,可在供应商的担保下向银行借款.供应商和零售商在批发价格合约的框架下进行Stackelberg博弈.供应商是风险中性的,零售商是风险厌恶的,按照条件风险值(CVaR)准则进行决策.研究表明:随着零售商自有资金及其风险厌恶程度的增大,均衡的订货量和供应商的期望利润会降低,供应链的总期望利润...     

考虑策略型消费者损失厌恶下的新产品预售与退货策略研究

新产品通常面临较大的市场不确定性,如何保证产品的供应与市场需求的匹配性对于企业来说尤为重要,企业通过预售提前获取需求信息有助于实现这一目标.本文在考虑策略型消费者损失厌恶下研究了零售商的预售及退货策略,首先基于策略型与短视型消费者的行为特点构建预售与正常销售两阶段模型,对允许退货与不允许退货两种预售策略展开对比研究,接着通过构建两种策略下零售商的收益模型得出相应的最优预售价格和最优退货价格,并给出退货价格的取值范围.研究发现,由于策略型消费者的损失厌恶,零售商不得不降低预售期产品的价格.当预售期结束后的退货价格不高于某一特定的值时,退货策略的实施能够使零售商获得更优收益,并且存在一个最优的退货价格,使得退货模式下零售商的期望利润达到最大值.     

库存能力约束下损失规避型零售商的鲜活农产品订货决策

本文研究了库存能力约束下损失规避型零售商的鲜活农产品订货决策问题.建立了基于库存能力约束的鲜活农产品订货决策模型,证明了最优解的存在性,分析了库存约束、损失规避度、残值和价格等参数对鲜活农产品最优订货量的影响,并通过算例进行了验证.算例分析结果表明,损失规避度和库存约束均能够影响最优订货量,且当损失规避度在一定范围内时,库存约束对最优订货量的影响较明显;库存约束情况下,残值和价格对损失规避型零售商订货量决策的影响较大.     

供应链下游零售商的转运库存策略

考虑处于供应链下游的两零售商:网上零售商(网上店)与实体零售商(实体店),当网络零售商缺货时,由拥有较多库存的实体零售商将产品配送给网络零售商。通过一个数学模型探讨该模式背后的机理。研究表明:转运模式下,两零售商的最优库存水平存在,且随转运价格的升高而同时升高;当转运价格适中时,网络零售商的库存水平低于无转运的库存水平,实体零售商的库存水平高于无转运的库存水平,网络零售商和实体零售商均能有所获益;在实体零售商主导下,两部定价机制能使两零售商实现双赢。     

流程型企业原材料需求预测与库存决策方法及应用

以石化企业化工原辅料库存管理同题为背景,研究流程型企业与生产计划相关的原材料库存管理问题.从订购提前期与生产计划是否确定的角度,将流程型企业原材料需求分为四类,重点研究了订购提前期与生产计划不确定下的需求预测方法,并给出了确定其库存决策的建议策略及再订购点和订购批量的确定方法.应用结果则证明了所提出的预测与决策方法的适用性.     

模糊厌恶下的最优投资与最优保费策略

保险公司的投资决策与保费收取决策至关重要.由于金融市场复杂性与风险性等特点,保险公司对金融市场的模型估计不可避免的会存在模糊性.因此在金融市场存在模糊性下研究保险公司的最优投资和最优保费策略会更加贴近现实.假设保险公司对金融市场的模型估计会存在模糊性,而保险公司对自己的模型由于其长时间的应用、经营和检验将不会存在模糊性.在模糊厌恶下,在最大化保险公司终端财富期望效用的目标下,给出了保险公司的最优投资和保费策略的解析解并得到了值函数具体的形式.结果显示:对金融市场模糊厌恶下求得的最优策略与不考虑模糊性下所求得的最优策略会存在联系,且金融市场的模糊性会对最优策略有明显的影响.     

一般需求函数下报童模型的定价与库存控制

研究单周期联合定价与库存控制问题,即决策者同时决定产品的售价和库存水平.引进了一个新的概念:销售弹性, 并利用这一新的概念研究其最优解的性质.对一般需求函数,证明了解的存在性,唯一性,并证明了最优定价是订货量的减函数以及最优订货量是定价的减函数.推广了现有的关于单周期联合定价与库存控制问题的结果.     

考虑容量扩张决策的确定性库存问题研究

分析了有限时段和无限时段具有容量约束的连续时间确定性时齐库存系统的最优存储和容量扩张联合决策问题。首先证明在有容量约束的情况下等时间间隔补充策略最优。在此基础上,分别求解考虑存在固定容量扩张成本条件下的有限时段和无限时段问题的补充及容量扩张联合最优决策,并进一步分析了最优策略中各种成本之间的平衡关系。     

非时齐库存系统的最优存储/定价问题研究

存储和定价是企业的重要决策问题.以连续时间确定性非时齐库存系统为研究对象,建立存储/定价联合决策模型,分析最优策略下相邻订货周期之间的关系,将最优存储策略简化为第一次订购时间,并求得其上下界.在此基础上提出求解最优存储策略和最优价格的方法,并运用遗传算法进行数值计算和分析.     

代理人过度自信条件下最优激励契约与备货联合决策研究EI北大核心CSCDCSSCI

本文研究了代理人过度自信对委托人最优激励契约设计及最优备货决策的影响,建立了代理人过度自信时的最优激励契约与备货联合决策模型,得到并比较了代理人过度估计和过度精确两类过度自信类型下委托人的最优激励契约与最优订货量决策,并数值验证了相关结论.研究发现:库存耗尽的阈值契约是最优的契约形式,且不同过度自信类型对最优联合决策的影响具有显著差异;与代理人完全理性情况相比,过度精确(过度估计)会导致最优契约的奖励提高(降低)以及最优订货量降低(降低或提高);过度估计可缓解道德风险引起的最优订货量偏高现象,甚至产生比无道德风险情况下更高的利润,而过度精确可能进一步加剧订货量偏离现象.     

竞争市场中的库存共享实施策略

零售商间的竞争使市场中的库存共享和转运实施变的困难,这造成极大的资源浪费.为实现竞争厂商间的库存转运共享,本文设计了一类由生产商主导的库存转运机制,进而分析转运系统的协调策略.假设市场需求随机且存在顾客转移,考虑两销售周期,针对由单生产商、两零售商组成的供应链系统.首先建立Stackelberg-Nash均衡博弈策略模型刻画供应链分销系统;其次设计生产商主导的竞争零售商主动转运机制;运用博弈分析方法分别给出分散式无转运、分散式转运及集中式转运系统的最优生产、订货、补货及转运等均衡策略;设计了一类由调货价合同、批发价合同、加盟费合同组成的组合协调机制,以实现分散式分销系统的协调及效率改进.研究及分析表明:生产商主导的协助转运机制能实现竞争零售商间的主动库存转运和共享;合理批发价、调货价、加盟费等设置下的组合协调合同能够实现供应链转运分销系统的完美协调.研究为企业科学开展库存决策提供了依据.     

一类单一物品随机库存系统的最优控制模型

研究单一物品随机库存系统的最优控制问题，并借助于动态规划原理给出了了优控制律的表达式，以使在一个时间周期[0,T]内系统的费用总和的期望值最小。     

电力及可再生能源证书最优订购策略

文章考虑由一个发电厂和两个电网企业组成的电力供应系统,研究了两个对称的电网企业的电力和可再生能源证书的联合订购策略.经分析发现,虽然政府规定交易需要配备相应比例的可再生能源证书,但是由于可再生能源证书的需求是依赖于电力的需求量的,所以其决策是可以独立于电力交易的;而可再生能源证书的最优订购数量与其批发价格和政府罚金的比例有关,当该比例较小时,电网企业购买证书的数量较多,反之亦然.文章还研究了两个电网企业间需求的关联性对各自订购策略及成本的影响,并发现当需求正相关时,随着相关系数的增大,电网企业订购证书的数量逐渐减少,而相应的成本却逐渐增加;当需求负相关时,结论相反,而政府则可以通过调节罚金以降低这种影响.     

基于反馈控制的牛鞭效应自补偿对多级库存系统的影响

在时变需求条件下,多级库存问题中需求变异放大的现象给供应链上下游企业的供需匹配带来了极大的挑战.本文考虑一个单条供应链在信息共享条件下采用订至点补货策略的情形,在随机需求下,研究了一个四级供应链系统中的牛鞭效应及其抑制方法.基于反馈控制理论构建了一个四级库存系统的动态控制模型,并通过拉普拉斯变换推导出了系统的传递函数.在四级库存反馈控制模型的基础上,设计了一个牛鞭效应自补偿机制,使供应链进销存系统的需求变异维持在原有水平.数值试验及仿真进一步对牛鞭效应自补偿算法的效果进行了验证.试验结果表明,加入自补偿算法后供应链各级结点企业的订货量波动明显减弱;剩余库存量的波动大幅下降;供应链整体牛鞭效应约为信息共享条件下的三分之一,仅约为信息不共享条件下的四分之一.