策略性投资,贸易和根据预测定价翻译

策略性投资，贸易和根据预测定价这篇论文讨论的是两个独立公司，他们基于不完善的市场预测投资例如产能资源或是库存资源。随着时间的推移和新信息的获取，公司更新了他们的预测，并且有了交易他们资源的选择。这种贸易合同被认为是议价均衡或是价格均衡。假设在一个相对普遍的利润函数下，我们就可以描述纳什均衡投资水平，这是在价格均衡贸易合同下的首选，而不是在议价均衡贸易合同下。为了得到额外的见解，我们之后集中研究了特定的公司，这些公司面临有固定价格弹性的随机需求函数，并且有或然定价能力。假设一个一般的预测演化过程，我们描述了交易选择的影响，以及公司关于平衡投资、期望价格，利润和消费者剩余的合作。最后，为了研究贸易的主要驱动力，我们采用了一个已经确立和经过实际验证的预测更新模型，这个模型中预测演化过程遵循二维几何布朗运动。在这一模型下，我们证明了均衡投资、望价格、利润和消费者剩余在预测修正的质量和时间、市场变化和外汇波动下非减，但在市场相关下非增。关键字：预测更新；定价；风险对冲；外包；转运历史：PaulGlasserman在2003年7月23日收到后，认证了随机模型和仿真的正确性。这篇文章作者历时18个月两次修改。1.引言通常，企业在做出产能、库存和生产决策时，并不能确定未来市场的状况，如：需求、价格和交换率。在不确定的情况下，与产量相关的机会成本常常可以通过变化资源集中策略来缓解，其中只需要做出一个总需求的决策，而介于不同的产品、市场或是公司相关的决策直到得到更加准确的市场预测之后才做出。这篇论文研究的资源集中，能够通过两个独立的公司贸易能力或是转运库存来实现。我们考虑的是两个面临不确定市场状况投资于产能或是库存的公司。在投资做出之后，随着生产和销售季的来临，公司基于观察到的如市场趋势、相关产品销量等的市场信号更新了他们对市场状况的预测。得到修正后的预测之后，公司有了权衡他们投资的两种资源的选择。需要考虑的是决定权衡资源的数量和价格。这一交易能够通过一场议价博弈来协商，在这场博弈中选择交易的数量来最大化公司的期望接缝利润和期望交易利润，公司通过自身的议价能力来划分期望交易利润。作为选择，公司可以通过均衡价格来进行交易，例如：通过一家公司想要销售的资源数量和另一家公司想要购买的资源数量来决定价格。尽管对于任一种给定的资源水平，议价博弈和价格均衡在相同的交易数量上发生（关节点最优），但它们产生了不同的转移价格，并且因此为公司在投资阶段的行为造成了不同的刺激。不像交易决策，资源投资决策通常由单方面做出。为了反映这点，我们假设投资决策来自于一个非合作博弈。我们为一个相对普遍的经营利润函数形式描述了纳什均衡投资水平，并且显示了当交易来自于议价博弈时这个均衡时唯一的，但是当公司在均衡价格下交易时仍有可能是多重均衡。纳什均衡投资在定价均衡交易合同可以最大化公司关节点利润，但在议价均衡交易合同下不会。然而我们最初分析是为了一般的随机利润函数，我们通过集中研究面临固定价格弹性随机需求函数的公司进一步发展了结果。为了反映在许多应用中的定价决策相关弹性，我们允许公司在相应特定需求函数时可以设定价格。鉴于这种需求模型和一个任意预测演化，我们描述了这两种交易合同中的交易的效果和纳什均衡中的集中化程度。在议价均衡交易合同中，交易的选择导致了更高的投资、期望价格、利润和消费者剩余，并且投资集中进一步增加了投资、期望利润和消费者剩余但减少了期望价格。在定价均衡交易合同中，交易的选择导致了更高的投资、期望利润和消费者剩余，但并不影响期望价格。因为在这一情形下，纳什均衡已经最优，而投资集中是无关紧要的。为了方便进一步分析，我们假设公司预测遵循一个二维几何布朗运动。一个实际的预测系统统计研究支持了这一假设。（Hausman1969,HeathandJackson1994），并且它的理论原理来源于比例效应理论。这个理论表明，一个预测变化从一段时间到另一段时间是一个它当前值的随机比例。（见，例如，AitchisonandBrown1957）。基于这个预测演化模型的假设，我们证明了在这两种交易合同中，均衡投资与其相应的期望价格、利润和消费者剩余是：（i）在预测修正量中非降，（ii）在市场波动中非降，（iii）在市场相关性中非增，并且（iv）除了全球贸易中的市场波动外，在汇率波动中非降。这篇文章有助于一下三个领域的研究：（i）分散库存转运和产能分包，（ii）在预测更新下的普通资源集中，（iii）全球产能管理。几乎所有已存的关于分散转运和分包的文献都集中研究在分散成本下的变化资源分配机制效应。其中最明显的就是，Kouvelis和Gutierrez(1997)研究了一个两市场随机困村系统，在这一系统中来自一级市场的过剩库存能够转移到二级市场。VanMieghem（1999）研究了在需求不确定下非合作投资于产能的分包商和制造商，并且它们有机会根据需求信息交易产能。Anupindietal.(2001),Rudietal.(2001),和Granot和Socic(2003)研究了分散配送系统，这一系统是由面临随机需求并且有转运库存选择的多级零售商构成。在Lee和Whang(2002)的研究中，多级零售商在两个时段订购库存来满足不确定的去求。在第一时段去求满足之后，零售商在二级市场交易剩余库存。以上的所有文献都假设给定产品价格。作为结果，库存水平的资源集中效应典型地依赖于报童临界比率，例如：收益和成本参数（见，LeeandWhang2002）。类似的，分散也许会导致缺货或积压，这具体取决于那些参数（见，Rudieral.2001）。我们的论文通过反映介于价格和需求之间反相关，放松了给定价格的假设。因而，资源交易来源于价格不同而非供需不平。我们显示了，在这种情形下，资源水平由于资源交易而更高，由于分散化而更低。现存的考虑了产品价格关于分包和转运文献很少。PlambeckandTaylor(2003)研究了两个OEM（贴牌生产厂商），这两个厂家投资于在不确定需求曲线下的需求刺激创新和生产能力。每一个OEM或许会投资于自己的产能来满足自己的需求，两个OEM也许会共享产能来最大会自己的关节点利润，或者OEM们也许会为一个独立的合同制造商外包生产。同CM（独立合同制造商）的供应合同通过一场议价博弈来协商。这种OEM共享产能来最大化关节点利润的情形，不同于我们模型中的产能共享机制，他们的OEM在创新投资中竞争在产能获得和分配上合作，而我们的公司在产能交易中合作在产能获得上竞争。DongandDurbin(2005)分析了大量制造商交易的二级市场，显示了通过增加供应商的定价能力也许会降低供应链的效率。PlambeckandTaylor(2003)andDongandDuebin(2005)假设了服从独立和附加随机冲击的线性需求曲线，然而我们认为等需求函数服从乘法多元不确定性。随着我们之后的讨论，不同的需求模型有时会导致不同的见解。这篇文章对分散转运和分包的研究文献做出了四点贡献：（i）相对于之前的方案，我们的资源交易模型具有高度的一般性。相对一般的利润函数和任意不确定的演化过程证明了方案的重要结构性属性。对于任意不确定性演化，我们描述了资源集中和分散的影响。（ii）通过反映介于价格和需求之间的关系，我们能够研究期望价格和消费者剩余。（iii）不像当前的文献，它们假定在实现完全需求之后进行资源再分配，而我们允许基于改进了但仍然不完善的需求预测进行资源交易。更逼真的信息动态能够使我们研究预测更新质量的影响。（iv）最后，虽然在大多数已存的文献中基本依靠数值试验来得到相当多的统计数据，但我们创新性的建模方法允许我们分析性地获得大多数实验结果。关于在预测更新下的资源集中操作性文献仅限于研究集中式系统。AnandandMendelson(1998)研究了在预测修正下产品差异的延迟，考虑了一个两产品公司的多时期、无限水平模型，这个公司面临着服从二进制随机冲击的线性需求曲线。他们使用一个数值案例显示了，在需求变动和预测修正精确性下延迟值增加，在需求相关性下延迟值减少；我们的发现是和他们一致的。然而，他们的模型不同之处在于，由于需求曲线的线性性在需求波动下利润减少。此外，在AnandandMendelson(1998)的模型中，预测精确性随着市场相关提高了，因为每个市场的信号用来完善了两个市场的预测。这不是我们预测演化模型的情形。LeeandWhang(1998)研究了在一个多时期模型中的延迟值，随着时间不确定减少的两种差异性来源：不确定的解决和预测的改进。我们的论点建立在他们的论点之上，他们的论点来源于Hewlett-Packard公司的数据，数据表明随着一段时期向着另一段时期的过渡，对未来一段时期的预测质量得到了改善。EppenandIyer(1997),AvivandFedergruen(2001),和PetruzziandDada(2001)，研究了集中式资源集中的不同模型，在这些模型中需求和预测是依据贝叶斯形式来更新的。大多数研究在波动性汇率下全球产能管理的操作性文献，都集中于研究，汇率波动对在假设给定价格和确定需求下生产成本的影响。例如，KogutandKulatilaka(1994),HuchzermeierandCohen(1996),和DasuandLi(1997)通过一个跨国公司研究了国家间转移生产的最优策略和值，这是基于汇率波动造成生产成本差异进行研究的。KoubelisandGutierrez(1997)数值性地考虑和研究了，在全球产能交易时，汇率波动对收益和成本参数的影响。我们对全球产能管理文献的贡献包括，一个在需求函数不确定性和汇率波动性相互叠加情况下的分析性贸易方案。最后，我们必须取信于一些方法论相关的文章。我们模型中回报依赖于一个嵌入式合作交易博弈的非合作投资博弈，是由BrandenburgerandStuart(2006)介绍的biform博弈的一个例子。我们的灵敏度分析结果依靠一个最初由Hausman(1969)提出的预测更新模型，Hausman为成功预测是独立对数随机变量的假设提供了理论基本原理。之后，HausmanandPeterson(1972)扩展Hausman模型为一个多产品情形，并且HeathandJackson(1994)在预测演化模型（MMFE）中推广了该模型，MMFE适用于多时段需求预测同时演化的情形。这篇论文的剩余部分是如下安排的。在§2中，我们公式化了这个模型、描述了解决方案，并且证明了二择其一交易合同和相对普遍随机利润函数的存在性和唯一性。在§3中，我们介绍了一个具体的利润函数形式，这个利润函数是通过考虑一个面临随机需求函数并且有或然定价能力的公司制定的。§3.1描述了交易和投资集中化的影响。子部分§3.2中介绍了一个具体的可预测更新模型，这个模型通过市场变动影响、市场相关和预测修正的分析来制定。在§4中，我们讨论了一些模型的限制和扩展，包括在汇率不确定下的交易。我们在§5中得出结论。附件中包括了引理10和命题17的证明。在管理科学网站的在线附件中可以找到所有剩余的证明，网址：博弈论公式我们考虑了两个均面临随机利润函数，同时但独立投资资源的公司。我们命名qi为公司i的资源投资水平，这一水平是通过一个单位的投资成本c来得到的。全文中，我们通过粗体字母来表示对应变量的二维向量，如：q=（q1,q2）。与公司利润函数相关的不确定性来源于市场条件的不确定，如：需求或价格水平。我们使用来表示影响公司i操作性利润的随机冲击。在投资水平选定后，公司收到信息I并且使用它来修正他们的期望ξ。信息从对市场趋势、相关产品的销量等的观察中得来。我们假设（I，ξ）的分布是两个公司均得知的信息，并且每一家公司都可以观察到整个信息向量I，例如：公司总是有着相同的信息。我们设置（I，ξ）直到§3.2都是一个随机连续概率分布，这其中考虑了一个具体的预测演化过程。我们用来表示服从（I，ξ）联