供需不确定下基于M-CVaR的供应商选择与订单分配研究

在供需不确定环境下,企业难以精准地预测供应链上游的供给能力和下游市场的实际需求。在解决如何决策供应商组合和订单分配这一基本问题外,企业还需评估潜在风险并在风险和成本之间寻求平衡点。因此,文中对供需不确定下的供应商选择与订单分配问题进行研究,利用均值-条件风险价值(Mean-Conditional Value at Risk,M-CVaR)构建了风险规避的决策模型。数值分析表明:选择合适的供应商数量可以有效降低来自供需两端不确定性的影响;成本随风险规避水平的增加而增加。当风险规避水平较低时,置信水平的变化对决策的影响较小,且增加成本可以显著降低风险。

基于M-CVaR的供应链收益共享契约协调研究

基于收益共享契约能有效改善供应链运作效率且实践中不仅存在风险中性、厌恶型,还存在风险喜好型供应链成员。运用均值-条件风险价值统一度量决策者的风险喜好、中性及厌恶水平,并据此研究考虑决策者风险偏好水平的供应链收益共享契约协调问题。首先建立零售商及供应链整体的均值-条件风险价值模型;然后研究考虑决策者风险偏好水平的供应链收益共享契约协调问题;最后讨论供应链成员的风险偏好水平对最优订购量及最优批发价格的影响,并通过数值算例进行验证。结果表明产品的最优批发价格随着零售商悲观系数的增大而减小,随着供应商悲观系数的增大而增大,而最优订购量随着零售商悲观系数的增大而减小,亦随着供应商悲观系数的增大而减小。因此,设计供应链收益共享契约时应考虑成员的风险偏好水平。

基于改进蚁狮算法优化考虑交易成本的M-CVaR模型

现代投资组合理论不断完善与发展,使得如何实现低风险下的收益极大化成为了研究热点。在传统M-CVaR模型的基础上,结合我国证券交易市场的实情,建立考虑交易成本的M-CVaR投资组合模型。引入改进蚁狮算法对该模型进行求解。通过对于多种证券交易的实证分析,验证了该算法的有效性和优越性。

M-CVaR准则下具有风险偏好的双渠道供应链决策分析

本文针对供应商为风险中性,零售商具有风险偏好的双渠道销售的两级供应链系统。在条件风险值(CVaR)准则基础上,创造性的提出了利用均值条件风险价值(M-CVaR)度量风险偏好,融合风险厌恶度和悲观系数建立了基于M-CVaR决策准则的双渠道销售供应链模型。最后讨论零售商的不同风险偏好度对供应链最优决策的影响,并通过数值分析验证了模型的可行性。研究表明:1) M-CVaR决策准则比条件风险值准则更能完整度量决策者的风险偏好度;2) 具有风险偏好的双渠道供应链可通过均值条件风险价值决策准则寻找最优决策。

随机需求下基于M-CVaR的仓储服务定价决策研究

借鉴均值-条件风险价值,统一度量决策者的风险喜好、中性及厌恶水平,并据此研究考虑决策者风险偏好水平的仓储定价策略问题。建立了随机需求下基于仓储企业收益的均值-条件风险价值模型,经过对M-CVaR模型的分析计算,得出仓储企业的最优定价,并通过数值算例,与以收益最大化为目标所得出的最优值进行比较分析。随机需求下考虑决策者风险偏好水平的仓储企业定价策略更加科学合理,对仓储企业具有现实的指导意义。

考虑非线性交易费用的CVaR优化模型及实证

文章在考虑非线性交易费用情形下构建M-CVaR模型,并利用滤波历史模拟法生成收益率情景数据,用二次函数近似实际的交易费用函数,通过分支界定算法对M-CVaR组合选择模型进行实证分析。研究发现,交易费用的存在会减少投资组合的收益,在给定的收益水平下,VaR是小于CVaR的,随着风险的增大,CVaR和VaR差会变小。随着置信度的增大,无论是VaR还是CVaR值都会增大。

基于M-Copula-EGARCH-M-GED模型的相关风险度量及投资组合优化

采用EGARCH-M模型进行单个资产建模,利用M-Copula函数构建资产的联合分布,对基于GED分布的联合资产收益率构建M-Copula-EGARCH-M模型,并采用Monte Carlo模拟方法计算出不同投资比例和置信水平的组合风险VaR和CVaR的值,并求出不同期望收益和置信水平下的最优组合投资权重。结果显示:当分位数为5%时,欲获得固定收益,同时风险最小,需将绝大部分资金投入深圳证劵市场;在分位数取10%时,目标收益率较低时,应将大部分资金投放在上海证劵市场。目标收益率较高时,上证市场的投资比例应降低,深证市场的资金比例应上升,具体的最优投资比例在实证部分已给出。实证结果表明:本文模型有利于投资者对投资权重的选择。

基于CVaR与平均离差波动限制的投资组合模型

提出了一种基于CVaR的投资组合模型,对组合资产收益率不做正态分布假设,用MAD模型作为一个约束条件,实现波动性度量限制,用上凸效用函数作为一个约束条件,表示风险资产交易费用。实验结果表明,该模型满足实际投资要求,符合实际投资规律,与M-V模型和原始CVaR模型相比具有波动性和风险价值最小化的优势。