可退货在线租赁竞争分析及其风险回报模型

经典的在线租赁只考虑购买和租赁两种决策行为,当在线租赁方购买设备后,不允许退货。本文假设在线租赁方在选择购买设备后,如果觉得购买设备不划算,可以在任何时候花费一定的代价把设备退还给承租方。通过定义退货费用函数来刻画退货行为,本文提出了可退货在线租赁问题,它是经典在线租赁问题的扩展。利用传统的竞争分析方法设计了该问题的竞争策略,分析了策略的竞争性能,并证明该策略能达到竞争比下界(即是最优竞争策略)。同时,在风险回报竞争分析框架下,进一步讨论了上述问题,得到了给定预期和风险下收益最优的竞争策略。     

随机选择设备获得方式的可折旧设备在线租赁

基于可折旧设备在线租赁的特点,首先研究了随机选择租赁和购买两种设备获得方式的可折旧设备在线竞争算法.商品的多样化使得具有同种功能的设备往往具有不同的折旧和购买价格,针对这一特点,进一步提出了转化随机策略,用来解决随机选择多种设备获得方式的可折旧设备在线租赁问题.转化随机策略将随机选择多种设备获得方式转化为随机选择两种设备获得方式,并得到了与折旧相关的竞争比上界.与经典租赁问题的随机性策略相比,折旧的引入和转化随机策略的提出使得竞争比进一步减小,进而竞争性能得到提高.     

租赁设备在线更新问题及其竞争策略

制造商在租赁供应链上为租赁公司提供租赁设备技术升级（或“以旧换新”）促进新技术应用。在租赁市场需求与技术更新速度不确定情形下，租赁公司决策者需要决策是否对设备进行技术更新用于租赁业务以获取更高的出租收益。本文运用在线算法建立租赁公司租赁设备的在线更新模型，分析不同市场情境下最优的确定性在线更新策略。研究发现：新技术设备单位租赁周期收益、更新成本与旧设备单位租赁周期收益影响在线更新策略。租赁公司最优的在线更新策略是：如果制造商提供的新设备单位租赁周期收益小于更新成本，租赁公司一直出租旧设备不进行设备更新，直至制造商提供另外的新技术的单位租赁周期收益不小于更新成本；然后继续出租旧设备直至新设备与旧设备租赁收益之差几乎累积达到更新成本时进行技术更新。本文研究结论对在高度不确定环境下开展经营活动的租赁公司下一步策略选择具有重要的借鉴意义。     

可折旧设备在线租赁的随机性竞争策略

应用在线算法与竞争分析研究在线租赁问题是近年来国内外的一个研究热点.在一般设备在线租赁的基础上,提出了可折旧设备在线租赁问题.针对离线人具有遗忘性竞争对手的特点分别给出了可折旧设备在线租赁在有无利率情形下的随机性竞争策略.基于在线-离线成本比值矩阵分别证明了有无利率下随机性策略的竞争比,说明了折旧因素的引入使得可折旧设...     

基于任务跟踪的在线租赁问题与竞争策略研究

现实经济活动中,有许多租赁融资决策既非纯在线租赁问题也非纯离线租赁问题,而是介于二者之间的具有部分已知信息的在线租赁问题.基于此研究了工作任务总量已知而工作任务进展序列未知的在线设备租赁问题,以租赁工作所需设备的费用最小为优化目标,建立了该问题的基本数学模型,提出了任务跟踪策略,给出并证明了基于这一策略的算法的竞争比.最后,把该在线租赁问题的竞争比与经典的在线租赁问题的竞争比做了比较分析,结果表明在线租赁问题的算法优于经典的在线算法,竞争性能得到了较大的提高.     

我国开展国际租赁的战略思考

<正> 一、国际租赁的发展趋势与长处。 国际租赁是国际间进行的租赁业务,由一国的出租人使用自有资金或向银行借款购买资本设备,租给另一国的承租人在一定时期内使用。承租人要按期以外汇或商品付给出租人租金,即租赁费。在租赁期内,设备的所有权属于出租人,使用权属于承租人。租赁结束后,一般是以较低的价格出售给承租     

在线设备更新问题的竞争策略及其风险补偿模型

本文基于一种设备在线租赁的基础上,提出了在线设备更新问题。运用传统竞争比方法分别研究了两阶段设备更新问题在有无利率情形下的在线竞争策略,并建立了相应的风险补偿模型,从而在线投资者可以根据自己的风险容忍度和预期选择最优的更新策略。市场利率的引入使得在线设备更新模型更复杂但更贴近于现实中的设备更新问题。最后,通过具体实例进一步说明了市场利率下在线竞争比更小,而且竞争比关于市场利率递减;同时也说明了风险补偿模型中最优约束竞争比要小的多。因此,投资者若考虑到资金的收益及市场风险因素后将会采取更加谨慎稳健的投资策略。     

通胀市场下多设备租赁的在线策略分析

现实租赁市场中,企业同时租赁多台设备的现象大量存在,但经营者面临的最大难题是如何对这多台设备进行在线租赁的组合优化,从而降低决策成本,而通货膨胀又进一步增加了决策难度。本文运用在线算法和竞争分析法建立多设备投资的风险控制策略,并分析通胀对决策的影响。首先在Karp经典模型上给出通胀因素下多设备投资的最优在线和离线策略;接着建立设备租赁在连续可分情形下的最优风险控制模型,进一步结合实际投资中设备必须以离散整数租赁的特点,对CR策略进行调整和优化,得到近似的CRJ策略,使得策略更符合实际投资活动。最后给出具体实例分析,结果显示,当物价指数逐渐增大时,最优决策日期相应提前,对应最优策略的竞争比也逐渐增大,进一步说明物价指数因素和多设备投资因素的引入对投资者的决策有着重要的影响,为多设备在线租赁问题的研究提供了新的解决思路。     

租金费用和购买价格连续可变的在线租赁竞争策略分析

本文运用竞争分析方法研究了占线金融租赁决策问题,已往的研究都是基于租赁设备的租用费用和购买价格不变的情形给出最优投资策略,本文给出了当价格在有界范围内连续可变时的占线投资策略,并对有无利率两种情形分析进行了竞争策略分析,分别给出了其竞争比的上下界。     

一类占线融资租赁问题的最优竞争策略与风险补偿模型

运用占线算法与竞争分析方法,研究了资产所有权在一定的租赁时间后转移给承租人的融资租赁问题的最优竞争策略与风险补偿模型。首先给出了该问题的最优离线解;然后,根据约定的租赁时限与购买价格及租赁费用的大小关系,分别给出了3种情形的占线策略及相应的竞争比分析;最后,在AL-BINALI提出的占线风险补偿分析框架下,给出了2种预期形式及相应最优占线收益策略。     

基于在线算法的改进指数梯度投资组合策略

弱集成算法是对专家意见进行动态加权平均的在线学习算法。近年来,机器学习和人工智能等方法被用来研究在线投资组合问题。该文从弱集成算法的在线学习及其序列决策性角度出发,设计改进的指数梯度在线投资组合策略,以弥补指数梯度在线投资组合策略不能结合交易费用进行分析的缺陷。首先根据指数梯度在线投资组合策略的更新方法构建代表投资策略的专家意见池,并以此为基础应用弱集成算法加权集成专家意见得到改进的指数梯度在线投资组合策略,证明了该策略可与最优专家策略(基准策略)相媲美。其次将交易费用引入到改进的指数梯度在线投资组合策略中,进一步给出对应的投资策略,重要的是理论上证明了该策略实现的平均累积收益与最优专家策略实现的平均累积收益之间的差值存在渐进式下界,从而提高了指数梯度在线投资组合策略的实用性。最后利用国内外股票市场的历史数据进行实证分析,说明了改进的指数梯度在线投资组合策略的可行性和有效性。     

基于消费者评论的网络预售定价策略研究

在线消费者评论成为影响消费者购买行为的重要因素。本文构建两阶段销售模型（预售期、正常销售期），通过刻画预售期消费者评论对正常销售期需求的影响，探究消费者评论如何影响商家定价策略以及商家如何利用消费者评论调节竞争。结果表明，无论在垄断或竞争市场情形下，若忠实消费者选择等待至正常销售期购买产品，商家均会采取折价预售策略，即通过降低预售期价格提升消费者评论，刺激正常销售期的产品需求。在竞争市场情形下，若普通消费者的产品偏好成本非常低且预售期购买量较小，商家的折价预售策略能通过提升消费者评论以阻止竞争者进入市场；随着普通消费者产品偏好成本增大，商家会将重心转向忠实消费者，进而缓解商家之间的竞争。     

互补型闭环供应链的收益共享与成本共担契约协调优化

互联网平台开放、协作和分享的特点改变了传统的商业模式。如何将互联网思维与传统产业相融合,理论界和实业界正在进行理论探索和模式实践,突破线上平台商和线下渠道服务商界限以提高服务效率,解决线上平台服务和逆向回收难的瓶颈。本文针对单一线上平台商-单一线下渠道服务商的闭环供应链系统,探讨双方如何在正向供应链进行收益共享、逆向供应链进行渠道成本分担情境下的产品定价和服务优化决策。通过对比收益共享模型和收益共享-成本共担模型发现,线上平台商将部分收益分给线下服务商的同时,如果能分担线下渠道服务建设投入,将更有利于逆向回收和服务商逆向渠道服务水平的提高。最后,还通过数值分析,验证了分成分担比例对平台商和服务商决策的影响,以及对各决策变量的影响关系机理。     

Produktrückgaben und Preise im Versandhandel: Ein internationaler Vergleich

E-Commerce sales have been constantly rising over the past years. Among the reasons for this trend are advantages such as reduced search costs and low transaction costs for the buyer. A disadvantage of online shopping is that customers cannot inspect the product they buy online. In Germany, customers are entitled to get full refund when withdrawing from any distance selling. Customers can withdraw from a contract within two weeks without any explanation. Many retailers in the USA do not refund the full price to the customer in case of product return and charge restocking fees. A reason for such a restrictive return policy is the reduction of opportunistic product returns. In this paper, the authors compare prices in online-shops for identical products in the USA and Germany. The comparison shows that the alleged consumer protection achieved by a legal prohibition of restocking fees leads to higher average prices for electronic products in Germany.     

需求依赖于库存的易变质品在线采购问题研究

根据现实生活中常见的库存量越大越吸引消费者购买兴趣的现象，本文建立了需求依赖于库存的易变质品采购模型。在不假设价格服从任何分布的条件下，提出了采购价格不确定背景下的易变质品在线采购策略。本文采用在线问题及其竞争分析的方法来进行建模分析，设计出有效的在线竞争采购价格驱动的(s,S)策略，与离线最优策略进行比较，得出理论竞争比和最优经济采购数量和采购时间间隔。最后，通过数值算例说明该策略在现实中具有较好的实际竞争性能比，且在多个价格序列下都表现良好，从而说明了该策略是鲁棒的，可以为企业提供有价值的决策建议。     

Promotional pricing and online business model choice in the presence of retail competition

Online promotional channels provided by competitive conventional reselling or novel agency selling e-tailers are widely used by firms to stimulate significant sales in retail. Compared with reselling, agency selling gives firms the power to directly control prices, but it involves costly platform fees. Given the unique features of the reselling and agency selling business models, we develop game theoretic models to explore how the firm and e-tailers, under consideration of retail competition, should strategically use these two business models in promotion. Our analysis generates several insights. We demonstrate that the agency selling model might lead to a higher price than the reselling model, a result contrary to the double marginalization. We also present that without retail competition, there exists a “win-win” promotional strategy, which is also a Pareto-optimal situation for the firm and e-tailer. Specifically, this situation occurs when the e-tailer is in the reselling model under a moderate inventory level or in the agency selling model with a moderate platform fee under a high inventory level. However, under conditions of competitive e-tailers, both e-tailers being in the reselling model is no longer a “win-win” promotional strategy, while the hybrid selling model, i.e., one in the reselling model and the other in the agency selling model, can generate a Pareto improvement. In addition, low platform fees, customers’ high price sensitivities, increased selling costs or decreased competitive intensities will drive supply chain participants to seek direct pricing power in the agency selling model.     

不同市场能力下的“电商—平台—物流”在线销售系统的决策研究

近年来,随着互联网的快速发展,市场上衍生出了一些在线销售网站。考虑了一个包含电商卖家、电商平台和物流公司的在线销售系统模型,其中需求依赖于产品价格、平台和物流服务水平。研究了当物流、平台同时决策时,在线销售系统中电商卖家和平台、物流之间的不同市场能力结构问题。考虑了3种不同市场能力的分散决策模型:(1)物流-平台Stackelberg模型;(2)电商Stackelberg模型;(3)Nash模型。相关的均衡解和最优利润被得到。研究结果表明,在不同的市场能力结构下,当物流公司和平台同时决策时,即使他们的服务投入不相同,但最优收费相同。市场能力结构对在线销售成员和消费者有重要的影响。对电商而言,当市场能力较高时,会制定较低的零售价格,并获得最多的利润,同时能够提升消费者购买的积极性;当市场能力较低时,电商会制定较高的零售价格,并获得最少的利润。对平台和物流公司而言,当市场能力较高时,会制定比较高的收费,同时付出较少的努力,但并不能获得最高利润,同时会打击消费者的积极性;但是,当市场能力较低时,他们一定获得最少的利润。在Nash模型中,平台和物流公司会付出最大的努力,同时获得最大的利润,而整个在线销售系统的总利润也是最多。在物流-平台Stackelberg模型中,平台和物流公司付出的努力最少,而整个在线销售系统的总利润也最少。     

双寡头电商平台的收费制度选择博弈

在竞争环境下,考虑两个开放型电商平台寡头主导的电商服务链,两平台对网商的收费制度为注册收费制、交易收费制、两部收费制等三种收费制度构成的策略集,本文构建了两平台的六种收费制度组合模型。通过博弈论逆序求解法和划线法分析发现:当平台的注册服务成本不低于交易服务成本时,两平台对网商的收费制度选择博弈不一定存在均衡,存在则必为其中一方采取交易收费制而另一方采取两部收费制这种分离均衡;反之,两平台对网商的收费制度选择博弈必定存在均衡,且为双方均选择注册收费制这种混同均衡。     

具有卖空总量限制的多阶段M—SAD投资组合优化

文章提出具有卖空总量限制、阈值约束和V型交易成本的多阶段均值—半绝对偏差（M-SAD）投资组合优化模型。该模型分别运用均值和半绝对偏衡量资产的收益率和风险。由于交易成本的存在,该模型不满足无后效性的动态优化问题。文章将该模型近似为一般动态规划问题,提出一种新的离散迭代方法,并证明该算法是线性收敛的。最后,文章通过实证研究比较分析卖空总量限制和风险偏好系数取不同值时对投资组合最优策略的影响,验证模型和算法的有效性。     

Online MapReduce processing on two identical parallel machines

In this work we investigate the online over-list MapReduce processing problem on two identical parallel machines, aiming at minimizing the makespan. Jobs are revealed one by one, and each job consists of one map task and one reduce task. The map task can be arbitrarily split and processed on both machines simultaneously, while the reduce task has to be processed on a single machine and it cannot be started unless the map task has been completed. We first show that the general case of the problem reduces to the classical two machine online scheduling model with an optimal competitive ratio of 3/2. For a special case where the map task is at least as long as the reduce task, we prove that no online algorithm can be less than 4/3-competitive. An optimal Greedy algorithm with a matching competitive ratio is proposed as well.