拥有自有品牌零售商的平台开放策略研究

随着电子商务的快速发展，零售商之间竞争加剧，自有品牌战略成为零售商获取竞争优势的关键。研究拥有自有品牌零售商的平台开放策略，通过对比零售商不开放平台和开放平台下的均衡利润，给出零售商平台开放策略选择条件，并分析产品之间价格影响系数、固定成本和潜在需求差异系数对零售商平台开放策略选择的影响，最后结合数值分析和京东自有品牌的发展现状验证了本文的主要研究结论。研究发现：第一，随着固定成本的增加，佣金费率逐渐减少，随着潜在需求差异系数的增加，佣金费率逐渐增加；第二，当产品之间的价格影响系数较小（较大）时，平台开放（不开放）是零售商的最优选择；第三，当固定成本较小（较大）时，平台开放（不开放）是零售商的最优选择；第四，当潜在需求差异系数较小（较大）时，平台开放（不开放）是零售商的最优选择。     

零售商自有品牌与制造商直销渠道的互动博弈问题研究

零售商引入自有品牌与制造商引入直销渠道是普遍存在的商业现象。研究了零售商引入自有品牌产品和制造商引入直销渠道之间的博弈竞争关系,得出了制造商与零售商的博弈均衡策略。在此基础上,进一步分析了制造商和零售商在不同的博弈均衡下相对于初始状态的利润变化情况,得出了双方可能陷入囚徒困境或双赢的前提条件。研究表明,只有在SB产品质量水平较低且直销渠道销售成本较低的情况下,制造商才有可能由于引入直销渠道而利润改善。而当SB产品的质量达到较高水平时,即使制造商引入直销渠道进行竞争胁迫,零售商引入SB产品利润仍然会得到改善,且不受直销渠道竞争情况的影响。制造商与零售商均进入双赢状态的一个必要条件是自有品牌产品的质量不能超过制造商产品质量的四分之三。当SB产品质量水平较低且直销渠道的销售成本适中的时候,双方陷入囚徒困境。     

信息不对称下外包激励机制研究

本文从外包激励的一般模型入手，结合信息不对称理论，构建了基于市场基准和监控机制相结合的业务外包激励模型，并分析了这两个机制的引入对最优外包契约的影响。市场基准和监控机制的引入可以有效缓解外包过程中信息不对称引起的道德风险，降低外包企业的代理成本和外包总成本。     

信息不对称下商业银行信贷风险管理问题研究

在信息不对称下,信贷管理中产生了两种影响:逆向选择和道德风险,这两种影响使得信贷风险变得更大。本文分析了商业银行信贷活动的中信息不对称产生的原因以及其表现形式,提出了信息不对称下银行信贷风险风险防范的对策。     

不对称信息下供应链中零售商的收益共享策略

以包含1个制造商和1个零售商的2层供应链为研究对象,运用委托-代理模型给出了当生产成本是私有信息的情况下零售商的最优收益共享策略.由于信息的不对称性,此时的最优策略只能够使得供应链达到近似协调,供应链效率降低.     

基于差异化视角的自有品牌研究

本文从零售商和制造商两个角度阐述了自有品牌的优势所在,并从质量、价格、产品种类、零售商和消费者角度对自有品牌成功的因素进行了分析,指出了自有品牌未来的三个主要研究方向:以顾客为导向,以零售商为导向和以制造商为导向。     

基于不对称需求信息的供应链最小订购量决策

在由一个供应商和一个零售商组成的两级分散供应链中,供应商通过制定最小订购量取得规模效应,保障自身利益。当零售商和供应商之间存在需求信息不对称时,即零售商掌握需求信息而供应商仅知道需求信息中价格敏感因子的分布,如何进行最小订购量决策成为供应商面临的一个重要问题。针对这一问题,从营销视角构建了基于Stackelberg博弈的利润最大化模型。假设供应商知道需求的价格敏感因子服从正态分布,通过严密的数学推导确定了模型中的最优最小订购量。将提出的最优最小订购量决策方法应用于云存储的销售供应链中,确定了云存储供应商销售的最优最小存储容量,阐释了方法的合理性与有效性。通过实验研究发现,最小订购量的设置提升了供应商的利润。所提方法对于考虑最小订购量的供应链协调研究具有积极的推动作用。     

信息不对称下家族企业激励机制研究

随着家族企业的不断壮大,特别是当它们发展到一定规模时,委托代理机制的引入将会是必然的。信息不对称和利益不一致将导致委托代理成本的产生。降低成本的关键是如何建立一种激励机制,使代理人的行为有利于委托人的利益。     

非对称信息下供应链减排投资策略及激励机制

来自政府和市场的低碳压力迫使企业及其所在供应链采取减排行动.由此,在允许排放权交易且消费者低碳偏好信息不对称情景下,对制造商投资减排技术的供应链激励机制设计问题展开研究.研究表明,非对称信息下,制造商可以通过供应链激励机制设计实现信息共享,但该机制并不一定能实现系统绩效最优;由于缺乏消费者低碳偏好的准确信息,制造商的利润总会小于其在对称信息下的利润,而拥有私有信息的零售商则可能获得额外收益;制造商的最优减排水平与消费者低碳偏好正相关;通过管制排放权交易价格、提供技术投入补贴等手段,政府可以激励企业投资减排技术,并达到降低碳排放总量的目的.     

Supply chain coordination under discrete information asymmetries and quantity discounts

We consider a two node supply chain with a rational manufacturer–retailer pair, in which the retailer has private information that affects the nodes׳ reservation levels. Quantity discounts offered by the manufacturer is the mechanism we propose in order to achieve reduced costs for both supply chain nodes. We derive analytical expressions of the quantity discounts that minimize the manufacturer׳s costs, while enabling the establishment of the business. Furthermore, we show that perfect coordination is possible even under asymmetric information. Sensitivity analysis and numerical examples offer evidence of the robustness of the results and of the potential of the approach for applications to real-life business ventures.     

Reinforcement‐based vs. Belief‐based Learning Models in Experimental Asymmetric‐information Games

This paper examines the abilities of learning models to describe subject behavior in experiments. A new experiment involving multistage asymmetric‐information games is conducted, and the experimental data are compared with the predictions of Nash equilibrium and two types of learning model: a reinforcement‐based model similar to that used by Roth and Erev (1995), and belief‐based models similar to the ‘cautious fictitious play’ of Fudenberg and Levine (1995, 1998) These models make predictions that are qualitatively similar cycling around the Nash equilibrium that is much more apparent than movement toward it. While subject behavior is not adequately described by Nash equilibrium, it is consistent with the qualitative predictions of the learning models. We examine several criteria for quantitatively comparing the predictions of alternative models. According to almost all of these criteria, both types of learning model outperform Nash equilibrium. According to some criteria, the reinforcement‐based model performs better than any version of the belief‐based model; according to others, there exist versions of the belief‐based model that outperform the reinforcement‐based model. The abilities of these models are further tested with respect to the results of other published experiments. The relative performance of the two learning models depends on the experiment, and varies according to which criterion of success is used. Again, both models perform better than equilibrium in most cases.     

非对称信息条件下实物期权最优投资问题研究

描述了实物期权投资者和经营者价值函数,分析了不同信息条件下实物期权的最优投 资决策. 在非对称信息条件下,实物期权经营者对于项目价值信息隐匿,这是一个具有逆向选 择的委托代理问题. 设计了以实物期权投资者利润数学期望最大为目标函数,以投资和数量折 扣作为状态方程的最优控制问题. 应用极大值原理推导了实物期权最优投资和数量折扣的求 解方案. 最后,进行了实物期权最优投资的仿真实验,验证了实物期权在项目投资问题上的分 析结果.     

信息不对称下价格随机的应急数量折扣契约研究

以市场需求和市场价格随机波动的二级供应链为研究对象,寻找其在信息不对称条件下绩效优化的路径。通过显示原理分别构建生产成本和销售成本信息不对称时应急供应链的数量折扣契约模型,得到最优订货量与最佳批发价策略。通过具体的算例加以验证,分析了信息不对称程度对供应链上成员及整个供应链绩效的影响。研究结果表明：当突发事件造成市场价格随机波动和市场需求变化时,供应链上的跟随者能从隐瞒私人信息中获利。但当市场需求增大时,整个供应链绩效受损,反之则反是。这与以往研究在市场需求随机、市场价格固定和信息不对称条件下的结论迥异。