目前供应链管理领域使用的风险量化工具大多数来源于经济学与金融学,主要存在四种量化决策者风险偏好的方法:效用测度、均值—方差测度、下侧风险测度、VaR与CVaR测度。
在供应链风险管理文献中,有很多学者使用效用函数来研究供应链模型。如Eeckhoudt等(1 995)在经典报童模型框架下以效用最大化为目标函数研究决策者风险厌恶性对最优决策的影响,得出损失厌恶型报童的最优订货量可能低于也可能高于经典的报童订货量。与Eeckhoudt等(1 995)不同的是,Agrawal & Seshadri(2000)在以最大化效用为目标的同时,考虑了报童的定价和定量问题,发现与风险中性的零售商相比,风险厌恶型零售商既可能设定更高的价格也可能设定更低的价格,具体取决于市场需求函数的类型。Chen等(2007)将决策者的风险厌恶性纳入多阶段库存决策模型中,发现指数型效用函数下的最优策略等价于风险中性下的最优策略。Schweitze & Cachon(2000)对损失规避型效用函数进行了详细的刻画,同时给出了该效用函数的性质。Wang& Webster(2007)构建了由一个风险中性的零售商和一个损失规避型的零售商组成的供应链,发现零售商的损失规避性导致了传统的供应链协调契约不再适用于损失规避型供应链。马利军等(20 1 5)考虑了损失规避型零售商在供应和需求均不确定环境下,如何通过提前支付策略降低供应的不确定性风险。王佳等(20 1 6)针对投资者的损失规避特征,分析了风险资产不确定条件下的分布鲁棒投资混合问题。Zhang等(20 1 6)考虑了损失厌恶型供应商的契约偏好问题。
均值—方差(mean-variance,MV)测度可以看成效用函数的一种特殊形式,它是对收益和风险的权衡。Chung(1 994)和Sobel(1 994)将MV测度应用到马尔科夫决策过程中,这为MV测度在供应链风险管理中的广泛应用奠定了基础。Lau & Lau(1 999)采用MV测度研究零售商的定价及回购策略。Wu等(2010)将MV测度引入传统的供应链契约模型中,得到了零售商的最优决策,并分析了零售商的风险厌恶程度对最优决策的影响。Buzacott等(201 1)以最大化均值—方差效用为目标,在MV框架下分析了一类供应契约,并与以最大化价值为目标的契约进行了对比。Tekin & Ozekici(2015)将MV测度应用到供需不确定环境下的报童模型中。在他们的模型背景下,供应和需求的随机性与金融市场相关,因此模型中的报童可以通过金融工具的混合运用来对冲供需风险。Tekin &Özekici(2015)给出了最优的订货量和最优金融工具的选择。Chiu & Choi(201 6)对MV测度在供应链风险管理中的应用做了详尽的文献综述。(www.daowen.com)
下侧风险测度也是对风险和收益的权衡。与MV测度不同的是,下侧风险测度主要是对决策者的下侧损失进行量化。下侧风险测度最早由Roy(1 952)提出,他强调投资者首先关注的应是资产的安全性,其次才考虑可接受的利润回报。该测度在供应链管理中受到学者们的认可,比如,Nawrocki(1 999),Gan等(2005),Li等(2009),Hu & Motwani(2014),Wang & Luo(2015),Yao等(201 6),最有代表性的是Gan等(2005)。Gan等(2005)分析了由一个风险中性的供应商和一个下侧风险厌恶的零售商组成的供应链协调问题。研究发现,在这样的渠道背景下,传统的回购和收益共享契约并不能协调供应链各方关系。为此他们设计了一个风险共享契约,实现了供应链协调目标。
VaR和CVaR测度是金融领域量化风险和管理风险的重要工具。VaR测度用于量化在一定置信水平下,某一金融资产或者证券混合价值在未来特定时期内的最大损失。正如Zhu & Fukushima(2009)所指出的,VaR测度不满足一个风险测度所应有的特性,因此VaR测度近年来受到许多学者的批判。CVaR测度弥补了VaR测度的不足,目前在运营领域有许多研究使用CVaR测度建立库存决策模型,如Ahmed & Cakmak(2007),Gotoh & Takano(2007),Zhou等(2008),Choi & Ruszczynski(2008),Chen等(2009),Yang等(2009),Xu(2010)。Chen等(2009)用CVaR测度作为决策标准,研究了报童模型的定价与订货问题,给出了最优决策存在的充分条件。Wu等(2010)以CVaR测度作为风险量化准则,研究了零售商的风险厌恶性对最优供应契约设计的影响。林强等(201 1)在CVaR准则下,建立了基于收益共享契约的供应链决策模型,分析了集权供应链系统以及分权供应链系统中风险规避型零售商与风险规避型供应商的最优决策行为。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。