论文部分内容阅读
随着经济全球化、互联网的不断发展,世界各国的联系越来越紧密,有更多的外国企业进入到了中国市场,因为中国开放二胎政策,有些企业开辟了儿童、亲子装系列,通过销售儿童服装进一步带动销售成人的服装。但是新系列给企业带来了新挑战,这方面是他们不曾涉及的领域,那获取准确的需求信息对他们而言是非常重要的。企业作为上游的制造商很难获得这部分信息,而下游的零售商虽然更接近消费者,但是需要付出一定的预测成本来获取、分析数据进而得到需求信息。在经典的信息甄别模型中,通常假设零售商天生就知道市场需求信息,信息结构是外生给定的,即一开始双方信息就不对称。而在本文的研究中,我们进一步思考在内生信息结构下,即零售商是否花费成本获取这部分信息是由制造商决定的,预测成本上游企业和下游零售商都可以观察到,企业通过重新设计激励合同,来实现激励零售商进行预测与否的行为,从而最大化自身的利益,这是本文研究的主要内容。首先,作为基本模型,研究得到在集中式决策下,供应链整体系统利益最大化的最优批发价格合同以及最优预测与否的策略,此时供应链作为系统整体不存在激励零售商的行为,而是他自身可以决定去预测还是不去预测。然后,利用逆向归纳法,对供应链中上下游企业间的博弈过程进行分析,研究在分散式决策下,考虑供应链各成员的均以自身利益最大化的行为。基于委托-代理机制理论,首先构建不激励零售商进行预测的模型,得到制造商利益最大化的最优批发价合同,此时会发现零售商可以得到严格正的信息租金。然后构建激励零售商进行预测的模型,同样可求解得到制造商利益最大化的最优批发价合同。然后我们可以通过数值分析进一步得到供应链各成员的利益随预测成本的变化情况。最后,通过对比分析在分散式决策下,两种情况下,制造商的最优决策的变化情况,进一步得到制造商最优的激励策略和系统的最优激励策略,并进行相关参数的算例分析。研究表明在集中式决策下,预测带来系统整体需求信息的准确性提高,进而提高了供应链的运作效率,增加了系统的收益;但在分散式决策下,并不是激励零售商去获取需求信息就一定会让制造商获益,这取决于预测成本的大小。当预测成本较高时,零售商去预测要花费很高的成本,那制造商激励他去预测就比较困难,要付给他更多的租金才行,因此当预测成本高于某个值时,制造商选择不激励零售商去预测获得的利益更大;反之,当预测成本较小时,激励零售商去预测变得很容易,制造商就不用付太多信息租金就可以实现,因此当预测成本低于某个值时,制造商选择激励零售商去预测获得的利益更大。