智能库存管理是管理科学中的重要领域，备受关注。然而，即使是使用最为先进的技术，企业仍然面临着库存问题。如在2008年1月，微软面临着XBOX 360系统的短缺。本文分析了一个典型的针对于单一产品的无固定成本并允许缺货的n阶段的库存管理问题。需求是随机，相关并非同分布。本文假设均值和协方差矩阵是可获得的，但是不可得到分布。进而，本文建立了考虑最小化n阶段的累计购买、库存和缺货成本的鲁棒性模型。在静态和动态两种情景下，本文给出了在产能约束下的对称和非对称不确定集合的订货量的解析解。本文的鲁棒性策略行为在数量上的不同依赖于不确定性集合的对称性。此外，本文还将不确定性结合的对称性与需求分布的对称性相关联。与前人的研究相比较，本文的求解结果更为优良。

　　将行为经济学中的研究发现应用与管理与公共政策领域，当下越来越流行。而最为常见的一个例子就是风险规避现象，即根据一个相对的参考点估计损失与收益，损失比收益要大些。损失合同的使用备受关注。此种合同提供绩效激励作为雇员可能损失的预付款。标准的行为模型预测损失合同使用的权衡点，即员工在损失合同下比在收益合同下更为努力工作，但是他们预期损失规避，将偏好收益合同。本文通过一系列的实验，通过测量收获等价的收益和损失合同下的绩效和偏好。本文发现人们在损失合同下确实工作更为努力，此结果与理论预期一致。此外，本文发现人们偏好损失合同而不是收益合同。研究结果表明人们确实预期损失规避但是选择损失合同作为一种承诺措施来提高绩效。

　　在噪声预期均衡中信息结构是基本组成部分。此类模型的中心思想是投资者不能观察到正确的资产价值。其不得不依赖于通过关于资产价值的后延分布的信号进行推断，得到相应的组合组成。大部分噪声预期均衡模型预测更多的信号能够提高后延分布的精度，降低不确定性并对应于较低的预期收益。本文利用信息达到的动态性质，试图理解信息达到的频率是否影响股票收益的后延分布的精度。若影响，那么这种信息频率或是信息数量是如何影响横截面的预期收益的。本文确定了美国企业物料信息流动的一个重要变化来源：公司8-K表格填写的频率。本文利用信息强度这种新型代理变量的横截面变化，发现信息强度较高的企业经历较低的未来收益和较低的未来波动率。在信息强度较低和先前波动程度较高的情况下，边际收益影响较大。平均而言，基于信息强度的长期投资组合每年产生4.3％的回报率。使用Fama–French三因素和动量因素调整后，异常收益每年仍然为4.4％。这些发现与噪声预期均衡模型和估计风险模型的预测相一致，并且强调了不完全信息在金融市场学习中的重要性。

上一页  [1] [2] [3] [4] [5] [6]  下一页