不对称信息博弈与供应链网络

《不对称信息博弈与供应链网络》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、不对称信息博弈与供应链网络

2、第1...　　从不对称信息理论的博弈分析入手，针对供应链管理中存在的牛鞭效应和顾客价值问题，在对不对称信息博弈中的显示原理和信号博弈等理论给出针对性分析之后，将其运用于供应链管理中的牛鞭效应和顾客价值问题的分析中。从博弈论的角度对牛鞭效应和顾客价值的产生机理和规避方法进行了阐述，并对顾客价值影响供应链中均衡的道德风险问题给出了理论上的解决方法。　　不对称信息理论是信息经济学一个研究重点。著名的经济学家、2001年度诺贝尔经济学奖获得者阿克洛夫(C·Akerlof)、斯彭斯(A·M·Spenee)以及斯蒂格里茨(J·E·Stidiz)凭借在不对称信息理论上的杰出造诣

3、而享誉学术界。所谓不对称信息是指在相互对应的经济主体之间不作对称分布的有关时间的知识或概率分布.不对称信息现象存在的根源一方面是由于与厂商或市场参与者所拥有的私人信息；另一方面是由于参与人基于不同的获取能力而获得不同的信息所致。在西方的理论中，交易中信息优势的一方称为委托人，拥有信息劣势的一方称为代理人。因此，任何不对称信息体现的都是一种委托——代理的关系。　　在研究不对称信息博弈时，有五种基本模型适用解决其中的委托——代理关系。在供应链网络管理中，信息的不对称主要体现在信息的可获得性及行为的可知性等性质。因此可选用显示原理同信号博弈等相关理论来阐明供应链参与者的关系及行动。一、不对称信息理

4、论的博弈方法(一)贝叶斯博弈下的显示原理　　所谓贝叶斯条件是指，在非完全信息状态下，参与者的行动空间A1，…，An，其类型空间T1，…，Tn，判断值P1，…，Pn及他们的收益函数U1，…，Un；其中参与者i的类型作为参与者i的私人信息，决定了参与者i的收益函数Ui(a1，…an，ti),并且是可能的类型集Ti中的一个元素。参与者i的判断Pi描述了i在给定自己的类型是ti时，对其它n-1个参与者可能的类型ti的不确定性。我们用G=(A1，…An，T1，…，Tn，P1，…，Pn，U1，…，Un)来表示这一博弈。　　贝叶斯条件下的显示原理最早由梅尔森(R·Myerson)于1978年提出。该定理的

5、一个主要条件和结果是供应链网络中参与者必须是以诚相待，实话实说。因此，该定理适用于供应链网络不存在激烈矛盾、联盟关系牢固的运营者；这时，其网络的参与者就可借助显示原理来处理网络中的博弈。显示原理要求：其一，供应联网中，各参与主体全部(或绝大部分)声明(允许存在伪信息)他们各自的类型(在供应链中，表现为对供应链产生影响的各相关指标及信息反馈)。令声明的类型为τi，各自真实的类型为τi；其二，在给定的各网络参与商的声明(τi，…τn)下，参与商i以qi(τi，…τn)的概率向其他有利益相关的同盟厂商公布相关指标的值。而自身须付出xi(τi，…τn)的利益。概率q1(τi，…τn)+…+qn(τi

6、，…τn)之和必须小于或等于1。该利益主要体现为该厂商为公布自身私有信息，而面临的财务或生产上的风险，也可体现为厂商为维持该种状态下的供应链网络而自身的成本付出。其三，设计适当的付出和概率函数{xi(ti,…τn)+…+xn(ti,…τn)；q1(ti,…τn)+…qn(ti,…τn)}使得每一参与者的均衡战略是宣布τi(ti)=ti。即每位网络中的厂商都实话实说，以诚相待，从而达到供应链网络的良好运转。　　(二)信号博弈原理　　在许多供应链网络中，各结点参与厂商数量规格不尽一致，以一基准厂商为例，其供应商为规模小且数量多的厂商，这时的博弈可更多的用信号博弈的分析程序来解释。在供应链网络中，

7、信号的发送者一般是一些小的参与厂商，如可口可乐公司的分装商，信号的接收者是相邻接口的供应链网络中的相对较大的厂商。信号一般体现为其感兴趣的情况反馈。其行动描述如下：　　发送信号的厂商从自身的可行类型集T={t1,…，tn}中观测到某种类型ti,且是对所有i，P(t1)+…+P(tn)=1。然后从可行的信号集M={m1，=，mn}中选择一个信号mi发送。　　接收者观测到mi但未观测到ti,然后从可行的行动集A{a1，…，an}中选择行动ak。　　双方收益由us(ti,mj，ak)和ur(ti,mj，ak)给出。其中S：sender，R：receiver．这时类型可视为该发送厂商自身的生产、财务

8、指标。二、牛鞭效应与信息不对称博弈　　所谓牛鞭效应(bulli，上游厂商收到之后，并未收到另一部分值ti，之后，上游厂商在采取其库存行动，不可避免的会产生库存同需求脱节的情况，从而产生牛鞭效应。在这种类型的供应链中，订货量(包括库存量)的方差变得越来越大，近似于乘积的形式，所以批发商发出的订单比零售商发出的订单变动性更大。这时通过供应链各阶段共享需求信息可以显著地减小牛鞭效应。实际上，当需求信息集中时，供应链