决策柔性和信息价值.docxVIP

给定柔性下信息的附加价值 一、介绍 “信息价值”的概念在决策分析中用来表示决策者解决不确定问题的最大支付意愿。该“价值”常被视为常数。然而，一些特殊信息的价值并不是常数，而是与决策者的决策柔性严格相关。 本文中，我们探索了信息价值与决策柔性之间的相互依赖性。第2部分，我们展示了决策柔性的定义。第3部分，我们定义了给定柔性下的信息价值，进而讨论这中方法在决策分析中的有效性。第4部分中，我们用一个二次型决策问题来研究，在各种问题的特征对于给定柔性下的信息价值的影响。第5部分，我们表示了，用灵敏度分析的方法，可以得到给定柔性下的信息价值的近似估计。 二、决策柔性的定义 及柔性的概念被一下微观经济学理论的文献里被提及过（文献1、4、7、9）。但决策分析中与之不同。设D和D＇为决策d的两个可行选择集，令D为D＇的真子集。我们定义，在决策d中，可行集D＇比D更具有柔性。简单来讲，选择集越大，决策的柔性越大。 贯穿整个决策过程，决策选择集的大小——同时也是柔性在一直变小。初始的选择集包括一些数量的备选方案。在决策过程的最开始阶段，我们定义了“柔性未衰减区”。 三、柔性取值 符号与基本决策模型 有x为一个随机变量，{x|δ}表示给定信息状态δ下的x的概率密度函数。表示ε为在问题开始时可得到的信息状态。因此，x基于δ的期望为x|δ=xx{x|δ} . 问题变量分为两组：决策者可控的为决策变量d=(d1,…,dm)；不可控的为状态变量s=(s1,…,sn)。函数v(s,d)表示了决策者的价值模型：由s和d确定的决策结果，都对应了一个值作为输出。状态变量有分布{s|ε}，任意给定决策d都决定一个输出值的分布{v|d,ε}。决策者偏好的效用值的分布u({v|d,ε})。目标是从可行决策集D中选择一个决策向量d使得效用值最大。 给定柔性下信息的附加值 给定一定数量的信息和一定数量的决策柔性后，决策者可以获得的更多的经济价值便是我们定义的“给定柔性下信息的附加值”。 最基本的决策问题：决策者必须在获取状态变量输出结果s之前确定d。 现在考虑一个决策：决策者可以延迟确定第j个决策变量，直到他获取第i个状态变量的输出结果。所有其他决策变量必须在获取状态变量输出结果前确定。在这里，决策者可以通过改变决策的结构顺序，可能获得的最终效用的增值，我们定义其为“当dj柔性不降低时带来的完备信息的附加值（EVPIGUF）”。 EVPIGUF(expected value of perfect informationgiven undiminished flexibility)比EVPI(expected value of perfect information)更为完备。EVPI考虑所有决策变量对于信息的柔性，而EVPIGUF给定了一个限制，明确指出了哪一个决策变量与哪一个信息相关。在现实系统里，对于所有决策变量都想要去等待期望的到的信息，那是代价很大，甚至不可能的。在EVPIGUF的方法下，决策者可以决定一些决策变量立即确定，而另一些可以暂时保持柔性不降。 例：企业家的价格-产量决策 一个企业家需要决定产品的价格和产量。他不确定每件商品的最终成本c，c由图2中的分布较好地表示。提高价格必然导致需求量的下降，但不确定任意价格对应的需求函数。下面对需求建模： x=ap-b-e (3.1) 式中x为需求（千单位），p为价格（千美元），a和b为需求曲线的参数，e为随机变量（与c无关，0-1均匀分布）。图3显示e的概率密度函数和需求曲线x(p)。 令q表示产品数量（千单位），v表示收益（百万美元），则企业家的收益为： vp,q,c,e=pap-b-e-cq if ap-b-eq =pq-cq if ap-b-eq (3.2) 假设企业家希望使收益最大，那么什么选择是最佳策略？价格和产量中哪个变量保持灵敏度不变？ 表格1给出了在需求曲线a=2.25，b=0.5条件下的所有解。无信息和灵敏度附加的期望收益为： v|ε=maxp,qcev{e|ε}cε=?0.5百万美元， (3.3) 单价1000美元，产量1250件。表中显示了完备信息在一个或两个状态变量，柔性不降在一个或两个决策变量上的效用影响。例如：在需求变量e的信息完备后，维持产量q的柔性不减，可以获得额外的最终效益为： vCeFq,ε-vε=maxpcmaxqeveεcε-0.5=0.1287百万美元，(3.4) 该选择p*=1.06，q*=1.62-e。因此，假如企业家可以在决定产量前预先知道需求，再做此选择，可获得128700美元的额外收益。 表1的数据显示，收益增幅最大出现在c、e两个不确定变量的信息均完备，且p、q均在信息获