论管理科学的“研究.pptVIP

牛鞭效应，反牛鞭效应与跃迁点 牛鞭和反牛鞭的跃迁 ：ARIMA(0,0,1) 案例 ( 从 –0.4增大到0.4) 牛鞭效应，反牛鞭效应与跃迁点 牛鞭和反牛鞭的跃迁 ：ARIMA(1,0,1) 案例 ( 且 从0.1增大到0.9) 牛鞭效应，反牛鞭效应与跃迁点 牛鞭和反牛鞭的跃迁 ：ARIMA(1,0,0) 案例 ( 从 –0.4增大到0.4) 牛鞭效应，反牛鞭效应与跃迁点 定理:在假设1以及阶段k的需求过程是一个平稳和可逆的ARIMA(1,0,1)过程的假设下，下述结论成立： （１）当 ，我们有 ，牛鞭效应出现在阶段k+1。 （２）当 ，我们有 ，反牛鞭效应出现在阶段k+1。 （３）当 ，我们有 ，信息稳定效应出现在随后的所有阶段。 信息在供应链高阶阶段的传播 重温一下牛鞭效应的标准定义： 供应链中供应商所接受的定单比终端顾客的需求具有更大的方差的现象（即需求扭曲现象）；此外这种扭曲将以放大的形式向供应链的上游传播（即方差放大现象） 事实真的如此吗？ 信息在供应链高阶阶段的传播 信息扭曲 以放大的形 式向上游 传播 ： 信息在供应链高阶阶段的传播 信息扭曲 停止于某一 阶段： 信息在供应链高阶阶段的传播 定理：如果供应链的初始阶段面临一个平稳的ARIMA(p,0,q)需求过程，当需求信息从第1阶段向上传播时，需求过程的系数 稳定于一个常数集 ，即 。如果 , 需求的方差将最终稳定于一个常数，也就是说，在一定的阶段之后，信息扭曲将不再发生。如果 ，需求的方差将趋向于无穷大，也就是说，信息扭曲将趋向于无穷大。 信息在供应链高阶阶段的传播 需求方差增大到上限 信息在供应链高阶阶段的传播 需求方差减小到下限 信息在供应链高阶阶段的传播 需求方差增大到无穷 信息在供应链高阶阶段的传播 定理: 在假设1，2条件下，如果 ，信息转换将出现在后续所有阶段。然而随着阶段数的增长，这种转换的幅度趋向于减小到零，且 的值趋向于 。 定理: 在假设1，2，3条件下，需求过程的表达和方差以一种有序的方式改变：如果 ， 的值域为(-1, )，随着阶段数k的增长， 从初始值单调增加到 ，与此同时，过程的方差也单调增大到一个上限；如果 ， 的值域为( , 1)，随着阶段数k的增长， 从初始值单调减小到 ，与此同时，过程的方差也单调减小到一个下限。 提前期悖论 长的提前期增加了当前阶段的牛鞭效应的幅度 （公认的常识） 长的提前期抑制了更高阶段的牛鞭效应的幅度。（为什么？！） 提前期悖论 定理：在假设1，2下，随着在阶段k的供应提前期增加到无穷，阶段 的需求过程的系数 趋近到 ，且阶段k+2和随后所有阶段的信息转换减小到零。 定理：在假设1，2，3下，阶段k的供应提前期越大， 的值越接近于 。 定理：在假设1，2，3下，阶段k的供应提前期越大，阶段k+1的信息转换的幅度越大。 结论：提前期悖论可以帮助我们更深刻和精细地理解提前期在信息传播中所起的作用。 反思：信息共享的价值 信息共享具有普遍的适用性。 信息共享不是永远必须的： 在任何可以使用LST模型的地方，我们的预测方法可以产生同样好的结果，因此，LST模型的实时信息共享是不需要的。这样，使用LST模型作为理论基础的工作至少在理论上是没有意义的。 3 TEI@I Methodology GDP增长率 CPI预测 中国进出口预测 国际石油价格波动预测 外汇汇率预测 FDI预测 物流预测 等等 行业分析 资源管理 节能减排 金融风险管理 “TEI@I” means “text mining” + “econometrics” + “intelligence (intelligent algorithms)” @ “integration”. Using “@” to replace “+” is to emphasize the functional of integ