不对称信息博弈与供应链网络

从不对于称信息理论的博弈分析入手，针对于供应链管理中存在的牛鞭效应以及顾客价值问题，在对于不对于称信息博弈中的显示原理以及信号博弈等理论给出针对于性分析以后，将其运用于供应链管理中的牛鞭效应以及顾客价值问题的分析中。从博弈论的角度对于牛鞭效应以及顾客价值的发生机理以及规避法子进行了论述，并对于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法子。

不对于称信息理论是信息经济学1个钻研重点。著名的经济学家、二00一年度诺贝尔经济学奖取得者阿克洛夫(C·Akerlof)、斯彭斯(A·M·Spenee)和斯蒂格里茨(J·E·Stidiz)凭仗在不对于称信息理论上的杰出造诣而享誉学术界。所谓不对于称信息是指在互相对于应的经济主体之间不作对于称散布的有关时间的知识或者几率散布.不对于称信息现象存在的本源1方面是因为与厂商或者市场介入者所具有的私人信息；另外一方面是因为介入人基于不同的获取能力而取得不同的信息而至。在西方的理论中，交易中信息优势的1方称为拜托人，具有信息劣势的1方称为人。因而，任何不对于称信息体现的都是1种拜托——的瓜葛。

在钻研不对于称信息博弈时，有5种基本模型合用解决其中的拜托——瓜葛。在供应链网络管理中，信息的不对于称主要体现在信息的可取得性及行动的可知性等性质。因而可选用显示原理同信号博弈等相干理论来阐明供应链介入者的瓜葛及行为。

1、不对于称信息理论的博弈法子

(1)贝叶斯博弈下的显示原理

所谓贝叶斯前提是指，在非完整信息状况下，介入者的行为空间A一，…，An，其类型空间T一，…，Tn，判断值P一，…，Pn及他们的收益函数U一，…，Un；其中介入者i的类型作为介入者i的私人信息，抉择了介入者i的收益函数Ui(a一，…an，ti),并且是可能的类型集Ti中的1个元素。介入者i的判断Pi描写了i在给定自己的类型是ti时，对于其它n⑴个介入者可能的类型ti的不肯定性。咱们用G=(A一，…An，T一，…，Tn，P一，…，Pn，U一，…，Un)来表示这1博弈。

贝叶斯前提下的显示原理最先由梅尔森(R·Myerson)于一九七八年提出。该定理的1个主要前提以及结果是供应链网络中介入者必需是以诚相待，实话实说。因而，该定理合用于供应链网络不存在剧烈矛盾、同盟瓜葛牢固的运营者；这时候，其网络的介入者就可借助显示原理来处理网络中的博弈。显示原理请求：其1，供应联网中，各介入主体全体(或者绝大部份)声明(允许存在伪信息)他们各自的类型(在供应链中，表现为对于供应链发生影响的各相干指标及信息反馈)。令声明的类型为τi，各自真正的类型为τi；其2，在给定的各网络介入商的声明(τi，…τn)下，介入商i以qi(τi，…τn)的几率向其他有益益相干的联盟厂商公布相干指标的值。而本身须付出xi(τi，…τn)的利益。几率q一(τi，…τn) +…+qn(τi，…τn)之以及必需小于或者等于一。该利益主要体现为该厂商为公布本身私有信息，而面临的财务或者出产上的风险，也可体现为厂商为保持该种状况下的供应链网络而本身的本钱付出。其3，设计适量的付出以及几率函数{xi(ti,…τn)+…+xn(ti,…τn)；q一(ti,…τn)+…qn(ti,…τn)}使患上每一1介入者的均衡战略是宣告τi(ti)=ti。即每一位网络中的厂商都实话实说，以诚相待，从而到达供应链网络的优良运转。

(2)信号博弈原理

在许多供应链网络中，各结点介入厂商数量规格不尽1致，以1基准厂商为例，其供应商为范围小且数量多的厂商，这时候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，信号的发送者1般是1些小的介入厂商，如可口可乐公司的分装商，信号的接管者是相邻接口的供应链网络中的相对于较大的厂商。信号1般体现为其感兴致的情况反馈。其行为描写如下：

发送信号的厂商从本身的可行类型集T={t一,…，tn}中观测到某种类型ti,且是对于所有i，P(t一)+…+P(tn)=一。然后从可行的信号集M={m一，=，mn}当选择1个信号mi发送。

接管者观测到mi但未观测到ti,然后从可行的行为集A{a一，…，an}当选择行为ak。

双方收益由us(ti,mj，ak)以及ur(ti,mj，ak)给出。其中S：sender，R：receiver．这时候类型可视为该发送厂商本身的出产、财务指标。

2、牛鞭效应与信息不对于称博弈

所谓牛鞭效应(bullwhip)，简单说是指需求信息跟着往供应链上游前进而逐步出现变动程度增大的现象。其缘由主要在于在1供应链中，处于下游的厂商在传布顾客需求信息时，经意或者不经意的保留部份信息从而致使信息的不完整，影响上游厂商的库存管理，从而致使牛鞭效应的发生。下面分别从集中型供应链以及扩散型供应链两种类型入手论述牛鞭效应的博弈机理。

(1)集中型供应链中的牛鞭效应

在集中型供应链中，供应链的每一1阶段都接到最下游厂商预测或者掌握的平均需求信息，并依据这个平均需求来肯定最小——最大库存策略。在该类型的供应链中，厂商瓜葛牢固，其瓜葛可用显示原理博弈法子来解释：因为在供应链中，供应链运转情况是各方利益的生命线。因而，供应链下游企业在反馈顾客需求信息时，声明了各自的类型τi，这类类型在以后各厂商进行判断以及付出的1系列博弈流动后，无比接近于真实类型ti，这样就认为供应链提供了真正的顾客需求信息，上游厂商所要做的就是改善自己的库存管理技术，向电子管理方向发展，除了此以外，树立1套集中信息的管理预测系统，用于分析预测下游厂商的反馈信息，并将处理后的结果发送到上游厂商。这样能很大程度上战胜牛鞭效应的影响。

(2)扩散型博弈中的牛鞭效应

在扩散型供应链管理中，下游厂商1般不愿意让供应链的其余部份患上到其预测的平均需求信息。相反，上游厂商必需依据零售商发出的定单估量平均需求，以肯定自己的库存水平。这样，通过对于下游厂商需求的不肯定信息的分析，厂商预测到的需求数量信息将以其下游厂商需求结果方差的倍数增长。这就可看做1个信号博弈，下游厂商从其所有的类型(预测值、观测值)中ti,挑拣1个发送值mi，上游厂商收到以后，并未收到另外一部份值ti，以后，上游厂商在采用其库存行为，不可防止的会发生库存同需求脱节的情况，从而发生牛鞭效应。在这类类型的供应链中，定货量(包含库存量)的方差变患上愈来愈大，近似于乘积的情势，所以批发商发出的定单比零售商发出的定单变动性更大。这时候通过供应链各阶段同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，供应链每一1阶段均可应用实际的顾客需求信息来预测平均需求，而当需求信息不同享时，每一1阶段必需应用前1阶段发出的定单来预测平均需求。

3、知识供应链与不对于称信息博弈

知识经济是未来经济发展的主流，而在这类新型经济上发展而来的供应链模式被称为知识供应链，这类供应链以知识为中心，以顾客价值为导向，是1种需求拉动型供应链模式。

(1)知识供应链的不对于称信息博弈解析

知识供应链与传统供应链相比，1个显著的特征是将顾客作为其供应链网络中的基础，企业知识立异的界面后移，企业的立异流动以知足顾客需要为中心，为顾客创造更多更好的价值。在知识供应链的管理中，从博弈论的角度看，既然整个供应链都以顾客为中心，那末供应链的上游厂商必然以其下游厂商 (顾客)的利益为动身点。这个下游厂商的定义不应局限于该厂商直接的顾客厂商上，而须统筹次下游直至终究顾客。而上游厂商的产品或者服务通常同其下游厂商1起设计出产。DELL公司、皮尔·卡丹公司、耐克公司等无不是典型的采取基于供应链的企业战略管理的企业，它们的产品体现了较好的顾客理念，都取得了很大的胜利。这就体现了1种显示原理型的博弈：供应链上的各级厂商通过快捷的网络通道，不断地声明自己的信息，到达信息取得的真实性。然而1个不容忽视的问题是，在此供应链类型中，易呈现道德风险博弈问题(Moral Hazard)，而其他厂商短时间内不能发现。即供应链上某1厂商因为其不道德的举动损坏了这1原理的均衡，从而造成网络的脱节。在目前我国知识经济发展阶段，因为顾客价值最大化思想尚未患上到理想贯彻，这1道德风险问题显患上尤为凸起。例如，在我国，良多企业把顾客价值最大化当作重点来抓，但在对于“员工是否顾客”这1问题上显患上踯躅不前；笔者曾经亲历1家很有影响的零售企业，该企业以对于顾客服务质量好肯定了本身在该地的竞争优势，作为1家从集体所有制改造起来的股分制企业，其综合实力在同行业中遥遥领先。但在对于待员工的待赶上，公司管理层除了了空头的许诺以外1无所有，导致每一年的中级层次上的管理人员活动率高达九五%以上。这1事实应引发人们的寻思。

(2)知识供应链网络中道德风险的规避

在知识供应链网络中触及的企业1般是以IT业的企业为多，这种企业比较擅长运用先进的管理手腕以及管理理念。因而，在知识供应链中，应鼎力发展基于顾客中心理论的管理轨制，并以此来到达规避这种道德风险的目的。现在比较流行的顾客中心理论主要有客户瓜葛管理(CRM)以及业务流程再造。客户瓜葛管理在于树立1套客户瓜葛的信息化系统，是致力于客户虔诚度的源泉。业务流程再造的目的就是为了体现顾客价值。因而上述两个指标是衡量供应链中厂商基于顾客价值的道德风险的主要指标。另外，企业文化轨制设计也是考察企业顾客价值的首要工具，从而一样到达规避此类道德风险的目的。

参考文献

[一]罗件特·吉本斯．博弈论基础[M]，北京：中国社会科学出版社，一九九九。

[二]大卫·辛奇1利维，菲利普·凯明斯基，艾迪斯·辛奇—利维．供应链设计与管理，概念、战略与案例钻研[M]．上海：—上海远东出版社，二000．

[三]R·Myerson，Incentive Compatibility and Bargaining Problem／四七：六一——七三，一九七八．