A multi-period multi-product stochastic inventory problem with order-based loan

技术摘要：具有基于订单贷款的多周期多产品随机库存问题

问题定义
本文研究了在有限规划期内，销售多种产品的资金受限型在线零售商的运营决策问题。该零售商在中国的电子商务平台（如天猫、京东）上运营，这些平台存在一种特定的交易摩擦：客户支付的款项由平台持有，并在存在回款延迟（通常至少两周）后才转交给零售商。这种延迟造成了现金流缺口，限制了零售商（尤其是初始资本有限的中小企业）的补货能力。

为了缓解这一问题，本研究调查了采用“基于订单的贷款”（order-based loans）的情况，这是一种由这些平台提供的融资服务。在该方案下，平台在订单交付后立即向零售商预付货款，使零售商能够利用这些资金进行即时补货。零售商必须在约定期限后偿还本金及利息。核心问题是确定 $N$ 种产品在 $T$ 个周期内的最优订货量 ($Q_{n,t}$) 和贷款利用程度 ($g_{n,t}$)，以在满足现金约束、库存动态和需求不确定性的条件下，实现预期最终现金最大化。

研究方法
作者开发了一个从确定性模型到随机性模型的数学框架：

1. 确定性模型： 构建了两个假设需求已知（以平均值表示）的基准模型：

   • SO-D（自有资金）： 零售商仅依靠初始现金和销售收入运营。
   • OL-D（基于订单的贷款）： 零售商在信用额度 ($BU$) 范围内利用基于订单的贷款设施。
     两者均包含了关于库存流、现金流以及涉及回款延迟长度 ($L$) 和贷款偿还条款的具体收入确认逻辑的线性约束。

2. 随机规划模型： 考虑到客户需求具有不确定性，作者构建了随机对应模型（SO-S 和 OL-S）。

   • 场景表示： 需求不确定性通过场景树进行建模，其中每个节点代表一个离散的需求实现及其相关的概率。
   • 非预期性（Non-Anticipativity）： 施加约束以确保在任何时间 $t$ 所做的决策仅取决于截至该时间所能获得的信息（共享历史），而非未来的场景实现。
   • 场景生成： 研究采用了矩匹配法（moment matching method，Høyland and Wallace, 2001）来生成一组有限的场景，这些场景满足底层对数正态需求分布的特定统计特性（均值、方差、偏度）。
   • 场景缩减： 为了解决大规模决策树带来的计算困难，研究使用了快速前向选择（Fast Forward Selection, FFS）算法（Heitsch and Römisch, 2003）来减少场景数量，同时保留其统计结构。

3. 数值分析： 模型使用从一家销售电脑外设的在线商店抓取的真实交易数据进行求解。规划期设定为 6 个周期（每两周一个周期），涵盖了正常需求期和爆发式需求期（如“双十一”）。通过稳定性测试验证了场景生成和缩减技术的有效性。

主要贡献
本文声称对文献有三个主要贡献：

1. 新颖的融资机制： 本文是首批将“基于订单的贷款”——一种在中国电商领域盛行但在学术库存文献中研究不足的特定融资工具——整合进多周期随机库存模型的论文之一。
2. 随机建模框架： 构建了一个全面的随机多产品库存模型，该模型明确考虑了现金约束、回款延迟以及基于订单贷款的运作机制，并利用场景树和缩减技术来解决该问题。
3. 实证见解： 通过基于真实交易数据的数值分析，研究识别了基于订单的贷款在何种特定运营条件下是有益的，从而超越了理论假设，提供了数据驱动的管理启示。

结果
数值实验得出以下发现：

• 随机性 vs. 确定性： 在预期最终现金方面，随机模型始终优于确定性模型。当零售商受到的现金约束较小（即初始现金较高或经常性开支较低）时，随机解的价值（VSS）尤为显著。
• 贷款采用触发条件： 零售商在以下情况下更有可能受益于使用基于订单的贷款：
  • 初始资金较低： 较小的初始资本 ($C_0$) 使得贷款提供的流动性变得至关重要。
  • 回款延迟较长： 更长的延迟 ($L$) 会加剧现金流缺口，从而增加即时融资的价值。
    问题在于，当经常性开支适中时，零售商更易获益；如果成本过高，无论是否有融资，盈利都会受到影响。
  • 需求量高： 在需求爆发期，通过贷款快速补货的能力可以带来更高的利润。
• 稳定性： 场景生成和缩减方法表现出了稳定性，不同场景树之间的目标值变化小于 5%，验证了求解方法的稳健性。

意义
本文认为，尽管供应链金融是一个不断增长的市场，但基于订单的贷款这一特定机制在库存优化文献中被忽视了。通过对该机制进行建模，本研究为零售商何时利用平台融资提供了定量依据。结果表明，基于订单的贷款并非普遍适用的解决方案，而是一种战略工具，对于那些因初始资本低或支付周期长而面临流动性压力的零售商最为有效。研究证实，通过随机规划引入需求不确定性，相比于确定性规划，在现金受限的运营背景下具有明显的优势。作者建议未来的研究方向包括对需求替代效应进行建模，并在类似的随机框架下探索其他供应链金融行为。