基于投資組合的電子商務企業調貨出力配置研究

吳海春 樊重俊 李君昌 王來

摘要：當下調貨問題直接影響電子商務企業的服務水平和利潤增長空間，企業從混合供應商調貨量的不確定性導致了調貨的風險。應用投資組合理論，把從附屬供應商和混合供應商的調貨收益分別看作無風險資產與有風險資產，從而把電子商務企業調貨出力優化配置映射到傳統的投資組合上。然后抽象大型電子商務企業調貨模式，構建了電子商務企業單時段調貨出力配置模型。最后，通過對比分析不同場景下電子商務企業的最優調貨出力組合，及對應的調貨效用值，研究發現：隨著風險厭惡系數的增大，企業無風險調貨量所占的比例逐漸增大，但是整體效用函數值逐漸減小;在厭惡系數確定的情況下，當所有供應商間供貨量互不影響時，降低附屬供應商的調貨出力水平，能提升企業調貨出力配置總效用;當某一個或多個混合供應商的供貨量的波動減小時，企業從附屬供應商的調貨量相應降低。結果表明，提出的模型能有效解決混合供應商存在供貨風險的問題，風險承受能力越強的企業越傾向于從混合供應商調貨，反之傾向于從附屬供應商調貨，在此基礎上給出建議：在企業風險態度恒定下，混合供應商供貨量越穩定，企業應加大從混合供應商調貨的力度。

關鍵詞：管理科學;電子商務企業;投資組合理論;附屬供應商;混合供應商;出力配置

中圖分類號：F 252.5文獻標識碼：A文章編號：1672-7312（2019）02-0260-07

0引言

電子商務是網絡化的新型經濟活動，是新經濟的主要組成部分，也是推動國民經濟發展的新動力。在建設現代化經濟體系中，以電子商務為代表的新型商務模式能顯著提升我國經濟質量[1-2]。但是，我國電子商務企業正面臨市場趨于飽和、需求趨于精細、利潤趨于萎縮的現狀。在現實情形中，大型電子商務企業在向顧客交貨前，需要從不同類型供應商調貨至倉庫，在訂單確定后，再從倉庫配貨至顧客。由于供應商的地理位置、自身囤貨量、備貨種類，以及上下游“伙伴”等方面都有很大的差異，電子商務企業在調貨時會遇到貨源波動的問題，也即企業的調貨需求不能及時得到滿足。在諸如“雙十一”、“京東購物節”等大型促銷活動中，電子商務企業經常會陷入供不應求、物流滯后或貨物積壓的窘境，而這些會直接影響顧客體驗。為了提高顧客的滿意度和降低成本，電子商務企業往往需要選擇供貨穩定、及時的供應商，并形成自己的調貨方案。合理、科學的調貨計劃不僅能有效降低企業的倉儲和管理成本，而且有助于企業規避貨源波動的風險。因此，研究電子商務企業調貨問題有著重要的應用價值。同時，對政府制定電子商務相關政策有一定的借鑒意義[3]。

當電子商務企業對市場需求預測的結果為供不應求時，企業的調貨行為就會發生，調貨風險也隨之而來。對于電子商務企業而言，庫存成本和不能快速響應顧客需求的損失在總成本中占有很大比重[4]。通過企業調貨，能將這些成本間接地轉化成占比較小的調貨成本。傳統零售商之間的調貨現象非常普遍[5]，國內外學者大多是研究零售商之間的調貨、補貨和配送問題[6]，而對于電子商務企業的調貨問題研究頗少。在現有的研究中，零售商間的調貨方式有2種，一種是緊急調貨[7]，另一種是橫向調貨[8]。前者是為了滿足上游供應鏈的需求，而后者則是為了滿足同鏈級的需求。同時對于企業而言，橫向調貨可以降低成本、增加利潤和提升服務水平[9]。Krishnan等[10]最早研究了2個倉庫組成的調貨系統，并基于成本最小化探索了兩倉庫的調貨模式。Nils Rudi等[11]對處于同一層級的2個零售商之間的調貨行為進行了研究，使得相對立的零售商利潤與聯合庫存利潤保持一致。Dong等[12]在構造一個制造商和多個零售商供應鏈系統的基礎上，研究了橫向調貨產生的收益效果。針對庫存控制下的橫向調貨問題，S Axster等[13]和Paterson等[8]分別提出了一種新的決策規則與調貨策略。Liao等[14]調查、比較了兩家零售店在橫向調貨和緊急訂貨政策下的最優庫存決策，結果表明顧客響應缺貨現象的行為對最優決策有顯著的影響。

綜上，傳統的調貨研究大多是從最優庫存策略和最低調貨成本角度展開的，而在電子商務企業調貨過程中，降低調貨風險水平、追求收益最大化是企業制定調貨策略的首要原則。投資組合理論就是權衡資產風險和期望收益率的經典工具，被廣泛用于資產選擇和配置[15]。

在投資組合理論中，考慮價格波動隨機性對資產組合期望收益和風險的影響，各種資產的占比是決策量。當前，投資組合理論主要應用于金融業[16]、電力業[17]、股票市場[18]等領域。在電子商務領域，投資組合理論已被眾多國內外學者所關注，例如投資方案的選擇[19]、策略組合的優化和客戶組合的管理等[20]。但是，將投資組合理論應用在企業調貨問題方面的研究很少，尤其是電子商務企業。在調貨問題中，電子商務企業的收益風險主要來自混合供應商調貨量的不確定性，而非商品的價格波動。

基于以上分析，將供應商供貨出力的隨機性映射到一般投資組合理論考慮價格波動的隨機性上，并構建一種基于投資組合理論的電子商務企業調貨出力配置模型。從電子商務企業效用最大化角度出發，研究供貨出力不確定性對電子商務企業效用的影響，以期驗證調貨出力配置模型的有效性、合理性，進一步揭示影響電子商務企業調貨效用的關鍵因素。

1電子商務調貨問題

京東作為中國自營式電商企業代表之一，已經在華北、華東等地區設立了集商品暫存、訂單處理、分揀配送功能于一體的大型倉儲中心，這些倉儲中心需要提前從各供應商調貨，以期能及時地響應顧客需求[21]。由于各供應商對電子商務企業供貨量存在不確定性，在市場需求的驅動下，電子商務企業存在調貨收益風險。因此，調貨出力配置對電子商務企業來說是一個不可避免的問題，且調貨的風險會在一定程度上影響企業的運轉效率。結合京東調貨運作方式，構建由多個相似的電子商務企業和與之有供貨關系的供應商組成的調貨系統。系統的結構，如圖1所示。

表3電子商務企業調貨出力配置的不同場景調貨場景組合解釋場景1S1，R1混合供應商E的供貨量最穩定，C，D的供貨量標準差相近，B的供貨量波動最大。AC，BD，CE的供貨量呈現負相關關系，BE和DE間的供貨量有正相關關系場景2S1，R2混合供應商E的供貨量最穩定，C，D的供貨量標準差相近，B的供貨量波動最大。各供應商間的供貨量各自獨立場景3S2，R1相較于場景1，混合供應商D，E的供貨量均趨于穩定場景4S2，R2相較于場景1，混合供應商D，E的供貨量均趨于穩定電子商務企業的風險厭惡系數分別取2，3，4，在場景1，場景2，場景3和場景4下，根據兩步法和（1）式，依次求出從各供應商調貨的最優配置，及對應的效用值U，見表4.

通過算例分析，得到以下結論。

1）從表4中可以看出，供應商的位置、供貨量的穩定性、供貨量間的相關關系，貨物的價格、運輸成本，以及電子商務企業調貨量和風險態度均對企業調貨出力配置方案的效用有影響。例如：在場景1下，從A，B，C，D，E供應商調取貨物量的比例分別為0.378 9，0.053 3，0.087 6，0.169 8和0.310 7，這也是該電子商務企業在場景1下的最佳調貨配置，此時企業的調貨效用為47.026 6.

2）整體分析表4可知，隨著風險厭惡系數α的增大，無風險調貨量所占的比例逐漸增大，但是整體調貨效用函數值逐漸減小。這說明當電子商務企業對調貨風險的厭惡越來越強烈時，更傾向于選擇從附屬供應商調取貨物，以規避調貨量波動帶來的風險。但在這種風險認知下，電子商務企業在調貨出力配置中獲得的整體效用相對較小。這也與實際情況十分吻合。

3）混合供應商供貨量之間存在著2種關系：一種是相互影響的關系，即正相關或者負相關關系，另一種是相互獨立關系，即彼此調貨出力互不影響。通過對比場景1與場景2，場景3與場景4可知，在厭惡系數α確定的情況下，當所有供應商間調貨出力互不影響時，降低從附屬供應商的調貨比重，能顯著提升調貨出力配置總效用水平。這是由于混合供應商供貨量互不相關能間接地減低調貨風險。

4）對比場景1與場景3，場景2與場景4可知，在厭惡系數確定的情況下，當某一個或多個混合供應商的供貨量的波動減小時，附屬供應商的調貨出力相應降低。這是因為當從混合供應商調取貨物的風險降低時，增大混合供應商的調貨出力，能有效提升電子商務企業的調貨效用。并且仿真表明：當混合供應商調貨出力的波動減小到一定程度時，最優的調貨出力組合將不包括從附屬供應商調貨。

進一步研究厭惡系數和供貨波動對各供應商出力的影響程度。為簡化實驗，接下來選取E供應商作為混合供應商的代表，以及附屬供應商A，研究在各混合供應商供貨量相關和不相關2種狀態下的出力情況。通過仿真實驗，將兩供應商出力情況繪制成折線圖，由于各混合供應商供貨量不相關狀態下的圖示與相關狀態下的圖示相似，因此只給出各混合供應商供貨量相關狀態下，厭惡系數和供貨量標準差對供應商出力的關系，分別如圖2和圖3所示。

從圖2中可以看出，附屬供應商的出力與厭惡系數之間存在著正相關關系，而混合供應商則與其呈現出負相關。同時當厭惡系數大于等于3，即企業對調貨的風險持中立或者厭惡態度時，兩類供應商的出力都開始趨于平緩。這主要是因為企業對調貨風險極度厭惡時，厭惡程度的變化對企業從兩類供應商調貨比例的影響較小。

從圖3中可以看出，隨著供貨量波動的增強，附屬供應商的出力存在著增長趨勢，而混合供應商呈下降趨勢，但這兩類趨勢變化都較微弱，這說明在厭惡系數一定的情況下，供應商供貨量的波動程度對其出力配比的作用較小。

綜上，在混合供應商供貨存在風險的背景下，提出的模型為電子商務企業單時段調貨出力優化配置提供了解決方案。若電子商務企業對調貨風險持保守態度，企業應加大從附屬供應商調貨的比重。反之，企業應傾向于從混合供應商調取貨物。在企業風險厭惡系數一定的情形下，若混合供應商供貨量互不影響或調貨出力趨于穩定，電子商務企業應側重從混合供應商處調取貨物。

5結語

電子商務企業調貨出力優化配置對提升企業服務水平、增強企業競爭力至關重要。在介紹我國大型電子商務企業調貨現狀的基礎上，抽象出一般性的企業單時段調貨出力配置問題。然后從經濟學的角度，將傳統的投資組合理論應用到電子商務企業的調貨出力優化配置上，運用解決二次規劃問題的方法，計算出電子商務企業從不同類型的供應商調取貨物的最優配置，從而有效權衡了不同風險態度下企業的調貨收益與風險。最后，從不同維度分析某電子商務企業調貨出力配置，充分證明了所構建單時段調貨出力配置模型的有效性和合理性，并為不同場景下電子商務企業調貨決策提供了建議：在風險偏好系數確定的情形下，若混合供應商供貨風險降低，企業應加大從混合供應商調貨力度，這樣能有效提升企業的調貨效用。

研究在一系列假設上構建了電子商務企業單時段調貨出力配置模型，而在現實情形中，電子商務企業會持續幾天集中調取貨物。因此，研究存在一定局限性，寬松條件下和多時段下企業調貨出力配置問題需要進一步研究。

參考文獻：

[1]唐光海，王雙喜.西部制造業電子商務發展路徑與對策[J].技術與創新管理，2015，36（02）：181-184+ 209.

[2]李君昌，樊重俊，楊云鵬，等.基于系統動力學的移動電子商務產業演化研究[J].科技管理研究，2018，38（03）：168-178.

[3]Fisher M，Raman A.Reducing the cost of demand uncertainty through accurate response to early sales[J].Operations Research，1996，44（01）：87-99.

[4]Paterson C，Kiesm ller G，Teunter R，et al.Inventory models with lateral transshipments：a review[J].European Journal of Operational Research，2011，210（02）：125-136.

[5]Hoadley B，Heyman D P.A two-echelon inventory model with purchases，dispositions，shipments，returns and transshipments[J].Naval Research Logistics，2010，24（01）：1-19.

[6]肖青，王東.網上零售業多產品配送服務定價研究[J].計算機應用研究，2013，30（09）：2619-2621+ 2676.

[7]Utterbeeck F V，Wong H，Oudheusden D V，et al.The effects of resupply flexibility on the design of service parts supply systems[J].Transportation Research Part E Logistics & Transportation Review，2009，45（01）：72-85.

[8]Paterson C，Teunter R，Glazebrook K.Enhanced lateral transshipments in a multi-location inventory system[J].European Journal of Operational Research，2012，221（02）：317-327.

[9]Uday S Karmarkar，Nitin R Patel.The one-period，N-location distribution problem[J].Naval Research Logistics Quarterly，1977，24（04）：559? 575.

[10]Kirshnan N，Rao V.Inventory control in N warehouses[J].Developments in Hematology & Immunology，1965，16（3）：116-119.

[11]Nils Rudi，Sandeep Kapur，David F Pyke.A two-location inventory model with transshipment and local decision making[J].Management Science，2001，47（12）：1668-1680.

[12]Dong L，Rudi N.Who benefits from transshipment？ Exogenous vs.endogenous wholesale prices[J].Management Science，2004，50（05）：645-657.

[13]Axster S.A new decision rule for lateral transshipments in inventory systems[J].Management Science，2003，49（09）：1168-1179.

[14]Liao Y，Shen W，Hu X，et al.Optimal responses to stockouts：Lateral transshipment versus emergency order policies[J].Omega，2014，49（12）：79-92.

[15]Markowitz H.Portfolio selection[J].Journal of Finance，1952，7（01）：77-91.

[16]Platen E.On the role of the growth optimal portfolio in finance[J].Australian Economic Papers，2010，44（04）：365-388.

[17]Liu M，Wu F F.Portfolio optimization in electricity markets[J].Electric Power Systems Research，2007，77（08）：1000-1009.

[18]李君昌，樊重俊，楊云鵬，等.基于蒙特卡洛小波去噪的股票投資組合風險優化研究[J].計算機應用研究，2018（10）：2947-2951.

[19]Tu Y，Sun B，Wang T.Study on selection methodologies and portfolio strategies of enterprises e-commerce models[C]//International Conference on Information Science and Engineering.IEEE，2011：6170-6173.

[20]Sackmann S，Kundisch D，Ruch M.Customer portfolio management in e-commerce：an analytical model for optimization[J].Management Research Review，2010，33（06）：617-634.

[21]雙莎莎，何建佳，李亞茹.基于互聯網技術的最后一公里綜合配送模式分析[J].技術與創新管理，2016，37（05）：572-576.

[22]Sanford J Grossman，Robert J Shiller.The determinants of the variability of stock market prices[J].American Economic Review，1981，71（02）：222-227.（責任編輯：王強）