基于投资组合的电子商务企业调货出力配置研究

吴海春 樊重俊 李君昌 王来

摘要：当下调货问题直接影响电子商务企业的服务水平和利润增长空间，企业从混合供应商调货量的不确定性导致了调货的风险。应用投资组合理论，把从附属供应商和混合供应商的调货收益分别看作无风险资产与有风险资产，从而把电子商务企业调货出力优化配置映射到传统的投资组合上。然后抽象大型电子商务企业调货模式，构建了电子商务企业单时段调货出力配置模型。最后，通过对比分析不同场景下电子商务企业的最优调货出力组合，及对应的调货效用值，研究发现：随着风险厌恶系数的增大，企业无风险调货量所占的比例逐渐增大，但是整体效用函数值逐渐减小;在厌恶系数确定的情况下，当所有供应商间供货量互不影响时，降低附属供应商的调货出力水平，能提升企业调货出力配置总效用;当某一个或多个混合供应商的供货量的波动减小时，企业从附属供应商的调货量相应降低。结果表明，提出的模型能有效解决混合供应商存在供货风险的问题，风险承受能力越强的企业越倾向于从混合供应商调货，反之倾向于从附属供应商调货，在此基础上给出建议：在企业风险态度恒定下，混合供应商供货量越稳定，企业应加大从混合供应商调货的力度。

关键词：管理科学;电子商务企业;投资组合理论;附属供应商;混合供应商;出力配置

中图分类号：F 252.5文献标识码：A文章编号：1672-7312（2019）02-0260-07

0引言

电子商务是网络化的新型经济活动，是新经济的主要组成部分，也是推动国民经济发展的新动力。在建设现代化经济体系中，以电子商务为代表的新型商务模式能显著提升我国经济质量[1-2]。但是，我国电子商务企业正面临市场趋于饱和、需求趋于精细、利润趋于萎缩的现状。在现实情形中，大型电子商务企业在向顾客交货前，需要从不同类型供应商调货至仓库，在订单确定后，再从仓库配货至顾客。由于供应商的地理位置、自身囤货量、备货种类，以及上下游“伙伴”等方面都有很大的差异，电子商务企业在调货时会遇到货源波动的问题，也即企业的调货需求不能及时得到满足。在诸如“双十一”、“京东购物节”等大型促销活动中，电子商务企业经常会陷入供不应求、物流滞后或货物积压的窘境，而这些会直接影响顾客体验。为了提高顾客的满意度和降低成本，电子商务企业往往需要选择供货稳定、及时的供应商，并形成自己的调货方案。合理、科学的调货计划不仅能有效降低企业的仓储和管理成本，而且有助于企业规避货源波动的风险。因此，研究电子商务企业调货问题有着重要的应用价值。同时，对政府制定电子商务相关政策有一定的借鉴意义[3]。

当电子商务企业对市场需求预测的结果为供不应求时，企业的调货行为就会发生，调货风险也随之而来。对于电子商务企业而言，库存成本和不能快速响应顾客需求的损失在总成本中占有很大比重[4]。通过企业调货，能将这些成本间接地转化成占比较小的调货成本。传统零售商之间的调货现象非常普遍[5]，国内外学者大多是研究零售商之间的调货、补货和配送问题[6]，而对于电子商务企业的调货问题研究颇少。在现有的研究中，零售商间的调货方式有2种，一种是紧急调货[7]，另一种是横向调货[8]。前者是为了满足上游供应链的需求，而后者则是为了满足同链级的需求。同时对于企业而言，横向调货可以降低成本、增加利润和提升服务水平[9]。Krishnan等[10]最早研究了2个仓库组成的调货系统，并基于成本最小化探索了两仓库的调货模式。Nils Rudi等[11]对处于同一层级的2个零售商之间的调货行为进行了研究，使得相对立的零售商利润与联合库存利润保持一致。Dong等[12]在构造一个制造商和多个零售商供应链系统的基础上，研究了横向调货产生的收益效果。针对库存控制下的横向调货问题，S Axster等[13]和Paterson等[8]分别提出了一种新的决策规则与调货策略。Liao等[14]调查、比较了两家零售店在横向调货和紧急订货政策下的最优库存决策，结果表明顾客响应缺货现象的行为对最优决策有显著的影响。

综上，传统的调货研究大多是从最优库存策略和最低调货成本角度展开的，而在电子商务企业调货过程中，降低调货风险水平、追求收益最大化是企业制定调货策略的首要原则。投资组合理论就是权衡资产风险和期望收益率的经典工具，被广泛用于资产选择和配置[15]。

在投资组合理论中，考虑价格波动随机性对资产组合期望收益和风险的影响，各种资产的占比是决策量。当前，投资组合理论主要应用于金融业[16]、电力业[17]、股票市场[18]等领域。在电子商务领域，投资组合理论已被众多国内外学者所关注，例如投资方案的选择[19]、策略组合的优化和客户组合的管理等[20]。但是，将投资组合理论应用在企业调货问题方面的研究很少，尤其是电子商务企业。在调货问题中，电子商务企业的收益风险主要来自混合供应商调货量的不确定性，而非商品的价格波动。

基于以上分析，将供应商供货出力的随机性映射到一般投资组合理论考虑价格波动的随机性上，并构建一种基于投资组合理论的电子商务企业调货出力配置模型。从电子商务企业效用最大化角度出发，研究供货出力不确定性对电子商务企业效用的影响，以期验证调货出力配置模型的有效性、合理性，进一步揭示影响电子商务企业调货效用的关键因素。

1电子商务调货問题

京东作为中国自营式电商企业代表之一，已经在华北、华东等地区设立了集商品暂存、订单处理、分拣配送功能于一体的大型仓储中心，这些仓储中心需要提前从各供应商调货，以期能及时地响应顾客需求[21]。由于各供应商对电子商务企业供货量存在不确定性，在市场需求的驱动下，电子商务企业存在调货收益风险。因此，调货出力配置对电子商务企业来说是一个不可避免的问题，且调货的风险会在一定程度上影响企业的运转效率。结合京东调货运作方式，构建由多个相似的电子商务企业和与之有供货关系的供应商组成的调货系统。系统的结构，如图1所示。

表3电子商务企业调货出力配置的不同场景调货场景组合解释场景1S1，R1混合供应商E的供货量最稳定，C，D的供货量标准差相近，B的供货量波动最大。AC，BD，CE的供货量呈现负相关关系，BE和DE间的供货量有正相关关系场景2S1，R2混合供应商E的供货量最稳定，C，D的供货量标准差相近，B的供货量波动最大。各供应商间的供货量各自独立场景3S2，R1相较于场景1，混合供应商D，E的供货量均趋于稳定场景4S2，R2相较于场景1，混合供应商D，E的供货量均趋于稳定电子商务企业的风险厌恶系数分别取2，3，4，在场景1，场景2，场景3和场景4下，根据两步法和（1）式，依次求出从各供应商调货的最优配置，及对应的效用值U，见表4.

通过算例分析，得到以下结论。

1）从表4中可以看出，供应商的位置、供货量的稳定性、供货量间的相关关系，货物的价格、运输成本，以及电子商务企业调货量和风险态度均对企业调货出力配置方案的效用有影响。例如：在场景1下，从A，B，C，D，E供应商调取货物量的比例分别为0.378 9，0.053 3，0.087 6，0.169 8和0.310 7，这也是该电子商务企业在场景1下的最佳调货配置，此时企业的调货效用为47.026 6.

2）整体分析表4可知，随着风险厌恶系数α的增大，无风险调货量所占的比例逐渐增大，但是整体调货效用函数值逐渐减小。这说明当电子商务企业对调货风险的厌恶越来越强烈时，更倾向于选择从附属供应商调取货物，以规避调货量波动带来的风险。但在这种风险认知下，电子商务企业在调货出力配置中获得的整体效用相对较小。这也与实际情况十分吻合。

3）混合供应商供货量之间存在着2种关系：一种是相互影响的关系，即正相关或者负相关关系，另一种是相互独立关系，即彼此调货出力互不影响。通过对比场景1与场景2，场景3与场景4可知，在厌恶系数α确定的情况下，当所有供应商间调货出力互不影响时，降低从附属供应商的调货比重，能显著提升调货出力配置总效用水平。这是由于混合供应商供货量互不相关能间接地减低调货风险。

4）对比场景1与场景3，场景2与场景4可知，在厌恶系数确定的情况下，当某一个或多个混合供应商的供货量的波动减小时，附属供应商的调货出力相应降低。这是因为当从混合供应商调取货物的风险降低时，增大混合供应商的调货出力，能有效提升电子商务企业的调货效用。并且仿真表明：当混合供应商调货出力的波动减小到一定程度时，最优的调货出力组合将不包括从附属供应商调货。

进一步研究厌恶系数和供货波动对各供应商出力的影响程度。为简化实验，接下来选取E供应商作为混合供应商的代表，以及附属供应商A，研究在各混合供应商供货量相关和不相关2种状态下的出力情况。通过仿真实验，将两供应商出力情况绘制成折线图，由于各混合供应商供货量不相关状态下的图示与相关状态下的图示相似，因此只给出各混合供应商供货量相关状态下，厌恶系数和供货量标准差对供应商出力的关系，分别如图2和图3所示。

从图2中可以看出，附属供应商的出力与厌恶系数之间存在着正相关关系，而混合供应商则与其呈现出负相关。同时当厌恶系数大于等于3，即企业对调货的风险持中立或者厌恶态度时，两类供应商的出力都开始趋于平缓。这主要是因为企业对调货风险极度厌恶时，厌恶程度的变化对企业从两类供应商调货比例的影响较小。

从图3中可以看出，随着供货量波动的增强，附属供应商的出力存在着增长趋势，而混合供应商呈下降趋势，但这两类趋势变化都较微弱，这说明在厌恶系数一定的情况下，供应商供货量的波动程度对其出力配比的作用较小。

综上，在混合供应商供货存在风险的背景下，提出的模型为电子商务企业单时段调货出力优化配置提供了解决方案。若电子商务企业对调货风险持保守态度，企业应加大从附属供应商调货的比重。反之，企业应倾向于从混合供应商调取货物。在企业风险厌恶系数一定的情形下，若混合供应商供货量互不影响或调货出力趋于稳定，电子商务企业应侧重从混合供应商处调取货物。

5结语

电子商务企业调货出力优化配置对提升企业服务水平、增强企业竞争力至关重要。在介绍我国大型电子商务企业调货现状的基础上，抽象出一般性的企业单时段调货出力配置问题。然后从经济学的角度，将传统的投资组合理论应用到电子商务企业的调货出力优化配置上，运用解决二次规划问题的方法，计算出电子商务企业从不同类型的供应商调取货物的最优配置，从而有效权衡了不同风险态度下企业的调货收益与风险。最后，从不同维度分析某電子商务企业调货出力配置，充分证明了所构建单时段调货出力配置模型的有效性和合理性，并为不同场景下电子商务企业调货决策提供了建议：在风险偏好系数确定的情形下，若混合供应商供货风险降低，企业应加大从混合供应商调货力度，这样能有效提升企业的调货效用。

研究在一系列假设上构建了电子商务企业单时段调货出力配置模型，而在现实情形中，电子商务企业会持续几天集中调取货物。因此，研究存在一定局限性，宽松条件下和多时段下企业调货出力配置问题需要进一步研究。

参考文献：

[1]唐光海，王双喜.西部制造业电子商务发展路径与对策[J].技术与创新管理，2015，36（02）：181-184+ 209.

[2]李君昌，樊重俊，杨云鹏，等.基于系统动力学的移动电子商务产业演化研究[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，王东.网上零售业多产品配送服务定价研究[J].计算机应用研究，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，楊云鹏，等.基于蒙特卡洛小波去噪的股票投资组合风险优化研究[J].计算机应用研究，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]双莎莎，何建佳，李亚茹.基于互联网技术的最后一公里综合配送模式分析[J].技术与创新管理，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.（责任编辑：王强）