文摘

铁路货运价格,提出了一种新的可交易的铁路货运选项(RFO)。多相三叉树建立定价模型来分析RFO的最优定价决策。模型的主要参数确定理论上通过非参数伊藤随机方法。本文扩展了铁路货运定价理论。本文的目的是构建铁路货运选择理论帮助铁路运输企业应对激烈竞争和挑战来自其他运输方式在中国。该方法的最重要的特性是它的简单分析最优定价决策只使用代数范畴和伊藤引理。

1。介绍

运费(铁路运输)通常被认为是促进中国国民经济发展的重要组成部分。然而,铁路货运行业面临着日益激烈的竞争从其他运输方式,如图1(1]。在中国快速增长的过程中,政府研究和制定政策的改革,铁路系统的发展规划是必要的,应认真完成。中国铁路发展落后的定价技术限制。改革国家铁路货运定价,更不用说一个中国铁路的大小,是一个巨大的挑战。

目前,中国铁路货物运输实现了市场化运作;也就是说,运输活动是伴随着合约市场和现货市场的共存。在合同市场,铁路运输企业签署合同协议与合同的客户(交货时间一般是6个月)来达到销售的目的能力的一部分。而在现货市场交易稳定性差的特点,合同协议的签署,有更多的优势。它为铁路运输提供了一个稳定的散装货物来源,要求铁路运输公司提供担保合同客户的能力。然而,在合同期间,铁路运输公司只允许在现货市场出售剩余的能力并不能获得利润通过多次销售能力当市场价格波动。双方必须遵守合同价格。因此,有必要制定科学、合理,且灵活的铁路货运定价方法,促进铁路运输公司与客户达成交易,而加强铁路货运市场的竞争力,扩大铁路货运市场份额、提高铁路公司的当前操作状态。

在现有的研究中,考虑到一个企业使用合同和现货交易渠道的同时,学者主要关注不同类型的灵活的合同,如数量的灵活性(QF)合同(2- - - - - -5),收入共享合同(6- - - - - -8),和回购合同(9- - - - - -11]。虽然被广泛应用于一个贸易协定的灵活性和多功能性,他们不能帮助利益相关者做出理性决策与信息不对称。因此,利用金融工程的处理信息不对称,调查选项的作用(或)买卖公司系统吸引了大量的注意力从研究[12- - - - - -14]。更准确地说,一些学者开始关注期权交易决策的影响。例如,王等人开发了一个卖报人模型检查客户回报的影响一个公司的定价和顺序决定,在这种情况下,该公司面临着一个price-dependent随机需求和购买期权合约的选择(15]。Di Corato等人研究了退出的选择可能影响投标行为和买方和卖方预期回报多维采购拍卖(16]。很明显从这些研究,选择工具将管理高峰需求和市场价格的波动17),对冲市场风险(18),促进公平贸易(19]。

此外,许多应用类型的研究探讨了期权在供应链管理中的应用。蔡等人研究了期权合约和补贴合同之间的关系,发现供应链协调和帕累托改进可以通过引入期权合约(20.]。风扇等人认为应用在buyer-led供应链期权合约,买方和供应商是规避风险的21]。刘等人探索协调supplier-led和零售商供应链期权合同(22]。Sharma等人的公平问题探讨two-echelon供应链渠道成员,由单一供应商和单一零售商组成的,其中零售商从供应商采购产品使用期权合约[23]。陈等人研究了双向期权合约的影响在two-echelon供应商和零售商组成的供应链,考虑的服务需求24]。通过开发一个两阶段模型来探索供应two-echelon供应链期权合约,赵等人提出了一些新见解使用供应供应链的期权合约的情况下随机现货市场和需求信息更新(25]。胡锦涛等人分析了常规期权合约和期权合同的联合定价机制考虑供应链协调问题在期权合约two-echelon [26]。Aghajani等人提出了一种新颖的两期期权合约与供应商选择和库存集成前置应对各种不确定因素(27]。胡锦涛等人的特点进行了探讨,看跌期权合同,证明它可以提供救援供应链的协调(28]。刘等人介绍了期权合约为缓解供应管理通过考虑这个系统作为救济与一个政府和多个供应商的供应链,建立了救灾物资采购(负责)模型通过期权合约获得政府的最优订货量和每个供应商的前置数量(29日]。所有的这些潜力主要承诺开发运费衍生品期权合约的应用程序。

运费期权是一种衍生金融工具对冲运价波动造成的风险。全球经济的快速发展和交通需求的快速增长,运费已成为一个多变的商品[30]。运费衍生品领域,Koekebakker等人建立了一个理论框架的估值亚洲航运市场的期权交易(31日]。Gomez-Valle等人提供了一个新颖的亚洲式期权定价问题的理论框架,并证明了货运选项的上下边界,使我们能够估计期权价格(32]。运费选择亚洲采用算术平均计算方法的选择。虽然在操作这个简单的选择有一定的优势,它的灵活性受到限制,也限制了历史数据的可靠性和计算精度。施等人用单变量广义自回归条件异方差模型来捕获运费衍生品收益的波动特征和应用时变接合部模型描述的非线性相关性现货和运费衍生品的收益33]。Kavussanos等人研究了运费和商品衍生品市场之间的经济溢出效应,发现大宗商品市场回报率的波动会影响到运费衍生品市场通过信息传播机制34]。这些研究提供了理论支持运费期权定价公式的详细推导过程。

尽管先前的研究使用不同的方法来研究相关问题运费选项,合同没有交易(35]。海洋运输企业,购买期权对冲风险的目的而不是运动选项(36,37]。相比之下,铁路运输企业采取期权交易,提高铁路运输的市场竞争力,提高铁路货运业务的现状。与此同时,铁路货物运输组织都有自己的特色产业链,货运产品,组织系统,等等38]。因此,铁路货物运输组织的基本活动应该反映在选择设计。此外,选择的交易过程应符合铁路货物运输组织。随着铁路运输市场是相对较新的,而不是在这个地区已经完成了大量的科学研究。具体的期权交易策略应该旨在促进铁路货运的发展。为此,提出一种新的交易RFO适应市场竞争将是有意义的。因此,多相三叉树建立定价模型来分析RFO本文的最优定价决策。总结了本文的主要贡献如下。(1)根据合约市场和现货市场并存,一个新的交易RFO设计,及其交易过程详细解释(2)提出了一种多相三叉树定价模型实现RFO合同的最优决策(3)非参数Ito的随机方法是申请的关键参数的估计

本文的其余部分组织如下。部分2州RFO的主要概念,需要的符号,为我们的问题和假设。部分3细节的方法。主要RFO派生的结果部分4。部分5将结束我们的工作。

2。RFO描述

2.1。RFO的定义

运费必须收缩,就像商品一样。唯一的区别是,大多数商品是真实的产品,运费是服务而不是物理的产品。所以,当货运是“买了”,服务产品的运输合同。由于运费unstorability,它应该被交易。保护铁路运输企业对市场风险和合同的客户,提供了一个新选项合同相关运费根据期权在金融市场的概念,叫做(RFO)铁路货运选项。与其他选项,RFO帮助铁路运输企业提前出售unstorable货运,也保证了利益相关者对运费超越指定的价格水平。

定义1。RFO是一个看涨期权合同,即合同客户(持有人)有权支付/接收的值的平均运费一些期间到期日期或之前和接收/支付执行价格。铁路运输企业(作家),那么有责任获得/工资平均执行价格和支付/接收当持有人决定锻炼。
事实上,一个RFO是一种资产的期权合约,铁路货物运输服务。铁路运输企业作为期权卖方有权利,而非义务,出售期权的期权价格。此外,合同客户是持有人的购买者的选择。如果执行过期日期的价格高于现货市场价格,合同客户将支付执行费用和执行RFO。否则,合同客户会放弃执行RFO的权利和选择在现货市场购买能力。的选项,合同客户没有损失任何钱的风险超过执行价格由于运费价格波动,因为总是不运动RFO可能性。铁路运输企业,如果合同客户放弃RFO的执行,他们将在现货市场销售能力不退还费用。这是一个方式,铁路运输企业可以分散风险,安排货运列车计划合理。在这种情况下,虽然风险规避意识到有效的可行性决策过程是另一个应该考虑的问题。

2.2。交易过程描述

在实践中,铁路运输企业和客户合同都是主要部分与不同程度风险规避。因此,风险可接受性的程度决定了选项的数量购买。绝大多数现有的研究处理选项是如何用于对冲。最优决策是分散决策,独立于供应链的效用。过度追求效用最大化的基础上分散的决定是不利于整个供应链的长期稳定。最大化回报的期望并不是最优决策点的运输系统。与现有研究相比,关注利益相关者的预期收益,本文研究了决策RFO交易帮助系统效用最大化,维护整个供应链的长期发展,并达到帕累托最优。

考虑一个铁路运输企业正寻求保护公司免受可能减少运费。在这个程度上,铁路运输企业和销售RFO写道投机合同客户的购买行为,制定合理的期权价格和流通39,40]。然后,合同客户决定购买数量的RFO根据定价宣布的铁路运输企业。此外,在第二阶段,合同客户将决定是否行使RFO。如果合同客户总量增加了期权执行价格小于现货运价在这一点上,合同客户将RFO锻炼,当然,合同客户将放弃RFO逆转。交易过程符合(图的两阶段动态博弈模型2)。

2.3。符号和假设

为了更好地理解模型,所有使用的符号的列表在表展示了我们的工作1。一些符号将会更精确地定义为他们出现在本文后部分。

此外,为了构建数学模型,本研究做了如下假设。

假设1。本文介绍RFO是欧洲的看涨期权,这意味着RFO只能在到期日执行。

假设2。铁路运输企业和客户合同都是完全理性和规避风险。现货市场运价在RFO有效性遵循几何布朗运动。这是作为 在哪里是标准布朗运动吗 和 。

假设3。的值和RFO有效期内是固定的,两边的期权合约市场的信息是对称的。

假设4。现货市场的运价在这个模型是一个外生变量,这是完全由外部市场经济条件和合同不影响铁路运输企业和客户。

假设5。根据需求曲线,需求市场容量通常是负相关与现货市场运价吗价格。这是作为 在哪里是一个随机分布,分布函数和密度函数 。

3所示。方法

3.1。模型建设

如果合约市场和现货市场并存,两级Stackelberg博弈模型,建立了铁路运输企业的领导者,和合同的客户是追随者。游戏序列如下所示:步骤1。在合同市场的时间 ,铁路运输企业写RFO包括期权价格和期权执行价格 。步骤2。根据RFO的定价策略,合同客户决定购买数量的RFO预期回报最大化。步骤3。现货市场的时间 ,合同客户将决定是否行使RFO基于现货市场运价和期权执行价格 。此外,执行RFO和能力通过现货市场确定购买数量。步骤4。基于最优RFO运动决定合同的客户,铁路运输企业将在现货市场出售剩余容量其预期利润最大化。

值得注意的是合同的预期利润函数如何客户和铁路运输企业。

3.2。合同客户的预期利润的描述

根据事务过程中,铁路运输企业的RFO写道,包括期权价格和期权执行价格 ,第一。然后,合同客户决定购买数量的RFO (N)预期收益最大化。现货市场的时间 ,合同客户将决定是否行使RFO基于现货市场运价和期权执行价格 。因此,合同客户的期望利润函数获得所述定理呢1。

定理1。合同客户的期望利润函数可以表示如下:

证明。的定理1。正如前面提到的,合同客户决定执行RFO和能力购买金额通过基于现货市场运价现货市场和期权执行价格 。因此,合同客户的期望利润函数应该分别讨论。

情况1。现货市场运价低于期权执行价格吗在时间 。
在这种情况下,合同客户盲目地在现货市场购买能力,这将增加其利润。最优的选择是从现货市场购买能力。因此,合同客户的利润函数构造如下: 在哪里代表的节约成本,选择从现货市场购买能力,和代表结束RFO的损失。此外,预期的利润函数 可以计算如下:

情况2。现货市场运价不低于期权执行价格吗在时间 。
现在,它是有利可图的合同客户RFO锻炼,和合同的客户可以从现货市场购买能力不足。然后,合同客户的利润函数构造如下: 在哪里代表购买RFO不足的损失。根据假设5,预期的利润函数 可以计算如下: 接下来,结合两种情况的概率,可以更新合同客户的期望利润函数如下: 这证明了定理1。

3.3。铁路运输企业的预期利润的描述

同样的,铁路运输企业的期望利润函数获得所述定理呢2。

定理2。铁路运输企业的期望利润函数可以表示如下:

证明。的定理2。虽然铁路运输企业RFO写道,其利润取决于合同客户的RFO执行决定。因此,铁路运输企业的期望利润函数也应该分别讨论。

情况3。现货市场运价低于期权执行价格吗在时间 。
在这样的情况下,期权价格合同客户支付时间将不会退还。铁路运输企业的利润函数构造如下: 在哪里代表RFO到期不会被执行的成本节约,代表期权价格的现金价值不退还时间 ,和代表的固定生产成本。此外,预期的利润函数 可以计算如下:

状况4。现货市场运价不低于期权执行价格吗在时间 。
在这种情况下,它是有利可图的合同客户锻炼RFO购买,和铁路运输企业期权执行价格的指控 。此外,如果合同客户的需求比RFO购买、合同客户将从现货市场购买能力不足。因此,铁路运输企业的利润函数构造如下: 在哪里代表行使RFO的收入购买,代表的收入在现货市场出售剩余的能力。根据假设5,预期的利润函数 可以计算如下: 接下来,结合两种情况的概率,铁路运输企业的期望利润函数可以更新如下: 这证明了定理2。

4所示。主要结果

4.1。参数的解决方案

一个重要的观点,被认为是更关键的模型求解过程中确定的参数。本研究提出了一种非参数伊藤随机临界参数的估计方法。

众所周知,三叉树来源于二项树的延伸。虽然二项树有效地简化了价格变化和便于计算,只大致考虑上下的两种情况。因此,只有二项树 后的情况下一步领先低精度。三叉树添加一个新案例;也就是说,一段时间后不改变价格。在这样的情况下, 后将获得的结果一步导致精度高。同时,单一的时间段三叉树RFO局限在价格评估。本文结束,打算把过期时间划分成多个部分,并建立multiperiod三叉树解决RFO的最优定价决策。基本的三叉树如下图所示3。

随着时间的数量增加,三叉树模型面临的问题决定的大小和概率等参数现货市场增长和下降。需要调整的参数,以确保标准偏差的铁路货运市场回报率的标准差保持不变。首先,离散化的不断变化的标的资产价格( )。

分时间 成n相等的部分,根据的假设5,服从几何布朗运动在时间吗 。这个方程可以被定义

使用伊藤随机积分的公式(15)可以更新如下: 在哪里的等价鞅测度。使用这一事实是一个鞅和 ,以下是总结说:

此外,一个伊藤过程的功能仍然是一个伊藤过程根据伊藤引理,然后非参数伊藤随机方法可以应用于生成 在哪里和的等价鞅测度。在这里,使用这一事实 和 ,以下是总结说:

正如上面提到的,有三个变化的情况下运输价格,上涨( ),不变( ),和下降( ),分别。根据公式(15)- (21),可以构造参数方程组如下: 和解决如下的参数:

一般来说,运价变化的概率很低在很短的时间内。为了更加真实,强烈的假设 是这里了。可以重新计算的参数

4.2。RFO的最优定价决策

根据客户合同的预期利润函数铁路运输企业获得的最优定价决策,RFO如定理所述3。

定理3。基于关键参数,通过非参数伊藤随机方法,铁路运输企业决定的最优定价决策RFO满足以下公式:

证明。的定理3。合同客户的期望利润函数铁路运输企业影响RFO的购买数量吗N。的一阶偏导数N对于公式(3)和(9)的基础上得到了优化理论如下: 最优RFO订单数量RFO可以计算微分方程时等于0。换句话说,被定义为以下方程: 此外,最优RFO订单数量RFO满足以下公式: 接下来,结合公式(24),解决公式联立方程(19)和(20.),最优期权执行价格的RFO可以很容易地获得如下: 这证明了定理3。
根据上述分析,在铁路运输企业RFO写道,铁路运输企业应该更加注意RFO到期时的价值增加( ),长期准备运输成本 ,短期准备运输成本 ,和无风险利率 。

5。结论

提出了可交易的理论(RFO)铁路货运选项。事务流程设计如图2。合同客户的预期利润函数和铁路运输企业得到见公式(3)和(9)。非参数伊藤随机方法应用于计算关键参数见公式(24),该方法的优势在定量和随机方法是,它简化了参数的解决方案。最重要的结果本文定理3。这是观察到的最优期权执行价格决定RFO的RFO到期时的价值增加( ),长期准备运输成本 ,短期准备运输成本 ,和无风险利率 。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者声明没有潜在的利益冲突的研究,本文的作者和出版。

确认

这项工作是由中国国家自然科学基金(没有。61803147),河南省重点科技项目(没有。182102310799),河南教育委员会(没有的基础。18 a580003)。