多设备在线租赁优化模型与竞争策略研究

In leasing activities, many companies need more and more equipment when their sizes are getting bigger. Facing with unpredictable fluctuations in the markets and the growing pressures of company cash flows, there are a growing number of companies that tend to rent multiple units of equipment with certain degrees of flexibility according to the actual market situations. However, it becomes the biggest challenge for decision-makers concerning how to optimize these multi-unit equipment. Most of the existing researches are essentially applications based on the Karp's single unit equipment online leasing model. In this project we will study the multi-unit online leasing problem by using a combination of the methods of online algorithms, competitive analysis, and optimization theory. Firstly, we construct optimization models according to two kinds of identical equipment or non-identical equipment, and propose new methods for solving competitive strategies. Secondly, we establish multi-unit online optimization models which consider the regulatory constraints on market and contracts, and provide optimal competitive strategies. Finally, given the decision-makers' risk preference, we establish optimization models for multi-unit online leasing problems with the decision-maker behavior or various types of statistics forecasts, and present their optimal leasing strategies. The research findings from this project will be significant to improve the framework of online leasing decision theory, enrich the methods of the modern financial leasing decisions, and provide theoretical foundations for enterprises' decision-making.

在现实租赁活动中，随着企业经济规模增长，企业对设备的多台需求也会随之增加。面对瞬息万变的市场和流动资金的压力，越来越多的企业倾向于依据市场情况灵活地选择租赁设备，如何进行多台设备组合优化就成为决策者面临的最大难题。然而已有研究均是在Karp单一设备租赁模型基础上进行的应用研究，本项目将运用在线算法与竞争分析方法及最优化理论对多设备在线租赁问题展开研究。针对同类设备和不同类设备两种情形，首先分别构建多设备在线租赁优化理论模型，给出其竞争策略求解新方法；其次，建立考虑现实市场因素及简单合同约束的多设备在线租赁优化模型，给出最优竞争策略；最后，研究决策者进行多设备在线租赁决策时的风险偏好，建立具有决策者行为或各种统计信息预期的多设备在线租赁优化模型，给出使决策成本最小的最优租赁策略。研究成果将完善现有在线租赁决策理论体系，丰富现代企业融资租赁决策方法，为企业多设备在线租赁科学决策提供理论依据。

租赁业作为朝阳产业，近年来在我国各种政策利好的驱动下，得到了快速发展。然而商业环境的瞬息变化、未来需求信息的难以捕捉、企业经济规模的增长，使得金融市场的投资决策越来越呈现出在线特征。本项目充分考虑了市场因素、决策者风险承受力等现实因素的影响，采用在线算法与竞争分析方法构建了在线租赁模型，具有重要的理论价值和现实意义。. 随着企业规模发展壮大和市场需求增加，对设备的需求量也会增加，本项目运用在线算法与竞争分析方法对多设备在线租赁问题展开了研究。项目分别从连续和离散两种视角提出了一种完全不同于Karp类单一设备租赁问题研究的风险控制策略，并给出了每期的最佳购买量、最佳租用量和竞争比解析式，同时证明了策略的最优性。. 考虑到实际租赁活动中市场因素对决策者租赁决策有着重要影响，本项目进一步研究了受市场因素影响的设备在线租赁问题。项目分别考虑了复利率、通货膨胀、价格波动以及优惠合同等因素，建立了更加贴近实际的模型，通过求解模型得到了市场因素与最佳购买时间之间的数值关系，从而为决策者提供了理论依据。. 决策者面对Karp类单一设备租赁决策和多设备组合租赁决策时，其风险偏好和决策行为明显不同，他们通常希望能对未来可能出现的各种情形进行积极预期，以达到有效规避风险并实现最优决策的目的。因此本项目在前述研究的基础上考虑了决策者风险偏好及若干预期的影响，分别构建了确定性预期和概率预期下的风险补偿策略，给出了不同预期、不同风险容忍度下收益最大的在线租赁策略。. 此外，项目还从不同的角度对在线租赁问题进行了深入地研究，设计了多阶段、多策略等情形下的最优在线策略。项目的研究丰富了在线算法和竞争策略在设备融资领域的理论研究，也为企业多设备在线租赁科学决策提供了理论依据。