使用多阶段,离散时间,随机生产库存模型。我立即意识到,对于提供有用的输出的任何模型,生产能力(Tayur,1993a)都需要受到限制,显然违反了著名的Clark -Scarf模型。通过通过无穷小的扰动分析获得的样品路径衍生物(IPA)(Glasserman&Tayur,1995)获得的,几乎没有假设(尤其是平稳性或具有特定的需求或具有特定的分布形式,分布形式,甚至仅限于纯连续或纯粹的组装或纯粹分配网络的拓扑),这是自来就可以提供的第一个新颖的方法,即在现代的范围内,即在现代的范围内,供应。可以大规模实施的复杂解决方案(Tayur,2013年),其业务指标(服务水平,营运资本投资)的绩效非常出色,对损益表和资产负债表的影响(从而提高了股东的价值和股票价格(从而在公共贸易公司中提高股东价值和股票)(Troyer等人,除了满意的学术需求(Classerman&1994年)外,收敛)。
定量的风险管理实践带有强大的计算挑战和高运营成本。复杂投资组件的风险管理要求部署计算上的数值方案,例如Monte Carlo(MC)模拟或部分微分方程(PDE)求解器。此外,计算风险的标准方法需要在数百个市场情况下重复投资组合的损益(P&L)计算,以形成所需敏感性的有限差异估计器。在许多情况下,即使在部署了大量的计算机电源之后,这些计算也不能在实际的时间内完成(An-reareasen,2023)。由于生命风险管理的总成本可以确定是否可以执行新贸易,因此解决此技术问题对于允许证券公司在市场上保持竞争力至关重要。在文献中提出了几种用于计算价格敏感性的替代方法,尤其是在MC模拟的背景下(有关评论,例如参见,例如,Glasserman,2004年)。在其中,路径衍生方法(Broadie和Glasserman,1996)以计算成本进行了无偏估计,该计算成本在某些特定应用中小于standard有限差异方法之一。然而,在实践中遇到的问题的主要问题中,标准的路径衍生方法提供了有限的计算收益。PATHWIESS的更有效实现