你说快时尚品牌咋补货？香港中文大学（深圳）经管学院的鲁家琦教授跟团队一起搞出了一套妙计，发在国际顶刊《Management Science》上。零售行业订货那是真难，订得太早怕卖不出去亏钱，订得晚了成本高周期还短。传统理论搞不定的地方就是，需求信息会变，而且企业还得分两波下单。这个研究就是要解决这个痛点，看看怎么根据市场需求的动态变化来制定最优的两阶段策略，说白了就是告诉大家啥时候分批补更好，啥时候一次订完就行。论文里还拿了真实数据验证了这法子管用。 鲁家琦教授跟哥伦比亚大学的Awi Federgruen、帝国理工学院的Zhe Liu一起合作搞了篇文章叫《Sourcing with Demand Updates》。 这个研究是基于经典报童模型发展出来的。以前的模型老认为订货的时候需求情况就定死了，不会变；但现实里零售商往往有两个采购窗口：一个是销售季前提前下的低成本、长提前期订单，那时候大家对需求心里没底；另一个是快到销售季了，看看试销数据或者消费者反馈后再补单的高成本、短提前期订单。像Zara这种快时尚品牌还有Five Below这种大型零售企业都这么干。现在大家急需一套能说明白需求预测咋变的理论框架。 文章主要讨论的是两阶段报童模型。核心是搞了个通用的需求预测变化机制：刚开始大家预测平均需求是μ₀，等拿到信号X后就更新成μ=μ₀+μ₀^α X，这里的X是均值为零的随机变量，α∈[0,1]是不确定性系数，就是说预测能调多大幅度得看原来的预测有多大。调完均值后，最终实际需求还有随机波动呢，标准差σ=bμ₀^β也会跟着初始预测规模变。基于这个模型，文章系统研究了企业在两个阶段应该订多少货。 模型是用了一个关于α的一阶常微分方程（ODE）来刻画第一阶段最优订货量，第二阶段的直接算就行。通过对ODE的渐近分析发现最优策略主要看α和β谁大谁小：当α大于β时，信号带来的变化最关键，安全库存就和√(τ²μ₀^{2α})成正比，比例系数是个低于经典模型的新临界值κ*；当α小于β时条件波动占上风，直接用单阶段策略就行；相等的时候就得看情况，安全库存就跟μ₀^α成正比。 最后团队还提出了一个不用数值求解ODE的启发式策略OPT-。结论是分两批买不一定总是赚的，得看预测更新和波动谁更猛。只有当α不小于β的时候补单才划算还得用OPT-这类策略；如果小于的话单阶段就够用了。 他们还用Five Below的数据验证了模型。结果表明这种通用演化模型比老的加法或乘法MMFE基准模型好很多，能帮企业多赚钱。 这研究对理论和实际都挺有意义的。理论上用了个简单的ODE框架把加法乘法模型都统一了给多阶段库存问题提供了新思路；实践上给企业做决策提供了可落地的优化工具。企业只要算历史数据估计出α、β参数就能判断值不值得搞中期预测更新还能选最优策略最后多赚钱。