CN1826617A - 对商品的需求、供应和关联利润率建模的系统、方法和计算机程序产品 - Google Patents

对商品的需求、供应和关联利润率建模的系统、方法和计算机程序产品 Download PDF

Info

Publication number
CN1826617A
CN1826617A CNA2004800211384A CN200480021138A CN1826617A CN 1826617 A CN1826617 A CN 1826617A CN A2004800211384 A CNA2004800211384 A CN A2004800211384A CN 200480021138 A CN200480021138 A CN 200480021138A CN 1826617 A CN1826617 A CN 1826617A
Authority
CN
China
Prior art keywords
unit
modeling
price
commodity
demand
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2004800211384A
Other languages
English (en)
Inventor
斯科特·H·马修斯
凯尔·M·纳卡莫托
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Boeing Co
Original Assignee
Boeing Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Boeing Co filed Critical Boeing Co
Publication of CN1826617A publication Critical patent/CN1826617A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors

Abstract

用于对商品的需求、供应、以及所关联的利润率建模的系统、方法和计算机程序产品。根据一种方法，确定价格敏感度分布，并随后确定商品的单位的数目的市场潜力分布。接下来，基于市场潜力分布，根据蒙特卡洛法而选择预测市场，其中，预测市场包括预定义数目的单位的商品。随后，基于价格敏感度分布和预测市场中的单位的预定义数目，而对预测市场中的商品的需求和/或供应建模。通过这样对需求和/或供应建模，该方法可考虑如由所购买的商品的单位的数目、以及购买和/或生产的那些单位的价格定义的商品的市场的不确定性。

Description

对商品的需求、供应和关联利润率建模的系统、方法 和计算机程序产品
技术领域
本发明一般涉及对商品的需求建模，并且，更具体地，涉及基于可变的市场规模模型、消费者支付的价格和成本而对商品的需求、供应和所关联的利润率进行建模的系统、方法和计算机程序产品。
背景技术
在古典经济学中，传统上，由经济学家检查供应和需求，以说明市场如何生成交易商品的价格和量。通常，认为市场通过将制造商预计以给定价格卖出的给定商品的数量(即供应)与消费者愿意购买的商品的数量(即需求)相关，而生成交易商品的价格和量。供应表示制造商将以不同价格供应的特定商品的变化数量。因为通常较高的价格产生较大的供应。所以，在特定时间周期期间的价格对量的图表上，经常通过上斜的曲线而图解供应。另一方面，需求表示由消费者以任意给定价格要求的商品量。在这一点上，因为需求通常随着价格的增加而减小，所以，在特定时间周期内的价格对量的图表上，经常通过下斜的曲线而图解需求。
对于制造商，供应和需求曲线可为有用的工具，其可帮助对给定商品的利润率建模。传统上，制造商所使用的需求曲线基于历史数据和估计。但是，因为在大量行业中经常缺乏足够的历史数据和估计，所以，很少使用需求曲线来对给定商品的利润率建模。并且，由于缺乏使用，需求曲线经常不足以综合可变因素，如市场规模和消费者对给定商品支付的价格。此外，通常，需求曲线不考虑在价格对所卖出的给定商品的数目的关系方面的变化性的冲击。
发明内容
根据前述背景，本发明提供了用于对商品的需求、供应、以及所关联的利润率建模的系统、方法和计算机程序产品。有利地，本发明的系统、方法和计算机程序产品能够基于稀少历史数据、或有关当前和将来的商品的价格和量的估计，而对需求、供应、以及所关联的利润率建模。并且，本发明能够比对需求建模的传统方法更恰当地将需求、供应和由此的利润率建模为在其内卖出商品的市场规模的函数。另外，所述系统、方法和计算机程序产品在更好地考虑商品的价格和所购买的商品的单位的数目的关系的可变性的同时，对需求、供应和所关联的利润率建模。
通过考虑商品的价格和所购买的商品的单位的数目的可变性，本发明的实施例能够在考虑商品的价格和所购买的商品的单位的数目的不确定性的同时对需求、供应和所关联的利润率建模。这样的建模在例如在商业交易的环境中的大量不同环境中是有利的。在这一点上，用于商品的未来销售的程序自然具有所关联的不确定性，尤其是它与典型地通过所购买的商品的数目和购买每个单位的商品的价格而定义的商品的市场相关。那么，根据本发明的实施例，可以这样的方式对商品的需求、供应和所关联的利润率建模，尤其是在有关所购买的商品的价格和单位的数目的数据稀少时，该方式帮助导出对不确定的未来市场的理解。
根据本发明的一个方面，提供了一种方法，其包括基于商品的单位购买的价格敏感度分布、以及市场中的商品的单位的数目的市场潜力分布，而对商品需求和/或供应建模。根据该方法，可确定商品的单位购买的价格敏感度分布。例如，在对需求建模时，可通过确定预定价格上的单位购买的价格敏感度分布、并在之后以反向累计格式重算价格敏感度分布，而确定价格敏感度分布。类似地，例如，在对供应建模时，可通过确定预定价格上的单位购买的价格敏感度分布、并在之后以累计格式重算价格敏感度分布，而确定价格敏感度分布。在这一点上，价格敏感度分布可包括对数正态价格敏感度分布，并可基于购买单位的平均价格以及所关联的标准偏差而被确定。类似地，市场潜力分布可包括对数正态市场潜力分布，并可基于在市场中需求和/或供应的商品的单位的平均数以及所关联的标准偏差而被确定。可通过除了对数正态分布之外的分布来表示价格敏感度和市场潜力两者，以便最佳地表示经济市场真实性或数据限制。通过将价格敏感度和市场潜力表示为对数正态分布，价格敏感度和市场潜力分布可更精确地表示对商品价格的改变如何改变消费者是否将购买商品、以及制造商是否将生产商品。
在对需求和/或供应建模之前，例如，可根据蒙特卡洛法，基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场。通过根据蒙特卡洛法而选择预测市场，该方法能够比对需求或供应建模的传统方法更可靠地将需求和/或供应和由此的利润率建模为在其内卖出商品的市场规模的函数。并且，在选择预测市场之后，可基于表示预测市场中的预定义数目的单位的对应百分比的不同数目的单位的商品，而确定市场潜力分布。
在选择预测市场之后、或在确定市场渗透率分布之后，可基于预测市场中的单位购买和预定义数目的单位的分布，而对预测市场中的商品的需求和/或供应建模。例如，可通过确定多个单位价格和表示预测市场中的预定义数目的单位的对应百分比的不同数目的单位的商品之间的关系，而对需求和/或供应建模。在包括市场渗透率分布的实施例中，可基于价格敏感度分布和市场渗透率分布而对需求和/或供应建模。在另一个实施例中，重复地选择不同的预测市场，其中每个预测市场包括预定数目的单位的商品。在此实施例中，为所选的每个预测市场而对需求和/或供应建模。
根据尤其适于对区别市场中的商品的需求、供应和/或所关联的利润率建模的本发明的另一个方面，该方法还包括对于至少一个预定义数目的合同而确定至少一个合同购买集合，其中，每个合同包括在预定单位价格上的商品的单位的数目。例如，可基于每合同单位分布、以及单位购买的分布和每合同单位分布之间的相关性，而确定合同购买集合。在这一点上，例如，可根据蒙特卡洛法，基于每合同单位分布，通过确定在预定义数目的合同的每个中包括的单位的数目，而确定合同购买集合。根据一个实施例，确定每个合同中的单位的数目，使得在每个合同中包括的单位的数目的总和等于预测市场中的预定数目的单位的一个百分比，其中，该百分比表示市场占有率。在确定每个合同中包括的单位的数目之后，可基于在每个合同中包括的单位的数目、以及购买单位的消费者的分布和每合同单位分布之间的相关性，而确定在预定义数目的合同的每个中包括的单位的单位价格。
在确定合同购买集合之后，可基于合同购买集合和市场潜力分布，或者更具体地，从市场潜力分布选择的预测市场，而对商品的需求和/或供应建模。例如，可通过计算通过对具有不小于相应单位价格的单位价格的每个合同中的单位的数目求和而确定的用于每个不同单位价格的单位的累计数目、并在之后基于每个不同单位价格和相应的单位的累计数目而对商品的需求建模，来对需求建模。类似地，例如，可通过计算通过对具有不大于相应单位价格的单位价格的每个合同中的单位的数目求和而确定的用于每个不同单位价格的单位的累计数目、并在之后基于每个不同单位价格和相应的单位的累计数目而对商品的供应建模，来对供应建模。可替换地，在对需求建模时，单位的累计数目可包括预测市场中的单位的预定义数目和具有不大于相应单位价格的单位价格的每个合同中的单位的数目的总和之间的差。可替换地，在对供应建模时，单位的累计数目可包括预测市场中的单位的预定义数目和具有不小于相应单位价格的单位价格的每个合同中的单位的数目的总和之间的差。如将理解地，通过确定合同购买集合并基于合同购买集合而对需求建模，本发明的此方面尤其适于对区别市场中的商品的需求和/或供应建模，其中，根据合同而购买商品，每个合同可包括不同数目的单位和/或不同的单位价格。
根据本发明的附加的方面，该方法可包括连同需求一起而对商品的成本建模。随后，可基于成本模型和需求模型而对商品的利润率建模。根据此方面，可通过对用于不同数目的单位的平均单位成本建模，而对成本建模。随后，例如，可通过从用于不同数目的单位的单位价格减去用于相应不同数目的单位的平均单位成本，而对利润率建模。可对于特定数目的单位和价格对应关系而确定最大利润。在重复地预测不同市场的一个实施例中，可为每个预测市场而对需求、成本和利润率建模。
根据尤其适于区别市场中的商品的本发明的再一个方面，可基于预测市场中的预定义数目的合同和预定义数目的单位，而对预测市场中的商品的成本建模。例如，可通过对用于与不同单位价格相关联的单位的每个累计数目的平均单位成本建模、并在之后选择最低单位成本，而对成本建模。随后，例如，可通过从与单位的每个累计数目相关联的单位价格减去最低单位成本，而对预测市场中的商品的利润率建模。
因此，本发明的系统、方法和计算机程序产品能够帮助对于不确定的未来市场中的商品的需求和/或供应的理解，其中，可基于以单位价格购买的商品的单位的数目，而定义需求和/或供应。有利地，所述系统、方法和计算机程序产品能够基于稀少历史数据或有关商品的价格和量的估计，而对需求、供应和所关联的利润率建模。并且，通过以市场潜力分布的形式合并未知的市场规模，并通过根据蒙特卡洛法而选择预测市场，本发明能够比对需求和供应建模的传统方法更恰当地将需求、供应和由此的利润率建模为在其内卖出商品的市场规模的函数。另外，通过包括对数正态价格敏感度分布，所述系统、方法和计算机程序产品在更好地考虑对商品价格的改变如何改变所购买的商品的单位的数目的同时，对需求、供应和所关联的利润率建模。
附图说明
在已由此概括地描述了本发明之后，现在将对附图作出参照，附图不一定按比例绘制，并且其中：
图1是一个流程图，其包括根据本发明的一个实施例的用于对在无区别(non-differentiated)市场中购买的商品的需求建模的系统、方法和计算机程序产品中的各种步骤；
图2是在本发明的一个实施例的系统、方法和计算机程序产品的操作期间利用的价格敏感度分布图；
图3是在本发明的一个实施例的系统、方法和计算机程序产品的操作期间利用的市场潜力分布图；
图4A是在根据本发明的一个实施例的用于对需求建模的系统、方法和计算机程序产品的操作期间利用的以反向累计(reverse cumulative)格式重算的价格敏感度分布的示意图解；
图4B是在根据本发明的一个实施例的用于对供应建模的系统、方法和计算机程序产品的操作期间利用的以累计格式重算的价格敏感度分布的示意图解；
图5是在本发明的一个实施例的系统、方法和计算机程序产品的操作期间利用的用于预测市场的市场渗透率(penetration)分布的示意图解；
图6A是在无区别市场中购买的商品的环境(context)中，根据本发明的一个实施例的用于预测市场的需求曲线的示意图解；
图6B是在无区别市场中购买的商品的环境中，根据本发明的一个实施例的用于预测市场的供应曲线的示意图解；
图7是购买的商品的环境中，根据本发明的一个实施例的用于多个预测市场的多个需求曲线的示意图解；
图8是一个流程图，其包括根据本发明的一个实施例的用于对在区别(differentiated)市场中购买的商品的需求建模的系统、方法和计算机程序产品中的各种步骤；
图9是在本发明的一个实施例的系统、方法和计算机程序产品的操作期间利用的每合同单位(units per contract)分布图；
图10是图解在本发明的一个实施例的系统、方法和计算机程序产品的操作期间利用的合同购买集合(collection)的图；
图11是在区别市场中购买的商品的环境中，根据本发明的一个实施例的用于预测市场的需求曲线的示意图解；
图12是在无区别市场中购买的商品的环境中，本发明的一个方面的系统、方法和计算机程序产品的操作期间利用的成本曲线的示意图解；
图13是将图6的需求曲线与图12的成本曲线相比较的示意图解；
图14是根据本发明的一个实施例的利润率曲线的示意图解；
图15是针对于最优价格的分布和所关联的成本分布而绘出的价格敏感度分布的示意图解；
图16是根据本发明一个实施例的在确定的时间上卖出商品的项目(project)的市场价值的示意图解；
图17是在区别市场中购买的商品的环境中，本发明的一个实施例的系统、方法和计算机程序产品的操作期间利用的成本曲线的示意图解；以及
图18是通过计算机实现的本发明一个实施例的系统的示意框图。
具体实施方式
现在，将通过参照附图而更完全地描述本发明，附图中示出了本发明的优选实施例。然而，此发明可以不同形式来实现，并且，不应被理解为限于这里描述的实施例；相反，提供这些实施例，使得此公开将变得透彻和完整，并将完全地向本领域的技术人员传达本发明的范围。所有图中的相同标号表示相同的元素。
I.对商品的需求和/或供应建模
根据本发明的一个方面，提供了用于对商品的需求和/或供应建模的系统、方法和计算机程序。在经济学中，通常，将产品分类到两个市场之一中，即无区别市场或区别市场。在例如日用品市场的无区别市场中，以单一价格而提供所有竞争商品。例如，小麦、棉花、银和油类均是典型以单一价格而提供的商品。另一方面，在区别市场中，可用在表现各个商品的特性的特征方面能感觉出的值，来区别竞争商品的价格。这样，在区别市场中，在供应商和消费者之间的私人商议期间，展现并确定区分特征的值。由于价格的商议结果保持为非公开，所以，该过程允许以不同价格来卖出不同数量的商品。例如，批发的大量车辆和飞机均是这样的商品，其由于不同的特征而可对于不同的量以不同的价格卖出。另一类区别市场是这样的市场，其中，存在复杂的定价系统，其利用买主偏好之间的小差异，例如，飞机座位、旅行和音乐会座位预定系统、以及与会员折扣相联系的百货商店商品定价。
在无区别市场中，典型地，根据每单位商品的单一价格而卖出和购买所有商品。然而，在区别市场中，商品可在价格方面有所变化。在这一点上，典型地，根据在每单位的预定价格上的预定数目单位的商品的合同，而卖出区别市场中的商品。这样，本发明提供了用于对无区别市场以及区别市场中的商品的需求和/或供应建模的系统、方法和计算机程序产品。下面的描述将说明对商品的需求建模。在这一点上，将理解，除非被指明，否则下面的描述同等地适用于对商品的供应建模。
A.无区别市场中的商品
无区别市场中的商品的需求通常是商品的单位价格和市场规模关于市场中的商品的单位总数的函数，所述两者取决于商品而不同。在这一点上，在对将来的某个后续时间的需求建模时，商品的价格和市场规模均不能被指定，因为各自包括不确定量。由此，为最精确地对商品的需求建模、以便掌握单位价格和/或市场规模的不确定性，典型地，基于商品可卖出的可能价格的分布、以及可在其内卖出商品的市场的可能规模的分布，而对需求建模。
参照图1，通常，对无区别市场中的商品的需求建模通过确定商品的价格如何影响客户是否将购买商品、或者在对供应建模的情况下确定商品的价格如何影响制造商是否将生产商品而评估商品的单位价格的不确定性而开始。在这一点上，典型地，如块10所示，以预定价格的商品的单位购买的价格敏感度分布来表示商品的每单位的购买价格的不确定性。通常，价格敏感度分布将单位购买的概率分配给消费者会购买该单位的各个相应的价格。有利地，可从根据很多不同方法中的任一个而研究出的相应单位价格上的商品的至少一个单位的真实或假想的消费者购买的稀少数据(如来自历史销售或市场调查)，而研究出价格敏感度分布。可通过仅有两个这样的消费者购买而研究出价格敏感度分布，然而，典型地，购买的数目总计为30或更多。
有利地，并且，尤其是在真实或假想的消费者购买的数据稀少的实例中，可基于与商品相关联的技术的开发状态，而定义商品价格的不确定性、或价格敏感度分布。在这一点上，在很多行业中，有关商品的制造和销售的项目的决定需要制造商估算与项目的开发状态相关联的技术风险、或技术成熟度，以便正确地确定该项目的成功概率和投资水平，即，确定风险和回报概率。在这一点上，项目的开发可包括一个或多个不同的技术，其中不同的技术处于不同的开发阶段。
尽管有关技术风险的信息对于制造者来说可以是有用的，但这样的信息经常是定性的。例如，技术风险或技术成熟度的一组这样的定性量度是由国家航空和航天局(NASA)开发的技术准备就绪水平(TRL)。为考虑所关联的技术的开发状态，将与商品相关联的每个技术与成熟度的定性量度相关联，其中，成熟度的每个定性量度与分布相关联。这样，将每个技术与成熟度的各个定性量度的分布相关联。
在将每个技术与成熟度的各个定性量度的分布相关联之后，为每个技术选择价格点，或更典型地，最可能的价格。随后，可基于与成熟度的各个定性量度(measure)和各个最可能的价格相关联的分布，而为每个技术定义价格分布。可例如根据蒙特卡洛法而从价格分布中选择用于每个技术的价格，并且，之后一起求和，以获得一个可能的商品总价。接下来，可选择用于每个技术的很多个其它价格，并以类似的方式一起求和，以获得很多其它可能的总价。可根据所有总价而确定平均值和标准偏差，以由此定义价格敏感度分布。对于有关确定价格敏感度分布的这样的方法的更多信息，参见在这里同时提交的美国专利申请号10/453,395，其标题为“Systems，Methods andComputer Program Products for Modeling a Monetary Measure for A Good BasedUpon Technology Maturity Levels(用于基于技术成熟水平而对商品的货币量度建模的系统、方法和计算机程序产品)”，通过对其全部内容的引用而将其内容合并于此。
可根据诸如正态、三角或均匀的很多不同概率分布类型中的任一个而表示价格敏感度分布。但是，因为经济典型地以对数正态形式起作用，所以，在优选实施例中，将价格敏感度分布表示为对数正态概率分布。并且，可根据诸如历史销售的平均值和标准偏差的很多不同参数中的任一个，而定义价格敏感度分布。例如，图2中示出的价格敏感度分布是根据平均值$92,252(以千美元为单位)、以及所关联的标准偏差$7,800而定义的。
除了将商品价格的不确定性因式分解为商品的需求之外，有利地，可将需求建模为可在其内购买商品的市场规模的函数，以由此考虑到市场规模的不确定性。在这一点上，典型地，如图1的块12所示，将市场规模的不确定性表示为市场潜力，其表示在假定满足所有消费者要求(包括价格)的条件下，消费者将购买的商品单位的总数。典型地，将市场潜力表示为购买预定数目的单位的商品的消费者的分布。通常，市场潜力分布在假定满足所有消费者要求的条件下，对消费者将购买的商品的每个相应数目的单位分配概率。
有利地，还可从来自诸如市场研究、或本领域的技术人员所知的无数其它因素的很多不同来源中的任一个的稀少数据，而研究出市场潜力分布。可根据诸如正态、三角或均匀的很多不同的概率分布的任何一个而表示市场潜力分布，但是，如同市场敏感度分布那样，优选地，将市场潜力分布表示为对数正态概率分布。并且，如同市场敏感度分布那样，可根据诸如用来研究市场潜力分布的数据的平均值和标准偏差的很多不同参数中的任一个，而定义市场潜力分布。例如，图3中示出的市场潜力分布是根据700单位的平均值、以及所关联的400单位的标准偏差而定义的。
如所描述的，将商品的需求建模为在其内卖出商品的市场规模的函数。由此，为对商品的需求建模，从市场潜力分布中选择预定义数目的单位的商品的预测市场。有利地，根据用于随机选择预定义数目的单位的商品的方法(如蒙特卡洛法)而选择预测市场中的单位的数目。如本领域的技术人员所知晓的，蒙特卡洛法是随机生成用于不确定变量的值、以仿真模型的方法。在这一点上，如图1的块14所示，将蒙特卡洛法应用于市场潜力分布，以选择预测市场中的预定义数目的单位的商品。并且，如下面所描述的，通过重复地选择不同的预测市场，可为每个预测的将来的市场而对商品的对应需求建模，以由此帮助理解不同的市场规模如何影响商品的需求。
典型地，由于制造商将不能够占有所有(即100％)商品市场，所以，可对商品的需求建模，以考虑制造商可占有的市场的不同百分比。因此，如块16所示，可基于表示预测市场的对应百分比的不同数目的单位，而根据所选的预测市场来确定市场渗透率分布。例如，如图5所示，在700单位的商品的市场规模中，将350单位的销售与50％的市场渗透率相关联。在可替换的市场渗透率分布中，如图5中的点状线所示，在700单位的商品的市场规模中，将200单位的销售与50％的市场渗透率相关联。一旦已确定了市场渗透率分布，便可基于价格敏感度分布和市场渗透率分布而对需求建模。在对需求建模时，为结合价格敏感度分布和市场渗透率分布，典型地，如图4A所示，首先以反向累计格式来重算(recast)价格敏感度分布(见图1、块18)。如将显而易见的，反向累计分布绘出了大于或等于给定值的值的数目、比例或百分比。在这一点上，价格敏感度分布的反向累计表示用于在至少预定价格上(即，在预定价格或预定价格以上)的商品的单位购买的分布。
类似地，在对供应建模时，为结合价格敏感度分布和市场渗透率分布，典型地，如图4B所示，首先以累计格式来重算价格敏感度分布。如将显而易见的，累计分布绘出了小于或等于给定值的值的数目、比例或百分比。在这一点上，价格敏感度分布的累计表示用于在商品的市场价格处于至少预定价格上(即，在预定价格或预定价格以上)时制造的单位分布。
一旦已重算了价格敏感度分布，如图1的块20所示，便可基于市场渗透率分布和价格敏感度分布的反向累计，而对用于预测市场的产品的需求建模。在这一点上，对于预测市场，需求表示消费者将购买的在至少给定价格上(即，在给定价格或给定价格以上)的单位数目。为对需求建模，将价格敏感度分布的反向累计的每个概率百分比与来自市场渗透率分布的预测市场的对应百分比相关联。由此，将来自市场渗透率分布的多个不同数目单位的商品中的每个链接到来自反向累计价格敏感度分布的每单位的最小价格，其中，所述反向累计价格敏感度分布具有等于用于各个数目的单位的市场渗透百分比的概率百分比。这样，可认为需求模型是在预测市场中卖出的多个不同数目的单位，其中每个数目的单位具有消费者将购买相应数目的单位的对应的最小价格。例如，将总计700且具有100％的市场渗透率的商品的数目链接到具有100％的概率百分比的大约7千7百万美元的单位价格。由此，根据需求模型，700单位的商品将以至少7千7百万美元卖出。可以多种方式中的任一种来表示需求模型，但是，在一个实施例中，如图6所示，通过绘出在预测市场中卖出的不同数目的单位与消费者将为每单位商品支付的最小价格的对比，而将需求模型表示为需求曲线。
类似于对需求建模，可基于价格敏感度分布的累计和市场渗透率分布，而对用于预测市场的产品的供应建模。那么，对于预测市场，供应表示在商品的市场价格处于至少给定价格上(即，在给定价格或给定价格以上)时制造商将生产的单位的数目。为对供应建模，将价格敏感度分布的累计的每个概率百分比与来自市场渗透率分布的预测市场的对应百分比相关联。由此，将来自市场渗透率分布的多个不同数目的商品单位中的每一个链接到来自累计价格敏感度分布的每单位的最大价格，其中，所述累计价格敏感度分布具有等于相应数目的单位的市场渗透百分比的概率百分比。这样，可以认为供应模型是在预测市场中生产的多个不同数目的单位，其中每个数目的单位具有对应的最大市场价格。如需求模型那样，可以多种方式中的任一种来表示供应模型。例如，在一个实施例中，如图6B所示，通过绘出在预测市场中生产的不同数目的单位与商品的最大市场价格的对比，而将供应模型表示为供应曲线。
如上面所指明的，商品的需求基于价格敏感度分布的反向累计和市场渗透率分布，而商品的供应基于价格敏感度分布的累计和市场分布。在这一点上，将理解，可以相对于彼此的任意次序来完成确定价格敏感度分布的反向累计(或累计)和市场渗透率分布的步骤，同时不会背离本发明的精神和范围。例如，可在根据市场潜力分布而确定市场渗透率分布的步骤中的任一个或全部之前以反向累计格式来重写价格敏感度分布。
还将理解，对于根据蒙特卡洛法选择的、预测市场中的不同数目的单位，将如图7所示而确定不同的市场渗透率分布、以及因此的不同的需求模型。由此，需求模型可考虑影响商品的需求的市场规模的不确定性。在这一点上，通过重复地选择不同的预测市场、并重复该方法，可随机地对每个预测市场中的商品的需求建模。如下所述，可通过成本模型而利用对商品的需求的建模，来对预测市场中的商品的利润率建模，随之可使用其来确定有关该预测市场的结论(conclusion)，如最佳的单位价格、以及卖出的单位的数目。并且，通过重复用于不同预测市场的方法，可为每个预测市场而对利润率建模，并且，可对每个预测市场而确定结论。随后，可由例如制造商来使用预测市场的结论，以帮助理解市场中的商品价格和单位的数目的不确定性如何影响商品的需求。通过这样的理解，制造商可处于更好的位置来选择卖出每单位的商品的价格、以及要生产的单位的数目。
B.区别市场中的商品
正如无区别市场的情况中那样，为最精确地对不确定市场中的商品的需求和/或供应建模，优选地，基于商品可卖出的可能价格的分布、以及可在其内卖出和/或生产商品的市场的可能规模的分布，而对需求建模。然而，区别市场中的商品与无区别市场中的商品的不同之处在于：商品的单位价格在整个市场中不一致。在这一点上，商品的单位价格可在包括组成市场的商品的单位的多个合同中的每个之内一致。除此之外，或者可替换地，商品的单位价格可在诸如包括1-100单位的$75M的商品、101-200单位的$70M的商品、201-300单位的$65M等的合同的合同商品的给定数目之内一致。由此，为最精确地对在区别市场中购买的商品的需求建模，有利地，对每个合同中的商品的单位数目作出考虑。并且，因为每个合同中的单位的数目可变化，所以，优选地，与其它分布相结合地利用每个合同的单位的数目。
现在参照图8，通常，在区别市场中对商品的需求建模与在无区别市场中对需求建模一样而开始，也就是说，其通过确定商品的价格如何影响消费者是否将购买该商品而估计商品的单位价格的不确定性来开始。类似地，通过确定商品的价格如何影响制造商是否将生产该商品而开始在无区别市场中对供应建模。典型地，如块22和图2所示，与之前一样，通过价格敏感度分布而表示商品的价格敏感度。同样，如图8的块24和图3所示，可与之前一样，通过购买预定数目的单位的商品的消费者的市场潜力分布而表示市场潜力。并且，与之前一样，将需求建模为在其内卖出商品的市场规模的函数，以由此考虑市场规模的不确定性。由此，为基于预测市场而对产品的需求建模，如块26所示，根据蒙特卡洛法而从市场潜力分布中选择预测市场中的预定义数目的单位的商品。正如无区别市场的情况中那样，并且，如下所述，通过重复地选择不同预测市场，可为每个预测市场而对在区别市场中购买的商品的对应需求建模。
如前所述，无区别市场与区别市场的不同之处在于：与基于各个单位的不同价格相反，均以一致的价格卖出和购买无区别市场中的商品。在区别市场中，根据各自指定用于每个单位的预定价格上的预定数目的单位的商品的合同而卖出商品。由此，不仅商品的价格随市场规模而改变，而且价格随市场规模内每个合同而改变。这样，对于区别市场，对商品的需求建模还包括：估计市场中的合同数目的不确定性、以及每个合同中的商品的单位的预定数目和购买每个合同中的每个单位的预定单位价格的不确定性。在这一点上，如图9、以及图8的块28所示，可通过确定每合同单位分布而估计每个合同中的单位的数目的不确定性。
如同价格敏感度和市场潜力分布那样，典型地，将每合同单位分布表示为包括在每个合同中的商品的单位的分布。通常，每合同单位分布将概率分配给可被包括在特定合同中的每个相应数目的单位。如同价格敏感度和市场潜力分布那样，可从稀少历史数据(如包括一些单位的商品的一些历史合同)研究出每合同单位分布。可通过象两个这么少的历史合同而研究出每合同单位分布(units per contract distribution)，然而，典型地，历史合同数目总计为30或更多。
可根据诸如正态、三角或均匀的很多不同概率分布类型中的任一个而表示每合同单位分布，但是，与之前一样，在优选实施例中，将每合同单位分布表示为对数正态概率分布。并且，可根据诸如所知道的值10％和90％的很多不同参数中的任一个，而定义每合同单位分布。此外，每合同单位分布可包括设置该分布的上界的最大值。例如，图9中示出的价格敏感度分布是根据每合同2单位的10％的值、每合同40单位的90％的值、以及每合同70单位的最大值而定义的。
通过价格敏感度分布和每合同单位分布，可将合同购买集合确定为包括各自具有商品的单位的数目和所关联的单位价格的很多合同。在确定合同购买集合之前，可例如根据蒙特卡洛法而选择预测市场，使得包括在合同购买集合内的所有合同的单位的总数可基于该预测市场。假定制造商对预测市场总体占有(即，卖出整个市场中的所有单位)，那么，可将所有合同中的单位的总数设为等于预测市场中的单位的数目。但是，假定小于预测市场的总体占有，那么，可将所有合同中的单位的总数设为等于预测市场中的单位的数目的一个百分比。尽管下面描述的本发明的方法针对于预测市场，但应理解，在假定小于预测市场的总体占有的实例中，优选地，将利用所假定的预测市场的占有来取代预测市场中的单位的数目。
为精确地确定合同购买的分布(即，合同购买集合)，典型地，例如，如本领域的技术人员所知的，通过相关系数而首先建立价格敏感度分布和每合同单位分布之间的关系(见图8、块30)。可以很多方式中的任一个而选择相关系数，然而，典型地，相关系数是非正数，使得随着给定合同中的单位价格的增加，该合同中的单位的数目减小，并且反之亦然。例如，在一个实施例中，根据基于商品或类似商品的历史合同销售的数目的传统技术，确定相关系数，其中，每个销售包括多个单位价格上的商品的单位。在这一点上，当商品的单位价格过高时，每合同卖出很少单位的商品。并且，当单位价格很低时，卖出更多的单位。将理解，然而，相关不意味着卖出的价格和单位之间的因果关系。这是因为，将每合同的单位价格和单位相关不一定意味着单位价格的改变引起每合同的单位的改变，并且，反之亦然。因此，仍有这样的可能性，即：高价格可与包括大量单位的合同相关联，或者，低价格可与包括小量单位的合同相关联。
一旦价格敏感度分布与每合同单位分布相关，如块32所示，便可通过首先确定每个合同中的单位的数目而确定合同购买集合。如同预测市场那样，优选地，基于每合同单位分布，根据蒙特卡洛法而确定合同的预定义数目、以及每个合同中的单位的数目。因为已将预测市场定义为包括市场中的预定义数目的单位的商品，所以，预测市场内的每个合同的单位的合计数目总计为预测市场中的单位的预定义数目，或者，可替换地，如果假定小于预测市场的总体市场占有，则所述合计数目总计为单位的预定义数目的一个百分比。在这一点上，只要预测市场内的每个合同的单位的合计数目不超过预测市场中的单位的预定义的数目(或预定义的数目的一个百分比)，便可使用蒙特卡洛法而重复地选择不同数目的合同、以及每个合同中的不同数目的单位。通过重复地选择不同数目的合同、以及每个合同中的不同数目的单位，可对预测市场确定很多不同的合同购买集合。
在确定了每个合同中的单位的数目时、或者在确定了单位的数目之后，如块34所示，基于各个合同中的单位的数目、价格敏感度分布、以及每合同单位分布和价格敏感度分布之间的相关性，而确定每个合同中的所关联的单位的单位价格。通过每合同单位的数目和每个合同中的所关联的单位的单位价格，可将用于预测市场的合同购买集合确定为多个合同，其中每个合同具有所关联的给定单位价格上的商品的单位的数目，如块36所示。可以很多方式中的任一个来表示合同购买集合，但是，在一个实施例中，如图10所示，将合同购买集合表示为对应的单位价格上的每个合同中的单位的散布图(scatter plot)，其具有681单位的预测市场、以及60％的假定市场占有(即，409单位)。
如上所述，可通过确定价格敏感度分布和每合同单位分布之间的相关性、根据蒙特卡洛法选择合同的数目和每个合同中的单位的数目、并在之后确定每单位合同的价格，而确定合同购买集合。然而，将理解，可以很多不同方式中的任一个来确定合同购买集合。例如，可通过确定相关并在之后选择合同的数目(如随机选择合同的定义的数目，例如100个合同)而确定合同购买集合。随后，通过合同的数目，可为每个合同而定义价格敏感度分布和每合同单位分布，其中，所述分布可在一个或多个合同之间不同，或在合同的所有定义的数目的范围中保持相同。在分布在一个或多个合同之间不同的情况下，相关性可类似地不同，但是，当所述分布在所有合同的范围中保持相同时，优选地，相关性在所有合同的范围中相同。
随后，例如，可根据蒙特卡洛法，利用每合同单位分布，对于每个定义的合同而确定各个合同中的单位的数目。随后，可基于各个合同中的单位的数目、相应的价格敏感度分布、以及每合同单位分布和价格敏感度分布之间的相关性，而确定用于每个定义的合同的关联的单位价格。之后，与之前一样，可通过每合同的单位的数目和所关联的每个合同中的单位的单位价格，而将合同购买集合确定为多个合同，其中每个合同具有所关联的给定单位价格上的商品的单位的数目。
与之前一样，预测市场中的商品的需求表示消费者可在至少给定价格上购买的单位的数目。在这一点上，在对需求建模时，可从最高单位价格起往下以降序方式排列每个合同的单位价格。随后，如图8的块38所示，可计算用于每个不同的单位价格的单位的累计数目。随后，用于每个价格的单位的累计数目会在以等于或大于相应价格的单位价格卖出的所有合同的范围中等于累计数目单位。例如，与最高单位价格相关联的单位的累计数目会等于具有最高单位价格的每个合同中的单位的数目。那么，与第二高单位价格相关联的单位的累计数目会等于具有第二高单位价格的每个合同中的单位的数目加上具有最高单位价格的每个合同中的单位的数目。
类似的，与之前一样，预测市场中的商品的供应表示制造商可在不大于给定市场价格下生产的单位的数目。在这一点上，在对供应建模时，可从最低单位价格起往上以升序方式排列每个合同的单位价格。随后，可计算用于每个不同的单位价格的单位的累计数目，作为在以小于或等于相应价格的单位价格卖出的所有合同的范围中的累计数目单位。例如，与最低单位价格相关联的单位的累计数目会等于具有最低单位价格的每个合同中的单位的数目。那么，与第二低单位价格相关联的单位的累计数目会等于具有第二低单位价格的每个合同中的单位的数目加上具有最低单位价格的每个合同中的单位的数目。
如将理解的，在对需求建模时，同样地，可从最低单位价格往上以升序方式排列每个合同的单位价格。在这样的实例中，用于每个价格的单位的累计数目会等于预测市场中的单位的总数减去具有低于相应价格的单位价格的每个合同中的单位的数目。例如，与最低单位价格相关联的单位的累计数目会等于预测市场中的单位的数目，或者可替换地，等于预测市场的某个百分比。与第二低单位价格相关联的单位的累计数目会等于预测市场中的单位的数目减去具有最低单位价格的每个合同中的单位的数目。
正如在对需求建模时可以升序方式排列单位价格那样，同样地，在对供应建模时，可从最高单位价格往上以降序方式排列每个合同的单位价格。在这样的实例中，用于每个价格的单位的累计数目会等于预测市场中的单位的总数减去具有高于相应价格的单位价格的每个合同中的单位的数目。例如，与最高单位价格相关联的单位的累计数目会等于预测市场中的单位的数目，或者可替换地，等于预测市场的某个百分比。与第二高单位价格相关联的单位的累计数目会等于预测市场中的单位的数目减去具有最高单位价格的每个合同中的单位的数目。
利用每个不同的单位价格和所关联的单位的累计数目，如图8的块40所示，可基于每个合同的单位价格和以等于或大于相应单位价格的单位价格卖出的单位的累计数目，而对预测市场中的商品的需求或预测市场的某个百分比建模。在这一点上，正如用于无区别市场中的商品的需求模型那样，用于区别市场中的商品的需求模型表示消费者可在至少给定价格上购买的单位的数目。这样，可认为需求模型是在预测市场中卖出的多个不同数目的单位，其中每个数目的单位具有消费者将购买相应数目的单位的对应的最小价格。类似地，用于区别市场中的商品的供应模型表示在市场价格不大于给定价格时制造商可生产的单位的数目。这样，可认为供应模型是在预测市场中生产的多个不同数目的单位，其中每个数目的单位具有商品的对应的最大市场价格。
可以多种方式中的任一种来表示需求模型，但是，如在用于无区别市场的模型的情况中那样，在一个实施例中，如图11所示，在681单位的预测市场、以及假定的409单位的市场占有的情况下，通过绘出不同的单位价格与以等于或大于相应单位价格的单位价格卖出的单位的累计数目的对比，而将需求模型表示为需求曲线。如需求模型那样。可以多种方式中的任一种来表示供应模型，但是，在一个实施例中，通过绘出不同的单位价格与在商品具有小于或等于相应单位价格的市场单位价格时生产的单位的累计数目的对比，而将供应模型表示为供应曲线。例如，如图11所示，典型地，需求和供应模型不呈现为与在无区别市场的情况中的需求和供应模型一样的平滑。用于区别市场的需求和供应模型的粗度(coarseness)是由于该模型使用与将整个无区别市场考虑为一个合同销售相比截然不同的合同销售的事实而造成的。
将理解，随着预测市场中的单位的总数根据用于无区别市场或区别市场的情况的需求模型的蒙特卡洛法而改变，需求模型改变为适合商品的单位的总数。还将理解，对于根据蒙特卡洛法选择的预测市场中的不同数目的单位，将分别为区别市场和无区别市场中的商品而确定不同的市场渗透率分布和不同的合同购买集合。并且，通过不同的市场渗透率分布和不同的合同购买集合，将为每个预测市场确定不同的需求模型。由此，各个需求模型可将市场规模的不确定性考虑为影响商品的需求。在这一点上，通过重复地选择不同的预测市场、并重复该方法，可对每个预测市场中的商品的需求建模。
如下所述，可通过成本模型来利用对商品的需求建模，以对预测市场中的商品的利润率建模，随之可使用其来确定有关该预测市场的结论，如最佳的单位价格、以及卖出的单位的数目。并且，通过重复用于不同预测市场的方法，可为每个预测市场而对利润率建模，并且，可为每个预测市场而确定结论。随后，可由例如制造商来使用预测市场的结论，以帮助理解商品的价格、单位和/或合同的数目、以及合同中的商品的单位价格的不确定性如何影响商品的需求。随后，通过这样的理解，制造商可处于更好的位置来选择卖出每单位的商品的价格、以及要生产的商品的单位的数目。
II.对商品的利润率建模
通过利用根据本发明而建模的商品的需求，可对商品的利润率建模，由此帮助理解商品的需求的不确定性、以及生产商品的成本的不确定性可如何影响利润率。在这一点上，正如需求模型取决于商品处于无区别市场还是区别市场中而不同那样，商品的利润率也取决于市场的类型而不同。这样，本发明提供了对用于无区别市场以及区别市场两者中的商品的利润率建模的系统、方法和计算机程序产品。
A.无区别市场中的商品
例如，根据上面通过参照图1-6而描述的本发明的实施例，对无区别市场中的商品的利润率建模通常通过对商品的需求建模开始。随着对商品的需求建模，也对生产商品的成本建模。在这一点上，典型地，成本模型基于用来生产商品和所生产或卖出的单位的数目的平均单位成本。在这一点上，正如需求模型那样，成本模型考虑市场规模的不确定性。此外，尽管可以多种方式中的任一种来对生产商品的成本建模，但优选地，成本考虑所生产或卖出的单位的数目对用来生产每个单位的商品的成本的影响。在这一点上，与生产很多市场中的商品相关联的成本趋向于随着制造商获得与该生产有关的经验而下降。
尽管可能预计生产每个单位的商品的成本保持恒定，但典型地，对于首先生产的单位来说，用来生产每个单位的商品的成本大于所预计的生产每个单位的成本。并且，随着所生产的单位的数目的增加，典型地，制造商会获得这样的经验，其驱使用来生产每个单位的成本下降到预计的成本及以下，并且，之后，最终变为等于生产每个单位的最佳成本。通常，用来生产每个单位的成本的改变可被认为归因于制造商在制造商品时所经历的“学习曲线”。可以多种不同方式中的任一种来表示考虑学习曲线的成本模型，但是，在一个实施例中，如图12所示，通过绘出不同的单位成本与在相应的单位成本下生产的单位的累计数目的对比，而将成本模型表示为反向累积成本曲线。作为可对用来生产无区别市场中的每个单位的商品的成本建模的一种方法的例子，参见在此同时提交的美国专利申请号10/453,779，其标题为“Systems，Methods and Computer Program Products for Determining A Learning CurveValue and Modeling Associated Profitability and Costs of A Good(用于确定学习曲线值和对所关联的商品的利润率和成本建模的系统、方法和计算机程序产品)”，通过对其全部内容的引用而将其内容合并于此。
一旦已针对于预测市场而对需求和成本建模，便可对用于预测市场的商品的利润率建模。在这一点上，可将利润率表示为从单位价格减去单位成本、并将差乘以针对于预测市场的对应部分而卖出的单位的数目的结果。如图13图形化示出的，通过同时绘出用于预测市场的需求曲线和成本曲线，可直接看出利润率与所述两个曲线之间的距离相关。如需求模型和成本模型那样，可以多种不同方式中的任一种来表示利润率模型。在一个实施例中，如图14所示，可通过绘出必须卖出以至少实现给定利润的单位的数目，而将利润率模型表示为利润率曲线。
根据利润率模型、以及需求和成本模型，可通过对预测市场的需求、成本和利润率共同建模，而绘出有关预测市场的结论。例如，可将预测市场中的商品的最大利润看作价格超过成本最大量的点。通过确定最大利润，可确定在预测市场(即，市场中的商品的数目的一部分)中卖出的商品的每个单位的最优价格和单位的最优数目、以及与在预测市场中卖出的单位的最优价格和数目相关联的对应成本。将理解，通过为不同的预测市场和不同的需求模型而绘出最优价格(如图7所示)，典型地，如图3所示，在需求模型的范围上的最优价格的结果图将展示出类似于市场潜力分布的分布。通过绘出不同的需求模型，可将市场规模的不确定性图解为需求模型取决于在预测市场中选择的单位的数目而改变。
除此之外，或可替换地，可确定有关单位的最大利润、最优价格、数目、以及成本的其它结论。例如，可通过将最优价格和所关联的成本之间的差除以最优价格，而确定预测市场的最大利润率(profit margin)，并在此后对其进行记录。此外，可根据利润率为0的点(或需求模型与成本模型相交的点)，而确定使预测市场消失(clear)的单位价格和单位的数目。
在这一点上，应当作出澄清，到此为止，需求和成本模型、以及利润率模型均依赖于根据用于随机选择预定义数目的单位的商品的方法(如蒙特卡洛法)而选择的预定义数目的商品的一个预测市场。这样，在确定有关预测市场的结论，例如商品的最优数目和对应的每个单位的价格、以及最大利润之后，可记录结论，并且，之后，可随后针对于根据蒙特卡洛法选择的不同的预测市场而将该方法重复多次，其中针对于每个预测市场而记录结论。
还可将针对于所有预测市场的结论组织为相应的分布。随后，例如，可通过曲线类型、以及平均值和所关联的标准偏差而定义分布。随后，例如，如图15所示，可通过相对于最优价格和循环成本(recurring cost)的分布而绘出价格敏感度分布，彼此相对而绘出各种结论和其它变量。要注意，循环成本分布的右末端从图中被截去。在这样的实例中，循环成本超过了价格，于是，制造商意识到无毛利润(gross profit)，并且，这样，这样的实例中的制造商很可能通过实际选择权(real option)的负责人(principal)终止商品的销售。仅对成功商业案例“实例”制表，产生指明要在所建模的市场中成功所需的目标价格或成本的统计信息(平均值，最大可能，标准偏差等)。
并且，可根据所述分布而创建商品的商业案例。例如，商业案例可接收用于最大利润(例如，毛利润)的分布，同样地，其可基于每个单位的最优价格和对应的商品的最优数目而确定。随后，基于该分布，如图16所示，可在时间范围上确定并绘出项目的市场价值。如所示出的，商业案例可绘出与项目相关联的非循环成本(在年份3至5的0以下示出)。另外，如由毛利润和循环成本之间的差所确定的，商业案例可绘出与项目相关联的利润(在年份6至14的0以上示出)。可根据多种不同技术中的任一种而在时间范围上绘出市场价值、以及非循环成本。然而，根据一种优势性的技术，基于与商品相关联的风险和回报的不确定性的量度、以及不确定性如何随时间改变，而在时间范围上绘出市场价值、以及非循环成本。对于有关这种技术的更多信息，参见在这里同时提交的美国专利申请号10/453,396，其标题为“Systems，Methods and Computer Program Products for Modeling Uncertain FutureBenefits(用于对不确定的未来收益建模的系统、方法和计算机程序产品)”，通过对其全部内容的引用而将其内容合并于此。
B.区别市场中的商品
在区别市场中，对利润率建模通常也通过对包括单位的数目和所关联的单位价格的商品的合同数目的需求建模开始。在这一点上，有利地，可根据上面通过参照图2、3和8-11描述的本发明而对商品的需求建模。除了对需求建模之外，可基于用来生产商品的平均单位成本、以及所生产或卖出的单位的数目，而对生产商品的成本建模。可以多种方式中的任一种(如根据上述方法)来对生产商品的成本建模。因为预测市场中的商品的需求表示消费者可在至少给定价格上购买的单位的数目，所以，如在上面结合对在区别市场中的商品的需求建模而描述的，用来对成本建模的学习曲线是与每个单位价格相关联的单位的累计数目的函数。如图17所示，正如区别市场的需求大致呈现为多个有联系的合同销售那样，同样地，成本曲线呈现为用于在每个单位价格上生产相应的累计数目的单位的多个有联系的成本。
在区别市场中，可以类似于无区别市场方式的方式来表示利润率。也就是说，可针对于每个合同而将利润率表示为相应的单位价格和相应的单位成本的差乘以针对于相应的合同而卖出的单位的数目。如将显而易见的，由于在区别市场的环境中的商品的需求模型描述了各个合同销售，而成本模型描述了平均成本、且基于所卖出的单位的数目，所以，必须选择所卖出的单位的数目，以便对预测市场的商品的利润率建模。如果合同的数目、或者一个或多个合同中的单位的数目改变，或者如果市场的假定百分比占有中的单位的数目改变，则生产每个合同的单位的平均成本会同样改变，由此改变利润率的模型。
针对于每个合同中的单位的数目的所有可能性而对利润率建模会耗费不必要长的时间周期。但是，针对于所有可能性而对利润率建模是不必要的。在这一点上，在区别市场中已发现：卖出和由此生产尽可能多的单位总会获得最多的利润。因此，在对利润率建模时，可用相应的预测市场(或预测市场的百分比占有)的最低成本值(由图17上的虚线所示)来替代成本模型。能够如此替代成本模型是由于：最低成本值总是与占有预测市场的市场占有率、以及由此卖出制造商所生产的所有单位的商品相对应。随后，可基于在预测市场内的每个合同销售的利润率，通过预测市场的利润率而测定利润率(假定整个市场占有)。
由此，根据需求模型，可通过从合同中的单位的单位价格减去用来生产合同中的单位的数目的最低平均成本、并将差乘以合同中的单位的数目，而确定每个合同销售的利润率。随后，可通过确定每个合同销售上的累计利润率，而对预测市场的利润率建模。在这一点上，如结合对需求建模而定义的，可通过将具有相应的单位价格的合同销售的利润与具有组成与单位价格相关联的单位的累计数目的单位的其它合同销售的利润(即，来自具有与相应的单位价格相同或比相应的单位价格更大的单位价格的合同销售的利润)相加，而确定针对于每个单位价格的预测市场的利润率。
例如，预测市场在最高单位价格上的利润率仅等于来自具有最高单位价格的合同销售的利润。最高单位价格上的利润率与其相等是因为：与最高单位价格相关联的单位的累计数目仅包括具有最高单位价格的合同中的单位的数目。另一方面，第二高单位价格上的利润率等于来自具有第二高单位价格的合同销售的利润加上来自具有最高单位价格的合同销售的利润。在这一点上，与第二高单位价格相关联的累计单位等于具有第二高单位价格的每个合同中的单位的数目加上具有最高单位价格的每个合同中的单位的数目。
应当指出，用于预测市场的利润率模型可能被误解，这是因为，利润率模型可呈现为：似乎增加预测市场中的单位的数目会更好地使利润最大化。该误解是由这样的事实引起的，该事实即：通过增加预测市场中的预定义的单位的数目或预测市场的假定占有，用来生产单位的平均成本降低。然而，应注意，一个商品制造商仅可占有市场的预定义的占有率。在这一点上，增加所生产的单位的数目不一定会增加由相应的制造商占有的市场的占有率。由此，生产更多单位的商品不一定意味着商品的制造商将能够卖出相应的制造商的市场占有率以上的额外单位。
正如在无区别市场中的商品的情况中那样，在区别市场中，可通过对预测市场的需求、成本(或最低成本值)和利润率共同建模，而绘出有关预测市场的结论。例如，因为最大利润与卖出尽可能多的单位相对应，所以，预测市场中(或预测市场的百分比占有中)的商品的最大利润可被看作已卖出的市场或市场的百分比占有中的商品的所有单位的点。并且，例如，可通过确定来自预测市场(或所占有的百分比)中的所有合同销售的加权的平均单位价格，而确定用来实现最大利润的价格。其它结论可包括预测市场中的单位的数目、在预测市场的假定占有(如果小于整个占有)中卖出的单位的数目、在预测市场中制造商未卖出的单位的数目(再次假定小于整个占有)、以及预测市场(或所占有的百分比)的最大利润率。
并且，正如在无区别市场的情况中那样，到此为止，需求和成本、以及区别市场的商品的利润率均依赖于根据蒙特卡洛法而选择的预定义数目的商品的预测市场。在确定有关预测市场的结论，例如最大利润、加权的平均价格、单位的数目和成本之后，可记录结论。一旦已记录了结论，随后，可针对于根据蒙特卡洛法选择的不同的预测市场而将该方法重复多次，其中针对于每个预测市场而记录结论。随后，可将针对于所有预测市场的结论组织为相应的分布。随后，例如，可通过曲线类型、以及平均值和所关联的标准偏差而定义分布。并且，例如，可以类似于图16中示出的方式的方式，根据所述分布而创建商品的商业案例，并且，在标题为“Systems，Methods andComputer Program Products for Modeling Uncertain Future Benefits(用于对不确定的未来收益建模的系统，方法和计算机程序产品)”的美国专利申请号10/453,396中描述了所述方式。
如图14所示，对于所卖出的特定量的单位，实际上，利润率模型演示了负的利润率、或商品销售的亏损。由此，时常期望在实现附带要求(contingentclaim)之前确定商品的利润率是否为正，如启动还是继续项目。可替换地，期望在实现附带要求之前确定商品的利润率是否高于预定的阈值。附带要求时常以请求(call)的形式出现，其中，制造商具有投资一定资金量、或附加资金量的选项，以便开始生产或继续生产商品。这样，如果商品的生产和销售的初始阶段已证明为不成功、并且/或者如果商品的利润率的未来前景显得黯淡，则制造商将很有可能拒绝投入资金或附加资金，并且，由此，在请求的实现之前，并将因此拒绝生产商品、或终止商品的生产。可替换地，如果商品的生产和销售的初始阶段已证明为成功的、并且/或者如果商品的利润率的未来前景显得光明，则制造商将很有可能进行必要的投资，以便开始或继续商品的生产。
无论附带要求的类型是什么，均期望确定商品、并且尤其是当前时间的附带要求的价值。通过确定附带要求的价值，制造商可避免由于对附带要求的高估而造成的为商品的生产多付钱。相反，制造商可识别附带要求的值已被低估的商品，并可对在这些商品的生产中的投资给出稳健的考虑，这是由于它们很可能表示值得的投资机会。这样，通过对商品的需求和成本、以及由此的商品的利润率建模，本发明的系统、方法和计算机程序产品可帮助确定商品、并且尤其是当前时间的附带要求的价值。对于有关确定项目的价值的更多信息，参见美国专利申请第09/902021号，其标题为“Systems，Methodsand Computer Program Products for Performing a Generalized Contingent ClaimValuation(用于执行通用附带要求评价的系统、方法和计算机程序产品)”，通过对其全部内容的引用而将其内容合并于此。
因此，本发明的系统、方法和计算机程序产品能够基于稀少的历史数据、或关于商品的价格和量的估计而对需求、供应和所关联的利润率建模。通过根据基于市场潜力分布的蒙特卡洛法来选择预测市场，本发明能够比对需求建模的传统方法更恰当地将需求、供应和由此的利润率建模为在其内卖出商品的市场规模的函数。此外，通过包括对数正态价格敏感度分布，本发明能够对需求、供应和所关联的利润率建模，同时更好地考虑改变商品的价格如何改变所购买的商品的单位的数目。
通过考虑商品的价格和所购买的商品的单位的数目的可变性、或不确定性，本发明的实施例能够对需求、供应和所关联的利润率建模，以由此帮助理解市场的不确定性如何影响需求、供应和利润率。在这一点上，例如在商业交易的环境中，这样的理解对于与商品的制造、销售和购买相关联的那些人来说是有利的。在这一点上，用于商品的未来销售的程序自然具有所关联的不确定性，尤其是它与典型地通过所购买的商品的数目和购买每个单位的商品的价格而定义的商品的市场相关。根据本发明的实施例，例如，可以这样的方式对商品的需求、供应和所关联的利润率建模，使得制造商可处于更好的位置，以不仅决定是否将商品投放市场，还选择卖出每个单位的商品的价格、以及要生产的商品的单位的数目。
如图18所示，典型地，通过皆由计算机40等共同包括的处理部件和所关联的存储设备而实现本发明的系统。在这一点上，如上面所指明的，可通过多种商业可用的计算机软件程序中的任一种，由操作存储设备所存储的数据的处理部件来执行本发明的实施例的方法。在一个实施例中，可通过能够被操作和/或以电子表格形式存在的数据而执行该方法。例如，可通过由Microsoft Corporation of Redmond，Washington发布的电子表格软件程序Excel，其包括由Decisioneering，Inc of Denver，Colorado发布的蒙特卡洛仿真软件程序Crystal Ball，由操作存储设备所存储的数据的处理部件来执行该方法。该计算机可包括显示器42，用于呈现与执行本发明的方法的实施例相关的信息，其包括如根据本发明的实施例确定的各种分布、模型和/或结论。为绘出与执行本发明的方法的实施例相关的信息，该计算机还可包括打印机44。并且，计算机40可包括用于本地或远程传送与执行本发明的方法的实施例相关的信息的组件。例如，该计算机可包括传真机46，用于将信息传送到其它传真机、计算机等。除此之外，或可替换地，该计算机可包括调制解调器48，用来将信息传送到其它计算机等。此外，该计算机可包括到诸如局域网(LAN)和/或广域网(WAN)的网络的接口(未示出)。例如，该计算机可包括以太网个人计算机存储卡国际协会(PCMCIA)卡，其被配置为向和从LAN、WAN等传送和接收信息。
在可应用于本发明的实施例的一种优势性的技术中，可以可被操作或在例如Excel的电子表格软件程序内工作的软件或数据模块、组件、文件(portfolio)等方式，而实现根据本发明的实施例的方法。这样的技术在例如金融建模和分析的环境的很多不同的环境中是有优势的。在这一点上，执行各种金融建模功能的模块、组件和/或文件可被组合，以获得对金融环境的更完整的理解。现在，下面将描述可被应用于本发明的这样的技术的简要说明。
根据这样的技术，可在模块中实现能够被操作用来执行本发明的方法的至少一部分的数据，之后，所述至少一部分可与在其它模块中实现的本发明的方法的其它部分相链接或关联，以便形成组件。随后，如果期望，则可将所述组件与能够执行其它相关方法的组件相链接或关联，以由此形成文件。例如，可在一个模块中实现根据本发明的实施例的对需求建模的方法，而可在另一个模块中实现根据本发明的实施例的对成本建模的方法。随后，所述两个模块可彼此链接或关联，以形成能够基于需求和成本模型而对利润率建模的组件。随后，如果期望，则可将用于对利润率建模的组件与用来执行其它功能的另一个组件相链接或关联。例如，可将用于对利润率建模的组件与能够预测时间范围上的收入的组件相链接或关联，以由此创建商品的商业案例。在这一点上，能够预测时间范围上的收入的这样的组件可根据标题为“Systems，Methods and Computer Program Products for Modeling UncertainFuture Benefits(用于对不确定的未来收益建模的系统、方法和计算机程序产品)”的美国专利号10/453,396而工作。
根据本发明的一个方面，通常，本发明的系统在计算机程序产品的控制下工作。用于执行本发明的实施例的方法的计算机程序产品包括例如非易失性存储介质的计算机可读存储介质、以及在计算机可读存储介质中实现的例如一系列计算机指令的计算机可读程序代码部分。
在这一点上，图1和7是根据本发明的方法、系统和程序产品的流程图。将理解，可通过计算机程序指令来实现该流程图的每个块或步骤、以及该流程图中的块的组合。可将这些计算机程序指令加载到计算机或其它可编程设备上，以产生机器，使得在计算机或其它可编程设备上运行的指令创建用于实现在流程图块(多个)或步骤(多个)中指定的功能的组件。还可将这些计算机程序指令存储在计算机可读存储器中，其可引导计算机或其它可编程设备以特定方式工作，使得存储在计算机可读存储器中的指令产生包括实现在流程图块(多个)或步骤(多个)中指定的功能的指令部件的商品。还可将计算机程序指令加载到计算机或其它可编程设备上，以使一系列操作步骤在计算机或其它可编程设备上被执行，以产生计算机实现的处理，使得在计算机或其它可编程设备上运行的指令提供用于实现在流程图块(多个)或步骤(多个)中指定的功能的步骤。
因而，流程图的块或步骤支持用于执行特定功能的部件的组合、用于执行特定功能的步骤的组合、以及用于执行特定功能的程序指令部件。将理解，可通过执行特定功能或步骤的基于专用硬件的计算机系统、或专用硬件和计算机指令的组合，而实现流程图的每个块或步骤、以及流程图中的块或步骤的组合。
得到在前述描述和所关联的附图中呈现的教导的好处的、此发明所属的领域的技术人员将认识到，会产生本发明的很多修改和其它实施例。因此，应理解，本发明不限于所公开的特定实施例，并且，修改和其它实施例意图被包括在所附权利要求的范围内。尽管这里采用了特定术语，但它们仅在一般和描述性的意义下使用，并不是为了限制的目的。

Claims (84)

1、一种方法，其包括：
基于商品的单位购买的价格敏感度分布、以及与该商品相关联的市场中商品的单位的数目的市场潜力分布，对商品的需求和供应中的至少一个建模。
2、如权利要求1所述的方法，还包括确定价格敏感度分布，其中确定价格敏感度分布包括：
确定预定价格上的单位购买的价格敏感度分布；以及
重算价格敏感度分布，其中，重算价格敏感度分布包括：在对需求建模时以反向累计格式重算价格敏感度分布，并且其中，重算价格敏感度分布包括：在对供应建模时以累计格式重算价格敏感度分布。
3、如权利要求2所述的方法，其中，确定价格敏感度分布包括：确定对数正态价格敏感度分布。
4、如权利要求3所述的方法，其中，确定对数正态价格敏感度分布包括：基于平均购买价格以及所关联的标准偏差而确定对数正态价格敏感度分布。
5、如权利要求2所述的方法，其中，确定商品的单位购买的分布包括：确定商品的单位购买的对数正态分布。
6、如权利要求1所述的方法，还包括：通过基于市场潜力分布随机选择预定义数目的单位的商品来预测市场，其中，在对需求和供应中的至少一个建模之前对市场进行预测，并且其中，对需求和供应中的至少一个建模包括：基于价格敏感度分布和预测市场而对需求和供应中的至少一个建模。
7、如权利要求6所述的方法，其中，对需求和供应中的至少一个建模包括：确定多个单位价格和表示预测市场中的预定义数目的单位的对应百分比的不同数目的单位的商品之间的关系。
8、如权利要求6所述的方法，其中，预测市场包括：预测市场，并在之后基于表示预测市场中的预定义数目的单位的对应百分比的不同数目的单位的商品而确定市场渗透率分布，并且其中，对需求和供应中的至少一个建模包括：基于价格敏感度分布和市场渗透率分布而对需求和供应中的至少一个建模。
9、如权利要求6所述的方法，其中，预测市场包括：根据蒙特卡洛法来预测市场。
10、如权利要求6所述的方法，其中，预测市场包括：重复地预测不同的市场，其中每个预测市场包括不同预定义数目的单位的商品，并且其中，对需求和供应中的至少一个建模包括：为每个预测市场而对需求和供应中的至少一个建模。
11、如权利要求1所述的方法，还包括：
对商品的成本建模；以及
基于需求模型和成本模型而对商品的利润率建模。
12、如权利要求11所述的方法，其中，对成本建模包括：对用于不同数目的单位的平均单位成本建模，并且其中，对利润率建模包括：从用于不同数目的单位的单位价格减去用于相应的不同数目的单位的平均单位成本。
13、如权利要求11所述的方法，还包括：通过基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场，其中，在对需求建模和对成本建模之前对市场进行预测，其中，对需求建模包括：基于价格敏感度分布和预测市场而对需求建模，并且其中，对成本建模包括：基于预测市场而对成本建模。
14、如权利要求13所述的方法，其中，预测市场包括：重复地预测不同的市场，其中每个预测市场包括预定义数目的单位的商品，其中，对需求建模包括：为每个预测市场而对需求建模，其中，对成本建模包括：为每个预测市场而对成本建模，并且其中，对利润率建模包括：为每个预测市场而对利润率建模。
15、如权利要求1所述的方法，还包括：
基于每合同单位分布、以及单位购买的分布与每合同单位分布之间的相关性，而对于至少一个预定义数目的合同而确定至少一个合同购买集合，其中，对需求和供应中的至少一个建模包括：基于所述至少一个合同购买集合和市场潜力分布而对需求和供应中的至少一个建模。
16、如权利要求15所述的方法，其中，确定每个合同购买集合包括：
基于每合同单位分布而确定在预定义数目的合同的每个中包括的单位的数目；以及
确定在预定义数目的合同的每个中包括的单位的单位价格。
17、如权利要求16所述的方法，其中，对需求和供应中的至少一个建模包括：
计算用于每个不同的单位价格的单位的至少一个累计数目，其中，计算单位的累计数目包括：在对需求建模时，对具有不小于相应单位价格的单位价格的每个合同中的单位的数目求和，并且其中，计算单位的累计数目包括：在对供应建模时，对具有不大于相应单位价格的单位价格的每个合同中的单位的数目求和；以及
基于用于至少一个合同购买集合的每个不同单位价格和相应的单位的累计数目，而对需求和供应中的至少一个建模。
18、如权利要求16所述的方法，其中，对需求和供应中的至少一个建模包括：
计算用于每个不同单位价格的单位的至少一个累计数目，其中，计算单位的累计数目包括：在对需求建模时，确定预测市场中的单位的预定义数目和具有不大于相应单位价格的单位价格的每个合同中的单位的数目的总和之间的差，并且其中，计算单位的累计数目包括：在对供应建模时，确定预测市场中的单位的预定义数目和具有不小于相应单位价格的单位价格的每个合同中的单位的数目的总和之间的差；以及
基于用于至少一个合同购买集合的每个不同单位价格和相应的单位的累计数目，而对需求和供应中的至少一个建模。
19、如权利要求16所述的方法，其中，确定在每个合同中包括的单位的数目包括：确定每个合同中包括的单位的数目，使得在每个合同中包括的单位的数目的总和等于预测市场中的单位的预定数目的百分比。
20、如权利要求15所述的方法，其中，每个合同购买集合包括各自具有单位的数目和单位价格的预定义数目的合同，所述方法还包括：根据蒙特卡洛法而确定在每个合同中包括的单位的数目。
21、如权利要求15所述的方法，还包括：通过基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场，其中，在对需求和供应中的至少一个建模之前对市场进行预测，并且其中，对需求和供应中的至少一个建模包括：基于所述至少一个合同购买集合和预测市场而对商品需求和供应中的至少一个建模。
22、如权利要求21所述的方法，其中，预测市场包括：重复地预测不同的市场，其中每个预测市场包括不同的预定义数目的单位的商品，其中，确定至少一个合同购买集合包括：为每个预测市场而确定至少一个合同购买集合，并且其中，对需求和供应中的至少一个建模包括：为每个预测市场而对商品的需求和供应中的至少一个建模。
23、如权利要求15所述的方法，还包括：
对商品的成本建模；以及
基于需求模型和成本模型而对商品的利润率建模。
24、如权利要求23所述的方法，还包括：通过基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场，其中，在对需求建模和对成本建模之前对市场进行预测，其中，对需求建模包括：基于所述至少一个合同购买集合和预测市场而对需求建模，并且其中，对成本建模包括：基于预测市场而对成本建模。
25、如权利要求24所述的方法，其中，预测市场包括：重复地预测不同的市场，其中每个预测市场包括不同的预定义数目的单位的商品，其中，对需求建模包括：为每个预测市场而对需求建模，其中，对成本建模包括：为每个预测市场而对成本建模，并且其中，对利润率建模包括：为每个预测市场而对利润率建模。
26、如权利要求23所述的方法，其中，确定每个合同购买集合包括：确定用于在预定义数目的合同的每个中包括的单位的数目的单位价格，使得每个不同单位价格具有：包括在具有不小于相应单位价格的单位价格的每个合同中的单位的数目的总和的、所关联的单位的累计数目，其中，对商品的成本建模包括：对用于与不同单位价格相关联的单位的每个累计数目的平均单位成本建模，并在之后选择最低单位成本，并且其中，对利润率建模包括：从与单位的每个累计数目相关联的单位价格中减去最低单位成本。
27、如权利要求1所述的方法，其中，对需求和供应中的至少一个建模包括：通过操作电子表格软件的处理部件而对需求和供应中的至少一个建模，并且其中，该方法还包括：将需求模型和供应模型中的至少一个的显示呈现在耦接于处理部件的显示器上。
28、如权利要求27所述的方法，其中，呈现需求模型的显示包括：将需求模型呈现为不同数目的单位的商品以及所关联的反向累计价格的绘图，并且其中，呈现供应模型的显示包括：将供应模型呈现为不同数目的单位的商品以及所关联的累计价格的绘图。
29、一种系统，其包括：
处理部件，其能够基于商品的单位购买的价格敏感度分布、以及与该商品相关联的市场中商品的单位的数目的市场潜力分布，而对商品的需求和供应中的至少一个建模。
30、如权利要求29所述的系统，其中，处理部件还能够通过以下步骤而确定价格敏感度分布：
确定预定价格上的单位购买的价格敏感度分布；以及
重算价格敏感度分布，其中，处理部件能够在对需求建模时以反向累计格式重算价格敏感度分布，并且其中，处理部件能够在对供应建模时以累计格式重算价格敏感度分布。
31、如权利要求30所述的系统，其中，由处理部件确定的价格敏感度分布包括对数正态价格敏感度分布。
32、如权利要求31所述的系统，其中，处理部件能够基于平均购买价格以及所关联的标准偏差而确定对数正态价格敏感度分布
33、如权利要求30所述的系统，其中，由处理部件确定的商品的单位购买的分布包括：商品的单位购买的对数正态分布。
34、如权利要求29所述的系统，其中，处理部件还能够通过基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场，并且其中，处理部件能够基于价格敏感度分布和预测市场而对需求和供应中的至少一个建模。
35、如权利要求34所述的系统，其中，处理部件能够通过确定多个单位价格和表示预测市场中的预定义数目的单位的对应百分比的不同数目的单位的商品之间的关系，而对需求和供应中的至少一个建模。
36、如权利要求34所述的系统，其中，处理部件能够预测市场，并在之后基于表示预测市场中的预定义数目的单位的对应百分比的不同数目的单位的商品而确定市场渗透率分布，并且其中，处理部件能够基于价格敏感度分布和市场渗透率分布而对需求和供应中的至少一个建模。
37、如权利要求34所述的系统，其中，处理部件能够根据蒙特卡洛法而预测市场。
38、如权利要求34所述的系统，其中，处理部件能够重复地预测不同的市场，其中每个预测市场包括不同的预定义数目的单位的商品，并且其中，处理部件能够为每个预测市场而对需求和供应中的至少一个建模。
39、如权利要求29所述的系统，其中，处理部件还能够对商品的成本建模，并且其中，处理部件还能够基于需求模型和成本模型而对商品的利润率建模。
40、如权利要求39所述的系统，其中，处理部件能够通过对用于不同数目的单位的平均单位成本建模而对成本建模，并且其中，处理部件能够通过从用于不同数目的单位的单位价格减去用于相应的不同数目的单位的平均单位成本而对利润率建模。
41、如权利要求39所述的系统，处理部件还能够通过基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场，其中，处理部件能够基于价格敏感度分布和预测市场而对需求建模，并且其中，处理部件能够基于预测市场而对成本建模。
42、如权利要求41所述的系统，其中，处理部件能够重复地预测不同的市场，其中每个预测市场包括预定义数目的单位的商品，其中，处理部件能够为每个预测市场而对需求建模，其中，处理部件能够为每个预测市场而对成本建模，并且其中，处理部件能够为每个预测市场而对利润率建模。
43、如权利要求29所述的系统，其中，处理部件还能够基于每合同单位分布、以及单位购买的分布与每合同单位分布之间的相关性，而对于至少一个预定义数目的合同而确定至少一个合同购买集合，其中，处理部件能够基于所述至少一个合同购买集合和市场潜力分布而对需求和供应中的至少一个建模。
44、如权利要求43所述的系统，其中，处理部件能够通过以下步骤而确定每个合同购买：
基于每合同单位分布而确定在预定义数目的合同的每个中包括的单位的数目；以及
确定在预定义数目的合同的每个中包括的单位的单位价格。
45、如权利要求44所述的系统，其中，处理部件能够通过以下步骤而对需求和供应中的至少一个建模：
计算用于每个不同单位价格的单位的至少一个累计数目，其中，处理部件通过在对需求建模时，对具有不小于相应单位价格的单位价格的每个合同中的单位的数目求和，而计算单位的累计数目，并且其中，处理部件通过在对供应建模时，对具有不大于相应单位价格的单位价格的每个合同中的单位的数目求和，而计算单位的累计数目；以及
基于用于至少一个合同购买集合的每个不同单位价格和相应的单位的累计数目，而对需求和供应中的至少一个建模。
46、如权利要求44所述的系统，其中，处理部件能够通过以下步骤而对需求和供应中的至少一个建模：
计算用于每个不同单位价格的单位的至少一个累计数目，其中，处理部件能够通过在对需求建模时，从具有不大于相应单位价格的单位价格的每个合同中的单位的数目的总和中减去预测市场中的单位的预定义数目，而计算单位的累计数目，并且其中，处理部件能够通过在对供应建模时，从具有不小于相应单位价格的单位价格的每个合同中的单位的数目的总和中减去预测市场中的单位的预定义数目，而计算单位的累计数目；以及
基于用于至少一个合同购买集合的每个不同单位价格和相应的单位的累计数目，而对需求和供应中的至少一个建模。
47、如权利要求44所述的系统，其中，处理部件能够确定在每个合同中包括的单位的数目，使得在每个合同中包括的单位的数目的总和等于预测市场中的单位的预定数目的百分比。
48、如权利要求43所述的系统，其中，每个合同购买集合包括各自具有单位的数目和单位价格的预定义数目的合同，并且其中，处理部件能够根据蒙特卡洛法而确定在每个合同中包括的单位的数目。
49、如权利要求43所述的系统，其中，处理部件还能够通过基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场，并且其中，处理部件能够基于所述至少一个合同购买集合和预测市场而对需求和供应中的至少一个建模。
50、如权利要求49所述的系统，其中，处理部件能够重复地预测不同的市场，其中每个预测市场包括不同的预定义数目的单位的商品，其中，处理部件能够为每个预测市场而确定至少一个合同购买集合，并且其中，处理部件能够为每个预测市场而对商品的需求和供应中的至少一个建模。
51、如权利要求43所述的系统，其中，处理部件还能够对商品的成本建模，并且其中，处理部件还能够基于需求模型和成本模型而对商品的利润率建模。
52、如权利要求51所述的系统，其中，处理部件还能够通过基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场，其中，处理部件能够基于所述至少一个合同购买集合和预测市场而对需求建模，并且其中，处理部件能够基于预测市场而对成本建模。
53、如权利要求52所述的系统，其中，处理部件能够重复地预测不同的市场，其中每个预测市场包括不同的预定义数目的单位的商品，其中，处理部件能够为每个预测市场而对需求建模，其中，处理部件能够为每个预测市场而对成本建模，并且其中，处理部件能够为每个预测市场对利润率建模。
54、如权利要求51所述的系统，其中，处理部件能够确定每个合同购买集合，其通过下列来进行：确定用于预定义数目的合同的每个中包括的单位的数目的单位价格，使得每个不同单位价格具有：包括在具有不小于相应单位价格的单位价格的每个合同中的单位的数目的总和的、所关联的单位的累计数目，其中，处理部件能够通过对用于与不同单位价格相关联的单位的每个累计数目的平均单位成本建模、并在之后选择最低单位成本，而对商品的成本建模，并且其中，处理部件能够通过从与单位的每个累计数目相关联的单位价格减去最低单位成本，而对利润率建模。
55、如权利要求29所述的系统，其中，处理部件能够操作电子表格软件程序，以由此对需求和供应中的至少一个建模，该系统还包括：
耦接到处理部件的显示器，其中，该显示器能够呈现需求模型和供应模型中的至少一个。
56、如权利要求55所述的系统，其中，该显示器能够将需求模型呈现为不同数目的单位的商品以及所关联的反向累计价格的绘图，并且其中，该显示器能够将供应模型呈现为不同数目的单位的商品以及所关联的累计价格的绘图。
57、一种计算机程序产品，其包括具有存储在其中的计算机可读程序代码部分的计算机可读存储介质，所述计算机可读程序部分包括：
第一可执行部分，用于基于与商品相关联的市场中商品的单位的数目的价格敏感度分布以及市场潜力分布，而对商品的需求和供应中的至少一个建模。
58、如权利要求57所述的计算机程序产品，还包括第二可执行部分，用于确定价格敏感度分布，其中，第二可执行部分通过以下步骤而确定价格敏感度分布：
确定预定价格上的单位购买的价格敏感度分布；以及
重算价格敏感度分布，其中，第二可执行部分在第一可执行部分对需求建模时以反向累计格式重算价格敏感度分布，并且其中，第二可执行部分在第一可执行部分对供应建模时以累计格式重算价格敏感度分布。
59、如权利要求58所述的计算机程序产品，其中，第二可执行部分通过确定对数正态价格敏感度分布而确定价格敏感度分布。
60、如权利要求59所述的计算机程序产品，其中，第二可执行部分基于平均购买价格以及所关联的标准偏差而确定对数正态价格敏感度分布。
61、如权利要求58所述的计算机程序产品，其中，第二可执行部分通过确定商品的单位购买的对数正态分布而确定商品的单位购买的分布。
62、如权利要求57所述的计算机程序产品，还包括第二可执行部分，用于通过基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场，并且其中，第一可执行部分基于价格敏感度分布和预测市场而对需求中的至少一个建模。
63、如权利要求62所述的计算机程序产品，其中，第一可执行部分通过确定多个单位价格和表示预测市场中的预定义数目的单位的对应百分比的不同数目单位的商品之间的关系，而对需求和供应中的至少一个建模。
64、如权利要求62所述的计算机程序产品，其中，第二可执行部分预测市场，并在之后基于表示预测市场中的预定义数目的单位的对应百分比的不同数目的单位的商品而确定市场渗透率分布，并且其中，第一可执行部分基于单位购买的分布和市场渗透率分布而对需求和供应中的至少一个建模。
65、如权利要求62所述的计算机程序产品，其中，第二可执行部分根据蒙特卡洛法而预测市场。
66、如权利要求62所述的计算机程序产品，其中，第二可执行部分重复地预测不同的市场，其中每个预测市场包括不同的预定义数目的单位的商品，并且其中，第一可执行部分为每个预测市场而对需求和供应中的至少一个建模。
67、如权利要求57所述的计算机程序产品，还包括：
第二可执行部分，用于对商品的成本建模；以及
第三可执行部分，用于基于需求模型和成本模型而对商品的利润率建模。
68、如权利要求67所述的计算机程序产品，其中，第二可执行部分通过对用于不同数目的单位的平均单位成本建模而对成本建模，并且其中，第三可执行部分通过从用于不同数目的单位的单位价格减去用于相应不同数目的单位的平均单位成本而对利润率建模。
69、如权利要求67所述的计算机程序产品，还包括第四可执行部分，用于通过基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场，其中，第一可执行部分基于价格敏感度分布和预测市场而对需求建模，并且其中，第二可执行部分基于预测市场而对成本建模。
70、如权利要求69所述的计算机程序产品，其中，第四可执行部分重复地预测不同的市场，其中每个预测市场包括预定义数目的单位的商品，其中，第一可执行部分为每个预测市场而对需求建模，其中，第二可执行部分为每个预测市场而对成本建模，并且其中，第三可执行部分为每个预测市场而对利润率建模。
71、如权利要求57所述的计算机程序产品，还包括：
第二可执行部分，用于基于每合同单位分布、以及单位购买的分布和每合同单位分布之间的相关性，而对于至少一个预定义数目的合同而确定至少一个合同购买集合，其中，第一可执行部分基于所述至少一个合同购买集合和市场潜力分布而对需求和供应中的至少一个建模。
72、如权利要求71所述的计算机程序产品，其中，第二可执行部分通过以下步骤而确定每个合同购买集合：
基于每合同单位分布而确定在预定义数目的合同的每个中包括的单位的数目；以及
确定在预定义数目的合同的每个中包括的单位的单位价格。
73、如权利要求72所述的计算机程序产品，其中，第一可执行部分通过以下步骤而对需求和供应中的至少一个建模：
计算用于每个不同单位价格的单位的至少一个累计数目，其中，第一可执行部分通过在对需求建模时，对具有不小于相应单位价格的单位价格的每个合同中的单位的数目求和，而计算单位的累计数目，并且其中，第一可执行部分通过在对供应建模时，对具有不大于相应单位价格的单位价格的每个合同中的单位的数目求和，而计算单位的累计数目；以及
基于用于至少一个合同购买集合的每个不同单位价格和相应的单位的累计数目，而对需求和供应中的至少一个建模。
74、如权利要求72所述的计算机程序产品，其中，第一可执行部分通过以下步骤而对需求和供应中的至少一个建模：
计算用于每个不同单位价格的单位的至少一个累计数目，其中，第一可执行部分通过在对需求建模时，确定预测市场中的单位的预定义数目和具有不大于相应单位价格的单位价格的每个合同中的单位的数目的总和之间的差，而计算单位的累计数目，并且其中，第一可执行部分通过在对供应建模时，确定预测市场中的单位的预定义数目和具有不小于相应单位价格的单位价格的每个合同中的单位的数目的总和之间的差，而计算单位的累计数目；以及
基于用于至少一个合同购买集合的每个不同单位价格和相应的单位的累计数目，而对需求和供应中的至少一个建模。
75、如权利要求72所述的计算机程序产品，其中，第二可执行部分确定在每个合同中包括的单位的数目，使得在每个合同中包括的单位的数目的总和等于预测市场中的单位的预定数目的百分比。
76、如权利要求71所述的计算机程序产品，其中，每个合同购买集合包括各自具有单位的数目和单位价格的预定义数目的合同，该计算机程序产品还包括第三可执行部分，用于根据蒙特卡洛法而确定在每个合同中包括的单位的数目。
77、如权利要求71所述的计算机程序产品，还包括第三可执行部分，用于通过基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场，并且其中，第一可执行部分基于所述至少一个合同购买集合和预测市场而对需求和供应中的至少一个建模。
78、如权利要求77所述的计算机程序产品，其中，第三可执行部分重复地预测不同的市场，其中每个预测市场包括不同预定义数目的单位的商品，其中，第二可执行部分为每个预测市场而确定至少一个合同购买集合，并且其中，第一可执行部分为每个预测市场而对商品的需求和供应中的至少一个建模。
79、如权利要求71所述的计算机程序产品，还包括：
第三可执行部分，用于对商品的成本建模；以及
第四可执行部分，用于基于需求模型和成本模型而对商品的利润率建模。
80、如权利要求79所述的计算机程序产品，还包括第五可执行部分，用于通过基于市场潜力分布而随机选择预定义数目的单位的商品，来预测市场，其中，第一可执行部分基于所述至少一个合同购买集合和预测市场而对需求建模，并且其中，第三可执行部分基于预测市场而对成本建模。
81、如权利要求80所述的计算机程序产品，其中，第五可执行部分重复地预测不同的市场，其中每个预测市场包括不同预定义数目的单位的商品，其中，第一可执行部分为每个预测市场而对需求建模，其中，第三可执行部分为每个预测市场而对成本建模，并且其中，第四可执行部分为每个预测市场而对利润率建模。
82、如权利要求79所述的计算机程序产品，其中，第二可执行部分确定每个合同购买集合，其通过以下来进行：确定用于在预定义数目的合同的每个中包括的单位的数目的单位价格，使得每个不同单位价格具有：包括在具有不小于相应单位价格的单位价格的每个合同中的单位的数目的总和的、所关联的单位的累计数目，其中，第三可执行部分通过对用于与不同单位价格相关联的单位的每个累计数目的平均单位成本建模、并在之后选择最低单位成本，而对商品的成本建模，并且其中，第四可执行部分通过从与单位的每个累计数目相关联的单位价格减去最低单位成本，而对利润率建模。
83、如权利要求57所述的计算机程序产品，还包括第二可执行部分，其能够生成需求模型和供应模型中的至少一个的显示。
84、如权利要求83所述的计算机程序产品，其中，第二可执行部分生成需求模型的显示，其包括不同数目的单位的商品以及所关联的反向累计价格的绘图，并且其中，第二可执行部分生成供应模型的显示，其包括不同数目的单位的商品以及所关联的累计价格的绘图。
CNA2004800211384A 2003-06-03 2004-06-01 对商品的需求、供应和关联利润率建模的系统、方法和计算机程序产品 Pending CN1826617A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/453,727 2003-06-03
US10/453,727 US7627495B2 (en) 2003-06-03 2003-06-03 Systems, methods and computer program products for modeling demand, supply and associated profitability of a good

Publications (1)

Publication Number Publication Date
CN1826617A true CN1826617A (zh) 2006-08-30

Family

ID=33489599

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2004800211384A Pending CN1826617A (zh) 2003-06-03 2004-06-01 对商品的需求、供应和关联利润率建模的系统、方法和计算机程序产品

Country Status (5)

Country Link
US (3) US7627495B2 (zh)
EP (1) EP1634236A4 (zh)
JP (1) JP2006526858A (zh)
CN (1) CN1826617A (zh)
WO (1) WO2004109465A2 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102282551A (zh) * 2008-08-15 2011-12-14 市场份额合伙人有限责任公司 娱乐入场券定价的自动决策支持
CN106537442A (zh) * 2014-07-08 2017-03-22 日本电气方案创新株式会社 收集量调节辅助装置，收集量调节辅助方法和计算机可读记录介质
CN110826823A (zh) * 2018-08-07 2020-02-21 北京京东尚科信息技术有限公司 定价策略的评价方法和系统
CN111340605A (zh) * 2020-05-22 2020-06-26 支付宝(杭州)信息技术有限公司 训练用户行为预测模型、用户行为预测的方法和装置
CN111401973A (zh) * 2020-04-24 2020-07-10 中储南京智慧物流科技有限公司 一种多影响因素下商品需求预测信息预测系统及方法
CN113256379A (zh) * 2021-05-24 2021-08-13 北京小米移动软件有限公司 一种为商品关联购物需求的方法

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040249642A1 (en) 2003-06-03 2004-12-09 The Boeing Company Systems, methods and computer program products for modeling uncertain future benefits
US8069077B2 (en) * 2003-06-11 2011-11-29 Kabushiki Kaisha Toshiba Electric-power-generating-facility operation management support system, electric-power-generating-facility operation management support method, and program for executing support method, and program for executing operation management support method on computer
US7437323B1 (en) * 2003-06-25 2008-10-14 Pros Revenue Management; L.P. Method and system for spot pricing via clustering based demand estimation
US9123000B2 (en) * 2005-10-31 2015-09-01 Friedrich Gartner Automatic generation of calendarization curves
US8082170B2 (en) * 2006-06-01 2011-12-20 Teradata Us, Inc. Opportunity matrix for use with methods and systems for determining optimal pricing of retail products
US20070282667A1 (en) * 2006-06-01 2007-12-06 Cereghini Paul M Methods and systems for determining optimal pricing for retail products
US7438227B2 (en) * 2006-06-19 2008-10-21 International Business Machines Corporation System and method to determine the prices and order quantities that maximize a retailer's total profit
US8655706B2 (en) 2007-07-24 2014-02-18 International Business Machines Corporation Implementing an end-of-life purchase
CN101861586A (zh) * 2007-10-04 2010-10-13 Ip街股份有限公司 知识产权和财务信息的聚集、分析和呈现
US20090164265A1 (en) * 2007-12-20 2009-06-25 Ebay Inc. Auction profit optimization
US20100138273A1 (en) * 2008-12-01 2010-06-03 Arash Bateni Repeatability index to enhance seasonal product forecasting
US20100145767A1 (en) * 2008-12-05 2010-06-10 Richard Scott Snow Systems and methods for analyzing a contract
US20100250340A1 (en) * 2009-03-24 2010-09-30 Ip Street, Inc. Processing and Presenting Intellectual Property and Other Information
US8290880B2 (en) * 2009-04-22 2012-10-16 Hewlett-Packard Development Company, L.P. System and method for estimating a parameter that represents data describing a physical system
US8234295B2 (en) 2009-06-03 2012-07-31 International Business Machines Corporation Managing uncertain data using Monte Carlo techniques
US8494895B1 (en) * 2009-12-16 2013-07-23 Sprint Communications Company L.P. Platform maturity analysis system
US20110184801A1 (en) * 2010-01-22 2011-07-28 American Express Travel Related Services Company, Inc. Systems and Methods For Optimizing Marketing Decisions Based On Visitor Profitability
US10891701B2 (en) 2011-04-15 2021-01-12 Rowan TELS Corp. Method and system for evaluating intellectual property
US8768812B2 (en) 2011-05-02 2014-07-01 The Boeing Company System, method and computer-readable storage medium for valuing a performance option
EP2530634A1 (en) * 2011-06-01 2012-12-05 Amadeus S.A.S. Improvements in or relating to a revenue management system and associated method
US20130166337A1 (en) * 2011-12-26 2013-06-27 John MacGregor Analyzing visual representation of data
US9047423B2 (en) * 2012-01-12 2015-06-02 International Business Machines Corporation Monte-Carlo planning using contextual information
WO2014197518A1 (en) * 2013-06-03 2014-12-11 Vendavo, Inc. System and methods for generating price sensitivity
US20160092889A1 (en) * 2014-09-25 2016-03-31 Manheim Investments, Inc. Systems and methods for facilitating lead distribution
US20170116631A1 (en) * 2015-10-22 2017-04-27 Wal-Mart Stores, Inc. Systems and methods for dynamically setting values in a computing system based on scanning of machine-readable representations associated with physical objects
SG10201509688UA (en) * 2015-11-25 2017-06-29 Mastercard International Inc Method and apparatus for computing a price-sensitivity score for a product for sale
US20180018683A1 (en) * 2016-07-18 2018-01-18 Airbnb, Inc. Demand Prediction for Time-Expiring Inventory
CN111176253B (zh) * 2019-12-18 2022-04-19 中国航空工业集团公司成都飞机设计研究所 一种基于蒙特卡洛的飞行控制律自动评估方法
CA3151132A1 (en) * 2021-03-08 2022-09-08 Jean-Paul Paquin Risk assessment method and project management system using same

Family Cites Families (76)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4962468A (en) * 1987-12-09 1990-10-09 International Business Machines Corporation System and method for utilizing fast polygon fill routines in a graphics display system
JPH0567119A (ja) * 1991-07-12 1993-03-19 Hitachi Ltd 商品分析システム
US5692233A (en) * 1992-05-28 1997-11-25 Financial Engineering Associates, Inc. Integrated system and method for analyzing derivative securities
CN1222899C (zh) * 1995-07-07 2005-10-12 斯维科基础服务有限公司 有关制订和经营投资合同的方法
US6321205B1 (en) * 1995-10-03 2001-11-20 Value Miner, Inc. Method of and system for modeling and analyzing business improvement programs
US6393406B1 (en) * 1995-10-03 2002-05-21 Value Mines, Inc. Method of and system for valving elements of a business enterprise
US7110956B1 (en) * 1996-05-28 2006-09-19 Texas Instruments Incorporated Capability predictor
US7349878B1 (en) * 1996-08-16 2008-03-25 Options Technology Company, Inc. Simulation method and system for the valuation of derivative financial instruments
US6061662A (en) * 1997-08-15 2000-05-09 Options Technology Company, Inc. Simulation method and system for the valuation of derivative financial instruments
US5960407A (en) * 1996-10-08 1999-09-28 Vivona; Robert G. Automated market price analysis system
US20010041996A1 (en) * 1997-01-06 2001-11-15 Eder Jeffrey Scott Method of and system for valuing elements of a business enterprise
US6078901A (en) * 1997-04-03 2000-06-20 Ching; Hugh Quantitative supply and demand model based on infinite spreadsheet
US6772136B2 (en) * 1997-08-21 2004-08-03 Elaine Kant System and method for financial instrument modeling and using Monte Carlo simulation
US6078893A (en) * 1998-05-21 2000-06-20 Khimetrics, Inc. Method for stabilized tuning of demand models
US6205431B1 (en) * 1998-10-29 2001-03-20 Smart Software, Inc. System and method for forecasting intermittent demand
US6381586B1 (en) * 1998-12-10 2002-04-30 International Business Machines Corporation Pricing of options using importance sampling and stratification/ Quasi-Monte Carlo
US6963854B1 (en) * 1999-03-05 2005-11-08 Manugistics, Inc. Target pricing system
US6910017B1 (en) * 1999-03-05 2005-06-21 Profitlogic, Inc. Inventory and price decision support
US6629082B1 (en) * 1999-06-15 2003-09-30 W.R. Hambrecht & Co. Auction system and method for pricing and allocation during capital formation
US7996296B2 (en) * 1999-07-21 2011-08-09 Longitude Llc Digital options having demand-based, adjustable returns, and trading exchange therefor
US6321212B1 (en) * 1999-07-21 2001-11-20 Longitude, Inc. Financial products having a demand-based, adjustable return, and trading exchange therefor
US8577778B2 (en) * 1999-07-21 2013-11-05 Longitude Llc Derivatives having demand-based, adjustable returns, and trading exchange therefor
US8126794B2 (en) * 1999-07-21 2012-02-28 Longitude Llc Replicated derivatives having demand-based, adjustable returns, and trading exchange therefor
US7742972B2 (en) * 1999-07-21 2010-06-22 Longitude Llc Enhanced parimutuel wagering
US7552076B1 (en) 1999-08-27 2009-06-23 Kabushiki Kaisha Toshiba System for evaluating price risk of financial product or its financial derivative, dealing system and recorded medium
JP2001203033A (ja) * 2000-01-20 2001-07-27 Thomas & Betts Corp <T&B> コネクタ
EP1285383A1 (en) * 2000-05-19 2003-02-26 Manugistic Atlanta, Inc. Dynamic pricing system
JP2001357189A (ja) * 2000-06-14 2001-12-26 Nomura Securities Co Ltd 市場参入意思決定支援装置
WO2002003225A2 (en) 2000-06-15 2002-01-10 Xis Incorporated Method and system for product lifecycle management
AU2002211619A1 (en) * 2000-10-06 2002-04-15 I2 Technologies, Inc. Generating an optimized price schedule for a product
US20040236673A1 (en) * 2000-10-17 2004-11-25 Eder Jeff Scott Collaborative risk transfer system
US20020110956A1 (en) * 2000-12-19 2002-08-15 Takashi Kumamoto Chip lead frames
US20020143604A1 (en) 2001-02-02 2002-10-03 Wisconsin Alumni Research Foundation Method for forecasting the effects of trade policies and supply and demand conditions on the world dairy sector
US7398221B1 (en) * 2001-03-30 2008-07-08 Rapt, Inc. Method and apparatus for component plan analysis under uncertainty
JP3899417B2 (ja) * 2001-04-09 2007-03-28 Ｎｅｃトーキン株式会社 表面実装型コンデンサ
US7085734B2 (en) * 2001-07-06 2006-08-01 Grant D Graeme Price decision support
US7676413B2 (en) * 2001-07-10 2010-03-09 The Boeing Company System, method and computer program product for determining a minimum asset value for exercising a contingent claim of an option
US7752113B2 (en) * 2001-07-10 2010-07-06 The Boeing Company System, method and computer program product for performing a contingent claim valuation of a multi-stage option
US20040249642A1 (en) * 2003-06-03 2004-12-09 The Boeing Company Systems, methods and computer program products for modeling uncertain future benefits
US7676412B2 (en) * 2001-07-10 2010-03-09 The Boeing Company System, method and computer program product for determining a minimum asset value for exercising a contingent claim of an option
US7698189B2 (en) * 2001-07-10 2010-04-13 The Boeing Company System, method and computer program product for determining a minimum asset value for exercising a contingent claim of an option
US7761361B2 (en) * 2001-07-10 2010-07-20 The Boeing Company System, method and computer program product for performing a contingent claim valuation of a combination option
US6862579B2 (en) * 2001-07-10 2005-03-01 The Boeing Company Systems, methods and computer program products for performing a generalized contingent claim valuation
US7747503B2 (en) * 2001-07-10 2010-06-29 The Boeing Company System, method and computer program product for determining a minimum asset value for exercising a contingent claim of an option
US7739176B2 (en) * 2001-07-10 2010-06-15 The Boeing Company System, method and computer program product for performing a contingent claim valuation of an early-launch option
US7747504B2 (en) * 2001-07-10 2010-06-29 The Boeing Company System, method and computer program product for determining a minimum asset value for exercising a contingent claim of an option
US7197474B1 (en) * 2001-07-12 2007-03-27 Vignette Corporation Method of modeling product demand subject to a large number of interactions
US7315842B1 (en) * 2001-08-06 2008-01-01 Wang Shaun S Computer system and method for pricing financial and insurance risks with historically-known or computer-generated probability distributions
US7080093B2 (en) * 2002-01-14 2006-07-18 Sun Microsystems, Inc. System and method for database design
US20030144897A1 (en) 2002-01-30 2003-07-31 Burruss James W. Finite life cycle demand forecasting
US7171391B2 (en) * 2002-02-07 2007-01-30 International Business Machines Corporation Custom pricing system and method
US20080015871A1 (en) * 2002-04-18 2008-01-17 Jeff Scott Eder Varr system
US7590937B2 (en) * 2002-10-03 2009-09-15 Hewlett-Packard Development Company, L.P. Graphical user interface for procurement risk management system
US20040098327A1 (en) * 2002-11-14 2004-05-20 Seaman David A. Contingent convertible securities instrument and method of providing, trading and using the same
US20040128221A1 (en) * 2002-12-09 2004-07-01 Pandher Gurupdesh S. Option valuation method and apparatus
US6810332B2 (en) * 2003-01-31 2004-10-26 Chevron U.S.A. Inc. Method for computing complexity, confidence and technical maturity indices for reservoir evaluations
US6853952B2 (en) * 2003-05-13 2005-02-08 Pa Knowledge Limited Method and systems of enhancing the effectiveness and success of research and development
US20050102213A1 (en) * 2003-11-07 2005-05-12 Serkan Savasoglu Systems and methods for accreting remarketable convertible securities
US20050125318A1 (en) * 2003-11-29 2005-06-09 Joel Jameson Methods and systems for accurately representing corporate financial results in light of equity-based compensation and contingent transactions
US20070299753A1 (en) * 2003-12-19 2007-12-27 Michael Averbuch Participatory equity appreciation contract ("PEAC")
US7584133B2 (en) * 2004-12-21 2009-09-01 Weather Risk Solutions Llc Financial activity based on tropical weather events
US8266042B2 (en) * 2004-12-21 2012-09-11 Weather Risk Solutions, Llc Financial activity based on natural peril events
US7783542B2 (en) * 2004-12-21 2010-08-24 Weather Risk Solutions, Llc Financial activity with graphical user interface based on natural peril events
US8566111B2 (en) * 2005-02-04 2013-10-22 The Invention Science Fund I, Llc Disposition of component virtual property rights
US20090043683A1 (en) * 2005-02-04 2009-02-12 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Virtual world reversion rights
US7937314B2 (en) * 2005-10-21 2011-05-03 The Invention Science Fund I Disposition of component virtual property rights
US7574394B2 (en) * 2005-02-16 2009-08-11 Sri, Inc. Systems and methods for implementing the structuring, pricing, quotation, and trading of financial instruments
US20060253355A1 (en) * 2005-05-04 2006-11-09 Chicago Board Options Exchange System and method for creating and trading a digital derivative investment instrument
US20070011065A1 (en) * 2005-07-07 2007-01-11 Santosh Sreenivasan Method and system for pre-funding with merger call flexibility
US7546583B2 (en) * 2005-07-12 2009-06-09 International Business Machines Corporation Real options based iterative development program metrics
US20070022031A1 (en) * 2005-07-19 2007-01-25 Real Estate Equity Exchange Cayman, Inc. Transfering financial interest
US7624054B2 (en) * 2005-08-25 2009-11-24 Sas Institute Inc. Financial risk mitigation optimization systems and methods
US20080109341A1 (en) * 2005-11-03 2008-05-08 Genworth Financial Inc. System and Method For Providing A Deferred Premium Annuity
US20080167984A1 (en) * 2007-01-05 2008-07-10 Matthew Courey Zero recovery credit default swap indices
US20090030822A1 (en) * 2007-03-12 2009-01-29 Jpmorgan Chase Bank, N.A. System and Method for Contingent Equity Return Forward to Hedge Foreign Exchange Risk in Investments Having Varying Exit Parameters
US7801804B2 (en) * 2007-10-10 2010-09-21 The Board Of Trustees Of The Leland Stanford Junior University Convex parimutuel contingent claim market mechanism

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102282551A (zh) * 2008-08-15 2011-12-14 市场份额合伙人有限责任公司 娱乐入场券定价的自动决策支持
CN106537442A (zh) * 2014-07-08 2017-03-22 日本电气方案创新株式会社 收集量调节辅助装置，收集量调节辅助方法和计算机可读记录介质
CN110826823A (zh) * 2018-08-07 2020-02-21 北京京东尚科信息技术有限公司 定价策略的评价方法和系统
CN111401973A (zh) * 2020-04-24 2020-07-10 中储南京智慧物流科技有限公司 一种多影响因素下商品需求预测信息预测系统及方法
CN111340605A (zh) * 2020-05-22 2020-06-26 支付宝(杭州)信息技术有限公司 训练用户行为预测模型、用户行为预测的方法和装置
CN113256379A (zh) * 2021-05-24 2021-08-13 北京小米移动软件有限公司 一种为商品关联购物需求的方法

Also Published As

Publication number Publication date
US20100042479A1 (en) 2010-02-18
US8099319B2 (en) 2012-01-17
US7627495B2 (en) 2009-12-01
US20100042480A1 (en) 2010-02-18
WO2004109465A2 (en) 2004-12-16
US8265982B2 (en) 2012-09-11
JP2006526858A (ja) 2006-11-24
US20040249696A1 (en) 2004-12-09
EP1634236A2 (en) 2006-03-15
WO2004109465A3 (en) 2005-12-29
EP1634236A4 (en) 2006-11-29

Similar Documents

Publication Publication Date Title
CN1826617A (zh) 对商品的需求、供应和关联利润率建模的系统、方法和计算机程序产品
US7246083B2 (en) System and method for targeted marketing of goods and/or services to specific customers
Degraeve et al. A mathematical programming approach for procurement using activity based costing
JP5934753B2 (ja) マーケティング活動用のインターネット・マーケティング・チャンネルを最適化するためのコンピュータシステム、方法、およびコンピュータ可読媒体
Keskin et al. A simulation-optimization approach for integrated sourcing and inventory decisions
US7680686B2 (en) System and methods for business to business price modeling using price change optimization
US7979329B2 (en) System and method for generating optimal bill/payment schedule
US20090222297A1 (en) System and method for composite pricing of services to provide optimal bill schedule
Esfandiari et al. Modeling a stochastic multi-objective supplier quota allocation problem with price-dependent ordering
CN110852772A (zh) 动态定价方法、系统、设备和存储介质
WO2010019897A1 (en) Automatically prescribing total budget for marketing and sales resources and allocation across spending categories
US20120232952A1 (en) Inventory price optimization
US8255269B1 (en) Data processing method for maximization of present and future supply and/or demand objectives
US20120271741A1 (en) Inventory price optimization with key price list
AU2012201530B2 (en) Analytics value assessment toolkit
US7599849B2 (en) Systems, methods and computer program products for determining a learning curve value and modeling associated profitability and costs of a good
Darmawan et al. Integrated sales and operations planning with multiple products: Jointly optimizing the number and timing of promotions and production decisions
US20120185289A1 (en) Computer-Implemented Systems and Methods for Determining Future Profitability
US7890360B1 (en) System and method for automated analysis of sourcing agreements and performance
Heching et al. Product pricing in the e-business era
Mayorga et al. Factoring environmental concerns in supply chain decision making
Mayorga et al. Incorporating environmental concerns in supply chain optimization
WO2007130527A2 (en) Systems and methods for business to business price modeling using price elasticity optimization
Ambilikumar et al. Performance of Supply Chain when using selected Coordination Mechanisms
Zhang et al. A Dynamic Programming Approach for Agent’s Bidding Strategy in TAC-SCM Game

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20060830