مدل قیمت گذاری اصل حداقلی (Minimum Principle Pricing Model)، در ریاضیات (Mathematics)
انواع مدل های قیمت گذاری (Pricing Models) را در آموزش زیر شرح دادیم :
مدل قیمت گذاری اصل حداقلی (Minimum Principle Pricing Model) :
اصل حداقلی (Minimum Principle) که گاهی به عنوان اصل حداقل و یا اصل پونتریاگین در حالت حداقل سازی یاد می شود، رویکردی در کنترل بهینه و حساب تغییرات است که برای یافتن مسیر بهینه ای که یک تابع هدف را حداقل کند، به کار می رود. در قیمت گذاری، از این اصل برای مسائلی استفاده می شود که هدف حداقل سازی هزینه ها، زیان ها یا انحراف از یک هدف مشخص است. این اصل مکمل اصل ماکزیمم است.
فرمول کلی اصل حداقلی:
برای مسئله کنترل بهینه با هدف حداقل سازی:
\[ \min_{u} J = \int_0^T F(t, x, u) dt + S(x(T)) \]با معادله حالت
\[ \dot{x} = f(t, x, u) \]و شرایط مرزی، هامیلتونی به صورت
\[ H = F + \lambda f \]تعریف می شود و اصل حداقلی بیان می کند که کنترل بهینه
\[ u^*(t) \]باید هامیلتونی را در هر لحظه حداقل کند:
\[ H(t, x^*, u^*, \lambda) \leq H(t, x^*, u, \lambda) \quad \forall u \]و شرایط الحاقی و عرضی مشابه اصل ماکزیمم هستند.
🔑 تفاوت با اصل ماکزیمم:
در اصل ماکزیمم، هدف حداکثر کردن تابع هدف است و کنترل بهینه هامیلتونی را ماکزیمم می کند. در اصل حداقلی، هدف حداقل کردن است و کنترل بهینه هامیلتونی را مینیمم می کند. از نظر ریاضی، این دو با تغییر علامت تابع هدف قابل تبدیل به یکدیگر هستند.
کاربردهای اصل حداقلی در قیمت گذاری:
حداقل سازی هزینه های خرید: یک شرکت به دنبال خرید مواد اولیه در طول زمان با حداقل هزینه است.
حداقل سازی زیان ناشی از قیمت گذاری نامناسب: مانند جریمه های دولتی برای گران فروشی.
کنترل موجودی با هدف حداقل هزینه: تصمیم گیری درباره قیمت و سفارش دهی برای حداقل کردن مجموع هزینه های نگهداری و کمبود.
تنظیم قیمت برای دستیابی به هدف سهم بازار با حداقل انحراف: قیمت گذاری به گونه ای که سهم بازار به هدف نزدیک باشد و انحراف حداقل شود.
مراحل حل یک مسئله قیمت گذاری با اصل حداقلی:
گام ۱: تعریف متغیر حالت و کنترل
گام ۲: تعیین تابع هزینه لحظه ای (که باید حداقل شود)
گام ۳: نوشتن معادله حالت
گام ۴: تشکیل هامیلتونی
\[ H = F + \lambda f \]گام ۵: اعمال شرط حداقل بودن هامیلتونی نسبت به u
گام ۶: حل معادلات الحاقی و شرایط مرزی
گام ۷: به دست آوردن مسیر بهینه u(t) و x(t)
مثال: حداقل سازی هزینه خرید با نوسان قیمت:
📘 مثال:
یک شرکت نیاز به خرید ۱۰۰۰ واحد ماده اولیه در طول ۱۰ روز دارد. قیمت ماده اولیه در طول زمان تغییر می کند و شرکت می تواند هر روز مقداری خریداری کند. هدف حداقل کردن مجموع هزینه های خرید است. متغیر حالت I(t) مقدار خریداری شده تا زمان t، کنترل u(t) نرخ خرید روزانه است. معادله حالت:
\[ \dot{I} = u \]، با I(0)=0 و I(10)=1000. تابع هزینه لحظه ای:
\[ C(t) \times u(t) \]که C(t) قیمت روزانه است. هامیلتونی:
\[ H = C(t) u + \lambda u = u (C(t) + \lambda) \]. شرط حداقلی: اگر
\[ C(t) + \lambda > 0 \]، u باید حداقل (صفر) باشد و اگر
\[ C(t) + \lambda < 0 \]، u باید حداکثر (بینهایت) باشد که با محدودیت ظرفیت خرید اصلاح می شود. λ از معادله الحاقی
\[ \dot{\lambda} = -\partial H/\partial I = 0 \]→ λ ثابت است. λ باید چنان انتخاب شود که خرید در روزهایی که قیمت کمتر از -λ است (یعنی ارزان ترین روزها) متمرکز شود. این مسئله معادل خرید در روزهای با کمترین قیمت است.
مثال: کنترل موجودی با حداقل هزینه:
یک فروشگاه با موجودی I(t) و تقاضای ثابت D. هزینه نگهداری به ازای هر واحد
\[ h \]و هزینه کمبود (از دست دادن فروش) به ازای هر واحد
\[ p \]. قیمت فروش P ثابت است. متغیر کنترل می تواند قیمت باشد (که بر تقاضا اثر می گذارد) یا نرخ سفارش دهی. هدف حداقل کردن مجموع هزینه های نگهداری و کمبود در طول زمان است. این مسئله با اصل حداقلی قابل حل است و سیاست بهینه معمولا به صورت "کنترل بنگ-بنگ" (در حداقل یا حداکثر) یا "کنترل آستانه ای" است.
مزایای اصل حداقلی:
ارائه شرایط لازم برای بهینگی در مسائل حداقل سازی
قابلیت حل مسائل با ساختارهای پیچیده
تفسیر اقتصادی متغیر الحاقی به عنوان قیمت سایه ای
معایب و محدودیت ها:
همانند اصل ماکزیمم، نیاز به دانش ریاضی پیشرفته دارد
حل عددی مسائل با ابعاد بالا دشوار است
فرض پیوستگی و مشتق پذیری
کاربردها در قیمت گذاری:
بهینه سازی زمان خرید و فروش دارایی ها
مدیریت موجودی با هدف حداقل هزینه
تعیین قیمت در قراردادهای بلندمدت با هدف حداقل سازی ریسک
تنظیم قیمت برای دستیابی به اهداف نظارتی (مثلا قیمت گذاری توسط نهادهای تنظیم گر)
