بررسی سرمایه‌گذاری‌های استراتژیک با بازی‌های اختیارات تحت اطلاعات ناقص
محورهای موضوعی : مدیریت استراتژیک
1 -
کلید واژه: تحلیل سرمایه‌گذاری بازی‌های اختیارات اطلاعات ناقص اطلاعات نامتقارن کمترین مربعات مونت‌کارلو,
چکیده مقاله :
در این مقاله مدلی را برای بررسی بازی‌های اختیارات طبیعی افق محدود تحت اطلاعات ناقص با پارامترهای مختلف توسعه می‌دهیم. در بازی‌های اطلاعات ناقص عملکرد بنگاه‌ها بر اهمیت اطلاعات در مورد مزیت رقابتی سایر رقبا تأکید می‌کند. استفاده بنگاه‌ها از یکدیگر در رابطه با این اطلاعات بلوک‌های ساختاری را در مدل با تعاملات استراتژیک پیشنهاد می‌دهد. این به دلیل وجود نوعی دور است که بهترین تصمیمات بر مبنای تصمیمات قبلی در زمان معینی به دلیل وجود خاصیت برنامه‌ریزی پویا اتخاذ می‌گردند. نسخه بسط یافته‌ای از الگوریتم کمترین مربعات مونت‌کارلو را برای مواجهه با این نتایج توسعه دادیم. مدل می‌تواند در درک رابطه بین اختیار استراتژیک و اطلاعات و نیز اینکه چگونه این بر بهترین تصمیم و ارزش نتایج آن تأثیر می‌گذارد مشارکت نماید. دریافتیم که ویژگی اطلاعات اهمیت بسیار زیادی برای اتخاذ بهترین تصمیم و بهینه‌سازی ارزش‌های پروژه خواهد داشت.
In focused تحقیق و توسعه markets, research projects are directed furtively, and contenders know almost no about the advancement of opponents. How a firm decides to apply its working choices passes on data to market members, among these its rivals. The real options exercise technique is an essential data transmission component. Pariahs find out about the absence of activity by contenders and can fuse it into their guesses about the rivals' sort. This endeavor to gain from contenders’ activities will specifically influence the harmony exercise methodologies. In this paper we expand a model to consider finite horizon real option games under incomplete information with various parameters. In incomplete information games firms’ actions express significant information about profitability to contestants. The encapsulation of this information proposed original blocks in models with strategic interactions. This is because of circularity where best exercise decisions are based on previous decisions taken, which at a given time are quiet to be mentioned because about the dynamic programming principle. We expand an extended version of the Least Squares Monte Carlo algorithm to confront these results. The model can aid in understanding the relation between strategic optionality and information besides how this influences the best decision policy and its value results. We find the informational feature is of great significance for firms’ best decision policy and optimization of project values
