Task 10. Brief summary of the text (in English)

 

TEXT 9. STOCHASTIC PROGRAMMING

Task 1: Scan through the text to grasp its general idea (2 min)

Now let’s interpret stochastic programming from the viewpoint of identifying real options for mitigating global supply chain risk.

Stochastic programming constraints on the company's performance in some or all scenarios of the future can insure the company against unacceptable downside risk in much the same way as financial options. An example is constraints stating that losses under all scenarios cannot exceed $ 10 million in any year of the planning horizon. Stochastic programming also allows the imposition of more subtle, proba­bilistic constraints; for example, constraints that limit the probability of losses in excess of $10 million in any year of the planning horizon to no more than 0.05.

The successful application of stochastic programming to such problems requires basic and applied research leading to practical solutions for a number of technical issues. First, probabilistic descriptions of important financial and supply chain uncertainties can be very complex because they involve diverse factors such as demand, exchange rates, and political unrest. Second, stochastic programming mod­els can address only a finite number of scenarios of the future, but the relevant prob­abilistic distributions are often continuous multivariate functions, which implicitly describe an infinite number of scenarios. Rigorous and efficient methods for doing this have not yet been fully developed. Third, modeling practitioners need to devise new methods for incorporating financial options in stochastic programming models because certain risks, such as those due to exchange rates uncertainties, may be difficult to mitigate solely by real options. Despite these difficulties, the potential payback from an effec­tive stochastic programming model is enormous. Moreover, without sacrificing too much rigor, knowledgeable practitioners should be able to fashion a pragmatic sto­chastic programming approach for specific MNCs with specific risks that is cus­tomized to the MNC's decision-making needs.

Task 2. Be able to answer the question what is the text about?

Task 3. Read the text attentively paying attention to the underlying idea

Task 4. Read the text again and compare it with the translation on the opposite side of the broadside

Now let’s interpret stochastic programming from the viewpoint of identifying real options for mitigating global supply chain risk. Stochastic programming constraints on the company's performance in some or all scenarios of the future can insure the company against unacceptable downside risk in much the same way as financial options. An example is constraints stating that losses under all scenarios cannot exceed $ 10 million in any year of the planning horizon. Stochastic programming also allows the imposition of more subtle, proba­bilistic constraints; for example, constraints that limit the probability of losses in excess of $10 million in any year of the planning horizon to no more than 0.05. The successful application of stochastic programming to such problems requires basic and applied research leading to practical solutions for a number of technical issues. First, probabilistic descriptions of important financial and supply chain uncertainties can be very complex because they involve diverse factors such as demand, exchange rates, and political unrest. Second, stochastic programming mod­els can address only a finite number of scenarios of the future, but the relevant prob­abilistic distributions are often continuous multivariate functions, which implicitly describe an infinite number of scenarios. Rigorous and efficient methods for doing this have not yet been fully developed. Third, modeling practitioners need to devise new methods for incorporating financial options in stochastic programming models because certain risks, such as those due to exchange rates uncertainties, may be difficult to mitigate solely by real options. Despite these difficulties, the potential payback from an effec­tive stochastic programming model is enormous. Moreover, knowledgeable practitioners should be able to fashion a pragmatic sto­chastic programming approach for specific MNCs with specific risks that is cus­tomized to the MNC's decision-making needs.

Давате опишем стохастическое программирование с точки зрения выявления реальных опционов с целью снижения риска глобальной цепи поставок. Ограничения стохастического программирования влияют на деятельность компании в некоторых или во всех возможных сценариях будущего, могут застраховать компанию от неприемлемо больших рисков во многих случаях, также как и финансовые опционы. Примером являются ограничения, утверждающие, что потери во всех сценариях не могут превышать 10 миллионов долларов в какой-либо год планируемого периода. Стохастическое программирование также позволяет налагать более мягкие, вероятностные ограничения; например, ограничения, которые лимитируют вероятность потерь, превышающих 10 миллионов долларов в какой-либо год планируемого периода, но не более чем 0.05. Успешное применение стохастического программирования для такого рода проблем требует базового и прикладного исследования, ведущих к практическим решениям некоторых технических вопросов. Во-первых, вероятностные описания важных финансовых колебаний и неточностей цепи поставок могут быть очень сложными, потому как включают разнообразные факторы, такие как спрос, обменные курсы и политическое состояние. Во-вторых, модели стохастического программирования могут обращаться только к конечному количеству сценариев будущего, но текущие вероятностные описания зачастую являются многопараметрическими функциями, которые просто описывают бесконечное количество сценариев. Точные и эффективные методы для этого пока еще не полностью разработаны. В-третьих, специалисты по моделированию должны разрабатывать новые методы по встраиванию финансовых опционов в модели стохастического программирования, потому что определенные риски, такие как риски из-за изменения обменного курса, будет сложно уменьшить только реальными опционами. Несмотря на эти трудности, потенциальная отдача от эффективной стохастической модели огромна. Более того, опытные специалисты должны быть способны приспосабливать прагматичный подход стохастического программирования для конкретной MНК с конкретными рисками, которые требуются для принятия решений MНК.

Task 5. Compare equivalents underlined on both sides of the broadside. Try to memorize them

⇐ Предыдущая45678910111213Следующая ⇒

Поделиться:

Воспользуйтесь поиском по сайту: