这篇文档属于类型a，是一篇关于预售策略下考虑估值不确定性和需求相关性的原创性研究论文。以下是详细的学术报告：
主要作者及机构
该研究由Jianhong Li（华中科技大学管理学院）、Chen Hu（西交利物浦大学国际商学院）、Mingzhuo Dai（华中科技大学管理学院，通讯作者）、Wenjing Shen（德雷塞尔大学勒博商学院）和Zhiyuan Chen（武汉大学经济与管理学院）合作完成，发表于期刊Omega第138卷（2026年），文章编号103407。
学术背景
研究领域为数据驱动分析（Data-Driven Analytics），聚焦零售业中的预售策略（Advance Selling）问题。研究背景源于新产品发布前需求预测的挑战性，以及预售策略如何通过收集早期需求信息优化库存和定价决策。近年来，电子产品（如索尼PlayStation、苹果iPhone）和传统商品（如淘宝、京东上的服装和生鲜）广泛采用预售策略，但消费者的估值不确定性（Valuation Uncertainty）和需求相关性（Demand Correlation）对策略效果的影响尚未充分研究。
研究目标包括：
1. 分析无价格保证（Preorder Strategy without Price Guarantee）和有价格保证（Preorder Strategy with Price Guarantee）两种预售策略下的最优定价决策；
2. 探讨消费者估值不确定性和需求相关性对策略选择的影响；
3. 通过数值实验验证策略的盈利性差异。
研究流程与方法
研究采用两阶段模型（Two-Period Model），分为预售期（Advance Period）和现货期（Spot Period），具体流程如下：
1. 模型构建
- 研究对象：两类消费者——知情消费者（Informed Consumers）（预售期到达，估值不确定）和非知情消费者（Uninformed Consumers）（现货期到达，估值确定）。
- 需求假设：两阶段需求服从正态分布，相关系数为𝜌（可正可负），反映需求相关性。
- 估值不确定性：知情消费者在预售期对产品的估值𝑉为随机变量，现货期以概率𝑞实现高估值𝑣𝐻，概率1−𝑞实现低估值𝑣𝐿。
2. 无价格保证策略分析
- 现货期决策：根据需求相关性𝜌和实现的需求𝑥，卖家选择高价（𝑣𝐻）或低价（𝑣𝐿）。通过报童模型（Newsvendor Model）计算最优订单量𝑄。
- 预售期决策：知情消费者基于预期效用选择预售或等待。卖家通过贝叶斯更新（Bayesian Update）调整现货期需求预测，并设定最优预售价格𝑝1𝑝。
3. 有价格保证策略分析
- 价格保证机制：若现货价格低于预售价格，消费者获得差价退款。卖家需在现货期考虑退款成本，调整定价和库存。
- 关键变量：退款𝜂 = 𝑝1𝑔 − 𝑝2𝑔，影响现货期利润函数。
4. 数值实验
- 参数设置：通过蒙特卡洛模拟（Monte Carlo Simulation）生成93,750组参数组合（包括𝜇𝐼、𝜇𝑈、𝜆𝐼、𝜆𝑈、𝑣𝐻、𝑣𝐿、𝑐、𝑞、𝜌等），比较两种策略的利润差异。
- 实验目标：验证需求不确定性（𝜎𝐼）和高估值消费者比例（𝑞）对策略选择的影响。
主要结果
无价格保证策略：
- 现货价格𝑝2𝑝取决于𝑞和𝜌。当𝑞较小且𝜌 > 0时，高实现需求𝑥导致低价策略；当𝑞较大时，高价策略占优。
- 预售价格𝑝1𝑝随𝑞增加而提高，但若𝑞较小，卖家需降价以激励预售（因消费者预期现货降价）。
有价格保证策略：
- 价格保证可能促使卖家在需求不确定时设置更高预售价格（甚至超过消费者预期估值），但现货价格更保守以规避退款风险。
- 当𝑞较小时，预售价格可能随𝑞增加而下降（因退款预期降低消费者支付意愿）。
数值实验发现：
- 利润随|𝜌|增加而提升（需求相关性提高预测准确性）。
- 高需求不确定性（𝜎𝐼较大）时，价格保证策略更优；𝑞较高时，无价格保证策略可能更有利。
结论与价值
理论贡献：
- 首次将估值不确定性和需求相关性整合到预售模型中，扩展了Li & Zhang（2011）和Zhao & Pang（2010）的独立需求假设。
- 提出需求相关性（𝜌）和消费者结构（𝑞）共同影响定价动态的新机制。
实践意义：
- 建议零售商在需求波动大时提供价格保证，以激励预售并提升利润；
- 定价决策需结合早期需求信号与未来需求实现的关联性，而非仅依赖预期需求水平。
研究亮点
新颖性：
- 首次分析需求相关性（正/负）与估值不确定性的交互作用；
- 揭示价格保证在需求不确定性下的“双刃剑”效应（提高预售价格但限制现货灵活性）。
方法创新：
- 结合贝叶斯更新和报童模型，动态优化两阶段决策；
- 通过大规模数值实验验证理论结果的稳健性。
其他价值
研究还对比了网络外部性（Network Externalities）文献，指出需求相关性与网络效应的相似性（早期需求影响后期预期），但强调其通过信息反馈而非直接效用溢出实现。这一关联为后续研究提供了跨领域理论桥梁。