Berücksichtigung von Risikopräferenzen in Optimierungsmodellen

 

Während in der Praxis Entscheidungsträger häufig - aus den verschiedensten Gründen - risikoavers sind, wird in mathematischen Modellen häufig Risikoneutralität unterstellt. Dies führt zwar einerseits zu einfacheren Modellen, verringert aber gleichzeitig ihre Akzeptanz in der Praxis. Im schlechtesten Fall werden dann Modelle gar nicht eingesetzt oder ihre Ergebnisse mehr oder weniger willkürlich abgeändert, um "weniger riskante" Entscheidungen zu treffen.

Ziel unserer Forschung ist daher die Abbildung der in der Praxis häufig anzutreffenden Risikoaversion von Entscheidungsträgern in Optimierungsmodellen des Service Operations Management. Vor allem im Finance-Bereich wurden in den vergangenen Jahren zahlreiche Risikomaße entwickelt, die bisher kaum Eingang in entsprechenden Optimierungsmodelle gefunden haben. Hierzu zählt etwa der Conditional Value at Risk (CVaR). Dieser ist nicht nur intuitiv verständlich, sondern besitzt darüber hinaus zahlreiche wünschenswerte theoretische Eigenschaften. 

 

Berücksichtigung von Risikopräferenzen im Revenue Management

Neben der Maximierung des erwarteten Erlöses als klassische Zielsetzung im Revenue Management berücksichtigen neuere Ansätze in der Literatur auch zunehmend die Variabilität der generierten Erlöse. Der klassische Ansatz ist gerechtfertigt bei häufigen Ereignissen, da hier nach dem Gesetz der großen Zahlen eine Konvergenz zum Erwartungswert gegeben ist. Eine optimale Politik unter Einbeziehung von Risikogesichtspunkten ist hingegen besonders relevant bei selteneren Ereignissen, wobei ein einzelnes Ereignis bereits einen hohen Einfluss auf das Gesamtergebnis besitzt. Beispielhaft zu nennen wäre hier ein Konzertveranstalter, der pro Jahr nur wenige große Konzerte organisiert. In diesem Fall wirkt sich der Erfolg eines Konzerts maßgeblich auf das Jahresergebnis aus und der Veranstalter wäre wohl nicht risikoneutral, wie in den bisherigen Modellen unterstellt, sondern im Gegenteil risikoavers. Im Rahmen der Forschung des Lehrstuhls werden deshalb Ansätze zur Integration von Risikomaßen in Steuerungskonzepte des Revenue Managements entwickelt. 

Literatur

  • Schur, R.; J. Gönsch und M. Hassler: Time-Consistent Risk-Averse Dynamic Pricing. In: European Journal of Operational Research, Jg. 277 (2019), S. 587-603. doi:10.1016/j.ejor.2019.02.038 Details
  • Gönsch, J.: A Survey on Risk-averse and Robust Revenue Management. In: European Journal of Operational Research (2017) Nr. 263, S. 337-348.
  • Gönsch, J.: Unsicherheiten im Revenue Management. In: Corsten, H. und S. Roth (Hrsg.): Handbuch Dienstleistungsmanagement. Vahlen, München 2016, S. 843-862.
  • Gönsch, J.; M. Hassler und R. Schur: Optimizing Conditional Value-at-Risk in Dynamic Pricing. In: OR Spectrum, Jg. 40 (2018), S. 711-750. doi:10.1007/s00291-018-0513-7 Details
  • Koch, S.; J. Gönsch, M. Hassler und R. Klein: Practical Decision Rules for Risk-Averse Revenue Management using Simulation-Based Optimization. In: Journal of Revenue and Pricing Management, Jg. 15 (2016) Nr. 6, S. 468-487.
  • Gönsch, J. und M. Hassler: Optimizing the Conditional Value-at-Risk in Revenue Management. In: Review of Managerial Science (2014) Nr. 8, S. 495-521.