ปัจจัยโมเมนตัมถ่วงน้ำหนักความสัมพันธ์ลูกค้าหลายชั้น - ผลกระทบโมเมนตัมความสัมพันธ์ลูกค้าหลายชั้นตามเครือข่ายซัพพลายเชน
factor.formula
ปัจจัยโมเมนตัมถ่วงน้ำหนักความสัมพันธ์ลูกค้าหลายชั้น:
น้ำหนัก Edge Betweenness Centrality ที่ปรับให้เป็นมาตรฐาน:
ในสูตร:
- :
แสดงถึงค่าปัจจัยโมเมนตัมถ่วงน้ำหนักความสัมพันธ์ของลูกค้าหลายชั้นของลูกค้าเป้าหมาย $i$ ค่านี้ได้มาจากการรวมผลตอบแทนโมเมนตัมของลูกค้าทั้งหมดของลูกค้าเป้าหมาย $i$ (รวมถึงลูกค้าที่มีความสัมพันธ์หลายชั้น) และถ่วงน้ำหนักด้วยน้ำหนัก Edge Betweenness Centrality ที่สอดคล้องกัน
- :
ระบุจำนวนระดับของความสัมพันธ์ของลูกค้าในเครือข่ายซัพพลายเชน ตัวอย่างเช่น $l=1$ แสดงถึงลูกค้าโดยตรง, $l=2$ แสดงถึงลูกค้าของลูกค้า และต่อไปเรื่อยๆ จนถึงจำนวนระดับสูงสุดที่กำหนดไว้ $L$
- :
แสดงถึงกราฟของความสัมพันธ์ของลูกค้าในระดับที่ $l$ ในเครือข่ายซัพพลายเชน โดยที่ $(m, n)$ หมายความว่าในความสัมพันธ์ระดับที่ $l$ ลูกค้า $m$ เป็นซัพพลายเออร์ของลูกค้า $n$
- :
แสดงถึงค่า Edge Betweenness Centrality ของลูกค้า $m$ และลูกค้า $n$ ในเครือข่ายซัพพลายเชน ตัวบ่งชี้นี้วัดว่ามีกี่เส้นทางที่ผ่านขอบที่เชื่อมต่อลูกค้า $m$ และ $n$ ในบรรดาเส้นทางที่สั้นที่สุดทั้งหมด สามารถเข้าใจได้ว่าเป็นความสำคัญของการเชื่อมต่อระหว่างลูกค้า $m$ และ $n$ ในเครือข่ายซัพพลายเชนทั้งหมด
- :
แสดงถึงน้ำหนัก Edge Betweenness Centrality ที่ปรับให้เป็นมาตรฐานระหว่างลูกค้า $m$ และ $n$ น้ำหนักนี้ได้มาจากการปรับ Edge Betweenness Centrality ให้เป็นมาตรฐานระหว่างความสัมพันธ์ของลูกค้าทั้งหมดในทุกระดับของเครือข่ายซัพพลายเชน ความหมายที่สำคัญคือการเปรียบเทียบน้ำหนักความเป็นศูนย์กลางของความสัมพันธ์ลูกค้าที่แตกต่างกัน เพื่อวัดอิทธิพลของแต่ละขอบในเครือข่ายได้อย่างแม่นยำยิ่งขึ้น น้ำหนักนี้มีบทบาทสำคัญในการคำนวณโมเมนตัมของลูกค้า ซึ่งให้น้ำหนักที่สูงกว่าแก่ความสัมพันธ์ที่สำคัญกว่าในเครือข่ายซัพพลายเชน
- :
แสดงถึงผลตอบแทนของลูกค้า $n$ ในช่วงเดือนที่ผ่านมา ซึ่งเป็นตัววัดสัญญาณโมเมนตัม โมเมนตัมในที่นี้อาจเป็นการเปลี่ยนแปลงของราคาหุ้นหรือตัวบ่งชี้อื่น ๆ ที่เกี่ยวข้อง
factor.explanation
ในการคำนวณโมเมนตัมของลูกค้า ปัจจัยนี้ไม่ได้พิจารณาเฉพาะข้อมูลโมเมนตัมของลูกค้าโดยตรงเท่านั้น แต่ยังสำรวจข้อมูลส่วนเพิ่มที่มีอยู่ในความสัมพันธ์ของลูกค้าหลายชั้น (เช่น ลูกค้าของลูกค้า) เมื่อเทียบกับวิธีดั้งเดิมที่พิจารณาเฉพาะลูกค้าโดยตรง ปัจจัยนี้สามารถจับภาพผลการถ่ายโอนโมเมนตัมระหว่างลูกค้าได้อย่างครอบคลุมมากขึ้น โดยการนำเสนอค่า Edge Betweenness Centrality ของเครือข่ายกราฟซัพพลายเชนมาเป็นน้ำหนัก และพิจารณาความสัมพันธ์ของลูกค้าหลายชั้น งานวิจัยเชิงประจักษ์แสดงให้เห็นว่าการพิจารณาความสัมพันธ์ของลูกค้าที่ลึกซึ้งยิ่งขึ้น (เช่น ลูกค้าของลูกค้า) ช่วยปรับปรุงความสามารถในการทำนายของปัจจัย และให้สัญญาณที่น่าเชื่อถือมากขึ้นสำหรับการลงทุนเชิงปริมาณ