Different beta scaling factors also

Different beta scaling factors also imply different values of optima! i However, unlike the interest rate, the relationship between the beta scaling factor and tbe optimal /„ for our data is nonmonotonic. This is illustrated in Figure 5 for beta scaling factors of 0.001. 0.005, 0.01 (baseline), 0.05, 0.10, and 0.2, given the baseline interest rate of 6 percent. The pattern of values of optimal t^ is U-shaped with the minimum value occurring at the baseline value, 0.01, of the beta scaling factor. This pattern can be explained intuitively as follows (see the Appendix for a mathematical explanation). Higher values of beta imply that losses are accruing faster requiring more frequent audits for a given audit cost. Tbis implies lower values of optimal t^. However, losses rise asymptotically to a maximum level equal to M. If beta reacbes a certain level (represented by a scaling factor of 0.01 in Figure 5) the maximum losses are approached at such a short audit interval that it becomes optimal to extend tbe audit interval to reap the gains from lower audit costs. Beyond this point, higher values of beta imply
longer optimal audit intervals. Hence, there is a nonmonotonic relationship between
beta and optimal /„.

ผลลัพธ์ (ไทย) 2:

ปัจจัยการปรับเบต้าที่แตกต่างกันนอกจากนี้ยังบ่งบอกถึงค่าที่แตกต่างของที่ดีที่สุด! ฉัน แต่แตกต่างจากอัตราดอกเบี้ยที่ความสัมพันธ์ระหว่างเบต้าปรับปัจจัยและ TBE ที่ดีที่สุด / "สำหรับข้อมูลของเราเป็น nonmonotonic นี่คือตัวอย่างในรูปที่ 5 ปัจจัยการปรับเบต้าของ 0.001 0.005, 0.01 (พื้นฐาน), 0.05, 0.10 และ 0.2 ได้รับอัตราดอกเบี้ยพื้นฐานอยู่ที่ร้อยละ 6 รูปแบบของค่านิยมของเสื้อที่ดีที่สุด ^ เป็นรูปตัวยูที่มีค่าต่ำสุดที่เกิดขึ้นในมูลค่าพื้นฐาน 0.01 เบต้าปัจจัยปรับ รูปแบบนี้สามารถอธิบายได้อย่างสังหรณ์ใจดังนี้ (ดูภาคผนวกสำหรับคำอธิบายทางคณิตศาสตร์) ค่าที่สูงขึ้นของเบต้าหมายความว่าการสูญเสียที่จะเกิดขึ้นได้เร็วขึ้นต้องมีการตรวจสอบบ่อยมากขึ้นสำหรับค่าใช้จ่ายในการตรวจสอบให้ TBIs หมายถึงค่าที่ต่ำกว่าของทีดีที่สุด ^ แต่การสูญเสียเพิ่มขึ้นในเชิงเส้นให้อยู่ในระดับสูงสุดเท่ากับ M. ถ้าเบต้า reacbes ระดับหนึ่ง (แสดงโดยปัจจัยปรับจาก 0.01 ในรูปที่ 5) การสูญเสียสูงสุดจะเดินเข้ามาใกล้ที่ดังกล่าวตรวจสอบช่วงเวลาสั้น ๆ ที่มันจะกลายเป็นที่ดีที่สุดที่จะขยายการตรวจสอบ TBE ช่วงเวลาที่จะเก็บเกี่ยวผลกำไรจากการลดค่าใช้จ่ายการตรวจสอบ นอกเหนือจากจุดนี้ค่าที่สูงขึ้นของเบต้าบ่งบอกถึง
ช่วงเวลาอีกต่อไปตรวจสอบที่ดีที่สุด ดังนั้นมีความสัมพันธ์ระหว่าง nonmonotonic
เบต้าและดีที่สุด / "

ผลลัพธ์ (ไทย) 3:

โดยปัจจัยที่แตกต่างกันเบต้ายังหมายถึงค่าแตกต่างของ Optima ! ฉันแต่แตกต่างจากอัตราดอกเบี้ย ความสัมพันธ์ระหว่างตำแหน่งของเบต้าและเหมาะสม / „ทีบีข้อมูลของเรา nonmonotonic . นี้จะแสดงในรูปที่ 5 Beta ปรับปัจจัย 001 . ( 2 ) 0.005 , 0.01 , 0.05 , 0.10 และ 0.20 ได้รับพื้นฐาน อัตราดอกเบี้ยร้อยละ 6 เปอร์เซ็นต์รูปแบบของค่า
t ที่ดีที่สุดคือรูปตัวยูที่มีขั้นต่ำมูลค่าที่เกิดขึ้นในมูลค่าพื้นฐาน 0.01 ของเบต้าปรับองค์ประกอบ รูปแบบนี้สามารถอธิบายได้อย่างง่ายดายดังนี้ ( ดูภาคผนวกสำหรับคำอธิบายทางคณิตศาสตร์ ) ค่าสูงของเบต้า บ่งบอกว่าขาดทุนด้วยซ้ำเร็วให้บ่อยกว่าการตรวจสอบสำหรับการตรวจสอบต้นทุน tbis บางค่าลดลงของ
t ที่ดีที่สุดอย่างไรก็ตาม ความสูญเสียเพิ่มขึ้น asymptotically เป็นระดับสูงสุดเท่ากับม. ถ้าเบต้า reacbes ระดับหนึ่ง ( แสดงโดยตำแหน่ง 0.01 ในรูปที่ 5 ) สูงสุดที่ขาดทุนก็เช่นการตรวจสอบสั้น ๆ ว่ามันจะกลายเป็นที่เหมาะสมที่จะขยายช่วงเวลาการตรวจสอบทีบีเพื่อเก็บเกี่ยวผลประโยชน์จากการลดต้นทุนตรวจสอบ ประเด็นคือ ค่าสูงของเบต้าบ่งบอกถึง
ยาวที่เหมาะสมการตรวจสอบเป็นระยะ ๆ ดังนั้นมีความสัมพันธ์ nonmonotonic ระหว่างเบต้าที่ดีที่สุด /

„ .