激励合约优化模型包括道德风险、逆向选择和信号传递问题三个优化模型。近十年来,激励合约优化模型的研究和应用基本上依赖解析分析的理论推导,其应用也仅停留在定性分析层面,使得这一模型的研究和实际应用均受到很大限制。为了能使激励合约优化模型更贴近实际应用,本文在分析和综合了已有成果的基础上,利用计算机仿真的方法,提出了解决激励合约优化模型的量化计算方法,并运用这一方法,量化分析了道德风险模型一个(底薪加提成线性支付方式)、逆向选择模型两个(一是委托人达到效用最大化时,代理人在自然条件好与差两种情形下的逆向选择模型；二是委托人达到效用最大化时,在代理人为高效率类型和低效率类型两种情形下的逆向选择模型)和信号传递模型两个(一是委托人达到效用最大化时,委托人通过激励合约使代理人向其传递特征信号的优化模型；二是委托人达到效用最大化时,委托人通过激励合约向代理人传递其特征信号的优化模型)。激励合约模型量化分析的关键是效用函数的非解析表达方式。针对激励合约模型中的效用函数,利用SVR对效用函数建模,解决了效用函数无法用解析函数表达的问题,构造基于SVR的激励与合约的量化计算模型。　　 本文的主要工作如下:　　 首先,本文提出了基于定量计算的道德风险合约模型的仿真分析方法。利用SVR对效用函数建模,解决了效用函数无法用解析函数表达的问题；利用均衡分析方法求解合约模型,解决了传统解析方法无法解决的多极值点优化模型的求解问题。对底薪加提成线性支付方式的道德风险优化模型进行了定量计算和量化分析。　　 其次,提出了基于SVR的逆向选择合约模型的数值分析方法。利用SVR对效用函数建模,解决了效用函数无法用解析函数表达的问题。分别推导出了自然条件好与差两种情形下逆向选择合约模型的梯度表达式,与代理人高效率类型和低效率类型的逆向选择合约模型的梯度表达式,并给出了相应的梯度法迭代算法。利用这一算法进行数值计算和量化分析,观察上述两种逆向选择模型中参数变化对合约均衡点变化趋势的影响。　　 最后,本文提出了基于SVR的信号传递激励合约模型的数值分析方法。利用SVR对效用函数建模,解决了其无法用解析函数表达的问题。对委托人通过激励合约使代理人向其传递特征信号的优化模型,与委托人通过激励合约向代理人传递其特征信号的优化模型进行了量化分析。具体推导出了上述两模型的梯度表达式,给出了相应的梯度法迭代算法,并利用这一算法进行数值计算和量化分析,观察上述两种信号传递模型中某些参数变化对合约均衡点变化趋势的影响。　　 通过对激励合约三种模型的量化分析,表明量化分析结果与已有的理论结果相吻合并包含了更多的信息,表明本文的量化分析方法的有效性,计算结果的合理性表明了用基于SVR的数值分析方法定量分析激励合约模型是可行的。