論文の概要: Do We Exploit all Information for Counterfactual Analysis? Benefits of
Factor Models and Idiosyncratic Correction
- arxiv url: http://arxiv.org/abs/2011.03996v3
- Date: Mon, 10 Jan 2022 21:33:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 08:18:18.983575
- Title: Do We Exploit all Information for Counterfactual Analysis? Benefits of
Factor Models and Idiosyncratic Correction
- Title(参考訳): 事実分析のために全ての情報を爆発させるか?
因子モデルと特殊同期補正の利点
- Authors: Jianqing Fan, Ricardo P. Masini, Marcelo C. Medeiros
- Abstract要約: ブラジルの大手小売店の日用品販売に対する価格変動の影響を測定するために,新しい高次元統計手法を適用した。
提案手法は,主成分(因子)とスパース回帰を組み合わせ,Facter-Adjusted Regularized Method for Treatment Evaluationという手法を導出する。
- 参考スコア(独自算出の注目度): 0.49416305961918056
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optimal pricing, i.e., determining the price level that maximizes profit or
revenue of a given product, is a vital task for the retail industry. To select
such a quantity, one needs first to estimate the price elasticity from the
product demand. Regression methods usually fail to recover such elasticities
due to confounding effects and price endogeneity. Therefore, randomized
experiments are typically required. However, elasticities can be highly
heterogeneous depending on the location of stores, for example. As the
randomization frequently occurs at the municipal level, standard
difference-in-differences methods may also fail. Possible solutions are based
on methodologies to measure the effects of treatments on a single (or just a
few) treated unit(s) based on counterfactuals constructed from artificial
controls. For example, for each city in the treatment group, a counterfactual
may be constructed from the untreated locations. In this paper, we apply a
novel high-dimensional statistical method to measure the effects of price
changes on daily sales from a major retailer in Brazil. The proposed
methodology combines principal components (factors) and sparse regressions,
resulting in a method called Factor-Adjusted Regularized Method for Treatment
evaluation (\texttt{FarmTreat}). The data consist of daily sales and prices of
five different products over more than 400 municipalities. The products
considered belong to the \emph{sweet and candies} category and experiments have
been conducted over the years of 2016 and 2017. Our results confirm the
hypothesis of a high degree of heterogeneity yielding very different pricing
strategies over distinct municipalities.
- Abstract(参考訳): 最適価格、すなわち、ある商品の利益または収益を最大化する価格レベルを決定することは、小売業界にとって重要な課題である。
このような量を選択するには、まず製品需要から価格弾性を見積もる必要がある。
回帰法は通常、結束効果と価格内在性のためにそのような弾性を回復することができない。
そのため、ランダム化実験が一般的である。
しかし、例えば店舗の位置によっては、弾力性は非常に異質である。
ランダム化はしばしば自治体レベルで起こるため、標準差分法も失敗する可能性がある。
考えられる解決策は、人工的な制御から構築された反事実に基づく単一の(またはほんの数個の)処理単位に対する治療の効果を測定する方法論に基づいている。
例えば、治療グループの各都市に対して、未処理の場所から偽物が構築されることがある。
本稿では,ブラジルの大手小売店の日用品販売に対する価格変動の影響を測定するために,新しい高次元統計手法を適用した。
提案手法は主成分(因子)とスパースレグレッションを結合し,Facter-Adjusted Regularized Method for Treatment Evaluation (\texttt{FarmTreat})と呼ばれる手法が得られた。
データは、400以上の自治体で5つの異なる製品の販売と価格で構成されている。
emph{sweet and candies} カテゴリーに属すると考えられる製品や実験は、2016年から2017年にかけて実施されている。
以上の結果から,異なる自治体に対する価格戦略を導出する高次不均質性仮説が検証された。
関連論文リスト
- Rejection via Learning Density Ratios [50.91522897152437]
拒絶による分類は、モデルを予測しないことを許容する学習パラダイムとして現れます。
そこで我々は,事前学習したモデルの性能を最大化する理想的なデータ分布を求める。
私たちのフレームワークは、クリーンでノイズの多いデータセットで実証的にテストされます。
論文 参考訳(メタデータ) (2024-05-29T01:32:17Z) - Choosing a Proxy Metric from Past Experiments [54.338884612982405]
多くのランダム化実験では、長期的な計量の処理効果は測定が困難または不可能であることが多い。
一般的な方法は、いくつかの短期的プロキシメトリクスを計測して、長期的メトリックを綿密に追跡することである。
ランダム化実験の同種集団において最適なプロキシメトリックを定義し構築するための新しい統計フレームワークを導入する。
論文 参考訳(メタデータ) (2023-09-14T17:43:02Z) - A Causal Perspective on Loan Pricing: Investigating the Impacts of
Selection Bias on Identifying Bid-Response Functions [1.0937531920233807]
我々は、因果推論の問題として価格を装い、選択バイアスの効果を理解するための一歩を踏み出した。
本研究では,ベルギーにおけるローンローン申請に関する半合成データセットにおいて,選択バイアスのレベルをシミュレートした。
我々は、因果機械学習による最先端の手法を実装し、価格データの選択バイアスを克服する能力を示す。
論文 参考訳(メタデータ) (2023-09-07T14:14:30Z) - Predicting Out-of-Domain Generalization with Neighborhood Invariance [59.05399533508682]
局所変換近傍における分類器の出力不変性の尺度を提案する。
私たちの測度は計算が簡単で、テストポイントの真のラベルに依存しません。
画像分類,感情分析,自然言語推論のベンチマーク実験において,我々の測定値と実際のOOD一般化との間に強い相関関係を示す。
論文 参考訳(メタデータ) (2022-07-05T14:55:16Z) - Multivariate Probabilistic Forecasting of Intraday Electricity Prices
using Normalizing Flows [62.997667081978825]
ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。
本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
論文 参考訳(メタデータ) (2022-05-27T08:38:20Z) - Robust and Agnostic Learning of Conditional Distributional Treatment
Effects [62.44901952244514]
条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。
集約分析では、通常は分布処理効果(DTE)の測定によって対処される。
我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
論文 参考訳(メタデータ) (2022-05-23T17:40:31Z) - Selecting the suitable resampling strategy for imbalanced data
classification regarding dataset properties [62.997667081978825]
医学、情報検索、サイバーセキュリティ、ソーシャルメディアなどの多くのアプリケーションドメインでは、分類モデルの導入に使用されるデータセットは、各クラスのインスタンスの不平等な分布を持つことが多い。
この状況は不均衡データ分類と呼ばれ、少数民族の例では予測性能が低い。
オーバーサンプリングとアンダーサンプリングの技術は、各クラスの例の数とバランスをとることでこの問題に対処する、よく知られた戦略である。
論文 参考訳(メタデータ) (2021-12-15T18:56:39Z) - Robust and Heterogenous Odds Ratio: Estimating Price Sensitivity for
Unbought Items [0.0]
介入に対する不均一な応答のマイニングは、データ駆動操作にとって重要なステップである。
取引レベルのデータから価格の感度を推定する方法を検討する。
論文 参考訳(メタデータ) (2021-06-21T19:50:32Z) - To do or not to do: cost-sensitive causal decision-making [3.492636597449942]
二重因果分類のためのコスト感受性決定境界を導入する。
境界は、プラスおよび負の処置クラスの因果的分類インスタンスが予想因果利益を最大化することを可能にする。
期待因果利益を最大化するための事例をランク付けする期待因果利益ランキングを提案する。
論文 参考訳(メタデータ) (2021-01-05T08:36:01Z) - Adapting Neural Networks for Uplift Models [0.0]
アップリフトは、条件付き平均回帰(i)変換結果回帰(i)を用いて推定される。
既存のアプローチは、アップリフトケースに対する分類木と回帰木の適応である。
本稿ではニューラルネットワークを用いた新しい手法を提案する。
論文 参考訳(メタデータ) (2020-10-30T18:42:56Z) - A Generic Methodology for the Statistically Uniform & Comparable
Evaluation of Automated Trading Platform Components [2.28438857884398]
提案手法は,2つの自動トレーディングプラットフォームコンポーネント上で実証される。
すなわち、価格レベル、よく知られた取引パターン、新しい2段階の特徴抽出方法である。
主な仮説は、選択された取引パターンが機械学習環境での使用に適しているかどうかを評価するために定式化された。
論文 参考訳(メタデータ) (2020-09-21T16:17:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。