論文の概要: Information-theoretic limitations of data-based price discrimination
- arxiv url: http://arxiv.org/abs/2204.12723v4
- Date: Sun, 22 Oct 2023 06:54:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 15:05:59.652654
- Title: Information-theoretic limitations of data-based price discrimination
- Title(参考訳): データに基づく価格識別における情報理論の限界
- Authors: Haitian Xie, Ying Zhu, Denis Shishkin
- Abstract要約: 本論文の主な成果は2つである。
最初の結果のセットは、独立して価格戦略です。
2つ目の結果は、$K$-markets empirical revenue sample (ERM)戦略を提案する。
- 参考スコア(独自算出の注目度): 1.4316259003164373
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies third-degree price discrimination (3PD) based on a random
sample of valuation and covariate data, where the covariate is continuous, and
the distribution of the data is unknown to the seller. The main results of this
paper are twofold. The first set of results is pricing strategy independent and
reveals the fundamental information-theoretic limitation of any data-based
pricing strategy in revenue generation for two cases: 3PD and uniform pricing.
The second set of results proposes the $K$-markets empirical revenue
maximization (ERM) strategy and shows that the $K$-markets ERM and the uniform
ERM strategies achieve the optimal rate of convergence in revenue to that
generated by their respective true-distribution 3PD and uniform pricing optima.
Our theoretical and numerical results suggest that the uniform (i.e.,
$1$-market) ERM strategy generates a larger revenue than the $K$-markets ERM
strategy when the sample size is small enough, and vice versa.
- Abstract(参考訳): 本稿では,コバリアイトが連続しており,販売者にはデータの分布が不明な,ランダムな評価データと共変量データに基づいて,第3次価格差別(3PD)について検討する。
本論文の主な成果は2つである。
最初の一連の結果は、独立した価格戦略であり、3PDと均一価格の2つのケースでデータベースの価格戦略の基本的な情報理論的な制限を明らかにする。
第2の結果は、K$-markets empirical revenue maximization (ERM) 戦略を提案し、K$-markets ERM 戦略と均一 ERM 戦略が、それぞれの真分布3PD と均一価格オプティマによって生成される収益の最適収束率を達成することを示す。
我々の理論的および数値的な結果は、サンプルサイズが十分に小さい場合、一様(すなわち1ドル市場)のEMM戦略は、Kドル市場EMM戦略よりも大きな収益を生み出すことを示唆している。
関連論文リスト
- Inference for Regression with Variables Generated from Unstructured Data [0.0]
構造化されていないデータを分析するための2段階の戦略は、経験的に実証可能な設定におけるバイアス付き推論につながる。
本稿では,上流モデルと下流モデルとを併用した有効推論の一段階戦略を提案する。
一段階戦略 (i) はシミュレーションにおけるバイアスを大幅に低減し、 (ii) はCEOタイムユースデータを用いた指導アプリケーションにおいて定量的に重要な効果を持ち、 (iii) 応用研究者が容易に適用できる。
論文 参考訳(メタデータ) (2024-02-23T19:52:09Z) - Stock Market Price Prediction: A Hybrid LSTM and Sequential
Self-Attention based Approach [3.8154633976469086]
LSTM-SSAM(Sequential Self-Attention Mechanism)を用いたLong Short-Term Memory(LSTM)というモデルを提案する。
SBIN,BANK,BANKBARODAの3つのストックデータセットについて広範な実験を行った。
実験により,既存のモデルと比較して,提案モデルの有効性と妥当性が示された。
論文 参考訳(メタデータ) (2023-08-07T14:21:05Z) - Double Pessimism is Provably Efficient for Distributionally Robust
Offline Reinforcement Learning: Generic Algorithm and Robust Partial Coverage [15.858892479232656]
頑健なオフライン強化学習(ロバストオフラインRL)について検討する。
我々は、Douubly Pessimistic Model-based Policy Optimization(P2MPO$)と呼ばれる汎用アルゴリズムフレームワークを提案する。
P2MPO$は$tildemathcalO(n-1/2)$コンバーゼンスレートで、$n$はデータセットサイズである。
論文 参考訳(メタデータ) (2023-05-16T17:58:05Z) - Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。
我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。
提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文 参考訳(メタデータ) (2023-03-28T00:23:23Z) - Domain-Specific Risk Minimization for Out-of-Distribution Generalization [104.17683265084757]
まず、適応性ギャップを明示的に考慮した一般化境界を確立する。
本稿では,目標に対するより良い仮説の選択を導くための効果的なギャップ推定法を提案する。
もう1つの方法は、オンラインターゲットサンプルを用いてモデルパラメータを適応させることにより、ギャップを最小化することである。
論文 参考訳(メタデータ) (2022-08-18T06:42:49Z) - VFed-SSD: Towards Practical Vertical Federated Advertising [53.08038962443853]
本稿では,2つの制限を緩和する半教師付き分割蒸留フレームワーク VFed-SSD を提案する。
具体的には,垂直分割された未ラベルデータを利用する自己教師型タスクMatchedPair Detection (MPD) を開発する。
当社のフレームワークは,デプロイコストの最小化と大幅なパフォーマンス向上を図った,リアルタイム表示広告のための効率的なフェデレーション強化ソリューションを提供する。
論文 参考訳(メタデータ) (2022-05-31T17:45:30Z) - Addressing Strategic Manipulation Disparities in Fair Classification [15.032416453073086]
少数派の個人が、機能更新に高額な費用を払っていることがよく示されます。
マイノリティグループに対する戦略的操作コストを低減させる分類器を構築するための制約付き最適化フレームワークを提案する。
実世界の複数のデータセットに対して,本手法の有効性を実証的に示す。
論文 参考訳(メタデータ) (2022-05-22T14:59:40Z) - Arbitrary Distribution Modeling with Censorship in Real-Time Bidding
Advertising [2.562910030418378]
インベントリプライシングの目的は、オンライン広告の機会に適切な価格を入札することであり、これはデマンド・サイド・プラットフォーム(DSP)がリアルタイム入札(RTB)で競売に勝つために不可欠である。
以前の作品の多くは、勝利価格の分布形式を強く仮定し、その正確さを減らし、一般化する能力を弱めた。
我々は,新たな損失関数であるNLL(Neighborhood Likelihood Loss)を提案し,検閲下での勝利価格分布を予測するためのフレームワークであるArbitrary Distribution Modeling(ADM)と協調する。
論文 参考訳(メタデータ) (2021-10-26T11:40:00Z) - Data Sharing Markets [95.13209326119153]
我々は、各エージェントがデータの買い手および売り手の両方になり得る設定について検討する。
両データ交換(データ付きトレーディングデータ)と一方データ交換(お金付きトレーディングデータ)の2つの事例を考察する。
論文 参考訳(メタデータ) (2021-07-19T06:00:34Z) - Sample and Computation Redistribution for Efficient Face Detection [137.19388513633484]
トレーニングデータサンプリングと計算分布戦略は、効率的で正確な顔検出の鍵です。
scrfdf34は、最高の競合製品であるTinaFaceを3.86%(ハードセットでのAP)で上回り、GPU上でVGA解像度画像でmph3$times$より高速です。
論文 参考訳(メタデータ) (2021-05-10T23:51:14Z) - Reinforcement-Learning based Portfolio Management with Augmented Asset
Movement Prediction States [71.54651874063865]
ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。
本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。
当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
論文 参考訳(メタデータ) (2020-02-09T08:10:03Z)
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。