論文の概要: Online Learning for Equilibrium Pricing in Markets under Incomplete
Information
- arxiv url: http://arxiv.org/abs/2303.11522v1
- Date: Tue, 21 Mar 2023 00:53:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-22 16:55:50.668285
- Title: Online Learning for Equilibrium Pricing in Markets under Incomplete
Information
- Title(参考訳): 不完全情報下における市場均衡価格のオンライン学習
- Authors: Devansh Jalota, Haoyuan Sun, Navid Azizan
- Abstract要約: 不完全な情報設定における均衡価格設定の問題を考える。
我々は3つのパフォーマンス指標、すなわち不需要、コストの後悔、支払いの後悔を共同で最適化する。
この拡張環境では,サブ線形後悔を伴うアルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 5.092028049119383
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The study of market equilibria is central to economic theory, particularly in
efficiently allocating scarce resources. However, the computation of
equilibrium prices at which the supply of goods matches their demand typically
relies on having access to complete information on private attributes of
agents, e.g., suppliers' cost functions, which are often unavailable in
practice. Motivated by this practical consideration, we consider the problem of
setting equilibrium prices in the incomplete information setting wherein a
market operator seeks to satisfy the customer demand for a commodity by
purchasing the required amount from competing suppliers with privately known
cost functions unknown to the market operator. In this incomplete information
setting, we consider the online learning problem of learning equilibrium prices
over time while jointly optimizing three performance metrics -- unmet demand,
cost regret, and payment regret -- pertinent in the context of equilibrium
pricing over a horizon of $T$ periods. We first consider the setting when
suppliers' cost functions are fixed and develop algorithms that achieve a
regret of $O(\log \log T)$ when the customer demand is constant over time, or
$O(\sqrt{T} \log \log T)$ when the demand is variable over time. Next, we
consider the setting when the suppliers' cost functions can vary over time and
illustrate that no online algorithm can achieve sublinear regret on all three
metrics when the market operator has no information about how the cost
functions change over time. Thus, we consider an augmented setting wherein the
operator has access to hints/contexts that, without revealing the complete
specification of the cost functions, reflect the variation in the cost
functions over time and propose an algorithm with sublinear regret in this
augmented setting.
- Abstract(参考訳): 市場均衡の研究は経済理論の中心であり、特に希少資源を効率的に割り当てる。
しかし、商品の供給が需要に合致する均衡価格の計算は、一般的に、サプライヤのコスト関数など、実際に利用できないエージェントの個人的属性に関する完全な情報にアクセスすることに依存している。
この実践的考察に動機づけられたのは、市場オペレータが、市場オペレータに未知の民間的コスト機能を有する競合サプライヤーから必要な金額を購入して商品に対する顧客需要を満足させようとする不完全な情報設定において、均衡価格を設定する問題である。
この不完全な情報設定では、時間とともに均衡価格を学習するオンライン学習問題を考察し、共同して3つのパフォーマンス指標、すなわち不測の需要、コストの後悔、支払いの後悔を最適化する。
まず、サプライヤのコスト関数が固定されたときに設定し、顧客の要求が経時的に一定であれば$o(\log \log t)$、あるいは需要が経時的に変化した場合に$o(\sqrt{t} \log \log t)$となるアルゴリズムを開発する。
次に,サプライヤのコスト関数が時間とともに変化するような設定について考察し,マーケットオペレータがコスト関数の時間的変化に関する情報を持っていない場合に,オンラインアルゴリズムが3つの指標すべてに対してサブ線形後悔を達成できないことを示す。
そこで,コスト関数の完全な仕様を明かさずに時間経過に伴うコスト関数の変動を反映するヒント/コンテキストへのアクセスをオペレータが有する拡張設定を考察し,この拡張設定においてサブリニアな後悔を伴うアルゴリズムを提案する。
関連論文リスト
- Dynamic Pricing and Learning with Long-term Reference Effects [18.988640613396118]
本研究では,販売者が提示した過去の価格の基準価格が平均値となる,シンプルで斬新な参照価格メカニズムについて検討する。
このメカニズムの下では,モデルパラメータに関係なく,マークダウンポリシがほぼ最適であることを示す。
次に、需要モデルパラメータが不明な、より困難な動的価格と学習の問題について検討する。
論文 参考訳(メタデータ) (2024-02-19T21:36:54Z) - Online Learning under Budget and ROI Constraints via Weak Adaptivity [57.097119428915796]
制約付きオンライン学習問題に対する既存の原始双対アルゴリズムは、2つの基本的な仮定に依存している。
このような仮定は、標準の原始双対テンプレートを弱適応的後悔最小化器で与えることによって、どのように回避できるのかを示す。
上記の2つの前提が満たされていない場合に保証される、世界の最高の保証を証明します。
論文 参考訳(メタデータ) (2023-02-02T16:30:33Z) - TransPath: Learning Heuristics For Grid-Based Pathfinding via
Transformers [64.88759709443819]
探索の効率を顕著に向上させると考えられる,インスタンス依存のプロキシを学習することを提案する。
私たちが最初に学ぶことを提案するプロキシは、補正係数、すなわち、インスタンスに依存しないコスト・ツー・ゴの見積もりと完璧な見積もりの比率である。
第2のプロキシはパス確率であり、グリッドセルが最も短いパスに横たわっている可能性を示している。
論文 参考訳(メタデータ) (2022-12-22T14:26:11Z) - Learning to Price Supply Chain Contracts against a Learning Retailer [3.7814216736076434]
データ駆動型サプライヤが直面するサプライチェーン契約設計問題について検討する。
サプライヤーも小売業者も市場の需要について不透明だ。
これらすべてのケースにおいて、私たちの価格ポリシーがサブリニアな後悔の限界につながることが示されています。
論文 参考訳(メタデータ) (2022-11-02T04:00:47Z) - KnowGraph-PM: a Knowledge Graph based Pricing Model for Semiconductors
Supply Chains [0.0]
KnowGraph-PMは知識グラフベースの動的価格モデルである。
価格変動は顧客との対立を引き起こす可能性がある。
セマンティックデータの統合によって、顧客に適した収益管理が可能になることを実証する。
論文 参考訳(メタデータ) (2022-05-13T10:34:57Z) - Online Learning in Fisher Markets with Unknown Agent Preferences [12.06012129084933]
フィッシャー市場では、エージェント(利用者)は、公共事業を最大化する商品を購入するために(人工的な)通貨の予算を使う。
我々は,ユーザのプライバシを保ちながら,後悔とキャパシティ違反を犯すような,シンプルで効果的なアルゴリズムを開発した。
論文 参考訳(メタデータ) (2022-04-27T05:03:45Z) - Learning Dynamic Mechanisms in Unknown Environments: A Reinforcement
Learning Approach [130.9259586568977]
本稿では,複数ラウンドの対話を通して動的ビックレー・クラーク・グローブ(VCG)機構を回復するための新しい学習アルゴリズムを提案する。
当社のアプローチの重要な貢献は、報酬のないオンライン強化学習(RL)を取り入れて、リッチな政策分野の探索を支援することである。
論文 参考訳(メタデータ) (2022-02-25T16:17:23Z) - Convex Loss Functions for Contextual Pricing with Observational
Posted-Price Data [2.538209532048867]
我々は、販売者が以前に提供された価格のサンプルにアクセス可能な、政治的でない価格問題について検討する。
これは、顧客の評価(支払いの意志)のサンプルが観察される、よく研究された設定とは対照的である。
我々の設定では、観測されたデータは歴史的価格政策の影響を受けており、顧客が代替価格にどう反応したかは分かっていません。
論文 参考訳(メタデータ) (2022-02-16T22:35:39Z) - Inducing Equilibria via Incentives: Simultaneous Design-and-Play Finds
Global Optima [114.31577038081026]
本稿では,デザイナーとエージェントの問題を同時に1ループで解くための効率的な手法を提案する。
設計者は平衡問題を何度も解決しないが、エージェントに対するインセンティブの全体的な影響を予測できる。
このアルゴリズムは,幅広い種類のゲームに対して,サブ線形速度で大域的最適値に収束することを示す。
論文 参考訳(メタデータ) (2021-10-04T06:53:59Z) - The Variational Bandwidth Bottleneck: Stochastic Evaluation on an
Information Budget [164.65771897804404]
多くのアプリケーションにおいて、複雑な入力データから関連する情報のみを抽出することが望ましい。
情報ボトルネック法は、これを情報理論最適化問題として定式化する。
本稿では,特権情報の推定値について,各例について決定する帯域幅のばらつきボトルネックを提案する。
論文 参考訳(メタデータ) (2020-04-24T18:29:31Z) - VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit
Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。
まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。
当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文 参考訳(メタデータ) (2020-04-19T18:00:58Z)
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。