論文の概要: To AI or not to AI, to Buy Local or not to Buy Local: A Mathematical
Theory of Real Price
- arxiv url: http://arxiv.org/abs/2305.05134v1
- Date: Tue, 9 May 2023 02:43:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 19:50:39.060579
- Title: To AI or not to AI, to Buy Local or not to Buy Local: A Mathematical
Theory of Real Price
- Title(参考訳): AIに、AIに、ローカルに買うか、ローカルに買わないか:真価の数学的理論
- Authors: Huan Cai, Catherine Xu and Weiyu Xu
- Abstract要約: 我々は,エージェントの最適大域的対局所的消費を決定する実価格の数学的理論を確立する。
製品やサービスの実際の価格は、関連するマルコフ連鎖行列から決定できることを示す。
確立された実価格の数学的理論は、特定の人工知能技術を採用するかどうかを決定するために用いられる。
- 参考スコア(独自算出の注目度): 9.195729979000404
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the past several decades, the world's economy has become increasingly
globalized. On the other hand, there are also ideas advocating the practice of
``buy local'', by which people buy locally produced goods and services rather
than those produced farther away. In this paper, we establish a mathematical
theory of real price that determines the optimal global versus local spending
of an agent which achieves the agent's optimal tradeoff between spending and
obtained utility. Our theory of real price depends on the asymptotic analysis
of a Markov chain transition probability matrix related to the network of
producers and consumers. We show that the real price of a product or service
can be determined from the involved Markov chain matrix, and can be
dramatically different from the product's label price. In particular, we show
that the label prices of products and services are often not ``real'' or
directly ``useful'': given two products offering the same myopic utility, the
one with lower label price may not necessarily offer better asymptotic utility.
This theory shows that the globality or locality of the products and services
does have different impacts on the spending-utility tradeoff of a customer. The
established mathematical theory of real price can be used to determine whether
to adopt or not to adopt certain artificial intelligence (AI) technologies from
an economic perspective.
- Abstract(参考訳): 過去数十年間、世界の経済はますますグローバル化してきた。
一方、地元で生産される商品やサービスを遠くから購入する「ブイ・ローカル」の実践を提唱する考え方もある。
本稿では,エージェントの支出と得られる効用との最適トレードオフを達成するエージェントの最適グローバル対局所的支出を決定する実価格の数学的理論を定式化する。
我々の実価格理論は、生産者と消費者のネットワークに関連するマルコフ連鎖遷移確率行列の漸近解析に依存する。
製品やサービスの実際の価格は、関連するマルコフ連鎖行列から決定でき、製品のラベル価格と劇的に異なる可能性があることを示す。
特に、製品やサービスのラベル価格は、しばしば'real'や'useful'ではなく、同じミオピックユーティリティを提供する2つの製品の場合、ラベル価格の低い製品は、必ずしもより良い漸近ユーティリティを提供するとは限らない。
この理論は、製品やサービスのグローバル性やローカリティが、顧客の消費ユーティリティトレードオフに異なる影響を与えることを示している。
現実価格に関する確立された数学的理論は、経済的な観点から特定の人工知能(AI)技術を採用するかどうかを決定するために用いられる。
関連論文リスト
- Optimal Automated Market Makers: Differentiable Economics and Strong
Duality [22.943723387429678]
複数の商品の存在下での最適な市場形成はよく理解されていない。
最適な市場メーカを見つけることは、最適な輸送問題と双対であることを示します。
より複雑な振る舞いを示す設定において最適メカニズムの予想を示す。
論文 参考訳(メタデータ) (2024-02-14T12:27:54Z) - No Bidding, No Regret: Pairwise-Feedback Mechanisms for Digital Goods
and Data Auctions [14.87136964827431]
本研究は, 一般的な繰り返しオークション設定に対処する新しいメカニズムを提案する。
メカニズムの新規性は、入札者から情報を引き出すためにペアワイズ比較を使用することにある。
ヒューマンファクターに焦点が当てられていることは、よりヒューマン・アウェアで効率的なメカニズム設計の発展に寄与する。
論文 参考訳(メタデータ) (2023-06-02T18:29:07Z) - 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) - Towards Revenue Maximization with Popular and Profitable Products [69.21810902381009]
企業マーケティングの共通のゴールは、様々な効果的なマーケティング戦略を活用することで、収益/利益を最大化することである。
商品の収益性に関する信頼性のある情報を見つけることは、ほとんどの製品が一定の時期にピークを迎える傾向があるため困難である。
本稿では、経済行動に基づく収益問題に対処し、ターゲットマーケティングのための0n-shelf Popular and most Profitable Products(OPPPs)を実行するための一般的な利益志向の枠組みを提案する。
論文 参考訳(メタデータ) (2022-02-26T02:07:25Z) - Regulatory Instruments for Fair Personalized Pricing [34.986747852934634]
規制制約下での利益最大化独占の最適価格戦略と、消費者余剰・生産余剰・社会福祉への影響について検討する。
我々の発見と洞察は、デジタル時代における独占化ビジネスの規制政策設計に光を当てた。
論文 参考訳(メタデータ) (2022-02-09T03:07:08Z) - Finding General Equilibria in Many-Agent Economic Simulations Using Deep
Reinforcement Learning [72.23843557783533]
本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。
私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。
当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
論文 参考訳(メタデータ) (2022-01-03T17:00:17Z) - The AI Economist: Optimal Economic Policy Design via Two-level Deep
Reinforcement Learning [126.37520136341094]
機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。
AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。
単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
論文 参考訳(メタデータ) (2021-08-05T17:42:35Z) - Online Learning of Competitive Equilibria in Exchange Economies [94.24357018178867]
経済学では、複数の有理エージェント間の資源不足の共有は古典的な問題である。
エージェントの好みを学習するためのオンライン学習機構を提案する。
数値シミュレーションにより,本機構の有効性を実証する。
論文 参考訳(メタデータ) (2021-06-11T21:32:17Z) - Model Distillation for Revenue Optimization: Interpretable Personalized
Pricing [8.07517029746865]
我々は、複雑なブラックボックス機械学習アルゴリズムから知識を抽出する、カスタマイズされた、規範的なツリーベースアルゴリズムを提案する。
同様のバリュエーションで顧客を分割し、解釈可能性を維持しながら収益を最大化するような価格を定めている。
論文 参考訳(メタデータ) (2020-07-03T18:33:23Z) - 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) - Cost-Sensitive Portfolio Selection via Deep Reinforcement Learning [100.73223416589596]
深層強化学習を用いたコスト依存型ポートフォリオ選択手法を提案する。
具体的には、価格系列パターンと資産相関の両方を抽出するために、新しい2ストリームポートフォリオポリシーネットワークを考案した。
蓄積したリターンを最大化し、強化学習によるコストの両立を抑えるため、新たなコスト感受性報酬関数が開発された。
論文 参考訳(メタデータ) (2020-03-06T06:28:17Z)
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。