論文の概要: Fairness Incentives in Response to Unfair Dynamic Pricing

• arxiv url: http://arxiv.org/abs/2404.14620v1
• Date: Mon, 22 Apr 2024 23:12:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-24 15:50:59.362100
• Title: Fairness Incentives in Response to Unfair Dynamic Pricing
• Title（参考訳）: 不公平な動的価格に対するフェアネスインセンティブ
• Authors: Jesse Thibodeau, Hadi Nekoei, Afaf Taïk, Janarthanan Rajendran, Golnoosh Farnadi,
• Abstract要約: 我々は基本的な模擬経済を設計し、公正な価格設定の行動を採用するよう企業にインセンティブを与えるために法人税のスケジュールを作成する。 可能な政策シナリオを網羅するため、我々は、ソーシャルプランナーの学習問題を、マルチアームバンディット、コンテキストバンディット、およびフル強化学習(RL)問題として定式化する。 社会的福祉はフェアネス非依存ベースラインのそれよりも改善し,マルチアームおよびコンテキストバンディット設定のための分析学的に最適なフェアネス対応ベースラインにアプローチすることを発見した。
• 参考スコア（独自算出の注目度）: 7.991187769447732
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of dynamic pricing by profit-maximizing firms gives rise to demand fairness concerns, measured by discrepancies in consumer groups' demand responses to a given pricing strategy. Notably, dynamic pricing may result in buyer distributions unreflective of those of the underlying population, which can be problematic in markets where fair representation is socially desirable. To address this, policy makers might leverage tools such as taxation and subsidy to adapt policy mechanisms dependent upon their social objective. In this paper, we explore the potential for AI methods to assist such intervention strategies. To this end, we design a basic simulated economy, wherein we introduce a dynamic social planner (SP) to generate corporate taxation schedules geared to incentivizing firms towards adopting fair pricing behaviours, and to use the collected tax budget to subsidize consumption among underrepresented groups. To cover a range of possible policy scenarios, we formulate our social planner's learning problem as a multi-armed bandit, a contextual bandit and finally as a full reinforcement learning (RL) problem, evaluating welfare outcomes from each case. To alleviate the difficulty in retaining meaningful tax rates that apply to less frequently occurring brackets, we introduce FairReplayBuffer, which ensures that our RL agent samples experiences uniformly across a discretized fairness space. We find that, upon deploying a learned tax and redistribution policy, social welfare improves on that of the fairness-agnostic baseline, and approaches that of the analytically optimal fairness-aware baseline for the multi-armed and contextual bandit settings, and surpassing it by 13.19% in the full RL setting.
• Abstract（参考訳）: 収益を最大化する企業による動的価格設定の使用は、所定の価格戦略に対する消費者グループの需要反応の相違によって測定される需要公正性の懸念を引き起こす。 特に、ダイナミックな価格設定によって、買い手の分布は、社会的にフェアな表現が望ましい市場において問題となる、下位の人口の分布を反映しない可能性がある。 これを解決するために、政策立案者は課税や補助金などのツールを活用して、彼らの社会的目的に依存した政策機構を適用することができる。 本稿では,このような介入戦略を支援するAI手法の可能性を検討する。 この目的のために、我々は、企業に対して公正な価格設定の行動の導入を奨励するための法人課税スケジュールを作成するためのダイナミックなソーシャルプランナー(SP)を導入し、また、収集した税予算を用いて、過小評価グループ間の消費を補助する、基本的なシミュレート経済を設計する。 様々な政策シナリオを網羅するため,我々は,社会プランナーの学習問題を多武器の盗賊,文脈の盗賊,そして最後に全強化学習(RL)問題として定式化し,各事例の福祉効果を評価する。 発生頻度の低いブラケットに適用される有意義な税率を維持することの難しさを軽減するため,我々はFairReplayBufferを紹介した。 その結果、学習税・再分配政策の展開により、社会福祉は公正非依存ベースラインを改良し、多国間・文脈的バンディット設定において分析的に最適な公正対応ベースラインに近づき、フルRL設定で13.19%超えていることがわかった。

関連論文リスト

• Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
  競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。 競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
  論文  参考訳（メタデータ） (2024-05-31T19:26:05Z)
• Utility Fairness in Contextual Dynamic Pricing with Demand Learning [23.26236046836737]
  本稿では,ユーティリティフェアネス制約下でのパーソナライズされた価格設定のための新しいコンテキスト帯域幅アルゴリズムを提案する。 動的価格設定と需要学習を取り入れた当社のアプローチは,価格戦略における公正性の重要課題に対処する。
  論文  参考訳（メタデータ） (2023-11-28T05:19:23Z)
• Insurance pricing on price comparison websites via reinforcement learning [7.023335262537794]
  本稿では,モデルベースとモデルフリーの手法を統合することで,最適価格政策を学習する強化学習フレームワークを提案する。 また、オフラインデータセットを一貫した方法で価格ポリシーを評価することの重要性を強調した。
  論文  参考訳（メタデータ） (2023-08-14T04:44:56Z)
• Social Diversity Reduces the Complexity and Cost of Fostering Fairness [63.70639083665108]
  不完全な情報や公平性の柔軟な基準を前提とした干渉機構の効果について検討する。 多様性の役割を定量化し、情報収集の必要性を減らす方法を示す。 この結果から,多様性が変化し,公正性向上を目指す機関に新たなメカニズムが開放されることが示唆された。
  論文  参考訳（メタデータ） (2022-11-18T21:58:35Z)
• Algorithmic Fairness and Vertical Equity: Income Fairness with IRS Tax Audit Models [73.24381010980606]
  本研究は、IRSによる税務監査選択を通知するシステムの文脈におけるアルゴリズムフェアネスの問題について検討する。 監査を選択するための柔軟な機械学習手法が、垂直エクイティにどのように影響するかを示す。 この結果は,公共セクター全体でのアルゴリズムツールの設計に影響を及ぼす。
  論文  参考訳（メタデータ） (2022-06-20T16:27:06Z)
• 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)
• Achieving Counterfactual Fairness for Causal Bandit [18.077963117600785]
  期待される報酬を最大化するために、各ステップでアイテムを推薦する方法を研究します。 次に, 対実的個人的公正性を達成するためのフェア因果バンドイット(F-UCB)を提案する。
  論文  参考訳（メタデータ） (2021-09-21T23:44:48Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
  顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。 選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
  論文  参考訳（メタデータ） (2020-12-21T01:01:56Z)
• Learning Fair Policies in Multiobjective (Deep) Reinforcement Learning with Average and Discounted Rewards [15.082715993594121]
  利用者を公平に扱う政策を学習することの問題点について検討する。 本稿では、公正性の概念を符号化する目的関数を最適化する、この新しいRL問題を定式化する。 いくつかの古典的深部RLアルゴリズムが、我々の公正な最適化問題にどのように適応できるかを述べる。
  論文  参考訳（メタデータ） (2020-08-18T07:17:53Z)
• The AI Economist: Improving Equality and Productivity with AI-Driven Tax Policies [119.07163415116686]
  我々は、経済的平等と生産性を効果的にトレードオフできる税制政策を発見する社会プランナーを訓練する。 競争圧力と市場ダイナミクスを特徴とする経済シミュレーション環境を提案する。 AI主導の税政策は、基本方針よりも平等と生産性のトレードオフを16%改善することを示します。
  論文  参考訳（メタデータ） (2020-04-28T06:57:18Z)

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。