論文の概要: Fairness-aware Contextual Dynamic Pricing with Strategic Buyers
- arxiv url: http://arxiv.org/abs/2501.15338v1
- Date: Sat, 25 Jan 2025 22:30:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 13:58:16.317949
- Title: Fairness-aware Contextual Dynamic Pricing with Strategic Buyers
- Title（参考訳）: ストラテジックバイヤーによる公正なコンテキスト動的価格設定
- Authors: Pangpang Liu, Will Wei Sun,
- Abstract要約: 本稿では,価格の公平性を同時に達成し,戦略的行動を阻害する動的価格政策を提案する。
我々のポリシーは、$O(sqrt+H(T))$ regret over $T$ time horizons という上限を達成する。
我々はまた、我々の問題設定の下で、いかなる価格ポリシーの低い限界を後悔する$Omega(sqrtT)を証明します。
- 参考スコア（独自算出の注目度）: 4.883313216485195
- License:
- Abstract: Contextual pricing strategies are prevalent in online retailing, where the seller adjusts prices based on products' attributes and buyers' characteristics. Although such strategies can enhance seller's profits, they raise concerns about fairness when significant price disparities emerge among specific groups, such as gender or race. These disparities can lead to adverse perceptions of fairness among buyers and may even violate the law and regulation. In contrast, price differences can incentivize disadvantaged buyers to strategically manipulate their group identity to obtain a lower price. In this paper, we investigate contextual dynamic pricing with fairness constraints, taking into account buyers' strategic behaviors when their group status is private and unobservable from the seller. We propose a dynamic pricing policy that simultaneously achieves price fairness and discourages strategic behaviors. Our policy achieves an upper bound of $O(\sqrt{T}+H(T))$ regret over $T$ time horizons, where the term $H(T)$ arises from buyers' assessment of the fairness of the pricing policy based on their learned price difference. When buyers are able to learn the fairness of the price policy, this upper bound reduces to $O(\sqrt{T})$. We also prove an $\Omega(\sqrt{T})$ regret lower bound of any pricing policy under our problem setting. We support our findings with extensive experimental evidence, showcasing our policy's effectiveness. In our real data analysis, we observe the existence of price discrimination against race in the loan application even after accounting for other contextual information. Our proposed pricing policy demonstrates a significant improvement, achieving 35.06% reduction in regret compared to the benchmark policy.
- Abstract（参考訳）: 商品の属性と購入者の特性に基づいて価格を調整するオンライン小売では、コンテキスト価格戦略が一般的である。
このような戦略は売り手の利益を高めることができるが、性別や人種など特定のグループ間で大きな価格格差が生じたとき、公正を懸念する。
これらの格差は、購入者の間で公正に対する悪影響を生じさせ、法律や規制に違反する恐れがある。
対照的に、価格差は不利な買い手に対して、グループアイデンティティを戦略的に操作してより低価格にすることができる。
本稿では,グループ状態が非公開であり,販売者から観測不能である場合に,購入者の戦略的行動を考慮した文脈的動的価格設定について検討する。
本稿では,価格の公平性を同時に達成し,戦略的行動を阻害する動的価格政策を提案する。
我々の政策は、$O(\sqrt{T}+H(T))$ regret over $T$ time horizons, where $H(T)$という用語は、購入者が学習した価格差に基づいて価格ポリシーの公正性を評価することから生じる。
購入者が価格ポリシーの公正性を学ぶことができれば、この上限は$O(\sqrt{T})$に下げられる。
我々はまた、我々の問題設定の下での価格政策の低限界を後悔する$\Omega(\sqrt{T})を証明した。
我々は、我々の政策の有効性を示す広範な実験的な証拠で、我々の研究結果を支持している。
実データ分析では,他の文脈情報を考慮に入れた上でも,ローンアプリケーションにおける価格差別の存在を観察する。
提案した価格政策は, ベンチマーク政策と比較して35.06%の償却率を達成し, 大幅な改善を図っている。
関連論文リスト
- Multi-Task Dynamic Pricing in Credit Market with Contextual Information [10.407593835994433]
我々は、信用市場において多数の金融証券を購入し販売するブローカーが直面する動的価格問題について検討する。
これらの証券の価格設定の課題の1つは、頻度の低い取引であり、個別の価格設定に不十分なデータをもたらす。
本稿では、これらの共有構造を証券間で活用し、学習による価格の精度を高めるマルチタスク動的価格設定フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-18T19:37:36Z) - A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。
各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。
実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
論文 参考訳（メタデータ） (2024-07-08T09:55:31Z) - Pricing with Contextual Elasticity and Heteroscedastic Valuation [23.96777734246062]
我々は、顧客がその特徴と価格に基づいて商品を購入するかどうかを決めるオンラインコンテキスト動的価格問題について検討する。
本稿では,機能に基づく価格弾力性の導入により,顧客の期待する需要をモデル化する新たなアプローチを提案する。
我々の結果は、文脈的弾力性とヘテロセダスティックな評価の関係に光を当て、効果的で実用的な価格戦略の洞察を与えました。
論文 参考訳（メタデータ） (2023-12-26T11:07:37Z) - Contextual Dynamic Pricing with Strategic Buyers [93.97401997137564]
戦略的買い手によるコンテキスト動的価格問題について検討する。
売り手は買い手の真の特徴を観察せず、買い手の戦略行動に応じて操作された特徴を観察する。
本稿では,販売者の累積収益を最大化するために,購入者の戦略的行動をオンライン学習に取り入れた戦略的動的価格政策を提案する。
論文 参考訳（メタデータ） (2023-07-08T23:06:42Z) - Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。
我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。
提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文 参考訳（メタデータ） (2023-03-28T00:23:23Z) - Autoregressive Bandits [58.46584210388307]
本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。
報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。
次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
論文 参考訳（メタデータ） (2022-12-12T21:37:36Z) - Fairness-aware Online Price Discrimination with Nonparametric Demand
Models [13.46602731592102]
本稿では,公平性制約下での動的識別価格の問題について検討する。
本稿では,厳格な価格公正性制約を強制する,後悔に関する最適動的価格政策を提案する。
論文 参考訳（メタデータ） (2021-11-16T04:31:02Z) - 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) - Dynamic Incentive-aware Learning: Robust Pricing in Contextual Auctions [13.234975857626752]
我々は、文脈的な第2価格オークションにおいて、戦略的買い手に対する準備価格の堅牢な学習の問題を考察する。
このような戦略的行動に頑健な学習方針を提案する。
論文 参考訳（メタデータ） (2020-02-25T19:00:29Z) - Adversarial Attacks on Linear Contextual Bandits [87.08004581867537]
悪意のあるエージェントは、望ましい行動を実行するためにバンディットアルゴリズムを攻撃するインセンティブを持つ可能性がある。
悪意のあるエージェントは、線形コンテキストのバンドイットアルゴリズムに任意のアーム$T - o(T)$倍を$T$ステップで引き出すように強制することができる。
また,悪意のあるエージェントが単一コンテキストにおける帯域幅アルゴリズムの動作に影響を与えることに関心がある場合についても検討する。
論文 参考訳（メタデータ） (2020-02-10T15:04:09Z)
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。