論文の概要: The Value of Information in Resource-Constrained Pricing
- arxiv url: http://arxiv.org/abs/2603.24974v1
- Date: Thu, 26 Mar 2026 03:06:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:48.071308
- Title: The Value of Information in Resource-Constrained Pricing
- Title（参考訳）: 資源制約価格における情報の価値
- Authors: Ruicheng Ao, Jiashuo Jiang, David Simchi-Levi,
- Abstract要約: ハードキャパシティの制約の下では、不正確な予測に作用することで、将来の期間に必要な在庫を不可逆的に減少させることができる。
本研究では,予測の不確実性が線形需要,雑音,有限容量の動的価格決定にどのように伝播するかを検討する。
すべてのアルゴリズムは、キャパシティ境界付近の価格を安定化する境界アトラクション機構に依存している。
- 参考スコア（独自算出の注目度）: 17.844881458673267
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Firms that price perishable resources -- airline seats, hotel rooms, seasonal inventory -- now routinely use demand predictions, but these predictions vary widely in quality. Under hard capacity constraints, acting on an inaccurate prediction can irreversibly deplete inventory needed for future periods. We study how prediction uncertainty propagates into dynamic pricing decisions with linear demand, stochastic noise, and finite capacity. A certified demand forecast with known error bound~$ε^0$ specifies where the system should operate: it shifts regret from $O(\sqrt{T})$ to $O(\log T)$ when $ε^0 \lesssim T^{-1/4}$, and we prove this threshold is tight. A misspecified surrogate model -- biased but correlated with true demand -- cannot set prices directly but reduces learning variance by a factor of $(1-ρ^2)$ through control variates. The two mechanisms compose: the forecast determines the regret regime; the surrogate tightens estimation within it. All algorithms rest on a boundary attraction mechanism that stabilizes pricing near degenerate capacity boundaries without requiring non-degeneracy assumptions. Experiments confirm the phase transition threshold, the variance reduction from surrogates, and robustness across problem instances.
- Abstract（参考訳）: 航空会社の座席やホテルの部屋、季節別在庫など、生鮮資源を値下げする企業では、需要予測が日常的に行われているが、こうした予測は質的に大きく異なる。
ハードキャパシティの制約の下では、不正確な予測に作用することで、将来の期間に必要な在庫を不可逆的に減少させることができる。
本研究では,予測の不確実性が線形需要,確率ノイズ,有限容量といった動的価格決定にどのように伝播するかを検討する。
既知のエラー境界~$ε^0$は、システムが動作すべき場所を特定する:$O(\sqrt{T})$から$O(\log T)$へ、$ε^0 \lesssim T^{-1/4}$へ移行する。
偏りがあるが真の需要と相関する間違ったサロゲートモデルでは、直接価格を設定することはできないが、制御変数による1-ρ^2)$の学習分散を減少させる。
この2つのメカニズムは、予測が後悔の体制を決定すること、サロゲートがその内部の見積もりを締め付けることである。
すべてのアルゴリズムは、非退化仮定を必要とせずに、退化容量境界付近の価格を安定化する境界アトラクション機構に依存している。
実験では、相転移閾値、置換体からの分散低減、問題インスタンス間の堅牢性が確認された。
関連論文リスト
- Monitoring State Transitions in Markovian Systems with Sampling Cost [65.4151496405543]
自然なアプローチは、予想される予測損失がクエリコスト以下で、クエリがなければいつ発生するかを予測する、欲張りのポリシーである。
最適(OPT)戦略は状態依存のしきい値ポリシである。
遷移確率が未知の場合、我々は、グレディポリシーの予測勾配降下(PSGD)に基づく学習変種を提案する。
論文 参考訳（メタデータ） (2025-10-25T15:07:37Z) - Regression-Based Estimation of Causal Effects in the Presence of Selection Bias and Confounding [52.1068936424622]
治療が介入によって設定された場合、対象変数$Y$に対して、予測因果効果$E[Y|do(X)]$を推定する問題を考える。
選択バイアスや欠点のない設定では、$E[Y|do(X)] = E[Y|X]$ となる。
選択バイアスとコンバウンディングの両方を組み込んだフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-26T13:43:37Z) - Decision from Suboptimal Classifiers: Excess Risk Pre- and Post-Calibration [52.70324949884702]
バッチ二分決定における近似的後続確率を用いた余剰リスクの定量化を行う。
我々は、再校正のみが後悔のほとんどに対処する体制と、後悔が集団的損失に支配される体制を識別する。
NLP実験では、これらの量によって、より高度なポストトレーニングの期待値が運用コストに値するかどうかが分かる。
論文 参考訳（メタデータ） (2025-03-23T10:52:36Z) - Truthfulness of Decision-Theoretic Calibration Measures [5.414308305392762]
サブサンプリングステップキャリブレーションと呼ばれる新たなキャリブレーション尺度である$mathsfStepCEtextsfsub$を導入する。
特に、任意の積分布において、$mathsfStepCEtextsfsub$は$O(1)$ factorまで真であるのに対し、事前決定理論の校正策は$e-Omega(T)$-$Omega(sqrtT)$ truthfulness gapに苦しむ。
論文 参考訳（メタデータ） (2025-03-04T08:20:10Z) - Mind the Gap: A Causal Perspective on Bias Amplification in Prediction & Decision-Making [58.06306331390586]
本稿では,閾値演算による予測値がS$変化の程度を測るマージン補数の概念を導入する。
適切な因果仮定の下では、予測スコア$S$に対する$X$の影響は、真の結果$Y$に対する$X$の影響に等しいことを示す。
論文 参考訳（メタデータ） (2024-05-24T11:22:19Z) - A novel decision fusion approach for sale price prediction using Elastic Net and MOPSO [0.0]
価格予測アルゴリズムは、市場動向、予測された需要、その他の特性に応じて、すべての製品またはサービスの価格を提案する。
価格予測における依存変数として、いくつかの独立変数および相関変数に影響される。
本研究では,価格予測において情報変数を選択するための新たな意思決定レベル融合手法を提案する。
論文 参考訳（メタデータ） (2024-03-29T07:59:33Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-08-18T16:21:15Z) - Decision-Making under Miscalibration [14.762226638396209]
MLベースの予測は、個人について連続的な決定を伝えるために使用される。
予想される$alpha$の誤校正を前提に、最悪の場合の後悔を最小限に抑えるしきい値である$j$を使うことを提案する。
予測校正誤差と最大校正誤差の両方を用いて誤校正が測定された場合、$j$の閉形式式を提供する。
実データに関する理論的知見を検証し,j$を用いた意思決定が臨床的有用性を改善する自然な事例があることを実証した。
論文 参考訳（メタデータ） (2022-03-18T10:44:11Z)
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。