Beyond Price-Taker: Multiscale Optimization of Wind and Battery Integrated Energy Systems
该研究针对风电与电池集成能源系统，指出传统价格接受者模型会高估收益与净现值，提出多尺度优化方法并验证其准确性，强调突破该假设对储能容量配置和技术经济分析的重要性。
2024-10-09 math.OC
Revisiting the use of Robust Optimization for optimal energy offering under price uncertainty
针对发电公司在考虑市场价格不确定性的情况下，为使其利润最大化而建立机组报价曲线的发电公司能量报价问题，提出了一种新的鲁棒最优化方法。我们的研究是由对[Baringo and Conejo，2011]中提出的另一种鲁棒最优化方法的批评所激发的，该方法需要解决一系列鲁棒最优化问题，这些问题施加了充分的保护，并定义在市场价格的一系列嵌套子区间上：该方法存在许多问题，这些问题可能严重限制其实际应用和计算效率，公司的风险，提出提供曲线，导致次优，甚至不可行的接受报价。为了解决所有这些问题，我们的方法提供了解决一个单一的强大的对手，考虑零和完全保护之间的中间保护水平，并以零价格提供能源，实际上消除了不接受的风险。对工业合作伙伴提供的实例的计算结果表明，我们的新方法能够在利润上有很大的提高。
2016-02-11 math.OC
A Stochastic Programming Model for Anticipative Planning of Integrated Electricity and Gas Systems with Bidirectional Energy Flows under Fuel and CO2 Price Uncertainty
University of Bergamo（贝加莫大学）；CESI
针对燃料与CO₂价格不确定性下的电-气综合系统规划问题，提出含双向能量流的两阶段多时段随机规划模型，结合Benders分解求解，经意大利案例验证可提升规划可靠性并降低总成本。
2025-05-21 math.OC
Stochastic Approach for Price Optimization Problems with Decision-dependent Uncertainty
针对需求不确定性依赖于价格的价格优化问题，提出一种通用非凸随机优化方法，通过推导无偏随机梯度估计器并结合投影随机梯度下降寻找稳定点，实验证明其能获得比基线更高的总收入。
2024-01-03 math.OC
Strike Price Optimization for ISO New England's Day-Ahead Ancillary Services
Operations Research Center, Massachusetts Institute of Technology（麻省理工学院操作研究中心）；MIT Sloan School of Management（麻省理工学院斯隆管理学院）；ISO New England（新英格兰独立系统运营商）
针对ISO-NE日前辅助服务行权价格的效率-可靠性权衡问题，开发优化框架，利用条件价格分布推导下界证明，提出基于阈值计算的精确解法，发现高热耗率燃气轮机更可能制约行权价格选择。
2026-09-01 math.OC
Walrasian Equilibrium and Centralized Distributed Optimization from the point of view of Modern Convex Optimization Methods on the Example of Resource Allocation Problem
我们考虑资源分配问题及其数值解。论证了以下结构：1）确定均衡的瓦尔拉斯价格调整机制; 2）价格的分散作用; 3）斯莱特的价格限制方法（双拉格朗日乘数）; 4）确定均衡价格的新机制，其中价格不是由中央（政府）完全控制，而是由经济主体--节点（工厂）控制。在经济文献中，所考虑的方法的收敛性仅被证明。与此相反，本文提供了一个准确的分析的收敛速度所描述的程序，以确定平衡。分析是基于原始对偶性质的建议算法。更准确地说，在这篇文章中，我们提出了经济的解释以下数值原始-对偶方法的凸优化：二分法和次梯度投影方法。最后进行了数值实验。
2019-02-11 math.OC
Short-term Forecasting of Price-responsive Loads Using Inverse Optimization
我们考虑的问题，预测总需求的价格敏感的电力消费者的池。聚合的价格响应通过最优化问题来建模，该最优化问题的特征在于一组边际效用曲线以及最小和最大功耗限制。估计这些参数的任务是解决使用广义逆优化方案，反过来，需要解决一个非凸的数学规划。我们介绍了一种解决方法，克服了非凸性，而不是解决两个线性问题的惩罚项，这是统计调整使用交叉验证算法。拟议的方法是数据驱动的，并利用时间和天气变量等回归变量的信息来说明参数估计值的变化。对一组建筑物内的供暖、通风和空调系统的电力负荷进行了模拟，结果表明，所提出的模型可以成功地捕捉到该组的总需求，使其适合于短期预测的目的。
2016-07-25 math.OC
Shadow price of information in discrete time stochastic optimization
信息的影子价格在随机最优化中起着核心作用，自从它在70年代中期被Rockafellar和Wets引入以来。本文研究了这一概念的推广形式，并给出了它存在的放松的充分条件。我们允许一般适应的决策策略，这使人们能够建立解决方案的存在性和缺乏一个二元差距，例如在金融数学的各种问题，通常的有界性假设失败。作为应用，我们计算了整泛函的共轭和次微分以及正规被积函数的条件期望。我们还给出了一般动态规划递归的一个对偶形式，它刻画了信息的影子价格。
2016-01-20 math.OC math.PR
Distributed event-triggered aggregative optimization with applications to price-based energy management
本文针对基于价格的能源管理中的分布式聚合优化问题，提出一种结合梯度动力学与动态平均一致性估计器的双时间尺度连续时间算法，证明其指数收敛性，并研究了事件触发通信实现，通过分布式能源管理仿真验证了方法的有效性。
2023-09-25 math.OC
Price and Assortment Optimization under the Multinomial Logit Model with Opaque Products
Cornell Tech, Cornell University（康奈尔理工学院，康奈尔大学）；Columbia University（哥伦比亚大学）
研究在具有不透明产品的多项logit模型下的价格与产品组合优化问题，证明价格优化时统一定价最优，产品组合优化方面，给出不同情况下最优产品组合的特点及按收入和估值嵌套的启发式方法并验证其有效性。
2026-07-10 math.OC
Elasticity Based Demand Forecasting and Price Optimization for Online Retail
我们研究了一个在线零售商的问题，他们观察产品的单位销售量，并动态地改变零售价格，以最大化预期收入。假设产品的需求对价格敏感，我们感兴趣的是当未来需求不确定时的最优定价政策。我们建立了一个系统来研究零售价格和需求之间的关系，并估计需求函数。该系统预测给定零售价格下的需求和收入。我们制定了一个收入最大化问题，在离散有限的时间范围内离散的零售价格。基于预测的需求和收入值求解最优定价策略。通过计算实验，我们研究了最优定价策略对库存管理的影响。
2021-06-16 cs.CE cs.SY eess.SY
A primal-dual price-optimization method for computing equilibrium prices in mean-field games models
本文提出一种拉格朗日原始-对偶梯度算法，用于计算平均场博弈价格形成模型中的均衡价格，利用自动微分技术实现高效灵活的模块化计算，可扩展至高维复杂设置且无需手动推导伴随方程。
2025-09-16 cs.NA econ.TH math.NA
Randomized Robust Price Optimization
针对鲁棒多产品定价问题，本文提出随机鲁棒价格优化方法，通过指定价格向量分布最大化最坏收益，给出离散候选集最优随机化方案，在真实零售数据集上最坏收益提升达92%且样本外收益更高。
2025-02-14 math.OC
The Integrated Vehicle and Pollster Routing Problem
Escuela Politécnica Nacional（国立理工学院）；King’s College London（伦敦国王学院）
针对厄瓜多尔统计局价格调查的人员与车辆调度需求，提出集成车辆与调查员路径问题，构建整数规划模型并设计三阶段算法，经真实算例验证有效。
2026-08-20 math.CO math.OC
Portfolio optimization in incomplete markets and price constraints determined by maximum entropy in the mean
针对不完全市场中投资组合优化受价格约束的问题，提出用均值最大熵法从买卖价差数据调整扭曲函数以确定资产价格，满足成本约束，数值实验验证了其对组合收益的影响。
2025-07-03 math.OC q-fin.CP q-fin.PM
Revenue Management Under the Markov Chain Choice Model with Joint Price and Assortment Decisions
寻找最优的产品价格和产品组合是收益管理中的两个基本问题。通常情况下，卖方需要共同确定价格和分类，同时管理容量有限的资源网络。然而，目前还没有一种简单易行的方法来有效地解决这样的问题。现有的研究静态联合优化的价格和品种不能考虑资源约束。然后，我们研究的收益管理问题的资源约束和价格的界限，其中的价格和产品销售需要共同确定随着时间的推移。我们表明，在马尔可夫链（MC）选择模型（它包含了多项罗吉特（MNL）模型），我们可以重新选择为基础的联合最优化问题作为一个易于处理的凸二次曲线最优化问题。我们还证明了一个最优解与一个恒定的价格向量存在，即使资源的约束。此外，当不存在资源约束时，同时具有固定分类和价格向量的解决方案可能是最优的。
2022-04-10 econ.EM math.OC
Certainty Equivalent and Utility Indifference Pricing for Incomplete Preferences via Convex Vector Optimization
对于不完整的偏好关系，表示由多个先验和/或多个-可能是多变量-效用函数，我们定义了一个确定性等价物，以及效用买卖价格和无差异价格界限的要求集值函数。此外，我们激励和引入的概念，弱和强的确定性等价物。我们将表明，我们的定义包含作为特殊情况下，在文献中发现的一些定义，到目前为止，完全或特殊的不完全偏好。我们证明了单调性和凸性性质的效用购买和出售的价格，持有完全相似的标量无差异价格的属性。我们展示了如何（弱和强）集值确定性等价以及无差异价格界可以计算或近似解决凸向量最优化问题。数值例子和它们的经济解释给出了单变量以及多变量的情况下。
2020-10-07 math.OC q-fin.MF
Constrained Triple-Head Price Optimization (C3PO) Network for Discrete-Choice Models
IBM T.J. Watson Research Center（IBM T.J. Watson研究院）
本文提出一种因果感知基础模型框架，用于离散选择环境中实时最优决策。通过约束三头价格优化网络解决服务提供者选择最优商品组合的问题，同时考虑用户个性化接受或拒绝选择。模型在模拟、合成和真实数据集上表现优异，应用于医疗、招标定价等领域，提升定价KPI。
2026-10-12 cs.LG math.OC
A Real-Time Balancing Market Optimization with Personalized Prices: From Bilevel to Convex
针对实时平衡市场中聚合商与多产消者的互动，本文提出个性化定价的双层优化并转化为等价凸问题，实现实时低耗时求解，且成本更低、参与产消者更多。
2023-04-27 cs.SY eess.SY math.OC
Data-Driven Inverse Optimization for Marginal Offer Price Recovery in Electricity Markets
本文提出一种数据驱动的逆优化方法，通过建立未知参数与市场出清结果的闭式关系，将边际报价恢复问题转化为单层优化问题求解，并证明了其全局最优解的存在唯一性及鲁棒性。
2023-05-16 cs.SY eess.SY math.OC
A Note on Lerner Index, Cross-Elasticity and Revenue Optimization Invariants
我们研究零售定价模型的一般框架内的变分法的共同属性。特别是，我们观察到，对于任何需求模型，最优的去季节化收入率除以价格弹性是时不变的。我们还得到了一个众所周知的需求价格弹性和勒纳指数之间的逆关系的推广。这些不变性的结果说明了两个对比的例子降价优化和最佳连续补货
2014-02-09 math.OC
A bilevel optimization model for load balancing in mobile networks through price incentives
我们提出了一个模型的激励措施，在大型移动网络中的数据定价，其中运营商希望平衡的连接（活跃用户）的数量的不同类别的用户在不同的细胞，并在不同的时刻，以确保他们有足够的服务质量。我们假设每个用户每天对不同类型的应用程序有给定的总需求，他可以根据自己的移动性、偏好和运营商提出的价格折扣将其分配给不同的时间段和位置。我们表明，这可以被铸造作为一个特殊的结构，使我们能够开发一个多项式时间分解算法，适合于大型网络的双层规划问题。首先，我们确定连接的最佳数量（最大化平衡措施）;接下来，我们解决一个逆问题，并确定产生此流量的价格。我们的研究结果利用了最近开发的应用热带几何方法混合拍卖问题，以及算法在离散凸（最小化离散凸函数的意义上的Murota）。最后，我们提出了一个应用程序提供的Orange的真实数据，我们显示了该模型的效率，以减少高峰的拥塞。
2019-01-08 math.OC
The Price of Feasibility: Greedy Approximation Bounds for String Supermodular Optimization over Oracle-Conditioned Greedoids
University of California Irvine（加州大学尔湾分校）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
本文研究物理约束下图Greedoid基上的超模最小化问题，提出基于前瞻Oracle的条件顺序贪心算法，推导出可行性代价的闭式近似界，并通过FORWARD算法验证其紧性与权衡。
2026-09-09 math.CO math.OC
Convex Optimization Over Risk-Neutral Probabilities
我们考虑一组衍生品，这些衍生品的价格取决于标的资产在到期日或到期日的价格。不存在套利等价于价格存在风险中性概率分布;特别是，任何风险中性分布都可以被解释为证明不存在套利。我们感兴趣的情况下，有多个风险中性概率。我们描述了一些风险中性价格概率凸集上的凸优化问题。这些包括计算风险中性概率集上的累积分布、VaR、CVaR和其他量的界限。在对标的价格离散化后，这些问题就变成了有限维的凸或拟凸优化问题，因此是容易处理的。我们使用标准普尔500指数和比特币的实物期权和期货定价数据来说明我们的方法。
2020-03-05 math.OC q-fin.CP stat.AP
Constrained Assortment and Price Optimization under Generalized Nested Logit Models
School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息学学院）
本文提出了一种在广义嵌套Logit模型下精确且近精确的算法，用于解决受限组合与联合组合-定价优化问题，显著提升了解的质量和可扩展性。
2025-12-25 econ.GN math.OC q-fin.EC
Integrated PV Charging of EV Fleet Based on Dynamic Energy Prices and Offer of Reserves
Delft University of Technology（代尔夫特理工大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出一种混合整数线性规划模型，用于利用动态电价和备用服务优化电动汽车车队的光伏充电，通过考虑分布网络限制和车辆到电网技术，实现充电成本降低31%至650%。
2017-05-08 cs.SY eess.SY math.OC
Integrated Investment and Operational Planning for Sugarcane-Based Biofuels and Bioelectricity under Market Uncertainty
PSR；Industrial Engineering Department, PUC-Rio（天主教大学里约热内卢分校工业工程系）
本文提出了一种整合投资与运营规划的随机优化模型，用于在市场不确定性下优化甘蔗基生物燃料和生物电力的生产，通过风险调整后的净成本最小化和开源框架OptBio实现脱碳目标。
2026-03-06 math.OC
The Price of Adaptivity in Stochastic Convex Optimization
本文证明了非光滑随机凸优化中自适应的不可能性结果，定义了“自适应代价”（PoA）来衡量参数不确定性导致的次优性乘性增加，并给出了在距离或梯度范数不确定时PoA的下界，几乎匹配现有上界。
2024-06-27 cs.LG math.OC stat.ML
A Forward Electricity Contract Price Projection: A Market Equilibrium Approach
本文提出了一种基于市场均衡和社会福利最优化的远期电力合同价格预测方法。在该方法中，远期合同的供求是以这样一种方式产生的，即每个代理人（发电机/负荷/交易商）优化其收入/成本的风险调整期望值。当不确定性由离散情景表示时，本文的一个关键结果是合同价格对应于与总代理福利优化相关的线性规划问题中均衡约束的对偶变量。除了计算给定年份的均衡合同价格外，该方法还可用于计算与未来交货期的合同价格相关的概率分布的演变;这是量化远期合同风险的一个重要问题。方法应用的例子介绍和讨论
2019-11-26 math.OC q-fin.PR
Non-linear shrinkage of the price return covariance matrix is far from optimal for portfolio optimisation
投资组合优化需要能够滤除估计噪声的复杂协方差估计器。非线性收缩是一种流行的估计器，它基于如何仅使用校准窗口中的数据计算Oracle特征值。与通常的看法相反，NLS对于投资组合优化不是最优的，因为当资产依赖结构是非平稳的时，NLS不能最小化正确的成本函数。相反，我们得出最佳目标。使用历史数据，我们量化了NLS可以改进的程度。我们的研究结果重新打开了如何建立协方差矩阵估计的投资组合优化在现实条件下的问题。
2022-10-13 math.OC q-fin.PM q-fin.ST
A Stackelberg Game Approach to Control the Overall Load Consumption of a Residential Neighborhood
提出协调智能体与家庭间的 Stackelberg 博弈及基于 KKT 条件、隐函数定理和梯度下降的分布式定价框架，实现住宅小区负荷整形并优于商业集中式求解。
2023-06-19 math.OC
An Integrated Optimization Framework for Smart Charging of Electric Bus Fleets under Dynamic Electricity Prices with On-Site Solar Generation, Energy Storage, and V2G operations
KU Leuven University（荷语鲁汶大学）；Luxembourg Institute of Socio-Economic Research (LISER)（卢森堡社会经济研究所）
本文提出了一种基于离散事件优化的电动公交智能充电框架，整合动态电价、太阳能发电、储能和V2G操作，通过减少运营成本和优化负载管理，显著提升公共交通运营商的能源管理效率。
2026-02-15 math.OC
Reinforcement Learning for Bidding Strategy Optimization in Day-Ahead Energy Market
本文针对日前能源市场，提出基于深度确定性策略梯度的单智能体强化学习方法，在连续动作空间中优化卖方报价曲线，从而最大化个体收益。
2024-11-25 math.OC
Contextual Reserve Price Optimization in Auctions via Mixed-Integer Programming
Rice University（莱斯大学）；University of Chicago（芝加哥大学）；Google Research（谷歌研究院）
我们研究的问题，学习线性模型设置拍卖底价，给定的上下文信息，以最大限度地提高卖方的预期收入。首先，我们表明，这是不可能解决这个问题，在多项式时间，除非\emph{Exponential Time Hypothesis}失败。其次，我们提出了一个强混合整数规划（MIP）制定这个问题，这是能够准确地建模的非凸和不连续的预期报酬函数。此外，我们表明，这种MIP配方是理想的（即最强的可能配方）的收入函数的一个单一的印象。由于它可以是计算昂贵的，以准确地解决MIP配方在实践中，我们还研究了其线性规划（LP）松弛的性能。虽然它可能在实践中工作得很好，我们表明，不幸的是，在最坏的情况下，LP松弛的最佳目标可以是O（样本个数）倍大于真正的问题的最佳目标。最后，我们提出了计算结果，显示MIP配方，随着其LP松弛，能够实现优越的在和出的样本性能，相比，国家的最先进的算法在真实和合成数据集。更广泛地说，我们相信这项工作提供了一个指标的优化方法，如MIP的强度，以准确地模拟机器学习问题中的内在不连续性。
2020-11-13 cs.LG math.OC
Multi-period railway line planning for integrated passenger-freight transportation
本文针对客货一体化铁路多周期线路规划问题，构建周期扩展网络与路径基混合整数规划模型，结合列生成与两种启发式算法求解，实验验证了方法及客货整合、多周期规划的有效性。
2024-09-12 math.OC
The Exponential Price of Determinism in Nonsmooth Nonconvex Optimization
本研究证明确定性算法在非光滑非凸优化中寻找Goldstein稳定点的复杂度至少为(1/ε)^Ω(d)，而随机算法可达到维度无关复杂度，从而揭示随机化带来的指数级计算优势。
2026-09-22 cs.LG math.OC
Multiple Approximate-Response Agents (MARA): Fast Near-Optimal Primal Recovery for Distributed Optimization
Flatiron Institute（Flatiron研究所）；Amazon（亚马逊）；Stanford University（斯坦福大学）
本文提出MARA方法，通过并行生成多个近优 primal 响应，快速减少对偶不可行性，提升分布式优化的收敛速度与解的质量。
2026-05-08 math.OC
Optimization of frequency quantization
我们得到的功能定义的价格和质量的样本读数的广义速度。它示出的最佳采样频率，在最小化的功能质量和价格的意义上取决于采样的上截止频率的模拟信号的广义坐标测量的广义速度的顺序，模拟输入滤波器的频率特性和最大采样率的模数转换器（ADC）。计算具有输入RC滤波器的双层ADC的频率量化的示例。
2011-10-27 cs.SD math.OC
Green Hydrogen Plant: Optimal control strategies for integrated hydrogen storage and power generation with wind energy
风能和太阳能等可再生能源的间歇性导致能源供应的可预测性较低，从而导致电网中可能出现不匹配。为此，氢的生产和储存可以通过增加系统内的灵活性来提供解决方案。储存的氢气可以转化为电能，也可以用作工业原料、建筑环境的供暖以及车辆燃料。本研究探讨了运营由可再生能源生产和储氢组成的综合能源系统的最佳策略。使用马尔可夫决策过程理论，我们构建了最佳的政策，每天的决策，有多少能量存储为氢，或购买或出售给电力市场，以及有多少氢出售作为天然气使用。我们特别重视实际环境，例如具有合同约束力的购电协议、不同的电价、不同的分销渠道、绿色氢气承购协议以及氢气市场价格的不确定性。广泛的实验和分析进行的背景下，荷兰北部，欧洲的第一个氢谷正在形成。结果表明，通过引入储氢装置和具有竞争力的氢气市场价格，可以实现高达51%的运营收入大幅增长。这相当于4.5兆瓦风力涡轮机每年每台涡轮机的收入增加\euro 126，000英镑。此外，我们的研究结果表明，氢气供应协议对于保持能源转型的正常进行至关重要。
2021-08-01 cs.SY eess.SY math.OC
Joint optimization of sales-mix and generation plan for a large electricity producer
本文提出了一个典型的大型发电商的管理问题（即，他可以部分影响市场价格）。特别是，他通常需要决定他这一代人中有多少人更愿意承诺固定价格的双边合同（例如，期货或现货市场。然而，他还需要计划如何在他控制的不同工厂之间分配生产。这两个决定，即销售组合和发电计划，自然地相互作用，因为影响现货价格的机会取决于生产者在现货市场上投放的能量的数量。我们开发了一个风险管理问题，因为我们考虑了一个最优化问题，结合了生产商利润函数的期望值和条件风险值之间的权衡。不确定性的来源相对较大，包括需求、可再生能源发电和传统电厂的燃料成本。我们还内生模型的期货价格的方式反映了一个大的电力生产商的信息优势。特别是，假设市场以一种天真的方式预测期货价格，即不预测大型生产商对现货市场的影响。本文提供了一个MILP制定的问题，并分析了解决方案，通过模拟西班牙电力市场数据的基础上。
2021-10-04 econ.GN math.OC q-fin.EC
Allocation of Fungible Resources via a Fast, Scalable Price Discovery Method
我们考虑分配或分配资源给一组工作的问题。我们考虑的情况下，资源是可互换的，也就是说，工作可以用任何混合的资源，但不同的效率。在我们的公式中，我们最大限度地提高总效用的资源使用，这是一个凸优化问题，所以是听话的限制。在本文中，我们开发了一个自定义的，可并行化的算法来解决资源分配问题，规模大的问题，数百万的工作。我们的算法是基于对偶问题，其中与资源使用限制相关的对偶变量可以解释为资源价格。我们的方法在每次迭代中更新资源价格，最终发现最优资源价格，从中获得最优分配。我们提供了我们方法的开源实现，它可以在几秒钟内在CPU上解决数百万个作业的问题，在GPU上不到一秒钟;我们的软件可以在毫秒内解决较小的问题。在大型问题上，我们的实现比凸优化的数学求解器快三个数量级。
2021-04-18 cs.DC math.OC
Prediction-based One-shot Dynamic Parking Pricing
Yonsei University（延世大学）；University of California San Diego（加州大学圣地亚哥分校）
美国许多大城市因停车位严重短缺而臭名昭著。为此，我们提出了一个主动预测驱动的优化框架，以动态调整停车价格。我们使用最先进的深度学习技术，如神经常微分方程（NODE），在给定历史占用率和价格信息的情况下，设计未来停车场占用率预测模型。此外，由于NODE的连续和双射特性，我们设计了一种一次性价格优化方法，该方法只需要一次迭代即可找到最优解。换句话说，我们优化了预训练预测模型的价格输入，以实现停车场的目标占用率。我们用在旧金山和西雅图收集的数据进行了多年的实验。我们的预测模型与各种时间或时空预测模型相比，显示出最好的准确性。我们的一次性优化方法在搜索时间方面大大优于其他黑盒和白盒搜索方法，并且总是返回最优价格解决方案。
2022-08-30 cs.AI cs.LG math.OC
Portfolio Optimization and Model Predictive Control: A Kinetic Approach
在本文中，我们引入了一个大的系统中的相互作用的金融代理人，每个代理人都面临着如何分配他的资本之间的风险股票或风险较低的债券的决策。投资者的投资决策，通过优化，驱动股票价格。该模型受到经济物理学Levy-Levy-Solomon模型（Economics Letters，45）的启发。这项工作的目标是深入了解股票价格和财富分配。我们特别想找出金融数据中幂律现象出现的原因。我们遵循类似于（D.马尔达雷拉湖Pareschi，Physica A，391），并推导出我们的微观代理动力学的平均场极限。我们的方法的新颖之处在于，金融代理人应用模型预测控制（MPC）来近似和解决其效用函数的优化。有趣的是，MPC方法在两个对立的经济概念之间建立了数学联系，即将金融代理建模为理性或有限理性。此外，据我们所知，这是第一个同时考虑财富和股票价格分布的动态投资组合模型。由于我们的动力学方法，我们可以在介观水平上研究财富和价格分布。财富分布的特点是对数正态分布。对于股票价格分布，我们可以观察到对数正态行为的长期投资者或幂律的情况下，高频交易者。此外，股票收益率数据表现出厚尾，这是真实金融数据的公知特征。
2019-02-19 math.AP math.OC q-fin.PM
Assortment Optimization Under the Multivariate MNL Model
我们研究了一个多购买选择模型下的产品组合优化问题，在该模型中，客户从两个产品类别中选择一个产品。不同的捆绑产品具有不同的效用，捆绑产品的价格是捆绑产品价格之和，对于无容量限制的情形，即任何一组产品都可以被提供，我们证明了该问题是强NP-困难的。我们表明，调整后的收入有序的品种提供了1/2近似。此外，我们开发了一个近似框架的基础上的线性规划松弛的问题，并获得了0.74-近似算法。这个近似比几乎匹配的线性规划的完整性差距，这被证明是最多为0.75。对于容量限制的设置，我们证明了不存在一个常数因子的近似算法假设指数时间假设。相同的硬度结果适用于具有一般捆绑价格或两个以上类别的设置。最后，我们对随机生成的问题实例进行了数值实验。我们的算法的平均近似率超过99%。
2022-10-10 cs.DS math.OC
Optimization-friendly generic mechanisms without money
Princeton University（普林斯顿大学）
本文的目标是开发一个通用的框架，用于将现代优化算法转换为输入来自自利代理的机制。我们专注于在没有钱的情况下聚合$n$玩家的偏好。此设置的特殊情况包括投票、通过抽签分配项目和匹配。我们的关键技术贡献是一个新的元算法，我们称之为\apex（自适应定价消除外部性）。该框架足够通用，可以与任何基于局部搜索的优化算法相结合。我们概述了一个议程，研究算法的性能及其应用。作为将该框架应用于彩票单边分配问题的一个特例，我们得到了Hylland和Zeckhauser在1979年关于通过平等收入竞争均衡（CEEI）进行分配的结果的加强。[HZ 79]的结果假定存在一个（分数）分配和一组物品价格，使得分配是给定价格的竞争均衡。我们进一步表明，总是有一个重新权衡的球员的效用值，使运行单位需求VCG与重新加权的效用导致HZ均衡价格。有趣的是，并非所有HZ竞争均衡都来自VCG价格。作为我们证明的一部分，我们只使用Brouwer不动点定理（而不是更一般的Kakutani定理）重新证明了[HZ 79]的结果。这可能是独立的利益。
2021-06-14 cs.DS cs.GT cs.LG
Revenue Optimization with Price-Sensitive and Interdependent Demand
École polytechnique（巴黎政治学院）
本文针对直飞航班机票销售，在给定需求数据和价格选项的前提下，通过优化定价和数量决策来最大化航班收入。
2025-05-22 cs.LG math.OC
Optimal pricing for electricity retailers based on data-driven consumers' price-response
在目前的工作中，我们解决的问题，找到最优的价格关税由一个风险厌恶的电力零售商参与的游泳池，其客户是价格敏感的。我们假设零售商可以访问足够大的智能电表数据集，从中可以统计地描述其客户的电价和需求负荷之间的关系。分析了三种不同的模型，以预测作为电价和其他参数（如湿度或温度）的函数的总负荷。更具体地说，我们训练线性回归（预测）模型来预测作为零售价格的函数的最终需求负荷。然后，我们将把这个模型插入到一个二次最优化问题中，该问题评估要提供的最优价格。这个最优化问题考虑了不同来源的不确定性，包括消费者的反应，联营体价格和可再生能源的可用性，并依赖于一个随机和风险规避的制定。特别是，这项工作的一个重要贡献是根据产生的预测模型的统计特性的情况下生成和减少程序。这使我们不仅可以正确地量化（数据驱动）期望值，还可以量化与主要问题参数相关的不确定性水平。此外，我们认为这两个标准的远期合同和最近推出的购电协议合同作为零售商的风险对冲工具。结果是有希望的利润，发现零售商具有高度竞争力的价格和一些可能的改进，如果更丰富的数据集可以在未来。通过一个真实的案例研究和多个灵敏度分析来描述零售商在考虑价格敏感消费者时的风险规避行为。
2022-02-08 econ.GN math.OC q-fin.EC
Portfolio optimization in a default model under full/partial information
在本文中，我们考虑了一个金融市场的资产暴露于一些风险，导致资产价格的跳跃，并仍然可以在违约时间后进行交易。我们使用的违约强度建模方法，并解决在这个不完整的市场背景下，从终端财富的对数，幂和指数效用函数的最大化的期望效用的问题。我们将此问题作为完全信息和部分信息下的随机控制问题来研究。我们的贡献在于表明，最优策略可以通过对数效用函数的直接方法获得，并且幂效用函数的值函数可以确定为倒向随机微分方程的最小解。对于部分信息的情况下，我们展示了如何将问题分为两个问题：过滤问题和优化问题。我们还研究了不完全市场中未定权益价格的无差异定价方法和具有内部人信息的代理人的信息价格。
2013-11-21 math.OC q-fin.CP q-fin.PM
Energy Storage Arbitrage in Two-settlement Markets: A Transformer-Based Approach
Columbia University（哥伦比亚大学）
本文提出一种集成日前与实时市场的储能 bidding 模型，利用 Transformer 预测实时价格指导日前 bidding，并结合 LSTM-动态规划混合模型进行实时 bidding，在 New York State 数据上实现利润近 20% 增长且降低风险。
2024-04-26 cs.GT cs.LG cs.SY
