Distribution-free Contextual Dynamic Pricing
The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Purdue University（普渡大学）
情境动态定价旨在根据与客户的顺序交互来设定个性化价格。在每个时间段，有兴趣购买产品的客户来到平台。客户对产品的估价是一个线性函数的背景，包括产品和客户的特点，加上一些随机的市场噪音。卖家并不观察客户的真实估价，而是需要通过利用上下文信息和历史二进制购买反馈来了解估价。现有的模型通常假设完全或部分的随机噪声分布的知识。在本文中，我们考虑的上下文动态定价与未知的随机噪声的估值模型。我们的无分配定价策略同时学习上下文函数和市场噪声。我们的方法的一个关键组成部分是一个新的扰动线性强盗框架，其中提出了一个修改后的线性置信上限算法，以平衡市场噪声的探索和利用现有的知识更好地定价。我们建立了我们的政策在扰动线性强盗框架的遗憾上限和匹配的下限，并证明了一个次线性的遗憾界所考虑的定价问题。最后，我们展示了我们的政策在模拟和现实生活中的汽车贷款数据集上的优越性能。
2023-03-06 cs.LG math.ST stat.ML
Dynamic Pricing in High-dimensions
University of Southern California（南加州大学）
我们研究了一家公司所面临的定价问题，销售大量的产品，通过广泛的功能，随着时间的推移到达的客户。顾客根据一个包含产品特征和顾客特征的一般选择模型独立地做出购买决策，该模型被编码为$d$维数值向量，以及所提供的价格。选择模型的参数是先验未知的公司，但可以学习（二进制值）的销售数据随着时间的推移。公司的目标是尽量减少遗憾，即，针对预先知道选择模型的参数并且总是提供收入最大化价格的千里眼策略的预期收入损失。这种设置的部分原因是在线市场的流行，允许实时定价。我们假设一个结构化的选择模型，其参数取决于$d$产品特征中的$s_0$。我们提出了一个动态的政策，称为正则化极大似然定价（RMLP），利用（稀疏）结构的高维模型，并获得了对数遗憾$T$。更具体地说，我们的算法的遗憾是$O(s_0 \log d \cdot \log T)$。此外，我们表明，没有政策可以获得比$O(s_0 (\log d + \log T))$更好的遗憾。
2018-01-01 cs.LG stat.ML
Differential Privacy in Personalized Pricing with Nonparametric Demand Models
New York University（纽约大学）；McGill University（麦吉尔大学）；University of Florida（佛罗里达大学）
近几十年来，信息技术的进步和丰富的个人数据为算法个性化定价的应用提供了便利。然而，这导致人们越来越担心对抗性攻击可能侵犯隐私。针对隐私问题，研究了数据隐私保护下\textit{unknown}非参数需求模型下的动态个性化定价问题.介绍了两种在实践中得到广泛应用的数据隐私概念：\textit{central differential privacy (CDP)}和\textit{local differential privacy (LDP)}，在许多情况下，\textit{local differential privacy (LDP)}被证明比CDP更强。我们开发了两个算法，使定价决策和学习的未知需求的飞行，同时满足CDP和LDP guarantees分别。特别地，对于具有CDP保证的算法，证明了遗憾最多为$\tilde O(T^{(d+2)/(d+4)}+\varepsilon^{-1}T^{d/(d+4)})$。这里，参数$T$表示时间范围的长度，$d$是个性化信息向量的维度，并且关键参数$\varepsilon>0$测量隐私的强度（较小的$\varepsilon$表示较强的隐私保护）。另一方面，对于具有LDP保证的算法，证明了其遗憾最多为$\tilde O(\varepsilon^{-2/(d+2)}T^{(d+1)/(d+2)})$，这是近优的，因为我们证明了任何具有LD…
2021-09-10 cs.CR cs.LG stat.ML
Privacy-Preserving Dynamic Personalized Pricing with Demand Learning
New York University（纽约大学）；Massachusetts Institute of Technology（麻省理工学院）；University of Florida（佛罗里达大学）
电子商务的普及使零售商能够随时获得详细的客户个人信息，这些信息已被广泛用于定价决策。当涉及到个性化信息时，如何保护这些信息的隐私权成为实践中的一个关键问题。在本文中，我们考虑一个动态定价问题的$T$时间段与\emph{unknown}需求函数的价格和个性化的信息。在每次$t$，零售商观察到达的顾客的个人信息并提供价格。然后，顾客做出购买决策，零售商将利用该决策来学习潜在的需求函数。在此过程中可能存在严重的隐私问题：第三方代理可能会从定价系统的价格变化中推断出个性化信息和购买决策。利用计算机科学中的差分隐私的基本理论框架，提出了一种隐私保护的动态定价策略，该策略在保证零售商收益最大化的同时，避免了个体消费者信息和购买决策信息的泄露。为此，我们首先介绍了\emph{anticipating} $(\varepsilon, δ)$的概念-差分隐私，是专为动态定价问题。我们的政策实现了隐私保证和遗憾方面的性能保证。粗略地说，对于$d$维的个性化信息，当客户信息被逆向选择时，我们的算法达到了$\tilde{O}(\varepsilon^{-1} \sqrt{d^3 T})$量级的期望遗憾。对于随机的个性化信息，遗憾界可以进一步改进为$\tilde{O}(\sqrt{d^2T} + \varepsilon^{-2} d^2)$
2021-07-25 cs.CR cs.GT cs.LG
Model Distillation for Revenue Optimization: Interpretable Personalized Pricing
University of Virginia（弗吉尼亚大学）；IBM Research（IBM研究院）
数据驱动的定价策略正变得越来越普遍，客户可以根据预测产品价值的功能获得个性化的价格。这种定价策略最好是简单和可解释的，这样它就可以被验证，检查公平性，并且容易实施。然而，将机器学习纳入定价框架的努力往往会导致复杂的定价政策无法解释，导致在实践中采用缓慢。我们提出了一个定制的，规范的基于树的算法，从复杂的黑盒机器学习算法中提取知识，细分具有相似估值的客户，并以最大化收入的方式规定价格，同时保持可解释性。我们量化了由此产生的政策的遗憾，并证明了其在合成和现实世界的数据集的应用程序的有效性。
2021-06-09 cs.LG stat.AP stat.ML
A Nonparametric Contextual Bandit with Arm-level Eligibility Control for Customer Service Routing
Amazon（亚马逊）
亚马逊客户服务每年为数百万客户联系人提供实时支持。虽然机器人解析器有助于自动化一些流量，但我们仍然看到对人类代理的高需求，也称为主题专家（SME）。针对不同领域的问题（退货政策、设备故障排除等）与客户联系。根据他们的培训，并非所有的中小企业都有资格处理所有的联系。将联系人路由到符合条件的SME是一个重要的问题，因为SME的域资格取决于培训质量，并且可能随着时间的推移而变化。为了最佳地推荐中小企业，同时学习真正的资格状态，我们建议制定路由问题的非参数上下文强盗算法（K-Boot）加上资格控制（EC）算法。K-Boot模型在由$k$ -NN和Bootstrap Thompson Sampling选择的类似过去样本上使用内核平滑器进行奖励。EC过滤器武器（中小企业）的最初系统声称的资格，并动态验证此信息的可靠性。K-Boot算法是一种通用的强盗算法，EC算法也适用于其他强盗算法。我们的模拟研究表明，K-Boot的表现与国家的最先进的Bandit模型，和EC提升K-Boot的性能时，随机资格信号存在。
2022-09-08 cs.LG
Multi-Product Dynamic Pricing in High-Dimensions with Heterogeneous Price Sensitivity
University of Southern California（南加州大学）
我们考虑的问题，多产品的动态定价，在上下文环境中，为卖方的差异化产品。在这种环境中，客户随着时间的推移而到达，产品由高维特征向量描述。每个客户根据广泛使用的多项Logit（MNL）选择模型选择产品，她的效用取决于产品的功能以及提供的价格。卖方先验不知道选择模型的参数，但可以通过与客户的互动来学习它们。卖方的目标是设计一个定价策略，最大限度地提高她的累积收入。这种模式受到Airbnb平台和在线广告等在线市场的推动。我们用后悔来衡量定价策略的表现，后悔是指对于预先知道选择模型参数并总是设定收入最大化价格的千里眼策略的预期收入损失。我们提出了一个定价策略，名为M3 P，实现了一个$T$ -周期遗憾$O(\log(Td) ( \sqrt{T}+ d\log(T)))$异构价格敏感性下的产品与尺寸$d$的功能。我们还使用信息理论的工具来证明，没有政策可以实现最坏情况下的$T$ -后悔比$Ω(\sqrt{T})$。
2020-05-15 cs.GT cs.LG stat.ML
Decision Forest: A Nonparametric Approach to Modeling Irrational Choice
UCLA Anderson School of Management, University of California, Los Angeles（加州大学洛杉矶分校安德森管理学院）
消费者行为通常被假设为弱理性，这意味着将一种产品添加到一个组合中不会增加该组合中另一种产品的选择概率。然而，越来越多的研究表明，客户在做出决策时不一定是理性的。在本文中，我们提出了一个新的非参数选择模型，放宽了这一假设，可以模拟更广泛的客户行为，如产品之间的诱饵效应。在这个模型中，每个客户类型都与一个二进制决策树相关联，该决策树表示基于检查分类中是否存在特定产品来进行购买的决策过程。再加上概率分布的客户类型，我们表明，由此产生的模型-决策森林-是能够代表任何客户的选择模型，包括模型是不一致的弱理性。我们从理论上描述了森林的深度，以适应一个数据集的历史记录，并证明了具有高概率，森林的深度尺度在数量上的记录是足够的，以适应大多数数据集。我们还提出了两个实用的算法-一个基于列生成和一个基于随机抽样-从数据中估计这样的模型。利用合成数据和真实交易数据的非理性行为，我们表明，该模型优于理性和非理性基准模型的样本外预测能力。
2021-10-13 cs.LG math.OC stat.ML
Transfer Learning for Nonparametric Contextual Dynamic Pricing
University of Warwick（华威大学）；Fudan University（复旦大学）；University of Notre Dame（圣母大学）
本文研究协变量偏移模型下的非参数上下文动态定价迁移学习，提出 TLDP 算法利用源域数据增强目标域定价决策，并证明其最优性。
2025-01-31 cs.LG math.ST stat.ME
Pricing with Contextual Elasticity and Heteroscedastic Valuation
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
本文提出一种基于特征价格弹性的异方差估值模型，并设计高效算法PwP，在对抗性情境下实现最优遗憾界，揭示弹性与估值关系。
2023-12-26 cs.LG econ.EM stat.ML
Fairness-aware Online Price Discrimination with Nonparametric Demand Models
Leonard N. Stern School of Business, New York University（纽约大学莱昂纳德·N·斯特恩商学院）；Department of Mathematical Sciences, Tsinghua University（清华大学数学科学系）；Department of Industrial and Enterprise Systems Engineering, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校工业与企业系统工程系）
本文研究公平性约束下的动态差别定价问题，提出严格价格公平和软公平约束下的动态定价策略，证明最优遗憾为 $\tilde{O}(T^{4/5})$，并扩展至多客户群体等一般场景。
2023-07-28 cs.LG stat.ML
Optimal Nonparametric Dynamic Pricing with Censored Demand and Adversarial Inventory
本文针对审查需求下的动态定价问题，提出非参数方法Threshold-UCB，实现极小极大最优遗憾界，并通过实验验证其优越性。
2026-09-29 cs.LG
A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints
Politecnico di Milano（米兰理工大学）
针对带销售约束、需求不确定的顺序展示互补品动态定价问题，将其建模为带约束的马尔可夫决策过程，提出原对偶在线优化算法，实验表明该方法在约束违反和悔值上优于单状态优化基线。
2024-07-08 cs.LG math.OC
Nonparametric Contextual Pricing and Inventory Learning under Censored Demand
The Hong Kong University of Science and Technology（香港科技大学）
针对在线零售中删失需求下的情境定价与库存学习问题，提出Mean-Calibrated Kernel UCB算法，证明其极小极大最优性并通过实验验证有效性。
2026-09-29 cs.LG
Dynamic Pricing and Learning with Long-term Reference Effects
Columbia University（哥伦比亚大学）
本文研究参考价格为历史平均价格的动态定价与学习问题，证明降价策略近乎最优，并为线性需求模型提供高效学习算法，实现最优遗憾上界。
2024-07-20 cs.GT cs.LG
Learning-Based Pricing and Matching for Two-Sided Queues
University of Michigan（密歇根大学）
针对未知供需函数下的双边市场动态系统，提出结合无梯度随机投影梯度上升与二分搜索的基于学习的定价算法及最长队列优先匹配算法，在保证队列长度有界的同时最大化平台利润，并证明了次线性遗憾与队列长度的理论权衡。
2024-11-18 cs.LG math.OC math.PR
Learning Dynamic Selection and Pricing of Out-of-Home Deliveries
University of Twente（特温特大学）；Paderborn University（帕德博恩大学）
针对最后一公里物流中的家庭配送失败等问题，提出动态选择与定价的外送（DSPO）算法，利用卷积神经网络和时空状态编码，在真实数据驱动的数值实验中较静态策略节省7%成本，较无OOH节省19.9%成本。
2024-10-30 cs.AI cs.LG
From Stream to Pool: Pricing Under the Law of Diminishing Marginal Utility
Joseph M. Katz Graduate School of Business, University of Pittsburgh（匹兹堡大学约瑟夫·M·卡茨商学院）；Center of Data Science for Enterprise and Society (CDSES), Cornell University（康奈尔大学企业与社会数据科学中心）；Naveen Jindal School of Management, UT Dallas（德克萨斯大学达拉斯分校纳文·金达尔管理学院）
本文研究边际效用递减下的池模型动态定价，提出非自适应策略达到最优1/k竞争比，并基于去偏技术设计自适应策略，实现O(k^{2/3}n^{2/3})遗憾。
2024-06-07 cs.GT cs.LG
Dynamic Pricing and Advertising with Demand Learning
Columbia University（哥伦比亚大学）；Hong Kong University of Science and Technology（香港科技大学）；The Chinese University of Hong Kong（香港中文大学）
本文研究结合需求学习的动态定价与广告问题，量化出广告最多可将收入提升至2倍，还提出一种在线算法，在估值函数线性依赖产品质量时达到最优后悔率。
2026-08-18 cs.GT cs.LG
Towards Optimal Pricing of Demand Response -- A Nonparametric Constrained Policy Optimization Approach
University of Washington（华盛顿大学）
针对需求响应中定价策略难以保证稳定性和最优性的问题，提出一种非参数约束策略优化方法，通过推导闭式最优策略更新和actor-critic算法，在确保稳定性的同时提升了性能。
2023-06-24 cs.AI cs.LG cs.SY
Distribution Shift in Airline Customer Behavior during COVID-19
University of Illinois（伊利诺伊大学）；Deepair LLC（Deepair有限责任公司）；University of Notre Dame（圣母大学）
定制（个性化）上下文定价应用程序中的传统人工智能方法假设在线定价时的数据分布与训练期间观察到的数据分布相似。然而，由于客户购买模式的动态性质，特别是由于COVID-19等意外的系统冲击，这一假设在实践中可能会被违反。我们研究了一家大型航空公司在COVID-19大流行期间的客户行为变化，将其视为协变量偏移和概念漂移检测问题。我们确定哪些客户改变了他们的旅行和购买行为，以及影响这种变化的属性，使用（i）快速广义子集扫描和（ii）因果森林。在我们的模拟和真实世界的数据实验中，我们提出了如何通过定性分析使用这两种技术。
2021-12-23 cs.AI cs.CE cs.LG
Advancing Renewable Electricity Consumption With Reinforcement Learning
Fraunhofer Institute for Telecommunications, HHI（弗劳恩霍夫电信研究所）
随着可再生能源在当前电能结构中的份额上升，它们的不稳定性被证明是无碳发电的最大挑战。为了应对这一挑战，我们提出了一个电力定价代理，它向客户发送价格信号，并有助于将客户需求转移到高可再生能源发电时期。我们提出了一个实施的定价代理与强化学习的方法，其中的环境是由客户，发电设施和天气条件。
2020-03-09 cs.AI cs.LG cs.MA
LMaaS: Exploring Pricing Strategy of Large Model as a Service for Communication
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Shenzhen MSU-BIT University（深圳北理莫斯科大学）
本文针对大模型即服务（LMaaS）在智能通信中的交易与定价难题，将其建模为两步 Stackelberg 博弈，提出 IMP 算法优化卖方定价及 RSR 算法优化客户选择，实验证明该方法有效且鲁棒。
2024-01-05 cs.GT cs.LG cs.NI
Neural networks for option pricing and hedging: a literature review
London School of Economics and Political Science（伦敦政治经济学院）
自20世纪90年代初以来，神经网络已被用作期权定价和套期保值的非参数方法。关于这个主题已经发表了一百多篇论文。本说明旨在提供一个全面的审查。论文比较输入功能，输出变量，基准模型，性能指标，数据划分方法，和基础资产。此外，相关的工作和正规化技术进行了讨论。
2020-05-09 cs.LG q-fin.CP q-fin.RM
Demand Responsive Dynamic Pricing Framework for Prosumer Dominated Microgrids using Multiagent Reinforcement Learning
需求响应（DR）在提高电网稳定性和可靠性，同时减少客户能源账单方面具有广泛的潜力。然而，传统的DR技术有几个缺点，如无法处理操作的不确定性和招致客户的负效用，阻碍了他们在现实世界中的应用广泛采用。本文提出了一种新的多智能体强化学习（RL）为基础的决策环境，实现实时定价（RTP）DR技术在一个以产消为主的微电网。该技术解决了传统DR方法的几个共同缺点，并为电网运营商和生产者提供了显着的经济效益。为了显示其更好的效果，所提出的DR方法相比，在一个小规模的微电网系统的基线传统的操作场景。最后，对该微电网中产消者储能容量使用的调查突出了所提出的方法在建立平衡的市场设置方面的优势。
2020-09-23 cs.LG cs.MA cs.SY
A Causal Perspective on Loan Pricing: Investigating the Impacts of Selection Bias on Identifying Bid-Response Functions
KU Leuven（鲁汶大学）；Vrije Universiteit Brussel（布鲁塞尔自由大学）；University of Antwerp（安特卫普大学）；imec（微电子研究中心）
本文从因果推断视角研究贷款定价中的出价选择偏差问题，将客户对价格的反应视为处理效应，通过在半合成数据集上的实验，证明因果机器学习方法能有效克服选择偏差，优于传统逻辑回归和神经网络。
2023-09-07 cs.LG econ.EM
RetailSynth: Synthetic Data Generation for Retail AI Systems Evaluation
Bain & Company, Inc.（贝恩公司）
针对零售AI系统缺乏评估数据的问题，提出多阶段购物行为模拟模型并嵌入RetailSynth环境，经真实数据校准生成合成交易，支持定价策略评估与因果需求模型验证。
2023-12-21 cs.AI cs.LG econ.EM
Dynamic Pricing under Finite Space Demand Uncertainty: A Multi-Armed Bandit with Dependent Arms
University of California, Davis（加州大学戴维斯分校）
研究了需求模型未知情况下的动态定价问题。在这个问题中，卖方向一群顾客提供价格，并观察每次销售尝试的成功或失败。潜在的需求模型是未知的卖方，可以采取N种可能的形式之一。在本文中，我们表明，这个问题可以制定为一个多臂土匪依赖武器。我们提出了一种基于似然比检验的动态定价策略。我们表明，所提出的政策实现了完全学习，即，它提供了一个有界的遗憾，其中遗憾被定义为相对于具有已知需求模型的情况的收入损失。这与具有独立武器的多臂强盗的对数增长的后悔形成鲜明对比。
2012-10-27 cs.LG
LLM-Powered Virtual Population for Demand Simulation and Pricing
Columbia University（哥伦比亚大学）
提出一种LLM驱动的虚拟人群模型，通过混合客户画像和LLM评估购买概率，生成需求分布，支持风险感知定价，在H&M数据集上表现最优。
2026-06-16 cs.AI cs.CL cs.LG
Personalized Pricing with Invalid Instrumental Variables: Identification, Estimation, and Policy Learning
University of California, Irvine（加州大学欧文分校）；George Washington University（乔治华盛顿大学）；University of Michigan at Ann Arbor（密歇根大学安娜堡分校）；Duke University（杜克大学）
本文提出PRINT方法，解决未观测因素同时影响价格与收益时的个性化定价问题，利用无效工具变量实现最优定价策略识别与估计，经模拟和实际应用验证了方法有效性。
2026-11-10 cs.LG econ.EM stat.ME
Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model
University of Southern California（南加州大学）；Adobe Research（奥多比研究院）
本文针对流式纵向数据下的动态定价问题，提出基于全局收缩模型和惩罚随机梯度下降的定价策略，实现了渐近最优遗憾，并证明利用结构信息对策略规划至关重要。
2023-10-14 cs.DS cs.LG
A machine learning approach to itinerary-level booking prediction in competitive airline markets
需求预测在收益管理中非常重要。毕竟，它是优化方法的输入之一，其目标是最大化收入。大多数（如果不是全部的话）预测方法使用历史数据来预测未来，而不考虑“为什么”。在本文中，我们结合了来自多信源的数据，包括竞争对手数据、定价、社交媒体、安全和航空公司评论。接下来，我们研究了五个竞争对手的价格变动，我们假设，影响客户的行为时，提出了一套行程。使用真实的航空公司数据为10个不同的OD对和极端梯度提升的手段，我们表明，客户行为可以分为价格敏感，时间表敏感和舒适的OD。通过模拟研究，我们表明，该模型产生的预测，导致更高的收入比传统的，时间序列预测。
2021-03-15 cs.LG math.OC
Online Learning for Equilibrium Pricing in Markets under Incomplete Information
Stanford University（斯坦福大学）；Massachusetts Institute of Technology（麻省理工学院）
针对市场均衡定价中供应商成本函数未知的不完全信息问题，提出不同场景下的在线学习算法，证明动态成本下通用次线性遗憾不可行，设计带上下文提示的算法并通过实验验证。
2025-06-16 cs.GT cs.LG
Risk-Sensitive Learning and Pricing for Demand Response
Cornell University（康奈尔大学）
我们考虑的设置中，一个电力公司寻求削减其峰值电力需求，提供一个固定的客户群的消费相对于他们的预定基线减少统一的价格。潜在的需求曲线，它描述了总的消费减少，以响应提供的价格，假设是仿射的，并受到不可观察的随机冲击。假设两个参数的需求曲线和随机冲击的分布最初是未知的公用事业，我们调查的程度，公用事业可能会动态调整其提供的价格，以最大限度地提高其累积风险敏感的回报在有限数量的$T$天。为了有效地做到这一点，公用事业公司必须设计其定价政策，以平衡学习未知需求模型（探索）和随着时间的推移最大化其回报（开发）之间的权衡。在本文中，我们提出了这样一个定价政策，这是表现出预期的回报损失超过$T$天，最多是$O(\sqrt{T}\log(T))$，相对于Oracle的定价政策，知道的基本需求模型。此外，建议的定价政策产生的价格序列收敛到甲骨文最优价格的均方意义上。
2018-06-18 cs.LG math.OC
