Dynamic Pricing for Revenue Maximization in Mobile Social Data Market with Network Effects
移动数据需求在无线社交网络中急剧增加，并且因此迫切需要用于社交使能服务的有效定价方案。虽然静态定价在实际的数据市场中占主导地位，但价格直观上应该动态变化以产生更大的收入。关键问题是如何设计最优的动态定价方案，使预期的长期收入最大化。本文研究了垄断移动网络运营商在社会数据市场中的序贯动态定价策略。在市场上，运营商，即，卖方单独地向每个移动用户提供，即，买方，一定的价格在多个时间段内动态和重复。该方案利用了移动用户行为中的网络效应，促进了社交数据需求。此外，由于有限的无线电资源，无线网络拥塞的影响被考虑在定价方案。此后，我们提出了一个修改后的顺序定价政策，以确保社会公平的移动用户在他们的个人效用。我们分析表明，建议的顺序动态定价方案可以帮助运营商获得更大的收入和移动用户实现更高的总效用比基线静态定价方案。为了获得更多的见解，我们进一步研究了一个同时动态定价方案，其中运营商确定在每个时间段开始时的定价策略。移动用户在每个时间段内同时决定自己的数据需求，同时考虑社会域的网络效应和网络域的拥塞效应。我们使用Erdens-Rényi（ER）模型和基于真实数据集的社交网络构建社交图，用于性能评估。
2018-08-13 cs.GT
Pricing to Maximize Revenue and Welfare Simultaneously in Large Markets
我们研究的大市场有一个单一的卖方，可以生产多种类型的商品，和许多多头脑的买家。卖方为其许多商品选择标价，买方购买捆绑商品以最大化其效用。在这种情况下，我们考虑以下问题：收入最大化解决方案实现的最优社会福利的比例是多少？是否存在同时实现良好收入和良好福利的定价机制？为了解决这些问题，我们给出了有效的定价方案，只要买方对他们想要的商品的估价有一个好的（尽管是合理的）结构，就可以保证产生良好的收入和福利，例如，总买方需求具有单调风险率或不太凸。我们还表明，我们的定价方案有任何定价，实现高收入的影响：特别是，即使卖方只关心收入，他们仍然可以确保他们的价格导致良好的社会福利，而不牺牲利润。我们的研究结果适用于大型市场中的一般多心智买家;我们还为单位需求买家的重要特殊情况提供了改进的保证。
2016-10-13 cs.GT
Complexity of Combinatorial Market Makers
我们分析了组合预测市场做市商定价算法的计算复杂性。我们专注于汉森流行的对数市场评分规则做市商（LMSR）。我们的目标是在指数级大的结果空间中隐式地保持正确的LMSR价格。我们研究两个排列组合，其中的结果是对象的排列，和布尔组合，其中的结果是二进制事件的组合。我们研究了三种限制交易者下注的限制性语言，即使在严格限制语言的情况下，我们发现LMSR定价也是$\SP$ -难的，即使同一种语言允许多项式时间匹配而没有做市商。然后，我们提出了一个近似技术的基础上最近的在线排列学习算法的排列市场定价。我们在LMSR定价和大量关于在线学习的文献以及专家建议之间建立的联系可能是独立的兴趣。
2008-02-11 cs.GT
Multi-Party Data Pricing for Complex Data Trading Markets: A Rubinstein Bargaining Approach
针对现有数据定价模型单因素依赖、适配性不足的问题，提出融合数据效用与质量评估的鲁宾斯坦议价多方定价模型，可有效缓解垄断定价失衡，适配复杂交易场景。
2025-02-22 cs.GT
Equilibrium Pricing in Oligopolistic Data Markets
University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
该研究针对寡头数据市场，发现数据非竞争性会导致精确及近似纳什均衡不存在，提出分段线性凸定价函数可保证近似稳定性，模拟显示其性能优于最坏情况边界。
2026-08-17 cs.GT
Budgetary Effects on Pricing Equilibrium in Online Markets
在Babaioff等人的工作之后，我们考虑了战略供应商和单个买家的定价博弈，模拟了一个场景，其中多个竞争供应商对买家有很好的了解，这在在线市场中很常见。我们在这个模型中加入了一个现实的假设，即买方有一个固定的预算，并没有无限的资金。当买方的估值函数是加性的，我们能够完全描述不同的可能的纯纳什均衡（PNE），特别是获得唯一性的充分必要条件。此外，我们刻画了所有子模块化估值的市场出清（或Walresian）均衡。令人惊讶的是，对于某些单调子模函数的估值，我们表明，纯NE可以表现出一些违反直觉的现象，即，有一个估值，使定价将市场出清和预算内，如果买方不透露预算，但将导致一组较小的分配项目（和更高的价格项目），如果买方透露预算。Babaioff等人对于子模函数保证市场出清的条件在有预算时也不一定是市场出清。此外，关于社会福利，而没有预算的所有均衡是最优的（即POA = POS = 1），我们表明，预算的最坏的均衡可能只达到1/（n-2）的最好的均衡。
2016-02-09 cs.GT
Pricing Multi-Unit Markets
我们研究的权力和限制张贴价格在多单位的市场，代理商到达顺序在任意顺序。我们证明了最优社会福利，可以保证与公布的价格，在一系列的假设下，设计师的信息和代理商的估值的最大部分上的上限和下限。我们的研究结果提供了关于统一和非统一价格的相对力量，不同估值类别的相对难度以及不同信息假设的影响的见解。在其他结果中，我们证明了常数因子保证代理（对称）次加性估值，即使在不完全信息设置和统一的价格。
2018-03-11 cs.GT
Solving Large-Scale Electricity Market Pricing Problems in Polynomial Time
针对传统电力市场定价存在预算赤字、大规模问题计算耗时的痛点，提出基于凸优化与竞争均衡近似的定价机制，在近似效率下实现无预算赤字、低提价补偿且计算高效。
2023-12-12 cs.GT
Efficient Carpooling and Toll Pricing for Autonomous Transportation
在本文中，我们讨论了由[Ostrovsky和Schwarz，2019]首次提出的自动拼车运输市场竞争均衡的存在性和计算。在均衡状态下，市场以社会最优的方式在交通网络上组织拼车旅行，并为个体乘客设定相应的支付和边缘的通行费价格。市场结果保证了个体理性、拼车出行稳定性、预算平衡和异质乘车偏好下的市场出清属性。我们表明，市场的存在性问题可以解决证明的线性规划问题的整数最优解的存在性。我们刻画了网络拓扑结构和乘客拼车的负效用条件，在此条件下，可以在多项式时间内计算市场均衡。这种特征依赖于组合拍卖理论和最小成本网络流问题的思想。最后，我们描述了一个市场均衡，实现战略性和最大化福利的个人车手。
2021-02-18 cs.GT
The Effects of Transmission-Rights Pricing on Multi-Stage Electricity Markets
本研究聚焦跨境输电容量公平分配需求，分析物理输电权多阶段市场机制的动态特性，发现存在囚徒困境，为开发提升市场效率、激励可再生能源使用的新型结算机制提供支撑。
2024-01-28 cs.GT math.OC
On the Power and Limits of Dynamic Pricing in Combinatorial Markets
我们研究了组合市场中最优动态定价的能力和极限，即，动态定价能带来最优的社会福利。Cohen-Addad等人[EC'16]以前的工作证明了单位需求买家的最优动态价格的存在，并显示了一个不承认这种价格的覆盖估值市场。然而，找到市场的前沿（即，估值函数），承认最优动态价格仍然是一个开放的问题。在这项工作中，我们建立了积极和消极的结果，缩小了现有的差距。从积极的一面来看，我们提供了超越单位需求估值的市场处理工具。特别是，我们描述了多需求市场中的所有最优分配。这个特征允许我们根据它们在实现最优性中所起的作用将项目划分为等价类。使用这些工具，我们提供了一个多时间最优的动态定价算法的$3$多需求的买家。在消极的一面，我们建立了一个最大域定理，表明对于每一个非总替代品的估值，存在单位需求估值，使他们加入产生一个市场，不承认一个最优的动态定价。这一结果是动态定价等价于Gul和Stacchetti [JET'99]的Walrasian均衡的最大域定理。杨[JET'17]在他们的原始证明中发现了一个错误，并建立了一个不同的，无与伦比的版本的最大域定理。在我们的最大域定理的最优动态定价，我们提供了第一个完整的证明，原来的定理由古尔和Stacchetti。
2020-10-15 cs.DS cs.GT
Anonymous Pricing in Large Markets
Hong Kong University of Science and Technology（香港科技大学）；National University of Singapore（新加坡国立大学）
本文研究了大规模市场中匿名定价的收益最大化问题，证明在正则性条件下，匿名定价能达到最优机制的2+O(1/√k)近似，且最坏情况比率随k增大而趋近于2。
2026-01-23 cs.GT econ.TH
Privacy Data Pricing: A Stackelberg Game Approach
本文提出一种Stackelberg博弈框架，用于在差分隐私约束下实现隐私与效用的平衡，通过定价函数和查询精度的博弈，提供激励相容的数据定价方法。
2025-12-20 cs.GT stat.AP
Pricing for local and global WiFi markets
本文分析了WiFi市场中常用的两种定价方案：统一费率和基于使用的定价。固定费率定价鼓励最大化使用，而基于使用的定价可以灵活地吸引更多的用户，特别是那些低估值的移动互联网接入用户。首先，我们使用理论分析来比较这两种方案，并表明对于市场中的单个提供商，只要WiFi容量充足，统一费率定价会带来更多的收入。其次，我们研究了全球供应商（例如，Skype）在每个地方市场与这家垄断者合作，提供全球WiFi服务。我们将全球供应商和本地供应商之间的互动制定为动态博弈。在第一阶段，全球供应商与每个市场的本地供应商讨价还价，以确定全球WiFi服务价格和收入分享协议。在第二阶段，本地用户和旅行者选择本地或全球WiFi服务。我们分析表明，全球供应商更喜欢使用基于使用的定价，以避免与当地供应商的激烈竞争。在均衡状态下，全球供应商总是与当地供应商分享其大部分收入，以激励合作。最后，我们分析研究如何互动的变化，如果当地市场有一个以上的本地供应商。在这种情况下，全球提供商可以整合多个本地提供商的覆盖范围，并提供更好的服务。与当地垄断的情况相比，当地市场竞争使全球供应商与当地供应商分享更少的收入。然而，我们从数字上表明，全球供应商的收入可能会减少，因为他与更多的供应商分享收入，只能收取较低的价格。
2014-07-16 cs.GT cs.NI
A dual approach for dynamic pricing in multi-demand markets
采用动态定价办法作为标价机制的替代办法。与静态模型相比，动态设置允许根据剩余的物品和买家集合更新买家到达之间的价格，因此它能够最大化社会福利，而不需要中央协调员。本文研究了组合市场中最优动态定价方案的存在性。特别是，我们专注于多需求估值，这是单位需求估值的自然延伸。所提出的方法是基于计算的最大社会福利问题的最优对偶解决方案具有显着的结构特性。我们的贡献是双重的。通过依赖于最优对偶解，我们证明了在单位需求市场和至多三个购买者的多需求市场中最优动态价格的存在性，从而对Cohen-Addad等人和Berger等人的结果给出了新的解释，分别此外，我们提供了一个最优的动态定价方案的双需求估价与任意数量的买家。在所有的情况下，我们的证明也提供了有效的算法来确定最优的动态价格。
2022-04-26 cs.DM cs.GT
A Competition-based Pricing Strategy in Cloud Markets using Regret Minimization Techniques
Amirkabir University of Technology（阿米尔卡比尔理工大学）
本文将云提供商竞争建模为不完全信息博弈，提出基于遗憾最小化算法的定价策略，通过迭代更新策略概率加速遗憾收敛，实验证明其能显著提升利润并改善投资回报率。
2023-09-20 cs.AI cs.GT
A Survey of Data Pricing for Data Marketplaces
University of Electronic Science and Technology of China（电子科技大学）；The University of Auckland（奥克兰大学）
数据市场是一个在线场所，将数据所有者，数据经纪人和数据消费者聚集在一起，并促进他们之间的数据商品化。数据定价作为数据市场的一个关键功能，要求量化数据的货币价值。大量关于数据定价的研究可以在文献中找到。本文试图全面回顾现有数据定价研究的最新进展，以提供对这一新兴研究领域的总体了解。我们的主要贡献在于数据定价研究的新分类，统一了确定数据价格的不同属性。我们的框架的基础上分类这些研究的市场结构，无论是卖方，买方，或双边。然后在卖方市场中，研究进一步划分为查询类型，定义了数据消费者访问数据的方式，而在买方市场中，研究根据隐私概念进行划分，定义了量化数据所有者隐私的方式。在双边市场中，隐私概念和查询类型都被用作标准。我们系统地检查了属于我们分类法中每个类别的研究。最后，我们讨论了现有研究中的差距，并确定了未来的研究方向。
2023-03-07 cs.AI cs.DB cs.GT
Optimal Pricing for Data-Augmented AutoML Marketplaces
University of Chicago（芝加哥大学）；Rensselaer Polytechnic Institute（拉特克利夫理工学院）；Cornell University（康奈尔大学）
针对数据增强型AutoML市场，提出基于外部数据工具价值的定价机制，绕过直接数据集定价，减轻策略性行为，实现经济可持续的数据货币化。
2025-05-27 cs.GT cs.LG
An Efficient and Truthful Pricing Mechanism for Team Formation in Crowdsourcing Markets
在众包市场中，请求者希望组建一个工作团队来执行需要各种技能的复杂任务。候选工人宣传他们的认证技能，并为他们的参与出价。我们设计了四种激励机制来选择工人组成一个有效的团队（可以完成任务），并确定每个工人的报酬。我们研究的盈利能力，个人的理性，计算效率和真实性的四个机制。我们的分析表明，TruTeam，四个机制之一，是优于其他，特别是由于其计算效率和真实性。我们的大量模拟证实了分析结果，并证明TruTeam是众包市场中团队组建的高效且真实的定价机制。
2018-12-12 cs.GT cs.HC
Uniform Pricing vs Pay as Bid in 100%-Renewables Electricity Markets: A Game-theoretical Analysis
本文通过博弈论模型分析100%可再生能源电力市场中统一定价、按报价支付和受监管统一定价三种机制，发现受监管统一定价能实现较低且为正的价格与利润，近似最低系统成本。
2023-05-21 cs.GT cs.SY econ.TH
Market Pricing for Matroid Rank Valuations
本文研究了组合市场中通过定价方案最大化社会福利的问题。我们认为存在的价格，能够实现最佳的社会福利没有一个中央平局打破协调。在两个买家的情况下，排名估值，我们给多项式时间算法，总是找到这样的价格时，一个拟阵是一个简单的分区拟阵或两个拟阵是强基有序。这一结果部分回答了Düetting和Végh在2017年提出的一个问题。我们进一步形式化了Düetting和Végh猜想的一个加权变式，并证明了基于Frank关于加权拟阵交的权分裂定理，加权变式可以化为非加权变式.我们还表明，一个类似的减少技术工程M ${}^\natural$凹函数，或等效的，总替代功能。
2020-07-17 cs.DM cs.GT
A Nash Equilibrium Need Not Exist in the Locational Marginal Pricing Mechanism
地点边际定价（LMP）是电力批发市场中广泛采用的电力定价方法。虽然市场操纵市场机制容易受到市场操纵的影响是众所周知的，但很少有文献对这一现象进行系统的分析。在本文的第一部分中，我们研究了具有战略代理人的LMP机制的经济调度结果。我们通过反例表明，与流行的看法相反，一个纳什均衡可能不存在。而当它存在时，无政府状态的无政府代价可能是任意大的。然后，我们提供了两个充分条件下的任何一个有效的纳什均衡存在。最后，我们提出了一种新的电力市场机制，电网第二价格（PNSP）机制，总是导致一个有效的纳什均衡。我们简要地讨论需求方面的扩展。
2013-10-16 cs.GT math.OC
Dealing with the Dimensionality Curse in Dynamic Pricing Competition: Using Frequent Repricing to Compensate Imperfect Market Anticipations
大多数销售应用程序的特点是竞争和有限的需求信息。对于成功的定价策略，频繁的价格调整以及对市场动态的预测至关重要。这两种影响都具有挑战性，因为竞争市场是复杂的，优化定价调整的计算可能是耗时的。研究了在寡头垄断竞争下易逝品销售的随机动态定价模型。为了规避维数灾难，我们提出了一种启发式方法来有效地计算价格调整。为了证明我们的战略的适用性，即使竞争对手的数量很大，他们的战略是未知的，我们考虑不同的竞争环境中，竞争对手经常和战略性地调整他们的价格。对于所有的设置，我们验证了我们的启发式策略产生有希望的结果。我们比较我们的启发式的性能对上限，这是通过最佳策略，利用完美的价格预期。我们发现价格调整频率对预期利润的影响比价格预期更大。最后，我们的方法已经在亚马逊上应用于二手书的销售。我们使用卖方的历史市场数据来校准我们的模型。销售结果表明，我们的数据驱动策略比经验丰富的卖家基于规则的策略的利润增长超过20%。
2018-09-07 cs.GT q-fin.TR
How Market Volatility Shapes Algorithmic Collusion: A Comparative Analysis of Learning-Based Pricing Algorithms
Industrial & Production Engineering, Bangladesh University of Engineering and Technology, Dhaka, Bangladesh（工业与生产工程，孟加拉国工程与技术大学，达卡）
本文研究了市场波动如何影响基于学习的定价算法合谋，通过比较四种算法在不同市场模型和需求冲击下的表现，揭示了算法、市场结构和需求不确定性对竞争结果的影响。
2025-12-01 cs.GT cs.LG cs.MA
Marketplace Operators Can Induce Competitive Pricing
研究电商平台运营商作为竞争卖家时的定价策略，通过斯塔克尔伯格模型发现运营商低价可诱发竞争，实现自身最优。
2025-10-22 cs.GT econ.TH
How to Balance Privacy and Money through Pricing Mechanism in Personal Data Market
个人数据市场是一个平台，包括三个参与者：数据所有者（个人），数据购买者和做市商。提供个人数据的数据所有者将根据其隐私损失获得赔偿。数据购买者可以提交查询，并根据其所需的准确性为结果付费。做市商在数据所有者和买家之间进行协调。这个框架已经研究了基于差分隐私。然而，之前的研究假设数据所有者可以接受任何程度的隐私损失，数据购买者可以在不考虑财务预算的情况下进行交易。在本文中，我们提出了一个实用的个人数据交易框架，能够在金钱和隐私之间取得平衡。为了深入了解用户的偏好，我们首先进行了一项关于人们对隐私的态度和对个人数据交易的兴趣的在线调查。其次，我们确定了个人数据市场的五个关键原则，这对设计合理的交易框架和定价机制至关重要。第三，我们提出了一个合理的个人数据交易框架，概述了数据如何交易。第四，我们提出了一个平衡的定价机制，计算查询价格的数据买家和赔偿数据所有者（其数据被利用）作为他们的隐私损失的函数。主要目的是确保双方的公平交易。最后，我们将进行一个实验，以评估我们提出的定价机制与其他先前提出的机制相比，输出。
2018-01-02 cs.CY cs.DB cs.GT
Online Pricing with Reserve Price Constraint for Personal Data Markets
Shanghai Jiao Tong University（上海交通大学）；University of Texas at Dallas（德克萨斯大学达拉斯分校）
社会对个人数据的贪得无厌的胃口正在推动数据市场的紧急情况，允许数据消费者对数据代理从数据所有者那里收集的数据集发起定制查询。在本文中，我们研究了数据经纪人如何能够最大限度地提高她的累积收入张贴合理的价格顺序查询。因此，我们提出了一个上下文动态定价机制与保留价约束，其特点是有效的在线优化的椭球性质，并可以支持线性和非线性的市场价值模型的不确定性。特别是，在低不确定性下，我们的定价机制提供了一个最坏情况下的查询数量的后悔对数。我们进一步扩展到其他类似的应用场景，包括酒店服务，在线广告和贷款申请，并分别在MovieLens 20M数据集，美国主要城市的Airbnb房源和Avazu移动广告点击数据集上广泛评估了噪声线性查询，住宿租金和印象的三个定价实例。分析和评估结果表明，我们提出的定价机制具有较低的实际遗憾、在线延迟和内存开销，同时也表明保留价的存在可以缓解标价机制中的冷启动问题，从而减少累积遗憾。
2019-11-28 cs.CE cs.GT cs.LG
Monopoly Pricing in Vertical Markets with Demand Uncertainty
定价决策往往是在市场信息仍然贫乏的情况下作出的。反过来，现有的理论模型往往原因的最优价格变化的市场特征的反应，而不利用所有可用的信息的需求分布。我们的目标是发展一种理论，用于在关于相应需求分布的各种形式的知识下，优化和系统地比较同一市场的不同实例之间的价格。我们重新审视了在一个垂直市场中，在需求不确定性下的垄断定价的经典问题，其中上游供应商和下游任意对称零售商之间存在多种形式的竞争。在所有情况下，需求的不确定性落在供应商身上，供应商首先采取行动，在零售商观察到已实现的需求并下订单之前制定统一的价格。我们的主要方法的贡献是，我们表示的平均剩余需求（MRD）的需求分布函数的预期需求的价格弹性。这导致了一个封闭的形式表征的点的单一的弹性，最大限度地提高供应商的利润和推导出一个温和的单峰条件供应商的目标函数，概括了广泛使用的增加广义故障率（IGFR）的条件。一个直接的含义是，不同市场之间的最优价格可以排序，如果市场可以随机排序根据他们的MRD功能或等价的，他们的弹性。利用上述内容，我们开发了一个系统的框架，通过丰富的随机订单理论来比较不同市场实例之间的最优价格。这导致了比较静态学，挑战了先前建立的关于市场规模、需求变化和需求变化对垄断价格的影响的经济学见解。
2021-07-16 cs.GT math.OC math.PR
Resource Pricing In A Dynamic Multi-Commodity Market For Computational Resources
在用于计算基础设施（诸如网格和集群）的资源管理系统中采用基于市场的原则允许以效用最大化的方式匹配对资源的需求和供给。因此，与传统的以系统为中心的方法相比，它们提供了产生更有效的资源分配的承诺，传统的以系统为中心的方法不允许消费者和提供者表达他们对计算资源的估价。在本文中，我们研究了网格资源的定价，通过使用计算商品市场的CPU资源，资源价格是通过计算的供求平衡。特别是，我们介绍了几类CPU的特点是他们的执行速度。这些资源在成本和性能上有所不同，但在执行作业时可以互换使用，因此代表了所谓的可替代资源。我们调查的性能的算法计算的供需平衡，在这个多商品设置下动态变化的消费者和供应商的人口。
2010-03-17 cs.DC cs.GT cs.NI
Stochastic Online Fisher Markets: Static Pricing Limits and Adaptive Enhancements
Institute for Computational and Mathematical Engineering, Stanford University（斯坦福大学计算与数学工程研究所）；Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程学院）
针对在线Fisher市场，研究静态定价的局限性，提出两种自适应标价算法（基于分布信息和显示偏好反馈），并通过数值实验验证其性能优势。
2024-09-20 cs.GT cs.LG econ.TH
Ecosystem Competition and Cross-Market Subsidization: A Dynamic Theory of Platform Pricing
本文提出一个动态理论，解释平台企业通过跨市场互补性实现永久性补贴竞争，而非传统垄断定价，强调反垄断需关注资本流动而非价格。
2026-01-10 cs.GT cs.IT econ.TH
