Pricing with Contextual Elasticity and Heteroscedastic Valuation
具有情境价格弹性与异方差估值的动态定价AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要建模顾客根据产品特征与价格作出的购买或不购买决策。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
具有情境价格弹性与异方差估值的动态定价
- 研究问题
- 当顾客的价格弹性随产品特征变化、估值噪声具有异方差时，如何在线选择价格，并在对抗性情境序列下控制累计遗憾？
- 方法与思路
- 作者建立特征相关价格弹性与异方差估值的等价表示，提出计算高效的扰动定价算法 PwP，并分析其遗憾上界和匹配下界。
- 材料陈述的贡献
- 摘要称遗憾上界为 O(√(dT log T))、下界为 Ω(√(dT))，关于 d 与 T 的阶仅差对数因子，并揭示两种需求表示的联系。
- 阅读关注点
- 应核对等价表示的条件、估值噪声和参数约束、算法观测与扰动方式，以及上下界针对的模型类别和 d、T 的定义。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及接收状态未核验；摘要未展开模型假设或实际效果，速率结果不能直接推出商业收益改善。
原文摘要
We study an online contextual dynamic pricing problem, where customers decide whether to purchase a product based on its features and price. We introduce a novel approach to modeling a customer's expected demand by incorporating feature-based price elasticity, which can be equivalently represented as a valuation with heteroscedastic noise. To solve the problem, we propose a computationally efficient algorithm called "Pricing with Perturbation (PwP)", which enjoys an $O(\sqrt{dT\log T})$ regret while allowing arbitrary adversarial input context sequences. We also prove a matching lower bound at $Ω(\sqrt{dT})$ to show the optimality regarding $d$ and $T$ (up to $\log T$ factors). Our results shed light on the relationship between contextual elasticity and heteroscedastic valuation, providing insights for effective and practical pricing strategies.