[論文レビュー] Dynamic Wholesale Pricing under Censored-Demand Learning
論文は、有限期間のダイナミックな卸売価格契約を分析し、売上データの検閲を前提として製造業者と小売業者が学習する中で、Weibullおよび指数関数的需要に対してマルコフ完璧均衡を定式化する。次元削減を用いる。
We study a finite-horizon dynamic wholesale-price contract between a manufacturer and a retailer, both of whom observe only sales, rather than the true demand. When the retailer stocks out, unmet demand is unobserved, so both parties update a common posterior over the demand distribution from sales data. Each period, the manufacturer sets the wholesale price, the retailer chooses an order quantity, and the public belief state is updated. We characterize Markov perfect equilibria as functions of this public belief. Our main results are as follows: for Weibull demand, we extend the well-known scaling approach to this strategic learning setting, prove the existence of an equilibrium, and reduce computation to a standardized one-parameter recursion; for exponential demand, we show that the equilibrium is unique and computable via a simple backward recursion.
研究の動機と目的
- 需要が未知で販売だけが観測される動的卸売価格契約をモデル化する。
- 検閲需要を共有後方分布を介して連結的ベイズ学習を可能にする。
- マルコフ完璧均衡（MPE）の存在を証明し、Weibull需要での計算性を確立する。
- 指数需要下の均衡を特徴づけ、後向再帰的解法を提供する。
提案手法
- 製造業者が卸価格を設定し、小売業者が発注量を決定する動的スタックルバーグゲームを採用する。
- 検閲下でもベイズ共役を保つ共役プリオリを用いたニュースバンファミリの需要を用いる。
- 状態を公開信念（a,b）としてマルコフ完璧均衡と後向帰納方程式を採用する。
- Weibullケースで次元削減を適用し、動的プログラムを1パラメータの再帰に縮約する。
- 指数需要に対しては、バックワード再帰だけで一意かつ計算可能な均衡条件を導出する。
実験結果
リサーチクエスチョン
- RQ1真の需要が未知で、検閲された販売のみが観測される場合、製造業者と小売業者は有限期間で最適にどう相互作用できるか？
- RQ2検閲需要学習設定でマルコフ完璧均衡は存在するか、どの需要分布の下で一意または計算可能か？
- RQ3次元削減によりWeibull需要ベースの動的プログラムは扱いやすく、スケーラブルになるか？
- RQ4指数需要ケースにおける均衡の特徴づけと計算手法は何か？
主な発見
- Weibull需要とガンマ事前分布の場合、MPEが存在し、1パラメータの縮約再帰によって計算できる。
- Weibull設定では、均衡における製造業者の卸売価格は初期信念と検閲されていない観測回数のみ依存する。
- 指数需要では、MPEは一意で、期ごとの最適化を伴わず簡単な後向再帰によって計算可能。
- 指数需要下では、均衡発注量は価値関数差に関連する閉形式風の再帰で与えられる。
- 標準化された定式化において、需要スケールパラメータへの製造業者の価格設定は不変であり、小売業者の利益はより大きな発注を通じてそれとともにスケールする。
より良い研究を、今すぐ始めましょう
論文設計から論文執筆まで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。