[論文レビュー] Instrument-Free Demand Estimation Using Relative Prices Variation, with an Application to Railway Transportation

Xavier D’Haultfœuille, Ao Wang+2 more|arXiv (Cornell University)|Jun 9, 2022

Aviation Industry Analysis and Trends被引用数 5

ひとこと要約

本稿は、相対的価格の時間的変動、消費者の合理性、弱い最適性条件に依拠する、外部機器を要しない需要推定戦略を開発した。フランスの高速鉄道データに適用した結果、iDTGVの実際の収益管理は最適な均一価格と同等の水準で性能を発揮するが、理論的な最適動的価格戦略と比較して最大16.7%の損失を被っていることが判明し、不確実性下での需要学習における収益管理の価値が浮き彫りになった。

ABSTRACT

We develop a new identification strategy for demand estimation when cost shifters may not be available and there are substantial variations in demand over time. This approaches relies on a kind of nonlinear difference-in-differences, in which price elasticities are identified by relating changes over time in relative purchases between two goods to changes in their relative prices. We apply this strategy to the context of French railway transportation and estimate price elasticities in line with those obtained on airlines, but more negative than those generally obtained on railway transportation. We then use our demand estimation to compare the current pricing with several counterfactual pricing strategies. Our results suggest similar or better performance of the actual revenue management compared to optimal uniform pricing, but also substantial losses compared to the optimal pricing strategy. Finally, we highlight the key role of revenue management in acquiring information when demand is uncertain.

研究の動機と目的

• 現実世界の状況において、均一価格および最適動的価格と比較した場合の収益管理戦略の収益向上・損失の定量的評価を目的とする。
• 特に数量ベースの収益管理システムにおいて、外生的価格変動や打ち切り（censoring）が存在する状況における需要推定の課題に取り組むこと。
• 時間的相対的価格変動、消費者の合理性、企業価格行動における弱い最適性条件に依拠する、新たな同定戦略の開発。
• データが限られ、複雑な価格ルールが存在する状況において、需要の不確実性下での需要学習における収益管理の役割を評価すること。
• フランスの高速鉄道市場における、実際の収益管理実践と理論的ベンチマークとの比較に関する実証的証拠を提供すること。

提案手法

• 時間的変動する需要と交通手段間（例：鉄道対格安航空会社）の競合を許容する輸送ルート向けの確率的需要モデルを提案する。
• 運賃クラス間の相対的価格の時間的変動を、識別に用いる外生的変動の源とし、外部機器の必要性を回避する。
• 需要動態の完全な観測ができない状況において、企業の価格決定に合理性および弱い最適性条件を課して構造的パラメータを同定する。
• 打ち切りおよび観測されない異質性が存在する状況下で、需要価格弾力性および平均需要パラメータを推定するためにモーメント不等式法を用いる。
• 再帰的動的プログラミングとベータ関数近似を用いて、異なる価格戦略下での反実仮想収益の閉形式表現を導出する。
• 2004年から2017年までのiDTGVの歴史的データにモデルを適用し、運賃クラス内での価格変更なしに動的オープンが行われていたため、時間的相対的価格シフトを介して同定が可能となった。

実験結果

リサーチクエスチョン

• RQ1 iDTGVにおける実際の収益管理実践は、最適な均一価格と比較して収益水準でどのように異なるか？
• RQ2 理論的な最適動的価格戦略と比較して、iDTGVの収益管理戦略はどの程度の収益上の利益または損失を生じているか？
• RQ3 需要が不確実でデータが打ち切られている状況において、収益管理はどの程度需要学習に貢献しているか？
• RQ4 外部機器を一切用いずに、相対的価格変動と行動的仮定に依拠して需要パラメータを一貫して推定できるか？
• RQ5 運賃クラス間の時間的価格変動は、需要価格弾力性および反実仮想収益の同定にどの程度寄与しているか？

主な発見

• iDTGVにおける実際の収益管理戦略は、最適な均一価格と同等またはそれ以上の収益水準を示しており、動的運賃クラス管理が収益向上に有意義であることを示している。
• 理論的な最適動的価格戦略と比較して、iDTGVの実際の実践は最大16.7%の収益損失を被っていることが判明し、実装の改善の余地があることを示している。
• モデルは、予約期間中の需要の完全な時系列的経路が観測されていなくても、需要価格弾力性および平均需要パラメータが反実仮想収益を回復させるのに十分であると同定した。
• 収益管理は、企業が潜在的な需要分布を完全に把握していない状況において、不確実性下での需要に関する情報を得る上で極めて重要な役割を果たしている。
• 外部機器や需要動態の完全な観測が不要な状況において、相対的価格変動と行動的一致性に依拠して需要パラメータを効果的に推定する同定戦略が成功した。
• 理論的および実証的結果から、企業の価格決定が弱い最適性条件と整合的であることが確認され、構造的モデルの仮定の妥当性が裏付けられた。