Resource-Constrained Adaptive Inference for Sequential Pricing

Resumen Técnico: Inferencia Adaptativa con Restricciones de Recursos para la Fijación de Precios Secuencial

Formulación del Problema
El artículo aborda el desafío de realizar una inferencia estadística válida sobre los parámetros de sensibilidad de la demanda en sistemas de fijación de precios dinámicos que operan bajo restricciones de recursos estrictas (por ejemplo, límites de inventario para asientos de avión o habitaciones de hotel). En la fijación de precios adaptativa estándar, un controlador aprende la demanda mientras establece precios para maximizar los ingresos. Sin embargo, las restricciones de recursos introducen un modo de falla único para la inferencia: el estado restante del recurso puede hacer que un vecindario de precio objetivo específico $[p^\sharp - h, p^\sharp + h]$ sea completamente infactible.

A diferencia de los problemas de inferencia adaptativa tradicionales donde el obstáculo es la baja propensión (visitas poco frecuentes) que conduce a pesos de densidad inversa inestables, las restricciones de recursos pueden causar una exclusión de soporte. En este régimen, el precio objetivo no es simplemente visitado raramente; es eliminado del conjunto factible durante una parte significativa del horizonte. En consecuencia, el efecto objetivo $\beta_j(p^\sharp)$ se vuelve localmente no observado. El artículo formaliza que, bajo la exclusión de soporte, ningún reponderado de los datos registrados puede recuperar el parámetro objetivo, ya que el experimento realizado carece del soporte necesario. El objetivo de inferencia es una coordenada de baja dimensión de un modelo de demanda disperso y de alta dimensión, estimado a partir de datos generados por un controlador que debe gestionar simultáneamente los ingresos (regret) y la factibilidad de los recursos.

Metodología
Los autores proponen un marco que integra la política de control con el diseño estadístico, tratando el "reloj de información realizado" como la cantidad rectora para la inferencia, en lugar del horizonte de tiempo nominal.

1. Controlador de Precios Consciente del Objetivo:
   El controlador emplea un mecanismo de resolución atraída por la frontera (boundary-attracted re-solving). Resuelve repetidamente una aproximación fluida del problema de fijación de precios, pero incorpora un "guardián de reserva de objetivo". Este guardián asegura que, si una banda de precio objetivo es factible, el controlador mantenga una densidad de registro continua sobre esa banda.

   • Registro Certificado: El controlador verifica un "certificado de soporte completo" en cada ronda. Si toda la banda objetivo se encuentra dentro del conjunto factible resuelto, el controlador asigna una densidad conocida y continua a esa banda.
   • Presupuesto de Aleatorización: El controlador asigna un presupuesto de aleatorización $v_t \asymp t^{-\gamma}$ (o $1/t$ en el extremo logarítmico) para asegurar la exploración. Este presupuesto se utiliza para mantener la masa de la banda objetivo $\alpha^\sharp_t$ cuando el estado del recurso amenaza con excluir el objetivo.

2. Estimación Desesgada Consciente del Soporte:
   El estimador es una construcción desesgada de probabilidad inversa ponderada (IPW) localizada, aumentada con covariables de control centradas opcionales.

   • IPW Localizado: El estimador utiliza un puntaje de IPW ponderado por kernel, pero solo en las rondas donde el certificado de soporte completo está activo ($\chi^\sharp_t = 1$). Las rondas con soporte recortado se registran para diagnóstico, pero se excluyen del bloque de estimación del horizonte efectivo de la raíz.
   • Aumentación Centrada (CVD): Un paso opcional resta un componente predecible del puntaje utilizando una regresión basada solo en la historia (covariables de control). Esto reduce la varianza si existen componentes de puntaje predecibles pero no puede crear soporte donde no existe.
   • Reloj de Información: El ancho del intervalo de confianza está gobernado por un reloj de información realizado $I_{j,T} = N_T^2 / Q_{j,T}$, donde $N_T$ es el horizonte efectivo (tiempo de parada debido al agotamiento de recursos) y $Q_{j,T}$ es la variación cuadrática realizada del puntaje corregido.

3. Reporte con Filtro de Diagnóstico:
   El artículo introduce un protocolo de "Support-CI". Se reporta un intervalo de confianza de objetivo fijo solo si los diagnósticos realizados pasan: suficientes rondas de soporte completo, tamaño de muestra efectivo (ESS) adecuado y ratios de puntaje máximo acotados. Si el estado del recurso colapsa el soporte del objetivo, el método se abstiene de reportar un intervalo de objetivo fijo, ofreciendo potencialmente un estimando de precio factible soportado.

Contribuciones Clave

1. Formalización de la Falla por Exclusión de Soporte: El artículo aísla la exclusión de soporte como un modo de falla distinto donde el parámetro objetivo es localmente no identificable debido a las restricciones de recursos. Demuestra que sin un soporte recurrente, no existe un intervalo de confianza que se reduzca uniformemente.
2. Reloj de Información Realizado: Introduce una nueva métrica de precisión de inferencia que reemplaza el horizonte nominal con la información local del objetivo. Este reloj depende de la masa de la banda objetivo $\alpha^\sharp_t$ y del tiempo de parada del recurso, mostrando que una masa objetivo polinomial produce tasas de convergencia polinomiales, mientras que una rama de exploración pura de $1/t$ puede no lograr que los intervalos de objetivo fijo se reduzcan sin movimiento local adicional.
3. Resolución Consciente de la Inferencia: Los autores diseñan un controlador que trata el soporte del objetivo como una restricción de diseño en línea. Al certificar el soporte local y registrar densidades continuas, el controlador separa la información de control (para un bajo regret) de la información de excitación local (para la inferencia).
4. Contabilidad de Regret e Información: El artículo demuestra que el control del regret y la inferencia válida obedecen relojes diferentes. La exposición logarítmica puede ser suficiente para un bajo regret, pero puede resultar insuficiente para la inferencia de objetivo fijo si la masa del objetivo decae demasiado rápido o es excluida por las restricciones de recursos.

Resultados

• Garantías Teóricas: Bajo condiciones de soporte completo recurrente y estimación de estorbos (nuisance) dispersos, el estimador propuesto logra normalidad asintótica con una varianza gobernada por el reloj de información realizado. El regret está acotado, escalando con el presupuesto de exploración y los costos del búfer de frontera.
• Validación Experimental:
  • Calibración: En regímenes donde el soporte del objetivo se preserva (no colapso), el método produce intervalos de confianza calibrados (cobertura $\approx 95\%$) con anchos que se reducen a las tasas predichas.
  • Pendientes del Reloj de Información: Los experimentos confirman que una masa objetivo polinomial ($t^{-\gamma}$) conduce a un crecimiento de información de $T^{1-\gamma}$, mientras que el extremo $1/t$ resulta en un reloj de información acotado, impidiendo la reducción del intervalo.
  • Abstención por Diagnóstico: En escenarios de presupuesto ajustado donde el estado del recurso colapsa el soporte del objetivo, los diagnósticos identifican correctamente la falla y el método se abstiene de reportar un intervalo de objetivo fijo, evitando una inferencia inválida.
  • Reducción de Varianza: La aumentación centrada (CVD) reduce el RMSE y el ancho del intervalo en regímenes con componentes de puntaje predecibles, siempre que el soporte subyacente permanezca estable.

Significancia y Reivindicaciones
El artículo sostiene que la inferencia válida en entornos con restricciones de recursos no puede separarse del controlador que generó los datos. El controlador determina no solo qué precios son rentables, sino también qué efectos de precio permanecen estadísticamente visibles.

• Diseño Conjunto: El trabajo aboga por un diseño conjunto donde el controlador preserva activamente el "experimento local" requerido para la inferencia dispersa, en lugar de tratar la inferencia como un análisis post-hoc de una política maximizadora de ingresos.
• Dependencia del Régimen: Las garantías dependen del régimen. En regímenes de escasez donde el vecindario del objetivo abandona la trayectoria realizada, el método identifica correctamente el colapso de la información y reporta el objetivo como no soportado, en lugar de devolver un intervalo nominal espurio.
• Distinción de Trabajos Previos: A diferencia de la literatura estándar de bandidos o inferencia adaptativa donde el conjunto de acciones permanece disponible, este trabajo destaca que la factibilidad es parte del diseño estadístico bajo restricciones de recursos. La condición de solapamiento es una propiedad del estado controlado, no solo de la política de registro.

Los autores mantienen la modestia respecto a la eficiencia, señalando que sus resultados proporcionan un marco de inferencia válida bajo condiciones de soporte específicas, más que un límite de eficiencia minimax general para todos los entornos restringidos. La contribución principal es la comprensión a nivel de mecanismo de cómo las restricciones de recursos inducen la exclusión de soporte y el diseño de un controlador que mitiga esto para permitir una inferencia válida.