Resource-Constrained Adaptive Inference for Sequential Pricing

Résumé Technique : Inférence Adaptative sous Contrainte de Ressources pour la Tarification Séquentielle

Formulation du Problème
L'article traite du défi consistant à réaliser une inférence statistique valide sur les paramètres de sensibilité de la demande dans des systèmes de tarification dynamique opérant sous des contraintes de ressources strictes (par exemple, les limites de stocks pour les sièges aériens ou les chambres d'hôtel). Dans la tarification adaptative standard, un contrôleur apprend la demande tout en fixant les prix pour maximiser les revenus. Cependant, les contraintes de ressources introduisent un mode de défaillance unique pour l'inférence : l'état de la ressource restante peut rendre un voisinage de prix cible spécifique $[p^\sharp - h, p^\sharp + h]$ entièrement infaisable.

Contrairement aux problèmes d'inférence adaptative traditionnels où l'obstacle est une faible propension (visites rares) entraînant des poids d'inverse de densité instables, les contraintes de ressources peuvent provoquer une exclusion de support. Dans ce régime, le prix cible n'est pas seulement visité rarement ; il est retiré de l'ensemble faisable pendant une partie significative de l'horizon. Par conséquent, l'effet cible $\beta_j(p^\sharp)$ devient localement inobservable. L'article formalise le fait que, sous l'exclusion de support, aucun repondérage des données loguées ne peut récupérer le paramètre cible, car l'expérience réalisée manque du support nécessaire. La cible inférentielle est une coordonnée de faible dimension d'un modèle de demande creux (sparse) de haute dimension, estimée à partir de données générées par un contrôleur qui doit simultanément gérer les revenus (regret) et la faisabilité des ressources.

Méthodologie
Les auteurs proposent un cadre qui intègre la politique de contrôle à la conception statistique, en traitant l'« horloge d'information réalisée » comme la quantité directrice pour l'inférence plutôt que l'horizon temporel nominal.

1. Contrôleur de Tarification Sensible à la Cible :
   Le contrôleur emploie un mécanisme de résolution par attraction de frontière (boundary-attracted re-solving). Il résout de manière répétée une approximation fluide du problème de tarification, mais incorpore une « garde de réserve cible ». Cette garde garantit que si une bande de prix cible est faisable, le contrôleur maintient une densité de logging continue sur cette bande.

   • Logging Certifié : Le contrôleur vérifie un « certificat de support complet » à chaque tour. Si l'intégralité de la bande cible se trouve dans l'ensemble faisable résolu, le contrôleur assigne une densité connue et continue à cette bande.
   • Budget de Randomisation : Le contrôleur alloue un budget de randomisation $v_t \asymp t^{-\gamma}$ (ou $1/t$ au point limite logarithmique) pour assurer l'exploration. Ce budget est utilisé pour maintenir la masse de la bande cible $\alpha^\sharp_t$ lorsque l'état de la ressource menace d'exclure la cible.

2. Estimation Débiaisée Sensible au Support :
   L'estimateur est une construction de type pondération par l'inverse de la probabilité (IPW) localisée et débiaisée, augmentée de variables de contrôle centrées optionnelles.

   • IPW Localisée : L'estimateur utilise un score IPW pondéré par un noyau, mais uniquement sur les tours où le certificat de support complet est actif ($\chi^\sharp_t = 1$). Les tours avec un support tronqué sont logués pour le diagnostic mais exclus du bloc d'estimation de l'horizon effectif racine.
   • Augmentation Centrée (CVD) : Une étape optionnelle consiste à soustraire une composante prévisible du score en utilisant une régression basée uniquement sur l'historique (variables de contrôle). Cela réduit la variance s'il existe des composantes de score prévisibles mais ne peut pas créer de support là où il n'en existe pas.
   • Horloge d'Information : La largeur de l'intervalle de confiance est gouvernée par une horloge d'information réalisée $I_{j,T} = N_T^2 / Q_{j,T}$, où $N_T$ est l'horizon effectif (temps d'arrêt dû à l'épuisement des ressources) et $Q_{j,T}$ est la variation quadratique réalisée du score corrigé.

3. Rapport à Porte de Diagnostic :
   L'article introduit un protocole « Support-CI ». Un intervalle de confiance à cible fixe n'est rapporté que si les diagnostics réalisés passent les tests : nombre suffisant de tours à support complet, taille d'échantillon effective (ESS) adéquate et ratios de score maximum bornés. Si l'état de la ressource provoque l'effondrement du support cible, la méthode s'abstient de rapporter un intervalle à cible fixe, proposant potentiellement un estimand de prix faisable supporté.

Contributions Clés

1. Formalisation de la Défaillance par Exclusion de Support : L'article isole l'exclusion de support comme un mode de défaillance distinct où le paramètre cible est localement non identifiable en raison des contraintes de ressources, même si chaque action réalisée possède une densité loguée. Il prouve que sans support récurrent, aucun intervalle de confiance uniformément rétrécissant n'existe.
2. Horloge d'Information Réalisée : Il introduit une nouvelle métrique de précision d'inférence qui remplace l'horizon nominal par l'information locale à la cible. Cette horloge dépend de la masse de la bande cible $\alpha^\sharp_t$ et du temps d'arrêt de la ressource, montrant qu'une masse cible polynomiale produit des taux de convergence polynomiaux, tandis qu'une branche d'exploration pure de type $1/t$ peut échouer à rétrécir les intervalles à cible fixe sans mouvement local supplémentaire.
3. Résolution par Ré-optimisation Sensible à l'Inférence : Les auteurs conçoivent un contrôleur qui traite le support cible comme une contrainte de conception en ligne. En certifiant le support local et en loguant des densités continues, le contrôleur sépare l'information de contrôle (pour un faible regret) de l'information d'excitation locale (pour l'inférence).
4. Comptabilité Regret-Information : L'article démontre que le contrôle du regret et l'inférence valide obéissent à des horloges différentes. Une exposition logarithmique peut suffire pour un faible regret, mais peut rester insuffisante pour l'inférence à cible fixe si la masse cible décroît trop rapidement ou est exclue par les contraintes de ressources.

Résultats

• Garanties Théoriques : Sous des conditions de support complet récurrent et d'estimation de nuisance creuse (sparse), l'estimateur proposé atteint une normalité asymptotique avec une variance gouvernée par l'horloge d'information réalisée. Le regret est borné, évoluant avec le budget d'exploration et les coûts de tampon de frontière.
• Validation Expérimentale :
  • Calibration : Dans les régimes où le support cible est préservé (non-effondrement), la méthode produit des intervalles de confiance calibrés (couverture $\approx 95\%$) avec des largeurs rétrécissant aux taux prédits.
  • Pentes de l'Horloge d'Information : Les expériences confirment qu'une masse cible polynomiale ($t^{-\gamma}$) conduit à une croissance de l'information de $T^{1-\gamma}$, tandis que le point limite $1/t$ résulte en une horloge d'information bornée, empêant le rétrécissement de l'intervalle.
  • Abstention de Diagnostic : Dans les scénarios à budget serré où l'état de la ressource provoque l'effondrement du support cible, les diagnostics identifient correctement la défaillance, et la méthode s'abstient de rapporter un intervalle à cible fixe, évitant ainsi une inférence invalide.
  • Réduction de la Variance : L'augmentation centrée (CVD) réduit l'RMSE et la largeur de l'intervalle dans les régimes présentant des composantes de score prévisibles, à condition que le support sous-jacent reste stable.

Signification et Revendications
L'article affirme que l'inférence valide dans les environnements à ressources contraintes ne peut être séparée du contrôleur qui a généré les données. Le contrôleur détermine non seulement quels prix sont rentables, mais aussi quels effets de prix restent statistiquement visibles.

• Conception Conjointe : Le travail plaide pour une conception conjointe où le contrôleur préserve activement l'« expérience locale » requise pour l'inférence creuse, plutôt que de traiter l'inférence comme une analyse a posteriori d'une politique de maximisation des revenus.
• Dépendance au Régime : Les garanties sont dépendantes du régime. Dans les régimes de rareté où le voisinage de la cible quitte le chemin réalisé, la méthode identifie correctement l'effondrement de l'information et rapporte la cible comme non supportée, plutôt que de retourner un intervalle nominal fallacieux.
• Distinction par rapport aux Travaux Antérieurs : Contra�à la littérature standard sur l'inférence adaptative ou les bandits où l'ensemble des actions reste disponible, ce travail souligne que la faisabilité fait partie intégrante de la conception statistique sous contraintes de ressources. La condition de recouvrement (overlap) est une propriété de l'état contrôlé, et non seulement de la politique de logging.

Les auteurs font preuve de modestie concernant l'efficacité, notant que leurs résultats fournissent un cadre d'inférence valide sous des conditions de support spécifiques plutôt qu'une borne d'efficacité minimax générale pour tous les contextes contraints. La principale contribution est la compréhension au niveau du mécanisme de la façon dont les contraintes de ressources induisent l'exclusion de support et la conception d'un contrôleur qui atténue ce phénomène pour permettre une inférence valide.