📊 statistics

Revenue Maximization Under Sequential Price Competition Via The Estimation Of s-Concave Demand Functions

यह शोध पत्र अज्ञात गैररेखीय मांग वाले अनुक्रमिक मूल्य प्रतिस्पर्धा परिवेश में कई विक्रेताओं के लिए एक गतिशील मूल्य निर्धारण नीति प्रस्तावित करता है, जो यह सिद्ध करता है कि $s$ -कन्केव (s-concave) मांग बाधाओं के तहत अर्ध-पैरामीट्रिक न्यूनतम वर्ग अनुमान (semi-parametric least-squares estimation) का लाभ उठाते हुए, नीति $O(T^{-1/7})$ की दर से नैश इक्विलिब्रियम (Nash equilibrium) पर अभिसरित होती है और $O(T^{5/7})$ रिग्रेट (regret) प्राप्त करती है।

मूल लेखक: Daniele Bracale, Moulinath Banerjee, Cong Shi, Yuekai Sun

प्रकाशित 2026-07-28

📖 3 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Daniele Bracale, Moulinath Banerjee, Cong Shi, Yuekai Sun

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक हलचल भरे बाज़ार की कल्पना करें जहाँ दर्जनों विक्रेता एक ही तरह के उत्पाद, जैसे कि नींबू पानी या वीडियो गेम, बेचने की कोशिश कर रहे हैं। इस दुनिया में, हर विक्रेता लगातार अपने पड़ोसियों पर नज़र रखता है। यदि एक विक्रेता अपनी कीमत कम करता है, तो वह दूसरों के ग्राहक चुराने की उम्मीद करता है। लेकिन यहाँ पेचीदा बात यह है कि वे यह नहीं देख सकते कि उनके पड़ोसियों ने वास्तव में नींबू पानी के कितने कप बेचे, वे केवल यही देख सकते हैं कि पड़ोसी क्या कीमत वसूल रहे हैं। इन रणनीतिक चालों का अध्ययन करने वाले विज्ञान के क्षेत्र को 'गेम थ्योरी' कहा जाता है, और जब इसमें समय के साथ सीखना शामिल होता है, तो इसे 'ऑनलाइन लर्निंग' के रूप में जाना जाता है। शोधकर्ता मुख्य सवाल यह पूछते हैं: क्या विक्रेता ग्राहकों के व्यवहार के गुप्त नुस्खे को जाने बिना, केवल बाज़ार को देखकर सही कीमत तय करना सीख सकते हैं? यदि वे ऐसा नहीं कर पाते हैं, तो वे पैसा खो सकते हैं या मूल्य युद्ध (प्राइस वॉर) के ऐसे चक्र में फंस सकते हैं जो सभी को नुकसान पहुँचाता है।

यह शोध पत्र ठीक इसी पहेली को सुलझाता है। लेखक, जो सांख्यिकीविदों और अर्थशास्त्रियों की एक टीम है, विक्रेताओं के सीखने और प्रतिस्पर्धा करने का एक नया तरीका प्रस्तावित करते हैं। वे सुझाव देते हैं कि कीमत और बिक्री के बीच एक सरल, सीधी रेखा वाले संबंध का अनुमान लगाने के बजाय (जो अक्सर वास्तविक जीवन के लिए बहुत सरल होता है), विक्रेताओं को एक लचीले, आकार बदलने वाले मॉडल का उपयोग करना चाहिए। वे इस मॉडल को "s-concave" कहते हैं, जो एक फैंसी तरीका है यह कहने का कि मांग वक्र (डिमांड कर्व) का एक विशिष्ट, अनुमानित मोड़ है, लेकिन इसका सीधा रेखा होना ज़रूरी नहीं है। शोधकर्ताओं ने एक ऐसा एल्गोरिदम डिज़ाइन किया है जहाँ विक्रेता पहले डेटा एकत्र करने के लिए यादृच्छिक (रैंडम) कीमतों के साथ प्रयोग करने में कुछ समय बिताते हैं, और फिर उस डेटा का उपयोग मांग वक्र के छिपे हुए आकार का अनुमान लगाने के लिए करते हैं। एक बार जब उनके पास एक अच्छा अनुमान आ जाता है, तो वे अपना लाभ अधिकतम करने वाली कीमतें निर्धारित करने की ओर बढ़ जाते हैं।

शोध पाता है कि यदि सभी विक्रेता इस विशिष्ट शिक्षण रणनीति का उपयोग करते हैं, तो वे अंततः एक स्थिर अवस्था में पहुँच जाते हैं जिसे "नैश इक्विलिब्रियम" (Nash Equilibrium) कहा जाता है। इस अवस्था में, कोई भी विक्रेता अकेले अपनी कीमत बदलकर अधिक पैसा नहीं कमा सकता, भले ही उन्होंने शून्य ज्ञान के साथ शुरुआत की हो। लेखकों ने गणितीय रूप से सिद्ध किया कि विक्रेताओं की कीमतें समय बीतने के साथ इस आदर्श संतुलन के करीब आती जाएँगी। उन्होंने यह भी गणना की कि यह कितनी तेज़ी से होता है और सीखने के दौरान एक विक्रेता कितना पैसा खो सकता है (एक अवधारणा जिसे 'रिग्रेट' कहा जाता है)। उनके परिणाम दर्शाते हैं कि सीखने की प्रक्रिया कुशल है, जिसमें विक्रेताओं की गलतियाँ एक अनुमानित दर से घटती हैं। कंप्यूटर सिमुलेशन के माध्यम से, उन्होंने पुष्टि की कि उनकी विधि तब भी अच्छी तरह काम करती है जब बाज़ार में शोर (नॉइज़) हो या जब विक्रेताओं में कीमत परिवर्तन के प्रति संवेदनशीलता का स्तर अलग-अलग हो। यह अध्ययन अनिवार्य रूप से एक रोडमैप प्रदान करता है कि कैसे स्मार्ट, डेटा-संचालित विक्रेता भविष्य को जाने बिना एक अराजक बाज़ार में नेविगेट कर सकते हैं और एक स्थिर, लाभदायक लय पा सकते हैं।

तकनीकी सारांश: s-कन्केव (s-concave) मांग फलनों के अनुमान के माध्यम से क्रमिक मूल्य प्रतिस्पर्धा के तहत राजस्व अधिकतमकरण

समस्या का निरूपण

यह शोध पत्र एक परिमित क्षितिज (finite horizon) के $T$ अवधियों वाले प्रतिस्पर्धी बाजार में $N$ विक्रेताओं के लिए गतिशील मूल्य निर्धारण (dynamic pricing) की समस्या को संबोधित करता है। प्रत्येक अवधि में, विक्रेता एक साथ कीमतें निर्धारित करते हैं, जो सार्वजनिक की जाती हैं, जबकि उनकी वास्तविक मांग निजी रहती है। किसी विक्रेता $i$ की मांग सभी विक्रेताओं के कीमतों के वेक्टर पर गैर-रैखिक रूप से निर्भर करती है। विशेष रूप से, औसत मांग एक मोनोटोन सिंगल-इंडेक्स मॉडल (monotone single-index model) का अनुसरण करती है:
$\mathbb{E}[y_i | p] = \psi_i(\langle \theta_i, p \rangle) = \psi_i(-\beta_i p_i + \langle \gamma_i, p_{-i} \rangle)$
जहाँ $\theta_i$ एक अज्ञात पैरामीटर वेक्टर है और $\psi_i$ एक अज्ञात, मोनोटोन और $s$ -कन्केव (s-concave) लिंक फंक्शन है। विक्रेताओं को मांग के मापदंडों या लिंक फंक्शन के कार्यात्मक रूप का ज्ञान नहीं होता है। उद्देश्य एक ऐसी मूल्य निर्धारण नीति डिजाइन करना है जो एक गतिशील बेंचमार्क के सापेक्ष संचयी राजस्व को अधिकतम करे (रिग्रेट को कम करे), जबकि यह सुनिश्चित करे कि कीमतों का अनुक्रम उस नैश इक्विलिब्रियम (Nash Equilibrium - NE) की ओर अभिसरित (converge) हो जो पूर्ण सूचना के तहत मौजूद होता।

कार्यप्रणाली

लेखक एक दो-चरणीय एल्गोरिदम, SPE-BR (सेमी-पैरामीट्रिक एस्टीमेशन देन बेस्ट-रिस्पॉन्स) प्रस्तावित करते हैं:

अन्वेषण चरण (Exploration Phase): विक्रेता एक सामान्य, ज्ञात वितरण (जो दीर्घवृत्तीय सममित/elliptically symmetric माना जाता है) से $\tau \propto T^\xi$ $τ \propto T^{ξ}$ की अवधि के लिए कीमतों का नमूना लेते हैं।
- पैरामीट्रिक अनुमान (Parametric Estimation): डेटा के एक उपसमुच्चय का उपयोग करके, विक्रेता सिंगल-इंडेक्स मॉडल के तहत दीर्घवृत्तीय समरूपता के लिए अनुकूलित लीस्ट-स्क्वायर्स एस्टीमेटर का उपयोग करके इंडेक्स पैरामीटर्स $\theta_i$ (विशेष रूप से वेक्टर की दिशा) का अनुमान लगाते हैं।
- नॉन-पैरामीट्रिक अनुमान (Nonparametric Estimation): शेष डेटा और अनुमानित इंडेक्स का उपयोग करके, विक्रेता लिंक फंक्शन $\psi_i$ का अनुमान लगाते हैं। महत्वपूर्ण रूप से, यह $s$ -कन्केविटी की धारणा के तहत शेप-कंस्ट्रेंड लीस्ट-स्क्वायर्स एस्टीमेशन (shape-constrained least squares estimation) के माध्यम से किया जाता है। लेखक यह स्थापित करते हैं कि $s$ -कन्केविटी, विक्रेता के वर्चुअल वैल्यूएशन फंक्शन के वर्धमान (increasing) होने की स्थिति के समान है, जो एक अद्वितीय NE के अस्तित्व के लिए आवश्यक शर्त है।
दोहन चरण (Exploitation Phase): शेष अवधियों के लिए, विक्रेता सीखे गए मांग मॉडल के आधार पर अनुमानित बेस्ट-रिस्पॉन्स समस्या को हल करके कीमतें निर्धारित करते हैं।

मुख्य योगदान

1. सैद्धांतिक ढांचा: s-कन्केविटी और इक्विलिब्रियम

यह शोध पत्र मांग लिंक फंक्शन के लिए शेप कंस्ट्रेंट के रूप में $s$ -कन्केविटी को पेश करके मौजूदा लीनियर और लॉग-कन्केव डिमांड मॉडल्स का सामान्यीकरण करता है।

लेखक यह सिद्ध करते हैं कि नैश इक्विलिब्रियम के अस्तित्व और विशिष्टता के लिए आवश्यक स्थिति (विशेष रूप से, कि वर्चुअल वैल्यूएशन $\phi_i(u) = u + \psi_i(u)/\psi'_i(u)$ एक सीमित अवकलज (bounded derivative) के साथ वर्धमान है) गणितीय रूप से लिंक फंक्शन $\psi_i$ के $(c_i - 1)$ -कन्केव होने के समान है।
यह संबंध $s$ -कन्केव रिग्रेशन फंक्शन के लिए पूरी तरह से डेटा-संचालित, ट्यूनिंग-फ्री शेप-कंस्ट्रेंड एस्टीमेटर्स के उपयोग की अनुमति देता है, जो इक्विलिब्रियम अभिसरण की गारंटी देता है।

2. सांख्यिकीय योगदान: कंसन्ट्रेशन इनइक्वेलिटीज (Concentration Inequalities)

एक महत्वपूर्ण तकनीकी योगदान शेप कंस्ट्रेंट्स के तहत लीस्ट-स्क्वायर्स एस्टीमेटर के लिए नए कंसन्ट्रेशन परिणाम प्राप्त करना है।

लेखक एक $s$ -कन्केव रिग्रेशन फंक्शन के नॉन-पैरामीट्रिक एस्टीमेटर के लिए यूनिफॉर्म (सुप्रीमम-नॉर्म) कन्वर्जेंस रेट स्थापित करते हैं। पिछला साहित्य अक्सर केवल $L_2$ कन्वर्जेंस रेट प्रदान करता था, जो डायनेमिक प्राइसिंग में रिग्रेट बाउंड्स स्थापित करने के लिए अपर्याप्त है जहाँ शोषण चरण (exploitation phase) में कीमत का वितरण अन्वेषण चरण (exploration phase) से भिन्न हो सकता है।
वे दीर्घवृत्तीय सममित डिजाइनों के तहत पैरामीट्रिक घटक $\theta_i$ के लिए एक कंसन्ट्रेशन इनइक्वेलिटी भी प्रदान करते हैं, जो पिछले परिणामों में सुधार करता है जो केवल संभाव्यता (probability) या वितरण (distribution) में अभिसरण स्थापित करते थे।

3. रिग्रेट बाउंड्स और कन्वर्जेंस रेट्स

यह शोध पत्र प्रस्तावित नीति के प्रदर्शन की गारंटी देता है:

रिग्रेट (Regret): प्रत्येक विक्रेता के लिए व्यक्तिगत रिग्रेट $\tilde{O}(N^{3/2} T^{5/7})$ द्वारा सीमित है। यह $\tau$ के अन्वेषण लंबाई और पैरामीट्रिक एवं नॉन-पैरामीट्रिक अनुमान के बीच डेटा के विभाजन को अनुकूलित करके प्राप्त किया गया है।
NE की ओर अभिसरण: संयुक्त कीमतें $\tilde{O}(N^{3/4} T^{-1/7})$ की दर से नैश इक्विलिब्रियम की ओर अभिसरित होती हैं।
विश्लेषण यह प्रदर्शित करता है कि इष्टतम अन्वेषण एक्सपोनेंट (optimal exploration exponent) $\xi = 5/7$ है, जो सीखने की सटीकता और अन्वेषण के दौरान राजस्व हानि के बीच संतुलन बनाता है।

परिणाम और सत्यापन

सैद्धांतिक निष्कर्षों की पुष्टि $N \in \{2, 4, 6\}$ विक्रेताओं वाले बाजारों के संख्यात्मक प्रयोगों द्वारा की गई है।

सिमुलेशन पुष्टि करते हैं कि एल्गोरिदम नैश इक्विलिब्रियम की ओर अभिसरित होता है और अनुभवजन्य (empirical) रिग्रेट दरें सैद्धांतिक ऊपरी सीमाओं से मेल खाती हैं या उनसे बेहतर होती हैं।
अध्ययन $s$ के कंकेविटी पैरामीटर के मिसस्पेसिफिकेशन (misspecification) के प्रति एल्गोरिदम की मजबूती की जांच करता है। परिणाम संकेत देते हैं कि एक रूढ़वादी $s' \leq s$ चुनना कन्वर्जेंस रेट को बनाए रखता है, बशर्ते कि बेस्ट-रिस्पॉन्स मैप के कंट्रैक्शन (contraction) की स्थिति बनी रहे।
प्रयोग यह भी दर्शाते हैं कि एल्गोरिदम तब भी मजबूत रहता है जब विक्रेताओं के अन्वेषण चरण थोड़े अलग-अलग होते हैं, हालांकि सैद्धांतिक गारंटी एक सामान्य अन्वेषण चरण पर निर्भर करती है।

महत्व और दावे

यह शोध पत्र दावा करता है कि यह प्रतिबंधात्मक लीनियर या फिक्स्ड-पैरामीट्रिक डिमांड धारणाओं से आगे बढ़कर डायनेमिक कॉम्पिटिशन-अवेयर प्राइसिंग में महत्वपूर्ण अंतर्दृष्टि प्रदान करता है। $s$ -कन्केविटी का लाभ उठाकर, लेखक एक लचीला, नॉन-पैरामीट्रिक ढांचा प्रदान करते हैं जो:

मौजूदा मॉडल्स का सामान्यीकरण करता है: यह लीनियर डिमांड का सख्ती से सामान्यीकरण करता है (जहाँ $s=0$ लॉग-कन्केविटी के अनुरूप है) और अधिक जटिल, यथार्थवादी मांग व्यवहारों की अनुमति देता है।
इक्विलिब्रियम सुनिश्चित करता है: यह एक कठोर सैद्धांतिक प्रमाण प्रदान करता है कि लर्निंग-आधारित प्राइसिंग नीतियां बिना निजी मांग जानकारी साझा किए नैश इक्विलिब्रियम की ओर अभिसरित हो सकती हैं।
नॉन-पैरामीट्रिक लर्निंग को आगे बढ़ाता है: $s$ -कन्केव एस्टीमेटर्स के लिए यूनिफॉर्म कन्वर्जेंस रेट का व्युत्पन्न रणनीतिक निर्णय लेने में नॉन-पैरामीट्रिक लर्निंग के व्यापक अध्ययन में योगदान देता है, जो ऐसे उपकरण प्रदान करता है जो केवल प्राइसिंग से परे लागू किए जा सकते हैं।

लेखक इस बात पर जोर देते हैं कि उनका दृष्टिकोण आकार संबंधी बाधाओं (shape constraints) के संबंध में "पूरी तरह से डेटा-संचालित" और "ट्यूनिंग-पैरामीटर-फ्री" है, जो केवल $s$ -कन्केविटी की संरचनात्मक धारणा पर निर्भर करता है, जो वर्चुअल वैल्यूएशन के गुणों द्वारा आर्थिक रूप से प्रेरित है। वे अपने द्वारा प्राप्त रिग्रेट दर के मिनिमैक्स ऑप्टिमलिटी का दावा नहीं करते हैं, बल्कि यह कि प्राप्त दरें उनके द्वारा प्राप्त ऊपरी बाउंड्स के संदर्भ में इष्टतम हैं।