Resource-Constrained Adaptive Inference for Sequential Pricing

Sintesi Tecnica: Inferenza Adattiva con Vincoli di Risorse per la Pricing Sequenziale

Formulazione del Problema
Il documento affronta la sfida di eseguire un'inferenza statistica valida sui parametri di sensibilità della domanda in sistemi di pricing dinamico operanti sotto vincoli di risorse rigidi (ad esempio, limiti di inventario per posti aerei o camere d'albergo). Nell'adaptive pricing standard, un controllore apprende la domanda mentre imposta i prezzi per massimizzare il ricavo. Tuttavia, i vincoli di risorse introducono un modo di fallimento unico per l'inferenza: lo stato residuo della risorsa può rendere un intero vicinato di prezzo target $[p^\sharp - h, p^\sharp + h]$ del tutto non fattibile.

A differenza dei problemi di inferenza adattiva tradizionali dove l'ostacolo è la bassa propensione (visite rare) che porta a pesi di densità inversa instabili, i vincoli di risorse possono causare l'esclusione del supporto (support exclusion). In questo regime, il prezzo target non è semplicemente visitato raramente; esso viene rimosso dall'insieme fattibile per una parte significativa dell'orizzonte temporale. Di conseguenza, l'effetto target $\beta_j(p^\sharp)$ diventa localmente inosservabile. Il documento formalizza che, sotto l'esclusione del supporto, nessun riponderamento dei dati loggati può recuperare il parametro target, poiché l'esperimento realizzato manca del supporto necessario. L'obiettivo inferenziale è una coordinata a bassa dimensione di un modello di domanda ad alta dimensionalità e sparsa, stimato da dati generati da un controllore che deve simultaneamente gestire il ricavo (regret) e la fattibilità delle risorse.

Metodologia
Gli autori propongono un framework che integra la politica di controllo con il design statistico, trattando l' "orologio informativo realizzato" come la quantità governante per l'inferenza piuttosto che l'orizzonte temporale nominale.

1. Controllore di Pricing Consapevole del Target (Target-Aware):
   Il controllore impiega un meccanismo di risoluzione attratta dal confine (boundary-attracted re-solving). Esso risolve ripetutamente un'approssimazione fluida del problema di pricing, ma incorpora una "guardia di riserva del target". Questa guardia assicura che, se una banda di prezzo target è fattibile, il controllore mantenga una densità di logging continua su tale banda.

   • Logging Certificato: Il controllore verifica un "certificato di pieno supporto" ad ogni round. Se l'intera banda target rientra nell'insieme fattibile risolto, il controllore assegna una densità nota e continua a quella banda.
   • Budget di Randomizzazione: Il controllore alloca un budget di randomizzazione $v_t \asymp t^{-\gamma}$ (o $1/t$ all'endpoint logaritmico) per garantire l'esplorazione. Questo budget viene utilizzato per mantenere la massa $\alpha^\sharp_t$ del target quando lo stato della risorsa minaccia di escluderlo.

2. Stima Debiased Consapevole del Supporto:
   Lo stimatore è una costruzione de-biased basata su pesi di probabilità inversa (IPW) localizzati, aumentata da opzionali variabili di controllo centrate.

   • IPW Localizzato: Lo stimatore utilizza uno score a kernel-weighting IPW, ma solo nei round in cui il certificato di pieno supporto è attivo ($\chi^\sharp_t = 1$). I round con supporto tagliato sono loggati per scopi diagnostici ma esclusi dal blocco di stima dell'orizzonte effettivo della radice.
   • Augmentation Centrata (CVD): Un passaggio opzionale sottrae una componente prevedibile dallo score utilizzando una regressione basata solo sulla storia (variabili di controllo). Ciò riduce la varianza se esistono componenti dello score prevedibili ma non può creare supporto dove non esiste.
   • Orologio Informativo: La larghezza dell'intervallo di confidenza è governata da un orologio informativo realizzato $I_{j,T} = N_T^2 / Q_{j,T}$, dove $N_T$ è l'orizzonte effettivo (tempo di arresto dovuto all'esaurimento delle risorse) e $Q_{j,T}$ è la variazione quadratica realizzata dello score corretto.

3. Reporting con Gate Diagnostico:
   Il documento introduce un protocollo "Support-CI". Un intervallo di confidenza a target fisso viene riportato solo se i diagnostici realizzati passano determinati test: sufficienti round di pieno supporto, adeguata dimensione del campione efficace (ESS) e rapporti di max-score limitati. Se lo stato della risorsa collassa il supporto del target, il metodo si astiene dal riportare un intervallo a target fisso, offrendo potenzialmente un estimando di un prezzo fattibile supportato.

Contributi Chiave

1. Formalizzazione del Fallimento per Esclusione del Supporto: Il documento isola l'esclusione del supporto come un modo di fallimento distinto in cui il parametro target è localmente non identificabile a causa dei vincoli di risorse. Dimostra che senza un supporto ricorrente, non esiste un intervallo di confidenza uniformemente decrescente.
2. Orologio Informativo Realizzato: Introduce una nuova metrica per la precisione dell'inferenza che sostituisce l'orizzonte nominale con l'informazione locale al target. Questo orologio dipende dalla massa del target $\alpha^\sharp_t$ e dal tempo di arresto delle risorse, mostrando che una massa del target polinomiale produce tassi di convergenza polinomiali, mentre un puro ramo di esplorazione $1/t$ può non essere sufficiente a far restringere gli intervalli a target fisso senza movimento locale aggiuntivo.
3. Re-solving Consapevole dell'Inferenza: Gli autori progettano un controllore che tratta il supporto del target come un vincolo di design online. Certificando il supporto locale e loggando densità continue, il controllore separa l'informazione di controllo (per un basso regret) dall'informazione di eccitazione locale (per l'inferenza).
4. Contabilità tra Regret e Informazione: Il documento dimostra che il controllo del regret e l'inferenza valida obbediscono a orologi diversi. Un'esposizione logaritmica può bastare per un basso regret, ma può rimanere insufficiente per l'inferenza a target fisso se la massa del target decade troppo rapidamente o è esclusa dai vincoli di risorse.

Risultati

• Garanzie Teoriche: Sotto condizioni di pieno supporto ricorrente e stima dei nuisance sparsa, lo stimatore proposto raggiunge la normalità asintotica con una varianza governata dall'orologio informativo realizzato. Il regret è limitato, scalando con il budget di esplorazione e i costi del buffer di confine.
• Validazione Sperimentale:
  • Calibrazione: Nei regimi in cui il supporto del target è preservato (non-collapse), il metodo produce intervalli di confidenza calibrati (copertura $\approx 95\%$) con ampiezze che si restringono ai tassi previsti.
  • Pendenze dell'Orologio Informativo: Gli esperimenti confermano che una massa del target polinomiale ($t^{-\gamma}$) porta a una crescita dell'informazione di $T^{1-\gamma}$, mentre l'endpoint $1/t$ risulta in un orologio informativo limitato, impedendo il restringimento dell'intervallo.
  • Astensione Diagnostica: In scenari con budget ristretto in cui lo stato della risorsa collassa il supporto del target, i diagnostici identificano correttamente il fallimento e il metodo si astiene dal riportare un intervallo a target fisso, evitando un'inferenza invalida.
  • Riduzione della Varianza: L'augmentation centrata (CVD) riduce l'RMSE e la larghezza dell'intervallo nei regimi con componenti dello score prevedibili, a condizione che il supporto sottostante rimanga stabile.

Significatività e Rivendicazioni
Il documento sostiene che l'inferenza valida in ambienti con vincoli di risorse non può essere separata dal controllore che ha generato i dati. Il controllore determina non solo quali prezzi sono profittevoli, ma anche quali effetti di prezzo rimangono statisticamente visibili.

• Design Congiunto: Il lavoro sostiene un design congiunto in cui il controllore preserva attivamente il "esperimento locale" richiesto per l'inferenza sparsa, invece di trattare l'inferenza come un'analisi post-hoc di una politica di massimizzazione del ricavo.
• Dipendenza dal Regime: Le garanzie dipendono dal regime. Nei regimi di scarsità in cui il vicinato del target lascia il percorso realizzato, il metodo identifica correttamente il collasso dell'informazione e riporta il target come non supportato, invece di restituire un intervallo nominale spurio.
• Distinzione dal Lavoro Precedente: A differenza della letteratura standard su bandit o inferenza adattiva dove l'insieme delle azioni rimane disponibile, questo lavoro evidenzia che la fattibilità stessa è parte del design statistico sotto vincoli di risorse. La condizione di sovrapposizione (overlap) è una proprietà dello stato controllato, non solo della politica di logging.

Gli autori mantengono la modestia riguardo all'efficienza, notando che i loro risultati forniscono un framework di inferenza valida sotto specifiche condizioni di supporto piuttosto che un limite di efficienza minimax generale per tutti i setting vincolati. Il contributo primario è la comprensione a livello di meccanismo di come i vincoli di risorse inducano l'esclusione del supporto e il design di un controllore che mitighi questo fenomeno per consentire un'inferenza valida.