Resource-Constrained Adaptive Inference for Sequential Pricing

Technische Samenvatting: Resource-Constrained Adaptive Inference voor Sequentiële Prijsstelling

Probleemformulering
Het artikel behandelt de uitdaging om geldige statistische inferentie uit te voeren op vraaggevoeligheidsparameters in dynamische prijsstellingssystemen die opereren onder strikte resource-beperkingen (bijv. inventarislimieten voor vliegtuigstoelen of hotelkamers). In standaard adaptieve prijsstelling leert een controller de vraag terwijl hij prijzen instelt om de omzet te maximalen. Echter, resource-beperkingen introduceren een unieke faalmodus voor inferentie: de resterende resource-toestand kan een specifieke doelprijs-omgeving $[p^\sharp - h, p^\sharp + h]$ volledig onhaalbaar maken.

In tegenstelling tot traditionele adaptieve inferentieproblemen waarbij de hindernis een lage propensiteit (zeldzame bezoeken) is die leidt tot instabiele inverse-densiteit gewichten, kunnen resource-beperkingen leiden tot support exclusion (ondersteuningsuitsluiting). In dit regime is de doelprijs niet slechts zelden bezocht; de prijs wordt voor een aanzienlijk deel van de horizon uit de haalbare verzameling verwijderd. Bijgevolg wordt de doel-effect $\beta_j(p^\sharp)$ lokaal onwaarneembaar. Het artikel formaliseert dat onder support exclusion, geen herweging van gelogde data de doelparameter kan herstellen, omdat het gerealiseerde experiment de noodzakelijke ondersteuning mist. Het inferentiële doel is een laagdimensionale coördinaat van een hoogdimensionaal, schaars vraagmodel, geschat van data gegenereerd door een controller die tegelijkertijd omzet (regret) en resource-haalbaarheid moet beheren.

Methodologie
De auteurs stellen een framework voor dat de controle-policy integreert met het statistische ontwerp, waarbij de "gerealiseerde informatie-klok" als de leidende grootheid voor inferentie wordt beschouwd in plaats van de nominale tijdshorizon.

1. Target-Aware Pricing Controller:
   De controller maakt gebruik van een boundary-attracted re-solving mechanisme. Het lost herhaaldelijk een fluid-benadering van het prijsvormingsprobleem op, maar incorporeert een "target-reserve guard". Deze guard zorgt ervoor dat als een doelprijsband haalbaar is, de controller een continue logging-densiteit over die band handhaaft.

   • Certified Logging: De controller controleert een "full-support certificate" in elke ronde. Als de gehele doelband binnen de opgeloste haalbare verzameling ligt, wijst de controller een bekende, continue densiteit toe aan die band.
   • Randomization Budget: De controller wijst een randomisatiebudget $v_t \asymp t^{-\gamma}$ (of $1/t$ bij het logaritmische eindpunt) toe om exploratie te waarborgen. Dit budget wordt gebruikt om de doelband-massa $\alpha^\sharp_t$ te behouden wanneer de resource-toestand dreigt de doelondersteuning uit te sluiten.

2. Support-Aware Debiased Estimation:
   De estimator is een gelokaliseerde inverse-probability weighted (IPW) debiased constructie, aangevuld met optionele gecentreerde control variaten.

   • Localized IPW: De estimator gebruikt een kernel-gewogen IPW-score, maar alleen in rondes waar het full-support certificate actief is ($\chi^\sharp_t = 1$). Rondes met afgeknipte ondersteuning worden gelogd voor diagnostiek, maar uitgesloten van de root-effective-horizon schatting blok.
   • Centered Augmentation (CVD): Een optionele stap die een voorspelbaar component aftrekt van de score met behulp van historie-alleen regressie (control variaten). Dit vermindert de variantie indien voorspelbare score-componenten bestaan, maar kan geen ondersteuning creëren waar deze niet is.
   • Information Clock: De breedte van het betrouwbaarheidsinterval wordt beheerst door een gerealiseerde informatie-klok $I_{j,T} = N_T^2 / Q_{j,T}$, waarbij $N_T$ de effectieve horizon is (stoptijd door resource-uitputting) en $Q_{j,T}$ de gerealiseerde kwadratische variatie van de gecorrigeerde score is.

3. Diagnostic-Gated Reporting:
   Het artikel introduceert een "Support-CI" protocol. Een vast-doel betrouwbaarheidsinterval wordt alleen gerapporteerd als de gerealiseerde diagnostiek slaagt: voldoende full-support rondes, adequate effectieve steekproefomvang (ESS), en begrensde max-score ratio's. Als de resource-toestand de doelondersteuning doet instorten, onthoudt de methode zich van het rapporteren van een vast-doel interval, en biedt mogelijk een ondersteunde haalbare prijs estimand aan.

Belangrijkste Bijdragen

1. Formalisering van Support-Exclusion Failure: Het artikel isoleert support exclusion als een afzonderlijke faalmodus waarbij de doelparameter lokaal onidentificeerbaar is door resource-beperkingen, zelfs als elke gerealiseerde actie een gelogde densiteit heeft. Het bewijst dat zonder recurrente ondersteuning, geen uniform krimpend betrouwbaarheidsinterval bestaat.
2. Realiszed Information Clock: Het introduceert een nieuwe metriek voor inferentieprecisie die de nominale horizon vervangt door lokale doelinformatie. Deze klok hangt af van de doelband-massa $\alpha^\sharp_t$ en de resource stoptijd, waarbij wordt aangetoond dat polynomiale doelmassa polynomiale convergentiesnelheden oplevert, terwijl een pure $1/t$ exploratie-tak mogelijk faalt in het laten krimpen van vast-doel intervallen zonder extra lokale beweging.
3. Inference-Aware Re-solving: De auteurs ontwerpen een controller die doelondersteuning als een online design-constraint behandelt. Door de lokale ondersteuning te certificeren en continue densiteiten te loggen, scheidt de controller controle-informatie (voor lage regret) van lokale excitatie-informatie (voor inferentie).
4. Regret-Information Accounting: Het artikel demonstreert dat regret-controle en geldige inferentie verschillende klokken volgen. Logaritmische blootstelling kan voldoende zijn voor lage regret, maar blijft onvoldoende voor vast-doel inferentie als de doelmassa te snel afneemt of wordt uitgesloten door resource-beperkingen.

Resultaten

• Theoretische Garanties: Onder voorwaarden van recurrente full support en schaarse nuisance schatting, bereikt de voorgestelde estimator asymptotische normaliteit met een variantie die wordt beheerst door de gerealiseerde informatie-klok. De regret is begrensd, schalend met het exploratiebudget en de boundary-buffer kosten.
• Experimentele Validatie:
  • Kalibratie: In regimes waar de doelondersteuning behouden blijft (niet-instorting), produceert de methode gekalibreerde betrouwbaarheidsintervallen (dekking $\approx 95\%$) met breedtes die krimpen volgens de voorspelde rates.
  • Information Clock Slopes: Experimenten bevestigen dat polynomiale doelmassa ($t^{-\gamma}$) leidt tot informatiegroei van $T^{1-\gamma}$, terwijl het $1/t$ eindpunt resulteert in een begrensde informatie-klok, wat intervalkrimp voorkomt.
  • Diagnostic Abstention: In scenario's met een beperkt budget waarin de resource-toestand de doelondersteuning doet instorten, identificeren de diagnostieken correct de fout, en onthoudt de methode zich van het rapporteren van een vast-doel interval, waardoor ongeldige inferentie wordt voorkomen.
  • Variantie Reductie: De centered augmentation (CVD) vermindert de RMSE en intervalbreedte in regimes met voorspelbare score-componenten, mits de onderliggende ondersteuning stabiel blijft.

Significantie en Claims
Het artikel claimt dat geldige inferentie in resource-beperkte omgevingen niet gescheiden kan worden van de controller die de data genereerde. De controller bepaalt niet alleen welke prijzen winstgevend zijn, maar ook welke prijs-effecten statistisch zichtbaar blijven.

• Joint Design: Het werk pleit voor een gezamenlijk ontwerp waarbij de controller actief de "lokale experimenten" behoudt die nodig zijn voor schaarse inferentie, in plaats van inferentie te behanden als een post-hoc analyse van een omzet-maximaliserende policy.
• Regime Afhankelijkheid: De garanties zijn regime-afhankelijk. In schaarste-regimes waar de doelomgeving de gerealiseerde pad verlaat, identificeert de methode correct de informatie-instorting en rapporteert zij de doelwaarde als onondersteund, in plaats van een vals nominal interval te retourneren.
• Onderscheid met Voorgaand Werk: In tegenstelling tot standaard adaptieve inferentie of bandit literatuur waar de actie-set beschikbaar blijft, benadrukt dit werk dat haalbaarheid zelf onderdeel is van het statistische ontwerp onder resource-beperkingen. De overlap-conditie is een eigenschap van de gecontroleerde toestand, niet enkel van de logging-policy.

De auteurs blijven bescheiden over efficiëntie en merken op dat hun resultaten een framework voor geldige inferentie bieden onder specifieke ondersteuningscondities, in plaats van een algemene minimax efficiëntie-bound voor alle beperkte settings. De primaire bijdrage is het begrip op mechanisme-niveau van hoe resource-beperkingen support exclusion induceren en het ontwerp van een controller die dit mitigeert om geldige inferentie mogelijk te maken.