Resource-Constrained Adaptive Inference for Sequential Pricing

Resumo Técnico: Inferência Adaptativa com Restrição de Recursos para Precificação Sequencial

Formulação do Problema
O artigo aborda o desafio de realizar inferência estatística válida sobre parâmetros de sensibilidade à demanda em sistemas de precificação dinâmica operando sob restrições rígidas de recursos (ex: limites de inventário para assentos de companhias aéreas ou quartos de hotel). Na precificação adaptativa padrão, um controlador aprende a demanda enquanto define preços para maximizar a receita. No entanto, restrições de recursos introduzem um modo de falha único para a inferência: o estado restante do recurso pode tornar um vizinhança de preço alvo $[p^\sharp - h, p^\sharp + h]$ inteiramente inviável.

Diferente dos problemas de inferência adaptativa tradicionais, onde o obstáculo é a baixa propensão (visitas raras) levando a pesos de densidade inversa instáveis, as restrições de recursos podem causar exclusão de suporte. Neste regime, o preço alvo não é apenas visitado raramente; ele é removido do conjunto viável por uma parte significativa do horizonte. Consequentemente, o efeito alvo $\beta_j(p^\sharp)$ torna-se localmente não observado. O artigo formaliza que, sob exclusão de suporte, nenhum reponderamento de dados logados pode recuperar o parâmetro alvo, pois o experimento realizado carece do suporte necessário. O alvo inferencial é uma coordenada de baixa dimensão de um modelo de demanda esparso de alta dimensão, estimado a partir de dados gerados por um controlador que deve simultaneamente gerenciar receita (regret) e viabilidade de recursos.

Metodologia
Os autores propõem um framework que integra a política de controle com o design estatístico, tratando o "relógio de informação realizado" como a quantidade governante para a inferência, em vez do horizonte de tempo nominal.

1. Controlador de Precificação Consciente do Alvo:
   O controlador emprega um mecanismo de re-resolução atraído pela fronteira. Ele resolve repetidamente uma aproximação fluida do problema de precificação, mas incorpora uma "guarda de reserva de alvo". Esta guarda garante que, se uma banda de preço alvo for viável, o controlador mantenha uma densidade de log contínua sobre essa banda.

   • Logging Certificado: O controlador verifica um "certificado de suporte total" em cada rodada. Se toda a banda alvo estiver dentro do conjunto viável resolvido, o controlador atribui uma densidade conhecida e contínua a essa banda.
   • Orçamento de Randomização: O controlador aloca um orçamento de randomização $v_t \asymp t^{-\gamma}$ (ou $1/t$ no limite logarítmico) para garantir a exploração. Este orçamento é usado para manter a massa da banda alvo $\alpha^\sharp_t$ quando o estado do recurso ameaça excluí-la.

2. Estimativa Ciente do Suporte:
   O estimador é uma construção de IPW (peso de probabilidade inverso) debiased localizada, aumentada com variantes de controle centralizadas opcionais.

   • IPW Localizado: O estimador utiliza um score de IPW ponderado por kernel, mas apenas em rodadas onde o certificado de suporte total está ativo ($\chi^\sharp_t = 1$). Rodadas com suporte cortado são registradas para diagnóstico, mas excluídas do bloco de estimativa do horizonte efetivo de raiz.
   • Aumento Centralizado (CVD): Um passo opcional subtrai um componente previsível do score usando regressão baseada apenas no histórico (variantes de controle). Isso reduz a variância se existirem componentes de score previsíveis, mas não pode criar suporte onde ele não existe.
   • Relógio de Informação: A largura do intervalo de confiança é governada por um relógio de informação realizado $I_{j,T} = N_T^2 / Q_{j,T}$, onde $N_T$ é o horizonte efetivo (tempo de parada devido à exaustão de recursos) e $Q_{j,T}$ é a variação quadrática realizada do score corrigido.

3. Relato Baseado em Diagnóstico:
   O artigo introduz um protocolo "Support-CI". Um intervalo de confiança de alvo fixo é relatado apenas se os diagnósticos realizados passarem: rodadas de suporte total suficientes, tamanho de amostra efetiva (ESS) adequado e razões de score máximo limitadas. Se o estado do recurso colapsar o suporte do alvo, o método abstém-se de relatar um intervalo de alvo fixo, potencialmente oferecendo um estimando de preço viável suportado.

Principais Contribuições

1. Formalização da Falha de Exclusão de Suporte: O artigo isola a exclusão de suporte como um modo de falha distinto onde o parâmetro alvo é localmente não identificável devido a restrições de recursos, mesmo que cada ação realizada tenha uma densidade registrada. Prova-se que sem suporte recorrente, nenhum intervalo de confiança uniformemente estreito existe.
2. Relógio de Informação Realizado: Introduz uma nova métrica para precisão de inferência que substitui o horizonte nominal pela informação local do alvo. Este relógio depende da massa da banda alvo $\alpha^\sharp_t$ e do tempo de parada do recurso, mostrando que massa alvo polinomial produz taxas de convergência polinomiais, enquanto um ramo de exploração pura de $1/t$ pode falhar em estreitar intervalos de alvo fixo sem movimento local adicional.
3. Re-resolução Consciente da Inferência: Os autores projetam um controlador que trata o suporte do alvo como uma restrição de design online. Ao certificar o suporte local e registrar densidades contínuas, o controlador separa a informação de controle (para baixo regret) da informação de excitação local (para inferência).
4. Contabilidade de Regret-Informação: O artigo demonstra que o controle de regret e a inferência válida obedecem a relógios diferentes. A exposição logarítmica pode ser suficiente para baixo regret, mas permanece insuficiente para inferência de alvo fixo se a massa do alvo decair muito rapidamente ou for excluída por restrições de recursos.

Resultados

• Garantias Teóricas: Sob condições de suporte total recorrente e estimativa de vizinhança esparsa, o estimador proposto alcança normalidade assintótica com uma variância governada pelo relógio de informação realizado. O regret é limitado, escalando com o orçamento de exploração e custos de buffer de fronteira.
• Validação Experimental:
  • Calibração: Em regimes onde o suporte do alvo é preservado (não-colapso), o método produz intervalos de confiança calibrados (cobertura $\approx 95\%$) com larguras que diminuem nas taxas previstas.
  • Inclinações do Relógio de Informação: Experimentos confirmam que a massa alvo polinomial ($t^{-\gamma}$) leva ao crescimento de informação de $T^{1-\gamma}$, enquanto o endpoint $1/t$ resulta em um relógio de informação limitado, impedindo o estreitamento do intervalo.
  • Abstenção de Diagnóstico: Em cenários de orçamento apertado onde o estado do recurso colapsa o suporte do alvo, os diagnósticos identificam corretamente a falha, e o método abstém-se de relatar um intervalo de alvo fixo, evitando inferência inválida.
  • Redução de Variância: O aumento centralizado (CVD) reduz o RMSE e a largura do intervalo em regimes com componentes de score previsíveis, desde que o suporte subjacente permaneça estável.

Significância e Alegações
O artigo alega que a inferência válida em ambientes com restrição de recursos não pode ser separada do controlador que gerou os dados. O controlador determina não apenas quais preços são lucrativos, mas também quais efeitos de preço permanecem estatisticamente visíveis.

• Design Conjunto: O trabalho defende um design conjunto onde o controlador preserva ativamente o "experimento local" necessário para a inferência esparsa, em vez de tratar a inferência como uma análise post-hoc de uma política de maximização de receita.
• Dependência de Regime: As garantias são dependentes do regime. Em regimes de escassez onde a vizinhança do alvo deixa o caminho realizado, o método identifica corretamente o colapso da informação e relata o alvo como não suportado, em vez de retornar um intervalo nominal espúrio.
• Distinção de Trabalhos Anteriores: Diferente da literatura de bandits ou inferência adaptativa padrão onde o conjunto de ações permanece disponível, este trabalho destaca que a viabilidade é parte do design estatístico sob restrições de recursos. A condição de sobreposição é uma propriedade do estado controlado, não apenas da política de logging.

Os autores mantêm a modéstia quanto à eficiência, observando que seus resultados fornecem um framework de inferência válida sob condições de suporte específicas, em vez de um limite de eficiência minimax geral para todos os cenários restritos. A principal contribuição é a compreensão ao nível de mecanismo de como as restrições de recursos induzem a exclusão de suporte e o design de um controlador que mitiga isso para permitir inferência válida.