技术摘要：具有特征多样性的最优半参数动态定价

1. 问题表述

本文研究了半参数需求模型下的情境动态定价问题。卖方反复与异质性客户互动，观测协变量向量 $x_t$（包含产品特征和客户信息）并设定价格 $p_t$。购买概率建模为：
$$P(y_t = 1 | x_t, p_t) = 1 - F(p_t - m(x_t))$$
其中：

• $m(x)$ 是平均效用函数（内在价值），可以是线性的、非参数加性的或稀疏线性的。
• $F$ 是未知的市场噪声分布（累积分布函数），假设为 $\beta$-平滑。
• 噪声 $\epsilon_t$ 是独立同分布的，且与协变量独立。

目标是最小化遗憾，定义为全知最优策略（知晓 $m$ 和 $F$）的收益与学习策略收益之间的累积差值。

关键挑战：

1. 耦合性：效用函数 $m(\cdot)$ 和噪声分布 $F$ 紧密耦合；估计其中一个产生的误差会偏差另一个的估计。
2. 内生性：用于估计 $F$ 的数据是由定价策略内生生成的，导致分布偏移和时间依赖性。
3. 先验局限性：现有方法要么依赖昂贵的全局随机探索（导致次优的遗憾率，且随平滑度 $\beta$ 增加而恶化），要么无法在高平滑度区间实现最优速率。

2. 方法论：迭代局部多项式回归 (ILPR)

作者提出了一种分阶段贪婪定价算法，通过利用特征多样性避免了显式的全局探索。核心见解是：在特征多样性条件下，利用阶段（贪婪定价）期间收集的样本足以细化对 $F$ 的非参数估计。

该算法按几何增长的阶段进行（$T_l = 2^{l-1}T_0$）：

1. 初始探索：一个短暂的初始阶段（$T_0$）使用随机定价，以获得效用函数的初始估计量 $\hat{m}$ 和初步估计 $\hat{F}_0$。
2. 分阶段贪婪定价：在第 $l$ 阶段，卖方基于当前估计量 $\hat{m}$ 和 $\hat{F}_{l-1}$ 贪婪地设定价格。
3. 迭代细化：每个阶段结束后，算法利用该阶段收集的数据更新 $F$ 的估计。这涉及三个关键组成部分：
   • 局部多项式回归 (LPR)：该方法采用局部多项式回归来同时估计 $F$ 及其导数 $F'$，而不是使用先前的 Nadaraya-Watson 估计量。这对于处理“变量误差”问题至关重要，因为观测到的协变量 $u_t = p_t - \hat{m}(x_t)$ 与真实的潜变量不同。
   • 后平滑：应用核平滑步骤，以确保估计的变换函数 $\hat{\phi}$ 足够平滑且单调，防止逆变错误。
   • 边界扰动：为了解决边界偏差并确保估计的定价规则覆盖必要的定义域，在支撑集的边界附近应用线性外推扰动。

特征多样性假设：该方法依赖于效用 $m(x)$（或其估计量 $\hat{m}(x)$）的分布在边界附近具有多项式衰减密度的假设。这确保了“贪婪”定价策略自然地充分探索空间以估计非参数函数 $F$，而无需人为随机化。

3. 主要贡献与理论结果

A. 一般遗憾界

本文建立了针对任何具有误差 $\epsilon_m = \|\hat{m} - m\|_\infty$ 的初始效用估计量 $\hat{m}$ 的主遗憾界：
$$\text{Regret}(T) \lesssim \max \left\{ T_0, T \epsilon_m^2, T^{\frac{3}{2\beta+1}} \right\}$$
该界以高概率成立，并适用于满足特定正则性条件（误差的 Lipschitz 条件均值）的一般估计量。

B. 效用类的具体速率

作者针对三种常见的效用类实例化了该界：

1. 线性模型 ($m(x) = x^\top \theta$)：
   • 遗憾规模为 $T^{\max\{1/2, \frac{3}{2\beta+1}\}}$。
   • 当 $\beta \ge 5/2$ 时，速率达到参数级 $\sqrt{T}$ 速率。
   • 对于 $\beta = 2$，速率为 $T^{3/5}$，与 Wang & Chen (2025) 针对该特定情况推导出的最优速率一致。
2. 非参数加性模型：
   • 遗憾规模为 $\max\{(Td)^{\frac{2\gamma+1}{4\gamma+1}}, T^{\frac{3}{2\beta+1}}\}$，其中 $\gamma$ 是加性分量的平滑度。
3. 稀疏线性模型：
   • 遗憾规模为 $\max\{\sqrt{s^3 T \log d}, T^{\frac{3}{2\beta+1}}\}$，其中 $s$ 是稀疏度水平。

C. 最优性与下界

本文证明了线性效用情况的匹配下界，表明速率 $T^{\max\{1/2, \frac{3}{2\beta+1}\}}$ 是极小极大最优的。这证实了所提出的算法在关于 $T$ 和 $\beta$ 的依赖性方面无法进一步改进。

D. 与先前工作的比较

• 对比 Fan 等人 (2024)：所提出的方法改进了 Fan 等人的遗憾速率，特别是对于较高的平滑度 $\beta$。Fan 等人的方法依赖于全局随机探索和 Nadaraya-Watson 估计量，这些方法受变量误差问题困扰，且随着 $\beta$ 增加，速率次优。
• 对比 Wang & Chen (2025)：该方法将已知的 $\beta=2$ 情况下的最优 $T^{3/5}$ 速率扩展到任意 $\beta \ge 2$，并在 $\beta \ge 5/2$ 时实现了参数速率。

4. 实证验证

作者进行了广泛的数值实验：

• 合成数据：模拟证实，在不同平滑度水平（$\beta \in [2, 3.25]$）下，经验遗憾指数与理论预测高度吻合。所提出的 ILPR 方法显著优于基于核的策略（Fan 等人，2024）和 DIP 策略（Luo 等人，2024）。
• 半真实数据：利用 INFORMS 2023 BSS 数据挑战中的数据，作者构建了一个半真实定价环境。ILPR 策略在 161 种产品上显示出显著改进（中位数遗憾减少约 47-75%），优于基线方法。

5. 意义与主张

本文声称提供了针对所有平滑度参数 $\beta \ge 2$ 的半参数情境定价的首个极小极大遗憾界。其主要意义在于：

1. 消除昂贵的探索：通过利用特征多样性，算法重用内生的利用数据来进行非参数学习，避免了全局随机探索的高遗憾成本。
2. 最优性：当噪声分布足够平滑（$\beta \ge 5/2$）时，它实现了参数级 $\sqrt{T}$ 速率，这是先前方法未能达到的区间。
3. 方法严谨性：结合后平滑和边界扰动的局部多项式回归的使用，有效地处理了动态设置中内生协变量和导数估计的统计挑战。

作者指出，虽然下界是针对线性效用建立的，但将其扩展到加性模型和高维稀疏模型仍然是一个开放方向。他们还建议未来的工作可以探索放宽特征多样性条件，或将框架扩展到多产品和非平稳设置。