신경 수요 포텐셜을 통한 적분 가능한 탄력성 (Integrable Elasticity via Neural Demand Potentials)
요약
다중 제품 소매 수요 예측을 위한 새로운 신경망 모델인 ICDN을 제안합니다. 로그 수요를 로그 가격의 매끄러운 함수로 학습하여 정확한 탄력성 도출이 가능하며, 기존 벤치마크 대비 우수한 일반화 성능을 보여줍니다.
핵심 포인트
- ICDN 모델을 통한 로그 수요 및 가격의 매끄러운 함수 학습
- 학습된 수요 표면으로부터 정확한 탄력성 도출 가능
- 교차 가격 효과에 대해 안정적이고 경제적으로 타당한 추정치 산출
- Dominick's 맥주 데이터셋 실험을 통한 일반화 성능 입증
우리는 다중 제품 소매 수요를 위한 수요 우선 신경망 모델인 ICDN (Integrable Context-Dependent Demand Network)을 제안합니다. 이 모델은 로그 수요 (log-demand)를 로그 가격 (log-prices)의 매끄러운 문맥 조건부 함수 (context-conditioned function)로 학습하여, 학습된 수요 표면 (demand surface)으로부터 탄력성 (elasticities)을 정확하게 도출할 수 있게 합니다. Dominick's 맥주 데이터셋을 대상으로 한 실험에서, ICDN은 방향성 로그-로그 (directed log-log) 벤치마크 대비 표본 외 일반화 (out-of-sample generalization) 성능을 향상시켰으며, 특히 식별력이 낮은 교차 가격 효과 (cross-price effects)에 대해 더욱 안정적이고 경제적으로 타당한 탄력성 추정치를 산출합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG (Machine Learning)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기0