零售运营中离散选择模型的比较实证研究-研究论文

需求估计是零售运营和收入管理中的一项基本任务，为库存控制、分类和价格优化模型提供必要的输入数据。 当产品可用性随时间变化并且客户可能会替代时，这项任务在运营环境中尤其困难。 除了经典的多项 logit (MNL) 模型及其变体（例如，嵌套 logit、混合 MNL）之外，还提出了新的需求模型（例如，马尔可夫链模型）并重新审视了其他模型（例如，基于秩的模型）和指数模型）。 同时，开发了新的计算方法来简化估计功能（例如，列生成、EM 算法）。 在本文中，我们对不同的需求模型和估计算法进行了系统的实证研究，涵盖了最大似然和最小二乘标准。 通过对合成数据和真实数据进行详尽的数值实验，我们提供了不同选择模型和估计方法质量的比较统计数据，并描述了适用于不同模型/估计实现的操作环境。