使用预测分析识别零售市场中的套利机会-研究论文

尽管有关套利机会识别的文献在金融，能源和房地产市场已广为人知，但零售市场中套利的研究相对有限。 由于在这种情况下套利机会与其他市场固有地不同，我们提出了一种数据分析框架，以通过利用机器学习模型从价格变动中预测最佳购买点来识别这种套利。 我们的预测方法通过合并用户生成的内容来增强，该内容证明了它的信息功能。 总体而言，在使用从Amazon Marketplace收集的数据进行的交叉验证测试中，增强型模型的准确率达到90％以上，而召回率则高于80％。 此外，我们进行了现场实验，以验证该模型在实际环境中的外部有效性。 结果表明，我们的模型能够产生高达113.31％的利润率。