A comparative empirical study of discrete choice models
- Autores
- Garassino, Agustín
- Año de publicación
- 2020
- Idioma
- inglés
- Tipo de recurso
- tesis de grado
- Estado
- versión publicada
- Colaborador/a o director/a de tesis
- Berbeglia, Gerardo
Vulcano, Gustavo José - Descripción
- La estimación de demanda es una tarea fundamental en gestión de operaciones y revenue management, brindando los datos necesarios para control de inventario, diseño de assortment y modelos de pricing. La tarea es particularmente difícil en contextos operativos donde la disponibilidad de los productos varía a lo largo del tiempo, induciendo la sustitución por parte de los consumidores. Además del clásico modelo multinomial logit (MNL) y sus extensiones (ej: nested logit, mixed MNL), nuevos modelos de demanda fueron propuestos (ej: modelo de Markov Chain) y otros fueron recientemente revisitados (ej: el ranked-list y el exponomial). Al mismo tiempo, nuevos algoritmos fueron desarrollados para facilitar su estimación (ej: generación de columnas, expectation maximization). En este trabajo se realizó un estudio sistemático y empírico de múltiples modelos de demanda basados en elección discreta, y de distintos algoritmos de estimación, incluyendo máxima verosimilitud y cuadrados mínimos. Con un exhaustivo conjunto de experimentos numéricos sobre datos sintéticos, semi-sintéticos y reales, se proveen estadísticas comparativas del poder predictivo y la performance económica de una amplia colección de modelos. A su vez se caracterizaron los entornos operativos adecuados para su implementación. Adicionalmente, se realizó un resumen de todos los modelos evaluados.
Choice-based demand estimation is a fundamental task in retail operations and revenue management, providing necessary input data for inventory control, assortment and price optimization models. The task is particularly difficult in operational contexts where product availability varies over time and customers may substitute into the available options. In addition to the classical multinomial logit (MNL) model and extensions (e.g., nested logit, mixed MNL), new demand models have been proposed (e.g., the Markov chain model) and others have been recently revisited (e.g., the rank list-based and exponomial models). At the same time, new computational approaches were developed to ease the estimation function (e.g., column generation, EM algorithms). In this work, a systematic, empirical study of different choice-based demand models and estimation algorithms is conducted, including both maximum likelihood and least squares criteria. Through an exhaustive set of numerical experiments on synthetic, semisynthetic and real data, comparative statistics of the predictive power and derived revenue performance of an ample collection of choice models is provided. Furthermore, operational environments suitable for different model/estimation implementations are characterized. A survey of all the discrete choice models evaluated is also provided.
Fil: Garassino, Agustín. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. - Materia
-
ESTIMACION DE DEMANDA
PREFERENCIAS DE LOS CONSUMIDORES
COMPORTAMIENTO DE CONSUMIDORES
ESTIMACION DE MAXIMA VEROSIMILITUD
ESTIMACION DE CUADRADOS MINIMOS
DEMAND ESTIMATION
CONSUMER PREFERENCES
CHOICE BEHAVIOR
MAXIMUM LIKELIHOOD ESTIMATION
LEAST SQUARES ESTIMATION - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar
- Repositorio
- Institución
- Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
- OAI Identificador
- seminario:seminario_nCOM000579_Garassino
Ver los metadatos del registro completo
id |
BDUBAFCEN_f5039f2dbdcbadccc8bbd4ce9f96a05e |
---|---|
oai_identifier_str |
seminario:seminario_nCOM000579_Garassino |
network_acronym_str |
BDUBAFCEN |
repository_id_str |
1896 |
network_name_str |
Biblioteca Digital (UBA-FCEN) |
spelling |
A comparative empirical study of discrete choice modelsUn estudio comparativo y empírico sobre modelos de elección discretaGarassino, AgustínESTIMACION DE DEMANDAPREFERENCIAS DE LOS CONSUMIDORESCOMPORTAMIENTO DE CONSUMIDORESESTIMACION DE MAXIMA VEROSIMILITUDESTIMACION DE CUADRADOS MINIMOSDEMAND ESTIMATIONCONSUMER PREFERENCESCHOICE BEHAVIORMAXIMUM LIKELIHOOD ESTIMATIONLEAST SQUARES ESTIMATIONLa estimación de demanda es una tarea fundamental en gestión de operaciones y revenue management, brindando los datos necesarios para control de inventario, diseño de assortment y modelos de pricing. La tarea es particularmente difícil en contextos operativos donde la disponibilidad de los productos varía a lo largo del tiempo, induciendo la sustitución por parte de los consumidores. Además del clásico modelo multinomial logit (MNL) y sus extensiones (ej: nested logit, mixed MNL), nuevos modelos de demanda fueron propuestos (ej: modelo de Markov Chain) y otros fueron recientemente revisitados (ej: el ranked-list y el exponomial). Al mismo tiempo, nuevos algoritmos fueron desarrollados para facilitar su estimación (ej: generación de columnas, expectation maximization). En este trabajo se realizó un estudio sistemático y empírico de múltiples modelos de demanda basados en elección discreta, y de distintos algoritmos de estimación, incluyendo máxima verosimilitud y cuadrados mínimos. Con un exhaustivo conjunto de experimentos numéricos sobre datos sintéticos, semi-sintéticos y reales, se proveen estadísticas comparativas del poder predictivo y la performance económica de una amplia colección de modelos. A su vez se caracterizaron los entornos operativos adecuados para su implementación. Adicionalmente, se realizó un resumen de todos los modelos evaluados.Choice-based demand estimation is a fundamental task in retail operations and revenue management, providing necessary input data for inventory control, assortment and price optimization models. The task is particularly difficult in operational contexts where product availability varies over time and customers may substitute into the available options. In addition to the classical multinomial logit (MNL) model and extensions (e.g., nested logit, mixed MNL), new demand models have been proposed (e.g., the Markov chain model) and others have been recently revisited (e.g., the rank list-based and exponomial models). At the same time, new computational approaches were developed to ease the estimation function (e.g., column generation, EM algorithms). In this work, a systematic, empirical study of different choice-based demand models and estimation algorithms is conducted, including both maximum likelihood and least squares criteria. Through an exhaustive set of numerical experiments on synthetic, semisynthetic and real data, comparative statistics of the predictive power and derived revenue performance of an ample collection of choice models is provided. Furthermore, operational environments suitable for different model/estimation implementations are characterized. A survey of all the discrete choice models evaluated is also provided.Fil: Garassino, Agustín. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesBerbeglia, GerardoVulcano, Gustavo José2020info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttps://hdl.handle.net/20.500.12110/seminario_nCOM000579_Garassinoenginfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-09-29T13:43:41Zseminario:seminario_nCOM000579_GarassinoInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-09-29 13:43:41.969Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse |
dc.title.none.fl_str_mv |
A comparative empirical study of discrete choice models Un estudio comparativo y empírico sobre modelos de elección discreta |
title |
A comparative empirical study of discrete choice models |
spellingShingle |
A comparative empirical study of discrete choice models Garassino, Agustín ESTIMACION DE DEMANDA PREFERENCIAS DE LOS CONSUMIDORES COMPORTAMIENTO DE CONSUMIDORES ESTIMACION DE MAXIMA VEROSIMILITUD ESTIMACION DE CUADRADOS MINIMOS DEMAND ESTIMATION CONSUMER PREFERENCES CHOICE BEHAVIOR MAXIMUM LIKELIHOOD ESTIMATION LEAST SQUARES ESTIMATION |
title_short |
A comparative empirical study of discrete choice models |
title_full |
A comparative empirical study of discrete choice models |
title_fullStr |
A comparative empirical study of discrete choice models |
title_full_unstemmed |
A comparative empirical study of discrete choice models |
title_sort |
A comparative empirical study of discrete choice models |
dc.creator.none.fl_str_mv |
Garassino, Agustín |
author |
Garassino, Agustín |
author_facet |
Garassino, Agustín |
author_role |
author |
dc.contributor.none.fl_str_mv |
Berbeglia, Gerardo Vulcano, Gustavo José |
dc.subject.none.fl_str_mv |
ESTIMACION DE DEMANDA PREFERENCIAS DE LOS CONSUMIDORES COMPORTAMIENTO DE CONSUMIDORES ESTIMACION DE MAXIMA VEROSIMILITUD ESTIMACION DE CUADRADOS MINIMOS DEMAND ESTIMATION CONSUMER PREFERENCES CHOICE BEHAVIOR MAXIMUM LIKELIHOOD ESTIMATION LEAST SQUARES ESTIMATION |
topic |
ESTIMACION DE DEMANDA PREFERENCIAS DE LOS CONSUMIDORES COMPORTAMIENTO DE CONSUMIDORES ESTIMACION DE MAXIMA VEROSIMILITUD ESTIMACION DE CUADRADOS MINIMOS DEMAND ESTIMATION CONSUMER PREFERENCES CHOICE BEHAVIOR MAXIMUM LIKELIHOOD ESTIMATION LEAST SQUARES ESTIMATION |
dc.description.none.fl_txt_mv |
La estimación de demanda es una tarea fundamental en gestión de operaciones y revenue management, brindando los datos necesarios para control de inventario, diseño de assortment y modelos de pricing. La tarea es particularmente difícil en contextos operativos donde la disponibilidad de los productos varía a lo largo del tiempo, induciendo la sustitución por parte de los consumidores. Además del clásico modelo multinomial logit (MNL) y sus extensiones (ej: nested logit, mixed MNL), nuevos modelos de demanda fueron propuestos (ej: modelo de Markov Chain) y otros fueron recientemente revisitados (ej: el ranked-list y el exponomial). Al mismo tiempo, nuevos algoritmos fueron desarrollados para facilitar su estimación (ej: generación de columnas, expectation maximization). En este trabajo se realizó un estudio sistemático y empírico de múltiples modelos de demanda basados en elección discreta, y de distintos algoritmos de estimación, incluyendo máxima verosimilitud y cuadrados mínimos. Con un exhaustivo conjunto de experimentos numéricos sobre datos sintéticos, semi-sintéticos y reales, se proveen estadísticas comparativas del poder predictivo y la performance económica de una amplia colección de modelos. A su vez se caracterizaron los entornos operativos adecuados para su implementación. Adicionalmente, se realizó un resumen de todos los modelos evaluados. Choice-based demand estimation is a fundamental task in retail operations and revenue management, providing necessary input data for inventory control, assortment and price optimization models. The task is particularly difficult in operational contexts where product availability varies over time and customers may substitute into the available options. In addition to the classical multinomial logit (MNL) model and extensions (e.g., nested logit, mixed MNL), new demand models have been proposed (e.g., the Markov chain model) and others have been recently revisited (e.g., the rank list-based and exponomial models). At the same time, new computational approaches were developed to ease the estimation function (e.g., column generation, EM algorithms). In this work, a systematic, empirical study of different choice-based demand models and estimation algorithms is conducted, including both maximum likelihood and least squares criteria. Through an exhaustive set of numerical experiments on synthetic, semisynthetic and real data, comparative statistics of the predictive power and derived revenue performance of an ample collection of choice models is provided. Furthermore, operational environments suitable for different model/estimation implementations are characterized. A survey of all the discrete choice models evaluated is also provided. Fil: Garassino, Agustín. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. |
description |
La estimación de demanda es una tarea fundamental en gestión de operaciones y revenue management, brindando los datos necesarios para control de inventario, diseño de assortment y modelos de pricing. La tarea es particularmente difícil en contextos operativos donde la disponibilidad de los productos varía a lo largo del tiempo, induciendo la sustitución por parte de los consumidores. Además del clásico modelo multinomial logit (MNL) y sus extensiones (ej: nested logit, mixed MNL), nuevos modelos de demanda fueron propuestos (ej: modelo de Markov Chain) y otros fueron recientemente revisitados (ej: el ranked-list y el exponomial). Al mismo tiempo, nuevos algoritmos fueron desarrollados para facilitar su estimación (ej: generación de columnas, expectation maximization). En este trabajo se realizó un estudio sistemático y empírico de múltiples modelos de demanda basados en elección discreta, y de distintos algoritmos de estimación, incluyendo máxima verosimilitud y cuadrados mínimos. Con un exhaustivo conjunto de experimentos numéricos sobre datos sintéticos, semi-sintéticos y reales, se proveen estadísticas comparativas del poder predictivo y la performance económica de una amplia colección de modelos. A su vez se caracterizaron los entornos operativos adecuados para su implementación. Adicionalmente, se realizó un resumen de todos los modelos evaluados. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/tesisDeGrado |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
https://hdl.handle.net/20.500.12110/seminario_nCOM000579_Garassino |
url |
https://hdl.handle.net/20.500.12110/seminario_nCOM000579_Garassino |
dc.language.none.fl_str_mv |
eng |
language |
eng |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
publisher.none.fl_str_mv |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital (UBA-FCEN) instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales instacron:UBA-FCEN |
reponame_str |
Biblioteca Digital (UBA-FCEN) |
collection |
Biblioteca Digital (UBA-FCEN) |
instname_str |
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
instacron_str |
UBA-FCEN |
institution |
UBA-FCEN |
repository.name.fl_str_mv |
Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
repository.mail.fl_str_mv |
ana@bl.fcen.uba.ar |
_version_ |
1844618757961416705 |
score |
13.070432 |