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
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
seminario:seminario_nCOM000579_Garassino

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