用于确定商品价格弹性的 Monodense 深度神经网络模型

商品价格弹性用于量化消费者需求对商品价格变化的响应，使企业能够制定定价策略并优化收入管理。实体店零售、电子商务和消费品等行业依赖源自历史销售和定价数据的弹性信息。这种弹性提供了对不同商品的购买行为、消费者折扣敏感性和需求弹性部门的理解。这些信息对于旨在最大化盈利和市场份额的竞争性市场和资源受限企业的决策尤为有价值。价格弹性还揭示了消费者响应性随时间的历史变化。在本文中，我们使用大规模交易数据集对商品级价格弹性进行建模，提出了一种新颖的弹性估计框架，该框架能够在无处理对照设置下工作。我们使用以下基于机器学习的算法测试了该框架，包括我们新提出的 Monodense 深度神经网络。（1）Monodense-DL 网络——结合嵌入层、密集层和 Monodense 层的混合神经网络架构；（2）DML——使用回归模型的双重机器学习设置；（3）LGBM——轻量梯度提升模型。我们使用回测框架在涵盖数百万笔交易的多类别零售数据上评估了我们的模型。实验结果表明，我们提出的神经网络模型在该框架中优于上述其他常见的基于机器学习的方法。