Salcedo (2015); Brown and MacKay (2023) など。 l シミュレーション・実証分析: l ドイツで、ガソリンスタンド市場の多くの企業によって導⼊された事例を分析した。 l より完全競争的な市場においてガソリン価格及びマークアップ率が上昇したと報告されて おり、カルテルが形成されたことを⽰唆。 l Assad, Clark, Ershov, and Xu (2024). l 機械学習アルゴリズム(Q学習)で価格競争をシミュレーションし、カルテルが形成された ことを確認した。 l Klein (2021), Calvano et al (2020). はじめに:問題の背景
(2022), Zervas et al (2017). l 競争関係にあることのエビデンス l なぜ: ⺠泊(Airbnb上) vs ホテルに注⽬するのか? 分析の対象:「Airbnb.com(⺠泊) vs ホテル」市場 ホテルC vs ホストC ホストB ホテルA ホテルB ホストA ⺠泊(Airbnb.com) ホテル vs vs vs vs vs vs
1社が、多数の財(部屋)を持つ企業として解釈で きるのではないか。 l つまり:AirbnbがAIを通して、全体の価格を決める状況 l 「全体の売り上げ(Airbnbの売り上げ)の最⼤化」を⽬的関数として、 Smart Pricingを設計しているはず 分析の対象:「Airbnb.com(⺠泊) vs ホテル」市場
ホストが⾃ら価格設定を⾏なう場合、スポーツ・⾳楽イベントなどの需要要因を観察し、 同⼀市場における他の部屋価格を考慮することが必要。 l 曜⽇ごとに価格を設定する必要や、数⽇前まで予約が⼊っていない場合は価格を減少させ ること(ダイナミックプライシング)を考慮するなど、 l ⾃らで⾏う価格設定には多⼤なコストが発⽣する。 l Smart Pricingを有効にすることで、AIがダイナミックな価格調整を正確な需要予測を通し て⾏う。 l ホストは価格設定を⾏う際のコストを限りなく⼩さくできる 「みんながSmart Pricingを使っているわけではない」と仮定してモデルを推定することで、 モデルの頑健性(robustness)を確認でき得る(と思っている) 分析⽅法