Título: Un estudio empírico comparativo sobre modelos de elección discreta.

Directores: Gerardo Berbeglia (MBS, University of Melbourne), Gustavo Vulcano (UTDT)

Jurado: Juan José Miranbda Bront (UTDT) y Diego Fernández Slezak (UBA)

Join Zoom Meeting

https://utdt.zoom.us/j/97608114345

Meeting ID: 976 0811 4345

Resumen: 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 surtidos 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.