『Customized Regression Model for Airbnb Dynamic Pricing』を読んでまとめた 【KDD2018】 - honawork
はじめに 2018年8月19日から23日にかけてロンドンで行われたKDD2018（データマイニングの世界的なカンファレンス）に採択されていた『Customized Regression Model for Airbnb Dynamic Pricing』なる論文を読みました。 Airbnbで実装されている価格推薦モデルについての論文で、 ビジネス・ユーザー視点を取り入れており、 「価格を下げれば予約されていた」と、「もっと価格を上げていてもよかった」というニーズ それをうまくモデル化していて、 上記を損失関数として定量化 さらにシンプルな構造で理解しやすい ①予約確率の予測→②最適価格の提案→③パーソナライズと、マクロ→ミクロに落ちていく構造 という点において優れたデータサイエンスの応用例であると感じたため、主要な論点を要約しつつ解説に取り組んでみようかと思います。 はじめに 論文の要旨 最
信用市場の一物三価
最近、信用リスクのスプレッドについて一物三価という言われ方をすることがあるそうだ。たとえば、ある企業に対する信用リスクの指標としては、その企業がどのぐらいの借り入れ金利で資金調達が出来るか、が指標となるが、この借り入れ金利についてまずいわゆる「融資」と「社債発行」でそれぞれ金利が違うのが現状である。不思議なことに、一般的に流動性があり保有者にとってのリスクも手間も少ないと考えられる社債のほうが高い金利がつくことが多い。 近時はこれに加えて更にCDS（クレディット・デフォルト・スワップ）が登場した。このブログでも何度か取り上げているが、CDSというのはある企業の信用リスクをプレミアムの受払いという形で取引する、一種の保険取引であり、当該企業と全く関係のないところでも二人の当事者間で契約することが出来る。 一般的にCDSは文字通りスワップであり、形式的には基準金利（LIBOR）とその企業のリス
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
http://www.llma.org/files/documents/Longevity_Pricing_Framework_Final.pdf
