Una aplicación Bayesiana a la Modelización de Mercados
Master Oficial en Ingeniería Matemática Problema planteado por BAYES INFERENCE, S. A.
Exposición del problema (I)
Se considera un mercado de competencia oligopolista Se consideran productos sustitutivos perfectos (mismo valor de la función de utilidad) Se estudia un sólo producto por marca Los consumidores tienen una función de utilidad cardinal de forma que asignan utilidad a cada marca alternativa Cada consumidor en el periodo “t” puede consumir una unidad de la marca “A” o de la marca “B” o alguna de las englobadas dentro de la categoría “C” de marcas minoritarias
Mercado
Desarrollaremos la forma funcional de las demandas para todas las marcas que operan sobre el mercado.
A = Primera marca –
B = Segunda marca –
(Primer incumbente) (Disputa la incumbencia)
Cj = Marcas minoritarias [1...k]
A B C1 C2 C3 Ck
Reparto del mercado en función de las demandas sobre las ventas totales de la marca estudiada
Ciclo de mercado OBSERVACIÓN DE LA DEMANDA: -Propia -Ajena ACTUACIÓN DE LA MARCA: - Precio - Publicidad
MERCADO u LANZAMIENTO DE LA OFERTA: -p -q
Diccionario de variables y = Demanda del producto de una marca p = Precio instantáneo de una marca P = Precio instantáneo de una marca como variable aleatoria q = Inversión instantánea en publicidad Q = Inversión instantánea en publicidad como variable aleatoria α = Influencia del precio en la demanda β= Influencia de la publicidad en la demanda e = Error en la demanda t = Instante de tiempo k = Número de marcas minoritarias i = Índice de las demandas j = Índice de las marcas minoritarias
Modelo
Se puede suponer que en el modelo, el total del mercado se puede dividir en porcentajes que dependen de las demandas ”yi”.
t
y X Demanda de la marca "X" en el instante "t" t
Asumimos que la demanda de una marca ”yi”, es función lineal de los precios “p” y de las inversiones en publicidad “q”, para cada una de las marcas.
p X Precio de la marca "X" en el instante "t" t
q X Inversión en publicidad de la marca "X" en el instante "t" t
t
u X p X X q X función de utilidad cuando el precio de la t
marca X es p Xt y la inversión en publicidad es q X en el instante "t" X= A,B,C1 ,C2 ,...,Ck
Modelo
Cada marca conoce sus datos e ignora los del resto de marcas Por ejemplo, para la marca A: t 1
t
t
t
t
t
t
t
t
t
t 1
Marca A : y A y A A p A A q A B PB B QB C1 PC1 C1 QC1 ... Ck PCk Ck QCk eA
A B C1 C2 C3 Ck
Modelo Recorrido temporal: [t1…tf] Cada marca conoce sus datos e ignora los del resto de marcas que se introducen en el modelo como variables aleatorias (P,Q)
t 1
t
t
t 1
t
t
t
t
t
t
t
t
t
t 1
t
t
t
t
t
t 1
Marca A : y A y A A p A A q A B PB B QB C1 PC1 C1 QC1 ... Ck PCk Ck QCk eA t
t
Marca B : yB yB A PA AQA B pB B qB C1 PC1 C1 QC1 ... Ck PCk Ck QCk eB t 1
t
t
t
t
t
t
t
t
t 1
t
Marca C1 : yC1 yC1 A PA AQA B PB B QB C1 pC1 C1 qC1 ... Ck PCk Ck QCk eC1 . . . t 1
t
t
t
t
t
t
t
t
t
t 1
Marca C k : yCk yCk A PA AQA B PB B QB C1 PC1 C1 QC1 ... Ck pCk Ck qCk eCk
Estimación del modelo Se trata de estimar todas las variables aleatorias (indicadas en mayúsculas) con el método que se elija en su caso. Para simplificar, sustituiremos cada valor de la variable aleatoria por su media. Supondremos que las distribuciones de P y Q son conocidas. Además debemos determinar los parámetros (α,β), para lo cual se aconseja emplear regresión lineal a partir de series históricas.
Evolución del mercado
Inicializaremos el modelo con datos obtenidos de una fuente experta que conocería idealmente el estado exacto de todas las variables y parámetros. Con el paso del tiempo estos valores se sustituirán por los calculados a partir de las observaciones a fin de ajustar el modelo
t1
tf
A B C1 C2 C3 Ck
A B C1 C2 C3 Ck
Solución
Permite obtener la forma funcional de las demandas de las diferentes marcas que componen el mercado Con el modelo se pueden determinar cómo dependen funcionalmente las relaciones de las demandas a partir de los precios e inversiones publicitarias de las marcas t 1 t t t t t t t t t t 1 Marca A : y A y A ˆ A p A ˆ A q A ˆ B PˆB ˆB Qˆ B ˆ C1 PˆC1 ˆC1 Qˆ C1 ... ˆ Ck PˆCk ˆCk Qˆ Ck eˆA t 1 t t t t t t t t t t 1 Marca B : yB yB ˆ A PˆA ˆ AQˆ A ˆ B pB ˆB qB ˆ C1 PˆC1 ˆC1 Qˆ C1 ... ˆ Ck PˆCk ˆCk Qˆ Ck eˆB t 1 t t t t t t t t t t 1 Marca C1 : yC1 yC1 ˆ A PˆA ˆ AQˆ A ˆ B PˆB ˆB Qˆ B ˆ C1 pC1 ˆC1 qC1 ... ˆ Ck PˆCk ˆCk Qˆ Ck eˆC1
. . . t 1 t t t t t t t t t t1 Marca Ck : yCk yCk ˆ A PˆA ˆ AQˆ A ˆ B PˆB ˆB Qˆ B ˆ C1 PˆC1 ˆC1 Qˆ C1 ... ˆ Ck pCk ˆCk qCk eˆCk
A partir de este momento se supone que todos los elementos que aparecen en el sistema están perfectamente determinados
Simulación
Se escoge un producto (A) Se fijan precios, inversiones publicitarias e instante temporal (p,q,t) Simulamos precios e inversiones de la competencia, obteniéndose los valores de demanda “yA” correspondientes al sistema de ecuaciones de nuestro modelo Se toma un percentil adecuado (p.ej 10%) de la distribución de “yA” arrojada por la simulación, que asegure una probabilidad alta de conseguir ese valor de demanda como mínimo Se iteran (3) y (4) en un mallado bidimensional (p, q) Se escoge el máximo absoluto que t ,* denotaremos: A
y
q5
60
q4
40
q3 20 0
q2 p1 p2 p3 p4 p5 p6
q1
40-60 20-40 0-20
Simulación
Se escoge un producto (A) Se fijan precios, inversiones publicitarias e instante temporal (p,q,t) Simulamos precios e inversiones de la competencia, obteniéndose los valores de demanda “yA” correspondientes al sistema de ecuaciones de nuestro modelo Se toma un percentil adecuado (p.ej 10%) de la distribución de “yA” arrojada por la simulación, que asegure una probabilidad alta de conseguir ese valor de demanda como mínimo Se iteran (3) y (4) en un mallado bidimensional (p, q) Se escoge el máximo absoluto que t ,* denotaremos: A
y
q5
60
q4
40
q3 20 0
q2 p1 p2 p3 p4 p5 p6
q1
40-60 20-40 0-20
Simulación
Se escoge un producto (A) Se fijan precios, inversiones publicitarias e instante temporal (p,q,t) Simulamos precios e inversiones de la competencia, obteniéndose los valores de demanda “yA” correspondientes al sistema de ecuaciones de nuestro modelo Se toma un percentil adecuado (p.ej 10%) de la distribución de “yA” arrojada por la simulación, que asegure una probabilidad alta de conseguir ese valor de demanda como mínimo Se iteran (3) y (4) en un mallado bidimensional (p, q) Se escoge el máximo absoluto que t ,* denotaremos: A
y
q5
60
q4
40
q3 20 0
q2 p1 p2 p3 p4 p5 p6
q1
40-60 20-40 0-20
Simulación
Iteraremos el proceso para un número determinado de instantes de tiempo y para cada marca, con lo que se irán obteniendo los valores óptimos de demanda que satisfagan las restricciones estipuladas:
y tA,* , yBt ,* , yCt ,*1 ,..., yCt ,*k
De los óptimos extraemos los valores de “p” y “q” que les corresponden y que son las soluciones buscadas.
y
t ,* marca ( X )
40 30 20 10 0
Soluciones : ( p tX,* , q tX,* )
30-40 20-30 10-20 0-10
Validación del modelo
Consiste en estudiar la diferencia entre nuestra solución y la prevista al inicio por el experto Se pueden emplear mixturas de ambas distribuciones: la arrojada por el modelo y la descrita por el experto
Alternativas y ampliaciones
Alterar las funciones de utilidad cambiando la forma funcional del modelo Modificar la estructura de las ecuaciones de nuestro modelo (logarítmico, multiplicativo, etc) Modificar el método de estimación de los parámetros, utilizando por ejemplo la aproximación bayesiana Incorporar la interdependencia de las marcas
Miguel Ángel Gómez Villegas Alejandro Ferrer Pérez Inés Cubillo Dapena Alfonso de la Fuente Ruiz