Dynamic pricing of real estate properties using reinforcement learning

Dynamic pricing is one of the most major fields in business analysis and marketing strategies. It can be named also yield management, demand pricing, time-based pricing. It's a business pricing strategy to change prices in real-time based on many key parameters such as supply and demand and other market features. This creative type of pricing is becoming more and more popular in some industries like tourism, electricity, public transport, retail, hospitality, and e-commerce. It has remarkably grown rapidly in the last 30 years with the scientific advances in computing and statistics that helped to establish some massive forward steps. However, dynamic pricing strategies still need to be more effective. With the development of e-commerce and information technology, markets have become more sensitive and responsive to many market factors. One of the approaches is to employ machine learning algorithms, more specifically Reinforcement learning. This R&D project aims to formulate and to implement the problem of dynamically allocating rental prices to flats in the region of Grand Paris in France by developing a program of Reinforcement learning with the principal purpose of maximizing revenue. The implemented model has been tested and simulated on multiple market scenarios and has been optimized regarding his multiple hyperparameters.

Il prezzo dinamico è uno dei campi più importanti nell'analisi aziendale e nelle strategie di marketing. Può essere chiamato anche gestione del rendimento, prezzo della domanda, prezzo basato sul tempo. È una strategia di prezzo aziendale per modificare i prezzi in tempo reale in base a molti parametri chiave come domanda e offerta e altre caratteristiche del mercato. Questo tipo di prezzo creativo sta diventando sempre più popolare in alcuni settori come il turismo, l'elettricità, i trasporti pubblici, la vendita al dettaglio, l'ospitalità e l'e-commerce. È notevolmente cresciuto rapidamente negli ultimi 30 anni con i progressi scientifici nell'informatica e nella statistica che hanno contribuito a stabilire alcuni enormi passi avanti. Tuttavia, le strategie di prezzo dinamico devono ancora essere più efficaci. Con lo sviluppo del commercio elettronico e della tecnologia dell'informazione, i mercati sono diventati più sensibili e sensibili a molti fattori di mercato. Uno degli approcci consiste nell'utilizzare algoritmi di apprendimento automatico, più specificamente l'apprendimento per rinforzo. Questo progetto di ricerca e sviluppo mira a formulare e implementare il problema dell'allocazione dinamica dei prezzi di affitto degli appartamenti nella regione di Grand Paris in Francia, sviluppando un programma di apprendimento per rinforzo con lo scopo principale di massimizzare le entrate. Il modello implementato è stato testato e simulato su più scenari di mercato ed è stato ottimizzato per quanto riguarda i suoi molteplici iperparametri.