Strategic Buying Agents
电商自主购买代理的最优购买时机决策
🧭 最优停止 · 动态阈值 · LLM选择策略 ★ 深度解读
Rotman School of Management, University of Toronto
在平稳、贝叶斯、鲁棒三种信息假设下推导购买阈值策略，并用Amazon价格数据验证LLM更适合模型选择而非直接决策。
📌 工作参考价值（4 点）
- 价格监测与购买代理可将购买决策建模为最优停止问题，根据可用信息选择策略：历史数据充足且平稳用动态阈值；分布未知用贝叶斯后验更新阈值；数据极稀疏或环境不稳定时用随机阈值保证最坏情况性能（竞争比/最小最大遗憾）。
- 工程架构上可采用双层设计：由LLM或启发式诊断选择信息假设模型（平稳/贝叶斯/鲁棒），再由优化层求解阈值策略；实验显示这种“LLM选择+OR执行”的混合模式优于LLM直接做买卖决策。
- 理论给出的阈值单调性（对剩余时间、价格调整频率、消费者估值、信念的单调关系）可用于实时调整代理的购买激进程度，例如随着剩余时间减少或消费者估值升高自动提高接受价格。
- 鲁棒策略中的随机阈值思路为应对“闪购”式价格突然回涨提供了保护，特别适合促销追踪、库存紧张等场景。