To exploit users' heterogeneous data demands, several mobile network operators worldwide have launched the mobile data trading markets, where users can trade mobile data quota with each other. In this paper, we aim to understand the importance of data trading market (DTM) by studying the users' operator selection and trading decisions, and analyzing the operator's profit maximizing strategy. We model the interactions between the mobile operator and the users as a three-stage Stackelberg game. In Stage I, the operator chooses the operation fee imposed on sellers to maximize its profit. In Stage II, each user chooses his operator. In Stage III, each DTM user chooses his trading decisions. We derive the closed-form expression of the unique Nash equilibrium (NE) in Stages II and III, where every user proposes the same price such that the total demand matches with the total supply. We further show that the Stage I's problem is convex and compute the optimal operation fee. Our analysis and numerical results show that an operator with a small initial market share can increase its profit by proposing a DTM, which is in line with the real-world situation in Hong Kong.


翻译:为了利用用户的不同数据需求,世界各地的几个移动网络运营商启动了移动数据交易市场,用户可以相互交换移动数据配额。在本文件中,我们的目标是通过研究用户的经营者选择和交易决定以及分析经营者的利润最大化战略来理解数据交易市场(DTM)的重要性。我们把移动运营商和用户之间的相互作用模拟为三阶段Stackelberg游戏。在第一阶段,运营商选择对销售商收取的运营费,以最大限度地增加其利润。在第二阶段,每个用户选择其运营商。在第三阶段,每个DTM用户选择其交易决定。我们在第二和第三阶段,我们得出了独特的纳什平衡(NE)的封闭式表达方式,即每个用户都提出与总供应量相符的相同价格。我们进一步表明,第一阶段的问题是 convex,并计算最佳的运营费。我们的分析与数字结果显示,拥有小部分市场份额的运营商可以通过提出一个符合香港实际情况的DTM来增加其利润。

0
下载
关闭预览

相关内容

斯坦福经典《概率统计学可视化入门》,66页pdf
专知会员服务
59+阅读 · 2021年1月19日
经济学中的数据科学,Data Science in Economics,附22页pdf
专知会员服务
35+阅读 · 2020年4月1日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【电子书推荐】Data Science with Python and Dask
专知会员服务
43+阅读 · 2019年6月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
《科学》(20190517出版)一周论文导读
科学网
5+阅读 · 2019年5月19日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
3+阅读 · 2018年8月17日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
《科学》(20190517出版)一周论文导读
科学网
5+阅读 · 2019年5月19日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员