AI 기반 가격·대출 의사결정에서 소비자 잉여를 추정하는 누적 성향 가중법

본 논문은 AI‑구동 가격 책정 및 알고리즘 대출에서 소비자 잉여를 측정하는 기존 방법론의 한계를 짚고, 새로운 추정 프레임워크를 제시한다. 전통적인 접근법은 먼저 수요 함수를 파라메트릭 혹은 비파라메트릭 방식으로 추정하고, 그 후 적분을 통해 잉여를 계산한다. 그러나 파라메트릭 모델은 구조적 오차 위험이 크고, 비파라메트릭·머신러닝 기반 방법은 데이터 요구량이 방대하며 수렴 속도가 느려 실무 적용이 어렵다. 이러한 문제를 해결하기 위해 저자는 현대 알고리즘 가격 책정·대출 시스템이 탐색‑활용 균형을 맞추기 위해 가격을 무작위로 변동시키는 ‘탐색 정책’이 내재돼 있다는 점에 주목한다. 무작위 가격이 주어질 때, 실제 구매(또는 대출 승인) 여부 Y는 해당 가격 a 에서의 수요 D(a) 에 대한 무편향 추정치가 된다. 즉, E