管理学院开展人才引进学术交流活动，欢迎感兴趣的师生参与！

报告题目：MSapeMer: 收益管理里一种新型基于MAPE的无量纲低偏态混合预测误差度量方法（The MSapeMer:

An MAPE-based, scale-free less asymmetric, hybrid forecasting error measure for hospitality revenue management

主 持 人： 曲宗希 副教授

报 告 人： 马   婧 副教授

报告时间：2025年4月22日19:30

报告地点：腾讯会议417-616-897

报告简介：

在酒店、餐饮与旅游行业中，精准的需求预测是实现有效营收管理（Revenue Management, RM）的基础。MAPE（平均绝对百分比误差）作为最常用的预测误差评估指标，因其计算简单、直观易懂以及无量纲的特性，广泛应用于学术研究与实际运营中。然而，已有研究指出，MAPE存在系统性的“非对称性偏差”——在高估预测（over-forecast）时会产生更大的误差值，而在低估预测（under-forecast）时误差较小，从而导致对同一预测模型的误判。这种偏差在酒店行业尤为突出，因为该行业普遍采用“非受限需求预测”（unconstrained demand forecasting），即预测超过实际可容纳容量的潜在需求，以用于动态调价与库存控制决策。

本研究针对酒店营收管理中广泛使用的预测准确性指标——平均绝对百分比误差（MAPE）存在的“非对称性”问题，提出了一种新的改进型预测误差指标MSapeMER（Mean of Selectively applied Absolute Percentage Error or Magnitude of Error Relative to the Estimate）。

理论上，该研究首次系统性地量化并纠正了MAPE在酒店营收管理中引发的结构性偏差，填补了该领域在预测误差评估方法上的关键空白；实践上，为酒店行业提供了一个易于实现、兼具直观性与准确性的预测评价工具，特别适用于动态定价、库存控制及需求预测等关键环节。该方法不仅有助于提升预测模型选择的科学性，也有利于改善营收管理决策的质量，具有广泛的行业应用价值和推广前景。

报告人简介：

马婧，女，普渡大学博士。2016年加入美国特拉华大学商学院任助理教授、大学数据科学学院兼职教授、博士生导师，于2024年获得美国特拉华大学商学院终身教职并成功晋升为副教授。马婧的主要研究方向为数据驱动的服务管理、数据驱动的决策模型、营收优化与食品安全管理。

马婧博士在International Journal of Hospitality Management、International Journal of Contemporary Hospitality Management、Cornell Hospitality Quarterly、Journal of Business Research、Journal of Food Protection、Food Control等国际主流SCI/SSCI/CSSCI期刊发表研究论文二十余篇，论文累积被引超700次，主持国家自然科学基金青年项目1项。相关研究在智能营收管理、中央厨房分析、消费者食品安全感知等领域具有显著创新性和广泛应用前景。

【代表性科研成果】

1.Ma, J.* (2024). Estimating restaurants' unconstrained demand: A systematic approach to reducing structural bias in forecast accuracy measures. Journal of Hospitality and Tourism Technology. 15(3), 363-378, DOI: https://doi.org/10.1108/JHTT-03-2023-0068

2.Schwartz, Z., Ma, J., & Webb, T. (2023). The MSapeMER: a symmetric, scale-free and intuitive forecasting error measure for hospitality revenue management. International Journal of Contemporary Hospitality Management. 36(6). DOI: https://doi.org/10.1108/IJCHM-01-2023-0088

3.Ma, J.*, & Schwartz, Z. (2023). Revenue Analytics: The Problem with Fixed-Tier Pricing. Cornell Hospitality Quarterly, 64(3). DOI:10.1177/19389655231152456

4.Webb, T.*, Ma, J., & Cheng, A. (2022). Variable Pricing in Restaurant Revenue Management: A Priority Mixed Bundle Strategy. Cornell Hospitality Quarterly, 64(1), 22-33. DOI:10.1177/19389655221102387

5.Kim, J. H.*, Almanza, B., Ma, J. (2022). Do restaurant managers, consumers, and inspectors have the same understanding of restaurant inspections?, Journal of Foodservice Business Research, 25(4), 377-395, DOI:10.1080/15378020.2021.1948310

6.Ma, J.*, Webb, T., & Schwartz, Z. (2021). A blended model of restaurant deliveries, dine-in demand and capacity constraints. International Journal of Hospitality Management, 96, 102981. DOI:10.1016/j.ijhm.2021.102981

7.Yu, H.*, Legendre, T., & Ma, J. (2021). We stand by our brand: Consumers’ post-food safety crisis purchase intention and moral reasoning. Journal of Business Research, 132, 79-87. DOI:10.1016/j.jbusres.2021.04.020

8.Schwartz, Z.*, Webb, T., & Ma, J. (2021). Hotel Analytics: The Case for Reverse Competitive Sets. Cornell Hospitality Quarterly, 63(4), 559–571. DOI:10.1177/19389655211036656