一种动态公理化方法应用于一价拍卖
该研究尝试在位置拍卖设置中寻找经济机制,特别是那些在完整和不完整信息下都能保证良好结果的机制,通过多维出价的一般化一价机制变体来实现这一目标,发现表述能力超出类型空间是实现鲁棒性的必要和充分条件。
Jul, 2013
本研究探讨了如何学习在首价拍卖中进行出价,针对这一问题开发了首个达到最小化一般策略集的竞标算法,能够显著提升现有竞标算法的效果。这一算法利用专家策略和层级策略,取得了不错的效果,在三个真实场景的测试中表现出了优越性。
Jul, 2020
本文提出了一种通用的、模块化的理论来证明竞拍中的平衡近似保证,该理论补充了传统经济技术,着重于精确和最优解决方案,并因此局限于相对简化的设置。我们提出了三个用户友好的分析工具:平滑型不等式、扩展定理和组合定理,将这些工具结合起来,为许多广泛使用的拍卖格式的均衡提供了严格的最坏情况近似保证。
Jul, 2016
本文探究了重复拍卖中的拍卖设计,其中通过简单人工智能算法 (Q-learning) 进行拍卖。我们发现,在没有额外反馈的情况下,第一价格拍卖会导致默认勾结结果(竞投低于价值),而第二价格拍卖则不会。我们展示了这种差异是由第一价格拍卖中超越竞争者一个出价单位的刺激所驱动的。这在经过试验阶段之后便有助于实现对低竞标的重新协调。同时,我们还发现,谷歌在转向第一价格拍卖时引入的有关获胜的最低竞标的信息提供,增加了拍卖的竞争度。
Feb, 2022
学习在重复的一价拍卖中进行投标是博弈论和机器学习之间的一个基本问题,我们提出了一种新颖的凸形式用于分析一价拍卖中的纯策略投标,并证明了我们的算法可以有效鼓励拍卖买家真实报价并且无法被巧言利用。
Feb, 2024
该研究开发了工具,用于分析具有单维代理商的非对称拍卖中的 Bayes-Nash 平衡的福利和收益,分析分离了标准的平稳框架两个不同的部分,得到了关于社会福利和收益的无序价格结果,并为最优福利和最优收益提供了近似结果,同时还给出了同时组合多个拍卖的扩展定理。
Apr, 2014
本研究探讨了单品拍卖中设置和测试保留价值的问题,并比较了延迟版本和迫切版本之间的性能差异,发现即使在相关投标的情况下,两种情况的总收入总是相差不超过两倍,但迫切拍卖在独立或对称投标人时总是优于延迟拍卖。
Feb, 2016
本文研究在连续价值分布和离散竞标空间的第一价格拍卖中计算贝叶斯 - 纳什均衡的问题,并证明当投标人对其他竞标人的价值分布有独立的主观先验信念时,计算该拍卖的 ε- 均衡是 PPAD - 完全的,而计算精确均衡是 FIXP - 完全的。此外,我们还提供了一个有效的算法来解决该问题的特殊情况,即有固定数量的投标人和可用的报价。
Mar, 2021
本文提出了针对单个买方的拍卖问题,探讨了在买方使用 no-regret 学习算法的情况下,卖方进行售价策略和收益最大化的方法。作者通过详细的论证和实验对不同算法和竞标策略下的最优拍卖方式进行了完整的刻画和比较。
Nov, 2017
通过两个步骤,我们提出了一个框架来证明从样本中学习最优拍卖问题的多项式样本复杂性界限,该框架捕捉了包括匿名和非匿名项目和捆绑定价在内的所有最突出的简单拍卖类型,并具有低维度的收益函数。
Apr, 2016