[論文レビュー] Detecting collusion in procurement auctions

Konstantin D. Efimov|arXiv (Cornell University)|Nov 16, 2024

Auction Theory and Applications被引用数 32

ひとこと要約

本論文はロシアの調達オークションにおける入札者の談合の兆候を予測する機械学習モデルを開発し、30/70 の訓練/テストに分割した40オークションのデータセットで 91% の精度を達成し、Shepley ベクトル分解によるモデルの解釈性を実現し、独立したシミュレーションで検証します。

ABSTRACT

The study aimed at detecting cartel collusion involved analyzing decisions of the Russian Federal Antimonopoly Service and data on auctions. As a result, a machine learning model was developed that predicts with 91% accuracy the signs of collusion between bidders based on their history after dividing 40 auctions into test and training samples in a 30/70 ratio. Decomposition of the model using the Shepley vector allowed the interpretation of the decision-making process. The behavior of honest companies in auctions was also studied, confirmed by independent simulation validation.

研究の動機と目的

• 調達オークションにおけるカルテル談合の検出を動機づける。
• 過去のオークションデータから入札者談合の兆候を特定する予測モデルを開発する。
• モデルの解釈可能性を評価し、シミュレーションの証拠で結果を検証する。

提案手法

• ロシアの調達オークションと入札者履歴のデータセットを構築する。
• 評価のためにデータを訓練（70%）とテスト（30%）に分割する。
• 過去の決定から談合の兆候を予測する機械学習モデルを訓練する。
• Shepley ベクトル分解を用いてモデルの決定を解釈する。
• 独立したシミュレーションを通じて正直な入札者の行動を検証する。

実験結果

リサーチクエスチョン

• RQ1 過去の入札者の決定は調達オークションにおける談合の兆候を予測できるか？
• RQ2 過去のオークションデータで訓練されたモデルは談合を検出する際にどの程度の予測精度を示すか？
• RQ3 分解法（シェプレイ ベクトル）は意思決定プロセスを解釈可能な洞察を提供するか？
• RQ4 シミュレーション研究は正直な入札者の行動に関するモデルの発見を裏づけるか？

主な発見

• モデルはテスト分割で談合の兆候を 91% の精度で予測する。
• 40 件のオークションに対して 30/70 の訓練/テスト分割を使用した。
• Shepley ベクトル分解によりモデルの意思決定プロセスの解釈が可能になった。
• 独立したシミュレーションはオークションにおける正直な企業の観察された行動を確認した。