[論文レビュー] Inference on Auctions with Weak Assumptions on Information

Vasilis Syrgkanis, Elie Tamer+1 more|arXiv (Cornell University)|Oct 10, 2017

Auction Theory and Applications被引用数 21

ひとこと要約

本稿は、入札者情報構造に関する強い仮定を設けない条件下で、入札データからオークションの基本的要因（評価額分布や福祉測度など）の推論を可能にする情報に強く頑健な推計枠組みを構築する。ベイズ相関均衡（BCE）とベイズ・ネッシュ均衡（BNE）の等価性を活用することで、基本的要因の特定集合を線形計画法の実行可能解として定式化し、尾確率不等式、ブートストラップ、部分標本法に基づく有限標本信頼領域を用いた計算的に効率的な推論を可能にする。実データとしてOCSオークションのデータを用いた実証的性能は非常に高い。

ABSTRACT

Given a sample of bids from independent auctions, this paper examines the question of inference on auction fundamentals (e.g. valuation distributions, welfare measures) under weak assumptions on information structure. The question is important as it allows us to learn about the valuation distribution in a robust way, i.e., without assuming that a particular information structure holds across observations. We leverage the recent contributions of \cite{Bergemann2013} in the robust mechanism design literature that exploit the link between Bayesian Correlated Equilibria and Bayesian Nash Equilibria in incomplete information games to construct an econometrics framework for learning about auction fundamentals using observed data on bids. We showcase our construction of identified sets in private value and common value auctions. Our approach for constructing these sets inherits the computational simplicity of solving for correlated equilibria: checking whether a particular valuation distribution belongs to the identified set is as simple as determining whether a {\it linear} program is feasible. A similar linear program can be used to construct the identified set on various welfare measures and counterfactual objects. For inference and to summarize statistical uncertainty, we propose novel finite sample methods using tail inequalities that are used to construct confidence regions on sets. We also highlight methods based on Bayesian bootstrap and subsampling. A set of Monte Carlo experiments show adequate finite sample properties of our inference procedures. We illustrate our methods using data from OCS auctions.

研究の動機と目的

• オークションの基本的要因（評価額分布や福祉測度など）の推論を、オークション間で特定の情報構造を仮定せずに可能にすること。
• 入札者の情報が観測不能でかつ多様である場合に生じる部分的同定問題に取り組むこと。
• 部分的同定モデルにおける特定集合の信頼領域を構築するための計算的に取り扱いやすく、統計的に妥当な手法を開発すること。
• 実世界のOCSオークションデータにこの枠組みを適用し、頑健性と有限標本性能を実証すること。

提案手法

• 任意の情報構造下で成立するベイズ相関均衡（BCE）とベイズ・ネッシュ均衡（BNE）の等価性を活用し、観測された入札と整合する可能性のある評価額分布の集合を特徴付ける。
• 可能な評価額分布の集合を同定する問題を、線形計画法の実行可能性チェックに還元することで、計算効率を高める。
• 独立同一分布のオークションデータから得た推定入札分布を用いて、評価額分布および福祉測度の推定特定集合を構築する。
• 有限標本推論手法（尾確率不等式、ベイズ的ブートストラップ、部分標本法）を用いて、特定集合の信頼領域を構築する。
• 推定誤差を補償するための許容水準を用い、最小許容水準集合が最もきつい可能性のある特定集合を表す。
• 切り捨て正規分布のパラメータ（μ, σ）から実際の切り捨て分布の平均と標準偏差への写像を用いて、解釈可能な可視化と推論を実現する。

実験結果

リサーチクエスチョン

• RQ1 入札者に強い情報構造の仮定を設けない独立オークションにおいて、観測された入札と整合する評価額分布の集合は何か？
• RQ2 有限標本において、部分的同定モデルの特定集合の信頼領域をどのように構築できるか？
• RQ3 推定誤差が特定集合のサイズに与える影響は何か？ そして、それをどのように頑健に制御できるか？
• RQ4 尾確率不等式、ブートストラップ、部分標本法といった異なる推論手法は、有限標本設定下で集合同定モデルに対してどのように性能を発揮するか？
• RQ5 限られたOCSオークションデータから、共通価値分布の一次と二次のモーメントをどれほど正確に回復できるか？

主な発見

• OCSオークションにおける共通価値分布の平均と標準偏差の推定特定集合は、入札の上限20,000ドル、最大価値の上限40,000ドルに対して非常に小さく、高い精度を示している。
• 最小許容水準集合（最もきつい可能性のある特定集合）は、真の特定集合を高い確率でカバーしており、最良の到達可能な集合よりも顕著に大きくない。
• 図9のヒートマップは、許容水準が上昇するにつれて推定集合が滑らかに拡大しており、(μ, σ)空間の大部分で包含に必要な最小許容水準が低いことから、識別が頑健であることが示されている。
• 部分標本量の90番目、95番目、99番目の百分位数に基づく信頼領域は小さく、かつ明確に含まれており、推論手順の有限標本における信頼性を確認している。
• (μ, σ)から切り捨て正規分布の実際の平均と標準偏差への変換により、推定集合が狭いまま維持されていることが明らかになり、真の分布の一次と二次のモーメントが正確に回復されていることが示された。
• 限られたデータと観測不能な情報構造の下でも、この手法はOCSオークションにおける共通価値の分布を最小限の過大特定で特定できており、成功している。