[論文レビュー] Optimal Auctions for Correlated Buyers with Sampling

Hu Fu, Nima Haghpanah+2 more|arXiv (Cornell University)|Jun 6, 2014

Auction Theory and Applications参考文献 17被引用数 9

ひとこと要約

本稿では、基礎となる分布の知識が不完全な状況下でも、相関する入札者に対する最適オークションで完全な余剰抽出を達成するサンプルベースのメカニズムを提案する。有限の候補分布族を活用し、修正された Crémer-McLean オークションを用いることで、各分布に対して完全な余剰抽出を保証する。必要なサンプル数は、1に候補分布の数からその線形空間の次元を引いた値を加えたものに等しく、これが必要なサンプル数に対するタイトなバウンドを提供する。

ABSTRACT

Crémer and McLean [1985] showed that, when buyers' valuations are drawn from a correlated distribution, an auction with full knowledge on the distribution can extract the full social surplus. We study whether this phenomenon persists when the auctioneer has only incomplete knowledge of the distribution, represented by a finite family of candidate distributions, and has sample access to the real distribution. We show that the naive approach which uses samples to distinguish candidate distributions may fail, whereas an extended version of the Crémer-McLean auction simultaneously extracts full social surplus under each candidate distribution. With an algebraic argument, we give a tight bound on the number of samples needed by this auction, which is the difference between the number of candidate distributions and the dimension of the linear space they span.

研究の動機と目的

• オークションの主観的知識が不完全な状況下で、相関する入札者に対する事前独立の最適オークションを設計する課題に対処すること。
• オークションの主観的知識が完全でない場合に、Crémer-McLean オークションの余剰抽出能力が、分布の完全な知識ではなくサンプルに依存する場合に維持可能かどうかを調査すること。
• 有限の相関分布族全体にわたって完全な余剰抽出を保証するために必要な最小サンプル数を特定すること。
• オークションの主観的知識が不完全な状況下で、サンプルから真の分布を特定しようとするナーブなサンプリングベースのアプローチの限界を分析すること。
• 特に分布の線形空間の次元に着目した代数的および線形代数的技術を用いて、サンプル複雑度のタイトなバウンドを確立すること。

提案手法

• Crémer-McLean オークションのメカニズムを、完全な分布知識ではなくサンプルへのアクセスに適応させる。
• オークションの主観的不確実性を表すために、有限の候補分布族を用いる。その目的は、族に属するいかなる分布に対しても余剰抽出を保証することにある。
• 族に属するすべての分布に対して同時にインcentive-compatibleかつ余剰抽出を満たすように拡張された Crémer-McLean メカニズムを適用する。
• 入札者の評価額の連合分布を線形空間内のベクトルとしてモデル化し、これらのベクトルの生成する線形空間の次元を計算することで、サンプル複雑度を決定する。
• 代数的技術、特に Veronese 埋め込みと Vandermonde 行列式を用いて、サンプル間での積分布の線形従属性を分析する。
• 必要なサンプル数のバウンドを |D| − dim(span(D)) + 1 として確立する。ここで |D| は候補分布の数、dim(span(D)) はそれらの線形空間の次元を表す。

実験結果

リサーチクエスチョン

• RQ1 オークションの主観的知識が完全でない場合、Crémer-McLean オークションの余剰抽出能力は、真の分布へのサンプルアクセスに依存する場合に維持可能か？
• RQ2 真の分布が未知である状況下でも、有限の相関分布族全体にわたって完全な余剰抽出を保証するサンプルベースのメカニズムは存在するか？
• RQ3 このような状況下で完全な余剰抽出を保証するために必要な最小サンプル数は何か？
• RQ4 オークションの主観的知識が不完全な状況下で、サンプルから真の分布を特定しようとするナーブなアプローチがなぜ相関設定では失敗するのか？
• RQ5 分布族の線形代数的構造は、余剰抽出のサンプル複雑度にどのように影響を与えるか？

主な発見

• 提案されたオークションは、有限の族 D に属するいかなる分布に対しても、オークションの主観的知識が真の分布へのサンプルアクセスに限られる状況下でも、完全な社会的余剰抽出を達成する。
• 必要なサンプル数は、|D| − dim(span(D)) + 1 に正確に等しくなる。ここで |D| は候補分布の数、dim(span(D)) はそれらの線形空間の次元を表す。
• D に属するすべての分布が線形独立である場合、完全な余剰抽出を保証するために必要なサンプル数はたった1つで十分である。
• サンプル複雑度のバウンドはタイトである：任意の m と d < m に対して、d 次元の空間を張る m 個の分布が存在し、|D| − dim(span(D)) + 1 個以下のサンプルでは、最適収益の定数倍の余剰抽出が不可能である。
• 真の分布を特定しようとするナーブなアプローチは失敗する：任意の k に対して、Crémer-McLean 条件を満たすが、k 個のサンプルでは高確率で区別できない2つの分布が存在する。
• オークションの主観的信念が真の分布から外れていても、サンプル複雑度の条件が満たされていれば、メカニズムは依然としてロバストである。これは、メカニズムが候補分布族全体にわたって同時に最適であるように設計されているためである。