[論文レビュー] Randomization beats Second Price as a Prior-Independent Auction

Hu Fu, Nicole Immolica+2 more|arXiv (Cornell University)|Jul 29, 2015

Auction Theory and Applications参考文献 12被引用数 15

ひとこと要約

この論文は、事前分布に依存しない収益最大化において、第二価格オークションを上回るランダム化オークションメカニズム「入札インフレーション」を導入する。入札者数に依存する確率で第二位入札を確率的に上昇させることで、2人の入札者に対して最適収益の少なくとも51.2%を保証し、50%のボルフ＝クレムペラー境界を上回る。また、未知の分布からの1つのサンプルしか得られない状況でも、ランダム化が決定論的メカニズムを厳密に上回ることを示している。

ABSTRACT

Designing revenue optimal auctions for selling an item to $n$ symmetric bidders is a fundamental problem in mechanism design. Myerson (1981) shows that the second price auction with an appropriate reserve price is optimal when bidders' values are drawn i.i.d. from a known regular distribution. A cornerstone in the prior-independent revenue maximization literature is a result by Bulow and Klemperer (1996) showing that the second price auction without a reserve achieves $(n-1)/n$ of the optimal revenue in the worst case. We construct a randomized mechanism that strictly outperforms the second price auction in this setting. Our mechanism inflates the second highest bid with a probability that varies with $n$. For two bidders we improve the performance guarantee from $0.5$ to $0.512$ of the optimal revenue. We also resolve a question in the design of revenue optimal mechanisms that have access to a single sample from an unknown distribution. We show that a randomized mechanism strictly outperforms all deterministic mechanisms in terms of worst case guarantee.

研究の動機と目的

• 正規分布に対して、最悪ケースの収益保証において、ゼロリザーブの第二価格オークションを上回る事前分布に依存しないオークションメカニズムを設計すること。
• 事前分布に依存しない設定において、ランダム化が決定論的メカニズムを厳密に上回ることを示すこと、すなわち、未知の分布からの1つのサンプルが利用可能な状況でも同様に成り立つこと。
• 2人の入札者における収益保証の向上を定量的に評価すること。第二価格オークションにゼロリザーブを適用した場合、最適収益の50%しか保証されないため。
• 単一サンプル事前分布に依存しないオークション設定において、ランダム化メカニズムがすべての決定論的メカニズムを上回るかどうかという未解決の問題を解消すること。

提案手法

• 確率 $1 - \epsilon$ でゼロリザーブの第二価格オークションを実行し、確率 $\epsilon$ で最高入札額が第二位入札額を要因 $1 + \delta > 1$ 以上上回る場合にのみ、物品を割り当てるランダム化メカニズム「入札インフレーション」を提案する。
• 連続性の議論を用いて、インフレートオークションと標準第二価格オークションを混合し、すべての正規分布に対して性能が向上することを保証する。
• 正規分布における評価の分位数を制御するための技術的補題を用い、収益のトレードオフを正確に分析可能にする。
• 最適リザーブ価格が高いか低いかに応じて分布を再分解することで、メカニズムの性能を精査する。
• $\delta$-インフレートオークション、$\rho$-シャドウオークション、および標準第二価格オークションの3成分から成るランダム化後サンプルアルゴリズムを適用し、より良い最悪ケース収益保証を達成する。
• 収益曲線分析と凹性の議論を用いて、収益曲線の下側面積をバウンディングし、抽出収益の下界を提供する。

実験結果

リサーチクエスチョン

• RQ1 正規分布に対して、最悪ケースの収益保証において、ゼロリザーブの第二価格オークションを上回るランダム化メカニズムは存在するか？
• RQ2 単一サンプル事前分布に依存しないオークション設定において、ランダム化がすべての決定論的メカニズムを厳密に上回る証明可能な利点を提供するか？
• RQ3 入札者が対称的で、価値が正規分布から独立同一に抽出される場合、事前分布に依存しないメカニズムが達成可能な最悪ケース収益保証の最大値は何か？
• RQ4 正の確率で第二位入札をインフレートするメカニズムは、分布の事前知識に依存せずに収益を向上させることができるか？
• RQ5 分布からの1つのサンプルしか入手できない状況において、ランダム化メカニズムと決定論的メカニズムの性能はどのように比較されるか？

主な発見

• 2人の入札者に対して、入札インフレーションメカニズムは最適収益の少なくとも51.2%を保証し、ゼロリザーブ第二価格オークションの50%の保証を上回る。
• 2人の入札者において、最悪ケース収益は2.4%向上し、この設定においてランダム化が決定論的メカニズムを厳密に上回ることを示している。
• 本研究は、最適収益の半分以上を厳密に上回る収益を抽出するランダム化後サンプルアルゴリズムを構築し、最悪ケース近似比が少なくとも $0.5 + 5 \times 10^{-9}$ に達することを示している。
• サンプルリザーブを用いた決定論的第二価格オークションに対する改善は、$10^{-8}$ のオーダーにとどまるが、理論的意義があるため非自明である。
• 分析により、最適リザーブ価格が低い分布では標準第二価格オークションがすでに良好に機能するが、リザーブ価格が高い分布では、入札インフレーションメカニズムが著しく高い収益を獲得することが分かった。
• 理論的枠組みにより、2人の入札者に対して、対称的かつ決定論的なメカニズムは50%の最悪ケース収益保証を超えることはできないことが証明され、ランダム化メカニズムがこれを上回ることを示している。