[논문 리뷰] Detecting collusion in procurement auctions

Konstantin D. Efimov|arXiv (Cornell University)|2024. 11. 16.

Auction Theory and Applications인용 수 32

한 줄 요약

논문은 러시아 조달 입찰에서 입찰자 결탁 징후를 예측하는 머신 러닝 모델을 개발하여 40건의 입찰 데이터셋에서 30/70 훈련/테스트로 91% 정확도 달성, 모델 해석 가능성은 셰플리 벡터 분해를 통해 입증되었고 독립 시뮬레이션으로 검증되었습니다.

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.

연구 동기 및 목표

• 조달 입찰에서 카르텔 결탁 탐지의 동기 부여.
• 역사적 입찰 데이터에서 결탁 징후를 식별하기 위한 예측 모델 개발.
• 모델의 해석 가능성을 평가하고 시뮬레이션 증거로 발견을 검증합니다.

제안 방법

• 러시아 조달 입찰 및 입찰자 이력의 데이터셋 구성.
• 평가를 위해 데이터를 학습(70%) 및 테스트(30%)로 분할.
• 역사적 결정에서 결탁 징후를 예측하도록 머신 러닝 모델 학습.
• 셰플리 벡터 분해를 사용하여 모델 결정 해석.
• 독립 시뮬레이션을 통해 정직한 입찰자 행동을 검증.

실험 결과

연구 질문

• RQ1 역사적 입찰자 결정이 조달 입찰에서 결탁 징후를 예측할 수 있는가?
• RQ2 과거 입찰 데이터로 학습된 모델의 결탁 탐지 예측 정확도는 어느 정도인가?
• RQ3 분해 방법(셰플리 벡터)이 의사결정 과정에 해석 가능한 통찰을 제공하는가?
• RQ4 시뮬레이션 연구가 입찰자 정직성에 관한 모델의 발견을 보강하는가?

주요 결과

• 모델은 테스트 분할에서 결탁 징후를 91% 정확도로 예측한다.
• 40건의 입찰에 걸쳐 30/70 학습/테스트 분할이 사용되었다.
• 셰플리 벡터 분해를 통해 모델의 의사결정 과정을 해석할 수 있었다.
• 독립 시뮬레이션은 입찰에서 정직한 기업의 관찰된 행동을 확인했다.