[논문 리뷰] Mechanisms for Risk Averse Agents, Without Loss

Shaddin Dughmi, Yuval Peres|arXiv (Cornell University)|2012. 06. 13.

Auction Theory and Applications참고 문헌 15인용 수 11

한 줄 요약

이 논문은 어떤 진실성에 기반한 기대 메커니즘(위험 중립성 하에 설계된)을, 할당 규칙을 변경하지 않고도 위험 회피 성향을 가진 에이전트에게도 인centive-compatible하게 만드는 일반적인 블랙박스 변환 방법을 제안한다. 이 방법은 금전적 이전을 통한 위험 보험을 통해 수익의 변동성을 제거함으로써, 돈에 대한 임의의 알려지지 않은 오목한 유틸리티 함수 하에서 지배 전략 인센티브 호환성을 보장한다.

ABSTRACT

Auctions in which agents' payoffs are random variables have received increased attention in recent years. In particular, recent work in algorithmic mechanism design has produced mechanisms employing internal randomization, partly in response to limitations on deterministic mechanisms imposed by computational complexity. For many of these mechanisms, which are often referred to as truthful-in-expectation, incentive compatibility is contingent on the assumption that agents are risk-neutral. These mechanisms have been criticized on the grounds that this assumption is too strong, because "real" agents are typically risk averse, and moreover their precise attitude towards risk is typically unknown a-priori. In response, researchers in algorithmic mechanism design have sought the design of universally-truthful mechanisms --- mechanisms for which incentive-compatibility makes no assumptions regarding agents' attitudes towards risk. We show that any truthful-in-expectation mechanism can be generically transformed into a mechanism that is incentive compatible even when agents are risk averse, without modifying the mechanism's allocation rule. The transformed mechanism does not require reporting of agents' risk profiles. Equivalently, our result can be stated as follows: Every (randomized) allocation rule that is implementable in dominant strategies when players are risk neutral is also implementable when players are endowed with an arbitrary and unknown concave utility function for money.

연구 동기 및 목표

• 위험 중립성에 기반한 메커니즘의 한계를 해결하기 위해, 이 메커니즘을 위험 회피 성향이 있는 상황에서도 사용할 수 있도록 하기 위해.
• 모든 경우에 대해 진실성 있는 메커니즘이 위험 회피에 대한 강건성에 필수적인 것이 아니라는 점을 보여주며, 보편적으로 진실성 있는 메커니즘을 연구하는 데 대한 정당성을 도전하기 위해.
• 할당 규칙을 유지하면서도, 임의의 알려지지 않은 위험 프로파일 하에서 지배 전략 인센티브 호환성을 보장하는 일반적인 변환 방법을 제공하기 위해.
• 메커니즘 설계자가 위험 중립성을 가정하지 않더라도, 목적이 할당 규칙에만 의존한다면 진실성에 기반한 메커니즘을 안전하게 사용할 수 있음을 보여주기 위해.
• 위험 회피 성향을 가진 에이전트가 확률적 메커니즘에서 진실한 보고를 하지 않을 수 있다는 실용적 문제를 메커니즘 수준의 보험 솔루션을 통해 해결하기 위해.

제안 방법

• 메커니즘 설계자는 위험 중립성의 은행을 시뮬레이션하여, 실현된 결과에 따라 자금을 이전함으로써 에이전트가 수익의 변동성으로부터 보호받도록 한다.
• 각 에이전트에 대해 원래 메커니즘 하에서의 기대 수익을 계산하고, 이에 따라 지급액을 조정하여 위험 중립성 하에서의 기대 유틸리티에 해당하는 보장된 유틸리티를 제공한다.
• 이 변환은 다음과 같은 항등식을 사용한다: 무작위 수익이 $ x $인 에이전트의 경우, 메커니즘이 $ \mathop{\mathbf{E}}[x] - x $를 지급함으로써 위험을 주체에게 이전한다.
• 이 지급 구조는 에이전트의 기대 유틸리티를 유지하면서도 변동성을 제거하므로, 임의의 오목한 유틸리티 함수 하에서 진실한 보고가 지배 전략이 되도록 보장한다.
• 이 변환은 에이전트의 위험 프로파일에 독립적이며, 위험 선호도의 보고가 필요하지 않다.
• 이 방법은 선수 없는 설정과 베이지안 설정 모두에 일반적으로 적용 가능하며, 곱셈적 수익 근사치를 사용할 경우 근사 메커니즘으로도 적응 가능하다.

실험 결과

연구 질문

• RQ1 할당 규칙을 수정하지 않고도, 진실성에 기반한 메커니즘을 위험 회피에 대응 가능하게 만들 수 있는가?
• RQ2 위험 회피에 대응하기 위해 보편적인 진실성의 필요성이 있는가, 아니면 진실성에 기반한 메커니즘을 위험 회피 성향을 가진 에이전트에 적응시킬 수 있는가?
• RQ3 에이전트의 위험 프로파일을 알지 못하더라도, 임의의 알려지지 않은 오목한 유틸리티 함수 하에서 지배 전략 인센티브 호환성을 보장할 수 있는가?
• RQ4 주체가 위험 중립일 경우, 이 변환으로 인해 주체의 유틸리티에 손실이 발생하는가?
• RQ5 복잡하거나 암묵적으로 정의된 확률적 할당 규칙을 가진 메커니즘에 대해 이 변환이 효율적으로 구현 가능한가?

주요 결과

• 위험 중립성 하에서 지배 전략으로 실행 가능한 모든 할당 규칙은, 돈에 대한 임의의 알려지지 않은 오목한 유틸리티 함수 하에서도 실행 가능하다.
• 제안된 변환은 원래 메커니즘의 할당 규칙을 유지하면서도, 위험 회피 성향을 가진 에이전트에 대해 지배 전략 인센티브 호환성을 보장한다.
• 이 변환은 에이전트가 자신의 위험 프로파일을 보고할 필요가 없으며, 특정 유틸리티 함수에 독립적이다.
• 주체가 위험 중립일 경우 기대 유틸리티는 그대로 유지되며, 에이전트의 유틸리티는 위험 제거로 인해 엄밀히 향상된다.
• 이 변환은 수익 분포의 닫힌 형태 표현이 없는 메커니즘에는 일반적으로 효율적으로 구현되지 않지만, 곱셈적 수익 근사치가 가능할 경우 근사화될 수 있다.
• 곱셈적 수익 근사치가 가능할 경우, 결과 메커니즘은 위험 회피 성향을 가진 에이전트에 대해 $ (1 - \epsilon) $-근사 인센티브 호환성을 달성한다.