[논문 리뷰] Optimal Pricing For MHR Distributions

Yiannis Giannakopoulos, Kèyù Zhü|arXiv (Cornell University)|2018. 10. 01.

Auction Theory and Applications인용 수 1

한 줄 요약

이 논문은 동일한 분포를 따르는 n명의 i.i.d. 입찰자에게 단일 품목을 판매하기 위한 간단하고 익명적인 정액제 가격 설정 메커니즘을 제안한다. MHR(단조 위험률)를 따르는 입찰자의 평가 가치에 기반해 유한한 두 번째로 높은 순서통계량의 기대값만을 고려하여 단일한 수락 또는 기각 가격을 설정함으로써, 수렴 속도가 $1 + O(\ln \ln n / \ln n)$인 渐近적으로 최적의 수익을 달성한다. 이 비율은 지수 분포에 대해 날카로운 하한값과 일치한다.

ABSTRACT

We study the performance of anonymous posted-price selling mechanisms for a standard Bayesian auction setting, where n bidders have i.i.d. valuations for a single item. We show that for the natural class of Monotone Hazard Rate (MHR) distributions, offering the same, take-it-or-leave-it price to all bidders can achieve an (asymptotically) optimal revenue. In particular, the approximation ratio is shown to be \(1+O(\ln {\ln {n}}/ \ln {n})\), matched by a tight lower bound for the case of exponential distributions. This improves upon the previously best-known upper bound of \(e/(e-1)\approx 1.58\) for the slightly more general class of regular distributions. In the worst case (over n), we still show a global upper bound of 1.35. We give a simple, closed-form description of our prices which, interestingly enough, relies only on minimal knowledge of the prior distribution, namely just the expectation of its second-highest order statistic.

연구 동기 및 목표

• i.i.d. 입찰자를 가진 베이지안 단일 품목 경매에서 익명 정액제 가격 메커니즘의 수익 성능을 분석하는 것.
• 모든 MHR 분포 클래스에 대해 단일 통일 가격이 거의 최적의 수익을 달성할 수 있는지 판단하는 것.
• 기존 정규 분포 결과보다 향상된, 이 가격 설정 메커니즘에 대한 날카로운 근사 경계를 설정하는 것.
• 최소한의 사전 지식—특히 크기 n의 표본에서 두 번째로 높은 순서통계량의 기대값—에만 의존하는 닫힌 형태의 가격 설정 규칙을 기술하는 것.

제안 방법

• 저자들은 MHR 분포에서 추출된 i.i.d. 평가 가치를 가진 베이지안 설정에서 단일 익명 정액제 가격의 수익을 분석한다.
• 크기 n의 표본에서 두 번째로 높은 순서통계량의 기대값에 기반해 최적의 가격에 대한 닫힌 형태의 표현식을 유도한다.
• 순서통계량의 성질과 위험률 단조성의 특성을 활용하여 메커니즘의 근사 비율을 경계한다.
• 이론적 분석은 渐近적 분석을 통해 수행되며, n이 증가함에 따라 비율이 1으로 수렴함을 보여준다.
• 지수 분포에 대해 하한값이 확립되어 상한값의 날카로움이 입증된다.
• 이 방법은 메커니즘이 n에 대해 가장 열악한 경우에도 전역적으로 최대 1.35의 근사 비율을 유지함을 보여준다.

실험 결과

연구 질문

• RQ1 MHR 분포를 따르는 평가 가치에 대해 단일 익명 정액제 가격이 단일 품목 경매에서 渐近적으로 최적의 수익을 달성할 수 있는가?
• RQ2 모든 MHR 분포에 대해 이러한 메커니즘이 달성할 수 있는 최고의 근사 비율은 무엇인가?
• RQ3 거의 최적의 정액제 메커니즘을 구현하기 위해 얼마나 많은 사전 지식이 필요한가—특히 두 번째로 높은 순서통계량의 기대값만으로도 충분한가?
• RQ4 n이 증가함에 따라 익명 정액제 메커니즘의 성능이 크게 악화되는가, 그리고 그 속도는 얼마나 되는가?
• RQ5 MHR 분포에 대한 근사 비율이 이전에 알려진 정규 분포에 대한 상한값인 $e/(e-1) \approx 1.58$ 보다 엄밀히 우월한가?

주요 결과

• 익명 정액제 메커니즘은 MHR 분포에 대해 $1 + O(\ln \ln n / \ln n)$의 근사 비율을 달성하며, 이는 정규 분포에 대한 이전 상한값인 $e/(e-1) \approx 1.58$ 보다 향상된 결과이다.
• 지수 분포에 대해서는 근사 비율이 $1 + O(\ln \ln n / \ln n)$로 날카로운 경계를 가지며, 이 경계의 날카로움이 입증된다.
• 최적의 가격은 크기 n의 표본에서 두 번째로 높은 순서통계량의 기대값에만 의존하는 닫힌 형태의 표현식으로 주어진다.
• n에 대한 가장 열악한 시나리오에서도 메커니즘은 전역적으로 최대 1.35의 근사 비율을 유지한다.
• 메커니즘의 성능은 渐近적으로 최적이며, n이 증가함에 따라 비율이 1에 수렴하므로 대규모 시장에서 거의 수익 최적화를 달성한다.
• 결과적으로 최소한의 사전 정보—특히 두 번째로 높은 순서통계량의 기대값—만으로도 이 설정에서 거의 최적의 수익을 달성할 수 있음을 보여준다.