[논문 리뷰] Randomization beats Second Price as a Prior-Independent Auction

Hu Fu, Nicole Immolica외 2명|arXiv (Cornell University)|2015. 07. 29.

Auction Theory and Applications참고 문헌 12인용 수 15

한 줄 요약

이 논문은 사전 정보가 없는 수익 최적화에서 두 번째 가격 경매보다 뛰어난 성능을 보이는 랜덤화된 입찰 경매 메커니즘인 '입찰 확대'를 제안한다. 참가자 수에 따라 변하는 확률에 따라 두 번째로 높은 입찰을 확률적으로 증가시킴으로써, 두 명의 입찰자에 대해 최적 수익의 최소 51.2%를 보장하며, 불로-클레멘페르의 경계인 50%를 초월한다. 또한, 알려지지 않은 분포에서 단일 표본만을 가질 경우조차도 랜덤화된 메커니즘이 결정론적 메커니즘을 엄격하게 능가함을 보여준다.

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.

연구 동기 및 목표

• 정규 분포에 대해 사전 정보가 없는 입찰 경매 메커니즘을 설계하여, 최고가 없는 두 번째 가격 경매보다 최악의 수익 보장을 뛰어나게 한다.
• 단일 표본만을 이용할 수 있는 사전 정보가 없는 환경에서 랜덤화가 결정론적 메커니즘을 엄격하게 능가할 수 있음을 입증한다.
• 두 입찰자 설정에서 수익 보장의 향상을 정량화한다. 여기서 최고가 없는 두 번째 가격 경매는 최적 수익의 단지 50%만 보장한다.
• 단일 표본 사전 정보가 없는 입찰 경매 설정에서 랜덤화된 메커니즘이 모든 결정론적 메커니즘을 능가할 수 있는지에 대한 열린 질문을 해결한다.

제안 방법

• 확률 $1 - \epsilon$ 에서는 최고가 없는 두 번째 가격 경매를 실행하고, 확률 $\epsilon$ 에서는 최고 입찰이 두 번째로 높은 입찰보다 요인 $1 + \delta > 1$ 이상 초과할 경우에만 물건을 배분하는 랜덤화된 메커니즘인 '입찰 확대'를 제안한다.
• 연속성 논증을 사용하여 확대된 경매와 표준 두 번째 가격 경매를 혼합함으로써, 모든 정규 분포에서 개선된 성능을 보장한다.
• 정규 분포 하에서 평가의 분위수를 제어하기 위해 기술적 보조정리를 활용하여 수익 트레이드오프의 정밀한 분석을 가능하게 한다.
• 최적의 보증 가격이 높은지 낮은지에 따라 분포를 세분화하는 보다 정교한 분해를 통해 메커니즘의 성능을 분석한다.
• 최악의 수익 보장을 향상시키기 위해 $\delta$-확대 경매, $\rho$-그림자 경매, 표준 두 번째 가격 경매를 조합한 세 구성 요소의 랜덤화된 샘플 후 알고리즘을 적용한다.
• 수익 곡선 분석과 볼록성 논증을 통해 수익 곡선 아래 면적을 경계함으로써 추출된 수익의 하한을 제공한다.

실험 결과

연구 질문

• RQ1 정규 분포에 대해 최고가 없는 두 번째 가격 경매보다 랜덤화된 메커니즘이 최악의 수익 보장 측면에서 엄격히 뛰어날 수 있는가?
• RQ2 단일 표본만을 이용할 수 있는 사전 정보가 없는 입찰 경매 설정에서 랜덤화가 모든 결정론적 메커니즘보다 증명 가능한 이점을 제공하는가?
• RQ3 입찰자가 대칭적이고 값들이 정규 분포에서 i.i.d.로 추출될 경우, 사전 정보가 없는 메커니즘이 달성할 수 있는 최대 최악의 수익 보장은 얼마인가?
• RQ4 양의 확률로 두 번째로 높은 입찰을 확대하는 메커니즘이 분포에 대한 사전 지식 없이도 수익을 향상시킬 수 있는가?
• RQ5 분포에서 단일 표본만을 이용할 경우, 랜덤화된 메커니즘과 결정론적 메커니즘의 성능는 어떻게 비교되는가?

주요 결과

• 두 명의 입찰자에 대해 입찰 확대 메커니즘이 최적 수익의 최소 51.2%를 보장하며, 최고가 없는 두 번째 가격 경매의 50% 보장보다 향상된다.
• 두 입찰자 설정에서 최악의 수익 보장에 대해 2.4%의 상대적 향상을 달성하여, 이 설정에서 랜덤화가 결정론적 메커니즘을 엄격하게 능가함을 입증한다.
• 논문은 최적 수익의 절반을 넘는 엄밀한 양의 수익을 추출하는 랜덤화된 샘플 후 알고리즘을 구축하였으며, 최악의 경우 근사 비율이 최소 $0.5 + 5 \times 10^{-9}$ 이상임을 보였다.
• 표본 보증 가격이 있는 결정론적 두 번째 가격 경매에 비해 개선 폭은 작지만(약 $10^{-8}$ 수준), 이는 이론적 의의가 있다.
• 분석 결과, 최적 보증 가격이 낮은 분포에서는 표준 두 번째 가격 경매가 이미 잘 작동하지만, 보증 가격이 높은 분포에서는 입찰 확대 메커니즘이 훨씬 더 많은 수익을 확보함을 보여준다.
• 이론적 프레임워크는 두 입찰자에 대해 대칭적인 결정론적 메커니즘이 50%의 최악의 수익 보장 수준을 초과할 수 없음을 증명하며, 이는 랜덤화된 메커니즘이 이를 초월할 수 있음을 보여주는 날카로운 경계를 확립한다.