[논문 리뷰] Which Random Matching Markets Exhibit a Stark Effect of Competition

Yash Kanoria, Seungki Min외 1명|arXiv (Cornell University)|2020. 01. 01.

Game Theory and Voting Systems참고 문헌 32인용 수 2

한 줄 요약

이 논문은 에이전트가 그래프 이웃들만 순위 매기는 부분적으로 연결된 네트워크로 랜덤 매칭 마켓 모델을 일반화한다. '경쟁의 극명한 효과'—즉, 짧은 쪽 에이전트가 긴 쪽 에이전트보다 훨씬 우수한 매칭을 받는 현상—은 평균 차수 d가 log²n을 초과할 때에만 나타나며, d = o(log²n인 경우 양쪽 모두 평균적으로 √d순위의 파트너를 받는다. 이는 현실 세계의 시장에서 강한 경쟁 효과가 자주 나타나지 않는 이유를 설명한다.

ABSTRACT

We revisit the popular random matching market model introduced by Knuth (1976) and Pittel (1989), and shown by Ashlagi, Kanoria and Leshno (2013) to exhibit a "stark effect of competition", i.e., with any difference in the number of agents on the two sides, the short side agents obtain substantially better outcomes. We generalize the model to allow "partially connected" markets with each agent having an average degree $d$ in a random (undirected) graph. Each agent has a (uniformly random) preference ranking over only their neighbors in the graph. We characterize stable matchings in large markets and find that the short side enjoys a significant advantage only for $d$ exceeding $\\log^2 n$ where $n$ is the number of agents on one side: For moderately connected markets with $d=o(\\log^2 n)$, we find that there is no stark effect of competition, with agents on both sides getting a $\\sqrt{d}$-ranked partner on average. Notably, this regime extends far beyond the connectivity threshold of $d= \\Theta(\\log n)$. In contrast, for densely connected markets with $d = \\omega(\\log^2 n)$, we find that the short side agents get $\\log n$-ranked partner on average, while the long side agents get a partner of (much larger) rank $d/\\log n$ on average. Numerical simulations of our model confirm and sharpen our theoretical predictions. Since preference list lengths in most real-world matching markets are much below $\\log^2 n$, our findings may help explain why available datasets do not exhibit a strong effect of competition.

연구 동기 및 목표

• 랜덤 매칭 마켓에서 '경쟁의 극명한 효과'(짧은 쪽 에이전트가 상당히 우수한 매칭을 받는 현상)가 어떤 네트워크 연결성 조건에서 나타나는지 이해하기 위해.
• 평균 차수 d를 갖는 무작위 그래프를 통해 부분 연결성을 도입하여 고전적인 랜덤 매칭 마켓 모델을 일반화하기 위해.
• 다양한 수준의 연결성에서의 안정적 매칭을 대규모 시장에서 특성화하고, 경쟁 효과가 두드러지게 나타나는 임계점을 규명하기 위해.
• 이론적 예측과 실증 관찰을 조율하기 위해, 강한 경쟁 효과가 현실 세계 데이터에서 거의 관찰되지 않는 이유를 설명하기 위해.

제안 방법

• 평균 차수 d를 갖는 에르되시–레니 랜덤 그래프를 사용하여 랜덤 매칭 마켓을 모델링하고, 각 에이전트는 오직 자신의 이웃들만 순위 매긴다.
• 이웃들에 대한 균일한 무작위 순위 매기기를 가정하여 모델의 대칭성을 유지한다.
• 확률론적 및 조합 기법을 사용하여 대규모 시장 근처(n → ∞)에서 안정적 매칭을 분석한다.
• n에 대한 d의 다양한 스케일링 영역에서 양쪽 시장 쪽의 평균 파트너 순위에 대한 渐近 결과를 유도한다.
• 특히 전이 임계점 근처에서 이론적 예측을 검증하고 보완하기 위해 수치 시뮬레이션을 수행한다.
• d = o(log²n), d = Θ(log²n), d = ω(log²n의 세 가지 연결성 영역 간 결과를 비교한다.

실험 결과

연구 질문

• RQ1 랜덤 매칭 마켓에서 '경쟁의 극명한 효과'가 나타나기 위한 네트워크 연결성 수준(평균 차수 d)은 어느 정도인가?
• RQ2 대규모 시장에서 짧은 쪽과 긴 쪽의 평균 파트너 순위는 d에 따라 어떻게 변화하는가?
• RQ3 일반적으로 희박하게 연결된 실세계 매칭 시장에서는 불균형함에도 불구하고 강한 경쟁 효과가 나타나지 않는 이유는 무엇인가?
• RQ4 경쟁 효과의 연결성 임계점은 표준 랜덤 그래프 연결성 임계점 d = Θ(log n)을 초월하는가?
• RQ5 d가 log²n 이하, 정확히 log²n, 또는 초과할 경우 짧은 쪽과 긴 쪽의 파트너 순위 분포는 어떻게 다를까?

주요 결과

• d = o(log²n인 경우, 짧은 쪽과 긴 쪽의 에이전트 모두 평균적으로 약 √d순위의 파트너를 받으며, 이는 상당한 경쟁 효과가 없음을 시사한다.
• d가 log²n을 초과할 경우(특히 d = ω(log²n), 짧은 쪽 에이전트는 평균적으로 log n순위의 파트너를 받고, 긴 쪽 에이전트는 d/log n순위의 파트너를 받는다. 이는 극명한 격차를 드러낸다.
• 경쟁의 극명한 효과가 나타나는 임계점은 d = log²n이며, 이는 표준 연결성 임계점 d = Θ(log n)보다 훨씬 높은 수준이다.
• 수치 시뮬레이션은 이론적 예측을 확인하고, log²n 임계점 근처의 전이 행동을 더욱 정밀하게 규명한다.
• 이러한 발견은 실세계 매칭 시장에서 강한 경쟁 효과가 나타나지 않는 이유를 설명한다. 실세계 시장에서는 선호 목록 길이가 일반적으로 log²n보다 훨씬 작기 때문이다.
• 모델은 실세계 네트워크의 희박성—대학 입학 또는 직업 매칭과 같은 시장에서 흔한 특성—이 경쟁의 극명한 효과를 억제함을 보여준다.