[论文解读] Dynamic Matching Market Design

Mohammad Akbarpour, Shengwu Li+1 more|arXiv (Cornell University)|Feb 15, 2014

Auction Theory and Applications参考文献 15被引用 13

一句话总结

本文提出了一种具有随机到达与离开的动态匹配市场模型，通过随机图对网络化交易进行建模。研究发现，等待以增加市场厚度所带来的福利增益显著，通常比加快匹配速度更为重要；即使在不确定性下，简单的局部算法也能近乎达到最优性能。

ABSTRACT

We introduce a simple benchmark model of dynamic matching in networked markets, where agents arrive and depart stochastically and the network of acceptable transactions among agents forms a random graph. We analyze our model from three perspectives: waiting, optimization, and information. The main insight of our analysis is that waiting to thicken the market can be substantially more important than increasing the speed of transactions, and this is quite robust to the presence of waiting costs. From an optimization perspective, naive local algorithms, that choose the right time to match agents but do not exploit global network structure, can perform very close to optimal algorithms. From an information perspective, algorithms that employ even partial information on agents' departure times perform substantially better than those that lack such information. To elicit agents' departure times, we design an incentive-compatible continuous-time dynamic mechanism without transfers.

研究动机与目标

• 对具有随机到达与离开的动态匹配市场进行建模，其中可接受的交易形成一个随机网络。
• 分析交易速度与市场厚度在决定社会福利方面的权衡。
• 评估时机决策（何时匹配）与优化（选择哪些匹配）的相对重要性。
• 研究关于参与者离开时间的信息如何影响匹配性能与机制设计。
• 设计激励相容机制，以非货币转移方式获取参与者私有的离开时间信息。

提出的方法

• 将动态匹配形式化为在可接受交易的随机图上的连续时间马尔可夫决策过程。
• 运用马尔可夫链理论，刻画不同匹配算法的平稳分布与混合时间。
• 引入贪婪（Greedy）、耐心（Patient）和Patient(α)算法作为性能分析的基准。
• 利用随机过程的集中不等式，尽管缺乏闭式平稳分布，仍对算法性能进行分析比较。
• 设计一种激励相容的连续时间机制，通过战略激励获取参与者私有的离开时间信息。
• 比较不同信息结构下的福利表现：无信息、部分信息（如离开时间估计值）、以及完全信息（全知规划者）情况。

实验结果

研究问题

• RQ1 在动态匹配中，等待以增加市场厚度的价值与加快交易速度的价值相比如何？
• RQ2 在缺乏全局网络知识的情况下，简单的局部算法能在多大程度上实现接近最优的性能？
• RQ3 与无信息相比，关于参与者离开时间的部分信息能带来多大的福利增益？
• RQ4 在连续时间动态市场中，能否设计一种无需转移支付的激励相容机制来获取参与者私有的离开时间信息？
• RQ5 等待成本如何影响市场厚度与交易速度之间相对重要性的权衡？

主要发现

• 即使存在等待成本，等待以增加市场厚度仍能带来显著且稳健的福利增益。
• 如贪婪（Greedy）和耐心（Patient）等朴素的局部算法，其性能可接近利用完整网络结构的最优算法。
• 当已知离开时间时，Patient(α)算法（平衡等待与匹配）的表现显著优于贪婪（Greedy）算法。
• 即使仅获得关于参与者离开时间的部分信息，也能带来巨大的福利提升，尤其在结合等待策略时效果更明显。
• 无需转移支付的激励相容连续时间机制，可成功从足够耐心的参与者处获取其私有的离开时间信息。
• 该模型的技术框架使得即使在缺乏闭式平稳分布的情况下，也能通过随机过程的集中不等式对算法性能进行分析比较。