[論文レビュー] Mechanism Design for Value Maximizers

Christopher A. Wilkens, Ruggiero Cavallo+2 more|arXiv (Cornell University)|Jul 15, 2016

Auction Theory and Applications参考文献 18被引用数 14

ひとこと要約

本稿は、メカニズム設計における価値最大化型エージェントを導入し、金銭を二次的制約とみなす一方で、受け取る商品の価値を最適化することを優先するモデルを提示する。このモデルでは、一般化された2番目入札価格（GSP）オークションが真実性を満たすことが示され、総合的価値の最悪ケース近似比が1/nであるドミナント戦略インcentive-compatible（DSIC）な変換されたグリーディメカニズムが提案される。

ABSTRACT

In many settings, money is a tool of exchange with minimal inherent utility --- agents will spend it in a way that maximizes the value of goods received subject to reasonable constraints, giving only second-order consideration to the trade-off between value and price. While this perspective is commonly captured in consumer choice theory, market equilibrium theory, and other fields, it is markedly absent from the mechanism design literature --- agents strategizing in a mechanism with money are almost always assumed to incorporate money as an objective through quasilinear valuations. We study a simple model of value maximizers that captures online advertisers and other agents who may view money solely as a constraint, and study general questions of mechanism design for such agents. We show that the feasible and optimal points faced by a mechanism designer change dramatically from the quasilinear realm and lay a foundation for a broader study of value maximization in mechanism design. Along the way, we offer new insight into the generalized second price (GSP) auction commonly used in Internet advertising. Through the lens of value maximization, GSP metamorphosizes into a truthful auction, sound in its principles and elegant in its simplicity.

研究の動機と目的

• 従来のメカニズム設計の文脈ではエージェントが準線形とみなされ、金銭を目的関数として扱うが、現実のエージェントはしばしば金銭を制約とみなすというギャップを埋めるため。
• 予算またはリターン投資率（ROI）の制約のもとで価値を最大化する戦略的行動をモデル化・分析し、オンライン広告や電子商取引で観察される行動を反映するため。
• GSPのような標準的メカニズムが、価値最大化の下では真実かつ効率的であることを示し、従来の準線形モデルの仮定に挑戦するため。
• 価値最大化の下でのメカニズム設計の基礎的結果を確立するため、特にインcentive compatibilityと近似境界を含む。

提案手法

• 価値最大化型エージェントの形式的モデルを提案：エージェントは支払いが支払い意思額を超えないことを保証しつつ、価値を最大化する結果を選択する。
• エージェント固有の変換を用いて入札を再重み付けする変換されたグリーディメカニズムを導入し、価値配分を優先する。
• 連続的および離散的入札空間の両方において、ドミナント戦略インcentive-compatible（DSIC）であることを、辞書的順序の好みの推論を用いて証明する。
• 近似比を用いた最悪ケース性能分析を行い、いかなるメカニズムでも最悪ケースで最適総合的価値の1/nを超える保証を持てないことを示す。
• 非対称な価値分布を持つ反例を用いて、近似比の1/nの下限を証明する。
• このモデルをGSPオークションに適用し、入札者が準線形ではなく価値最大化型である場合、GSPが真実性を満たすことを示す。

実験結果

リサーチクエスチョン

• RQ1 価値を最大化するエージェントに対して真実性を満たすメカニズムを設計できるか？
• RQ2 価値最大化型の好みモデル下で、一般化された2番目入札価格（GSP）オークションはどのように振る舞うか？
• RQ3 価値最大化の文脈下で、グリーディメカニズムが達成可能な最悪ケース近似比は何か？
• RQ4 好み構造と支払い意思額の制約は、メカニズム設計におけるインcentive compatibility にどのように影響するか？
• RQ5 ロバーツの定理や収益等価性は、価値最大化型エージェントに拡張可能か？

主な発見

• 入札者が価値最大化型である場合、一般化された2番目入札価格（GSP）オークションは真実性を満たす。これは、嘘をついても自らの価値を超える支払いを強いられるためである。
• 変換されたグリーディメカニズムは、連続的および離散的入札空間の両方においてドミナント戦略インcentive-compatible（DSIC）であり、真実性を保証する。
• いかなる変換されたグリーディメカニズムでも、最悪ケースで最適総合的価値の1/nを超える保証は得られず、この境界はタイトである。
• 最悪ケース近似比1/nは、1人のエージェントが上位の結果に対して高い価値を持つが、他のエージェントがわずかに低い価値を持つ状況で達成される。この場合、グリーディメカニズムは最適でない結果を選択してしまう。
• このモデルは、極端な辞書的順序の好み（例：コストが999ドルの場合、1000ドルの価値を優先する）が、標準的なオークション設定ではより複雑な好みと区別できないことを明らかにする。
• 分析から、価値最大化行動は、従来の準線形仮定が崩壊する根本的に異なるメカニズム設計の枠組みを生み出すことが示され、新たな原則が出現する。