[论文解读] An Optimal Distributionally Robust Auction

Alex Suzdaltsev|arXiv (Cornell University)|Jun 9, 2020

Housing Market and Economics被引用 7

一句话总结

本文提出了一种分布鲁棒的拍卖机制，当卖方仅知道竞标者估值的均值和上界时，该机制能最大化最坏情况下的期望收益。通过基于对偶的优化方法，证明了最优机制为线性得分拍卖——即获胜者是得分最高的非负线性得分的竞标者——在主导策略激励相容和事后的个体理性约束下成立。

ABSTRACT

An indivisible object may be sold to one of $n$ agents who know their valuations of the object. The seller would like to use a revenue-maximizing mechanism but her knowledge of the valuations' distribution is scarce: she knows only the means (which may be different) and an upper bound for valuations. Valuations may be correlated. Using a constructive approach based on duality, we prove that a mechanism that maximizes the worst-case expected revenue among all deterministic dominant-strategy incentive compatible, ex post individually rational mechanisms is such that the object should be awarded to the agent with the highest linear score provided it is nonnegative. Linear scores are bidder-specific linear functions of bids. The set of optimal mechanisms includes other mechanisms but all those have to be close to the optimal linear score auction in a certain sense. When means are high, all optimal mechanisms share the linearity property. Second-price auction without a reserve is an optimal mechanism when the number of symmetric bidders is sufficiently high.

研究动机与目标

• 在仅知道竞标者私人估值的均值和上界的情况下，设计一种收益最大化的拍卖机制。
• 通过针对所有可行分布的最坏情况期望收益进行优化，确保对真实估值分布误设的鲁棒性。
• 将关注范围限制在确定性、主导策略激励相容以及事后的个体理性机制上，以反映实际实施约束。
• 在基于矩的模糊性下识别最优机制的结构，特别是当仅知道一阶矩（均值）和支撑集边界时。
• 刻画线性得分拍卖在何种条件下为最优，尤其是在均值足够高的情况下。

提出的方法

• 将鲁棒机制设计问题形式化为具有矩约束和支撑集约束的分布鲁棒优化（DRO）问题。
• 应用强线性规划对偶性，将原始的最坏情况收益最大化问题转化为涉及对偶变量和可行分布的对偶问题。
• 基于分段仿射映射的不动点构造，分析最优机制的结构。
• 将最优机制推导为线性得分拍卖，其中每位竞标者的得分是其出价的线性（仿射）函数，得分最高的非负者获胜。
• 通过标准转移规则，建立最优机制满足主导策略激励相容和事后的个体理性。
• 分析参数调优问题，并识别出两种情形：一种是线性性质对最优性必不可少（高均值），另一种是可能存在其他机制但均与线性得分拍卖在某种拓扑意义下接近。

实验结果

研究问题

• RQ1 当卖方仅知道竞标者估值的均值和上界时，如何分配不可分割物品的最优机制是什么？
• RQ2 在所有确定性、主导策略激励相容且事后的个体理性机制中，线性得分拍卖在最坏情况收益意义下何时为最优？
• RQ3 当已知均值较高或较低时，最优机制的结构如何变化？
• RQ4 在双人竞标者情形下，最优机制能否被刻画？其与经典Myerson拍卖相比有何异同？
• RQ5 随机化在多大程度上能提升最坏情况下的收益？在实践中，限制为确定性机制是否会造成显著损失？

主要发现

• 最优机制为线性得分拍卖：物品分配给得分最高的非负线性得分的竞标者，其中得分是竞标者特定的出价的仿射函数。
• 当已知均值足够高时，所有最优机制在决定获胜者的边界上必须表现出线性性质。
• 在对称情形下且竞标者数量较多时，无保留价的第二价格拍卖在最坏情况收益准则下为最优。
• 最优机制的集合包括其他机制，但所有机制在某种拓扑意义下均与线性得分拍卖接近。
• 当均值趋近于零时，确定性机制与随机化机制之间最坏情况收益的比值可任意小，但绝对收益差值有界，可能不足以证明随机化带来的复杂性是合理的。
• 将结果推广到更高阶矩（如方差或协方差）是非平凡的；尽管从对偶性中自然出现多项式得分函数，但在供应约束下保持可行性仍具挑战，尤其当 n ≥ 3 时。