[论文解读] Fast Convergence in the Double Oral Auction

Sepehr Assadi, Sanjeev Khanna+2 more|arXiv (Cornell University)|Oct 1, 2015

Auction Theory and Applications被引用 4

一句话总结

本文提出一种去中心化机制，模拟双重口头拍卖（DOA），并证明其在私人信息、策略不确定性及任意出价/报价识别顺序下，仍能在多项式时间内收敛至瓦尔拉斯均衡。该机制确保所有瓦尔拉斯均衡均可通过更好响应动态实现，从而解决了弗里德曼关于DOA收敛性的猜想。

ABSTRACT

A classical trading experiment consists of a set of unit demand buyers and unit supply sellers with identical items. Each agent's value or opportunity cost for the item is their private information and preferences are quasi-linear. Trade between agents employs a double oral auction (DOA) in which both buyers and sellers call out bids or offers which an auctioneer recognizes. Transactions resulting from accepted bids and offers are recorded. This continues until there are no more acceptable bids or offers. Remarkably, the experiment consistently terminates in a Walrasian price. The main result of this paper is a mechanism in the spirit of the DOA that converges to a Walrasian equilibrium in a polynomial number of steps, thus providing a theoretical basis for the above-described empirical phenomenon. It is well-known that computation of a Walrasian equilibrium for this market corresponds to solving a maximum weight bipartite matching problem. The uncoordinated but rational responses of agents thus solve in a distributed fashion a maximum weight bipartite matching problem that is encoded by their private valuations. We show, furthermore, that every Walrasian equilibrium is reachable by some sequence of responses. This is in contrast to the well known auction algorithms for this problem which only allow one side to make offers and thus essentially choose an equilibrium that maximizes the surplus for the side making offers. Our results extend to the setting where not every agent pair is allowed to trade with each other.

研究动机与目标

• 解决弗里德曼猜想的第二部分，即为何DOA在存在私人信息与策略不确定性的情况下仍能收敛至瓦尔拉斯均衡。
• 设计一种机制，体现DOA的四个关键特性：双边交易、私人信息、策略自由与任意识别顺序。
• 证明每个瓦尔拉斯均衡均可通过更好响应动态实现，与以往仅偏向一方的拍卖算法不同。
• 在对出价/报价调整施加弱条件的前提下，将收敛保证扩展至受限交易网络。

提出的方法

• 使用势函数 Φ = ΣP(B) + ΣP(S) 对买方与卖方进行追踪，以衡量向均衡推进的进度。
• 采用随机识别顺序处理出价与报价，确保公平性与可分布性。
• 对出价/报价变化应用有界步长 ε，确保逐步收敛。
• 通过随机过程分析收敛性：Φ 上的随机游走与活跃配对动态。
• 采用两阶段分析：(1) 活跃配对推动未匹配个体数 u^t 下降，(2) 当无活跃配对时，Φ 在边界上漂移，迫使 u^t 减少。
• 利用浓度不等式与联合界，证明在 O((n³/ε²)log n) 步内以高概率收敛。

实验结果

研究问题

• RQ1 能否设计一种去中心化机制，模拟DOA并在多项式时间内收敛至瓦尔拉斯均衡？
• RQ2 该机制是否能确保所有瓦尔拉斯均衡在更好响应动态下均可达？
• RQ3 在任意识别顺序与私人信息下，能否保证收敛？
• RQ4 对出价/报价调整施加何种条件，可确保在受限交易网络中实现收敛？

主要发现

• 该机制以高概率在 O((n³/ε²)log n) 步内收敛至瓦尔拉斯均衡。
• 每个瓦尔拉斯均衡均可通过某种更好响应序列实现，与仅偏向一方的拍卖算法不同。
• 在随机识别与有界出价/报价调整下，即使在受限交易网络中，收敛性也得到保证。
• 当存在活跃配对时，未匹配个体数 u^t 的期望值下降，其驱动力来自识别概率 ≥ 2/n。
• 当无活跃配对时，势函数 Φ 在有界网格上执行随机游走，以高概率在 O((n/ε)² log n) 步内达到边界。
• 分析中对 O(n) 步使用联合界，确保收敛概率为 1 - O(1/n)。