[论文解读] Towards Data Auctions with Externalities

Anish Agarwal, Munther A. Dahleh+2 more|arXiv (Cornell University)|Mar 18, 2020

Auction Theory and Applications参考文献 32被引用 6

一句话总结

本文提出了一种考虑负外部性的数据拍卖机制设计框架，其中企业对数据的价值取决于预测准确性的提升以及数据分配给竞争对手所带来的竞争影响。通过基于准确率提升建模数据估值，并利用虚拟估值函数，作者表明最优收益随外部性增加而上升，因为竞标者即使未被分配数据，也会因竞争对手潜在中标的策略威胁而支付费用。

ABSTRACT

The design of data markets has gained importance as firms increasingly use machine learning models fueled by externally acquired training data. A key consideration is the externalities firms face when data, though inherently freely replicable, is allocated to competing firms. In this setting, we demonstrate that a data seller's optimal revenue increases as firms can pay to prevent allocations to others. To do so, we first reduce the combinatorial problem of allocating and pricing multiple datasets to the auction of a single digital good by modeling utility for data through the increase in prediction accuracy it provides. We then derive welfare and revenue maximizing mechanisms, highlighting how the form of firms' private information - whether the externalities one exerts on others is known, or vice-versa - affects the resulting structures. In all cases, under appropriate assumptions, the optimal allocation rule is a single threshold per firm, where either all data is allocated or none is.

研究动机与目标

• 解决数据市场中缺乏正式机制设计的问题，其中企业面临竞争对手获得数据所带来的负外部性。
• 基于预测准确性的提升而非内在稀缺性或可替代性，建模企业对数据的估值。
• 在关于外部性信息不对称的条件下，推导最优收益与福利最大化机制。
• 分析外部性结构（已知或未知）对分配与定价规则的影响。
• 证明外部性可通过使未获分配的竞标者支付费用，从而提升卖方收益。

提出的方法

• 将数据估值建模为预测准确率提升的函数，使用标量指标（如归一化MSE）总结数据集的效用。
• 通过一个可处理的效用模型，将多数据集、多买方的拍卖问题简化为单个数字商品拍卖问题。
• 利用虚拟估值函数推导最优机制，其分配规则基于依赖于私人估值与外部性参数的阈值。
• 分析两种情形：一种是企业知道其对其他企业造成的外部性（情形1），另一种是不知道（情形2），后者需要一个共同先验。
• 采用Myerson框架推导最优收益机制，支付金额由虚拟估值与外部性威胁决定。
• 证明最优分配规则对每个企业均为单一阈值：根据虚拟估值是否超过经外部性调整的阈值，决定全部分配或完全不分配。

实验结果

研究问题

• RQ1 当数据分配给某一企业会损害其他企业时，负外部性的存在如何影响数据拍卖的最优设计？
• RQ2 能否构建一个可处理的数据估值模型，同时捕捉预测准确率的提升与企业间竞争效应？
• RQ3 信息结构（外部性已知或未知）如何影响最优机制的形式？
• RQ4 外部性以何种方式使未获得数据的竞标者也能被提取收益？
• RQ5 外部性大小对最优分配概率与总收益有何影响？

主要发现

• 最优分配规则对每个企业均为单一阈值：无论数据集数量多少，要么全部分配，要么完全不分配。
• 当外部性已知（情形1）时，最优机制是VCG机制的一种变体，其支付中纳入了外部性影响。
• 当外部性未知（情形2）时，机制需要一个共同先验，并通过期望效用推理确定最优分配。
• 最优收益随负外部性强度增加而上升，因为即使未被分配，竞标者也会因竞争对手可能中标的威胁而支付费用。
• 对于均匀估值，最优收益由闭式表达式（公式13）给出，收益随外部性参数ηj←i增加而上升。
• 即使企业i未被分配，机制也能从每个竞标者i处提取至少∑j≠i ηj←i的收益，表明外部性可实现基于分配之外的收益提取。