Milgrom and Weber(1982,ECMA)斟酌了在對物品價值散布不自力時,拍賣情势對收入指望的影响。一個简略的收入不自力的例子是配合價值拍賣(co妹妹on value auction),指拍賣物品對所有拍賣人的價值是同样的,但分歧人會收到關于若何揣度價值的分歧信息。好比拍賣一玻璃盒硬币,若是数清晰了有几多枚硬币,那末這一個玻璃盒的硬币對所有介入拍賣的人的價值是同样的,但分歧的人有分歧的履历,在没稀有硬币的环境下會對一玻璃盒硬币有分歧價值估量。Milgorm and Weber证了然拍賣情势在如许的环境下會影响指望收入,且比力了分歧拍賣情势對收入的影响。
近来Milgrom仿佛對ML/AI(呆板進修/人工智能)在拍賣理論里的利用很感樂趣…缘由也是由于不少大的科技公司在利用告白位竞拍時,會選擇一级或二级代價拍賣的模式(固然也有我很是爱好的Generalized Second Price Auction,GSP,广义二级代價拍賣)。不少時辰竞標者必要一邊竞標一邊進修市場其他竞標者的竞標價散布,在竞標次数不少的环境下,大都公司會連系一些ML的算法和Bandit算法去估量拍賣的最好计谋。對付告白位平台而言,當得悉竞標者利用了一些ML算法的時辰,會不會對最優拍賣情势設計發生影响(包含信息設計,入場代價設計,最低價/最低加價設計等等),和發生了甚麼样的影响,怎麼的动态拍賣情势設計可以發生最高的指望收入,都是很是有趣的問题。
很久没在知乎特长機码字写文章了,真的替這两位教員高兴。
References:
Myerson, Roger B. "Optimal auction design." Mathematics of operations research 6.1 (1981): 58-73.
Milgrom, Paul R., and Robert J. Weber. "A theory of auctions and competitive bidding." Econometrica: Journal of the Econometric Society (1982): 1089-1122.
Milgrom, Paul R., and Steven Tadelis. How artificial intelligence and machine learning can impact market design. No. w24282. National Bureau of Economic Research, 2018.