CS269I:Incentives in Computer Science 学习笔记 Lecture 14 More on Auctions(续论拍卖)

本文深入探讨了高价格拍卖的均衡策略,包括两投标者和三投标者情况,揭示了在一定条件下均衡出价策略。同时,介绍了赞助搜索的VCG拍卖,强调了VCG拍卖的社会福利最大化特性,并对比了VCG与GSP拍卖的差异,展示了GSP拍卖在实际应用中的优势和潜在的收入等价性。
摘要由CSDN通过智能技术生成

Lecture 14 More on Auctions(续论拍卖)

1 First-Price Auction(高价格拍卖)

在上一讲中我们提到了高价格拍卖是比较难分析清楚的。是否存在理论告诉我们要设计怎样的拍卖呢?

1.1 The Two-Bidder Case

作为开始,我们考虑n=2的情况,并且假设二人对拍卖品的估值v_1,v_2在[0,1]内均匀分布。

断言:假设你的竞争对手的出价总为他的私有价值的一半,那么你的出价也应该为你的私有价值的一半。这说明,这样的出价函数构成了一个纳什均衡。(事实上是唯一的一个均衡,但我们在这里不会给出证明。

证明:假设你的出价为u,则如果u>v_2/2,你就赢得拍卖,获得价值为v_1-u;如果u<v_2/2,你就输掉拍卖,获得价值为0。

固定你的估值v_1和出价u,考虑v_2/2,是在[0,1/2]的均匀分布,分类讨论:

1°u≥1/2,则你必定赢得拍卖,得到的价值为v_1-u,因此不妨取u=1/2,你的收益为v_1-1/2

2°u<1/2,则你有(1-2u)的概率输掉,(2u)的概率获胜,期望收益为(1-2u)*0+(2u)*(v_1-u)=-2u²+2v_1*u,在u=v_1/2的时候取得最大值v_1²/2

而我们注意:v_1²/2必定大于v_1-1/2,综上,你在出价u=v_1/2的时候得到最大收益。

这是否意味着您应该在实验中出价一半的估值? 不必立即出价,因为上述推理仅给出了您在您的对手出价为其估值的一半时的最佳响应。 不过,实际上,只要您的对手使用b2=αv2形式的线性出价策略,那么您的最佳响应就是出价一半的价格(除了一些特殊情况) 。不过,在拍卖实验中,只有几个学生这样做了,而大多数学生的出价只降低了25%-35%,这与其他高拍卖价格的实验是一致的——大多数竞标者的出价要比均衡状态下的出价高得多。

值得注意的是,在均衡状态下,出价最高的出价者也是对拍品估值最高的出价者。 这意味着,在这种均衡状态下,高价格拍卖是福利最大化的——始终将该物品授予估价最高的投标人(就像在次价格密封拍卖中一样)。

1.2 The Three-Bidder Case

那么,如果参与者变成了三个人呢?现在,我们断言:每个人的出价都是2/3*v_i构成了一个均衡(而且仍是唯一的)

证明:不妨分析第一个人的状况:假设他的出价为b_1

则,他获得胜利的概率为:
Pr ⁡ [ win ⁡ ] = Pr ⁡ [ b 1 ≥ b 2 ∧ b 1 ≥ b 3 ] = Pr ⁡ [ b 1 ≥ b 2 ] ⋅ Pr ⁡ [ b 1 ≥ b 3 ] = Pr ⁡ [ 3 2 b 1 ≥ v 2 ] ⋅ Pr ⁡ [ 3 2 b 1 ≥ v 3 ] = ( 3 2 b 1 ) 2 \operatorname{Pr}[\operatorname{win}]=\operatorname{Pr}\left[b_{1} \geq b_{2} \wedge b_{1} \geq b_{3}\right]=\operatorname{Pr}\left[b_{1} \geq b_{2}\right] \cdot \operatorname{Pr}\left[b_{1} \geq b_{3}\right]=\operatorname{Pr}\left[\frac{3}{2} b_{1} \geq v_{2}\right] \cdot \operatorname{Pr}\left[\frac{3}{2} b_{1} \geq v_{3}\right]=\left(\frac{3}{2} b_{1}\right)^{2} Pr[win]=Pr[b1b2b1b3]=Pr[b1b2]Pr[b1b3]=Pr[23b1v2]Pr[23b1v3]=(23b1)2
因此,他的期望收益为:
( 2 3 b 1 2 ) ⋅ ( v 1 − b 1 ) (\frac{2}{3}b_1^2) ·(v_1-b_1) (32b12)(v1b1)
根据均值不等式,易知此式在b_1=2/3v_1的时候取得最大值。

1.3 Generalizations(推广)

当有n个竞标者时,你可能会猜测均衡在所有竞标者都具有独立且一致的估值:bi= (n-1)/n*vi(对每个i)。 因此,拍卖中的竞争越激烈,就应该越积极地出价。

甚至,更一般地,假设n个投标人的估值分布为i.i.d.的某个分布D(不一定是均匀的)。 然后,我们仍然对均衡有一个清晰的了解:b_i一定会和第二高的出价的期望值相等(既可以赢得拍卖,又可以最大化利润)。即使在这种一般条件下,高价格拍卖仍然保持了在均衡状态下使福利最大化的性质。

然而,如果不同的竞标者会从不同的分布得出不同的估值,那么高价格拍卖就会变得一团糟。它们也不再使福利最大化。在均衡状态下,可能会有最高竞标者(即中标者)并不是估值最大的人的情况。

1.4 Revenue Equivalence(收入等值)

我们在到第16讲之前不会认真考虑拍卖的收益问题。但是现在我们正在讨论高价格和次价格拍卖的事情,因此不妨让我们先看一个有意思的事实。它是一类极为普遍的现象的特殊情况。

我们先来看两个人的情况:

在高价格拍卖中,我们已经得知,拍卖者拍出物品的期望收益为:(商品必定卖出)
1 2 ⋅ E v 1 , v 2 [ max ⁡ { v 1 , v 2 } ] \frac{1}{2} \cdot \mathbf{E}_{v_{1}, v_{2}}\left[\max \left\{v_{1}, v_{2}\right\}\right] 21Ev1,v2[max{v1,v2}]
在次价格拍卖中,拍卖者拍出物品的期望价格显然是:(商品必定卖出)
E v 1 , v 2 [ min ⁡ { v 1 , v 2 } ] \mathbf{E}_{v_{1}, v_{2}}\left[\min \left\{v_{1}, v_{2}\right\}\right] Ev1,v2[min{v1,v2}]
那么,这两个收益哪一个更大呢?这种比较事实上相当于在考虑i.i.d.的数据采样的分布的特殊性质。显然,对于U[0,1]的一次采样的期望值为1/2,将区间分为两个部分;但是,事实上对于任意的k,k个采样得到的最大值的期望,第二大值的期望,···,第n大值的期望的分布也恰好可以把单位区间均匀地分成k+1个部分:
在这里插入图片描述
特别的,E[min{v_1,v_2}]=1/3,E[max(v_1,v_2)]=2/3,故上面的两个收益相等,都是1/3,也就是说,对于拍卖者,高价格拍卖和次价格拍卖竟然有着完全一样的期望收入!

事实证明,这是一个已知的结果“revenue equivalence(收入等值)”的特例。 收入等值表明,如果两次拍卖总是选择同一位获胜者(在均衡状态时),则它们必须具有相等的预期收入。 例如,我们已经看到,高价格拍卖和次价格拍卖总是将物品提供给对物品具有最高估值(在均衡状态下)的投标人,并且我们直接验证了它们的收入等价性。

2 The VCG Auction for Sponsored Search(赞助搜索的VCG拍卖)
2.1 Recap(要点重述)

回顾上一次讲座介绍的赞助搜索设:待售商品是搜索结果页面上赞助商链接的k个“广告位”。投标者是为搜索链接的点击量付费的广告客户;投标人i对于其链接获得的每次点击,都有一个私有估值vi。每个广告位j都有一个点击率(CTR)αj,代表最终用户点击此广告位的概率。我们对槽进行排序,以使α1>α2>···>αk。我们还假设插槽的点击率独立于其占用者,但这个条件很容易放宽。那么在投标人i的广告位j中的印象(即显示)的期望值就是viαj。我们在上一讲中看到,假设出价真实,一个简单的贪心算法将使社会福利P = Σv_i*α_s(i)最大化。即,将第i个广告位分配给第i个最高出价者。

但是,与次价格拍卖中的次价格出价规则类似的是什么?在上一堂课中,我们尝试了最自然的扩展,即广告位i的占用者(按点击)支付(i+1)次高的出价。 (因此,第一出价者支付第二出价,第二出价者支付第三出价,依此类推。)这被称为通用第二价格(GSP)拍卖,我们发现这不是DISC的,因为出价者有时会有出低价来获得更多的折扣(虽然点击量也减少了)的动机。

2.2 Externalities(外部性)

事实上,确实存在一个满足DISC的赞助搜索拍卖。为了追根溯源,我们需要换一个角度考虑次价格拍卖的付款规则。这里有一个思想实验:考虑一次单项拍卖,并重新标记投标人,以便v1> v2>···> vn.

第一个问题:在次价格拍卖中,除了1以外的所有竞标者的收益是多少?他们把物品留了出价最高的人,因此是0。

第二个问题:如果我们删除了第1个竞标者并重新进行拍卖,会怎么样?现在答案是v2,因为该物品现在转到剩下的人里最高出价者(投标人2),并且他从中获得了福利v2。在没有投标人1和有投标人1的情况下,其他人的社会福利之间的差异(v2-0=v2)称为投标人1对其他人施加的externality(外部性)。请注意,次价格拍卖中的获胜者支付的价格正是她施加的外部性( v2)。从直觉上说,向竞标人收取等同于她的外部性的价格会迫使她关心他人的福利,并使她的个人目标(准线性效用)与集体目标(社会福利)保持一致。

不过,“对投标人的外部性进行收费”的概念事实上远比单项拍卖中的定义广泛。 让我们通过赞助者搜索进行完全相同的思维实验:

再次考虑n个投标者的出价,标记为v1> v2>···> vn。 假设我们仍然进行贪婪分配,将第i个最高出价者分配给第i个广告位(i = 1,2,…,k)。 那么,投标人2,3,…,n的总福利是多少? 事实上,每个竞标者j = 2*,* 3, … , k分配到第j个广告位j,因此获得福利vjαj,总计为:
∑ j = 2 k v j α j \sum_{j=2}^{k} v_{j} \alpha_{j} j=2kvjαj
现在假设我们把第一个人踢出去,然后再次进行次价格拍卖,这时候第2,3,…,n个人获得的总福利就应当是:
∑ j = 2 k + 1 v j α j − 1 \sum_{j=2}^{k+1} v_{j} \alpha_{j-1} j=2k+1vjαj1
进行做差,我们就得到了第一个竞拍者施加给其他人的外部性:(α_k+1=0)
∑ j = 2 k + 1 v j ( α j − 1 − α j ) \sum_{j=2}^{k+1} v_{j}\left(\alpha_{j-1}-\alpha_{j}\right) j=2k+1vj(αj1αj)

2.3 The VCG Auction(VCG拍卖)

这最终为我们带来了VCG拍卖:每个人需要付的钱等同于其造成的外部性。

The VCG Auction:

  1. 每个竞拍者给出一个出价,不妨设b_1>b_2>…>b_n

  2. 对i=1,…,k,给第i个竞拍者分配第i个广告位

  3. 对i=1,…,k,向第i个竞拍者的每次点击收费:
    1 α i ∑ j = i + 1 k + 1 b j ( α j − 1 − α j ) \frac{1}{\alpha_{i}} \sum_{j=i+1}^{k+1} b_{j}\left(\alpha_{j-1}-\alpha_{j}\right) αi1j=i+1k+1bj(αj1αj)

这个模型和我们之前设计的略有不同,一方面,v_i被替换为了b_i,这是因为在拍卖中无法知道私人估值v_i到底是多少,但是如果能够实现均衡的话v_i确乎等于b_i。另一方面,我们在前面乘了系数1/α_i:这是因为仅有比例α_i的投放会导致点击。因此,在假设v_i=b_i的情况下,第i个人的期望支付确实与其他竞标者的外部性相等。

这个支付看起来非常玄学,但是我们注意到:
∑ j = i + 1 k + 1 α j − 1 − α j α i = α i − α k + 1 α i = 1 \sum_{j=i+1}^{k+1} \frac{\alpha_{j-1}-\alpha_{j}}{\alpha_{i}}=\frac{\alpha_{i}-\alpha_{k+1}}{\alpha_{i}}=1 j=i+1k+1αiαj1αj=αiαiαk+1=1
因此,第i个人的支付是比他更低的出价的加权平均,这些权重与相关的CTR(点击率)有关。我们很快就能总结出:对于给定的出价序列,VCG算出的价格比GSP算出的要多。而且,每个人的出价不会比这个点击对他的效用要多,因此也满足IR(个人理性)。

让我们重新审视上一讲的结尾的例子:该示例具有两个广告位和三个竞标者,并且α1=0 .1,α2=0 .05,v1 = 10,v2 = 9和v3 = 6。 前两个竞标者分别进入前两个广告位。 对于第二个广告位,付款为1/α2·α2·v3,即6(与GSP拍卖一样)。 对于第一个广告位,付款为竞标者1施加的外部性:竞标者1剥夺了竞标者2(0.1- 0.05)的点击次数,剥夺了第三竞标者(0.05 - 0)的点击次数。 这样产生的付款是(0.05·9 + 0.05·6 )/0.1 = 7.5。 这低于GSP拍卖中的付款(即9)。 在GSP拍卖中,第一个竞标者有动机落至第二个位置(获得效用由0.1(10-9)= 0.1变成0.05(10-6)= 0.2),而在VCG拍卖中,竞标者获得了 效用0.1(10-7.5)= 0.25,高于0.2,因此没有动机偏离。

定理2.1:VCG拍卖具有DSIC,IR和福利最大化性。

说明:后两个已经证过了,但是DSIC的证明需要更加一般的背景,我们会在下一讲中提及。

3 GSP vs VCG

定理2.1说明VCG是次价格密封拍卖的真正继承者。但是,在上一讲中我们提到GSP(Generalized Second Price)拍卖在实践中是主流算法。我们应该如何解释GSP的这种流行呢?

GSP最初是由工程师在2001年设计的,当时Google尚未聘用任何经济学家,计算机科学又尚未真正研究过拍卖。 因此,GSP的开发是独立于传统的拍卖理论的。 不久之后(2002年),谷歌的工程师重新发现了VCG拍卖,并聘用了第一位经济学家(Hal Varian),他对VCG拍卖一清二楚。 那么,为什么不从GSP切换到VCG呢?

第一个原因是惯性。 GSP已经取得了不错的成绩,因此很难对其进行重大更改(“不要解决不会爆发的问题”)。其次,与VCG拍卖相比,GSP拍卖更容易向广告商解释。第三,从GSP拍卖转换为VCG拍卖可能会造成收入损失。请记住,VCG中竞拍者支付的价格是低于GSP价格的。如果将制度改成VCG,随着时间的推移,大多数竞标者确实将学会最终在VCG拍卖中如实竞标,但与此同时VCG拍卖产生的收入也较少。最后,长期转换为VCG拍卖的收益其实并不清晰。虽然VCG对于投标人来说会更简单(只要报出自己的估价),但是尚不清楚社会福利或收入是否会所增加。以下结果(在下一讲中会证明)使最后一点更加精确。

定理3.1:对于任意的估值和点击率,GSP都具有一个和每个人都诚实报价(truthful,真实的)的VCG结果等价的均衡。

讨论:“等价”的意思是说,竞标者到广告位的分配是相同的,而且获得的总收益也相同。

定理3.1并没有断言均衡是唯一的,也没有断言所有均衡都等于真实的VCG结果。 我们最后的两个例子表明,在任意均衡状态下进行GSP拍卖的收入可以比真实的VCG结果或高或低。

我们继续使用刚才的例子,其中α1= 0.1,α2= 0.05,v1 = 10,v2 = 9,v3 =6。回想一下,两个广告位的VCG价格分别为7.5和6 。 假设在GSP拍卖中,竞标者的出价为b1 = 10,b2 = 7.5和b3 =6。然后,竞标者对广告位的分配以及竞标者的付款与VCG竞标中的匹配。 此外,这些出价构成了一个均衡: 不难发现,第二和第三位竞标者没有可盈利的单边偏差; 唯一要检查的是,第一出价者不会让自己落到第二位置。由于她目前的效用为0.1(10 - 7.5)=0 .25,而落到第二个广告位会使她的效用变为0.05(10 - 6)= 0.2,因此她没有跳槽的动机。而且,这种均衡的收入( 0.1·7.5 +0 .05·6 = 1.05)与真实的VCG结果相同。

但是,如果第三个竞标者出价为5而不是6,那么结果仍然是一个均衡,因为第一个人仍然没有动力跳槽,但是总收入却从1.05降低至了1.

然后,另外一个均衡是b1 = 10,b2 = 8和b3 =6.第一个人也没有动力跳槽,但是总收入却从1.05增加至了1.1.

这些示例的目的在于证明,不可能完全地比较VCG和GSP的拍卖收入。 但是,无论是理论(定理3.1:GSP的可能均衡结果包含了VCG)还是实践都表明,从社会福利和收入的角度来看,GSP拍卖的效果都很好。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值