Bidder Feedback in First-Price Auctions for Video Advertising
本文研究视频广告第一价格拍卖中“最低中标价”反馈的推广，通过双合作博弈核心刻画维持最优分配的投标更新，并基于真实数据实证分析其动态与收敛性。
2025-06-20 cs.GT
Strategic Bid Shading in Real-Time Bidding Auctions in Ad Exchange Using Minority Game Theory
Goa Institute of Management（果阿管理学院）
本文研究实时广告拍卖中基于少数游戏理论的战略投标遮蔽行为，通过分析大规模拍卖数据揭示少数策略对投标人动态和定价的影响。
2025-12-02 cs.GT econ.TH
Non-uniform Bid-scaling and Equilibria for Different Auctions: An Empirical Study
本研究通过合成数据集实证比较FPA、GSP和VCG拍卖在自动出价场景下不同非均匀出价缩放水平的表现，发现FPA优于GSP优于VCG，且非均匀缩放水平升高会降低FPA和GSP的福利，但对VCG无影响。
2023-11-17 cs.GT
Sealed-bid Auctions on Blockchain with Timed Commitment Outsourcing
Tsinghua University（清华大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；City University of Hong Kong（香港城市大学）；Hong Kong Polytechnic University（香港理工大学）
提出定时承诺外包市场解决区块链密封拍卖中解密成本承担问题，通过聚合方案与竞争机制构建双边市场，并证明其满足DSIC、BIC及最优收入等博弈论性质。
2026-10-20 cs.GT
Learning to Bid in Repeated First-Price Auctions with Budgets
针对带预算的重复第一价格拍卖，提出基于对偶的在线学习出价算法，在全信息和单边信息反馈下均达到近最优 $\widetilde{O}(\sqrt{T})$ 遗憾，并用实验验证其有效性。
2023-04-26 cs.GT
Revenue-Maximizing Mechanism Design for Quasi-Proportional Auctions
在准比例拍卖中，每个投标人获得的分配份额等于其投标权重除以所有投标权重之和，其中每个投标的权重由权重函数确定。我们研究了权重函数、投标人的私人价值、投标人的数量和均衡时卖方收益之间的关系。已经表明，如果一个投标人的私人价值比其他投标人高得多，那么近似平坦的权重函数会使收益最大化。从本质上讲，威胁拥有最高估值的投标人必须分享分配，从而使收入最大化。我们发现，作为投标人的私人价值接近平价，陡峭的权重函数最大化收入，使准比例拍卖更像一个赢家通吃拍卖。我们还表明，陡峭的权重函数最大化收入的投标人的数量增加。对于平坦的权重函数，已知存在唯一的纯策略纳什均衡。我们表明，一个纯策略的纳什均衡也存在陡峭的权重函数，我们给出了在均衡出价的下限。对于一个特殊的情况下，包括两个投标人拍卖，我们证明了纯策略纳什均衡是唯一的，我们展示了如何计算在均衡的收入。我们还表明，选择一个权重函数的基础上私人价值比率和投标人的数量是必要的准比例拍卖，以产生更多的收入比第二价格拍卖。
2015-07-25 cs.GT
Vickrey Auctions for Irregular Distributions
Bulow和Klemperer \cite{BK96}的经典结果表明，在单一物品拍卖中，多招募一个投标人并运行Vickrey拍卖会获得比原始投标人集合的最优拍卖收入更高的收入，当价值被i.i.d.抽取时。一个有规律的分布。我们给出了一个版本的Bulow和Klemperer的结果，在设置中，投标人的价值是从非独立同分布。不规则分布我们通过将不规则分布建模为规则分布的凸组合来做到这一点。构成不规则分布的规则分布对应于投标人群体中的不同群体。从这个群体集合中抽取一个投标人，就相当于从这些规则分布的某种凸组合中抽取。我们发现，招募一个额外的投标人从每个底层人群和运行的Vickrey拍卖提供了至少一半的最优拍卖的收入对原始的投标人。
2013-10-04 cs.GT
Learning to bid in revenue-maximizing auctions
研究了在基于投标分布的拍卖中，当卖方确定保留价时，投标策略的优化问题。我们的研究是在一个投标人是战略的设置。使用变分的方法，我们研究了原来的目标的复杂性，我们引入了放松的目标功能，以使用梯度下降方法。我们的方法是简单的，一般性的，可以应用于各种价值分配和收入最大化机制。与传统的如实出价策略相比，我们得出的新策略产生了巨大的提升。
2019-05-14 cs.GT
The Vickrey Auction with a Single Duplicate Bidder Approximates the Optimal Revenue
Bulow和Klemperer的著名结果表明，在一个单一物品拍卖中，$n$投标人的价值是独立和相同的来自一个规则分布，维克雷拍卖与一个额外的投标人（重复）提取至少一样多的收入没有重复的最佳拍卖。哈特林和拉夫加登在2009年发表的一篇颇具影响力的论文中取消了发行版必须相同的要求，代价是允许维克瑞拍卖会从每个发行版中招募$n$副本，并将其收入优势放松到$2$近似值。在这项工作中，我们恢复Bulow和Klemperer的重复数在Hartline和Roughgarden的更一般的设置与更差的近似比。我们发现，招聘一个重复的分布之一，足以为维克里拍卖$10$ -近似的最佳收入。我们还表明，在$k$项目单位需求拍卖，招聘$k$重复足以为VCG拍卖$O(1)$ -近似的最优收益。作为另一个结果，我们加强了分析哈特兰和拉夫加登的维克雷拍卖与$n$重复的情况下，有两个投标人在拍卖。我们表明，在这种情况下，Vickrey拍卖两个重复获得至少$3/4$的最优收益。这是紧满足一个下界哈特林和Roughgarden。途中，我们获得了一个透明的分析，他们的$2$ -近似$n$ ~投标人，通过一个自然的连接到Ronen的前瞻拍卖。
2019-05-09 cs.GT
Transaction Ordering Auctions
Flashbots
本文研究了不同排序策略下的投标和延迟减少的均衡投资，比较了批量拍卖与连续时间投标策略的收入和福利保障效果。
2026-02-26 cs.GT econ.TH
Bidding to the Top: VCG and Equilibria of Position-Based Auctions
许多流行的搜索引擎都会通过拍卖来确定搜索结果旁边的广告位置。目前在谷歌和雅虎拍卖！让广告商指定一个单一的金额作为他们在拍卖中的出价。这个出价被解释为广告客户愿意为每次点击支付的最高金额。当搜索查询到达时，出价被用于在搜索结果页面上对广告进行线性排名。广告商为每个点击广告的用户付费，收费金额取决于参与拍卖的所有广告商的出价。为了有效，广告商寻求在他们的预算允许的范围内尽可能地在名单上名列前茅，这取决于市场。我们研究的问题，排名广告和相关的定价机制时，广告客户不仅指定一个出价，但另外表示他们的偏好的位置在列表中的广告。特别是，我们研究“前缀位置拍卖”，广告客户$i$可以指定，她只感兴趣的顶部$b_i$的位置。我们提出了一个简单的分配和定价机制，概括了目前的拍卖，没有位置限制的理想属性。此外，我们表明，我们的拍卖有一个“无嫉妒”或“对称”的纳什均衡与相同的结果，在分配和定价的著名的真实维克雷-克拉克-格罗夫斯（VCG）拍卖。此外，我们表明，这个均衡是最好的这样的均衡广告商的利润由每个广告商。我们还讨论了其他基于位置的拍卖。
2006-07-26 cs.GT
Applying Opponent Modeling for Automatic Bidding in Online Repeated Auctions
本文针对在线重复拍卖中竞拍者与卖方同时学习的场景，提出 Bid Net 策略表示和基于对手建模的 PG 算法，使竞拍者能学习最优出价策略并收敛到博弈均衡，从而最大化竞拍者效用。
2024-02-27 cs.GT
Constant-Competitive Prior-Free Auction with Ordered Bidders
微观经济学的一个核心问题是设计具有良好收益性质的拍卖。在这种情况下，投标人对项目的估价是私人知识，但它们是从公开已知的先验分布中得出的。我们的目标是找到一个真实的拍卖（没有投标人可以获得效用误报她的估价），最大化的预期收入。自然，最优拍卖是敏感的先验分布。一个有趣的问题是设计一个真实的拍卖，是无视这些先验知识，但设法获得一个恒定的最佳收益的因素。这种拍卖被称为无优先权拍卖。Goldberg等人提出了一种恒定近似的无先验拍卖，当一个物品有相同的副本，供应无限，投标人是单位需求，他们的估价来自i.i.d.。分布。Leonardi等人[STOC 2012]最近的工作将该问题推广到非独立同分布。投标人，假设拍卖人知道他们的保留价的顺序。Leonardi等人提出了一种实现$O(\log^* n)$近似的无先验拍卖。我们改进了这个结果，给出了第一个无先验拍卖常数近似保证。
2013-01-10 cs.DS cs.GT
Optimistic-Conservative Bidding in Sequential Auctions
在这项工作中，我们考虑使用顺序第一价格拍卖机制出售物品。我们将保守投标的假设推广到广泛形式的博弈（以下简称乐观保守投标），并证明了对于线性和单位需求估值，唯一的纯子博弈完美均衡，其中买家以乐观保守的方式投标是最小的瓦尔拉斯均衡。此外，我们展示的例子中，没有保守的投标要求，子博弈完美均衡可以承认各种不太可能的预测，包括高无政府代价价格和低收入的市场组成的附加投标人，均衡，引起所有的盈余作为收入，等等。我们还表明，该项目的销售顺序可以影响结果。
2015-01-30 cs.GT
A Sealed-bid Auction with Fund Binding: Preventing Maximum Bidding Price Leakage
针对现有密封投标拍卖协议保证金易泄露最高投标价、缺乏资金绑定的问题，提出利用以太坊交易不可区分性与DECO技术的新协议，同时隐藏投标价与最高价并实现资金绑定，且给出了实现与费用对比。
2023-12-13 cs.CR cs.GT
Secondary Spectrum Auctions for Markets with Communication Constraints
拍卖已被提出作为一种方式，以提供经济激励的主要用户动态分配未使用的频谱给其他用户在需要it.Previously提出的计划没有考虑到这样的事实，即用户的功率约束可能会阻止他们发送他们的投标价格拍卖商与高精度和发送投标价格必须通过噪声信道。这些方案还具有在无线标准中不能适应的非常高的开销。我们提出了拍卖方案，中央结算机构拍卖频谱的用户谁出价，同时考虑到量化的价格，在出价启示的开销，和噪声的渠道明确。我们的计划是密切相关的通道输出反馈问题，具体来说，后验匹配的技术。我们考虑了几种情况下，清算机构的目标是授予频谱的投标人谁价值最频谱。我们从理论上证明了这一目标是渐近达到我们的计划时，投标人是非战略常数出价。我们提出了单独的计划，使战略用户真实地揭示他们的私人价值，拍卖多个子渠道之间的战略用户，并跟踪缓慢随时间变化的投标价格。我们的模拟说明了我们的计划恒定的投标价格的最优性，也证明了我们的跟踪算法的有效性缓慢随时间变化的出价。
2014-12-23 cs.GT
Convergence Analysis of No-Regret Bidding Algorithms in Repeated Auctions
游戏和无悔算法之间的联系在文献中得到了广泛的研究。一个基本的结果是，当所有参与者都采取无悔策略时，这会产生一个行动序列，其时间平均值是博弈的粗相关均衡。然而，在存在多个均衡的情况下，对均衡选择的了解要少得多。在这项工作中，我们研究了拍卖中无遗憾出价算法的收敛性。除了理论上的兴趣，出价动态拍卖是一个重要的问题，从实践的角度来看，以及。我们研究了投标人之间的重复博弈，其中在每个时间步出售单个物品，投标人的价值来自未知分布。我们表明，如果投标人使用任何基于均值的学习规则，那么投标人收敛到真实的纯纳什均衡在第二价格拍卖，在VCG拍卖中的多插槽设置和贝叶斯纳什均衡在第一价格拍卖的高概率。我们注意到基于平均值的算法涵盖了各种各样的已知的无悔算法，如Exp3，UCB，$ε$贪婪等。此外，我们分析的收敛性的个别迭代产生这样的学习算法，而不是序列的时间平均值。我们的实验证实了我们的理论发现，并且在使用其他策略（如深度Q学习）时也发现了类似的收敛。
2020-09-14 cs.GT
Adversarial Risk Analysis for First-Price Sealed-Bid Auctions
对抗性风险分析（ARA）是一种新兴的方法，被认为比传统的决策理论和博弈论方法具有优势。ARA解决方案的第一价格密封投标（FPSB）拍卖已被发现，但只有在强烈的假设，使模型有点不切实际。在本文中，我们使用ARA方法来模拟FPSB拍卖使用更现实的假设。我们定义了一个新的效用函数，考虑投标人的财富，我们假设一个保留价，并找到解决方案，不仅为风险中性，但也为风险规避以及风险寻求投标人。我们使用ARA为非战略性游戏和K级思维解决方案概念建模。
2020-03-18 cs.GT stat.AP
I Want to Tell You? Maximizing Revenue in First-Price Two-Stage Auctions
在许多拍卖中，一个常见的做法是为投标人提供一个机会来提高他们的出价，称为最佳和最终报价（BAFO）阶段。这一最终出价可能取决于所提供的有关资产或竞争对手的新信息。本文研究了新的竞争对手的信息的影响，试图确定什么样的信息，拍卖商应该提供假设允许的出价是离散的。使拍卖人收益最大化的理性策略是每个出价人都尽可能地出价最高，但出价要低于他对拍卖品的估价。无论信息发布如何，这个策略轮廓都是足够多的投标人的均衡。我们比较了在不同的信息设置下，这个配置文件是一个均衡所需的投标人的数量。我们发现，它成为一个均衡与较少的投标人时，更少的额外信息提供给投标人的竞争。因此，当投标人的数量是先验未知的，有一些优势，拍卖师不透露信息。
2021-04-20 cs.GT econ.TH math.OC
Lowest Unique Bid Auctions with Resubmission Opportunities
最近的在线平台提出了多个投标项目。然而，目前的技术水平仅限于分析一件拍卖品而无需重新提交。本文研究了预算约束下离散投标空间中带重新提交的多物品最低唯一投标拍卖问题。我们表明，游戏没有纯贝叶斯-纳什均衡（除了在非常特殊的情况下）。然而，至少有一个混合贝叶斯纳什均衡存在任意数量的投标人和项目。平衡是明确计算两个投标人设置重新提交的可能性。在一般情况下，我们提出了一个分布式的战略学习算法，以近似平衡。计算机模拟表明，该误差在几个步骤中迅速衰减。当每个项目的投标人的数量服从泊松分布，它表明，卖方可以得到一个不可忽略的收入在几个项目，从而使一部分的真实价值的项目的启示。最后，考虑投标人对风险的态度。相对于风险中性代理谁出价非常小的价值，累积分布和投标支持的风险敏感代理更分散。
2017-02-28 cs.GT
Artificial Intelligence and Auction Design
Stanford Graduate School of Business, Stanford University（斯坦福大学斯坦福商学院）
受在线广告拍卖的启发，我们研究了简单人工智能算法（Q学习）重复拍卖中的拍卖设计。我们发现，第一价格拍卖，没有额外的反馈，导致默许串通的结果（出价低于价值），而第二价格拍卖没有。我们表明，差异是由激励在第一价格拍卖，出价超过对手，只有一个出价增量。这有助于在一个试验阶段之后对低出价进行重新协调。我们还表明，提供有关最低出价的信息，以赢得，介绍了由谷歌在切换到第一价格拍卖的时候，提高了拍卖的竞争力。
2022-02-12 cs.AI cs.GT econ.TH
Optimal Bidding Strategies for Online Ad Auctions with Overlapping Targeting Criteria
我们分析的问题，如何最佳出价的广告空间在网上广告拍卖。为此，我们考虑多个广告活动与重叠的目标标准的一般情况。在我们的分析中，我们首先描述了最优投标策略的结构。特别是，我们表明，一个最佳的投标策略分解成不相交的运动和目标群体的问题。此外，我们表明，纯投标策略，只使用一个单一的出价值为每个运动是不是最优的供应曲线时，是不连续的。对于这种情况下，我们得出一个下限的任何投标策略的最优成本，以及混合投标策略，要么达到下限，或可以任意接近它。
2020-04-15 cs.GT math.OC
Learning Valuation Distributions from Partial Observation
拍卖理论传统上假设投标人的估价分布是拍卖师已知的，例如著名的收入最优的迈尔森拍卖。然而，这一理论并没有描述拍卖人是如何获得这些信息的。最近，Cole和Roughgarden [2014]表明，基于每个投标人分布的独立抽取的有限样本的近似值足以产生接近最优的拍卖。在这项工作中，我们考虑的问题，学习投标人的估值分布从更弱的形式的观察。具体来说，我们考虑一个设置，其中有一个重复的，密封投标拍卖与$n$投标人，但所有我们观察到的每一轮是谁赢了，但没有多少他们出价或支付。我们也可以参与（即，我们自己去看吧，看我们什么时候能赢。从这些信息中，我们的目标是（大约）恢复基本出价分布的固有可恢复部分。我们还考虑扩展不同的子集的投标人参与每一轮，投标人的估值有一个共同的价值成分添加到他们的独立的私人价值。
2014-07-10 cs.GT
Sequential Auctions of Identical Items with Budget-Constrained Bidders
在本文中，我们研究了两个预算受限的投标人和任何数量的相同的项目的顺序拍卖。所有关于这种拍卖的先前结果只考虑两个项目。我们构造了一个规范的拍卖结果，这是唯一的自然均衡，是唯一的子博弈完美均衡下的细化。我们展示了这个均衡的某些有趣的性质;例如，我们展示了价格随着拍卖的进行而下降。这种现象已经在许多实验中观察到，以前的理论工作将其归因于供应或风险规避投标人的不确定性等特征。我们表明，这种现象不需要这样的功能，它纯粹是从最基本的功能：预算限制和拍卖的顺序性。有点令人惊讶的是，我们还表明，在这个均衡中，一个代理人赢得了他的所有项目在开始，然后其他代理人赢得了其余的。分析这种顺序拍卖的主要困难在于理解前几轮的销售价格如何影响后面几轮中代理人的效用。我们通过确定拍卖的某些关键属性来解决这个困难，并且通过对所有这些属性的联合归纳来证明。
2012-09-08 cs.GT
Learning against Non-credible Auctions
本文研究非可信重复第二价格拍卖中的在线竞价问题，竞价者需同时学习竞争对手出价分布与卖家可信度，作者在多种信息模型下建立遗憾下界并提供近最优的在线竞价算法。
2023-11-26 cs.GT
Do Not Trust The Auctioneer: Learning to Bid in Feedback-Manipulated Auctions
Università degli Studi di Milano（米兰大学）；Crest-Ensae（Ensae研究中心）；IP Paris（巴黎研究所）；CRITEO AI Team（CRITEO人工智能团队）
研究在反馈操纵拍卖中学习出价的问题，提出一种结合鲁棒区间消除分支和乐观分支的算法，以应对反馈操纵带来的挑战，并在单活跃区域情况下提供匹配下界。
2026-05-21 cs.GT cs.LG stat.ML
Time-Varyingness in Auction Breaks Revenue Equivalence
CyberAgent
本研究探讨了拍卖中断中收入等价性是否被破坏，发现基础价值与价值区间之间的相关性导致收入等价性破裂。
2026-02-19 cs.GT cs.MA econ.TH
On the Complexity of Equilibrium Computation in First-Price Auctions
本文研究了在连续价值分布和离散报价空间下，一价拍卖的（纯）贝叶斯-纳什均衡的计算问题。我们证明，当投标人有独立的主观先验信念的价值分布的其他投标人，计算$\varepsilon$ -均衡的拍卖是PPAD-完全的，计算精确的均衡是FIXP-完全的。我们还提供了一个有效的算法来解决一个特殊的情况下的问题，一个固定数量的投标人和可用的投标。
2023-03-03 cs.CC cs.GT
Leveraging the Hints: Adaptive Bidding in Repeated First-Price Auctions
MIT（麻省理工学院）；Arena Technologies（阿雷纳科技公司）；Yahoo! Research（雅虎研究院）；Stanford（斯坦福大学）；NYU Stern（纽约大学斯特恩商学院）
随着电子商务的出现和日益巩固，数字广告最近取代传统广告成为经济中的主要营销力量。在过去的四年里，数字广告行业的一个特别重要的发展是在线展示广告从第二价格拍卖转向第一价格拍卖。这种转变立即激发了如何在第一价格拍卖中出价的智力挑战问题，因为与第二价格拍卖不同，真实地出价一个人的私人价值不再是最佳的。在这一领域的一系列最新工作之后，我们考虑了一个差异化的设置：我们不对其他投标人的最高出价做出任何假设（即随着时间的推移，它可能是对抗性的），而是假设我们可以访问作为其他投标人最高出价预测的提示，其中预测是通过一些黑盒机器学习模型学习的。我们考虑两种类型的提示：一种是单点预测可用，另一种是提示区间（表示其他人的最大出价落入的置信区间）可用。我们建立最小最大最优遗憾界的两种情况下，并强调两种设置之间的定量不同的行为。我们还提供了改进的遗憾界时，其他人的最大出价表现出进一步的稀疏结构。最后，我们补充的理论结果与示范使用真实的投标数据。
2022-11-05 cs.GT cs.LG
Heavy Tails Make Happy Buyers
在i.i.d.的第二价格拍卖中。（独立同分布）投标人估价，增加投标人增加预期买方盈余，如果分布的估价有足够重的右尾。虽然这并不意味着拍卖中的出价人应当希望有更多的出价人参加拍卖，但这确实意味着出价人应当希望有更多的出价人参加拍卖，以换取允许该出价人参加更多的拍卖。此外，对于重尾估值分布，即使已经有很多投标人，每增加一个投标人的边际预期卖方收入仍然很高。
2020-02-20 cs.GT econ.TH stat.AP
Multi-unit Double Auctions: Equilibrium Analysis and Bidding Strategy using DDPG in Smart-grids
定期双向拍卖（PDA）在许多领域，如在电子商务，在一天内的股票市场，并提前一天的智能电网能源市场的应用。虽然使用PDA完成的交易价值数万亿美元，但在这种拍卖中找到可靠的投标策略仍然是一个挑战，因为它需要考虑未来的拍卖。PDA中的参与买方必须通过规划当前和未来的拍卖来设计其投标策略。提出的许多基于均衡的投标策略在实时使用时是复杂的。在目前的博览会，我们提出了一个基于规模的投标策略，参与PDA的买家。本文首先对单买方单卖方多单位单次k-Double拍卖进行了均衡分析。具体来说，我们分析的情况下，当卖方和买方交易两个相同的单位的数量在一个双重拍卖，买方和卖方部署一个简单的，基于规模的投标策略。随着参与者数量的增加，均衡分析变得棘手。为了在更复杂的设置，如智能电网批发市场，我们模型的均衡报价策略作为一个学习问题。我们开发了一个深度确定性策略梯度（DDPG）为基础的学习策略，DDPGBBS，在PDA的参与代理建议在任何拍卖实例的行动。DDPGBBS，经验上遵循所获得的理论均衡，很容易扩展时，买方/卖方的数量增加。我们以电力交易代理竞争（PowerTAC）的批发市场PDA作为测试平台，以评估我们的新的报价策略。我们基准我们的DDPG为基础的战略对几个基线和国家的最先进的投标策略的PowerTAC批发市场PDA和展示DDPGBBS对几个基准策略的功效。
2022-02-22 cs.GT econ.TH
Dynamic Reserve Prices for Repeated Auctions: Learning from Bids
很大一部分在线广告是通过重复的第二价格拍卖出售的。在这些拍卖中，保留价是拍卖师增加收入的主要工具。在这项工作中，我们调查以下问题：可以改变保留价的基础上以前的出价提高拍卖的收入，考虑到长期的激励和战略行为的投标人？我们发现，如果分布的估值是已知的，并满足标准的正则性假设，那么最优机制有一个恒定的储备。然而，当估值的分布存在不确定性时，可以使用先前的出价来了解估值的分布并更新保留价。我们提出了一个简单的，近似激励兼容的，渐近最优的动态储备机制，可以显着提高收入的最佳静态储备。这篇论文来自2014年7月（我们提交给WINE 2014），稍后发布在arxiv上，以补充WINE 2014会议记录中的1页摘要。
2020-02-18 cs.GT econ.TH
Learning and Trust in Auction Markets
在本文中，我们研究的投标人的行为在一个实验性的推出一个新的广告拍卖平台的Zillow，作为Zillow从谈判合同切换到使用拍卖在几个地理上孤立的市场。这个实验的一个独特之处是，这个市场中的投标人是代表自己投标的房地产经纪人，而不是使用第三方中介。为了帮助投标人，Zillow还提供了一个推荐工具，为每个投标人提供建议。本文主要研究投标人是否采用平台提供的投标推荐的决策问题。我们注意到，很大一部分投标人没有使用推荐的投标。使用代理的出价历史，我们推断他们的价值，并将代理的后悔与他们的实际出价历史进行比较，结果他们会得到以下的建议。我们发现，对于一半的代理人不遵循的建议，增加的努力，试验替代出价的结果增加遗憾，即，他们从系统中获得的净值减少了。随着市场的成熟，不遵循建议的代理商比例缓慢下降，但在我们观察的大多数市场中，这一比例仍然很大。我们认为，这种现象的主要原因是缺乏信任的平台提供的工具。我们的工作为基于拍卖的在线广告平台的可能设计选择提供了经验性的见解。虽然搜索广告平台（如谷歌或必应）允许投标人自己提交投标，但许多显示广告平台（如Facebook）代表投标人优化投标，并消除投标的必要性。我们的实证分析表明，后一种方法是首选的投标人是个人，谁没有访问第三方工具，谁可能会质疑平台提供的建议的公平性的市场。
2017-03-30 cs.GT
The Combinatorial Multi-Round Ascending Auction
Johannes Kepler University Linz（林茨约翰·开普勒大学）；University of Oxford（牛津大学）
该研究针对新型拍卖形式CMRA，分析其多种事后均衡特征与脆弱性，提出可阻止无风险合谋且保留其他均衡的替代活动规则，并结合丹麦相关拍卖结果验证预测。
2025-10-22 cs.GT econ.TH
Thresholding at the monopoly price: an agnostic way to improve bidding strategies in revenue-maximizing auctions
我们解决的问题，提高投标人的策略，在先前依赖的收入最大化拍卖，并介绍了一个简单而通用的方法来设计新的投标策略，如果卖方使用过去的出价，以优化她的机制。我们提出了一个简单的和不可知的策略，独立的竞争分布，这是强大的机制变化和本地（而不是全球）优化，例如卖方的底价。与真实策略相比，该策略保证了竞争的任何分布的效用增加。在教科书式的例子中，例如具有统一的[0，1]值分布和两个投标人，这种无边信息和机制独立的策略使具有垄断储备的懒惰第二价格拍卖的买方效用增加了57%。当投标人知道竞争对手的最高出价的分布时，我们给出了如何在降低保留价和击败竞争对手之间进行最优权衡。我们的公式能够研究策略的一些重要的鲁棒性，即使卖方使用数据驱动的方法来设定底价，也能显示出它们的影响。在这个样本量的设置，我们证明在什么条件下，阈值投标策略仍然可以提高买方的效用。我们的方法的要点是看到最优拍卖在实践中作为一个Stackelberg游戏，其中买方是领导者，因为他是第一个移动（这里出价），当卖方是跟随者，因为她没有关于出价者的先验信息。
2021-09-14 cs.GT
An Efficient Deep Distribution Network for Bid Shading in First-Price Auctions
Yahoo Research（雅虎研究院）；Verizon Media（威瑞森传媒）；Tencent（腾讯）
自2019年以来，在线广告行业的大多数广告交易所和卖方平台（SSP）从第二价格拍卖转向第一价格拍卖。由于这些拍卖之间的根本差异，需求方平台（DSP）不得不更新其投标策略，以避免出价不必要的高，从而支付过高。出价遮蔽被提出来调整第二价格拍卖的出价，以平衡第一价格拍卖中的成本和获胜概率。在这项研究中，我们引入了一种新的深度分布网络，用于开放（非审查）和封闭（审查）在线一价拍卖中的最优投标。离线和在线A/B测试结果表明，我们的算法优于以前的最先进的算法在盈余和有效的每动作成本（eCPX）指标。此外，该算法在运行时进行了优化，并已部署到VerizonMedia DSP中作为生产算法，每天服务数千亿个投标请求。在线A/B测试表明，广告主的ROI分别提高了+2.4%，+2.4%，+8.6%，基于印象（CPM），基于点击（CPC）和基于转换（CPA）的活动。
2021-07-15 cs.GT cs.LG stat.ML
Continuous Double Auction Mechanism and Bidding Strategies in Cloud Computing Markets
云计算已经成为一种新兴的模式，其旨在允许客户利用由云服务提供商（CSP）托管的计算资源。越来越多的消费者一方面依赖于CSP提供计算和存储服务，另一方面CSP试图以优惠的条件吸引消费者。在竞争如此激烈的云计算市场中，定价政策对市场效率至关重要。虽然CSP通常会公布其价格并根据用户消耗的资源量向用户收费，但拍卖机制很少应用。事实上，一个可行的拍卖机制是最有效的资源配置方法，特别是双向拍卖更有效率和灵活性，因为它使买方和卖方可以同时出价和出价。本文提出了一种基于云的电子拍卖平台，并在此平台上设计了一种云连续双向拍卖（CDA）机制来匹配订单，促进交易。定义了一些评价标准来分析市场和策略的有效性。此外，竞价策略的选择对于每个参与者实现自身收益最大化起着非常重要的作用，因此我们提出了一种新的云CDA竞价策略BH-策略，这是一种两阶段博弈竞价策略。最后设计了三个仿真场景，比较了BH策略与其他主要竞价策略的性能，证明了BH策略在剩余、成功交易和市场效率方面具有更好的性能。此外，我们讨论了我们的云CDA机制是可行的云计算资源分配。
2013-07-23 cs.DC cs.GT
Bid Shading in The Brave New World of First-Price Auctions
Yahoo Research, Verizon Media（雅虎研究院，威瑞森媒体）
在线拍卖在在线广告中发挥着核心作用，是该行业可扩展性和增长的主要原因之一。随着拍卖组织方式的巨大变化，例如将第二价格拍卖类型改为第一价格拍卖类型，广告商和需求平台被迫适应新的不稳定环境。出价遮蔽是一种用于防止拍卖系统中的过度支付的已知技术，其可以帮助维持第一价格拍卖中的策略均衡，解决其最大缺点之一。在这项研究中，我们提出了一个机器学习方法建模的最佳出价着色的非审查在线一价广告拍卖。我们明确地激励了这种方法，并在一个主要的需求方平台上，在离线和在线设置中对其进行了广泛的评估。结果表明，新方法的优越性和鲁棒性相比，现有的方法在一系列的性能指标。
2020-09-02 cs.GT cs.LG stat.ML
A semi-parametric approach for estimating consumer valuation distributions using second price auctions
University of Florida（佛罗里达大学）；LinkedIn Inc（领英公司）
本文提出一种无需调参的半参数方法，利用第二价格拍卖数据估计消费者估值分布，以帮助卖家优化定价策略。
2026-02-20 cs.GT stat.AP stat.ME
Prior-Independent Bidding Strategies for First-Price Auctions
针对第一价格拍卖因缺乏竞争投标先验知识导致投标策略设计难的问题，提出基于最坏情况遗憾的先验独立投标策略分析框架，构造常微分方程解的极小极大最优策略，量化性能损失并揭示价值分散度对其的影响。
2025-02-14 cs.GT econ.TH
Learning in Repeated Multi-Unit Pay-As-Bid Auctions
Massachusetts Institute of Technology（麻省理工学院）
研究重复多单位按出价支付拍卖中的单一投标者出价优化问题，利用效用解耦技巧设计了完全信息与bandit反馈下的高效在线学习算法并给出了紧致的遗憾上下界，模拟表明PAB机制收敛快且收入更高。
2024-11-09 cs.AI cs.DS cs.GT
Double Distributionally Robust Bid Shading for First Price Auctions
本文针对第一价格拍卖中价值与竞争格局估计噪声大的问题，提出基于Kullback-Leibler模糊集的双重分布鲁棒出价遮蔽策略，并在Yahoo DSP真实数据上验证其优于非鲁棒方法。
2024-10-18 cs.GT math.OC
Bid Prediction in Repeated Auctions with Learning
The Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Microsoft Research（微软研究院）
我们认为在重复拍卖的出价预测问题和评估的经济计量学方法的学习代理使用的数据集从主流赞助搜索拍卖市场的性能。赞助搜索拍卖是一个价值数十亿美元的行业，也是几家科技巨头的主要收入来源。优化此类市场的一个关键问题是了解投标人将如何对拍卖设计的变化做出反应。我们建议使用基于无遗憾的计量经济学的出价预测，建模球员作为无遗憾的学习者的效用函数，未知的分析师。我们提出了新的计量经济学方法，同时学习玩家的效用和她的学习规则的参数，并将这些方法应用于现实世界的数据集从BingAds赞助的搜索拍卖市场。我们发现，当没有协变量变化时，无遗憾计量经济学方法的表现与最先进的时间序列机器学习方法相当，但当训练和测试期间之间存在协变量变化时，无遗憾计量经济学方法的表现明显优于机器学习方法。这说明了使用结构计量经济学方法预测参与者将如何应对市场变化的重要性。此外，我们发现，在结构计量经济学方法中，基于无悔学习的方法优于更传统的，基于均衡的计量经济学方法，这些方法假设玩家对竞争的反应持续最佳。最后，我们演示了如何通过考虑投标人优化的效用函数与可见性偏差组件的无遗憾学习算法的预测性能可以进一步提高。
2020-10-30 cs.GT cs.LG
Learning to Bid Optimally and Efficiently in Adversarial First-price Auctions
Courant Institute of Mathematical Sciences and the Center for Data Science, New York University（Courant数学科学研究所和数据科学中心，纽约大学）；Stern School of Business, New York University（商学院，纽约大学）；Department of Electrical Engineering, Stanford University（电气工程系，斯坦福大学）；Yahoo! Research at Verizon Media（Verizon Media的Yahoo!研究）
针对首价拍卖中投标人面临的最优出价问题，提出首个极小极大最优在线出价算法，实现$\widetilde{O}(\sqrt{T})$遗憾，并通过层次化专家链结构改进为计算高效版本，在真实数据集上验证了优越性能。
2025-09-24 cs.GT cs.IT cs.LG
Online Learning of Optimal Bidding Strategy in Repeated Multi-Commodity Auctions
Cornell University（康奈尔大学）
研究了重复拍卖中投标人的在线学习问题。以最大化其T期收益为目标，投标人确定其预算在每个时期的$K$货物投标中的最优分配。作为投标策略，我们提出了一个多项式时间算法，启发的动态规划方法的背包问题。所提出的算法，称为离散集上的动态规划（DPDS），实现了$O(\sqrt{T\log{T}})$的遗憾顺序。通过证明对于任何策略，遗憾是$Ω(\sqrt{T})$的下界，我们得出结论，DPDS是顺序最优的$\sqrt{\log{T}}$条款。我们评估的DPDS经验的虚拟交易的背景下，在批发电力市场的性能，通过使用历史数据从纽约市场。实证结果表明，DPDS始终优于来自机器学习和在线学习方法的基准探试法。
2017-11-17 cs.GT cs.LG
Designing Auctions when Algorithms Learn to Bid
本文通过计算实验室框架研究算法投标对拍卖收益的影响，发现市场结构参数比算法设计更重要，不同算法类别的投标技术影响拍卖格式选择。
2026-03-20 cs.GT cs.MA econ.GN
Online Auction Design Using Distribution-Free Uncertainty Quantification with Applications to E-Commerce
University of California, Los Angeles（加州大学洛杉矶分校）
本文提出COAD机制，利用分布无关的不确定性量化与机器学习预测竞拍者价值，基于竞拍者特定置信下界设定保留价，在无需已知分布且参与者不确定的情况下实现激励兼容并最大化收益。
2025-10-13 cs.GT cs.LG stat.ML
Online Causal Inference for Advertising in Real-Time Bidding Auctions
Cornell Johnson（康奈尔大学约翰逊商学院）；Berkeley EECS（加州大学伯克利分校电气工程与计算机科学系）；Stanford GSB（斯坦福大学商学院）；UCSD Rady（加州大学圣迭戈分校雷迪管理学院）；Yale SOM（耶鲁大学管理学院）；Insper（因斯佩尔商学院）；Chicago Booth（芝加哥大学布斯商学院）；Temple Fox（天普大学福克斯商学院）
本文针对实时竞价拍卖中的广告效果评估问题，提出基于最优出价识别的因果推断方法，并设计自适应汤普森采样算法在最小化实验成本的同时恢复广告效果，理论和实验均验证了其优越性。
2024-02-26 cs.GT cs.LG econ.EM
Bidding in Smart Grid PDAs: Theory, Analysis and Strategy (Extended Version)
定期双向拍卖（PDA）通常用于现实世界中的交易，例如在股票市场中确定股票开盘价，以及在能源市场中交易能源以平衡智能电网中的净需求，在此过程中涉及数万亿美元。参与PDA的投标人必须为当前拍卖以及未来拍卖中的投标做出计划，这突出了良好投标策略的必要性。在本文中，我们进行了一个单一的单位单杆双向拍卖与一定的清算价格和支付规则，我们称之为ACPR的均衡分析，并发现它难以分析的参与代理的数量增加。在此基础上，我们进一步推导出了ACPR条件下的单次双向拍卖中完全信息下投标人的最佳对策。利用单次双向拍卖的理论，并以PowerTAC批发市场的PDA作为我们的测试平台，我们继续通过建模PowerTAC的PDA作为一个MDP。我们提出了一种新的投标策略，即MDPLCPBS。我们的经验表明，MDPLCPBS遵循我们以前分析的双重拍卖的均衡策略。此外，我们基准我们的战略对基线和国家的最先进的投标策略的PowerTAC批发市场PDA，并表明MDPLCPBS优于他们中的大多数人一贯。
2019-11-23 cs.GT cs.MA q-fin.TR
