No-Regret Learning in Dynamic Competition with Reference Effects Under Logit Demand
本文针对不透明市场中两家企业在Logit需求与参考效应下的动态价格竞争，提出在线投影梯度上升算法OPGA，证明在递减步长下价格与参考价格路径以$\mathcal{O}(1/t)$速率收敛到唯一静态纳什均衡，实现无遗憾学习和市场稳定。
2023-05-27 cs.GT math.OC
Regret, stability & fairness in matching markets with bandit learners
Massachusetts Institute of Technology（麻省理工学院）
做出明智的决定-例如，在选择职业或住房时-需要了解现有的选择。这些知识通常是通过昂贵的试错来获得的，但这种学习过程可能会被竞争所破坏。在这项工作中，我们研究了竞争如何影响个人学习的长期结果。我们建立在一条工作线上，将这种设置建模为具有强盗学习者的双边匹配市场。最近的一个结果表明，这是不可能的，同时保证两个自然desiderata：稳定性和低最佳遗憾的所有代理。资源分配平台可以将这一结果作为将良好的长期结果分配给某些代理人而将不良结果分配给其他代理人的理由。我们表明，这种不可能性不一定成立。特别是，通过模拟竞争的两个额外的组成部分-即，成本和转移-我们证明，它是可以同时保证四个必要的：稳定性，低最佳遗憾，公平分配的遗憾，高社会福利。
2022-04-13 cs.GT cs.LG cs.MA
Pareto-Improving Data-Sharing
我们研究了企业之间的数据共享对价格、利润和消费者福利的影响。尽管不加选择地共享消费者数据会因随后的竞争加剧而降低公司利润，但选择性共享可能是有益的。我们发现，有数据共享机制，严格帕累托改进，同时增加企业利润和消费者福利。在帕累托改进机制类，我们确定一个最大化企业利润和消费者福利最大化。
2022-05-23 cs.GT econ.TH
The Role of a Market Maker in Networked Cournot Competition
本文研究了在输电约束电力市场中做市商（或市场运营商）的作用。我们的市场模型作为一个一次性的网络古诺竞争，发电商提供数量投标和负荷服务实体提供向下倾斜的逆需求函数。这模仿了现货市场在放松管制的市场结构中的运作。在本文中，我们专注于可能的机制所采用的做市商，以平衡需求和供应。特别地，我们考虑了做市商优化的三个候选目标函数--社会福利、剩余社会福利和消费者剩余。我们的特征存在的广义纳什均衡（GNE）在这种情况下，并表明，在均衡的市场结果可以是非常不同的候选目标函数。
2014-03-28 cs.GT
Homogeneous Algorithms Can Reduce Competition in Personalized Pricing
本研究针对企业算法同质化导致预测相关的现象，建模分析其对个性化定价竞争的影响，发现高相关性降低消费者福利、企业会牺牲预测精度换取协调，并通过实证验证，揭示算法隐性促价的反竞争风险及反垄断法启示。
2025-03-19 cs.CY cs.GT
Dynamic Pricing in Competitive Markets
Institute of Computer Science, Goethe University（歌德大学计算机科学研究所）
在竞争环境中对商品进行动态定价以使收入最大化是一个自然的目标，多年来一直是研究的主题。本文研究了一类具有替代品性质的市场，其卖方具有可分可售的商品。根据所选择的价格，每个卖方观察到一定的需求，满足受供应约束。卖方的目标是动态地为商品定价，以使其收益最大化。对于静态市场情形，当消费者效用满足恒定替代弹性（CES）性质时，我们利用Zinkevich的在线梯度下降算法的改进版本，给出了卖方收入损失最大的$O(\sqrt{T})$后悔界.对于一个更专门的一组消费者公用事业满足等弹性条件，我们表明，当每个卖方使用一个遗憾最小化算法满足一定的技术性能，关于$(1-α)$倍的最佳收入的遗憾是有界的$O(T^{1/4} / \sqrtα)$。我们将这一结果推广到具有动态供给的市场，并证明了相应的动态后悔界，其保证随着市场的内在不稳定性而平滑恶化。作为一个副作用，我们还扩展了以前已知的收敛结果，这些算法在一般的游戏的动态设置。
2017-09-14 cs.GT cs.LG
Storage or No Storage: Duopoly Competition Between Renewable Energy Suppliers in a Local Energy Market
本文研究了在一个地方能源市场上，可再生能源供应商之间的双寡头竞争，有或没有储能。储能投资带来了稳定可再生能源供应商产量的好处，但也导致了巨大的投资成本以及市场结果的一些令人惊讶的变化。为研究可再生能源供应商竞争中储能投资的均衡决策问题，采用三阶段博弈模型对供应商和消费者之间的互动关系进行建模。在第一阶段，在投资期开始时，供应商决定是否投资于存储。一旦做出这样的决定，在每天的日前市场中，供应商决定第二阶段的投标价格和数量，消费者根据第二阶段的投标价格和数量决定第三阶段从每个供应商购买的电量。在实时市场中，如果供应商的实际发电量低于其承诺，则供应商将受到惩罚。我们刻画了第二阶段的价格-数量竞争均衡，并进一步刻画了第一阶段的存储投资均衡，其中包括售电收入和存储成本。与直觉相反，我们表明，与稳定的发电相比，由于随机发电下的市场竞争减少，没有储能投资的可再生能源的不确定性可以导致更高的供应商利润。仿真结果进一步说明了由于市场竞争的结果。例如，对不履行承诺的更高惩罚，更高的存储成本或更低的消费者需求有时可以增加供应商的利润。我们还表明，虽然存储投资可以增加供应商的利润，先发供应商谁投资于存储可能会受益小于搭便车的竞争对手谁选择不投资。
2019-10-13 cs.GT cs.SY eess.SY
The Perils of Exploration under Competition: A Computational Modeling Approach
Columbia University（哥伦比亚大学）；Microsoft Research（微软研究院）；University of Minnesota - Twin Cities（明尼苏达大学双城分校）
我们实证研究探索和竞争之间的相互作用。从与用户的交互中学习的系统通常参与探索：做出潜在的次优决策，以便为未来的决策获取新信息。然而，当多个系统竞争同一个用户市场时，探索可能会在短期内损害系统的声誉，并产生不利的竞争影响。特别是，当短期声誉成本减少了系统学习的用户数量时，系统可能会进入“死亡螺旋”，这会降低其相对于竞争的性能，并进一步降低其市场份额。我们问更好的探索算法是否在竞争下被激励。我们在一个程式化的双寡头模型中进行了大量的数值实验，其中两家公司部署了多臂强盗算法，并争夺近视用户。我们发现，双头垄断和垄断倾向于一个原始的“贪心算法“，不探索，导致低消费者福利，而一个临时垄断（双头垄断与早期进入者）可能会激励更好的强盗算法，导致更高的消费者福利。我们的研究结果揭示了数字经济中的先发优势，探索了数据作为在线市场进入障碍的作用。
2019-05-01 cs.GT cs.LG
Agentic Markets: Equilibrium Effects of Improving Consumer Search
Microsoft Research（微软研究院）；Yale University（耶鲁大学）
本文研究了改进搜索技术对市场学习和福利的影响，发现更便宜的搜索提升学习和消费者剩余，但更信息性的搜索可能因削弱企业间竞争而降低消费者剩余。
2026-03-26 cs.CY cs.GT
No-regret Learning in Repeated First-Price Auctions with Budget Constraints
Peking University（北京大学）；Zhejiang University（浙江大学）；Shanghai Jiaotong University（上海交通大学）
最近，在线广告市场已经呈现出从第二价格拍卖到第一价格拍卖的逐渐转变。虽然已经有一系列的工作，关于网上投标策略在一价拍卖，它仍然是开放的，如何处理预算约束的问题。在本文中，我们提出了一个买家的预算学习在线投标策略在重复的第一价格拍卖。针对静态竞争下的最优非预期策略，提出了一种基于RL的竞价算法。我们的算法获得$\widetilde O(\sqrt T)$ -如果出价都在每轮结束时显示，则表示遗憾。在每轮投标后买方只能看到中标者的限制下，我们的改进算法利用生存分析的技术得到$\widetilde O(T^{\frac{7}{12}})$ -后悔。我们的分析扩展到更一般的情况下，买方有任何有界的瞬时效用函数的遗憾相同的顺序。
2022-05-29 cs.GT cs.LG
Regulation of Algorithmic Collusion, Refined: Testing Pessimistic Calibrated Regret
本研究细化算法合谋监管方法，提出基于悲观校准遗憾的审计法，放宽审计前提，论证其优于事后最优遗憾标准，同时指出算法可伪装成本规避审计，需结合合理原则限定成本范围。
2025-01-16 cs.GT econ.TH
When to Limit Market Entry under Mandatory Purchase
我们研究了受监管的健康保险市场的启发，例如政府在平价医疗法案交易所或雇主与私人保险公司签订合同为员工提供计划时所创建的问题。市场监管者可以选择什么都不做，运行一个自由市场，或者可以通过限制供应商的进入来行使其监管权力（通过限制选择减少消费者福利，但也通过加强竞争减少收入）。我们调查是否限制进入增加或减少的效用（福利减去收入）的消费者从供应商购买，特别是在设置中的外部选项“什么都不买”是不可取的。我们主要关注提供者是对称的情况。我们提出了一个关于消费者价值分布的充分条件：（a）两个市场都存在唯一的对称均衡，（b）有限进入时效用更高。(We也证明这些结论不一定对所有分布都成立，因此某些条件是必要的。我们的技术主要基于收入最大化的工具，特别是迈尔森的虚拟价值理论。我们还考虑扩展设置提供商提供计划的成本相同，并与一个不对称的分布的两个供应商。
2020-02-15 cs.GT
Signalling Competition and Social Welfare (Working Paper)
我们考虑一个卖家与买家竞争的环境。所有的卖家都是先验相同的，并在战略上向买家发出关于他们所卖产品的信号。在一个由在线广告在显示广告交易所，公司使用第二价格拍卖的设置，公司的战略是一个决定，其信号方案的商品流（如用户印象），和买方的策略是一个选择公司。在这种情况下，单个卖家通常会提供部分信息，因此产品可能会被低效分配。直觉上，卖方之间的竞争可能会促使卖方提供更多的信息，以吸引买方，从而提高效率。令人惊讶的是，我们表明，这样的企业之间的竞争可能会产生显着的损失，在消费者的社会福利方面的垄断设置。虽然我们也表明，在某些情况下，竞争性的设置产生收益的社会福利，我们提供了一个严格的限制，这是小的，就上述可能的损失。我们的模型是紧密相连的文学捆绑拍卖。
2012-03-29 cs.GT math.CO
No-Regret Online Prediction with Strategic Experts
University of Washington（华盛顿大学）
研究策略性专家在线二元预测框架的推广，允许每轮挑选多个专家，提出利用效用函数特定结构的激励相容且无遗憾的算法。
2023-05-24 cs.GT cs.LG
Algorithmic Collusion of Pricing and Advertising on E-commerce Platforms
Rutgers Business School（罗杰斯商学院）；The Wharton School of the University of Pennsylvania（宾夕法尼亚大学沃顿商学院）
研究多智能体强化学习下卖家同时进行定价与广告的二维决策，发现高搜索成本时算法会协调降低广告出价和价格，实现三方共赢，且平台可通过调整佣金增加利润。
2025-10-31 cs.AI cs.CE cs.GT
Popularity in location games
本文研究引入企业流行度影响的Hotelling-Downs空间竞争模型，针对多重均衡提出乐观、中立、悲观三种行为态度，并刻画各自纳什均衡及社会福利损失。
2024-01-15 cs.GT
Price Competition, Fluctuations, and Welfare Guarantees
在卖方进行价格竞争的各种市场中，观察到的是价格振荡，而不是收敛到均衡。这种波动在汽油零售市场、航空公司定价和消费品在线销售中都有经验性的观察。受此启发，我们研究了一个均衡很少存在的价格竞争模型。我们试图分析的福利，尽管不存在的均衡，目前的福利保障作为卖方的市场力量的函数。我们首先研究了最佳反应动态的卖方，提供了一个同质的好的市场，并表明，除了适度数量的初始回合，福利保证是高的。我们考虑两种变化：在第一种情况下，卖方拥有关于买方估价的全部信息。在这里，我们表明，如果有$n$项目可在所有的卖家和$n_{\max}$是由任何给定的卖家控制的物品的最大数量，最佳福利的比例将最多$\log(\frac{n}{n-n_{\max}+1})+1$。随着最大卖方的市场力量的减弱，福利变得更接近最优。在第二个变化，我们考虑一个扩展模型，卖方有不确定性的买方的估值。在这里，我们同样表明，福利改善的最大卖方的市场力量的下降，但与更差的比例$\frac{n}{n-n_{\max}+1}$。这两个变量之间的指数福利差距量化了准确了解买家估值的价值。最后，我们表明，将我们的结果扩展到一般的异质商品是不可能的。即使对于$k$ -可加估值的简单类别，也存在一种设置，其中福利仅在$O(1/s)$部分时间内在任何非零因子内接近最优福利，其中$s$是卖方的数量。
2015-04-26 cs.GT
No-regret incentive-compatible online learning under exact truthfulness with non-myopic experts
Stern School of Business, New York University（纽约大学斯特恩商学院）；University of Victoria（维多利亚大学）
针对在线预测场景中策略性非近视专家的真实报告问题，提出基于I-ELF在线扩展的精确真实机制，在全信息下获O~(√(TN))信念遗憾，bandit场景获O~(T^(2/3)N^(1/3))遗憾，解决开放问题。
2025-02-17 cs.GT cs.LG stat.ML
Prosumers Participation in Markets: A Scalar-Parameterized Function Bidding Approach
本文针对统一价格市场中的产消者，提出标量参数化函数投标机制，证明纳什均衡存在且唯一，并提供高效计算方法，案例研究分析市场参数变化导致的福利损失。
2024-03-14 cs.GT cs.SY eess.SY
Federated Learning and Free-riding in a Competitive Market
本文通过博弈论模型研究竞争市场中搭便车行为对联邦学习组建动机的影响，发现信息少的企业倾向搭便车，而信息多的企业仅在竞争或信息差距较小时愿意组建，特定条件下可实现多方共赢。
2024-10-16 cs.GT econ.TH
Strategically-Robust Learning Algorithms for Bidding in First-Price Auctions
Columbia University（哥伦比亚大学）；Google Research（谷歌研究院）
本文针对第一价格拍卖提出基于凹规划和自然梯度上升的出价学习算法，首次同时实现最优遗憾（对手环境 $O(\sqrt{T})$，随机环境 $O(\log T)$）与策略鲁棒性和激励相容性。
2024-07-07 cs.GT cs.LG
Online Pricing with Reserve Price Constraint for Personal Data Markets
Shanghai Jiao Tong University（上海交通大学）；University of Texas at Dallas（德克萨斯大学达拉斯分校）
社会对个人数据的贪得无厌的胃口正在推动数据市场的紧急情况，允许数据消费者对数据代理从数据所有者那里收集的数据集发起定制查询。在本文中，我们研究了数据经纪人如何能够最大限度地提高她的累积收入张贴合理的价格顺序查询。因此，我们提出了一个上下文动态定价机制与保留价约束，其特点是有效的在线优化的椭球性质，并可以支持线性和非线性的市场价值模型的不确定性。特别是，在低不确定性下，我们的定价机制提供了一个最坏情况下的查询数量的后悔对数。我们进一步扩展到其他类似的应用场景，包括酒店服务，在线广告和贷款申请，并分别在MovieLens 20M数据集，美国主要城市的Airbnb房源和Avazu移动广告点击数据集上广泛评估了噪声线性查询，住宿租金和印象的三个定价实例。分析和评估结果表明，我们提出的定价机制具有较低的实际遗憾、在线延迟和内存开销，同时也表明保留价的存在可以缓解标价机制中的冷启动问题，从而减少累积遗憾。
2019-11-28 cs.CE cs.GT cs.LG
Attraction versus Persuasion: Information Provision in Search Markets
Hong Kong University of Science and Technology（香港科技大学）；Arizona State University（亚利桑那州立大学）
本文研究了存在搜索摩擦的寡头竞争市场中，企业如何通过广告提供信息以影响消费者决策，探讨了吸引力与说服之间的博弈，并分析了在不同条件下企业信息提供策略的最优性。
2022-05-25 cs.GT econ.GN econ.TH
Online Price Competition under Generalized Linear Demands
University of Michigan（密歇根大学）；University of Miami（迈阿密大学）
研究N个卖家在广义线性需求下的在线价格竞争，提出PML-GLUCB策略，结合惩罚最大似然估计与置信区间定价规则，实现O(√T)的 regret，适用于二元和实值需求观测。
2026-06-15 cs.GT math.ST stat.ME
Allocating marketing resources over social networks: A long-term analysis
在本文中，我们考虑了一个网络的消费者谁是他们的邻居和外部影响实体（营销人员）的综合影响下。消费者的意见遵循一种混合动力学，其意见跳跃是由于营销活动。利用文献[1]中提出的静态博弈模型，证明了尽管网络中的营销者处于竞争状态，从而造成了网络的紧张，但网络最终达成了共识。利用这一关键结果，我们提出了一个合作竞争的营销策略，结合一次性的纳什均衡行动和无广告的政策。在合理的充分条件下，证明了所提出的合作竞争策略剖面Pareto优于一次性纳什均衡策略。这是一个非常令人鼓舞的结果，以解决更具挑战性的问题，设计帕累托最优和均衡策略的考虑动态营销游戏。
2020-11-17 cs.GT cs.SI cs.SY
A Game of Competition for Risk
本文研究连续动作空间下的风险竞争博弈，提出基于遗憾最小化和离散化的数值算法求解纳什均衡，并分析市场摩擦、风险相关性及政策对策略性风险承担的影响。
2023-05-30 cs.GT econ.GN q-fin.CP
Strategic Multi-Armed Bandit Problems Under Debt-Free Reporting
CREST, ENSAE（CREST经济与统计研究中心，法国国立统计与经济管理学校）；Criteo AI Lab（Criteo人工智能实验室）；FairPlay joint team（FairPlay联合团队）
研究策略性臂仅部分披露奖励的多臂老虎机问题，提出新机制促使臂诚实披露奖励，使智能体获得第二高真实奖励且累积遗憾受限。
2025-01-27 cs.GT cs.LG
Decentralized LLM Workflows via Sequential Auctions
Google DeepMind（谷歌DeepMind）；Google Research（谷歌研究）；University of Waterloo（滑铁卢大学）
该研究提出基于序贯拍卖的去中心化LLM工作流框架，针对不完全竞争场景，通过四种出价算法在三类拍卖协议中验证，可维持智能体利润率并保障高任务成功率。
2026-10-16 cs.AI cs.GT cs.MA
