发表机构
Princeton University; Pennsylvania State University; Microsoft Research（普林斯顿大学; 宾夕法尼亚州立大学; 微软研究院）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本研究将拍卖视为统计实验，发现第一价格拍卖在多种拍卖形式中信息量最大，能为依赖出价信息的决策者带来最高收益。
AI 中文摘要
考虑一个拍卖，其中买家的价值取决于一个潜在状态（例如，市场基本面）。拍卖形式如何影响买家出价所揭示的关于该状态的信息？我们将拍卖重新构建为统计实验，并根据所诱导实验的（Lehmann）信息量来比较不同的拍卖形式。我们的主要发现是，在一大类拍卖（例如，第k价格拍卖、全支付拍卖）中，第一价格拍卖是最具信息量的。因此，在一个单调决策问题（例如，预测问题或未来拍卖中保留价的选择）中，这种拍卖能保证使用买家出价所揭示信息的决策者获得最高收益。
英文摘要
Consider an auction with buyers whose values depend on an underlying state (e.g., market fundamentals). How does the auction format shape the information that buyers' bids reveal about the state? We recast auctions as statistical experiments and compare different auction formats in terms of the (Lehmann) informativeness of the induced experiments. Our main finding is that among a large class of auctions (e.g., $k$th-price, all-pay), the first-price auction is the most informative. As a result, this auction guarantees the highest payoffs to a decision-maker who uses the information revealed by buyers' bids in a monotone decision problem (e.g., a prediction problem or the choice of a reserve price in a future auction).
