带价格预测的拍卖
Auctions with Price Predictions
- Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
- University of Chicago（芝加哥大学）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
本研究针对无限供给单一物品拍卖，基于单一价格预测设计机制，刻画帕累托前沿，提出随机化后备拍卖实现帕累托最优，并研究预测学习与收益退化，实现端到端稳健收益最大化。
AI中文摘要：
我们设计了在无限供给下销售单一物品的拍卖，该拍卖基于对收益最大化统一价格的单一预测。这与先前关于带预测的拍卖的研究不同，后者通常假设对每个竞拍者价值都有预测。我们的主要结果是对任何普遍真实的拍卖所能达到的一致性和鲁棒性的帕累托前沿的表征。我们证明了一种机制，即在公布预测价格与进行最优的无先验后备拍卖之间随机化，是帕累托最优的。然后，我们将结果扩展，以实现收益随预测准确度变化的优雅退化。最后，我们通过学习理论的视角研究如何从历史市场数据中获得这样的预测。综合来看，我们的结果提供了一个端到端的说明，即如何学习价格预测并稳健地使用它来最大化拍卖收益。
英文摘要：
We design auctions for the sale of a single item with unlimited supply given a single prediction of the revenue-maximizing uniform price. This departs from prior work on auctions with predictions which typically assumes predictions of every bidder's value. Our main result is a characterization of the Pareto frontier for consistency and robustness attainable by any universally truthful auction. We show that a mechanism that randomizes between posting the predicted price and conducting an optimal prior-free fallback auction is Pareto-optimal. We then extend our results to achieve graceful degradation of revenue as a function of the prediction accuracy. Finally, we study how such a prediction can be obtained from historical market data through the lens of learning theory. Together, our results give an end-to-end account of how a price prediction can be learned and used robustly to maximize auction revenue.
