Механизм извлечения прибыли

В теории проектирования механизмов и аукционов механизм извлечения прибыли (также называемый экстрактором прибыли или экстрактором дохода ) — это честный механизм , целью которого является получение заранее определенной суммы прибыли, если это возможно. [1] : 347 

Извлечение прибыли на аукционе цифровых товаров

Рассмотрим аукцион цифровых товаров , на котором продюсер фильма хочет определить цену, по которой он будет продавать копии своего фильма. Возможный подход заключается в том, чтобы продюсер определился с определенным доходом, R, который он хочет получить. Затем R-profit-extractor работает следующим образом:

  • Спросите каждого агента, сколько он готов заплатить за фильм.
  • Для каждого целого числа пусть будет числом агентов, готовых заплатить не менее . Обратите внимание, что слабо увеличивается с . к = 1 , 2 , . . . {\displaystyle к=1,2,...} Н к {\displaystyle N_{k}} Р / к {\displaystyle Р/к} Н к {\displaystyle N_{k}} к {\displaystyle к}
  • Если существует такое, что , то найдите наибольшее такое число (которое должно быть равно ), продайте фильм этим агентам и взимайте с каждого такого агента цену . к {\displaystyle к} Н к к {\displaystyle N_{k}\geq k} к {\displaystyle к} Н к {\displaystyle N_{k}} к {\displaystyle к} Р / к {\displaystyle Р/к}
  • Если таковых не существует, то аукцион отменяется и победителей нет. к {\displaystyle к}

Это правдивый механизм . Доказательство : Поскольку агенты имеют однопараметрические функции полезности, правдивость эквивалентна монотонности . Извлекатель прибыли является монотонным, потому что:

  • Если победивший агент увеличивает свою ставку, то она увеличивается, и агент все еще остается одним из претендентов на самую высокую ставку, поэтому он все еще выигрывает. к {\displaystyle к} к {\displaystyle к}
  • Победивший агент платит , что и является пороговой ценой — ценой, ниже которой ставка перестает быть выигрышной. Р / к {\displaystyle Р/к}

Оценка максимального дохода

Основная проблема при использовании аукциона на основе экстрактора прибыли заключается в выборе наилучшего значения параметра . В идеале мы хотели бы получить максимальный доход, который можно извлечь из рынка. Однако мы не знаем этот максимальный доход заранее. Мы можем попытаться оценить его одним из следующих способов: Р {\displaystyle R} Р {\displaystyle R}

1. Случайная выборка :

Случайным образом разделите участников торгов на две группы, так что у каждого участника есть шанс 1/2 попасть в каждую группу. Пусть R1 будет максимальным доходом в группе 1, а R2 — максимальным доходом в группе 2. Запустите R1-profit-extractor в группе 2 и R2-profit-extractor в группе 1.

Этот механизм гарантирует прибыль не менее 1/4 от максимальной прибыли. Вариант этого механизма разделяет агентов на три группы вместо двух и достигает не менее 1/3,25 от максимальной прибыли. [1] : 348 

2. Консенсусная оценка :

Рассчитайте максимальный доход во всей популяции; примените определенный случайный процесс округления, который гарантирует, что расчет будет верным с высокой вероятностью. Пусть R будет предполагаемым доходом; запустите R-profit-extractor во всей популяции.

Этот механизм гарантирует прибыль не менее 1/3,39 от максимальной прибыли на аукционе цифровых товаров. [1] : 350 

Извлечение прибыли на двойном аукционе

Идея извлечения прибыли может быть обобщена для произвольных агентов полезности с одним параметром . В частности, ее можно использовать в двойном аукционе , где несколько продавцов продают одну единицу некоторого товара (с разной стоимостью), а несколько покупателей хотят максимум одну единицу этого товара (с разной оценкой). [2] Следующий механизм является приблизительным извлекателем прибыли:

  • Отсортируйте покупателей по убыванию цены, а продавцов — по возрастанию цены.
  • Найдите наибольшее из них, такое что . к {\displaystyle к} к ( б к с к ) Р {\displaystyle k\cdot (b_{k}-s_{k})\geq R}
  • Покупатели с высокой стоимостью покупают товар по цене . Продавцы с низкой стоимостью продают товар по цене . к 1 {\displaystyle к-1} б к {\displaystyle b_{k}} к 1 {\displaystyle к-1} с к {\displaystyle s_{k}}

Механизм правдив - это можно доказать с помощью аргумента монотонности, аналогичного аукциону цифровых товаров. Доход аукциониста составляет , который приближается к требуемому доходу, когда он достаточно велик. ( к 1 ) ( б к с к ) к 1 к Р {\displaystyle (k-1)\cdot (b_{k}-s_{k})\geq {k-1 \over k}R}

Объединение этого извлекателя прибыли с консенсусной оценкой дает честный механизм двойного аукциона, который гарантирует прибыль не менее 1/3,75 от максимальной прибыли.

История

Механизм извлечения прибыли является частным случаем механизма распределения затрат . [3] Он был адаптирован из литературы по разделению затрат к условиям аукциона. [4] [5]

Ссылки

  1. ^ abc Джейсон Д. Хартлайн и Анна Р. Карлин, "Максимизация прибыли в проектировании механизмов". Глава 13 в Vazirani, Vijay V. ; Nisan, Noam ; Roughgarden, Tim ; Tardos, Éva (2007). Алгоритмическая теория игр (PDF) . Кембридж, Великобритания: Cambridge University Press. ISBN 0-521-87282-0.
  2. ^ Дешмукх, Каустубх; Голдберг, Эндрю В.; Хартлайн, Джейсон Д.; Карлин, Анна Р. (2002). «Истинные и конкурентные двойные аукционы». Алгоритмы — ESA 2002. Конспект лекций по информатике. Том 2461. стр. 361. doi :10.1007/3-540-45749-6_34. ISBN 978-3-540-44180-9.
  3. ^ Мулен, Эрве; Шенкер, Скотт (2001). «Стратегически обоснованное распределение субмодульных затрат: бюджетный баланс против эффективности». Экономическая теория . 18 (3): 511. CiteSeerX 10.1.1.25.4285 . doi :10.1007/pl00004200. 
  4. ^ Эндрю В. Голдберг, Джейсон Д. Хартлайн (2003). «Конкурентоспособность через консенсус». Труды четырнадцатого ежегодного симпозиума ACM-SIAM по дискретным алгоритмам . SODA 03. Получено 14 марта 2016 г.
  5. ^ Фиат, Амос; Голдберг, Эндрю В.; Хартлайн, Джейсон Д.; Карлин, Анна Р. (2002). "Конкурентные обобщенные аукционы". Труды тридцать четвертого ежегодного симпозиума ACM по теории вычислений - STOC '02 . стр. 72. doi :10.1145/509907.509921. ISBN 1581134959.
Взято с "https://en.wikipedia.org/w/index.php?title=Механизм_извлечения_прибыли&oldid=1000170339"