Fugu-MT 論文翻訳(概要): Joint Value Estimation and Bidding in Repeated First-Price Auctions

論文の概要: Joint Value Estimation and Bidding in Repeated First-Price Auctions

arxiv url: http://arxiv.org/abs/2502.17292v1
Date: Mon, 24 Feb 2025 16:21:50 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-25 15:55:51.461957
Title: Joint Value Estimation and Bidding in Repeated First-Price Auctions
Title（参考訳）: 繰り返し第一価格オークションにおける共同価値推定と入札
Authors: Yuxiao Wen, Yanjun Han, Zhengyuan Zhou,
Abstract要約: 競売者は、各競売の後に実現された結果(勝敗)のみを観察する。本稿では,私的価値を共同で推定し,入札戦略を最適化するアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 28.10186884181921
License:
Abstract: We study regret minimization in repeated first-price auctions (FPAs), where a bidder observes only the realized outcome after each auction -- win or loss. This setup reflects practical scenarios in online display advertising where the actual value of an impression depends on the difference between two potential outcomes, such as clicks or conversion rates, when the auction is won versus lost. We analyze three outcome models: (1) adversarial outcomes without features, (2) linear potential outcomes with features, and (3) linear treatment effects in features. For each setting, we propose algorithms that jointly estimate private values and optimize bidding strategies, achieving near-optimal regret bounds. Notably, our framework enjoys a unique feature that the treatments are also actively chosen, and hence eliminates the need for the overlap condition commonly required in causal inference.
Abstract（参考訳）: 本研究では,各競売後の実効結果(勝敗)のみを入札者が観察する,繰り返し第1価格オークション(FPA)における後悔の最小化について検討する。この設定は、実際のインプレッションの値がクリックやコンバージョンレートといった2つの潜在的な結果の差に依存するオンラインディスプレイ広告における実際のシナリオを反映している。我々は,(1)特徴のない対角的結果,(2)特徴を持つ線形潜在的結果,(3)特徴の線形的治療効果の3つの結果モデルを分析する。各設定に対して,私的価値を共同で推定し,入札戦略を最適化するアルゴリズムを提案する。特に、我々のフレームワークは、治療が活発に選択されるユニークな特徴を享受しており、因果推論で一般的に必要とされる重複条件の必要性を排除している。

関連論文リスト

Learning to Bid in Non-Stationary Repeated First-Price Auctions [20.933903777434086]
第一価オークションはデジタル広告市場で大きな注目を集めている。第一価格オークションにおける最適な入札戦略を決定することはより複雑である。入札順序の正則性を定量化する2つの指標を導入する。
論文参考訳（メタデータ） (2025-01-23T03:53:27Z)
Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
論文参考訳（メタデータ） (2024-11-20T18:06:55Z)
A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
論文参考訳（メタデータ） (2024-07-08T09:55:31Z)
Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
論文参考訳（メタデータ） (2024-05-31T19:26:05Z)
Advancing Ad Auction Realism: Practical Insights & Modeling Implications [2.8413290300628313]
本稿では,広告主を敵の帯域幅アルゴリズムが支配するエージェントとしてモデル化することで,現代の広告オークションに対する有用な洞察を得ることができることを示す。ソフトフロアは適切な選択されたリザーブ価格よりも低い収益をもたらし、単一のクエリに注意を向けることさえできる。
論文参考訳（メタデータ） (2023-07-21T17:45:28Z)
Autobidders with Budget and ROI Constraints: Efficiency, Regret, and Pacing Dynamics [53.62091043347035]
オンライン広告プラットフォームで競合するオートバイディングアルゴリズムのゲームについて検討する。本稿では,全ての制約を満たすことを保証し,個人の後悔を解消する勾配に基づく学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-01-30T21:59:30Z)
Benefits of Permutation-Equivariance in Auction Mechanisms [90.42990121652956]
競売人の収益を最大化しつつ、競売人の過去の後悔を最小限にする競売メカニズムは、経済学において重要であるが複雑な問題である。ニューラルネットワークによる最適なオークションメカニズムの学習を通じて、注目すべき進歩が達成されている。
論文参考訳（メタデータ） (2022-10-11T16:13:25Z)
Fast Rate Learning in Stochastic First Price Bidding [0.0]
ファーストプライスのオークションは、プログラム広告におけるビックレーのオークションに基づく伝統的な入札アプローチを大きく置き換えている。対戦相手の最大入札分布が分かっている場合, 後悔度を著しく低くする方法を示す。我々のアルゴリズムは、様々な入札分布の文献で提案されている選択肢よりもはるかに高速に収束する。
論文参考訳（メタデータ） (2021-07-05T07:48:52Z)
Reserve Price Optimization for First Price Auctions [14.18752189817994]
本研究では, 入札者のリザーブ・ショックに対する応答性の推定値に基づいて, リザーブ・プライスを適応的に更新し, 最適化する勾配に基づくアルゴリズムを提案する。第一価格オークションにおける収益は、オンデマンドコンポーネントとエンフビジンコンポーネントに分解することができ、各コンポーネントのばらつきを低減する技術を導入することができる。
論文参考訳（メタデータ） (2020-06-11T15:35:19Z)
VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文参考訳（メタデータ） (2020-04-19T18:00:58Z)
Optimal No-regret Learning in Repeated First-price Auctions [38.908235632001116]
オンライン学習を反復した初価オークションで研究する。我々は,ほぼ最適の$widetildeO(sqrtT)$ regret boundを達成するための最初の学習アルゴリズムを開発した。
論文参考訳（メタデータ） (2020-03-22T03:32:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。