Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:1911.09851

帮助 | 高级搜索

统计学 > 应用

arXiv:1911.09851 (stat)
[提交于 2019年11月22日 (v1) ,最后修订 2020年3月18日 (此版本, v2)]

标题: 对抗风险分析在首价密封投标拍卖中的应用

标题: Adversarial Risk Analysis for First-Price Sealed-Bid Auctions

Authors:Muhammad Ejaz, Chaitanya Joshi, Stephen Joe
摘要: 对抗风险分析(ARA)是一种新兴的方法论,被认为比传统决策理论和博弈论方法具有优势。 已发现针对首价密封投标(FPSB)拍卖的ARA解决方案,但仅在强有力的假设下,这使得模型有些不切实际。 在本文中,我们使用ARA方法论,在更现实的假设下对FPSB拍卖进行建模。 我们定义了一种新的效用函数,该函数考虑了投标人的财富,我们假设了一个底价,并找到了不仅适用于风险中性的而且也适用于风险规避以及风险寻求投标人的解决方案。 我们使用ARA方法论,针对非策略性玩法和层次-k思维解概念对问题进行建模。
摘要: Adversarial Risk Analysis (ARA) is an upcoming methodology that is considered to have advantages over the traditional decision theoretic and game theoretic approaches. ARA solutions for first-price sealed-bid (FPSB) auctions have been found but only under strong assumptions which make the model somewhat unrealistic. In this paper, we use ARA methodology to model FPSB auctions using more realistic assumptions. We define a new utility function that considers bidders' wealth, we assume a reserve price and find solutions not only for risk-neutral but also for risk-averse as well as risk-seeking bidders. We model the problem using ARA for non-strategic play and level-k thinking solution concepts.
评论: 32页,4幅图,9张表格
主题: 应用 (stat.AP) ; 计算机科学与博弈论 (cs.GT)
引用方式: arXiv:1911.09851 [stat.AP]
  (或者 arXiv:1911.09851v2 [stat.AP] 对于此版本)
  https://doi.org/10.48550/arXiv.1911.09851
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Muhammad Ejaz [查看电子邮件]
[v1] 星期五, 2019 年 11 月 22 日 04:33:27 UTC (59 KB)
[v2] 星期三, 2020 年 3 月 18 日 22:50:59 UTC (328 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.GT
< 上一篇   |   下一篇 >
新的 | 最近的 | 2019-11
切换浏览方式为:
cs
stat
stat.AP

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号