In a seminal paper, McAfee (1992) presented a truthful mechanism for double auction, attaining asymptotically-optimal gain-from-trade without any prior information on the valuations of the traders. McAfee's mechanism handles single-parametric agents, allowing each seller to sell a single item and each buyer to buy a single item. In this paper, we present a double-auction mechanism that handles multi-parametric agents and allow multiple items per trader. Each seller is endowed with several units of a pre-specified type and has diminishing marginal returns. Each buyer may buy multiple types and has a gross-substitute valuation function. Both buyers and sellers are quasi-linear in money. The mechanism is prior-free, ex-post individually-rational, dominant-strategy truthful and strongly budget-balanced. Its gain-from-trade approaches the optimum when the market in all item-types is sufficiently large.


翻译:在一份开创性文件中,McAfee(1992年)提出了双重拍卖的真实机制,在不事先提供关于贸易商估值的任何信息的情况下,实现了从贸易中获得的不尽人意的最佳收益。McAfee的机制处理单一参数物剂,允许每个卖方出售单一物品,允许每个买方购买单一物品。在本文中,我们提出了一个处理多参数物剂并允许每个交易商拥有多种物品的双重拍卖机制。每个卖方都拥有若干预定种类的单位,并且减少了边际收益。每个买方都可以购买多种类型,并具有总替代价值。买方和卖方都是货币的准线性。这一机制是事先自由的,是个别的,具有支配地位的,真实的,预算平衡性很强。当所有物品类型的市场都足够大时,它从贸易中获得的收益是最佳的。

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Scale-Aware Trident Networks for Object Detection
Arxiv
4+阅读 · 2019年1月7日
Arxiv
4+阅读 · 2018年11月7日
Arxiv
8+阅读 · 2018年4月12日
Arxiv
19+阅读 · 2018年3月28日
Arxiv
4+阅读 · 2018年2月13日
Arxiv
27+阅读 · 2017年12月6日
VIP会员
相关VIP内容
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
相关论文
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Scale-Aware Trident Networks for Object Detection
Arxiv
4+阅读 · 2019年1月7日
Arxiv
4+阅读 · 2018年11月7日
Arxiv
8+阅读 · 2018年4月12日
Arxiv
19+阅读 · 2018年3月28日
Arxiv
4+阅读 · 2018年2月13日
Arxiv
27+阅读 · 2017年12月6日
Top
微信扫码咨询专知VIP会员