We study actual bidding behavior when a new auction format gets introduced into the marketplace. More specifically, we investigate this question using a novel data set on internet display ad auctions that exploits a staggered adoption by different publishers (sellers) of first-price auctions (FPAs), in place for the traditional second-price auctions (SPAs). Event study regression estimates indicate a significant jump, immediately after the auction format change, in revenue per sold impression (price) of the treated publishers relative to that of control publishers, ranging from 35% to 75% of pre-treatment price levels of the treated group. Further, we observe that in later auction format changes the lift in price relative to SPAs dissipates over time, reminiscent of the celebrated revenue equivalence theorem. We take this as evidence of initially insufficient bid shading after the format change rather than an immediate shift to a new Bayesian Nash equilibrium. Prices then went down as bidders learned to shade their bids. We also show that bidders sophistication impacted their response to the auction format change. Our work constitutes one of the first field studies on bidders' responses to auction format changes, providing an important complement to theoretical model predictions. As such, it provides valuable information to auction designers when considering the implementation of different formats.


翻译:更具体地说,我们利用互联网展示的拍卖上的新数据集来调查这一问题,该数据集利用不同出版商(卖方)错开采用第一次价格拍卖(FPAs)的机会,用于传统的第二次价格拍卖(SPAs),用于传统的第二次价格拍卖(SPAs)。 活动研究回归估计表明,在拍卖格式改变之后,经过处理的出版商相对于控股出版商的每份销售印象(价格)的收益(价格)急剧上升,从35%到75%不等。此外,我们观察到,在后来的拍卖格式中,价格相对于证交价格的升幅随着时间推移而消散,使人想起庆祝的收入等同性理论。我们将此视为在形式改变后最初没有足够标价的证据,而不是立即转向新的巴伊西亚纳什平衡。随后,价格随着投标人学会淡化其标价而下降。我们还表明,投标人的精度影响了他们对拍卖格式的响应度。我们的工作是第一次关于投标商对拍卖格式的模型研究,在进行不同的拍卖格式改革时提供了重要的理论性预测。

0
下载
关闭预览

相关内容

【干货书】真实机器学习,264页pdf,Real-World Machine Learning
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12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
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
14+阅读 · 2020年12月17日
Arxiv
6+阅读 · 2020年12月8日
Arxiv
17+阅读 · 2019年3月28日
Arxiv
6+阅读 · 2018年12月10日
Arxiv
3+阅读 · 2018年1月10日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员