Learning in Repeated Auctions
Az online árverések a modern gazdaság egyik legalapvetőbb elemei, és évente több százmilliárd dolláros bevételt generáló iparágat működtetnek. Az online árverések elmélete történelmileg arra a kérdésre összpontosított, hogy hogyan lehet a legjobban megtervezni azt a módot, ahogyan egy adott árucikket a potenciális vevőknek el lehet adni, feltételezve, hogy az ügynökök bizonyos előzetes ismeretekkel rendelkeznek egymásról. Az új piacokon, például az online hirdetési piacokon azonban hasonló tételeket ismételten értékesítenek, és az ügynökök nem ismerik egymást, vagy megpróbálhatják manipulálni egymást, így a feltételezés érvényét veszti. A statisztikai tanuláselmélet most olyan eszközöket kínál, amelyek elegendő adat esetén kiegészítik ezeket a hiányzó információkat, mivel az ágensek tanulhatnak a környezetükből, hogy javítsák stratégiáikat.
Ez a könyv átfogó bevezetés az ismétlődő aukciók tanulási technikáiba. A könyv az optimális egyszeri árverések hagyományos közgazdasági tanulmányozásától kezdve az optimális mechanizmusok megtanulásán keresztül az ajánlattevők múltbeli értékeinek adathalmazából egészen annak bemutatásáig terjed, hogy a stratégiai szereplők hogyan manipulálhatják az ismételt árveréseket a saját előnyükre. A szerzők mindvégig a különböző forgatókönyvek és feltételezések hatásait vizsgálják, miközben a valós alkalmazások talaján maradnak. A leírt ötletek és algoritmusok közül sokat nap mint nap használnak az internetes gazdaság működtetésére.
Ez a könyv a hallgatók, kutatók és gyakorlati szakemberek számára mélyreható ismereteket nyújt az online aukciók elméletéről, és gyakorlati példákat ad a modern internetes rendszerekben való megvalósításra.