Learning in Repeated Auctions
Online-Auktionen sind eine der grundlegendsten Facetten der modernen Wirtschaft und treiben eine Industrie an, die jährlich Hunderte von Milliarden Dollar an Einnahmen erzielt. Die Theorie der Online-Auktionen konzentrierte sich in der Vergangenheit auf die Frage, wie ein einzelner Artikel am besten an potenzielle Käufer verkauft werden kann, wobei davon ausgegangen wurde, dass die Agenten über ein gewisses Vorwissen übereinander verfügen. In neuen Märkten wie der Online-Werbung werden jedoch ähnliche Artikel wiederholt verkauft, und die Agenten kennen sich nicht oder könnten versuchen, sich gegenseitig zu manipulieren, so dass diese Annahme nicht mehr gilt. Die statistische Lerntheorie bietet nun Werkzeuge, um diese fehlenden Informationen zu ergänzen, wenn genügend Daten vorhanden sind, da die Agenten von ihrer Umgebung lernen können, um ihre Strategien zu verbessern.
Dieses Buch ist eine umfassende Einführung in die Lerntechniken bei wiederholten Auktionen. Es deckt alles ab, von der traditionellen ökonomischen Untersuchung optimaler einmaliger Auktionen über das Lernen optimaler Mechanismen aus einem Datensatz von Bieterwerten aus der Vergangenheit bis hin zur Darstellung, wie strategische Agenten wiederholte Auktionen tatsächlich zu ihrem eigenen Vorteil manipulieren können. Die Autoren untersuchen die Auswirkungen verschiedener Szenarien und Annahmen und bleiben dabei stets in der Praxis verankert. Viele der beschriebenen Ideen und Algorithmen werden tagtäglich in der Internetwirtschaft eingesetzt.
Dieses Buch vermittelt Studenten, Forschern und Praktikern ein tiefes Verständnis der Theorie von Online-Auktionen und gibt praktische Beispiele für die Umsetzung in modernen Internetsystemen.
| ISBN: | 9781680839388 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
