Flexible Bayesian analysis of first price auctions using a simulated likelihood
利用模拟似然灵活开展第一价格拍卖的贝叶斯分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要从拍卖竞价数据恢复估值分布，并结合经济理论评估保留价，直接支持结构估计分类，未明确其他细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用模拟似然灵活开展第一价格拍卖的贝叶斯分析
- 研究问题
- 研究私人价值第一价格拍卖中，如何灵活刻画估值分布并保持理论约束，以及如何在参数不确定性下选择保留价。
- 方法与思路
- 作者以级数表示估值密度，约束竞价单调性和密度关联性，并将模拟抽样作为增广潜变量以构造贝叶斯后验。
- 材料陈述的贡献
- 摘要称方法兼容拍卖理论，并提供实施步骤和模拟比较；钻探权竞价应用进一步给出参数不确定性下的最优保留价。
- 阅读关注点
- 应核对级数密度与关联性约束的实现、模拟似然后验的正确性条件，以及保留价优化所采用的收益和决策目标。
- 阅读边界
- 仅据所给OpenAlex版本摘要，先验、计算收敛、比较结果和保留价数值未说明；不据此推断优势或其他版本变化。
原文摘要
I propose a Bayesian method to analyze bid data from first-price auctions under private value paradigms. I use a series representation to specify the valuation density so that bidding monotonicity is always satisfied, and I impose density affiliation by the nonparametric technique of Beresteanu (2007). This flexible method is, therefore, fully compatible with the underlying economic theory. To handle such a rich specification, I use a simulated likelihood, yet obtain a correct posterior by regarding the draws used for simulation as a latent variable to be augmented in the Bayesian framework; see Flury and Shephard, 2011. I provide a step-by-step guide of the method, report its performance from various perspectives, and compare the method with the existing one for a range of data generating processes and sample sizes. Finally, I analyze a bid sample for drilling rights in the outer continental shelf that has been widely studied and propose a reserve price that is decision theoretically optimal under parameter uncertainty.