Semiparametric Estimation of First-Price Auction Models
第一价格拍卖模型的半参数估计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：摘要通过投标分布反推出私人估值，再估计第一价格拍卖模型的估值密度参数，直接对应拍卖模型的结构估计。
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…
第一价格拍卖模型的半参数估计
- 研究问题
- 如何从第一价格拍卖的投标数据估计私人估值分布的有限维参数，并在容纳多个拍卖协变量的同时支持保留价选择？
- 方法与思路
- 第一步用局部多项式估计投标密度与分布，恢复伪私人估值样本；第二步对该样本使用矩估计，估计刻画私人估值密度的有限维参数。
- 材料陈述的贡献
- 摘要称，估计量达到参数估计的收敛速度并具有渐近正态性，且给出渐近方差；模拟涉及估值密度估计与收益最大化保留价选择。
- 阅读关注点
- 核对从投标反推私人估值所需的拍卖模型假设、局部多项式的平滑选择、两步误差如何进入渐近方差，以及保留价计算。
- 阅读边界
- 摘要未列明竞标者信息结构、均衡及分布识别条件，也未报告模拟数值；收敛结论须结合正文假设，保留价表现仅有模拟概述。
原文摘要
In this article, we propose a two-step semiparametric procedure to estimate first-price auction models. In the first step, we estimate the bid density and distribution using local polynomial method, and recover a sample of (pseudo) private values. In the second step, we apply the method of moments to the sample of private values to estimate a finite set of parameters that characterize the density of private values. We show that our estimator attains the parametric consistency rate and is asymptotically normal. And we also determine its asymptotic variance. The advantage of our approach is that it can accommodate multiple auction covariates. Monte Carlo exercises show that the estimator performs well both in estimating the value density and in choosing the revenue maximizing reserve price. Supplementary materials for this article are available online.