竞拍中的预筛选在预测情境下的作用

卖方常常对潜在竞投者进行预筛选，将参与限制在一小群有能力的参与者之上。近期机器学习和生成式 AI 的进展使得这一策略日益可行，因而能够以低成本识别高质量竞投者。然而，这种做法偏离了经典拍卖理论，后者通常倾向于广泛竞争而非选择性排除。本文我们检讨预筛选是否可以被证明是合理的，以及在何种条件下可以被接受。我们分析的情境中，竞投者拥有独立同分布的私有评估，而卖方观察到的信号受评估预测器生成。卖方决定允许多少名顶级竞投者参与，并根据信号基于的排名选择恰好这么多名竞投者。我们证明，带有预筛选的拍卖等价于标准拍卖（即无预筛选），但在相关评估的情况下才成立。我们的分析表明，尽管允许更少的竞投者参与会导致第二价和第一价拍卖均产生收入损失，但更准确的预测器可以缓解甚至完全抵消这些损失。相比之下，预筛选在全价拍卖中可以显著提升收入；尤其值得注意的是，当预测器完美时，只允许两名竞投者参与是最优选择。所有结果在设定保留价格后仍然成立。