TU München Komplexe Auktionen verstehen durch Machine Learning

Autor / Redakteur: Christoph Kurth / Nico Litzel

Der Technischen Universität München (TUM) ist es gelungen, komplexe Märkte und ihre Gleichgewichtsstrategien zu analysieren.

Firmen zum Thema

Martin Bichler, Professor für Decision Sciences and Systems an der Technischen Universität München.
Martin Bichler, Professor für Decision Sciences and Systems an der Technischen Universität München.
(Bild: Martin Bichler)

Das sogenannte Bayes-Nash-Gleichgewicht ist beim Beschreiben strategischen Verhaltens ein wichtiger Begriff. Darunter versteht man die Strategie, bei der keine der Parteien ihre Erfolgsaussichten verbessern könnte, indem sie doch noch die Strategie wechselt.

Neuronale Netze bieten gegeneinander

Das neue Machine-Learning-Verfahren „Neural Pseudogradient Ascent“ (NPGA) basiert darauf, dass mehrere Neuronale Netzwerke wiederholt gegeneinander bieten und ihre Strategien dabei immer wieder aneinander anpassen. Dabei soll das Bayes-Nash-Gleichgewicht erreicht werden, ohne dass die entsprechenden Differentialgleichungen auf herkömmlichem Wege explizit gelöst werden.

Einsatzmöglichkeiten

Laut Martin Bichler, Professor für Decision Sciences and Systems an der TUM, soll der Algorithmus Forschern aus den Wirtschaftswissenschaften künftig dabei helfen, komplexere Märkte und ihre Gleichgewichte zu analysieren. Eine praktische Anwendung gäbe es beispielsweise bei der Versteigerung von Mobilfunkfrequenzen.

Bichler sagt: „Für gängige Auktionsmodelle können wir mathematisch beweisen, dass die Ergebnisse von NPGA zuverlässig gegen die Gleichgewichtsstrategie konvergieren. Wir haben zudem auch durch Experimente gezeigt, dass unser Verfahren sehr genaue Annäherungen an Gleichgewichtsstrategien für Märkte liefert.“

Artikelfiles und Artikellinks

(ID:47629698)