基于投標行為的在線拍賣價格預測模型.pdf

1、在當今電子商務領域中，在線拍賣無疑是最為重要的應用之一。伴隨著在線拍賣應用的快速增長，這一領域吸引了越來越多學者的注意。然而，盡管在經(jīng)濟和管理學的文獻中對拍賣的研究由來已久，但是在線拍賣研究中仍然存在著許多未解決的問題?，F(xiàn)有在線拍賣決策支持相關研究以傳統(tǒng)經(jīng)典拍賣理論為基礎，對于傳統(tǒng)現(xiàn)場拍賣與在線拍賣之間的差異考慮不足，忽略了在線拍賣自身的特點。由于在線拍賣同傳統(tǒng)現(xiàn)場拍賣在交易商品類型、交易商品數(shù)量、拍賣時間等多個方面存在著重大的差異。因

2、此，傳統(tǒng)經(jīng)典拍賣理論在解釋在線拍賣過程中表現(xiàn)出了解釋力不足的問題。以此為基礎形成的在線拍賣投標策略往往會出現(xiàn)錯誤，不能對在線拍賣投標人提供有效的支持。
　　此外，在傳統(tǒng)拍賣理論研究中，拍賣價格成交價格形成機制占據(jù)著拍賣理論最為核心的地位。而目前有關在線拍賣成交價格的研究則主要是將精力及研究重點放在拍賣價格及投標人支付意愿影響因素分析中，而未將最終成交價格的預測作為重點。顯然，僅僅分析成交價格的影響因素而不對最終成交價格的結果進行研

3、究必然使研究的眾多結論只能停留在理論層面，沒有辦法指導實踐應用，這是目前在線拍賣理論研究中的一項重大缺失。雖然近年來對于在線拍賣成交價格預測已經(jīng)引起研究人員的重視，并于2000年前后開始逐漸興起，但總體而言尚處于起步階段。
　　針對以上問題，本文通過引入在線拍賣投標人行為特點，綜合運用設計科學、統(tǒng)計學、機器學習、計量經(jīng)濟學，以及試驗分析等研究方法與手段開展研究，對在線拍賣成交價格預測問題進行深入剖析。
　　第一，針對跨平臺在

4、線拍賣Agent設計問題開展研究。在本部分中通過分析在線拍賣數(shù)據(jù)形式，重點解決了利用Agent技術對在線拍賣網(wǎng)站中數(shù)據(jù)進行自動收集的問題。并結合在線拍賣網(wǎng)站內容結構特點，提出了對網(wǎng)站中數(shù)據(jù)進行自適應式提取的算法，初步解決了跨平臺數(shù)據(jù)收集問題。試驗證明，本文所實際的數(shù)據(jù)收集Agent性能良好，其收集的數(shù)據(jù)為后文研究奠定了基礎。
　　第二，對在線拍賣投標人支付意愿影響因素進行研究。通過對在線拍賣投標人進行訪談，發(fā)現(xiàn)網(wǎng)上消費者在進行商品

5、購買的過程中存在先在網(wǎng)下對商品進行觀察，之后在網(wǎng)上購買的行為模式。通過這一發(fā)現(xiàn)，對傳統(tǒng)在線拍賣投標人支付意愿影響因素理論模型進行擴展，建立全新理論模型。在此之后，利用淘寶網(wǎng)“衛(wèi)衣”類商品為研究數(shù)據(jù)，收集樣本數(shù)據(jù)219條對擴展后的模型進行驗證，并對結果進行分析與討論。
　　第三，利用集成機器學習算法對在線拍賣成交價格進行靜態(tài)預測。在本部分研究中，利用第二部分所研究的Agent程序收集淘寶網(wǎng)在線拍賣交易數(shù)據(jù)3310條，對應有效出價記錄

6、8275。數(shù)據(jù)分析表明，如不考慮未成交商品，則有40.4％的交易可以利用出價次數(shù)精確計算最終成交價格。如將未成交商品視作成交價格為0，該比例可提高為79.55%。以此為基礎提出了全新的在線拍賣成交價格預測模型。通過實驗證明，本模型明顯優(yōu)于平均值預測，并有21.7%的預測結果完全準確。與Heijst發(fā)表于《Decision Support Systems》上的研究進行對比，結果表明本文模型在樣本需求量、運算時間，及完全準確預測率上有明顯優(yōu)

7、勢。
　　第四，本文就拍賣價格動態(tài)性變化及動態(tài)預測方法展開研究。由于在傳統(tǒng)研究中，無論是行為導向研究還是技術導向研究都是站在靜態(tài)的角度對在線拍賣的成交價格進行研究，而忽略了在線拍賣過程中的動態(tài)性變化、新到達信息的影響。因此在本部分研究中，通過利用函數(shù)性數(shù)據(jù)分析建立計量經(jīng)濟學模型，將在線拍賣的動態(tài)性特征表現(xiàn)在模型之中，并分析眾多靜態(tài)變量在拍賣過程中的不同階段其影響效果的變化情況。
　　以上研究內容有效的彌補了現(xiàn)有研究中對于在線