网络拍卖价格的分析与预测.pdfVIP

第一章 引言 象 。F D A 中，非参数光滑方法 常用来将 函数型对 象 从一些离散 的测量 中复原 ，例 如 核光滑方法 、多项式样条 、单调样条 (参见R ams ay (1998)、R am say和 Slivem an (2005))。 网络 拍卖 中 ，价 格总为 正数且 单调增加 ，故 光 滑得 到 的价格 曲线应 该 反 映该特 征 。H yde等 (2006) 利用 单调样 条光滑方法 复 原 了一个 掌上 电脑 “Pa lm M S 巧 ”拍 卖 数据集 的价格 曲线 。 非参数光滑方法需要人为地调整和确 定许 多参数 (包括节点 的数量和位置 、惩 罚参数和 多项式 的次数 )，光滑样条常不完全 单调 ，而单调样条 的计 算 量 很大 。为 避 免这些不足 ，H yde等 (2008)提 出了一族 参数模 型 一一称 为生长模 型 ，可 以提供 合理 的理论解释 、反映拍卖 的数据特征且计算迅速 。他们提 出了同时衡量价格拟 合与 时 间拟 合好坏 的准 则 (w S SE R，w SSE v )，根 据该准 则从生长模 型 、多项 式样 条 、单调样条方法 中选 择拟 合最佳 的，结果表 明在 除去 多项式样 条 (常 不单调 ，故 不符合 实 际要求)的情 况下 ，生长模 型方法 明显优 于单 调样 条方法 。 在 成交价预测方面 ，G hani等 (2004)搜 集 了大 量信 息 ，利用 决策树 和神经 网络 的方 法将 成交价 归类 (例如每 间隔$5 为一类)，可 以在 一个拍卖 尚未开始 的时候就 进行 预测 。Zhang等 (2008 )用 一种K 一近邻方法 预测 成交价 ，首先用B eta分布来拟合 拍卖 价格 ，然后综合各种 变量 定义不 同拍卖 间的距 离 ，最后选 择K 个 距 离最近 的 拍卖 ，将K 个成 交价按距 离加权平均作 为 目标拍 卖 的成交价 。 绝大 多数竞价过程 呈现 出 “稠一稀 一稠 ”的竞价特 征 。即在拍卖初 期 ，竞价次数 较 多 ; 在拍卖 中期 ，竞价 次数很少 ; 而在拍卖末 期 ，竞价次数猛增 。本文认为拍 卖 的不 同时期 ，其竞价规 律可 能不相 同。从 预测 成交价 的精度 出发 ，应仅仅考虑 拍卖末 期 的竞价过程 。打个 比方 ，某 人在拍卖 结束前 10分钟或半小 时准备加入竞 拍 ，该竞拍 者是 (1) 利用 己知 的全 部竞价数据 来 分析 并预测成交价 ，还 是 (2)仅利 用末 期 的竞价数据来 分析 并预测成 交价 ? 本 文认 为 (2)更好 ，即用末 期 的竞价数据 己经 能充分地预测成交价 ，而加入初 期和 中期 的竞价数据 可能会 带来 干扰 ，反而 会影 响成交价 的预测精度 。本文建立 了三种参数模型 :尾 部生长模 型 、复合模 型 、 线性 回归动态模型 ，紧密结合 “尾部 ”思想 ，并运用 于来 自eB ay 的277 个拍卖 期 限 为7天 的 “A pPle iphon e’’拍卖 数据 ，发现拟合 与预 测 效果都 比较 理想 。 本文 结构如下 :第 二 章介 绍eB ay 的拍卖 机制 与数据概 况 ;第三 章 由生长模型 出发 引入尾 部生长模型 ，并对两种模 型 的拟 合 与预测进行 比较 ; 第 四章我们 建立 了拍卖价格 是竞拍次数 与价格变化 的复合过 程 模型 ;第五 章对 拍卖价 格 的变化率 建立 线性 回归模型 ，可 以动态 地预测成交价 ;第 六章是本文 的总结与讨论 。 第二 章 eB ay拍 卖 机制与 数据 概况 第二章 eB ay拍卖机制与数据概况 2.1 eB ay 拍 卖机 制 eB ay是世 界最 流行 的拍卖 网站 ，它有较完善 的体系 ，包括注册 、竞 拍 、奖 惩制 度等 。任 何eB ay 的注册会 员都可 以在eB ay 网站 上进 行商 品交 易 。对 于买家而 言 ， 拍卖 是完 全免 费 的 。对 于卖家则收取一 定的费用 ，主要包括信息发布 费 、起拍价 设置 费 、保 留价 费 、功 能费 、图片服 务 费等 。若物 品最后成 功卖 出了，eB ay还 要 收 取一定 的成交 费 。卖家可 以选择拍卖期 限为 l天 、3天 、5天 、7天或 10天 ，而最 为流 行 的是7天 。为