拍卖保留价改由文本模型定价:约6.58万场二手车拍卖上,净自动成交收入差达1.658亿美元
核心概要
在线拍卖平台要为描述各异的商品设定保留价,而传统做法要求管理者预先指定商品属性。研究把预训练文本嵌入模型按拍卖出价的结构似然微调,让描述表示直接对准决定保留价的估值分布,再在另一半样本上估计广义帕累托尾部并闭式给出保留价。在约65,800场美国二手车在线拍卖上,把卖家价值校准到与成交率一致后,模型隐含的自动成交收入净增1.658亿美元,相当于现行保留价政策收入的14.6%。
深度剖析
拍卖保留价可以只凭商品描述和卖家价值逐件给出,不必先搭建商品属性分类体系,也不要求待定价商品本身有出价历史。 以往做法要么要求管理者事先指定商品属性,要么依赖同类商品的重复拍卖或竞买人历史来推断估值分布。 在2014至2023年约65,800场美国二手车在线拍卖上,把卖家价值校准到与现行保留价挂牌72.3%的成交率一致后,模型给出的保留价中位数为20,686美元,四分位区间为12,978至33,947美元。
模型把每条挂牌描述压缩成一个低维表示,再由这个表示决定该场拍卖估值分布的尾部形状。 训练信号不是预测成交价,而是观测出价的拍卖结构似然,因此表示学习被直接引向决定保留价的估值分布。 第一阶段在随机一半样本上用低秩适配器微调Qwen3-Embedding-0.6B并冻结,第二阶段在另一半样本上把嵌入映射到广义帕累托尾部的形状与尺度参数,尾部反风险率为线性,保留价由闭式规则给出。
与现行政策相比,模型保留价在两类拍卖上给出相反方向的调整。 现行政策下,最终出价高于模型保留价却未达卖家保留价的拍卖,以及成交但最终出价低于模型保留价的拍卖,各为4,194场。 前者按观测最终出价计为2.667亿美元可转为自动成交,后者使1.010亿美元已实现收入面临风险,净差1.658亿美元,占现行政策11.34亿美元观测收入的14.6%。
启示与展望
结论建立在2014至2023年一家美国二手车在线拍卖平台的约65,800场拍卖上,卖家价值作为政策输入被校准到与现行保留价挂牌的成交率一致,保留价水平及其区间都以这一选择为条件。收入比较只覆盖拍卖结束时的自动成交,未达保留价后转入私下议价的结局未被记录,因此不识别对总交易收入或卖家收益的影响。
无出价计数识别依赖对称独立私有价值,以及条件于描述表示后估值分布不随市场规模变化;未观测的挂牌质量或共同信息可能同时移动估值与参与。保留规则按出价时点和阈值穿越筛选最可能揭示估值的终端出价,若筛选与未观测估值相关,估计的估值尾部可能有偏。基础嵌入模型的预训练语料不可完全核查,样本分割无法排除推断半观测已出现在预训练中。
