计算经济学

在互联网经济中，对互联网广告的生产、分配以及消费的分析与设计是一个重要课题。计算广告学研究这种新兴的广告形式，研究它如何能高效、精确地将广告通过面向大众的互联网服务传递至受众，并以广告收入来支撑互联网公司，甚至获取巨大的利润。计算广告商业成功的背后，离不开监督学习、深度学习、强化学习等机器学习技术。另一方面，如何设计广告拍卖机制，提高卖家的利益和购买广告位的买家利益是业界关心的重要问题，也是学术界当前的研究热点。

本期专题中的三篇文章将对如何设计拍卖机制以对广告进行合理分配，如何利用机器学习对用户行为进行分析，同时学习最优的广告竞价策略等问题进行探讨。清华大学副教授唐平中和上海财经大学助理教授王子贺等人在《互联网广告机制设计的若干前沿问题》一文中，从机制设计的角度介绍互联网广告拍卖中的保留价机制和智能实时竞价服务。广告拍卖机制的难点在于买家和卖家之间信息不对称，以及买家的有限理性。如何更好地解决这些困难，实现买家和卖家的双赢，是广告拍卖机制面临的主要挑战。

在《计算广告中的机器学习问题与方法》一文中，上海交通大学副教授张伟楠和微软亚洲研究院研究员任侃等人对计算广告涉及的机器学习问题与方法做了研究综述。

在《最优拍卖设计：简单性与鲁棒性》一文中，上海财经大学教授陆品燕和唐志皓从简单性和鲁棒性两个维度重新审视了最优拍卖理论，特别是Myerson最优拍卖在现实应用中遇到的问题，以及从理论计算机视角提出的一些解决方案和分析思路。两位作者在相关领域做出了若干重要成果，文章很好地总结了作者以及其他研究者最近几年在这个领域取得的重要进展，并提出了之后的发展方向，感兴趣的读者可以轻松了解到最新的研究前沿。

当算法的输入并未给定时，如何设计机制控制激励输入信息的质量是一个重要问题。在《同伴预测与无验证信息评估》一文中，北京大学助理教授孔雨晴讨论了无验证信息收集（又称同伴预测）问题，探讨了在没有客观标准存在的情况下，如何设计恰当的奖励机制激励算法的输入者提供高质量信息，并识别高质量信息。作者介绍了这个领域的挑战、现状以及三个代表性工作，同时对该领域现有工作的局限性进行了讨论，并展望了该领域的前沿问题和未来发展。

在《信息设计与贝叶斯劝说》一文中，清华大学助理教授于洋等人介绍了信息设计理论的基本模型和前沿进展。处于经济学和计算科学交叉间的信息设计理论重塑了人们对信息在经济活动中所扮演角色的认识。它的出现揭示了信息作为构建博弈环境的要素是可以被设计从而影响整个博弈均衡的。该文阐述了信息设计工程中所存在的一系列亟待解决的技术难题。

邓小铁

北京大学教授。近期研究兴趣聚焦在算法博弈论、区块链和互联网经济学、多智能体与强化学习。

xiaotie@pku.edu.cn

孔雨晴

北京大学助理教授。主要研究方向为经济和理论计算。

 yuqing.kong@pku.edu.cn