JP2008070917A - シミュレーションシステム、及び、そのプログラム - Google Patents

Abstract

【課題】オークションにおける物件の落札価格の確率分布を算出でき、また、最高入札価格の推移をシミュレーションできるようにする。
【解決手段】ユーザが情報端末３０を介して入力した物件情報に基づいて、シミュレーション装置１０は、エージェント情報格納サーバ２０から取得したエージェント情報で特定されるエージェントに仮想的にオークションを試行させる。そして、オークションの試行を繰り返すことによってシミュレーション装置１０は、落札価格の確率分布を算出し、情報端末３０に送信する。情報端末３０は、受信した落札価格の確率分布を出力する。
【選択図】図１

Description

本発明は、オークションにかけられる物件の落札価格の確率分布を出力するシミュレーションシステム、及び、そのプログラムに関する。

現在、オークションを利用した不動産を含む物件の売買が盛んに行われている。オークションにおいて売買する物件の出品者は、落札までのプロセスや落札価格を予測し、オークションによる収入を予想する必要がある。

従来の技術では、物件をモデル化し、その属性に基づいて、回帰分析やニューラルネットワークや決定木といった手法を利用して物件の妥当な落札価格を統計的に計算していた。

しかし、上記技術ではオークションに参加可能な人数やそれらの人々の戦略などのオークションの結果に与える要因を考慮していなかったので、物件の妥当な落札価格を計算するのに不十分であった。また、オークションの落札までのプロセスを予測することもできなかった。
石川幹子 前川徹著 「ネットオークションにおけるプロモーション効果の分析」 情処研報 Ｖｏｌ．２００２，Ｎｏ．１５，ｐ．３５〜４２

本発明は、上記問題点に鑑みてなされたもので、オークションにおいて、物件の落札価格の確率分布を算出できるシミュレーションシステムを提供することを目的とする。

また、オークションをシミュレートし、落札までのプロセスを出力できるシミュレーションシステムを提供することを他の目的とする。

上記目的を達成するために、本発明の第１の観点に係るシミュレーションシステムは、
オークションにおいて売買される物件の落札価格とその確率をシミュレートするシミュレーションシステムであって、
前記物件の情報を入力する物件情報入力手段と、
仮想オークションの参加者である複数のエージェントと該エージェントの入札特性を特定するパラメータとを対応付けて記憶するエージェント情報格納手段と、
前記物件情報入力手段により入力された物件の情報を取得し、前記エージェント情報格納手段に格納されるているエージェント情報に基づいて、仮想的にオークションを試行させる試行手段と、
前記試行手段により仮想的にオークションを試行させることを繰り返し、それぞれの落札価格と試行回数とから、落札価格に対応する確率分布を算出する算出手段と、
前記算出手段により算出された落札価格に対応する確率分布を出力する確率分布出力手段と、を備える、
ことを特徴とする。

例えば、前記試行手段により仮想的に試行させたオークションのプロセスを出力するプロセス出力手段を備える、
ことを特徴としてもよい。

前記オークション試行手段は、前記エージェント情報格納手段に格納されるているエージェント情報に基づいて、複数のエージェントを選択的に抽出し、物件の情報と抽出したエージェントのパラメータとに基づいて、仮想的にオークションを繰り返して試行し、所定のタイミングで、エージェントを変更する、ことを特徴としてもよい。

前記エージェント情報格納手段は、新たなエージェントのエージェント情報を追加格納する機能を備えてもよい。

本発明の第２の観点に係るプログラムは、
物件の情報と仮想的なオークション参加者の入札パラメータとに基づいて、仮想的にオークションを試行させる試行手段、
前記試行手段で仮想的にオークションを試行することを繰り返し、落札価格と試行回数とから、落札価格に対応する確率分布を算出する算出手段、
として機能させることを特徴とするプログラム。

本発明によれば、オークションにおいて、物件の落札価格の確率分布を算出できる。

以下、本発明の実施形態に係るシミュレーションシステム１００を説明する。シミュレーションシステム１００は、不動産物件のオークションについてマルチエージェントシミュレーションを行う。

シミュレーションシステム１００は、図１に示すように、シミュレーション装置１０と、エージェント情報格納サーバ２０と、情報端末３０と、ネットワーク４０と、から構成される。また、このシミュレーションシステム１００は、実際にオークションを実行するオークションシステム５０にネットワークを介して接続されている。

シミュレーション装置１０は、ネットワークを介して後述する物件情報とエージェント情報とを取得し、それらをもとに不動産物件のオークションをシミュレーションする。

シミュレーション装置１０は、ＣＰＵ１１とＲＯＭ１２と通信制御部１３とＲＡＭ１４とから構成される。

ＣＰＵ１１は、シミュレーション装置１０全体の動作を制御する。また、ＣＰＵ１１は、ＲＯＭ１２に格納されているプログラムを実行することによって、シミュレーションに関する処理を行う。処理の内容については、後述する。

ＲＯＭ１２は、ＣＰＵ１１の動作プログラムを記憶する。動作プログラムの詳細については後述する。

通信制御部１３は、ネットワーク４０に接続され、他装置との間で、データの送受信を行う。

ＲＡＭ１４は、ＣＰＵ１１のワークエリアとして機能する。

エージェント情報格納サーバ２０は、ネットワーク４０に接続され、オークションシステム５０で開催されるオークションの参加者の入札動向を分析することにより得た仮想的なオークション参加者（エージェント）の特性を示すエージェント情報を生成して格納する。エージェント情報格納サーバ２０は、シミュレーション装置１０にエージェント情報を供給する。

情報端末１０は、ネットワーク４０に接続され、ユーザが入力した物件情報を受け付け、シミュレーション装置１０に供給する。また、情報端末３０は、シミュレーション装置１０よりシミュレーションによって得られたデータを受信する。

次に、図２を参照して、エージェント情報の詳細を説明する。

エージェント情報は、オークションシステム５０で開催されるオークションに参加している者を分析して取得して生成した仮想的なオークション参加者のモデル（エージェント）に関する情報である。
シミュレーションシステム１０は、オークションションシステム５０での落札価格をシミュレートするものであり、オークションシステム５０で開催されるオークションの参加者と同様の入札行動を行うエージェントを想定してシミュレートを行う。ただし、分析により得られた情報を編集、加工して実際のオークション参加者とは異なる特性を有するエージェントを生成してもよいことは言うまでもない。

本実施形態では、オークションシステム５０で開催されるオークションの参加者であるエージェントをその入札のタイミングによって、図２（ａ）に示すように、「Early Bidder」と、「Ceep Early Bidder」と、「Sniper」と、「Continual Sniper」とに類別する。

「Early Bidder」は、オークションの開始時からの任意のタイミングで入札する傾向のある参加者であり、「Ceep Early Bidder」は、オークション期間中の序盤に入札する傾向のある参加者であり、「Sniper」は、オークション期間の最終に入札する傾向のある参加者であり、「Continual Sniper」は、オークション期間の終盤に入札する傾向のかる参加者である。

そして、過去にオークションに参加した者で、データ数が一定量に達したものを抽出し、何れかのグループに分類する。

さらに、各参加者について、その参加者が、物件を手頃であると感じると推察される価格帯を求めるための演算式の係数ａ０〜ａ３、入札確率（入札する確率）をもとめるための係数ｂ，ｃ１〜ｃ５、入札時に最高入札価格に上乗せする金額を求めるための係数ｄ１〜ｄ３を予め求め、図２（ｂ）に示すように、参加者毎に登録しておく。

各係数についてより詳細に説明する。

（１） 本実施の形態では、各参加者が任意の物件について、手頃と感じる価格帯を物件の属性、例えば、物件の所在エリア、物件の広さ、文献築年数、に基づいて近似する。

具体的に説明すると、予め、路線価等に基づいて、エリア別に評価数値を割り振っておく。そして、物件の所在値に割り当てられた評価数値をＡＰとし、広さに関しては、広さに応じて変化する評価値をＷＱを設定し、築年数に関しては、新しい程（築浅である程）大きくなる評価値ＹＥを設定し、お手頃と感じる入札価格ＡＴを次式（１）で近似する。
ＡＴ＝ａ０＋ａ１・ＡＰ＋ａ２・ＷＱ＋ａ３・ＹＥ ・・・（１）
エージェント情報格納サーバ２０は、その参加者の過去の入札動向から、回帰分析法などにより、参加者毎に係数ａ０，ａ１，ａ２，ａ３を求めて登録しておく。

（２） エージェント情報格納サーバ２０は、各参加者が入札する確率（入札確率）ＢＰ（０以上１未満）を、（２）式で示されるロジスティック関数で近似する。このロジスティック関数は、図３に示すように、指数Ｖに対する増加関数である。
ＢＰ＝１／（１＋ｅ^−Ｖ） ・・・（２）とする。

指数Ｖは、（３）式で定義される。
Ｖ＝ｂ＋ｃ１・ｘ１＋ｃ２・ｘ２＋ｃ３・ｘ３＋ｃ４・ｘ４＋ｃ５・ｘ５
・・・（３）

ここで、ｘ１は、その参加者にとって手頃と感じると推測される価格ＡＴと現在の物件価格（最高入札価格）ＢＵとの差を表す。
ｘ２は、物件価格の趨勢（１期前に価格が上昇したか否かを示す指数であり、上昇していれば、値Ｊ１（例えば、１），上昇していなければ、値ｊ２（例えば２）である。これにより、参加者の相互作用を表現する。
ｘ３は、現在の入札件数である。この値は、物件の信頼度を表す。
ｘ４は、入札開始からの経過時間である。
ｘ５は、現時点で、自分が最高入札価格者であるか否かを示す指数であり、最高入札価格者であれば、値Ｊ３（例えば、３），最高入札価格者でなければ値Ｊ４（例えば、４）を割り当てる。
エージェント情報格納サーバ２０は、その参加者の過去の入札動向から、回帰分析法などにより、参加者別に係数ｂ，ｃ１〜ｃ５を予め求めて登録しておく。

（３） エージェント情報格納サーバ２０は、各参加者が入札する場合の上乗せ金額ＢＴを、（４）式で推定する。
ＢＴ＝ｄ１・ＢＵ＋ｄ２・ＡＴ＋ｄ３ ・・・（４）
ここで、前述のように、ＢＵは最高入札価格、ＡＴは、その参加者がお手頃と感じると推定される価格である。
エージェント情報格納サーバ２０は、その参加者の過去の入札動向から、回帰分析法などにより、係数ｄ１，ｄ２，ｄ３を予め求めて登録しておく。

エージェント情報格納サーバ２０は、このようにして得られた各オークション参加者とその入札特性を表すパラメータａ１〜ｄ３とを対応付ける。

エージェント格納サーバ２０は、これらのオークション参加者と同一の入札特性を有するエージェントを想定し、仮想オークションへの参加者とする。なお、前述のように、オークション参加者に対応するエージェント以外にも、独自の基準で生成されたエージェント等を追加してもよい。

なお、実際にオークションのシミュレーションを行う際には、一様乱数ＲＶを発生し、入札確率ＢＰ＞乱数値ＲＶ が成立するか否かを判別し、成立すれば入札を行い、条件が成立しなければ、入札を行わないこととする。なお、予測の精度を高めるためには、例えば、上記の各係数ａ１〜ｄ３を、関数で定義してもよい。

次に、図４〜８を参照して、本発明の実施形態に係るシミュレーションシステム１００の動作について説明する。

まず、エージェント情報格納サーバ２０は、オークションシステム５０より、実際のオークションの履歴情報を定期的に受信し、各参加者の入札傾向を分析する。エージェント情報格納サーバ２０は、分析に基づいて、エージェントを想定し、各エージェントを投資傾向に応じて上記４分類の何れかに分類し、さらに、各エージェントについて、上記数式（１）〜（４）中の係数ａ１〜ｄ５を求め、図２（ｂ）に示すように、登録しておく。

次に、シミュレーション装置１０が行う落札価格確率分布出力処理を図５を参照しつつ説明する。

先ず、オークションへの出品を予定しているユーザ等は、自己の情報端末３０からシミュレーション装置１０にアクセスし、図４（ａ）に示すようなシミュレーション条件入力画面を起動し、オークション対象の不動産に関する物件情報やシミュレーションの実行条件を登録する。物件情報とは、物件の所在地、広さ、築年数など、各エージェントがその物件を評価する上で必要となる情報である。シミュレーションの実行条件とは、オークションの初期設定価格、オークションの期間（シミュレーションのためターン数）などである。

ユーザは、入力を終了すると、「シミュレーション開始」ボタンを押下する。この操作に応答して、情報端末３０は、シミュレーション開始の指示と入力された情報とをシミュレーション装置１０に送信する。

シミュレーション装置１０のＣＰＵ１１は、情報端末３０から指示と物件情報及びシミュレーション実行条件を通信制御部１３を介して受信し、受信した指示に応答して、図５に示す落札価格確率分布出力処理を開示する。
この処理を開始すると、ＣＰＵ１１は、まず、エージェント情報データベース１０からエージェント情報を取得する（ステップＳ１１）。

ＣＰＵ１１は、情報端末３０から受信した物件情報・シミュレーション条件及びエージェント情報格納サーバ２０から受信したエージェント情報とに基づいてオークションのシミュレーション処理を行う（ステップＳ１２）。オークションシュミレーション処理については図６を参照して後述する。

ＣＰＵ１１は、シミュレーションを実行した回数が予め設定した回数より少ないか否かを判別する（ステップＳ１３）。

試行した回数が予め設定された回数より少ない場合（ステップＳ１３；Ｙｅｓ）、ステップＳ１２に戻り、実行条件を変えてオークションシミュレーション処理を行う。

試行した回数が予め設定された回数と等しい場合（ステップＳ１３；Ｎｏ）、ステップＳ１４に進む。

この様にして、設定された回数だけシミュレーションを繰り返す。

ＣＰＵ１１は、シミュレーションの結果得られた落札価格のデータより落札価格の確率分布を算出する（ステップＳ１４）。

ＣＰＵ１１は算出した落札価格の確率分布のデータ及びシミュレーションの実行履歴を、通信制御部１３を制御して情報端末３０に送信し（ステップＳ１５）、処理を終了する。

情報端末３０は、シミュレーション装置１０から受信したデータに基づいて、落札価格の確率分布を図８（ａ）に示すようなグラフに加工して表示し、図８（ｂ）に示すシミュレーションごとの落札価格と入札者数との一覧などを表示する。

ユーザは、これらの情報から、該当する物件をオークションに出品したときの落札価格を推定し、出品するか否か判断する。

これらの画面には、オークションシステム５０のオークション出品用サイトへのリンク８１，８２が用意されている。従って、ユーザは、シミュレーションの結果から、オークションに出品すると決定した場合、即座に、出品することが可能となる。

次に、ステップＳ１２の落札価格確率分布出力処理において行われるオークションシミュレーション処理を図６のフローチャートを参照して説明する。

落札価格確率分布出力処理においてステップＳ１２に達すると、ＣＰＵ１１は、図６に示すオークションシミュレーション処理を開始する。

まず、ＣＰＵ１１は、エージェント情報に基づいて、今回のシミュレーションに参加するエージェントを選択的に抽出する（ステップＳ１２１）。
エージェントを選択する際には、「Early Bidder」と、「Ceep Early Bidder」と、「Sniper」と、「Continual Sniper」との各分類間のバランスを考慮し、さらに、シミュレーション毎に、参加者、参加者の傾向や参加者数が異なるように選択する。

次に、ＣＰＵ１１は、最高入札価格ＢＵを物件情報に含まれる初期設定価格とする（ステップＳ１２２）。

ＣＰＵ１１は、取引ターンｎの値を初期値の「１」とし、オークションの入札者数ｋを０とする（ステップＳ１２３）。

ＣＰＵ１１は、各エージェントに入札するか否かを仮想的に決定させ、入札すると決定したエージェントについては、入札価格を決定させ、入札させる（ステップＳ１２４）。このエージェントの行動のシミュレートについては、図７を参照して後述する。

ＣＰＵ１１は、ステップＳ１２４のエージェント行動シミュレート処理で新たな入札があったか否かを判別する（ステップＳ１２５）。

新たな入札がなかったと判別した場合（ステップＳ１２５；Ｎｏ）、ステップＳ１２９に進む。

一方、新たな入札があったと判別した場合（ステップＳ１２５；Ｙｅｓ）、ＣＰＵ１１は、新たな入札価格のうち、最も高い価格に最高入札価格ＢＵを更新する（ステップＳ１２６）。

また、ＣＰＵ１１は、ステップＳ１２４における各エージェントの動作の結果、初めて入札を行ったエージェントが存在するか否かを判別する（ステップＳ１２７）。

初めて入札を行ったエージェントが存在しないと判別した場合（ステップＳ１２７；Ｎｏ）、ステップＳ１２９に進む。

初めて入札を行ったエージェントが存在すると判別した場合（ステップＳ１２７；Ｙｅｓ）、ＣＰＵ１１は、オークションの入札者数ｋを更新し（ステップＳ１２８）、ステップＳ１２９に進む。

ＣＰＵ１１は、取引ターンｎが、ユーザにより設定された取引期間に相当する総取引ターン数Ｎより小さいか否かを判別する（ステップＳ１２９）。つまり、取引期間内であるか否かを判別する。

取引ターン数ｎが総取引ターン数Ｎ（取引期間）より小さいと判別した場合（ステップＳ１２９；Ｙｅｓ）、その時点での取引ターンｎの値に１を加算し（ステップＳ１３０）、ステップＳ１２４に戻る。

この様にして、ステップＳ１２４からステップ１２９までをＮ回繰り返すことによって、ターンごとに各エージェントに仮想的に行動させ、ターンが進むに伴う最高入札価格の推移、及び、入札者数の推移を出力することができる。

取引ターンｎが総取引ターンＮ（取引期間）と等しいと判別した場合（ステップＳ１２９；Ｎｏ）、処理を終了する。

この様にして、オークションシミュレーション処理によると、各エージェントにオークションを試行させることによって、最高入札価格の推移と参加者数の推移と落札価格を導出することができる。

図９（ａ）に示すグラフは、オークションシミュレーション処理によって導出された最高入札価格の推移を表したグラフの一例であり、取引終了ステップにおける最高入札価格が落札価格である。
また、図９（ｂ）に示すグラフは、オークションシミュレーション処理によって導出されたオークションの入札者数の推移を表したグラフの一例であり、取引終了ステップにおける入札者数が最終入札者数である。

次に、ステップＳ１２３で実行されるエージェント入札行動シミュレート処理について図７を参照して説明する。
まず、後述するステップＳ２６の判断で使用する一様乱数ＲＶを、０以上１未満の範囲で発生させる（ステップＳ２１）。

次に、ステップＳ１２１で選択したエージェントのうちの１つを指定するポインタｉを１とし、対応するエージェントを特定する（ステップＳ２２）。

ポインタｉで特定されるエージェントが、今回のオークション対象物件について、手頃と感ずる価格ＡＴを式（１）に基づいて計算する（ステップＳ２３）。
即ち、まず、物件属性情報に基づいて、物件所在エリアの評価値ＡＰを求め、広さの評価値ＷＱを求め、築年数に基づく評価値ＹＥを求める。次に、そのエージェントに割り当てられている手頃価格体計算用係数ａ０〜ａ３を読み出し、ＡＴ＝ａ０＋ａ１・ＡＰ＋ａ２・ＷＱ＋ａ３・ＹＥを求める。これにより、今回の処理で特定したエージェントが今回のオークションの対象となっている物件について、手頃であると感じる価格を求める。

次に、入札確率ＢＰを求める（ステップＳ２４）。
この処理においては、ｉ） まず、数式（３）で示される値Ｖを求める。まず、ＣＰＵ１１は、ステップＳ２３で求めた、お手頃と感じると推察される価格ＡＴと現在の最高入札価格との差ｘ１を求める。ｉｉ）続いて、前回のターンで最高入札価格が上昇したか否かを判別し、上昇していれば、Ｘ２＝１，上昇していなければ、Ｘ２＝２とする。ｉｉｉ）次に、Ｘ３＝現在の総入札件数に設定する。なお、ｎ＝１（第１ターン）では、Ｘ３＝０である。ｉｖ）次に、Ｘ４＝ｎとする。ｖ）次に、自分（エージェント）が最高入札者か否かを判別し、入札者であれば、Ｘ５＝３，最高入札者でなければ、Ｘ５＝４に設定する。

次に、このエージェントについての、係数ｃ、ｄ１〜ｄ５を読み出し、
Ｖ＝ｂ＋ｃ１・ｘ１＋ｃ２・ｘ２＋ｃ３・ｘ３＋ｃ４・ｘ４＋ｃ５・ｘ５
を求める。
続いて、求めたＶを（２）式に代入して、入札確率ＢＰを求める。
ＢＰ＝１／（１＋ｅ^−Ｖ） ・・・（２）
次に、ステップＳ２１で求めておいた乱数値ＲＶと、求めた入札確率ＢＰとを比較し（ステップＳ２５）、入札確率ＢＰ＞乱数値ＲＶであれば（ステップＳ２５；ＹＥＳ)、入札することとして、ステップＳ２６に進み、入札確率ＢＰ≦乱数値ＲＶであれば（ステップＳ２５；ＮＯ)、入札しないこととし、ステップＳ２８に進む。

入札すると決定した場合には（ステップＳ２５；ＹＥＳ）、上乗せ額ＢＴを数式（４）に基づいて決定する。
即ち、そのエージェントに割り当てられている上乗せ価格計算用係数ｂ１〜ｂ３を読み出し、現在の最高入札額ＢＵと、そのエージェントにとってのお手頃価格ＡＴに基づいて、入札上乗せ額ＢＴ＝ｄ１・ＢＵ＋ｄ２・ＡＴ＋ｄ３を求める。続いて、ＢＵ＋ＢＴを入札額とする（ステップＳ２６）。

続いて、そのエージェントにステップＳ２６で決定した入札額で入札させる（ステップＳ２７）。

続いて、ステップＳ１２１で選択したエージェントのうちで未処理のエージェントが残っているか否かを判別し（ステップＳ２８）、残っていれば（ステップＳ２８；ＹＥＳ）、ポインタｉを＋１して更新し（ステップＳ２９）、ステップＳ２３に戻る。
一方、未処理のエージェントが残っていないと判別された場合には、メインフローにリターンする（ステップＳ２８；ＮＯ）。

以上、説明したように、シミュレーションシステム１００によれば、エージェントに仮想的にオークションを試行させることを繰り返すことによって、落札価格の確率分布や最高入札価格の推移や参加者数の推移を出力することができる。

なお、本発明は上記実施形態に限定されず、種々の変形及び応用が可能である。

例えば、上記数式（１）〜（４）は一例であり、任意に変更可能である。例えば、数式（１）〜（４）の右辺の各項の一部を削除したり他の項を追加してもよい。また、他のパラメータを導入してもよい。同様に、入札確率ＢＰを他の関数で近似してもよい。また、各数式中の係数を関数としてもよい。
同様に、上述の数値も全て例示である。

また、例えば、図４の入力画面を修正し、複数の物件情報を情報端末３０に入力できるようにしたり、複数のシミュレーション実行条件を入力できるようにし、シミュレーション装置１０は、複数の物件情報のシミュレーションや、複数の実行条件でのシミュレーションを行い、その結果を出力するようにしてもよい。その結果、ユーザは、例えば、図１０（ａ）と図１０（ｂ）に示すように、複数のシミュレーション結果を比較することができる。図１０（ａ）に示すグラフは、物件情報の取引期間を変更することによる落札価格の確率分布の変化を示している。図１０（ｂ）に示すグラフは、物件情報の差による最高入札価格の推移の変化及び落札価格の変化を示している。

上記実施の形態においては、エージェントを投資傾向に応じて４つのグループに分類したが、分類数をより大きくしたり、より小さくしてもよい。また、パラメータ、例えば、主要な取引価格帯別にエージェントを分類等してもよい。
また、エージェント情報格納サーバ２０が格納するエージェント情報が固定的なものではない。前述のように、エージェント情報は、オークションシステム５０で実行されるオークションの変遷に合わせて適宜更新されるものである。例えば、オークションシステム５０に新たな参加者が登場し、その入札情報が蓄積された場合には、上述のように周期的にエージェント情報を更新する場合には、自動的に対応するエージェント情報がエージェント情報格納サーバ２０に追加される。また、ユーザが実際のオークション参加者とは別個に作成したエージェントの情報を追加してもよい。

また、仮想的なオークションの実行毎に、あるいは、任意のタイミングで、仮想オークションに参加するエージェントを変更することによって、オークションの参加者構成の違いによる落札価格の確率分布の変化を予測することができる。

本発明の実施形態に係るシミュレーションシステムの構成図である。 （ａ）はオークションの参加者（エージェント）をその入札特性によって類別した表であり、（ｂ）は、エージェントの特性の一覧である。 入札確率を説明するためのグラフである。 物件情報とシミュレーション実行条件を入力する画面の一例を示す図である。 落札価格確率分布出力処理のフローチャートである。 図５のフローチャートにおけるオークションシミュレーション処理のフローチャートである。 図６のフローチャートにおけるエージェント入札行動シミュレート処理のフローチャートである。 （ａ）落札価格の確率分布のグラフの一例である。（ｂ）試行したシミュレーションごとの落札価格と入札者数の表の一例である。 （ａ）取引期間における最高入札価格の推移を示したグラフの一例である。（ｂ）取引期間における参加者の推移を示したグラフの一例である。 （ａ）物件属性を変更した場合の落札価格確率分布の変化を示したグラフである。（ｂ）物件属性を変更した場合の最高入札価格の推移の変化を示したグラフである。

符号の説明

１０ シミュレーション装置
１１ ＣＰＵ
１２ ＲＯＭ
１３ 通信制御部
１４ ＲＡＭ
２０ エージェント情報格納サーバ
３０ 情報端末
４０ ネットワーク
５０ オークションシステム
１００ シミュレーションシステム

Claims (5)

1. オークションにおいて売買される物件の落札価格とその確率をシミュレートするシミュレーションシステムであって、
   前記物件の情報を入力する物件情報入力手段と、
   仮想オークションの参加者である複数のエージェントと該エージェントの入札特性を特定するパラメータとを対応付けて記憶するエージェント情報格納手段と、
   前記物件情報入力手段により入力された物件の情報を取得し、前記エージェント情報格納手段に格納されるているエージェント情報に基づいて、仮想的にオークションを試行させる試行手段と、
   前記試行手段により仮想的にオークションを試行させることを繰り返し、それぞれの落札価格と試行回数とから、落札価格に対応する確率分布を算出する算出手段と、
   前記算出手段により算出された落札価格に対応する確率分布を出力する確率分布出力手段と、を備える、
   ことを特徴とするシミュレーションシステム。
2. 前記試行手段により仮想的に試行させたオークションのプロセスを出力するプロセス出力手段を備える、
   ことを特徴とする請求項１に記載のシミュレーションシステム。
3. 前記オークション試行手段は、前記エージェント情報格納手段に格納されるているエージェント情報に基づいて、複数のエージェントを選択的に抽出し、物件の情報と抽出したエージェントのパラメータとに基づいて、仮想的にオークションを繰り返して試行し、所定のタイミングで、エージェントを変更する、
   ことを特徴とする請求項１及び２に記載のシミュレーションシステム。
4. 前記エージェント情報格納手段は、新たなエージェントのエージェント情報を追加格納する機能を備える、
   ことを特徴とする請求項１乃至３の何れか一項に記載のシミュレーションシステム。
5. コンピュータを、
   物件の情報と仮想的なオークション参加者の入札パラメータとに基づいて、仮想的にオークションを試行させる試行手段、
   前記試行手段で仮想的にオークションを試行することを繰り返し、落札価格と試行回数とから、落札価格に対応する確率分布を算出する算出手段、
   として機能させることを特徴とするプログラム。

Images