在当今电子商务领域中，在线拍卖无疑是最为重要的应用之一。伴随着在线拍卖应用的快速增长，这一领域吸引了越来越多学者的注意。然而，尽管在经济和管理学的文献中对拍卖的研究由来已久，但是在线拍卖研究中仍然存在着许多未解决的问题。现有在线拍卖决策支持相关研究以传统经典拍卖理论为基础，对于传统现场拍卖与在线拍卖之间的差异考虑不足，忽略了在线拍卖自身的特点。由于在线拍卖同传统现场拍卖在交易商品类型、交易商品数量、拍卖时间等多个方面存在着重大的差异。因此，传统经典拍卖理论在解释在线拍卖过程中表现出了解释力不足的问题。以此为基础形成的在线拍卖投标策略往往会出现错误，不能对在线拍卖投标人提供有效的支持。　　此外，在传统拍卖理论研究中，拍卖价格成交价格形成机制占据着拍卖理论最为核心的地位。而目前有关在线拍卖成交价格的研究则主要是将精力及研究重点放在拍卖价格及投标人支付意愿影响因素分析中，而未将最终成交价格的预测作为重点。显然，仅仅分析成交价格的影响因素而不对最终成交价格的结果进行研究必然使研究的众多结论只能停留在理论层面，没有办法指导实践应用，这是目前在线拍卖理论研究中的一项重大缺失。虽然近年来对于在线拍卖成交价格预测已经引起研究人员的重视，并于2000年前后开始逐渐兴起，但总体而言尚处于起步阶段。　　针对以上问题，本文通过引入在线拍卖投标人行为特点，综合运用设计科学、统计学、机器学习、计量经济学，以及试验分析等研究方法与手段开展研究，对在线拍卖成交价格预测问题进行深入剖析。　　第一，针对跨平台在线拍卖Agent设计问题开展研究。在本部分中通过分析在线拍卖数据形式，重点解决了利用Agent技术对在线拍卖网站中数据进行自动收集的问题。并结合在线拍卖网站内容结构特点，提出了对网站中数据进行自适应式提取的算法，初步解决了跨平台数据收集问题。试验证明，本文所实际的数据收集Agent性能良好，其收集的数据为后文研究奠定了基础。　　第二，对在线拍卖投标人支付意愿影响因素进行研究。通过对在线拍卖投标人进行访谈，发现网上消费者在进行商品购买的过程中存在先在网下对商品进行观察，之后在网上购买的行为模式。通过这一发现，对传统在线拍卖投标人支付意愿影响因素理论模型进行扩展，建立全新理论模型。在此之后，利用淘宝网“卫衣”类商品为研究数据，收集样本数据219条对扩展后的模型进行验证，并对结果进行分析与讨论。　　第三，利用集成机器学习算法对在线拍卖成交价格进行静态预测。在本部分研究中，利用第二部分所研究的Agent程序收集淘宝网在线拍卖交易数据3310条，对应有效出价记录8275。数据分析表明，如不考虑未成交商品，则有40.4％的交易可以利用出价次数精确计算最终成交价格。如将未成交商品视作成交价格为0，该比例可提高为79.55%。以此为基础提出了全新的在线拍卖成交价格预测模型。通过实验证明，本模型明显优于平均值预测，并有21.7%的预测结果完全准确。与Heijst发表于《Decision Support Systems》上的研究进行对比，结果表明本文模型在样本需求量、运算时间，及完全准确预测率上有明显优势。　　第四，本文就拍卖价格动态性变化及动态预测方法展开研究。由于在传统研究中，无论是行为导向研究还是技术导向研究都是站在静态的角度对在线拍卖的成交价格进行研究，而忽略了在线拍卖过程中的动态性变化、新到达信息的影响。因此在本部分研究中，通过利用函数性数据分析建立计量经济学模型，将在线拍卖的动态性特征表现在模型之中，并分析众多静态变量在拍卖过程中的不同阶段其影响效果的变化情况。　　以上研究内容有效的弥补了现有研究中对于在线拍卖成交价格预测理论及相关研究的缺失，对现有研究中的主要问题进行了有效的弥补，为在线拍卖投标决策支持系统等相关研究奠定了坚实的基础。