Байесовское равновесие по Нэшу
- Автор метода
- John Harsanyi
- Год
- 1967
- Тип
- algorithm
- Семейство
- Game-theoretic
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Байесовское равновесие по Нэшу (БРН) расширяет равновесие по Нэшу на игры с неполной информацией, где игрокам не хватает полного знания о функциях выигрыша других.
Введенное Джоном Харсаньи в 1967 году, БРН моделирует стратегическое взаимодействие в условиях неопределенности, представляя неизвестные выигрыши как частные типы игроков, извлеченные из распределения вероятностей. Равновесие находится путем решения для зависящих от типа стратегий, которые являются наилучшими ответами на все возможные реализации типов.
Интуиция метода
В байесовском равновесии по Нэшу каждый игрок обладает частной информацией о своих собственных выигрышах (своем «типе»), а другие игроки знают только вероятностное распределение по типам. Вместо того чтобы придерживаться одной стратегии, каждый игрок придерживается правила, определяющего, какое действие предпринять для каждого возможного типа, которым он может быть. Равновесие возникает, когда зависящая от типа стратегия каждого игрока является наилучшим ответом на стратегии всех остальных, учитывая неопределенность относительно того, какими типами на самом деле являются другие.
История
Работы Джона Харсаньи 1967–1968 годов преобразовали теорию игр, представив систематическую основу для анализа игр с неполной информацией. Его проницательность заключалась в моделировании частной информации как случайной выборки «типов» из общего априорного распределения, объединяя игры с полной и неполной информацией. Харсаньи разделил Нобелевскую премию по экономике в 1994 году за эту основополагающую работу, которая стала незаменимой для теории аукционов, промышленной организации и проектирования механизмов.
Когда применять
Применяйте БРН, когда игроки сталкиваются с подлинной неопределенностью относительно мотивации, затрат или оценок оппонентов. Примеры включают аукционы с закрытыми ставками (участники торгов не знают оценок других), страховые рынки (страховщики не знают типов риска заявителей) или переговоры, где обе стороны имеют частную информацию. Используйте, когда информационная асимметрия является фундаментальной для стратегического взаимодействия.
Ограничения и замечания
- Существование и вычисление БРН часто затруднительно, особенно для больших пространств типов или континуальных типов
- Требует спецификации априорных убеждений и распределений типов, которые могут быть неизвестны или оспариваться
- Часто существует несколько равновесий, что делает прогнозы неоднозначными без уточнения
- Не учитывает обучение или обновление убеждений в повторяющихся взаимодействиях
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Моделирует реалистичное стратегическое взаимодействие в условиях неопределенности относительно предпочтений или выигрышей оппонентов
- Обобщает равновесие по Нэшу, сводясь к нему при полной информации
- Позволяет анализировать выбор равновесия в условиях неполной информации
- Основа для теории проектирования механизмов и оптимальных аукционов
Применение
- Аукционы: анализ поведения участников торгов на аукционах с закрытыми ставками и открытых аукционах с повышением ставок при наличии частных оценок
- Страховые рынки: моделирование неблагоприятного отбора, когда страховщики не уверены в типах риска заявителей
- Корпоративные финансы: анализ ценообразования акций, когда менеджеры имеют частную информацию об основных показателях фирмы
- Рынки труда: моделирование переговоров о заработной плате, когда работодатели и работники имеют асимметричную информацию о производительности
Как это работает
Как это работает
Определите пространство типов каждого игрока (возможные состояния выигрыша) и распределение вероятностей по профилям типов.
Каждый игрок имеет априорные убеждения о типах других, закодированные в совместном распределении вероятностей; игроки обновляют эти убеждения, используя правило Байеса после наблюдения своего собственного типа.
Для каждого игрока и каждого из его возможных типов вычислите действие, которое максимизирует ожидаемый выигрыш, учитывая равновесные стратегии других игроков и неопределенность относительно их типов.
Подтвердите, что каждый тип каждого игрока не имеет стимула отклоняться от предписанного действия, формируя неподвижную точку соответствия наилучшего ответа.
Частые ошибки
- Предполагает, что априорные убеждения игроков идентичны, хотя часто они имеют асимметричную информацию только о своих собственных типах
- Смешивание стратегических типов игроков (состояний выигрыша) с поведенческой или предпочтительной гетерогенностью
- Упущение того, что БРН чувствительно к спецификации пространства типов и носителя распределения убеждений
- Применение равновесных предсказаний к однократным играм, когда поведение обусловлено ограниченной рациональностью или нестратегическими соображениями
Часто задаваемые вопросы
Что такое «тип» в байесовском равновесии по Нэшу?
Тип игрока кодирует его частную информацию — обычно вектор выигрыша, затраты или оценку — известную только ему. Другие игроки знают только вероятностное распределение по типам и обновляют свои убеждения с помощью правила Байеса после того, как узнают свой собственный тип.
Как БРН обрабатывает асимметричную частную информацию?
Каждый игрок с уверенностью знает только свой собственный тип и имеет вероятностные убеждения о типах других. Когда тип игрока раскрывается или раскрывается через действия, другие игроки рационально обновляют свои убеждения, используя правило Байеса.
Почему БРН сложнее вычислить по сравнению с равновесием по Нэшу?
БРН требует одновременного решения для равновесных стратегий по всем типам всех игроков, что значительно увеличивает размерность задачи. Для континуальных пространств типов или большого числа игроков аналитические решения часто невозможны, требуя численных методов или аппроксимации.
Похожие методы
Источники
Harsanyi, J. C. (1967). Games with incomplete information played by Bayesian players, Parts I, II, and III. Management Science, 14(3), 159-182.
Открыть ссылку DOIСкопировано.Harsanyi, J. C. (1968). Games with incomplete information played by Bayesian players. Management Science, 14(7), 486-502.
Открыть ссылку на публикациюСкопировано.