Bayesci Nash Dengesi
- Ortaya koyan
- John Harsanyi
- Yıl
- 1967
- Tür
- algorithm
- Aile
- Game-theoretic
Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku
Ne işe yarar?
Bayesci Nash Dengesi (BNE), oyuncuların diğerlerinin fayda fonksiyonları hakkında tam bilgiye sahip olmadığı eksik bilgi içeren oyunlara Nash Dengesi'ni genişletir.
John Harsanyi tarafından 1967'de tanıtılan BNE, bilinmeyen faydaları bir olasılık dağılımından çekilen oyuncuların özel türleri olarak temsil ederek belirsizlik altındaki stratejik etkileşimi modeller. Denge, olası tüm tür gerçekleşmeleri için en iyi yanıtlar olan türe bağlı stratejiler için çözerek bulunur.
Yöntemin mantığı
Bayesci Nash Dengesi'nde her oyuncunun kendi faydaları hakkında özel bilgisi vardır ('türü'), diğer oyuncular ise yalnızca türler üzerindeki bir olasılık dağılımını bilir. Tek bir stratejiye bağlı kalmak yerine, her oyuncu olası her türü için hangi eylemi gerçekleştireceğini belirten bir kurala bağlı kalır. Denge, her oyuncunun türe bağlı stratejisinin, diğerlerinin gerçekte hangi türler olduğu konusundaki belirsizlik hesaba katılarak, diğerlerinin stratejilerinin tümü için en iyi yanıt olduğu durumda oluşur.
Tarih
John Harsanyi'nin 1967-1968 tarihli makaleleri, eksik bilgi içeren oyunların analizine yönelik sistematik bir çerçeve sunarak oyun teorisini dönüştürmüştür. Onun içgörüsü, tam ve eksik bilgi oyunlarını birleştirerek özel bilgiyi 'türlerin' ortak bir önselden rastgele çekilmesi olarak modellemekti. Harsanyi, bu temel çalışma için 1994'te Ekonomi Nobel Ödülü'nü paylaşmıştır ve bu çalışma ihale teorisi, endüstriyel organizasyon ve mekanizma tasarımı için vazgeçilmez hale gelmiştir.
Ne zaman kullanılır?
Oyuncuların rakiplerin motivasyonları, maliyetleri veya değerlemeleri hakkında gerçek belirsizliklerle karşılaştığı durumlarda BNE'yi uygulayın. Örnekler arasında kapalı zarf usulü ihaleler (teklif verenler başkalarının değerlemelerini bilmez), sigorta piyasaları (sigortacılar başvuranların risk türlerini bilmez) veya her iki tarafın da özel bilgiye sahip olduğu müzakereler yer alır. Bilgi asimetrisinin stratejik etkileşim için temel olduğu durumlarda kullanın.
Sınırlar ve dikkat edilmesi gerekenler
- BNE'nin varlığı ve hesaplanması, özellikle büyük tür uzayları veya sürekli türler için genellikle zordur.
- Önsel inançların ve tür dağılımlarının belirtilmesini gerektirir, bunlar bilinmeyen veya tartışmalı olabilir.
- Birden fazla denge genellikle bulunur, bu da iyileştirme olmaksızın tahminleri belirsiz hale getirir.
- Tekrarlanan etkileşimler boyunca öğrenme veya inanç güncellemesini hesaba katmaz.
Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.
Güçlü yönleri
- Rakip tercihleri veya faydaları hakkındaki belirsizlik altında gerçekçi stratejik etkileşimi modeller.
- Nash Dengesi'ni genelleştirir, bilgi tam olduğunda ona indirgenir.
- Eksik bilgi altında denge seçimi analizini mümkün kılar.
- Mekanizma tasarımı ve optimal ihale teorisi için temel oluşturur.
Uygulama alanları
- İhaleler: özel değerlemelere sahip kapalı zarf ve açık artırmalarda teklif verme davranışını analiz etme
- Sigorta piyasaları: sigortacıların başvuranların risk türlerinden emin olmadığı durumlarda olumsuz seçimi modelleme
- Kurumsal finans: yöneticilerin firma temelleri hakkında özel bilgiye sahip olduğu durumlarda hisse senedi fiyatlandırmasını analiz etme
- İşgücü piyasaları: işverenler ve çalışanların üretkenlik hakkında asimetrik bilgiye sahip olduğu durumlarda ücret müzakeresini modelleme
Nasıl çalışır?
Nasıl çalışır?
Her oyuncunun tür uzayını (olası fayda durumları) ve tür profilleri üzerindeki olasılık dağılımını tanımlayın.
Her oyuncu, ortak tür dağılımı üzerindeki önsel inançlara sahiptir; oyuncular kendi türlerini gözlemledikten sonra Bayes kuralını kullanarak bu inançları güncellerler.
Her oyuncu ve olası her türü için, diğer oyuncuların denge stratejileri ve türleri hakkındaki belirsizlikleri göz önüne alındığında beklenen faydayı maksimize eden eylemi hesaplayın.
Her oyuncunun her türünün, en iyi yanıt karşılığının bir sabit noktası oluşturan öngörülen eylemden sapmak için hiçbir teşviki olmadığını doğrulayın.
Sık yapılan hatalar
- Oyuncuların önsel inançlarının, kendi türleri hakkında yalnızca asimetrik bilgiye sahip olduklarında aynı olduğunu varsaymak.
- Oyuncuların stratejik türlerini (fayda durumları) davranışsal veya tercihsel heterojenlikle karıştırmak.
- BNE'nin tür uzayının ve inanç dağılımının desteğinin belirtilmesine duyarlı olduğunu göz ardı etmek.
- Denge tahminlerini, davranışın sınırlı rasyonellik veya stratejik olmayan hususlar tarafından yönlendirildiği tek seferlik oyunlara uygulamak.
Sık sorulan sorular
Bayesci Nash Dengesi'nde 'tür' nedir?
Bir oyuncunun türü, yalnızca kendisi tarafından bilinen özel bilgilerini - tipik olarak fayda vektörünü, maliyetini veya değerlemesini - kodlar. Diğer oyuncular yalnızca türler üzerindeki bir olasılık dağılımını bilir ve kendi türlerini öğrendiklerinde Bayes kuralı aracılığıyla inançlarını güncellerler.
BNE, özel bilgiyi asimetrik olarak nasıl ele alır?
Her oyuncu yalnızca kendi türünü kesin olarak bilir ve diğer oyuncuların türleri hakkında olasılıksal inançlara sahiptir. Bir oyuncunun türü ortaya çıktığında veya eylemler aracılığıyla ortaya çıktığında, diğer oyuncular Bayes kuralını kullanarak inançlarını rasyonel olarak güncellerler.
BNE'nin Nash Dengesi'ne kıyasla hesaplanması neden zordur?
BNE, tüm oyuncuların tüm türleri için denge stratejilerini aynı anda çözmeyi gerektirir, bu da problemin boyutunu önemli ölçüde artırır. Sürekli tür uzayları veya çok sayıda oyuncu için analitik çözümler genellikle uygulanamaz hale gelir ve sayısal yöntemler veya yaklaşımlar gerektirir.
İlgili yöntemler
Kaynaklar
Harsanyi, J. C. (1967). Games with incomplete information played by Bayesian players, Parts I, II, and III. Management Science, 14(3), 159-182.
DOI kaynağını açKopyalandı.Harsanyi, J. C. (1968). Games with incomplete information played by Bayesian players. Management Science, 14(7), 486-502.
Yayın kaynağını açKopyalandı.