Bayesian Nash Equilibrium
- 提出者
- John Harsanyi
- 年份
- 1967
- 类型
- algorithm
- 类别
- Game-theoretic
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
Bayesian Nash Equilibrium (BNE) 将纳什均衡推广至信息不完全博弈,即玩家对其他玩家的支付函数缺乏充分了解。BNE 由 John Harsanyi 于 1967 年提出,通过将未知支付表示为从概率分布中抽取的玩家私有类型,来模拟不确定性下的策略互动。均衡通过求解对所有可能类型实现的最佳响应的依赖于类型的策略来找到。
方法背后的直觉
在贝叶斯纳什均衡中,每位玩家都拥有关于自身支付(其“类型”)的私有信息,而其他玩家仅知道类型的概率分布。每位玩家并非承诺单一策略,而是承诺一个规则,规定其在可能遇到的每种类型下应采取的行动。当每位玩家的依赖于类型的策略是对其他玩家策略的最佳响应时,就达到了均衡,同时考虑了对其他玩家实际类型的类型不确定性。
历史学
John Harsanyi 在其 1967-1968 年的论文中,通过引入分析信息不完全博弈的系统框架,彻底改变了博弈论。他的见解是将私有信息建模为从共同先验中随机抽取的“类型”,从而统一了信息完全和信息不完全博弈。Harsanyi 因这项基础性工作而分享了 1994 年诺贝尔经济学奖,这项工作在拍卖理论、产业组织和机制设计中变得不可或缺。
何时使用
当玩家面临关于对手动机、成本或估值的真实不确定性时,应用 BNE。例如,密封投标拍卖(投标人不知道他人的估值)、保险市场(保险公司不知道申请人的风险类型)或双方都拥有私有信息的谈判。当信息不对称是策略互动的基础时使用。
局限与注意事项
- BNE 的存在性和计算通常很困难,特别是对于大型类型空间或连续类型
- 需要指定先验信念和类型分布,这可能未知或存在争议
- 通常存在多个均衡,使得在没有精炼的情况下预测存在歧义
- 未考虑重复互动中学习或信念更新
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 在对手偏好或支付不确定的情况下,模拟真实的策略互动
- 推广了纳什均衡,在信息完全时退化为纳什均衡
- 能够分析信息不完全下的均衡选择
- 机制设计和最优拍卖理论的基础
应用
- 拍卖:分析具有私有估值的密封投标和公开拍卖中的竞标行为
- 保险市场:在保险公司不确定申请人风险类型时,模拟逆向选择
- 公司金融:分析当管理者拥有关于公司基本面的私有信息时的股票定价
- 劳动力市场:在雇主和工人拥有关于生产力的不对称信息时,模拟工资谈判
使用方式
使用方式
定义每位玩家的类型空间(可能的支付状态)以及类型配置的概率分布。
每位玩家持有关于其他玩家类型的先验信念,这些信念编码在联合概率分布中;玩家在观察到自身类型后,使用贝叶斯法则更新这些信念。
对于每位玩家及其所有可能的类型,计算在给定其他玩家的均衡策略和对其类型的认知不确定性的情况下,最大化期望支付的行动。
确认每位玩家的每种类型都没有偏离其规定行动的激励,从而形成最佳响应对应关系的固定点。
常见陷阱
- 假设玩家的先验信念相同,而他们通常只拥有关于自身类型的非对称信息
- 混淆玩家的策略类型(支付状态)与行为或偏好异质性
- 忽略了 BNE 对类型空间规格和信念分布支持的敏感性
- 将均衡预测应用于单次博弈,而行为是由有界理性或非策略性考虑驱动的
常见问题
贝叶斯纳什均衡中的“类型”是什么?
玩家的类型编码了其私有信息——通常是其支付向量、成本或估值——只有该玩家知道。其他玩家仅知道类型的概率分布,并在了解自身类型后通过贝叶斯法则更新其信念。
BNE 如何不对称地处理私有信息?
每位玩家仅确定地知道自己的类型,并对其他玩家的类型持有概率信念。当玩家的类型通过行动揭示或被揭示时,其他玩家会使用贝叶斯法则理性地更新其信念。
与纳什均衡相比,为什么 BNE 难以计算?
BNE 需要同时求解所有玩家所有类型的均衡策略,这极大地增加了问题的维度。对于连续类型空间或多玩家情况,解析解通常不可行,需要数值方法或近似方法。