机制设计原理与应用(三)Screening
3 Screening
Screening theory:机制设计理论可以被看作是其多智能体的拓展。
概率论:是初始分析,广泛用于促进理论分析。
3.1 为单个不可分割的项目定价
模型
卖方寻求出售一件不可分割的物品。
卖方的目标是使预期收入最大化。
为什么收入最大化此福利最大化更复杂?
卖方被假设为风险中立。
风险中立,风险规避,风险追求?(举例)。
只有一个买家对该物品的价值为\(\theta\)。
\begin{cases}
\theta - t, & 买方购买这个物品支付t
\\
0, & 否则
\end{cases}
\]
\(\theta\)对买方来说是私有的并且取决于买方的类型。
3.1.1 对\(\theta\)的假设
\(\theta\)代表的是买方对物品的估价,卖方虽然不能直接获得,但是可以从以往的数据中找到大多数人对这个物品的购买价格(不包括非理性个体)。
- 假设卖方对\(\theta\)的可能值有一个概率分布。
- 这种分布可以用CDF F和PDF f描述。
- F在一个区间\([\underline{\theta}, \overline{\theta}]\)内,其中\(0<\underline{\theta}<\overline{\theta}\);并且$f(\theta)>0,\forall \theta \in [\underline{\theta}, \overline{\theta}] $
- 在卖方看来,\(\theta\)是一个具有CDF F的随机变量(但实际上它只由买方观察)
3.1.2 问题描述
卖方:找到一个出售物品的程序,使其预期收入最大化(即设计一个博弈和策略,又称机制的规则)。
买方:遵循设计好的机制,在知道\(\theta\)值的情况下,选择自己的策略,使其预期效用最大化。
第一种猜测:卖方应该选择一种博弈,根据这种博弈,买方只有一种选择,即买方没有得到物品,但必须支付t,其中t可以是一些任意大的数字。(为什么要排除这种机制?)答案是个人理性!
第二种猜测:卖方应该使用"讨价还价"、"抽签"…(复杂)我们能否将注意力限制在一小部分机制上
定义
一个"直接机制"由函数q和t组成,其中
t:[\underline{\theta}, \overline{\theta}] \longrightarrow \mathbb{R}(真实值)
\]
对直接机制的解释:
- 买方被要求报告\(\theta\)(实话实说)。
- 买方以\(q(\theta)\)的概率赢得该物品。
- 买方必须向卖方支付\(t(\theta)\)
问题:我们总能找到一个直接的机制吗?
启示原则
命题(启示录原则)
给定一个具有相应平衡/解决方案的机制,存在一个直接机制,其中
- 买方如实报告其价值是一种均衡/解决方案。
- 结果与给定机制产生的结果相同。
很明显,这使我们能够大大简化我们的分析,因为它表明,在不丧失一般性的情况下,我们可以把寻找最优机制的工作限制在直接机制上。
确定\(q(\theta)\)和\(t(\theta)\),其中如实报告\(\theta\)对买方是最优的。
考虑到直接机制,买方的预期效用变为
\]
3.1.3 特性
定义(激励相容性,IC)
如果对每一个买方类型来说,如实告知都是最优策略,也就是说这个直接机制具备激励相容性:
\forall \theta, \theta^{'} \in [\underline{\theta}, \overline{\theta}]
\]
定义(个人理性,IR)
如果买方以真实的类型自愿参与拍卖,即这个直接机制满足个人理性:
\]
满足IC的条件
引理
如果一个直接机制是激励相容的,那么分配概率q随着θ的增加而增加。
引理
如果一个直接机制是激励相容的,那么买方的效用函数u是递增和凸的,并且满足:
\]
引理
如果一个直接机制是激励相容的,那么对于所有\(\theta \in [\underline{\theta},\overline{\theta}]\)有:
u(\theta)=u(\underline{\theta})+\int_{\underline{\theta}}^{\theta} q(x) d x, \\
t(\theta)=t(\underline{\theta})+(\theta q(\theta)-\underline{\theta} q(\underline{\theta}))-\int_{\underline{\theta}}^{\theta} q(x) d x .
\end{array}
\]
命题
一个直接机制(q,t)是激励相容的当且仅当下列条件
- q是\(\theta\)的增函数。
- 对于任意\(\theta \in [\underline{\theta}, \overline{\theta}]\),有
\]
IR的条件与影响
命题
当且仅当\(u(\theta) \ge 0\)时,一个激励兼容的机制是个人理性的。
引理
有了IC和IR,为了使卖家的收入最大化,我们应该设定
\]
3.2 为无限可分的项目定价
模型
卖方试图将一个可无限分割的物品,如糖,卖给一个买方。
卖方的目标是使预期收入最大化(风险中立)。
卖方有一个线性生产成本,即生产数量q的物品的成本为cq,其中c>0是一个常数。
买方购买数量q≥0的物品,支付t的效用为:
\]
这里,假设\(v(0)=0, v^{'}(q)>0, v^{''}(q)<0, \forall q \ge 0\),也就是从0开始,增长的速度越来越缓慢,类似于边际效应。
\(\theta v(q)\)表示买方对数量q的物品的支付意愿。
3.2.1 对\(\theta\)的假设
参数\(\theta\)反映了买方对该物品的重视程度。
- 假设卖方对\(\theta\)的可能值有一个概率分布。
- 这种分布可以用CDF F和PDF f描述。
- F在一个区间\([\underline{\theta}, \overline{\theta}]\)内,其中\(0<\underline{\theta}<\overline{\theta}\);并且$f(\theta)>0,\forall \theta \in [\underline{\theta}, \overline{\theta}] $
- 在卖方看来,\(\theta\)是一个具有CDF F的随机变量(但实际上它只由买方观察)
定义
一个"直接机制"由函数q和t组成,其中
t:[\underline{\theta}, \overline{\theta}] \longrightarrow \mathbb{R}(真实值)
\]
对直接机制的解释:
- 买方被要求报告\(\theta\)(实话实说)。
- 买方以\(q(\theta)\)的概率赢得该物品。
- 买方必须向卖方支付\(t(\theta)\)
与单一不可分物品的不同是
买方的效用函数现在是\(u(\theta)=\theta v(q(\theta))-t(\theta)\)而不是\(\theta q(\theta)-t(\theta)\)
3.2.3 特性
一个直接机制(q,t)是激励相容的当且仅当下列条件
- q是\(\theta\)的增函数。
- 对于任意\(\theta \in [\underline{\theta}, \overline{\theta}]\),有
\]
一个激励兼容的机制是个人理性的当且仅当:
\]
3.2.4 收益最大化
引理
有了IC和IR,为了使卖家的收入最大化,我们应该设定
\]
剩余的问题:如何确定函数q(即资源分配)?
回顾一下,卖方的收入等于从买方收取的价格和其生产成本之间的差额。
取期望值并代入的表达式,我们有
对括号中的表达式进行导数,我们有
\]
即
\]
如果\(\theta-\frac{1-F(\theta)}{f(\theta)} \le 0\),那么最优选择是\(q(\theta)=0\),为什么?
如果\(\theta-\frac{1-F(\theta)}{f(\theta)} \gt 0\),但\(v^{\prime}(0)\left(\theta-\frac{1-F(\theta)}{f(\theta)}\right) \le c\),那么最优解\(q(\theta)=0\)。为什么?
如果\(\theta-\frac{1-F(\theta)}{f(\theta)} \gt 0\),但\(v^{\prime}(0)\left(\theta-\frac{1-F(\theta)}{f(\theta)}\right) \gt c\),那么最优解\(q(\theta)\)可以通过求解上述方程得到。
剩余的问题: q是否是\(\theta\)的增函数?
给定以下假设,q一定是\(\theta\)的增函数
假设
\(\theta-\frac{1-F(\theta)}{f(\theta)}\)是\(\theta\)的增函数
注意
这就是所谓的 increasing hazard rate 条件。
如果一个分布F满足这样的条件,那么它就被称为 regular 的。
3.2.5 最优解决方案
命题
假设F是 regular 的。那么,一个预期利润最大化的q的选择是由以下公式给出
- 如果\(v^{\prime}(0)\left(\theta-\frac{1-F(\theta)}{f(\theta)}\right) \le c\),我们有\(q(\theta)=0\);
- 否则,通过求解\(v^{\prime}(q(\theta))\left(\theta-\frac{1-F(\theta)}{f(\theta)}\right)=c\)得到最优的\(q(\theta)\)。
利润最大化的t由以下公式给出
\]
机制设计原理与应用(三)Screening的更多相关文章
- Swift 路由机制设计
设计模式 APP设计模式多种多样,从最初的MVC到MVVM,再到MVP,VIPER等.越来越多的设计模式被开发出来并得以应用,但不论我们用到哪种设计模式,只需要记住高内聚.低耦合那边是好的设计模式.在 ...
- Atitit.异常机制的设计原理
Atitit.异常机制的设计原理 缺陷 关键是只要知晓有一个异常表的存在,try 的范围就是体现在异常表行记录的起点和终点.JVM 在 try 住的代码区间内如有异常抛出的话,就会在当前栈桢的异常表中 ...
- Java序列化与反序列化学习(三):序列化机制与原理
Java序列化算法透析 Serialization(序列化)是一种将对象以一连串的字节描述的过程:反序列化deserialization是一种将这些字节重建成一个对象的 过程.Java序列化API提供 ...
- kafka入门:简介、使用场景、设计原理、主要配置及集群搭建(转)
问题导读: 1.zookeeper在kafka的作用是什么? 2.kafka中几乎不允许对消息进行"随机读写"的原因是什么? 3.kafka集群consumer和producer状 ...
- html5设计原理(转)
转自: http://www.cn-cuckoo.com/2010/10/21/the-design-of-html5-2151.html 今天我想跟大家谈一谈HTML5的设计.主要分两个方面:一 ...
- 学习HTML5必读之《HTML5设计原理》
引子:很久前看过的一遍受益匪浅的文章,今天再次转过来,希望对学习HTML5的朋友有所帮助. 今天我想跟大家谈一谈HTML5的设计.主要分两个方面:一方面,当然了,就是HTML5.我可以站在这儿只讲HT ...
- 分布式文件系统FastDFS设计原理
原文地址: http://blog.chinaunix.net/uid-20196318-id-4058561.html FastDFS是一个开源的轻量级分布式文件系统,由跟踪服务器(tracker ...
- Spring技术内幕——深入解析Spring架构与设计原理(一)IOC实现原理
IOC的基础 下面我们从IOC/AOP开始,它们是Spring平台实现的核心部分:虽然,我们一开始大多只是在这个层面上,做一些配置和外部特性的使用工作,但对这两个核心模块工作原理和运作机制的理解,对深 ...
- Kafka概述与设计原理
kafka是一种高吞吐量的分布式发布订阅消息系统,有如下特性: 1. 通过O(1)的磁盘数据结构提供消息的持久化,这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能. 2 .高吞吐量:即使是 ...
- Qt核心机制与原理
转: https://blog.csdn.net/light_in_dark/article/details/64125085 ★了解Qt和C++的关系 ★掌握Qt的信号/槽机制的原理和使用方法 ★ ...
随机推荐
- 赤菟V307与Matlab的串口通信
赤菟V307与Matlab的串口通信 赤菟V307(CH32V307)是一款RISC-V内核的MCU,搭载的是沁恒自研RISC-V内核青稞V4F,最高主频144MHz,支持单精度浮点运算(FPU). ...
- 本地CentOS8 配置ssh免密登录服务器
准备工作: 1.确认本机sshd的配置文件(需要root权限) $ vi /etc/ssh/sshd_config 找到以下内容,并去掉注释符"#" AuthorizedKeysF ...
- Java Swing 防止键入手Key 的实现方法
实现思路,启动一个线程每隔0.1秒去比较文本里字符长度变化,如果文本变长了,这个情况间隔时间超过2秒,则认为是人工键入. 对于字符串较多,且包含数字和字母的情况,比较适用. class KeyCode ...
- CRC校验模板
#ifndef CRC_H #define CRC_H #include "main.h" #ifdef CRC_C #endif typedef struct { uchar R ...
- Codeforces 197A Plate Game
一.题意 你有一个长方形的桌子,长度 a ,宽度 b ,以及无限多的半径 r的圆盘. 两位玩家玩以下游戏:他们轮流把圆盘放在桌子上,使得盘子之间不能互相重叠(但他们的边缘可以互相接触),任何盘子上的任 ...
- Oracle函数NULLIF
1.NULLIF函数 函数语法:NULLIF(Expression1,Expression2) 函数功能:如果来个表达式相等,则返回NULL值,否则返回第一个表达式 功能很简单,但是要注意以下几种情况 ...
- save an excel csv to a github csv file
:%s/\t/,/g
- Python基于粒子群优化的投资组合优化研究|附代码数据
全文链接:http://tecdat.cn/?p=6811 最近我们被客户要求撰写关于粒子群优化的研究报告,包括一些图形和统计输出. 我今年的研究课题是使用粒子群优化(PSO)的货币进位交易组合优化. ...
- IntelliJ IDEA修改系统缓存目录
IntelliJ IDEA修改系统缓存目录 博客分类: intellij IDEA使用 IntelliJ IDEAIDEA缓存 阅读更多 intellij IDEA在第一次启动时,会在${user. ...
- Cplex-opl解决网络路由选择和资源分配问题
安装Cplex 注意事项:全英文系统.安装路径.代码,会减少软件运行设置错误.(该软件对中文支持性不好) opl语言基础 [转载]CPLEX学习笔记二 – OPL的数据类型 - 知乎 (zhihu.c ...