全信息动态博弈.pptVIP

在对称信息（symmetric information）博弈中，任一参与人在任何他应选择行动的结点或者终点结处的信息集，都至少包含与其他每个参与人的信息集相同的元素。否则，该博弈就是不对称信息（asymmetric information）博弈。 在不对称信息博弈中，参与人的信息集要么在与参与人行为相关的方式上有所不同，要么在博弈的终点处有所不同。这样的博弈也是不完美信息博弈，因为在参与人之间有所不同的信息集不可能是单结的。不对称信息的要害在于某一参与人拥有有用的私人信息（private formation），即一种不同于且不劣于其他任何参与人的信息分割。（参见前面1984、85、86年博弈） 在不完全信息（incomplete information）博弈中，自然首先行动且它的行动至少对某一参与人来说是不可观测的。否则，该博弈就是一个完全信息（complete information）博弈。 一个具有不完全信息的博弈也具有不完美信息，因为某个参与人的信息集必然包含有多于一个的结点。有两种博弈是具有完全但不完美信息的———同时行动的博弈，自然在博弈的后期才行动且这一行动并非立即被所有参与人知晓的博弈。 许多不完全信息博弈都是不对称信息博弈，但这两个概念并不等价。Harris and Holmstorm（1982）中有一个有趣的不完全但对称信息的例子。在那里，自然赋予工人们不同的能力，但当工人年轻时，无论是雇主还是工人自己都不知道他们的能力。随着时间的流逝，能力变成了共同知识，而且若工人是风险规避的，而雇主是风险中性的，则模型表明均衡工资要么是恒定的，要么随时间上升。 完全且完美信息动态博弈 完全且完美信息动态博弈 参与人1从行动集A1选择行动a1 参与人2观察到a1，之后从行动集A2选择行动a2 两个人的收益分别为u1(a1,a2)和u2(a1,a2) 完全且完美信息动态博弈 均衡 策略 结果 E1 {大，(L/L,L/S)} 都选择大 E2 {大，(L/L,S/S)} 都选择大 E3 {小，(S/L,S/S)} 都选择小 完全且完美信息动态博弈 逆向归纳法 背后假设：参与人在每个节点都是理性的 当参与人2行动的时候，他已经看到了参与人1的行动，那么他的问题是： 如果隐函数定理成立，那么解为R2(a1) 完全且完美信息动态博弈 逆向归纳法 参与人1可以预测到参与人2对于其行动的反应，那么参与人1的问题是： 完全且完美信息动态博弈 逆向归纳法 我们称 (a*1,R(a*1))为逆向归纳均衡策略 逆向归纳解不包含不可置信的威胁：参与人1预测参与人2的最优反应，这一预测排除了参与人2不可置信的威胁，即参与人2在第二阶段到来时做出不符合自身利益的反应。 E2 {大，(L/L,S/S)} 完全且完美信息动态博弈 考虑如下博弈 完全且完美信息动态博弈 逆向归纳法的理性假定： 逆向归纳重点关注了偏离均衡会怎么样。不过只有偏离均衡才能有2选择的机会，而这时假设1是理性的就与1选择R矛盾了。此时似乎应该假设1非理性。 我们不需要这么理解，1选择R可能是理性不是共同知识。 逆向归纳法的理性假定： 一种可能是“参与人1是理性的”为共同知识，但是“参与人2是理性的”不是共同知识，参与人1希望参与人2非理性。 另一种可能是“参与人2是理性的”为共同知识，但是“参与人1是理性的”不是共同知识，参与人1希望参与人2认为他非理性。 这两个解释说明了逆向归纳法为什么可以假设1会在第一阶段选择R。 “颤抖的手”均衡 完全非完美信息动态博弈 逆向归纳法的主要特征是，当我们考虑博弈的子博弈，利用逆向归纳法计算的均衡仍然是子博弈的均衡。 子博弈完美将这个概念推广到一般的完全信息动态博弈 完全非完美信息动态博弈 纳什均衡是子博弈完美均衡，当且仅当它是这个博弈每个子博弈的纳什均衡。 那么什么是子博弈？ 完全非完美信息动态博弈 扩展型博弈的子博弈： 始于单点信息集n 包含博弈树中n之下所有的决策结和终点结(不在n以下的除外) 没有对任何信息集形成分割。 例子 子博弈的均衡 给定这个结果 考虑另一个纳什均衡 另一个例子 任何纳什均衡都是子博弈完美的 子博弈完美均衡的背后： 序贯理性：参与人需要在博弈的每一点最大化自己的支付，在每一点重新优化其决策，并考虑到自己在未来会重新进行优化。这就是忽略沉淀成本和理性预期 弱纳什均衡对于博弈微小变化不稳健。犯错误的概率称为“颤抖”。 这两个思路并不相同。考虑下面的例子： 三