05 完全但不完美信息动态博弈.pptVIP

  • 17
  • 0
  • 约8.3千字
  • 约 62页
  • 2017-08-24 发布于河南
  • 举报
05 完全但不完美信息动态博弈

第六章 完全但不完美信息动态博弈 本章分五节 6.1不完美信息动态博弈 6.2完美贝叶斯均衡 6.3单一价格二手车模型 6.4双价二手车交易 6.5有退款保证的双价二手车交易 非对称信息 Asymmetric information 定义:交易关系中一方知道而另一方不知道的信息,如果卖者知道商品的质量,而买者不知道;职工知道自己的能力,经理不知道。 双方都不知道的不是非对称信息 分类 非对称信息可以分为事前(ex ante)非对称和事后(ex post)非对称。 事前非对称信息是指签约之前存在的非对称信息,所以,又称为隐藏信息(hidden information),如产品质量; 事后非对称信息指签约之后发生的非对称信息,又称隐藏行动(hidden action),如工人的努力水平。 事前非对称信息举例 保险公司/投保人; 卖者/买者; 雇主/雇员; 债权人/债务人; 股东/经理人; 患者/大夫; 陌生人之间; 逆向选择和道德风险 逆向选择:信息不对称导致质量较好的交易对象退出市场的逆向变动称作 “逆向选择(Adverse Selection)”。 道德风险: 广义理解:信息不对称背景下,某种措施、政策、制度,由于改变了行为主体激励机制,导致某种负面事情发生概率上升。 狭义理解:信息不对称背景下,人们购买保险后降低了对防盗行为的激励,导致事故发生机率上升,被称为“道德风险(Moral Hazard)”—针对控制某种事件负面影响采取的措施,反而导致这类事件发生概率上升。 联系和区别 联系:逆向选择与道德风险都以存在信息不对称为前提。 区别:与逆向选择联系的是广义的对象素质或属性方面信息不对称,对人们交易之前行为发生影响;道德风险的信息问题更多涉及个人或机构的行为方式,对交易之后的结果发生影响。 逆向选择 旧车市场:卖车人知道车的质量,买车人不知道,只知道平均质量,按照平均质量付价格。但此时,高质量车将退出市场,在市场上的车的平均质量将进一步下降,最后可能只有低质量的车进入交易。 保险市场:以癌症保险为例,投保人知道自己的身体状况,保险公司不知道,最后可能只有已经得癌症的人会愿意投保。 资本市场:高风险的企业更愿意事情贷款。银行实行的信贷配给与此有关。 旧车市场 保险市场 信贷市场 对于银行来说,其贷款的预期收益既取决于贷款利率,也取决于借款人还款的平均概率,因此银行不仅关心利率,而且关心贷款风险,这个风险是借款人有可能不归还借款。 一方面,通过提高利率,银行可能增加自己的收益。另一方面,当银行不能观测特定借款人的贷款风险时,提高利率将使低风险的借款人退出市场,从而使得银行的贷款风险上升。结果,利率的提高可能降低而不是增加银行的预期收益。 显然,正是由于贷款风险信息在作为委托人的银行和作为代理人的借款者之间分布并不对称,导致了逆向选择现象。 信贷市场 谁愿意支付高利息? 6.1 不完美信息动态博弈 6.1.1 概念和例子 6.1.2 不完美信息动态博弈的表示 6.1.3 不完美信息动态博弈的子博弈 6.1.1 概念和例子 完美信息:博弈中后面阶段的博弈方有关于前面阶段博弈进程的充分信息 完美信息动态博弈:动态博弈中的所有博弈方都有完美信息的博弈 完全信息:各博弈方对博弈结束时每个博弈方的得益是完全清楚的 不完美信息动态博弈的基本特征之一是博弈方之间在信息方面是不对称的,如二手车市场 6.1.2 不完美信息动态博弈的表示 多节点信息集扩展形表示 6.1.3 不完美信息动态博弈的子博弈 子博弈的概念:由一个动态博弈第一阶段以外的某个阶段开始的后续博弈阶段构成的,有初始信息集和进行博弈所需要的全部信息,能够自构成一个博弈的原博弈的一部分 6.1.3 不完美信息动态博弈的子博弈 因为原博弈本身不会成为原博弈的后续阶段,因此子博弈不能从原博弈的第一个节点开始,即原博弈不是自己的子博弈 包含所有在初始节点和终点,但不包含不跟在此初始节点之后的节点 不分割任何的信息集。 6.2 完美贝叶斯均衡 6.2.1 完美贝叶斯均衡定义 6.2.2 均衡要求的初步解释 6.2.3 关于判断形成的进一步解释 贝叶斯法则 人:好人(GP),坏人(BP) 事:好事(GT),坏事(BP) 一个人干好事的概率等于他是好人的概率p(GP)乘以好人干好事的概率p(GT|GP),加上他是坏人的概率p(BP)乘以坏人干好事的概率p(GT|BP): Prob{GT}= p(GT|GP)* p(GP)+ p(GT|BP)* p(GT|BP) 假定观测到一个人干了一件好事,那么这个人的是好人的后验概率是: 贝叶斯法则 贝叶斯法则 在日常生活中,当面临不确定时,我们对某事件发生的可能性有一个判断,然后,会根据新的信息来修正这个判断。 统计学上,修正之前的判断称为

文档评论(0)

1亿VIP精品文档

相关文档