[論文レビュー] Balancing Suspense and Surprise: Timely Decision Making with Endogenous Information Acquisition

Ahmed M. Alaa, Mihaela van der Schaar|arXiv (Cornell University)|Oct 24, 2016

Auction Theory and Applications被引用数 6

ひとこと要約

本稿は、時間的圧力下での意思決定において、内生的情報取得を伴うベイジアンモデルを構築する。意思決定者は、悪影響を及ぼす出来事の予測を目的として、確率的時間系列から情報を取得する。最適方策は、驚き（情報量の増加）と不安（生存リスク）のバランスを取る「レゾルヴォー構造」を示し、停止領域と継続領域は、信念と文脈（現在の時間系列の実現値）に依存する。

ABSTRACT

We develop a Bayesian model for decision-making under time pressure with endogenous information acquisition. In our model, the decision maker decides when to observe (costly) information by sampling an underlying continuous-time stochastic process (time series) that conveys information about the potential occurrence or non-occurrence of an adverse event which will terminate the decision-making process. In her attempt to predict the occurrence of the adverse event, the decision-maker follows a policy that determines when to acquire information from the time series (continuation), and when to stop acquiring information and make a final prediction (stopping). We show that the optimal policy has a rendezvous structure, i.e. a structure in which whenever a new information sample is gathered from the time series, the optimal "date" for acquiring the next sample becomes computable. The optimal interval between two information samples balances a trade-off between the decision maker's surprise, i.e. the drift in her posterior belief after observing new information, and suspense, i.e. the probability that the adverse event occurs in the time interval between two information samples. Moreover, we characterize the continuation and stopping regions in the decision-maker's state-space, and show that they depend not only on the decision-maker's beliefs, but also on the context, i.e. the current realization of the time series.

研究の動機と目的

• 意思決定者がその出来事が発生する前に悪影響を及ぼす出来事の予測を行う必要がある時間的圧力下での意思決定をモデル化すること。
• 意思決定者がコストを伴う時間系列から情報を取得するタイミングを自ら選ぶ内生的情報取得を組み込むこと。
• 情報量の増加（驚き）と出来事発生のリスク（不安）のトレードオフをバランスさせる最適方策を特定すること。
• 最適停止および継続意思決定が、事後信念に加えて、現在の文脈（時間系列の実現値）に依存することを示すこと。

提案手法

• 意思決定問題を、終了を示す確率的デッドライン（悪影響を及ぼす出来事の発生時刻）を伴う逐次的ベイジアン推論問題として定式化する。
• 意思決定者の信念プロセスを、生存証拠の影響で時間とともに低下する下向きのスーパーマルティンゲールとしてモデル化する。
• 「レゾルヴォー構造」を持つ最適方策を導出する。各観測後に次の観測時刻が計算可能である。
• 驚きと不安のトレードオフを導入する：方策は情報量の増加（情報量の尾部分布を介して）と生存確率（生存関数を介して）の組み合わせを最適化する。
• 観測コスト（$C_o$）、誤った予測コスト（$C_1$）、終了リスクコスト（$C_r$）を用いて目的関数を定義する。
• 状態空間における継続領域と停止領域を、信念と現在の時間系列実現値（$\bar{X}(P^\pi_t)$）の関数として特徴づけ、文脈依存性を示す。

実験結果

リサーチクエスチョン

• RQ1 意思決定プロセスが悪影響を及ぼす出来事によって終了する場合、意思決定者は情報の取得タイミングをどのように最適化すべきか？
• RQ2 時間的圧力下での内生的情報取得における最適方策の構造は何か？
• RQ3 驚き（情報量の増加）と不安（出来事発生の確率）のトレードオフは、最適なサンプリング間隔を決定づけるか？
• RQ4 継続および停止意思決定が、事後信念に加えて、現在の文脈（すなわち、時間系列の実現値）にどの程度依存するか？
• RQ5 最適方策は、各観測後に次の観測時刻が計算可能な「レゾルヴォー方策」として特徴づけられるか？

主な発見

• 最適方策は「レゾルヴォー構造」を示し、各観測後に次の情報取得時刻が即座に計算可能である。
• 最適なサンプリング間隔は、驚き（情報量の増加）と不安（間隔中に出来事が発生する確率）のトレードオフをバランスさせる。このトレードオフは生存関数と情報量増加分布によって捉えられる。
• 状態空間における継続領域と停止領域は、事後信念と現在の時間系列実現値の両方に依存し、文脈依存性が明確に示される。
• 方策が停止を決定する際、誤った予測のコストを重み付けした閾値信念 $\frac{C_1}{C_o + C_1}$ に基づいて予測が発行される。
• 例示的な例では、期待情報量が $\delta = 42$ で最大になるが、適切な生存確率を維持するためには最適なレゾルヴォー時刻がより早い（例：$\delta^* < 42$）可能性がある。
• 最適レゾルヴォー時刻における生存確率は $C_r$ によって制約を受け、方策はこのリスクと情報の価値のバランスを取る。これは、$S_t(\Delta t)$ と $I_t(\delta)$ のコスト加重最適化に反映されている。