[논문 리뷰] Distributionally Robust Game Theory

Nicolas Loizou|arXiv (Cornell University)|2015. 12. 10.

Economic theories and models참고 문헌 45인용 수 3

한 줄 요약

이 논문은 보상 불확실성을 모호성 집합(ambiguity set)을 통해 확률 분포의 집합으로 모델링함으로써 나시, 베이지안, 로버스트 게임을 일반화하는 새로운 프레임워크인 분포로 부터의 저항성 게임 이론(Distributionally Robust Game Theory)을 제안한다. 이는 등가의 조건부가치하한(CVaR)을 통해 균형이 다중선형 시스템의 해의 성분별 투영으로 계산될 수 있음을 증명함으로써, 다양한 위험 태도를 가진 불완전정보 게임을 통합적으로 다룰 수 있도록 한다.

ABSTRACT

The classical, complete-information two-player games assume that the problem data (in particular the payoff matrix) is known exactly by both players. In a now famous result, Nash has shown that any such game has an equilibrium in mixed strategies. This result was later extended to a class of incomplete-information two-player games by Harsanyi, who assumed that the payoff matrix is not known exactly but rather represents a random variable that is governed by a probability distribution known to both players. In 2006, Bertsimas and Aghassi proposed a new class of distribution-free two-player games where the payoff matrix is only known to belong to a given uncertainty set. This model relaxes the distributional assumptions of Harsanyi's Bayesian games, and it gives rise to an alternative distribution-free equilibrium concept. In this thesis we present a new model of incomplete information games without private information in which the players use a distributionally robust optimization approach to cope with the payoff uncertainty. With some specific restrictions, we show that our "Distributionally Robust Game" constitutes a true generalization of the three aforementioned finite games (Nash games, Bayesian Games and Robust Games). Subsequently, we prove that the set of equilibria of an arbitrary distributionally robust game with specified ambiguity set can be computed as the component-wise projection of the solution set of a multi-linear system of equations and inequalities. Finally, we demonstrate the applicability of our new model of games and highlight its importance.

연구 동기 및 목표

• 고전적 게임이론 모델—나시, 베이지안, 로버스트 게임—을 하나의 분포로 부터의 저항성 프레임워크 아래 통합하기.
• 베이지안 게임에서처럼 알려진 분포를 가정하거나, 로버스트 게임에서처럼 고정된 최악의 시나리오를 가정하는 것이 아니라, 타당한 분포의 집합인 모호성 집합을 통해 보상 불확실성을 모델링하기.
• 조건부가치하한(CVaR)을 사용하여 플레이어 간의 이질적인 위험 태도를 통합함으로써 실용적 응용에 더 현실적인 모델을 만들기.
• 다중선형 방정식 및 부등식 시스템을 통한 수학적 기반을 제시하여 이러한 게임에서의 균형을 체계적으로 계산하는 방법을 확립하기.
• 자유기여자 게임(Free Rider Game)과 점검 게임(Inspection Game)이라는 두 가지 구체적 사례를 통해 모델의 적용 가능성을 입증하기.

제안 방법

• 플레이어들이 보상 분포의 모호성 집합 위에서 최악의 조건부가치하한(CVaR)을 최소화하도록 하는 분포로 부터의 저항성 게임 모델을 수립한다.
• 모르는 모멘트 정보(예: 평균과 지지역역)를 사용하여 모호성 집합을 정의함으로써, 집합에 포함된 모든 분포가 관측된 데이터와 일관되도록 보장한다.
• 균형 집합을 특징짓기 위해 다중선형 방정식 및 부등식 시스템을 사용하며, 균형는 이 해 집합의 성분별 투영으로 얻어진다.
• CVaR 위험 측정법을 적용하여 플레이어가 다양한 수준의 위험 회피 성향을 표현할 수 있도록 하며, 이는 위험 수준 ε에 의해 매개변수화된다.
• 수치 알고리즘을 활용하여 균형을 근사적으로 계산하고, 테스트 케이스에서 수렴성과 성능을 평가한다.
• 분포 불확실성(예: 매개변수 불확실성 외에도)을 允허함으로써 기존의 로버스트 게임 프레임워크를 확장하여 더 풍부한 모호성 모델링이 가능하도록 한다.

실험 결과

연구 질문

• RQ1 일관된 분포로 부터의 저항성 최적화 접근을 통해 나시, 베이지안, 로버스트 게임을 하나의 게임이론 프레임워크로 통합할 수 있는가?
• RQ2 CVaR로 모델링된 다양한 위험 태도가 보상 불확실성이 존재하는 게임에서 균형 결과에 어떤 영향을 미치는가?
• RQ3 어떤 조건에서 분포로 부터의 저항성 게임 모델이 고전적 게임이론 모델(예: 나시 또는 베이지안 게임)으로 축소되는가?
• RQ4 분포로 부터의 저항성 게임에서 균형 집합은 잘 정의된 수학적 구조를 통해 체계적으로 계산될 수 있는가?
• RQ5 모호성 집합의 매개변수(예: 평균 벡터, 최대 거리)의 변화가 균형 존재성과 보상에 어떤 영향을 미치는가?

주요 결과

• 분포로 부터의 저항성 게임 모델은 나시, 베이지안, 로버스트 게임을 일반화하므로, 이러한 게임의 어느 것도 제안된 프레임워크의 특수한 경우로 표현될 수 있다.
• 분포로 부터의 저항성 게임에서의 균형는 다중선형 방정식 및 부등식 시스템의 해 집합의 성분별 투영으로 계산될 수 있다.
• 특정 모호성 집합(예: 단일 점으로 구성된 지지역역)의 경우, 모델은 완전정보 유한게임으로 축소되며, 이는 고전적 나시 게임과의 일관성을 확인한다.
• 분포로 부터의 저항성 자유기여자 게임에서는, 모호성 집합이 제약 조건이 있을 경우(예: s=0), 다양한 위험 수준에서도 균형과 보상이 변하지 않음을 확인하여 위험 태도 변화에 대한 강건성을 입증한다.
• 분포로 부터의 저항성 점검 게임에서는, 위험 수준에 관계없이 균형과 보상이 일정하게 유지되며, 이는 특정 모호성 집합 구성 조건 하에서는 위험 선호도가 결과에 영향을 주지 않음을 시사한다.
• 수치 실험 결과, 일반적인 경우에서 위험 수준(ε)의 변화는 균형과 보상에 영향을 미치며, 이는 비퇴화된 모호성 조건 하에서 모델이 위험 선호도에 민감함을 확인한다.