[论文解读] Sequential Sampling Equilibrium

Duarte V. Gonçãlves|arXiv (Cornell University)|Dec 15, 2022

Experimental Behavioral Economics Studies被引用 4

一句话总结

本文提出了顺序采样均衡（SSE），这是一种博弈论框架，其中玩家理性地获取昂贵的、具有信息量的信号以解决策略不确定性。通过将决策过程建模为顺序采样中的最优停止问题，SSE内生地生成了随机选择、信念动态和反应时间——合理化了对纳什均衡的偏离，并预测了新颖的实证模式，同时在采样成本趋近于零时恢复为纳什均衡。

ABSTRACT

This paper introduces an equilibrium framework based on sequential sampling in which players face strategic uncertainty over their opponents' behavior and acquire informative signals to resolve it. Sequential sampling equilibrium delivers a disciplined model featuring an endogenous distribution of choices, beliefs, and decision times, that not only rationalizes well-known deviations from Nash equilibrium, but also makes novel predictions supported by existing data. It grounds a relationship between empirical learning and strategic sophistication, and generates stochastic choice through randomness inherent to sampling, without relying on indifference or choice mistakes. Further, it provides a rationale for Nash equilibrium when sampling costs vanish.

研究动机与目标

• 开发一个严谨的均衡概念，以在战略情境中内生地生成随机选择、信念和决策时间。
• 合理化对纳什均衡的已知偏离，例如较慢的决策与更高的选择随机性及更低的战略复杂度相关。
• 基于顺序采样中的固有随机性，为随机选择提供微观基础，避免依赖于无差异或选择错误。
• 表明当采样成本消失时，纳什均衡作为极限情况出现。
• 通过成本信息获取模型，建立战略复杂度与反应时间之间的关系。

提出的方法

• 玩家面临策略不确定性，并对对手行动分布持有先验信念。
• 每位玩家依次采样关于对手行为的噪声信号，每次观测的附加成本恒定。
• 玩家解决一个最优停止问题，权衡进一步采样的期望收益与采样成本。
• 停止后，玩家根据其后验信念选择能最大化期望收益的行动。
• 均衡被定义为一个不动点，其中每位玩家的最优采样和行动选择与其对手行动的经验分布一致。
• 模型使用共轭狄利克雷先验，以实现可处理的实证估计，并对无限时域问题进行有限时域近似。

实验结果

研究问题

• RQ1 如何在不依赖无差异或选择错误的前提下，内生地在均衡中生成随机选择和反应时间？
• RQ2 在战略环境中，决策时间、战略复杂度与选择随机性之间存在何种关系？
• RQ3 成本信息获取如何在实验设置中合理化对纳什均衡的偏离？
• RQ4 顺序采样均衡在何种条件下收敛于纳什均衡？
• RQ5 该模型能否预测现有反应时间与行动分布数据所支持的新颖实证模式？

主要发现

• 顺序采样均衡通过顺序采样中固有的随机性内生地生成了随机选择，而无需依赖无差异或选择错误。
• 该模型合理化了实证规律：较慢的决策与更弱的偏好强度及更大的选择随机性相关。
• 较快的决策与较低的战略复杂度相关，而更长的决策时间则与更高的战略推理能力相关，与实验证据一致。
• 当采样成本消失时，模型收敛至纳什均衡，为其作为极限情况提供了微观经济基础。
• 该模型预测，在不完全信息博弈中，若先验被错误设定，玩家可能无法收敛至纳什均衡，导致采样过程无法终止。
• 使用狄利克雷先验进行实证估计是可行的，其允许紧凑的参数空间和有限时域近似，从而实现最大似然估计。