【正文】 型產(chǎn)量進行對比。參與人 i的期望效用函數(shù)定義為 ???????iiiiiiiiiiii aaupv??????? ),)?？梢杂?G={Ai。 ?海薩尼通過引入虛擬的參與人 —— ”自然” (Nature)，將不完全信息博弈轉(zhuǎn)換為完全但不完美信息的博弈，從而可用完全信息博弈論進行處理，這就是著名的“海薩尼轉(zhuǎn)換” (Harsanyi Transformation) 海薩尼 (Harsanyi)轉(zhuǎn)換 ?圖 ，經(jīng)過海薩尼轉(zhuǎn)換后，得到的博弈樹。對應(yīng)兩種不同成本的不同策略組合的支付矩陣如表 31所示。于是可以用上述參數(shù)表示一個靜態(tài)貝葉斯博弈。(),(()|(靜態(tài)貝葉斯博弈定義 ?參與人的類型空間 Θi，條件概率 p1,…, pn,類型依存戰(zhàn)略空間為 Ai(θi)， 類型依存支付函數(shù) ui(ai,ai。 ?通過海莎尼轉(zhuǎn)換，不完全信息靜態(tài)博弈就轉(zhuǎn)化成完全但不完美信息博弈 貝葉斯納什均衡 (Bayesian Nash Equilibrium) ?在不完全信息古諾模型中，參與人的類型是成本函數(shù)。 ?該博弈的純戰(zhàn)略 ai(ci)是從 [a,b]到 {0， 1}的一個函數(shù)，其中 0表示不提供， 1表示提供。 ?報價最高者買走該物品，并以最高報價成交。 ?由于兩個競買者是對稱的，因此，他們具有對稱的報價策略。另一種備選方式是，按照單一的市場出清價格成交 (此時市場需求剛好等于或超過供給 )有點類似新股開盤價的成交競價），美國通常采用這種方案。 ?參加人員主要有： FCC工作人員、法律顧問、博弈論專家、政府司法人員等。 ?同時上升性拍賣是完全透明的，一旦有問題，可以及時得到反饋。政府官員素質(zhì)提高十分必要。 ?激勵相容約束 (incentivepatibility constraints)：給定委托人不知道代理人的類型的情況下，代理人在所設(shè)計的機制下必須有積極性選擇委托人希望他選擇的行動。 ?eBay的拍賣規(guī)則是有一個固定的最后期限來結(jié)束拍賣。如短波段相近波段系列。 ?由于上述規(guī)定，拍賣過程非?；鸨?，但是 ?但在拍賣結(jié)束后，發(fā)現(xiàn)一些報價者不僅提交了最高報價，同時還提交了第二最高報價，第三最高報價 … 通過最高價的不斷撤出，最后以比較低的價格獲得拍賣。 拍賣實踐 1： Treasury Auctions ?美國財政部通過每周國庫券的發(fā)行，獲得數(shù)十億美元資金流入。 ?考慮只有 2個投標(biāo)人情況， i=1,2。 ?拍賣有助于減少買者和賣著之間的合謀。參與人提供公共產(chǎn)品的成本是 ci。 ???????iiiiiiiiiiiiaii aaupa???????? ),)。 ui。 海薩尼 (Harsanyi)轉(zhuǎn)換 ?因此，行動空間可以表示為 Ai(θi)，一個特定行動可表示為集合 Ai(θi)中的一個元素 。不完全信息靜態(tài)博弈 STATIC GAME OF INCOMPLETE INFORMATION ——摘自 《 莊子 》 子非魚 , 安知魚之樂？ 子非我 , 安知我不知魚之樂？ 不完全信息 ?在前面的分析中，我們假定支付函數(shù)是所有參與人的共同知識 (Common Knowledge) ?如果在博弈中至少有一個參與人不知道其他參與人的支付函數(shù)，則稱該博弈為不完全信息博弈。 ?類似的，參與人 i的支付函數(shù)也是類型依存的（比如不同成本函數(shù)的企業(yè)利潤各不相同。 i=1,…, n}表示這個博弈。(),(()|(m a xa r g)(*?類似地，可以定義混合策略貝葉斯納什均衡?？梢杂帽?32表示。 ?是最為廣泛應(yīng)用的拍賣形式。令 bi ≥ 0是投標(biāo)人 i的報價， vi為拍賣物品對投標(biāo)人 i的價值。國庫券拍賣與傳統(tǒng)拍賣不一致處在于：多件物品(many units)供出售，報價者不是提供一個針對單件物品的競買要求，而是提供一個需求函數(shù) (demand function)。 ?新西蘭在 1990年采用第二價格拍賣方式，對電視許可進行拍賣。 拍賣實踐 2： FCC頻譜拍賣 ——機制設(shè)計原因 ?公開拍賣的效果 ?它提供了許可價值的信息。 ?Amazon拍賣規(guī)則，不僅要求達到最后期限，且要求 10分鐘后沒有新的報價出現(xiàn)才算拍賣結(jié)束。 機制設(shè)計理論簡介 。 ?政府職能應(yīng)向市場經(jīng)濟方向轉(zhuǎn)變。公開拍賣有助于競拍人在一定程度上掌握許可的價值。 拍賣實踐 2： FCC頻譜拍賣 ——背景 ?正是由于前面一些失敗的實踐，促使FCC要設(shè)計一個科學(xué)的拍賣機制。 拍賣實踐 1： Treasury Auctions ?報價是一個多價格 數(shù)量對的組合 /（ p1,x1） ,(p2,x2)…/ ，成交的規(guī)則是，由最高價開始，逐漸向下，直至所有供應(yīng)量都結(jié)束為止（所有成功競買者按其報價成交。 一級密封價格拍賣 ?投標(biāo)人 i的支付情況為： ?假定投標(biāo)人 i的出價 bi(vi)是其價值 vi的嚴格遞增可微函數(shù)。 ?競買者一直向上報價，直至沒有更高報價為止。 ?假定 ci (i=1,2)具有相同的、獨立的定義在 [a,b]上的分布函數(shù) P(.)，其中 a 1 b，該分布函數(shù)是共同知識。 ?均衡的存在形式納什均衡存在性定理的推廣，此處從略。參與人 i的期望效用函數(shù)定義為 ???????iiiiiiiiiiii aaupv??????? ),)。 θi)表示參與人 i的效用函數(shù)。 ?假定在位者有兩種可能成本函數(shù)：高成本和低成本。 0 高 低 [P] [1P] 進入者 不進入 進入 不進入 進入 合作 斗爭 合作 斗爭 (0, 300) (0, 400) (40, 50) (10, 0) (30, 80) (10, 100) 圖 31 市場進入博弈 海薩尼 (Harsanyi)轉(zhuǎn)換 ?不完全信息靜態(tài)博弈中，參與人 i的行動空間 Ai可能依賴于他的類型 θi,或者說行動空間是類型依存的 (typecontingent)。 θi。(),(()|(貝葉斯納什均衡 (Bayesian Nash Equilibrium) ?N人不完全信息靜態(tài)博弈的純戰(zhàn)略貝葉斯納什均衡是一個類型依存的戰(zhàn)略組合{ai*, i=1,…, n}，其中每個參與人 i在給定自己類型 θi和其他參與人類型依存戰(zhàn)略 ai*(θi)的情況下，最大化自己的期望效用函數(shù) vi。 應(yīng)用舉例 1：不完全信息古諾模型 應(yīng)用舉例 2：不完全信息下公共產(chǎn)品的提供 ?兩個參與人， i=1,2，同時決定是否提供公共產(chǎn)品，每個參與人面臨兩個決策：提供 ( ai=1)或不提供 ( ai=0)。 ?著名博弈論專家維克里 (Vickrey)，由于在拍賣及在拍賣基礎(chǔ)上衍生的機制設(shè)計理論的一些原創(chuàng)性工作，獲得了 1996年諾貝爾經(jīng)濟學(xué)獎。 ?在此基礎(chǔ)上，近來又出現(xiàn)一種新的拍賣形式， KPrice Auction(K2, K為整數(shù) )。 一個結(jié)論 一個術(shù)語 ?勝利者的詛咒 (winner’s curse)：在拍賣過程中，由于競買者出價過高，雖然“勝利地”得到競拍物品，但由于出價超過了物品本身價值，因而帶來了損失。在澳大利亞，衛(wèi)星電視許可通過密封第一價格拍賣方式進行 。 ?所謂互補性，就是若兩個或兩個以上許可同時被一個企業(yè)擁有，會帶來更大的價值。s climate scientists have concluded that if the countries of the world do not work together to cut the emission of greenhouse gases, then temperatures will rise and will disrupt the climate. In fact, most scientists say the process has already begun.‖ President Clinton, October 22, 1997 ?At the Climate Change Summit in Kyoto in December 1997, a large group of developed countries agreed to restrict their carbon emissions to, on average, 5% below 1990 levels by 2022 – 2022. The United States agreed to a target of 7% reductions (subject to ratification). ?The question at hand is how best to achieve domestically the carbon emission targets. CO2 is the major current contributor to