Microeconomia 2 – P´
os-Gradua¸c˜
ao – 2/2019
Notas de Aula 1 – Teoria dos Jogos (Parte 2)
Prof. Jos´
e Guilherme de Lara Resende
Departamento de Economia, Universidade de Bras´ılia
Jogos Bayesianos
1
Informa¸
c˜
ao Incompleta
Em um jogo de informa¸c˜ao incompleta os jogadores possuem informa¸c˜ao privada relevante para o jogo, antes do seu in´ıcio, informa¸c˜ao n˜ao compartilhada por todos os jogadores.
Portanto, informa¸c˜ao incompleta ´e diferente de informa¸c˜ao imperfeita, onde algum jogador desconhece alguma escolha feita por outro jogador ap´os o in´ıcio do jogo.
Poder´ıamos transformar um problema de informa¸c˜ao incompleta em um problema de in-forma¸c˜ao imperfeita, modelando o jogo de modo que se inicie antes de qualquer diferen¸ca de informa¸c˜ao entre os jogadores.
Por´em isso pode n˜ao ser natural em muitos casos, como em leil˜oes, onde cada participante tem a sua valora¸c˜ao do bem a ser leiloado, informa¸c˜ao essa relevante para o leil˜ao, e mais nenhum outro participante conhece essa valora¸c˜ao. A natureza da informa¸c˜ao incompleta pode ser de v´arios tipos, como o payoff dos jogadores, as preferˆencias, etc (Myerson, 1997).
Logo, esses jogos s˜ao modelados supondo que os jogadores escolhem suas estrat´egias j´a pos-suindo informa¸c˜ao privada. Como isso ´e feito?
Ideia Central – Harsanyi (1967): Toda incerteza a respeito da informa¸c˜ao privada que um jogador possui ´e descrita pelo seu tipo. Cada jogador sabe o seu tipo, mas desconhece o tipo dos outros jogadores. A natureza escolhe o tipo de cada jogador antes do in´ıcio do jogo. O tipo do jogador cont´em toda informa¸c˜ao privada relevante que ele possui sobre o jogo e que n˜ao ´e de conhecimento comum entre os outros jogadores. Como um jogador desconhece os tipos dos outros jogadores, ele formar´a uma cren¸ca (“belief ”) a respeito desses tipos. Esta nota de aula baseia-se em Jehle and Reny (2011), p´aginas 319-325, Myerson (1997), p´aginas 67-83.
2
Jogo Bayesiano
Seja ti ∈ Ti uma vari´avel aleat´oria escolhida pela natureza e observada apenas pelo jogador i.
Dizemos que ti ´e o tipo do jogador i. O conjunto T = T1× T2 × · · · × TI ´e o dom´ınio de toda
incerteza do jogo e incorpora toda informa¸c˜ao privada relevante que existe no jogo. Vamos assumir que Ti ´e finito para todo jogador i.
A fun¸c˜ao utilidade do jogador i depende do seu tipo e dos tipos de todos os outros jogadores, al´em das estrat´egias de todos os jogadores, como de praxe. Ent˜ao temos que:
ui : S × T → R , ui = ui(s, t) ,
onde s = (s1, . . . , sI) ∈ S = S1× · · · × SI e t = (t1, . . . , tI) ∈ T = T1× · · · × TI. Logo, podemos
Vamos supor que cada jogador i conhece T−i = T1× . . . Ti−1× Ti+1. . . TI, ou seja, sabe quais
podem ser os poss´ıveis tipos que os outros jogadores podem vir a ser. Logo, cada jogador pode ser um e apenas um dos tipos elencados no seu conjunto de tipos (ou seja, n˜ao h´a surpresas no sentido de um jogador revelar ser um tipo fora de seu conjunto de tipos).
Precisamos agora apenas caracterizar a probabilidade de ocorrˆencia dos tipos. Vamos supor que para cada jogador i, existe uma fun¸c˜ao de probabilidade subjetiva pi : Ti → ∆(T−i). Logo,
para cada tipo ti do jogador i, pi especifica uma distribui¸c˜ao de probabilidades pi(· | ti) sobre o
conjunto T−i, que representa o sistema de cren¸cas do jogador i sobre o tipo dos outros jogadores,
caso o tipo de i seja ti. Portanto, pi(t−i | ti) ´e a probabilidade que o jogador i, quando do tipo
ti, atribui a que os outros jogadores sejam do tipo t−i. Temos ent˜ao que:
0 ≤ pi(t−i | ti) ≤ 1, ∀ t−i ∈ T−i e
X
t−i∈T−i
pi(t−i | ti) = 1 ,
para todo tipo ti, todo jogador i.
Defini¸c˜ao 7.10: Jogo de Informa¸c˜ao Incompleta. Um jogo de informa¸c˜ao incompleta (ou jogo Bayesiano) ´e descrito pela cole¸c˜ao:
G = (pi, Ti, Si, ui)Ii=1,
onde para cada ti ∈ Ti, pi(· | ti) ´e uma distribui¸c˜ao de probabilidade sobre T−i, e ui : S ×T → R.
Se I ´e finito, e Si e Ti s˜ao finitos para todo i, dizemos que G ´e um jogo finito de informa¸c˜ao
incompleta.
Assumimos que cada jogador i conhece toda a estrutura do jogo Bayesiano G = (pi, Ti, Si, ui)Ii=1,
do modo definido acima, e o seu pr´oprio tipo ti. Esse fato ´e de conhecimento comum dos
jogadores. Al´em disso, cada jogador sabe que todos os outros jogadores conhecem o seu pr´oprio tipo (e isso tamb´em ´e de conhecimento comum do jogo).
Vamos chamar o objeto de escolha em um jogo Bayesiano de a¸c˜ao. Isso ´e consistente com a defini¸c˜ao de a¸c˜ao para jogos na forma extensiva, que veremos a seguir. A ideia ´e que uma a¸c˜ao define um plano contingente completo de jogadas que o indiv´ıduo considera fact´ıvel, ap´os conhecer o seu tipo. J´a uma estrat´egia abarca um plano contingente completo, para todas as situa¸c˜oes poss´ıveis, antes de o jogador saber o seu tipo.
Exemplo: Vendedor vs Comprador. Suponha um objeto qualquer posto a venda, em que cada parte da transa¸c˜ao saiba apenas a sua valora¸c˜ao. Suponha que esse valor est´a entre R$ 1 e R$ 100, com probabilidade igual para cada valor. Ou seja, Ti = {1, 2, 3, . . . , 100}, para
i = v, c, onde v denota o vendedor do objeto e c um potencial comprador, e pi(t−i| ti) = 1/100,
para todo t−i ∈ T−i, ti ∈ Ti, i = v, c. Cada jogador anuncia um valor si, i = v, c, onde
si ∈ {0, 1, 2, 3, . . . , 100}. Suponha que se sc ≥ sv, ent˜ao a venda do objeto ocorre, com pre¸co
igual a (sv + sc)/2. Assumindo que os jogadores s˜ao neutros ao risco e que sc ≥ sv, ent˜ao as
utilidades dos jogadores v e c s˜ao:
Utilidade do vendedor: uv(s, t) = sv + sc 2 − tv, Utilidade do comprador: uc(s, t) = tc− sv+ sc 2 .
Se sc< sv, ent˜ao a venda do objeto n˜ao ocorre e uv(s, t) = uc(s, t) = 0. Com isso, completamos
3
Consistˆ
encia
Defini¸c˜ao: Consistˆencia do Sistema de Cren¸cas (Myerson, 1997). Dizemos que o sistema de cren¸cas (pi)i∈I ´e consistente se existir uma distribui¸c˜ao comum a priori p sobre o
conjunto de tipos T (0 ≤ p (t) ≤ 1, para todo t ∈ T , e P
t∈T p (t) = 1) tal que a cren¸ca de cada
jogador ´e igual `a distribui¸c˜ao condicional de p, calculada usando a regra de Bayes: pi(t−i | ti) =
p (ti, t−i)
P
ˆ
t−i∈T−ip (ti, ˆt−i)
,
para todo t = (ti, t−i) ∈ T , para todo jogador i ∈ I.
Observe que no exemplo acima, p(t) = 1/10000, para todo t ∈ {1, 2, . . . , 100} × {1, 2, . . . , 100} mostra que as cren¸cas acima s˜ao consistentes, pois:
pi(t−i| ti) =
p (ti, t−i)
P
ˆ
t−i∈T−ip (ti, ˆt−i)
= 1/10000 100/10000 =
1 100 , para todo ti ∈ Ti, para todo t−i ∈ T−i, para todo jogador i.
A hip´otese de consistˆencia simplifica o modelo. Neste caso, o jogo pode ser caracterizado por G = (p, Ti, Si, ui)Ii=1. Mais ainda, em um modelo consistente, diferen¸cas em cren¸cas individuais
s˜ao justificadas apenas por diferen¸cas na informa¸c˜ao que cada agente possui. Se as cren¸cas forem inconsistentes, essas diferen¸cas podem ser geradas por diferen¸cas de opini˜ao.
Mais especificamente, Aumann (1976) argumenta que toda diferen¸ca nas cren¸cas dos jogadores ´
e resultado de uma diferen¸ca de informa¸c˜ao. Logo, segundo Aumann, seria natural supor que todos os sistemas de cren¸cas sejam derivados de uma distribui¸c˜ao conjunta p sobre o conjunto de todos os tipos T (p(t) > 0, para todo t ∈ T , e P
t∈T p(t) = 1). Apesar de os jogadores
desconhecerem os tipos de seus rivais, a distribui¸c˜ao p ´e de conhecimento comum entre os jogadores. Essa hip´otese ´e chamada common prior assumption (CPA).
Defini¸c˜ao: Jogos Bayesianos Equivalentes. Considere os dois jogos Bayesianos abaixo: G1 = (pi, Ti, Si, ui)Ii=1
G2 = (ˆpi, Ti, Si, ˆui)Ii=1
Dizemos que G1 e G2 s˜ao totalmente equivalentes se para todo jogador i existirem fun¸c˜oes
ai : Ti → R e bi : T → R tais que, para todo ti ∈ Ti, ai(ti) > 0 e:
ˆ
pi(t−i | ti) ˆui(s, t) = ai(ti) pi(t−i | ti) ui(s, t) + bi(t) ,
para todo s ∈ S, t−i ∈ T−i.
Logo, dois jogos s˜ao totalmente equivalentes se as utilidade esperadas de cada jogador nos dois jogos representarem a mesma preferˆencia. Neste caso, estamos representando o mesmo jogo, apenas supondo utilidades esperadas diferentes mas equivalentes para cada jogador (observe que as probabilidades acima s˜ao subjetivas – por isso podemos considerar fun¸c˜oes de probabilidades diferentes).
Proposi¸c˜ao. Todo jogo Bayesiano G = (pi, Ti, Si, ui)Ii=1 finito ´e totalmente equivalente a um
jogo Bayesiano com cren¸cas consistentes.
Prova: Considere G = (pi, Ti, Si, ui)Ii=1 arbitr´ario e fa¸ca para todo jogador i:
ˆ
pi(t−i | ti) =
1 |T−i|
∀ ti, e uˆi(s, t) = |T−i| pi(t−i| ti) ui(s, t) ,
ou seja, bi(t) = 0, para todo t ∈ T e ai(ti) = 1 para todo ti ∈ Ti. Ent˜ao Ge = (ˆpi, Ti, Si, ˆui)Ii=1
´
e totalmente equivalente ao jogo original G e as cren¸cas ˆpi s˜ao consistentes com a distribui¸c˜ao
comum a priori p : T → R dada por:
p (t) = 1
|T1| × |T2| × · · · × |TI|
, o que conclui a demonstra¸c˜ao.
Portanto, para jogos de informa¸c˜ao incompleta G = (pi, Ti, Si, ui)Ii=1, conforme definido acima,
a hip´otese de consistˆencia n˜ao ´e limitadora. Por´em isso n˜ao ´e verdade em geral. Por exemplo, para modelos que assumem a hip´otese de valores privados (private values assumption), ou seja, em que a utilidade de cada jogador depende das a¸c˜oes escolhidas e apenas do seu tipo, ui : S × Ti → R, o resultado acima pode n˜ao ser v´alido.
4
Equil´ıbrio Bayesiano
Queremos definir uma solu¸c˜ao ou no¸c˜ao de equil´ıbrio para jogos de informa¸c˜ao incompleta. O atalho desenvolvido por Harsanyi (1967) consiste em associar ao jogo Bayesiano um jogo na forma estrat´egica G∗, de modo que essa associa¸c˜ao n˜ao seja amb´ıgua. Isso permite usar conceitos definidos para jogos na forma estrat´egica para os jogos Bayesianos.
Vamos fazer isso tornando cada tipo ti ∈ Ti um jogador distinto. Como o conjunto dos tipos
Ti ´e finito para todo jogador i, podemos supor, sem perda de generalidade, que Ti ∩ Tj = ∅,
para todo i 6= j. Criamos um jogo artificial, onde o conjunto dos jogadores ´e T∗ =S
i∈ITi, ou
seja, cada tipo de cada jogador ´e um jogador nesse novo jogo.
Uma vez definidos os jogadores, precisamos caracterizar as estrat´egias que cada jogador pode escolher. Obviamente, se o jogador ´e de um tipo referente ao jogador i no jogo Bayesiano original, fazemos ¯Sti = Si, para todo ti ∈ Ti, para todo i. Logo, o conjunto de todas estrat´egias
do jogo na forma estrat´egica pode ser denotado por: ¯ S = S|T1| 1 × S |T2| 2 × · · · × S |TI| I
Observe que ¯S ´e equivalente (isomorfo) ao conjunto: S∗ = ST1 1 × S T2 2 × · · · × S TI I , onde Si∗ = STi
i = {s∗i : Ti → Si} ´e o conjunto de todas as fun¸c˜oes que associam a cada tipo
do jogador i uma estrat´egia. Logo, podemos lidar ou com ¯S ou com S∗, dependendo do que for mais conveniente. Finalmente, falta apenas definirmos as fun¸c˜oes de payoff u∗ti : S∗ → R associadas ao jogo na forma normal. Para isso, fazemos:
u∗ti(s∗) = X
t−i∈T−i
pi(t−i| ti) ui s∗i(ti), s∗−i(t−i), ti, t−i
Defini¸c˜ao 7.11: Representa¸c˜ao na Forma Normal. Seja G = (pi, Ti, Si, ui)Ii=1 um jogo
de informa¸c˜ao incompleta. O jogo na forma estrat´egica G∗ = (St∗i, u∗ti)ti∈T∗ definido acima ´e
Desse modo, obtemos o jogo na forma normal G∗ que corresponde ao jogo de informa¸c˜ao incom-pleta original, G = (p, Ti, Si, ui)Ii=1. Portanto, transformamos o estudo de jogos de informa¸c˜ao
incompleta em um estudo de jogos na forma estrat´egica. Vamos definir o conceito de equil´ıbrio usando esse atalho.
Definic˜ao 7.12: Equil´ıbrio Bayesiano. Um equil´ıbrio de Nash Bayesiano (ENB, ou apenas equil´ıbrio Bayesiano) s∗ = (s∗1(·), . . . , s∗I(·)) do jogo de informa¸c˜ao incompleta G = (p, Ti, Si, ui)Ii=1
´
e um equil´ıbrio de Nash para a representa¸c˜ao agente/tipo de G na forma estrat´egica G∗ descrita acima.
Teorema 7.3: Existˆencia de ENB. Todo jogo finito de informa¸c˜ao incompleta possui pelo menos um equil´ıbrio de Nash Bayesiano.
O Teorema 7.3 ´e consequˆencia direta do Teorema de Nash (Theorem 7.2), que garante a existˆencia de equil´ıbrios de Nash para todo jogo finito na forma estrat´egica, quando consi-deramos estrat´egias mistas.
No Teorema 7.3, cada tipo ti do jogador i ´e um jogador por si pr´oprio, que maximiza a sua
utilidade, dada a sua cren¸ca a respeito dos outros jogadores. Para termos uma descri¸c˜ao completa do equil´ıbrio, precisamos listar as estrat´egias para cada tipo de cada jogador. Ou seja, mesmo que o jogador i saiba o seu tipo, a sua estrat´egia de equil´ıbrio ´e escolher uma a¸c˜ao para cada tipo que ele poderia vir a ser. Isso ´e necess´ario por que mesmo que i conhe¸ca o seu tipo, os outros jogadores n˜ao sabem qual ´e o tipo de i (podemos dizer que n˜ao sabem o tipo de i que foi realizado). Ent˜ao, ex-ante (antes de cada jogador saber o seu tipo), cada jogador i tem utilidade dada por:
Ep[ui(si(·), s−i(·), ti, t−i)] =
X
t∈T
p(t) ui(si(ti), s−i(t−i), ti, t−i) .
Ex-post (ap´os cada jogador conhecer o seu tipo), a utilidade realizada ´e a que os jogadores de fato obtˆem escolhendo a a¸c˜ao associada ao seu tipo ti realizado, que faz parte do equil´ıbrio de
Nash: u∗t i(s ∗) = E pi[ui(si(ti), s−i(·), ti, ·) | ti] = X t−i∈T−i
pi(t−i | ti) ui(si(ti), s−i(t−i), ti, t−i) .
Portanto, um conjunto de regras de decis˜ao (s∗1(·), . . . , s∗I(·)) ´e um equil´ıbrio de Nash Bayesiano para o jogo G = (p, Ti, Si, ui)Ii=1 se, e somente se, para todo “jogador ti” tivermos que:
Epiui(s ∗ i(ti), s∗−i(·), ti, ·) | ti ≥ Epiui(s 0 i, s ∗ −i(·), ti, ·) | ti ,
para todo s0i ∈ Si, para todo ti ∈ Ti com probabilidade positiva de ocorrer.
Finalmente, observe que o Teorema de Existˆencia de Equil´ıbrio acima n˜ao exclui a possibilidade de que o equil´ıbrio Bayesiano envolva jogadores randomizando. Neste caso, denote por:
m = (mi(· | ti))ti∈Ti, i∈I
um conjunto de estrat´egias mistas definidas para todos os jogadores. Ent˜ao, vale que para todo si ∈ Si, ti ∈ Ti, e todo jogador i, mi(si| ti) ≥ 0. Al´em disso, temos que:
X
si∈Si
mi(si| ti) = 1 ,
para todo ti ∈ Ti, para todo jogador i. Ent˜ao o conjunto de estrat´egias m∗ = (mi∗(si| ti))ti∈Ti, i∈I
´
e um equil´ıbrio Bayesiano se para todo i ∈ I, e para todo ti ∈ Ti, temos que:
m∗i(· | ti) ∈ argmax mi∈∆Si X t−i∈T−i X s∈S Y j∈I−i m∗j(sj | tj) mi(si) u∗ti(s ∗ )
Exemplos 7.2 e 7.3. Duas firmas competem no pre¸co, do modo de Bertrand. A firma 1 n˜ao conhece o custo marginal de produ¸c˜ao da firma 2, que pode ser baixo ou alto, com a mesma probabilidade. Nesse caso, T1 = {c1} e T2 = {c2l, c2h}, com c1 = 0, c2l = 1 e c2h = 4. O conjunto
de estrat´egia de cada firma ´e o pre¸co cobrado pelo bem produzido. O payoff da firma 2 depende de seu custo marginal ser baixo ou alto. A demanda de mercado ´e 8 − p, onde p ´e o menor pre¸co cobrado. Vamos supor que cada firma possa escolher apenas entre trˆes pre¸cos, p = 1, p = 4 e p = 6 (cada jogador possui apenas trˆes estrat´egias). Suponha a seguinte regra: se os pre¸cos anunciados forem diferentes, a firma que anunciou o menor deles define o pre¸co de equil´ıbrio e fica com toda a demanda. Se os pre¸cos anunciados forem iguais, as duas firmas dividem o mercado caso o pre¸co anunciado seja maior do que o maior custo marginal. Caso o pre¸co anunciado seja igual ao maior custo marginal, ent˜ao a firma 1 fica com toda a demanda. O payoff de cada firma ´e o seu lucro, igual a zero caso n˜ao haja produ¸c˜ao. Logo, os payoffs do jogo s˜ao descritas pelas matrizes abaixo, para cada tipo que a firma 2 venha a ser.
1↓ / 2l → p2 l = 6 p2l = 4 p2l = 1 p1 = 6 6, 5 0, 12 0, 0 p1 = 4 16, 0 8, 6 0, 0 p1 = 1 7, 0 7, 0 7, 0 1↓ / 2h → p2h = 6 p2h = 4 p2h = 1 p1 = 6 6, 2 0, 0 0, −21 p1 = 4 16, 0 16, 0 0, −21 p1 = 1 7, 0 7, 0 7, 0
Vamos encontrar as matrizes associadas `a representa¸c˜ao agente/tipo do jogo Bayesiano acima. Nesse caso, temos trˆes jogadores, 1, 2l e 2h, onde 2l ´e o jogador 2, tipo l e 2h ´e o jogador 2, tipo h. A representa¸c˜ao na forma normal gera as matrizes abaixo.
Firma 1 escolhe p1 = 6 2l↓ / 2h → p2 h = 6 p2h = 4 p2h = 1 p2l = 6 6, 5, 2 3, 5, 0 3, 5, −21 p2 l = 4 3, 12, 2 0, 12, 0 0, 12, −21 p2 l = 1 3, 0, 2 0, 0, 0 0, 0, −21 Firma 1 escolhe p1 = 4 2l↓ / 2h → p2h = 6 p2h = 4 p2h = 1 p2 l = 6 16, 0, 0 16, 0, 0 8, 0, −21 p2l = 4 12, 6, 0 12, 6, 0 4, 6, −21 p2 l = 1 8, 0, 0 8, 0, 0 0, 0, −21 Firma 1 escolhe p1 = 1 2l↓ / 2h → p2 h = 6 p2h = 4 p2h = 1 p2 l = 6 7, 0, 0 7, 0, 0 7, 0, 0 p2 l = 4 7, 0, 0 7, 0, 0 7, 0, 0 p2l = 1 7, 0, 0 7, 0, 0 7, 0, 0
Observe que para o jogador 2l, p = 4 ´e estrat´egia fracamente dominante. J´a para o jogador 2h, p = 6 ´e estrat´egia fracamente dominante. Eliminando as estrat´egias dominadas, encontramos o seguinte equil´ıbrio Bayesiano: 1 escolhe p = 4, 2l escolhe p = 4 e 2h escolhe p = 6. Neste equil´ıbrio, o jogador 1 obt´em payoff 12, o jogador 2l obt´em payoff 6, e o jogador 2h obt´em payoff 0. Portanto, exceto para a firma 2, caso ela seja de alto custo, as firmas obtˆem lucro positivo, na presen¸ca da informa¸c˜ao incompleta descrita nestes exemplos. Ou seja, a competi¸c˜ao de Bertrand n˜ao necessariamente levar´a o lucro a zero quando houver informa¸c˜ao incompleta. Finalmente, ´e poss´ıvel mostrar que existem outros EN para este jogo.
5
Leil˜
ao de Primeiro Pre¸
co
Suponha um leil˜ao de envelope fechado, onde cada comprador faz uma oferta (fechada) inde-pendentemente dos outros jogadores. Vamos assumir apenas dois jogadores. Ap´os as ofertas serem feitas, os envelopes s˜ao abertos e vence o leil˜ao quem fez a maior oferta, que paga o valor da oferta feita (o outro jogador n˜ao paga nada).
Vamos denotar por vi o valor do objeto leiloado para o jogador i, i = 1, 2. Cada jogador
sabe o seu vi, por´em desconhece a valora¸c˜ao do seu oponente. Neste caso, o jogador i assume
que v−i ∼ U [0, 1], ou seja, que a valora¸c˜ao do oponente ´e descrita por uma vari´avel aleat´oria
com distribui¸c˜ao uniforme entre [0, 1]. Essa informa¸c˜ao ´e de conhecimento comum entre os jogadores.
Ent˜ao o tipo do jogador i ´e dado por v. Um equil´ıbrio de Nash Bayesiano nesse jogo ´e caracte-rizado por um par de fun¸c˜oes de oferta (b1(·), b2(·)), onde bi : [0, 1] → [0, 1] ´e a fun¸c˜ao oferta do
jogador i, i = 1, 2. Como o jogo ´e sim´etrico, vamos procurar um equil´ıbrio onde os jogadores seguem estrat´egias idˆenticas (b1(·) = b2(·) = b(·)).
Vamos supor que a solu¸c˜ao ´e uma fun¸c˜ao crescente: b(v) ´e tal que quanto maior a valora¸c˜ao do indiv´ıduo, maior o lance dado. Logo podemos inverter a fun¸c˜ao b(v) e obter a fun¸c˜ao V (b), que diz a valora¸c˜ao do indiv´ıduo que d´a um lance igual a b.
A probabilidade de ganhar o leil˜ao com um lance igual a b ´e igual `a probabilidade de que o outro jogador dˆe um lance menor do que b:
p(v ≤ V (b)) = V (b) ,
j´a que v ∼ U [0, 1]. Isso implica que o payoff esperado do comprador com valora¸c˜ao v e que d´a lance b ´e:
V (b) × (v − b) + (1 − V (b)) × 0 ,
onde assumimos que o payoff obtido em n˜ao ganhar o leil˜ao ´e 0. A fun¸c˜ao lance ´otimo deve maximizar a express˜ao acima, cuja CPO ´e:
V0(b)(v − b) − V (b) = 0
Essa express˜ao diz que para cada valor v (o tipo do jogador), podemos encontrar a sua estrat´egia ´
otima. Em equil´ıbrio devemos ter ent˜ao que:
(V (b) − b)V0(b) = V (b) , ∀ b ∈ [0, 1] . A solu¸c˜ao dessa EDO ´e:
V (b) = b +√b2+ 2c ,
onde c ´e a constante de integra¸c˜ao. Vamos assumir que se v = 0, ent˜ao o lance ´e zero: b = 0. Logo:
0 = 0 +√2c ⇒ c = 0
Ent˜ao V (b) = 2b ou b = v/2. Portanto, o equil´ıbrio de Nash Bayesiano ´e caracterizado por b(v) = v/2, para os dois jogadores, o que significa que cada jogador deve dar um lance igual `a metade da sua valora¸c˜ao do objeto.
Observa¸c˜oes:
• Nesse exemplo, ´e poss´ıvel mostrar que o equil´ıbrio encontrado acima ´e ´unico, mas isto n˜ao ´e v´alido em geral. Alguns leil˜oes podem ter mais de um equil´ıbrio de tamb´em pode ser conveniente mentir sobre o seu tipo.
• O modo que procedemos para encontrar o equil´ıbrio ´e padr˜ao: “chutamos” que a es-trat´egia (a fun¸c˜ao lance ´otimo) era crescente (invert´ıvel) e da´ı derivamos uma EDO que essa fun¸c˜ao deve satisfazer.
6
Discuss˜
ao
Alguns pontos:
1. Dificuldade em definir o jogo: o que s˜ao os tipos? Quais tipos considerar?
2. Qual sistema de cren¸cas p considerar? Diferentes p (cren¸cas a respeito dos outros joga-dores) podem levar a diferentes solu¸c˜oes.
3. ´E poss´ıvel mostrar, sob condi¸c˜oes razoavelmente gerais, que qualquer conjunto de regras de decis˜ao ´e um ENB para um determinado sistema de cren¸cas. Ou seja, para qualquer comportamento existe um sistema de cren¸cas que o suporta como ENB (ver Ledyard (1986))
Referˆ
encias
Aumann, R. J. (1976). Agreeing to disagree. The Annals of Statistics, 4:6 , 1236-1239.
Harsanyi, J. (1967). Games with incomplete information played by bayesian players. Manage-ment Science, 14 .
Jehle, G., & Reny, P. (2011). Advanced microeconomic theory (3rd ed.). Pearson Education.
Ledyard, J. O. (1986). The scope of the hypothesis of bayesian equilibrium. Journal of Economic Theory, 39:1 , 59-82.