Неполная информация и байесовское равновесие

Когда соперник — «загадка»

В реальных играх информация часто асимметрична: страховая компания не знает состояние здоровья клиента, инвестор — намерения менеджера, покупатель — себестоимость товара. Как анализировать стратегическое взаимодействие, когда игроки имеют частную информацию?

Хасаньи (Нобелевская премия 1994) предложил элегантное решение: ввести понятие типа игрока — его частной информации — и моделировать неполную информацию как случайный выбор природой типа каждого игрока.

Тип, байесовская игра и байесовское равновесие

Тип θᵢ игрока i — его частная характеристика (готовность платить, производственная функция, предпочтения к риску). Пространство типов Θᵢ; природа «выбирает» θ из совместного распределения μ(θ).

Байесовская игра в нормальной форме: ⟨N, (Sᵢ), (Θᵢ), μ, (uᵢ)⟩. Стратегия bᵢ: Θᵢ → Sᵢ — правило действия для каждого возможного типа.

Байесовское равновесие Нэша: Профиль b* = (b₁*, ..., bₙ*) является BNE, если каждый тип каждого игрока максимизирует ожидаемый выигрыш:

Eθ₋ᵢ[uᵢ(bᵢ*(θᵢ), b₋ᵢ*(θ₋ᵢ), θ) | θᵢ] ≥ Eθ₋ᵢ[uᵢ(sᵢ, b₋ᵢ*(θ₋ᵢ), θ) | θᵢ] для всех sᵢ, θᵢ

Числовой пример: аукцион первой цены

Два участника аукциона с закрытыми ставками. Оценки θ₁, θ₂ ~ Uniform[0, 1] — независимые, частные. Победитель платит свою ставку.

Ищем симметричное линейное равновесие: b(θ) = αθ для некоторого α.

Игрок 1 при оценке θ₁ выбирает ставку b₁, чтобы максимизировать:

u₁ = (θ₁ − b₁) · P(b₁ > b₂)

При b₂ = αθ₂ и θ₂ ~ U[0,1]: P(b₁ > αθ₂) = P(θ₂ < b₁/α) = b₁/α (при b₁/α ≤ 1).

Задача: max_{b₁} (θ₁ − b₁)·b₁/α

Условие первого порядка: (θ₁ − 2b₁)/α = 0 → b₁ = θ₁/2.

Равновесие: b(θ) = θ/2* (ставить ровно половину своей оценки).

Интуиция: игрок «жмёт» ставку ниже оценки, чтобы оставить себе прибыль, балансируя с риском проигрыша. При двух участниках оптимальный «жим» — в два раза.

При n участниках: b*(θ) = θ·(n−1)/n. При n→∞: b* → θ — ставки сходятся к истинной оценке (конкурентный рынок!).

Сигнализация и скрининг

Модель сигнализации Спенса (1973, Нобель 2001): Фирма не знает производительность работника (высокая H или низкая L). Работник может получить образование (дорогостоящий сигнал).

Ключевое: для высокопроизводительного работника издержки образования ниже (потому что ему легче учиться). Условие разделяющего равновесия:

• Высокопроизводительный получает образование: W_H − c_H·e ≥ W_L
• Низкопроизводительный не получает: W_L ≥ W_H − c_L·e

Где e — уровень образования, c_H < c_L — предельные издержки. При правильном e оба условия выполнены: работники разделяются по образованию, хотя само образование не увеличивает производительность (парадокс!).

Разделяющее vs объединяющее равновесие: В разделяющем разные типы выбирают разные стратегии → работодатель может идентифицировать тип. В объединяющем все типы ведут себя одинаково → никакой информации.

Рынок «лимонов» Акерлофа

Рынок поддержанных автомобилей (Акерлоф, 1970, Нобель 2001). Продавец знает качество (хороший — «персик» — или плохой — «лимон»). Покупатель не знает. Равновесная цена — средняя по ожидаемому качеству. Но при этой цене продавцы «персиков» отказываются продавать (недооценены), а «лимоны» — остаются. Рынок сжимается, и в пределе может полностью рухнуть.

Это обратный отбор (adverse selection). Решения: сертификация (устраняет асимметрию), гарантии (сигнал от продавца), страхование (снижает риск для покупателя).

Механизмы борьбы с асимметрией информации

Сертификация: третья сторона верифицирует частную информацию — рейтинговые агентства, врачебные лицензии, аудиторские заключения. Гарантии и поручительства: продавец «хорошего» продукта берёт на себя риск — значимый сигнал, так как для «плохого» типа издержки гарантии непосильны. Скрининговые контракты: страховка с франшизой создаёт самоотбор. Высокорисковые клиенты предпочитают низкую франшизу (и платят бо́льшую премию), низкорисковые — высокую (платят меньше). Грамотно спроектированное меню контрактов позволяет частично устранить асимметрию информации без прямого наблюдения за типом агента, создавая самоотбор через структуру стимулов.

Байесовские игры в финансах и корпоративном управлении

Модели с неполной информацией объясняют важнейшие явления финансового рынка. На кредитном рынке банк не знает кредитоспособность заёмщика — возникает обратный отбор: при единой ставке высокорисковые заёмщики вытесняют надёжных, поскольку готовы платить более высокий процент. Решение — скрининг через требование залога: надёжные заёмщики готовы предоставить большой залог, зная, что вероятность его потери мала. В корпоративных слияниях покупатель не знает истинной стоимости компании-цели — возникает «проклятие победителя»: выигравший в аукционе за компанию, как правило, переплатил, поскольку его оценка оказалась завышенной относительно средней. При первичном публичном размещении акций компании намеренно занижают цену IPO как дорогостоящий сигнал качества — только сильная компания может «оставить деньги на столе» и при этом остаться прибыльной. Теория механизма дизайна обобщает все эти результаты: задача разработчика — создать правила игры, при которых частная информация раскрывается в процессе стратегического взаимодействия.

Байесовские игры в финансах и регулировании

Байесовское равновесие описывает стратегии игроков с разными частными информациями. На финансовых рынках инсайдерская торговля моделируется как байесовская игра: маркет-мейкер устанавливает спред bid-ask, чтобы компенсировать ожидаемые потери от торговли с информированными участниками. Чем выше вероятность наличия инсайдеров, тем шире спред — прямое следствие байесовского обновления убеждений маркет-мейкера. В кредитовании банк не знает тип заёмщика, и меню кредитных контрактов разрабатывается для разделения заёмщиков: высокорисковые выбирают контракты с более высокой ставкой, а низкорисковые — с залоговым обеспечением. Это классический байесовский механизм скрининга. В IPO-процессе инвестиционные банкиры не знают истинную оценку акций рынком и проводят «book building»: предлагают акции институциональным инвесторам, собирая информацию через их заявки. Это байесовская игра между эмитентом и инвесторами, в которой занижение цены IPO (underpricing) компенсирует риск неблагоприятного отбора. Регуляторы финансовых рынков используют байесовские модели для выявления манипуляций и построения системы надзора с учётом неполноты информации.

Задание: Постройте байесовскую игру для рынка страхования: покупатель знает свой тип (высокий риск — вероятность болезни 0.8; низкий — 0.2). Страховая компания не знает тип. Покажите, что если компания предлагает единый контракт по «средней» цене, высокорисковые вытесняют низкорисковых. Какой механизм позволяет разделить типы?