一、基本信息
- 题目:设计一个最优竞赛
- 作者:Ani Dasgupta,Kofi O. Nti
二、文章摘要
- 以下内容取自原文摘要部分:
- 本文给竞赛研究带来一个机制设计的角度。我们考虑的问题是:当竞赛设计者也可能对奖项有估值时选择一个竞赛成功函数。我们表明:可以被凹且递增的竞赛成功函数实现的任意均衡结果都可以被线性竞赛成功函数复现。期望效用最大化的设计者应采用线性同构竞赛成功函数。我们明确地推导了风险中性设计的最优竞赛,并给出了比较的静态结果。图洛克竞赛当设计者对于奖项的估值很低时是最优的。
- 我的总结:竞赛模型特殊:奖项按比例分配、参赛者对奖项估值相同且固定、设计者对奖项也有估值且有一定概率保留奖项、分数与权重之间存在映射函数。在该设定下,凹递增CSF可用一线性CSF替代从而简化了分析。从设计者的效用函数出发,给出了具体且详尽的最优竞赛参数设计。
三、背景介绍
- 本文受激发于以下两点思考:
- 第一:我们希望拓宽基础的寻租行为的而范例,考虑这样的情况:提供可竞争租金的代理者可能也会对奖金进行估价。目前的领域研究现状是假设竞赛的组织者并不会对奖项产生估值。
- 第二:我们希望向竞赛研究领域带来机制设计的角度,从而对该领域中常用的几个竞赛成功函数提供一些决策理论验证。
四、核心模型
- 设想一个竞赛 n n n位参赛者共同竞争一个价值为 V V V的奖项,并且假设竞赛设计者对奖项有 V 0 V_0 V0的估值。参赛者 i i i选择的分数是 x i ≥ 0 x_i\ge 0 xi≥0,构成分数向量 ( x 1 , . . . , x n ) (x_1,...,x_n) (x1,...,xn)。参赛者 i i i的获胜概率定义为:
P i ( x 1 , . . . , x n ) = h ( x i ) s + ∑ j = 1 n h ( x j ) P_i(x_1,...,x_n)=\frac{h(x_i)}{s+\sum_{j=1}^n h(x_j)} Pi(x1,...,xn)=s+∑j=1nh(xj)h(xi)<