🌈 个人主页:十二月的猫-CSDN博客
🔥 系列专栏: 🏀众智科学与网络化产业💪🏻 十二月的寒冬阻挡不了春天的脚步,十二点的黑夜遮蔽不住黎明的曙光
目录
前言
这门课是我见过最有趣的一门课,以图论作为开始,我们从计算机的角度研究了各种社会学和心理学的问题。如果说社会学和心理学问题只能从这两门学科出发来解决,那么你就out啦!!
单纯从社会学和心理学的角度解决问题不可避免地会导致这个问题的解决过于感性化,而计算机的引入从一方面能够以大数据为基础解决社会心理学问题;另一方面能够将这种原本感性解决的问题融入理性的数学证明,让这两门学科焕发出全新的色彩!
话不多说,让我们直接开始我们的学习之旅~~
1 表决
1.1 表决的三要素
- 投票制度
- 被表决的对象
- 表决的人(众人)
1.2 偏好关系——讨论理性表决的基础
前提:这里假设每个人的表决结果都是按照自己心中的偏好关系给出的,否则认为是不理性的表决
数学定义:“X优于Y”或“X大于Y”
自由性:参与表决的人都是自由人,所以给出的表决结果存在不一致性
1.2.1 偏好关系的性质——两大性质
既然假设每个人都是理性表决(结果都是根据偏好关系给出的)。于是,为了研究表决的结果,我们接下来就来研究偏好关系
偏好关系有两大性质,一旦一个人的偏好关系不符合这两个性质,就认为他的偏好关系是不理性的
- 完备性:对于任意两个给定选项(X,Y),要么偏好X,要么偏好Y;不能两个都一样
- 传递性:假定有3个备选项(X,Y,Z),如果在(X,Y)比较中,偏好X;在(Y,Z)比较中,偏好Y;则在(X,Z)比较中,应该偏好X
这两个性质等价于:任何偏好关系集合存在一个排好顺序的全序
例如:A1,A2,.....,An中的A1就优于A2,优于An
1.3 群体偏好——如何从个人偏好中提出群体偏好
既然偏好关系结果就是表决结果,那么此时我们已经知道偏好关系了,是不是就可以知道表决结果了,这肯定是不行的。
因为表决是多人参与的且表决具有自由性,这就意味着不同人给出的偏好关系可能完全不同。于是重点就变为如何从多个个人偏好关系中提取出群体偏好。一旦我们知道了群体偏好顺序,就能够根据这个顺序给出群体的表决结果。即研究:聚合个人偏好方法
1.3.1 少数服从多数法提取群体偏好
假如已知三个人对三个事物X、Y、Z的偏好关系,根据这个关系,我们能够一一的通过少数服从多数原则两两来确定偏好关系。
例如:
少数服从多数结果为:
第一眼,这个方法很合理呀,也相当符合我们的常识,但是他真的没有问题吗?
我们来看这个例子:
- 左下角每个人给出的偏好关系都符合完备性和传递性
- 右边少数服从多数算出来的结果X>Y;Z>X;Y>Z
显然结果已经不符合传递性,也就是说这个得出来得群体偏好关系是不合理的!!!
上面这个结果就称为:孔多塞悖论
合理的个体行为+合理的聚合方式—>不合理的群体结论
小练习:
题目一:假设有m(奇数)个表决者,n个候选项。每人给出候选项集合上的一个完备且传递的偏好关系。这些关系总共包含多少候选项对?
结果:1、每两个候选项之间都会产生一个候选项对;2、前面1的结果再乘上m,因为每个表决者产生的候选项对是相同的
1.3.2 逐一比较胜出法
这个方法核心思想:冒泡排序
按理来说冒泡排序一定会得到确定的结果。但是由于这里冒泡的不是数字(存在确定的位置序列),而更像是一种相对的结果,类似于田忌赛马问题的博弈。所以不同的博弈方式会有不同的结果
反映出来就是:初始顺序(出马顺序)会影响最终的结果(田忌和齐威王谁赢)
1.3.3 积分法
1、每个排名确定有一个分数值。例如第一名5分;第二名3分等等
2、每个事物的分数就是每个人给他打分的总和
例如:
第一偏好 | 第二偏好 | 第三偏好 | 第四偏好 | |
个体1 | A | B | C | D |
个体2 | B | C | A | D |
得分 | A=3+1 | B=2+3 | C=1+2 | D=0+0 |
群体偏好 | B | A | C | D |
积分法可以确定每个事物都有一个确定的评分,所以有一个确定的有序的排名。这就保证了传递性和完备性
但是这个方法就没有问题吗?我们来看下面这个例子:
《教父》和《公民凯恩》这两个电影的偏好序列,居然受到《低俗小说》影响!!!
这就好像在说:”我觉得教父比公民凯恩好看,因为低俗小说很好看“
1.4 聚合规则的要求
上面说了这么多,我们就想说这个聚合规则,它需要满足以下两个要求,它才是合理的
- 趋同性:对任意两个候选项X和Y,如果所有个体都偏好X,那么群体排序中的结果也应该是偏好X
- 独立于无关项:群体对侯选项X和Y的排序,仅取决于个体对它们的偏好,与个体对其他侯选项的看法无关(X和Y在群体排序中的结果,不能因为某一个体调整了某个候选项Z的相对位置而改变)
1.5 阿罗不可能定理
在三个或更多侯选项的条件下,任何多于2人参与的表决系统,都不可能同时满足
(1)趋同性
(2)IIA(独立于无关选项)
(3)非独裁性
1.6 单峰偏好
既然从聚集方式的角度,我们解决不了问题。即:通过修改聚集方式,我们不能得到合理的群体结论。那么我们现在就把眼光聚焦于合理的个体行为
那么,个体行为有什么不合理的,之前大家给出的个体偏好关系有什么不合理的吗?他们不是都满足完备性和传递性了吗?
显然,单纯靠这两个性质不能保证个体行为是合理的,见如下例子:
上面中每个都满足完备性和传递性,但是个体3的行为显然是不符合逻辑的(先选便宜的又选最贵的,前后买东西逻辑不同)
合理性=结构合理性(完备+传递)+逻辑合理性
1.6.1 单峰偏好的定义
注意:左右两边相互之间没有要求
1.6.2 单峰偏好的判断
很多人会说通过定义判断,但是这里我推荐用图像判断 。单峰意味着画出每个事物的排名后,连成线那个结果是只有一个最高点的,不存在两个最大值。
这个图中只会有一个最高值的就是单峰偏好
1.6.3 单峰偏好下形成群体偏好关系——中位项定理
总结流程:
1、找出最大的(找出三个人目前还在的偏好关系中的最爱的三个结果)
2、选取三个结果中的中间项加入到结果项中(结果项从第一项开始放)
例如:
(1)选择群体序中最大的——在目前最大的三个里选择中间项(序列为A,B,C),也就是B,然后将B删去
(2)选择群体序次大的——同理选C(这时的序列是A,C,C),然后删去C
(3)选择群体序第三大的——同理选A(这时的序列是A,A,D),然后删去A
(4)到这里下一个就是D,最后一个就是E
因此结果为:BCADE
1.7 中位项定理的证明
同理,X1也会认为X2优秀于右边的所有数
综上:X2一定能以少数服从多数原则优秀于所有数
2 信息不对称
2.1 制度追求与个人追求的博弈
- 个人——一般会在制度下追求自身利益的最大化
- 制度的设计者——希望达到某种全局最优,不希望有个人逐利情况而破坏制度
2.2 外生事件和内生事件;外生事件市场和内生事件市场
- 外生事件——该事件如何发生与人们的行为情况无关
- 内生事件——该事件如何发生直接取决于人们的行动情况
- 外生事件市场——事件发生的概率不受行动者参与的行为影响。比如:彩票(无论多少人去购买彩票,彩票中奖的概率不变),选举(无论多少人投票,都会从那么多候选人中选一个人当选)
- 内生事件市场——事件发生的概率受到行动者参与的行为影响。比如:二手车市场(如果人们相信二手车市场的车质量很好,就会倾向于出高价,这样就会促使二手车市场真的有高质量车出卖,车主也就会愿意把自己质量不错的车卖到二手车市场;反之,如果人们不相信二手车市场有好车,那么出价就低,低价就导致车主不愿意将自己的好车卖到二手车市场,人们也就认为这个二手车市场没有好车,市场就会失效)
市场问题常常涉及到人们购买的意愿,购买的意愿又常常和购买的概率挂钩。所以研究市场问题,不得不考虑市场下人的购买概率问题
2.3 赛马问题——外生事件市场
2.3.1 问题描述![](https://i-blog.csdnimg.cn/direct/db67a57f0c9142aeb0598189fdccc8ba.png)
问题简化:
一份钱w,要以什么样的比率r下注分配,能使得我们赚最多的钱
要判断我们要怎么选定r去下注,我们首先要知道每一匹马获胜的概率以及获胜后的赔率(我能赚多少钱)
所以这个问题还需要细化,给出更详细的参数:
2.3.2 问题建模
因此,我们就能够写出我们赚的钱E和下注比率r之间的关系函数:
此时,我们就是要求解r取多大时E达到最大值
因此这个最优化问题建模就完成了!!
那么问题到这里就结束了吗?这个模型就是完全正确了吗?
显然不是的!!!
2.3.3 模型存在的不足
看上面的模型,我们会发现一旦aoa>bob我们就会把钱全部压在A马上,这也好理解。如果压在A马上获得钱的期望值要大于B马,那么我们肯定会都压在A马上。
但是,我们没有考虑到风险管理的因素。
比如一个大富翁打算拿100w去投资,即使他知道投资A公司赚钱的概率大于B公司,他也不会把100w都投资到A公司,而是一部分放在B公司。这就是因为他知道A公司也有可能失败,一个鸡蛋不能放在一个篮子里(即使这个篮子很安全)
2.3.4 模型改进
一个基础原理:增加的收益=投资增加的收益-风险减少的收益
投资增加的收益是固定比率增长的,但是风险减少的收益会增加
——>可以得出一个核心点:投资增加的收益会逐渐放缓
因此提出U(w)=ln(w),此时随着w的增加U的增加会逐步放缓
临界点(效用函数)如下:
新的模型为:
对E关于r求导,算出在r=a时取到E的最大值
因此,投在A上的财富占比最好就等于A取胜的概率,在这样的效用函数下,投注策略与赔付率无关
2.4 赛马场赔付率设计
目的就是让赛马场不亏——赛马场赚的钱=亏的钱
不论马A赢还是马B赢,赛马场都不能亏钱
2.4.1 问题描述
2.4.2 模型建立 ![](https://i-blog.csdnimg.cn/direct/b14252e22461470e8cd44d71080c3b19.png)
不论马A取胜还是马B取胜,赛马场都不能亏钱
2.4.3 模型结果
关键点:
1、赔付率=赌场为赌客正确下注一块钱需要支付的钱数
2、赔付率的导数=赌客为了赢得一块钱需要正确下注的钱数
2.5 群众信念的聚合
在计算上面的赔付率时,我们发现了一个好玩的东西
这里的Wn/W*an,反映的就是群体对A马和B马的投资信念。
2.5.1 群体信念的理解
每个人对同一局比赛中的胜负情况有自己的判断,比如:A认为甲马获胜概率0.6,乙马获胜概率0.4;但B认为甲马获胜概率为0.3,乙马获胜概率为0.7。我们称这种判断为每个人的”信念“
通过上式可以看出,如果一个人的下注占收到的注的绝大部分,他的信念对状态价格的影响就越大,进而对计算赔付率的影响也越大
2.5.2 如何保证下注策略不亏本
如何制订下注策略保证自己肯定不亏本?——若大家都按照自己的信念下注,且赌场按照上述马场无赔赚方式计算赔付率,一个人有无可能,无论哪匹马赢,都能拿回自己下注的钱,即不亏本?
答案是可能,如果一个人按照集体信念下注,即,A马赔付率oA = 2.5 ,那么我就应该把40%的钱投在A马上
根本原因:
信息聚合效应(Information Aggregation Effect):群体中的每个个体可能拥有有限的信息和洞察力。当大多数人都同意某个选项时,这反映了集体的信息聚合,即集体可能比个体更有可能触及到最准确的结论。在赌博中,如果大多数人都认为某个结果是最有可能发生的,他们通常基于广泛的信息和分析达成这一共识。
市场反应和赔率调整:在赌场或市场中,赔率往往根据下注情况进行调整,以反映参与者的集体信念。如果大多数人下注在某个选项上,赔率就会相应地调整,以确保赌场在任何结果下都能获利。因此,赌场的赔率实际上反映了大多数人的共同信念。
2.6 内生事件市场的复杂性——信息不对称
2.6.1 信息不对称——造成内生事件市场的复杂性![](https://i-blog.csdnimg.cn/direct/89fcbfb85e2e48cd99426d270a694c22.png)
2.6.2 二手车市场
问题描述:
(1)如果买卖双方信息对称,那么存在议价空间——好车价格在10-12,坏车价格在4-6之间是可以达成交易的
(2)但是信息不对称
信息不对称——导致买家会按照自己对市场的概率判断来出价格
买家出价方式:
对市场上出现的好车占比进行预期,设为h;g为市场中真实的好车占比
那么买家愿意付的价钱是:12h+6(1−h)
买家出价对市场的影响:(内生性的体现)
这会导致劣币驱逐良币的现象:由于买家出的价格很低,没有卖家愿意卖好车,于是都卖坏车;卖坏车导致买家的出价会更低
2.6.3 阿克罗夫柠檬市场(柠檬比喻质量很差的商品)
两个原因:
1、市场上质量差的物品太多
2、买家出的价格太低了
2.7 信息不对称的解决方法
防止出现信息不对称导致的市场失灵,我们就需要从市场失灵的两个原因入手。深究两个原因我们会发现第一个原因:市场上质量差的物品太多,实际上是第二个原因的果(由于买家出价低导致卖家不卖,所以市场质量差)
因此,根本问题在于买家出价低。为了提高买家的出价,我们需要信号来保证商品质量,从而提高买家的出价
信号:第三方的质量保证信息
总结
本系列内容均来自:山东大学-鹿旭东老师-众智科学与网络化产业-课程ppt