Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1 Aste
1.1 Le aste come gioco Bayesiano
Un banditore mette all’asta un bene indivisibile. Ipotizziamo n partecipanti all’asta:
i = 1, 2, . . . , n è il generico partecipante che offre per il bene la cifra bi in una busta
chiusa. Il banditore, aperte le buste, assegna il bene ad i se bi è la massima offerta
e i paga bi per ricevere il bene. Un meccanismo di asta del tipo appena descritto
prende il nome di asta di primo prezzo. L’obiettivo della nostra analisi è stimare le
varie offerte b1 , b2 , . . . , bn , capire come si formano, possibilmente prevederle.
Osservazione: È naturale assumere che ciascun agente conosca il valore che egli
attribuisce al bene in vendita mentre non conosce il valore che al bene viene attri-
buito dai suoi concorrenti. Circa quest’ultimo, tuttavia, assumiamo che il generico
agente i sappia che i valori del vettore v−i si distribuiscono in [0, 1]n−1 in accordo ad
una certa misura di probabilità.
Per semplicità di esposizione per un momento pensiamo a due soli agenti, i e j.
Stiamo dicendo che i conosce vi mentre tratta vj come una variabile aleatoria che
si distribuisce in [0,1] secondo una certa legge. Simmetricamente j tratta vi come
una variabile aleatoria mentre conosce vj . Dal momento che i (risp. j) nelle proprie
valutazioni dovrà ragionare anche come ragiona j (i) è bene assumere che anche i
(j) tratti vi (vj ) come una variabile aleatoria. Certo che i (j) non conosce la legge
in accordo alla quale vi (vj ) si distribuisce agli occhi di j (i): ciò è informazione
1
privata di j (i) come lo è il valore vero di vj (vi ). Lo schema che viene utilizzato per
rappresentare tutto questo consiste nel formulare la seguente ipotesi:
Ipotesi 1.1 È conoscenza comune che il vettore dei valori v si distribuisce in [0, 1]n
secondo una misura di probabilità a priori P . È conoscenza privata dell’agente i
il valore vi nonché la probabilità in accordo alla quale v−i si distribuisce. Viene
assunto che quest’ultima sia pari a P (·|vi ).
Torniamo al nostro obiettivo. Dal momento che i vuole determinare bi (vi ) (per
meglio dire, bi (vi ) per ogni valore vi , ossia l’agente i vuole determinare la funzione
bi ) in modo per lui ottimale e visto che la massimizzazione di ui è influenzata dal
tentativo di massimizzazione di uj da parte dell’agente j, l’agente i deve calcolare
non solo ui ma anche uj e ragionare sull’intero vettore delle utilità. Inoltre i deve
agire nella consapevolezza che come lui si comporta e ragiona il suo avversario.
Quando i valuta uj lo deve fare come lo fa j. Nal fare questo, l’agente i ha però un
vincolo in più rispetto a j: Non disponendo dell’informazione privata di j, l’agente
i nello scrivere uj (bi , bj ) non può pensare ad un bj (vj ) deterministico e ad un bi (vi )
aleatorio con vi , egli invece non può far altro che valutare uj come un numero la cui
aleatorietà dipende dall’intero vettore v.
Nel valutare ui l’agente i è avvantaggiato dal fatto che lo vede come aleatorio
solo nella componente che dipende da vj . Ma non è questo l’approccio corretto.
Infatti i sa che j sceglierà bj valutando anche lui ui . Dal momento che i deve sce-
gliere bi in relazione alla scelta che j fa di bj , allora i non potrà non tener conto di
come j sceglie bj e dunque dovrà valutare ui come fa l’agente j. Per quest’ultimo,
ovviamente, l’aleatorietà del numero ui dipenderà dall’intero vettore dei valori (per
difetto di informazione propria su vi da un lato e perché i è carente di informazioni
su vj dall’altro).
In conclusione (e per simmetria di j ed i) per entrambi gli agenti saranno a disposi-
zione per ragionare solo i numeri aleatori ui (bi (vi ), bj (vj )) e uj (bi (vi ), bj (vj )), dunque
che valori numerici calcolabili a priori che possono indirizzare nelle scelte sono ad
esempio i valori attesi di tali utilità.
Con riferimento agli n agenti, ci riferiremo dunque alle quantità
EP [ui (b1 (v1 ), b2 (v2 ), . . . , bn (vn ))] i = 1, 2, . . . , n
i quali sono esclusivamente dipendenti dalle funzioni b1 (·), b2 (·), . . . , bn (·) e vengono
denotati con Ui (b1 (·), b2 (·), . . . , bn (·)):
Ui (b1 (·), b2 (·), . . . , bn (·)) = EP [ui (b1 (v1 ), b2 (v2 ), . . . , bn (vn ))]
Le considerazioni fatte ci portano in modo naturale in un nuovo contesto che costi-
tuirà un gioco ad informazione completa da affiancare all’asta allo scopo di investi-
garla. Tale gioco prende il nome di gioco Bayesiano.
2
funzioni di [0,1] in [0,1]1 . Per ogni n-pla di strategie b = (b1 (·), b2 (·), . . . , bn (·))
consideriamo il vettore di payoffs
U = (U1 (b), U2 (b), . . . , Un (b))
In mancanza d’altro non possiamo che prevedere quale comportamento strategi-
camente ottimale nel gioco d’asta quello che corrisponde nel gioco Bayesiano ad
equilibri di Nash. Per questo ora investighiamo gli EN del gioco Bayesiano, equilibri
detti anche equilibri di Nash Bayesiani (ENB).
Nel caso dell’asta di secondo prezzo, di nuovo, un bene indivisibile è messo all’a-
sta. Ciascuno degli n partecipanti fa un’offerta in busta chiusa e il banditore assegna
il bene ad i se bi è la massima offerta. Differentemente dall’asta di primo prezzo,
l’agente i paga come prezzo del bene la seconda offerta più alta (Mi ). In questo caso
le utilità sono
0 se bi < Mi
ui (b1 , b2 , . . . , bn ) = vi − Mi se bi > Mi
vi −Mi
r
se bi = Mi
Per questo tipo di aste valgono ovviamente considerazioni analoghe a quelle prima
fatte per le aste di primo prezzo e si può allo stesso modo associare ad esse un gioco
Bayesiano alle cui soluzioni strategicamente ottimali siamo interessati a pervenire.
Nel caso di aste di secondo prezzo la determinazione di ENB è più semplice di quanto
non sia per le aste di primo prezzo. Per questo motivo tratteremo subito le aste di
secondo prezzo e successivamente le altre. Non solo, per le aste di secondo prezzo
il risultato che presentiamo non si basa sull’assunzione di ulteriori ipotesi rispetto a
quelle già introdotte.
Teorema 1.2 Un ENB per le aste di secondo prezzo è costituito dalla n-pla di fun-
zioni identità bbi (v) = v per ogni i. Di più, per ogni agente i la strategia bbi (·) è
una strategia dominante cioè una strategia tale che Ui (bbi ; b−i ) ≥ Ui (b) qualunque sia
b = (b1 (·), b2 (·), . . . , bn (·)).
dim: Al fine di dimostrare che Ui (bbi ; b−i ) ≥ Ui (b) qualunque sia b = (b1 (·), b2 (·), . . . , bn (·))
ricordando che le funzioni Ui rappresentano le medie delle utilità ui , il risultato
sarà provato una volta verificato che per ogni determinazione di valori del vettore
v = (v1 , v2 , . . . , vn ) risulta
ui (vi ; b−i (v−i )) ≥ ui (bi (vi ); b−i (v−i )) ∀b.
Dunque, senza ledere la generalità, la tesi è provata una volta dimostrato che
ui (vi ; x−i ) ≥ ui (xi ; x−i ) ∀(x1 , x2 , . . . , xn ) ∈ [0, 1]n
Sia dunque vi il valore che l’agente i attribuisce al’oggetto. Come prima, denotiamo
con Mi il massimo dei valori offerti dai rimanenti partecipanti all’asta e mettiamoci
dal punto di vista dell’agente i che considera Mi arbitrario, ma fissato.
1 Si noti che si potrebbe essere indotti a ritenere che l’agente i consideri la funzione b come a valori in [0, v ].
i i
Ovviamente, un agente diverso che non conosce il valore vi , non può che ritenere bi a valori in [0,1]. Ne segue,
dovendo l’agente i ragionare anche come i suoi avversari, che bi necessariamente deve essere a valori in [0,1].
3
Nel caso vi > Mi facendo l’offerta vi l’agente i si aggiudica l’oggetto pagando Mi ,
dunque con tale offerta la sua utilità è pari a vi −Mi . Verifichiamo che l’agente i non
può in nessun modo variare la sua offerta in modo da ottenere un’utilità maggiore:
infatti, un’offerta s > Mi lascia inalterata la sua utilità, un’offerta s < Mi ha
come conseguenza l’assegnazione dell’oggetto ad un altro dei partecipanti, dunque
il risultato per l’agente i sarebbe ui = 0, l’offerta s = Mi comporta per l’agente i
l’utilità vi −M
r
i
che certamente non supera vi − Mi .
Nel caso vi < Mi l’agente i dichiarando il vero non si aggiudica l’oggetto essendoci
offerte più alte, dunque la sua utilità è pari a zero. L’unico modo per ottenere
un’utilità diversa da zero è quello di fare un’offerta almeno pari ad Mi , cosa che
comporterebbe un pagamento superiore al valore per lui dell’oggetto, dunque ad
un’utilità negativa.
Infine, nel caso vi = Mi , l’utilità dell’agente i è zero in corrispondenza dell’offerta
vi , e resta tale quando egli offre una qualunque cifra inferiore a vi . Anche in questo
caso non può fare di meglio, in quanto se facesse un’offerta superiore a vi la sua
utilità resterebbe nulla. 2
Possiamo a questo punto concentrarci sul caso delle aste di primo prezzo, dove
la determinazione di eventuali ENB non si ottiene senza ulteriori ipotesi. Svolge un
ruolo essenziale la seguente caratterizzazione degli ENB
Teorema 1.3 Il vettore b = (b1 (·), b2 (·), . . . , bn (·)) è un ENB se e solo se per ogni
giocatore i e per quasi ogni determinazione ṽi della variabile aleatoria vi , la funzione
che associa ad s in [0,1] la media E[ui (s; b−i (v−i )|vi = ṽi )] assume valore massimo
per s = bi (ṽi ).
Si noti che se indichiamo con gi (s) la funzione riportata nell’enunciato del teorema
precedente, gi (s) rappresenta, al variare dell’offerta s, l’utilità attesa del giocatore
i condizionata al valore ṽi . La naturale dipendenza funzionale di gi da ṽi è stata
omessa per brevità, come in precedenza era già stato fatto per le funzioni ui .
Se si assume che le variabili aleatorie vi siano indipendenti e con funzioni di distri-
buzione Fi , ciascuna determinata da una densità di probabilità fi , si ottiene
Z
gi (s) = ui (s; b−i (v−i ))Πj6=i fj (vj ) dvj
[0,1]n−1
nonché Z
Ui (bi ; b−i ) = ui (bi (vi ); b−i (v−i ))Πnj=1 fj (vj ) dvj =
[0,1]n
Z 1
= fi (ṽi )gi (bi (ṽi )) dṽi
0
Non esponiamo qui la dimostrazione del teorema appena enunciato, ci limitiamo
ad osservare che la sufficienza della condizione indicata nel teorema è di immediata
verifica: Se per una funzione bi : [0, 1] → [0, 1] risulta
gi (bi (ṽi )) − gi (bi (ṽi )) ≥ 0 per quasi ogni ṽi ∈ [0, 1]
4
allora è anche
Z 1
Ui (b) − Ui (bi ; b−i ) = [gi (bi (ṽi )) − gi (bi (ṽi ))]fi (ṽi ) dṽi ≥ 0
0
come volevasi.
e
{v−i : s > b(vj ) ∀j 6= i}.
Dunque
gi (s) = (vi − s)F n−1 (b−1 (s)).
Dal momento che in (q.o.) ṽi ∈ [0, 1] si ha che s = b(ṽi ) massimizza gi , possiamo
affermare che in s = b(ṽi ) la derivata gi0 deve essere zero, ossia che risulta
(1) b0 (v)F n−1 (v) = (v − b(v))(n − 1)F n−2 (v)f (v) ∀v ∈ [0, 1]
che insieme a
(2) D(F n−1 b) = (n − 1)F n−2 f b + F n−1 b0
fornisce
(3) D(F n−1 b)(v) = v(n − 1)F n−2 (v)f (v) ∀v ∈ [0, 1].
Integrando membro a membro la (3) otteniamo
Z v Z v
n−1 n−2 xdF n−1 (x)
(4) b(v) = n−1 xF (x)f (x) dx = .
F (v) 0 0 F n−1 (v)
Possiamo allora affermare che se un ENB simmetrico esiste, la funzione b che lo
caratterizza è necessariamente data dalla formula (4).
Effettivamente, invertendo il punto di vista, verifichiamo che la b(v) data dalla (4)
5
massimizza gi (s) e pertanto fornisce un ENB. Calcolando per parti l’integrale in (4)
abbiamo:
Z v Z v n−1
1 n−1 n−1 F (x)
b(v) = n−1 vF (v) − F (x) dx = v − n−1
dx.
F (v) 0 0 F (v)
Ne segue che v > b(v) e che b0 (v), la quale certamente verifica la (1), è strettamente
positiva.
Osservando che gi0 (s) > 0 è equivalente a
−F n−1 (b−1 (s))b0 (b−1 (s)) + (v − s)(n − 1)F n−2 (b−1 (s))f (b−1 (s)) > 0
e utilizzando l’identità (1) con v = b−1 (s) si ottiene l’equivalenza tra gi0 (s) > 0 e
6
se G(v) è la densità della variabile aleatoria “max {v1 , v2 , . . . , vn }”. Naturalmente
la funzione b(v) è la funzione di offerta ottimale data dalla (4). La funzione di
distribuzione della variabile aleatoria considerata è F n (v), da ciò segue che
Z 1 Z v
R1 = n(n − 1) f (v) dv xF n−2 (x)f (x) dx
0 0
7
dim: Si osservi che la dominanza di vi è stata dimostrata provando il teorema 1.2.
Per quanto concerne l’unicità, se noi immaginiamo che ui (di ; b−i ) ≥ ui (bi ; b−i ) ∀b ∈
[0, 1]n , ovviamente otterremo per ogni b−i l’uguaglianza tra i payoff ui (di ; b−i ) e
ui (vi ; b−i ). Nel caso fosse di < vi , la scelta di b−i in modo che Mi appartenga
all’intervallo ]di , vi [ determinerebbe ui (di ; b−i ) pari a zero, mentre ui (vi ; b−i ) sarebbe
uguale a vi − Mi > 0 che è assurdo. Alternativamente con vi < di la contraddizione
si ottiene assumendo Mi nell’intervallo ]vi , di [ e dunque producendo ui (di ; b−i ) = vi −
Mi < 0 mentre ui (vi ; b−i ) = 0. Dunque la condizione di dominanza necessariamente
comporta che di sia uguale a vi . 2
Esercizio 1.6 Verificare che se si assume che le offerte non superino vi per ogni i
e si numerano gli agenti in accordo a
v1 ≥ v2 ≥ · · · ≥ vn ,
allora possono apparire altre strategie dominanti. Ad esempio, nel caso v1 > v2
il primo agente ha strategie dominanti in tutto l’intervallo ]v2 , v1 ]. Il lettore moti-
vi la ragione per cui questa circostanza non contraddice l’unicità precedentemente
osservata.
Riferiamoci ora al caso dell’asta di primo prezzo. Ovviamente la situazione ot-
timale può essere vista come un caso di quella vista nella sezione 1.1 assumendo
che la distribuzione del vettore aleatorio dei valori sia concentrata nello specifico
vettore (v1 , v2 , . . . , vn ). Ciò determina che le quantità attese Ui (bi (·), b2 (·), . . . , bn (·))
si riducano alle quantità certe ui (b1 (v1 ), b2 (v2 ), . . . , bn (vn )) e che il riferimento alle
funzioni di offerta venga sostituito da quello ai valori delle offerte che indichiamo
semplicemente con bi invece che bi (vi ). Naturalmente l’ENB è ora indistinguibile
dall’EN per l’asta nella sua forma primaria.
Proposizione 1.7 Senza ledere la generalità si assuma v1 ≥ v2 ≥ · · · ≥ vn . Nel
caso sia v1 > v2 il gioco non presenta equilibri. L’asta viene aggiudicata all’agente 1
il cui payoff può avvicinarsi indefinitamente a v1 −v2 . Nel caso v1 = v2 = · · · = vr >
vr+1 ogni vettore di offerte del tipo (v1 , v2 , . . . , vr , br+1 , . . . , bn ) è un EN se bj ≤ vj
quando j > r.
8
2 Meccanismi diretti di vendita
2.1 Definizioni e condizioni di compatibilità degli incentivi
Introdurremo un modello matematico utile a rappresentare numerosi tipi di aste ba-
sando la trattazione sul cosiddetto Mechanism design. L’idea che è dietro la teoria
dei meccanismi è sommariamente la seguente: allo scopo di ottenere da un gruppo
di agenti che interagiscono in competizione tra di loro un determinato risultato, ad
esempio di efficienza, si definisce un insieme di regole (meccanismo) alle quali l’inte-
razione deve obbedire. Ciò avendo in mente che sarà poi il naturale comportamento
ottimale degli agenti, condizionato esclusivamente dal meccanismo, a produrre gli
effetti desiderati.
Tra i vari tipi di meccanismi introduciamo i cosiddetti meccanismi diretti di vendita
(MDV).
Immaginiamo una situazione nella quale siano presenti n potenziali acquirenti ed
un venditore di un bene indivisibile. Sul piano formale un meccanismo diretto di
vendita è una coppia di funzioni (p, c) del tipo
p : [0, 1]n → [0, 1]n
c : [0, 1]n → Rn
con l’ipotesi che la somma delle componenti di p sia minore o uguale di 1 e che
entrambe le funzioni siano conoscenza comune. La vendita avviene con la seguente
procedura: il venditore chiede agli agenti di dichiarare simultaneamente il valore del
bene. Come prima, la variabile aleatoria valore sia vi (il valore vero privato ṽi ) e ri
sia il valore dichiarato degli agenti. Registrato il vettore r = (r1 , r2 , . . . , rn ) ∈ [0, 1]n ,
il venditore valuta i vettori p(r) e c(r). In particolare p(r) è una vera e propria mi-
sura di probabilità sull’insieme degli agenti cui si unisce il venditore, eventualmente
indicato con l’indice i = 0. Il venditore assegna l’oggetto all’agente
Pn i con probabilità
pi , eventualmente lo tiene per sé con probabilità p0 = 1 − i=1 pi . Ciascun agente
i effettua comunque un pagamento di importo pari a ci (r).
Per quanto attiene alle ipotesi relative all’eventale asimmetria informativa connessa
con l’aleatorietà delle variabili vi , ci mettiamo esattamente nell’ipotesi 1.1 già de-
scritta in occasione delle aste.
Una volta effettuate le dichiarazioni r, il numero pi (r) rappresenta la probabilità con
cui l’agente i riceve l’oggetto. È per questo che la funzione p si chiama probabilità di
asssegnazione. Dunque p non è una probabilità, lo sono i suoi valori. La funzione c è
detta costo, difatti il numero ci (r) rappresenta per i il costo della sua partecipazione
alla vendita; si noti che ci (r) ∈ R, questo vuol dire mettere in conto la possibilità
che qualcuno riceva un corrispettivo per la partecipazione alla vendita. Esattamente
come nel caso delle aste, possiamo immaginare un gioco in cui l’agente i, a fronte
della dichiarazione delle strategie r ∈ [0, 1]n , riceve un utile dato da
ui = vi pi (r) − ci (r)
che è aleatorio in virtù del fatto che r, il vettore delle dichiarazioni, riflette l’aleato-
rietà per i del vettore v−i . Sempre con le stesse considerazioni che ci hanno portato
9
ad affiancare all’asta un gioco Bayesiano, anche qui è naturale associare al MDV un
gioco Bayesiano in cui gli agenti usano strategie ri : [0, 1] → [0, 1] e calcolano utilità
Ui (r1 (·), r2 (·), . . . , rn (·)) = EP [ui (r1 (v1 ), r2 (v2 ), . . . , rn (vn ))].
Ovviamente la caratterizzazione degli ENB espressa dal teorema 1.3 continua a
sussistere adeguatamente riformulata.
Il lettore osservi che la posizione
1 se xi > xj ∀j 6= i
pi (x1 , . . . , xn ) =
0 altrimenti
xi se xi > xj ∀j 6= i
ci (x1 , . . . , xn ) =
0 altrimenti
dà la possibilità di riconoscere un’asta di primo prezzo come MDV. Analogamente
la posizione
1 se xi > xj ∀j 6= i
pi (x1 , . . . , xn ) =
0 altrimenti
max{xj : j 6= i} se xi > xj ∀j 6= i
ci (x1 , . . . , xn ) =
0 altrimenti
consente di inquadrare un’asta di secondo prezzo tra i MDV.
Ora ci concentriamo su un processo di selezione dei MDV, per questo diamo
alcune definizioni.
Definizione 2.1 Un meccanismo si dice incentivo compatibile (IC) se le funzioni
identità ri (vi ) = vi formano un ENB.
Caratterizzare analiticamente i MDV che siano incentivo compatibili è agevole
alla luce del richiamato teorema 1.3: per ogni agente i e per quasi ogni ṽi in [0,1] la
funzione
s ∈ [0, 1] 7→ E[ui (s; v−i )|vi = ṽi ]
deve ammettere massimo in s = ṽi . La funzione in questione ossia il payoff atteso
dell’agente i quando, a fronte del valore vi = ṽi , dichiara s nell’ipotesi che tutti gli
altri agenti effettuino dichiarazioni veritiere, è nel caso attuale
s 7→ ṽi pi (s) − ci (s)
ove, dal momento che
E[ui (s; v−i )|vi = ṽi ] =
Z
= [ṽi pi (s; v−i ) − ci (s; v−i )] dP (· |vi = ṽi ),
[0,1]n−1
le due funzioni
pi (s) : [0, 1] → [0, 1]
e
ci (s) : [0, 1] → R
10
sono rispettivamente
Z
pi (s) = pi (s; v−i ) dP (· |vi = ṽi )
[0,1]n−1
e Z
ci (s) = ci (s; v−i ) dP (· |vi = ṽi ).
[0,1]n−1
Dunque, accanto ai vettori originari p = (pi (r)) e c = (ci (r)) abbiamo questi nuovi
vettori p e c le cui componenti sono funzioni di una sola variabile e che esprimono
pi (s) la probabilità media con la quale l’agente i riceve l’oggetto se, a fronte del
valore vi = ṽi , dichiara s nell’ipotesi che tutti gli altri agenti effettuino dichiarazioni
veritiere;
ci (s) il pagamento medio che l’agente i effettua se, a fronte del valore vi = ṽi ,
dichiara s nell’ipotesi che tutti gli altri agenti effettuino dichiarazioni veritiere.
Nell’ipotesi di indipendenza delle variabili aleatorie v1 , v2 , . . . , vn distribuite cia-
scuna secondo una densità fi le funzioni prima introdotte diventano
Z
pi (s) = pi (s; v−i )Πj6=i fj (vj ) dvj
[0,1]n−1
e Z
ci (s) = ci (s; v−i )Πj6=i fj (vj ) dvj .
[0,1]n−1
Posto ui (s, ṽi ) = ṽi pi (s)−ci (s), la condizione di incentivo compatibilità è equivalente
alla disuguaglianza ui (vi , vi ) ≥ ui (ri , vi ) per ogni ri ∈ [0, 1], per ogni agente i e per
q.o. vi ∈ [0, 1].
L’importanza della condizione di incentivo compatibilità dei meccanismi risiede
nel fatto che nel successivo teorema di rivelazione scopriremo che per determinare un
meccanismo ottimale sarà sufficiente considerare, con una notevole semplificazione
della selezione, solo quelli incentivo compatibili. Inoltre essi sono particolarmente
maneggevoli dal momento che il teorema seguente li caratterizza in modo semplice.
Teorema 2.3 Un meccanismo diretto di vendita (p, c) è incentivo compatibile se e
solo se per le funzioni p e c vale quanto segue:
• ogni pi è crescente
• ogni ci soddisfa l’identità Rv
ci (vi ) = ci (0) + vi pi (vi ) − 0 i pi (x) dx ∀vi ∈ [0, 1].
11
dim: Supponiamo che (p, c) sia incentivo compatibile. Dunque per ogni agente i e
per ogni vi , ri ∈ [0, 1] risulta
ui (vi , vi ) ≥ ui (ri , vi )
ossia
vi pi (vi ) − ci (vi ) ≥ vi pi (ri ) − ci (ri )
che possiamo riscrivere nella forma seguente
ossia
(vi − ri )(pi (vi ) − pi (ri )) ≥ 0
che è proprio la monotonia della funzione pi .
Data la caratterizzazione della incentivo compatibilità fornita dalla proposizione 2.2,
la funzione ui (s, vi ) ha derivata nulla in s = vi ossia risulta
vi p0i (vi ) = c0i (vi ).
Poiché l’uguaglianza precedente deve essere valida per ogni valore vi , integrando
sull’intervallo [0, vi ] otteniamo
Z vi
ci (vi ) = ci (0) + xp0i (x) dx
0
ui (vi , vi ) ≥ ui (ri , vi ).
Date le ipotesi, la precedente disuguaglianza si può scrivere nella forma
Z vi
vi pi (vi ) − ci (0) + vi pi (vi ) − pi (x) dx ≥
0
Z ri
≥ vi pi (ri ) − ci (0) + ri pi (ri ) − pi (x) dx
0
o, equivalentemente,
Z vi Z ri
pi (x) dx − pi (x) dx ≥ (vi − ri )pi (ri )
0 0
12
che, tenendo conto dell’uguaglianza
Z vi
(vi − ri )pi (ri ) = pi (ri ) dx,
ri
diventa Z vi
(pi (x) − pi (ri )) dx ≥ 0.
ri
La monotonia della funzione pi assicura dunque il risultato. 2
13
ossia l’utilità attesa relativa all’equilibrio di Nash Bayesiano considerato, coincide
con quella associata nel mecccanismo (b p, b
c) alle dichiarazioni veritiere.
Dunque l’insieme numerico su cui il venditore massimizza coincide con l’insieme di
tutti i numeri della forma R(p, c) al variare del MDV incentivo compatibile (p, c).
Il principio di rivelazione viene anche enunciato dicendo che ad ogni coppia ((p, c), r)
formata da un MDV e da un EN si può associare un MDV equivalente che sia
incentivo compatibile. Il senso dell’equivalenza è proprio quello espresso dal fatto
che, nell’equilibrio delle dichiarazioni veritiere, venditore ed agenti hanno utilità
attese invariate.
dim: La definizione di (b p, b
c) è la seguente:
pb(x1 , . . . , xn ) = p(r1 (x1 ), . . . , rn (xn ))
ed, analogamente,
c(x1 , . . . , xn ) = c(r1 (x1 ), . . . , rn (xn )).
b
La verifica dell’equivalenza è semplice. Infatti
" n #
X
R(b
p, b
c) = EP ci (v1 , . . . , vn ) =
b
i=1
" n
#
X
= EP ci (r1 (v1 ), . . . , rn (vn )) = R(p, c; r)
i=1
per definizione. Analogamente, per definizione,
Ui (b c) = EP [vi pbi (v) − b
p, b ci (v)] = Ui (p, c; r).
L’incentivo compatibilità per il meccanismo (b
p, b
c) è equivalente a
E[ṽi pbi (x; v−i ) − b
ci (x; v−i )|vi = ṽi ] ≤
≤ E[ṽi pbi (ṽi ; v−i ) − b
ci (ṽi ; v−i )|vi = ṽi ] ∀x ∈ [0, 1]
Che si può riscrivere nella forma
E[ṽi pi (ri (x); r−i (v−i )) − ci (ri (x); r−i (v−i ))|vi = ṽi ] ≤
≤ E[ṽi pi (ri (ṽi ); r−i (v−i )) − ci (ri (ṽi ); r−i (v−i ))|vi = ṽi ] ∀x ∈ [0, 1]
che è certamente verificata poiché per ipotesi (r1 , . . . , rn ) è EN per il gioco con utilità
pari a Ui (p, c; r) per cui si ha per ogni i e per quasi ogni ṽi , che la funzione
s ∈ [0, 1] 7→ E[ui (s; r−i (v−i ))|vi = ṽi ]
ammette massimo in s = ri (ṽi ). 2
Per l’asta di primo prezzo, nel caso di vi indipendenti ed identicamente distribuite
con densità f (x), sappiamo che la strategia
Z v
n−1
b(v) = n−1 xF n−2 (x)f (x) dx
F (v) 0
14
fornisce l’unico equilibrio di Nash simmetrico. Sulla base del principio di rivelazione
l’asta equivale al MDV incentivo compatibile che prevede p invariata (poiché b è
strettamente crescente) e la funzione costo, ancora indicata con c anziché b c, pari a:
b(xi ) se xi > xj ∀j 6= i
ci (x1 , . . . , xn ) = .
0 altrimenti
Le medie pi e ci sono in questo caso
Z
pi (s) = Πj6=i f (xj ) dxj =
{x−i :s>xj ∀j6=i}
X = max{vj : j 6= i}
di densità (n − 1)F n−2 f , per cui
Z Z s
ci (s) = X(v−i ) dv−i = xF n−2 (x)f (x)(n − 1) dx
{X≤s} 0
15
dim: Se (p, c) è un MDV che sia incentivo compatibile, il ricavo atteso, all’equilibrio
veritiero, è
Xn Z
R(p, c) = ci (v)f (v) dv.
i=1 [0,1]n
2
Si noti che l’ipotesi di positività delle densità marginali può essere omessa nel
caso di variabili aleatorie vi indipendenti.
Come conseguenza del precedente teorema di equivalenza dei ricavi ritroviamo il
teorema di equivalenza dei ricavi nel caso di aste di primo e di secondo prezzo già
dimostrato per via diretta.
Corollario 2.6 Nell’ipotesi SIPV il venditore dall’unico equilibrio simmetrico del-
l’asta di primo prezzo e dall’equilibrio delle dichiarazioni veritiere nel’asta di secondo
prezzo ottiene lo stesso ricavo atteso.
Il ricavo atteso R delle aste di primo e secondo prezzo si può calcolare mediante
la formula (∗) e le espressioni prima ricavate per p e c. Precisamente
Xn Z 1 Z vi
n−1 n−1 n−1
R= vi F (vi ) − F (x) dx f (vi ) dvi + b(0)F (0) =
i=1 0 0
Z 1 Z s
n−1 n−1
=n sF (s) − F (x) dx f (s) ds
0 0
n−1
Nel caso di valori distribuiti uniformemente R vale n+1
.
16
2.3 Selezione di meccanismi ottimali ammissibili
Tra i meccanismi che siano incentivo compatibili si possono isolare quelli che sono
individualmente razionali (IR), ovvero quelli che garantiscono a ciascun agente che
nell’equilibrio delle dichiarazioni veritiere essi non subiscano mediamente perdite.
Ovviamente la razionalità individuale serve ad escludere che un agente, in caso di
perdite attese, decida semplicemente che è preferibile per lui non partecipare alla
vendita. In altre parole, il concetto di meccanismo individualmente razionale serve
per individuare meccanismi ammissibili.
Dal momento che intendiamo massimizzare l’insieme
{R(p, c; r) : r è un ENB associato a (p, c)}
il quale, in virtù del principio di rivelazione, coincide con
{R(p, c) : (p, c) è IC},
l’ammissibilità alla quale stiamo pensando, detta anche razionalità individuale, con-
siste nel garantire ad ogni giocatore che all’equilibrio delle dichiarazioni veritiere
tutti i guadagni attesi condizionati
17
Indichiamo le ipotesi nelle quali otterremo sia l’esistenza sia la forma del meccanismo
ottimale.
1) I compratori hanno valori vi che sono conoscenza privata, il vettore v dei valori
si distribuisce secondo una misura di probabilità a priori P che è conoscenza comune;
2) Le variabili aleatorie vi sono indipendenti e la funzione di distribuzione di P è
Πni=1 Fi (xi ) essendo Fi la funzione di distribuzione di vi ;
3) Le variabili aleatorie vi sono continue e dotate di densità fi che si assumono
continue nonché strettamente positive su [0,1];
4) Ciascuna delle funzioni
1 − Fi (x)
ρi : x ∈ [0, 1] 7→ x −
fi (x)
è strettamente crescente.
Si noti che le uniche condizioni realmente nuove rispetto a quelle finora introdotte
sono la 4) e il fatto che le fi sono strettamente positive e continue.
Ricordiamo che il ricavo atteso del venditore all’equilibrio veritiero è
Xn Z 1Xn Z vi
R(p, c) = ci (0) + vi pi (vi ) − pi (x) dx fi (vi ) dvi
i=1 0 i=1 0
n
X Z n
X
= ci (0) + pi (v)ρi (vi ) dP v
i=1 [0,1]n i=1
18
sotto il vincolo che
ogni pi sia crescente su [0,1],
ogni ci (0) sia ≤ 0
e che valgano per ogni i le formule
Z vi
ci (vi ) = ci (0) + vi pi (vi ) − pi (x) dx ∀vi ∈ [0, 1]
0
ossia sotto il vincolo che il meccanismo (p, c) sia incentivo compatibile ed individual-
mente razionale. Per risolverlo, introduciamo la funzione
z(v) = max{0, ρ1 (v1 ), . . . , ρn (vn )}
e notiamo che interpretando la quantità ni=1 pi (v)ρi (vi ) come valorePmedio dell’in-
P
sieme {0, ρ1 (v1 ), . . . ρn (vn )}, otteniamo che la funzione z(v) maggiora ni=1 pi (vi )ρi (vi )
per
R cui la parte integrale del nostro obiettivo (e l’obiettivo stesso) si maggiora con
[0,1]n
z(v) dP v. Ora scegliamo la funzione probabilità di assegnazione p in modo che
Z n
X Z
(∗∗) pi (v)ρi (vi ) dP v = z(v) dP v.
[0,1]n i=1 [0,1]n
19
L’idea che è dietro la formula (2) è che dovendo garantire ci (0) ≤ 0 nonché l’incentivo
compatibilità tramite il legame tra pi e ci , potendosi interpretare pi e ci , come valori
medi, allora la cosa più semplice da concepire è proprio R vche ci (0) sia uguale a zero
e che le relazioni ci (0) = 0 e ci (vi ) = ci (0) + vi pi (vi ) − 0 i pi (s) ds siano frutto delle
analoghe relazioni tra i valori non mediati. È questo ciò che è espresso dalla relazione
(2). Dimostreremo ora l’ottimalità del meccanismo (p, c) definito in (1) e (2).
Basta osservare che se (p0 , c0 ) è un qualunque MDV che sia incentivo compatibile e
individualmente razionale, allora
Z Z Xn
0 0
R(p , c ) ≤ z(v) dP v = pi (v)ρi (vi ) dP v = R(p, c)
[0,1]n [0,1]n i=1
20
questo vuol dire che, dati i valori v1 , v2 , . . . , vn dichiarati dai compratori, il venditore
darà l’oggetto ad i se (∗ ∗ ∗) vale, oppure lo terrà. Vediamo che nel primo caso solo
l’agente i pagherà e che nel secondo caso nessun agente sosterrà costi.
Se l’agente i non riceve l’oggetto, ossia se pi (vi ; v−i ) = 0, allora il suo pagamento
è dato da (2) ovvero
Z vi
ci (v) = vi · 0 − pi (x; v−i ) dx = 0
o
se si considera che pi è crescente nella i-ma variabile per cui l’integrando è zero.
Quando per l’agente i si ha pi (vi ; v−i ) = 1, quindi l’agente i ottiene l’oggetto, allora
il pagamento è Z vi
ci (v) = vi − pi (x; v−i ) dx.
o
Sia ri∗ il massimo dell’insieme {x : pi (x; v−i ) = 0} e dunque
0 se x ∈ [0, ri∗ ]
pi (x; v−i ) = .
1 se x ∈]ri∗ , 1]
Ne segue che Z vi
ci (v) = vi − dx = ri∗
ri∗
ovvero l’agente i che ottiene l’oggetto paga un prezzo indipendente dal valore vi
pari al valore più grande che egli può indicare (dati i valori altrui) senza ricevere
l’oggetto.
È possibile caratterizzare ri∗ come soluzione di un’opportuna equazione: Fissato
che sia v−i , si consideri l’equazione in x
21
assegnazione all’agente i, solo quest’ultimo paga e paga un ammontare ri∗ che è
caratterizzato dall’essere soluzione dell’equazione (3), essendo il numero ri∗ il più
grande valore che può essere dichiarato dall’agente i, date le dichiarazioni altrui,
senza ricevere l’oggetto.
Osservazione: Il meccanismo di assegnazione ottimale può non essere efficiente
in uno dei due sensi seguenti: o perché attribuisce l’oggetto ad un agente per cui
esso non ha il valore più alto (il venditore confronta i numeri ρi (vi ), non i valori
vi ), oppure perché non lo assegna affatto nonostante qualcuno tra gli agenti sia
disposto ad acquistarlo, mentre per il venditore esso ha valore zero (per ulteriori
approfondimenti si veda [3], pag 397).
22