1.1 Einführung und institutionelle Grundlagen www.uni-graz.at/iufwww/EU www.wiwi.uni-frankfurt.de/Professoren/Ewert/EU  Wagenhofer/Ewert 2002. Alle Rechte.

Slides:



Advertisements
Ähnliche Präsentationen
Gliederung Problemstellung
Advertisements

Spieltheorie Analyse und Umsetzung in Java
Themen Grundlagen Bedingungen für Koalitionsstrukturen
F FnFn z Prof. Dr. Johann Graf Lambsdorff Universität Passau SS Zur Bildung von Zyklen.
Graphen- und spieltheoretische Untersuchung sowie ökonomische Experimente zum Verhalten von Verkehrsteilnehmern von Gerd Meinhold Betreuer: Prof. Dr. Bernd.
Einführung und institutionelle Grundlagen
Bilanzpolitik – Spezialfragen
2.1 Informationsfunktion Wagenhofer/Ewert Alle Rechte vorbehalten.
Sicherheitsäquivalent der Lotterie L
Prinzipal-Agenten Beziehungen
1/21 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – Reinforcement Learning in MAS Projektgruppe KIMAS Reinforcement Learning in MAS Marc Pannenberg.
Anwendung und Visual Basic
Klicke Dich mit der linken Maustaste durch das Übungsprogramm!
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (19 - Analyse natürlicher Bäume) Prof. Th. Ottmann.
Portfoliomodelle Faktormodelle
Schwierigkeitsgrad III 6 X - 7 = X
Bilanzpolitik – Spezialfragen
Abschnitt 7: Moral-Hazard in einem Principal-Agent Modell
12. Zur Bildung von Zyklen Prof. Dr. Johann Graf Lambsdorff
F FnFn z Prof. Dr. Johann Graf Lambsdorff Universität Passau SS a. Anhang zur Bestimmung der optimalen Taylor-Regel.
AkadDir W. Wagner, Didaktik der Chemie, Universität Bayreuth
erstellt von Petra Bader
Methodisches Problemlösen - die INVENToolbox ® der INVENT NET ® GmbH
Analyse eines Handballspielzuges
Folien zur Veranstaltung Einführung in die Systemwissenschaften Wichtig: Die Folien dienen nur zur Präsentation, sie enthalten nicht die vollständige Veranstaltung!
|| rank-order tournaments as optimum labor contracts ||
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Projektvortrag von Andreas Hapek
Die Herleitung der Lösungsformel für gemischt quadratische Gleichungen
von Renate Pauer Susanne Haberl am 11. April.2011
Grundmodelle für Peak Oil
Kapitel 16 Ökonometrische Modelle
Einführung ins Lösen von Textaufgaben (Textgleichungen)
Spieltheorie Mária Némethy.
A. Gebert / A. Henke Ant colony simulation.
Grundlagen des Solvers

Lineare Gleichungen mit 2 Variablen
Bilanzpolitik – Spezialfragen
2.1 Wert von Informationssystemen graz.at/de/stud0/lehrveranstaltungsmaterialien/  Wagenhofer/Ewert Alle Rechte vorbehalten.
Modellieren mit Mathe in Jg. 8
Nichtlineare Optimierung
Dr.-Ing. R. Marklein - GET I - WS 06/07 - V Grundlagen der Elektrotechnik I (GET I) Vorlesung am Fr. 08:30-10:00 Uhr; R (Hörsaal)
Dr.-Ing. R. Marklein - GET I - WS 06/07 - V Grundlagen der Elektrotechnik I (GET I) Vorlesung am Fr. 08:30-10:00 Uhr; R (Hörsaal)
Theorie, Anwendungen, Verallgemeinerungen
2. Einzielentscheidungen mit einem Szenarium
Stochastik ganz kurz Beispiel diskret Würfelwurf Beispiel stetig
2. Einzielentscheidungen mit einem Szenarium
Vortrag Relative Orientierung
2.1 Informationsfunktion  Wagenhofer/Ewert Alle Rechte vorbehalten.
4.1 Bilanzierungs- und Bewertungs- grundsätze  Wagenhofer/Ewert Alle Rechte.
2.1 Ziele n Modellierung und Analyse von Informationssystemen n Darstellung grundsätzlicher Einflussfaktoren für die Vorteilhaftigkeit von Informationssystemen.
Ziele Anreize zu Bilanzpolitik
Aktienoptionen als Lösung des Prinzipal-Agenten-Problems? Thema 2.1: Aktienoptionen als materieller Leistungsanreiz Vortrag 2: Patrick Struck.
Stochastik I Erwartungswert
Lineare Gleichungen Allgemeine Einführung Äquivalenzumformungen
Der Wiener Prozess und seltene Ereignisse
Die Dynamik von abgeleiteten Preisen Stochastische Differentialgleichungen.
Aufbau einer Projektorganisation
Geoinformationssysteme
Einige Elemente der Spieltheorie
Verhandlungstechnik und alternative Streiterledigung, FS 2012 Dr. iur. Peter Liatowitsch Büttel Deborah, Giacometti Lorette, Herzog Julian, Hochstrasser.
C3: Strategische Interaktion und Anreize für nachhaltiges ökonomisches Handeln Page 1  Ziel: Untersuchung von Anreizproblemen, die nachhaltige Wertschöpfungsnetze.
Prognose von Zeitreihen Hans Nübel Hans Nübel Prognose von Zeitreihen Aufbau 1.Motivation 2.Holt-Winters-Verfahren 3.Prognose.
Lineare Optimierung Nakkiye Günay, Jennifer Kalywas & Corina Unger Jetzt erkläre ich euch die einzelnen Schritte und gebe Tipps!
Vorlesung im Rahmen des Deutsch-Französischen Dozenten-Austauschprogramms „Minerve“ Dr. Matthias Hanauske Institut für Wirtschaftsinformatik Goethe-Universität.
Independent Component Analysis: Analyse natürlicher Bilder Friedrich Rau.
Einführung und institutionelle Grundlagen
Schnitt Ebene/Ebene Voraussetzungen Die Ebenen
 Präsentation transkript:

1.1 Einführung und institutionelle Grundlagen  Wagenhofer/Ewert Alle Rechte vorbehalten.

1.2 n Spieltheoretische Grundlagen (1) Ein Spiel umfasst zwei oder mehrere Spieler, deren Aktionen die eigenen sowie fremde Ergebnisse umfassen. Jeder Spieler maximiert sein eigenes Ergebnis x = x(a) Der Spielverlauf hängt von der Struktur des Spiels ab:  Zeitliche Abfolge der Aktionen  Informationsstand der einzelnen Spieler  Aktionsräume der Spieler  Ergebnisfunktionen Die Struktur des Spiels ist allen Spielern bekannt Modelltheoretische Grundlagen

1.3 Spieltheoretische Grundlagen (2) n Strategien der einzelnen Spieler Da die Struktur des Spiels bekannt ist, kann jeder Spieler bereits ex ante für jede mögliche Spielsituation seine Aktion festlegen Die Summe dieser Aktionen nennt man die Strategie des Spielers Die Summe der Strategien determiniert das Ergebnis des Spiels  Reine Strategien  Gemischte Strategien  Spiele mit vollständiger Information  Spiele mit imperfekter Information

1.4 Spieltheoretische Grundlagen (3) n Gleichgewichte Standardlösungskonzept: Nash-Gleichgewicht  Statisches Gleichgewichtskonzept: Gleichgewicht sagt nicht, wie man dazu kommt Dominante Strategien: Bayessches Nash-Gleichgewicht:  Gleichgewichtskonzept für Spiele mit imperfekter Information  Spieler wählen optimale Strategien, wobei sie ihre Erwartungen anhand der Bayesschen Regel bestimmen und updaten

1.5 n Verfeinerungen (Refinements) Problem: in vielen Spielen ergeben sich mehrere Gleichgewichte Welches Gleichgewicht wird letztendlich gespielt ???? Refinements dienen der Identifikation von „realistischeren“ Gleichgewichten  Subgame perfect Equilibrium  Sequential Equilibrium  Trembling Hand Perfect Equilibrium Spieltheoretische Grundlagen (4)

1.6 n Kooperative und nicht kooperative Spiele Kooperative Spiele: Zusammenarbeit, Absprachen, Seitenzahlungen zwischen den Spielern Nichtkooperative Spiele: keine Möglichkeit, sich zu einem bestimmten Verhalten zu verpflichten (Precommitment) n „Stackelberg“-Spiele Leader-follower Spiele Möglichkeit des leaders, sich zu einem bestimmten Verhalten zu verpflichten Vorteil für den leader Follower kann nur reagieren Spieltheoretische Grundlagen (5)

1.7 Agency-Modelle (1) n Spieler: Prinzipal, Agent Prinzipal verpflichtet sich zu einer Strategie (schließt Vertrag mit dem Agenten) Agent kann Vertrag annehmen oder ablehnen n Typische Anwendungsgebiete: Analyse hierarchischer Situationen  Verhältnis Eigentümer - Manager  Unternehmensleitung – Bereichsmanager  Manager – Arbeitnehmer  Kreditgeber – Kreditnehmer

1.8 Agency-Modelle (2) n Grundlegendes Agency-Modell: Prinzipal Eigentümer einer Produktionstechnologie Agent erbringt Arbeitsleistung a Ergebnis x fließt dem Prinzipal zu, ist abhängig von der Arbeitsleistung des Agenten x =(a,  ) a ist für den Prinzipal nicht beobachtbar  ist eine stochastische Größe, die verhindert, dass der Prinzipal von x auf a rückschließen kann ( non-moving- support) a verursacht dem Agenten privaten Disnutzen (Arbeitsleid) Asymmetrische Information in Kombination mit Zielkonflikt führt zu einem personellen Koordinationsproblem (Anreizproblem)

1.9 Agency-Modelle (3) Zur Lösung dieses Anreizproblems bietet der Prinzipal einen Entlohnungsvertrag mit geeigneten Leistungsanreizen an Dieser Vertrag muss dem Agenten zumindest seinen Reservationsnutzen zugestehen Darüber hinaus wird der Vertrag so konzipiert, dass der Agent die aus Sicht des Prinzipals ergebnismaximale Arbeitsleistung erbringt (AB) u.d.B.: E[U(S(x), a)]  U für alle a‚(TB)

1.10 Das LEN-Modell (1) L = linear; E = exponentiell; N = normalverteilt n Ergebnis x linear in Arbeitsleistung und stochastischer Größe x = a+  n Die Entlohnungsfunktion ist linear in x S(x) = S 0 + s  x n Nutzenfunktion des Agenten exponentiell und multiplikativ separierbar in S und a U(S, a) = -exp[-r  (S - K(a))] n stochastische Größe ist normalverteilt mit N  (0,  2 )

1.11 Das LEN-Modell (2) n Darstellung des Sicherheitsäquivalents: Erwartungswert der Entlohnung -Disnutzen -Risikoprämie n (TB) ergibt sich mit U  U(u) und E(x) = a als n (AB) ergibt sich als

1.12 Das LEN-Modell (3) n Umformung Erwartungsnutzen des Prinzipals: n Eingesetzt ergibt sich: u.d.B. = a  K(a)  – u

1.13 Das LEN-Modell (4) n Mit lassen sich folgende explizite Lösungen errechnen: n Erw. Nutzen Prinzipal:

1.14 Ein binäres Modell (1) n Zwei mögliche Ergebnisse n Zwei mögliche Arbeitsleistungen des Agenten n Es gilt: p H > (1-p L ) xHxH xLxL aHaH pHpH (1-p H ) aLaL (1-p L )pLpL

1.15 Ein binäres Modell (2) n Prinzipal ist risikoneutral n Agent ist risikoscheu: Ersetze V(a j ) durch v j mit v H >v L  0 und Nutzenfunktion des Agenten: U(S,a) = u i -v j n Optimierungsproblem: u.d.B.(TB) (AB)

1.16 Ein binäres Modell (3) n Beide Nebenbedingungen binden im Optimum n Man erhält zwei Gleichungen mit zwei Unbekannten, u L und u H n Auflösen der Gleichungen nach u L und u H ergibt: S*(x i ) = u i 2