地方主导

给定（si，s）-（一）∈ Si×S-i、 设ζt（si，s）-i） 表示由（si，s）引起的历史（θ，a，…，at）-i） 。定义7确定集合h上的信息∈ H*一对有序的动作（ai，ai）∈啊，啊。我们是这样的-我 s-i（h）与（ai，ai）局部相关∈ Si（h，ai），存在Si∈ 模拟sigiven h和S的Si（h，ai）-我就是这样s-我∈s-我t>τ（h），r=1。。。，k（t），gt，ri（ζt，si，s-i） ）=gt，ri（ζt（si，s-i） ）。本地相关性并不意味着我们的参与者一定会通过查看当前结果来找到解决本地问题的方法——这是主导地位所要求的。本地相关性表示，如果我们的玩家能够对两部动作片产生的舞台效果进行排名，那么这个排名将反映在最终的结果序列中（y-t、 ri，yt，ri）可能不可行，但这是确定的，因为与前几节一样，所有最终（顺序）结果都定义了参考值。序列，与她以后的行动无关。因此，她可以专注于当地的选择，而无需预先规划——未来可以理所当然地被忽略。在偶然推理方面，我们保留了结尾部分。在场景中，当一个动作终止游戏而另一个动作不终止游戏时，通常不可能满足局部相关性：当动作继续时，其他非虚拟结果可能随之而来。因此，我们也要求玩家在继续游戏时意识到游戏的伤害或益处。然后，在每一个场景中，我们为主导施加两个常见条件中的一个：对于当前的每一个结果，要么主导行为总是只能产生比主导行为更好的实现，要么这两个行为对结果没有影响。

给定一个stage-t信息集h∈ H*i、 哎∈ Ahi和s-我∈ s-i（h），设ζh（ai，s）-i） 表示s导致的t+1阶段历史-i、 通过i的移动导致h（由完美回忆唯一识别）和ai。定义8确定阶段信息集h∈ H*我有两个动作（ai，ai）∈啊，啊。动作舞台永远主导着动作舞台-我∈ S（h，ai，ai），以下两个条件S保持：。艾瑟斯-本地相关的iis，或每个si∈ Si（h，ai）和som e Si∈ Si（h，ai），s-我∈ s-i、 θ（s）-i） ，gi（ζ（si，s-i） ）%*i（θ（s）-i） ，（gti（ζ（si，s-i） ）d。。。，d） )s-我∈ s-i、 θ（s）-i） ，（gti（ζ（si，s-i） ）d。。。，d） ）%*i（θ（s）-i） ，gi（ζ（si，s-i） ）2。每r=1。。。，k（t）也是s-i、 s-我∈ s-i、 θ（s）-i） ，gt，ri（ζh（ai，s-i） ）%t，ri（s-i） ，gt，ri（ζh（ai，s-i） ）。（20） 或者s-我∈s-i、 gt，ri（ζh（ai，s-i） ）=gt，ri（ζh（ai，s）-i） ）。（21）如果ActionAi局部s-支配其他ai，则ActionAi是局部阶段主导的∈ 阿希。局部s-优势的条件1允许玩家正确地关注当前的结果，因为未来的结果不会受到当前选择的影响，或者因为它们在主导行为之后显然是有害的，在主导行为之后尤其有益。条件2一次关注一个当前结果，对于两个行动之间的选择可能产生一些差异的结果，这种差异必须有利于所有结果的主导行动。由于关注当前阶段成熟的结果，内部收益率提升条件实际上意味着这两个行动在战略上等同于结果，就像静态博弈一样。至于过去，对尚未成熟的结果的关注自动意味着，在我们的玩家心目中，“过去的都是过去的”，这是应该的。

考虑到游戏的结构，只关注当前阶段是很自然的，即使不理解这是什么合适。局部s-优势对玩家是否专注于局部舞台很重要，因为这是正确的做法，还是作为认知限制的一种形式。然而，要求（过去和未来）可以被合理地忽略，这让我们可以判定，玩家很容易被欺骗，他们可以首先提出一个没有任何利害关系（或只是一个成为独裁者的小机会）的完全释放游戏，然后是一个“确认或死亡”阶段。现在，我们通过介绍的“抓”或“拿”游戏来说明本地的s-优势。以第一阶段为例。每个玩家我都必须在抓取（ai）或Nab（ai）之间进行选择。这两种行为都不会终止游戏。所以，唯一的非空场景(,哎，哎）是赛，哎() 这与-i、 我们首先表明，该场景与当地相关。解决任何问题∈ 是的(, ai）；它只规定了第二阶段的一个动作，因为玩家不观察第一阶段的动作。修正模仿的错误∈ 是的(, ai）规定了与第二阶段相同的行动。每-我∈ s-我只为第二阶段规定了一个动作。然后，在第二阶段对s的比赛中，SiandSi产生了相同的结果-i、 现在，目前的结果是舞台剧的结果。Ai给出的最差值是H3，最好值是H2。因此，通常s-do排斥人工智能。现在考虑playeri的唯一第二阶段信息集h。两个动作都会终止游戏，所以唯一的场景是Sai，ai（h）=S-i、 我们处于重复博弈中，因此第二阶段的结果和偏好完全独立于第一阶段。此外，没有未来可以考虑。因此，情况是这样的。与当地有关。同样，结果是舞台剧的结果。

对第一阶段的结果进行相同的比较，确定了人工智能主要由人工智能主导。因为我们对最终结果序列有偏好关系，所以可以将局部优势与前一部分的概念进行比较。局部优势比一厢情愿的优势更强大，因为过去和未来都是正确认识的，而分离同一阶段的不同结果不能得出任何与完美的偶然推理相反的结论。尽管采用了相同的模仿和无关的场景和想法，但局部s-支配地位并不比局部e-支配地位强也不弱：正如G r ab或Nab所示，分解成多个结果有助于玩家的推理，但它也禁止在一个阶段用另一个阶段的收益来补偿一个阶段的不足（如在TTC中，在当前阶段未能获得一个项目将通过在下一阶段追赶来补偿）。在一个静态博弈中，这些差异显然消失了，只有一个结果：条件n 2 o flocal s-优势与局部e-优势重合，条件1基本成立（没有未来）。注9：在一个静态博弈中，有单一结果，局部s-优势和局部E-优势。因此，局部s-优势本质上也可以归结为明显的不稳定游戏的优势。定理4具有唯一结果且无策略等价的静态博弈是明显的策略证明的当且仅当它是局部占优下的局部策略证明。证据直接从备注9和命题2开始。相反，在一个动态机制中，局部s-优势甚至可以比Pycia和Troyan（2021年）的简单明显优势更强。简单而明显的支配地位是指计划范围与当前阶段一致，但能够比较所有最终结果的参与者，即使他们在未来很遥远的地方也不例外。

相反，地方相关性规定，在这两个动作之后，未来的结果将是相同的，因此玩家实际上不需要仔细检查它们。我们在结束本节时强调，结果的分解在设计中起着至关重要的作用。对这个问题进行更全面的分析将包括一个合同空间，在这个空间中可以定义结果，这超出了本文的范围，但在奥苏贝尔拍卖会上，我们将提出一个合理的合同空间，并了解从这个空间中选择结果是如何以一种使局部s-优势关系出现的方式构建游戏的关键。6.1 Ausubel拍卖我们考虑Ausubel（2004）的多单元拍卖环境。拍卖师试图将同一物品的M个相同单位卖给n个竞拍者。每一个投标人都有一个单独的、增加的单元估值，而每一个额外单元的估值都在减少。在每轮t中，拍卖师称价格为pt<pt-1和我提交的每个投标人bti≤ 英国电信-1i（单调投标）。如果所有投标的总金额大于M，则分配给每个投标人的数量应为maxMeqti=maxn0，M-Pj6=ibtjo；与上一轮qti的差异- qt-通过单调投标，1是非负的，并且以pt价格出售给投标人i。然后，拍卖进入第t+1轮。我们选择奥苏贝尔的“无投标信息”设计，因为有必要建立我们感兴趣的地方主导关系；也就是说，竞标者只知道生产仍在进行中。如果所有投标的总和等于或低于M，则生产结束。如果没有超额供应，分配给每个投标人的最终数量正好是bti=qti。如果供应过剩，每个投标人将在QTI和bt之间分配一个数量QTI-1i，根据配给规则计算。

这引发了一场关于哪些配给规则能保持策略的可靠性，哪些不能的争论：见Okamoto（2018）和Ausubel（2018）。对于离散时钟拍卖的分析，奥苏贝尔假设估值来自同一组价格；在这种情况下，如果一个玩家总是以当前价格出价购买她非常喜欢的单位数量，那么她将不在乎从配给中获得的单位数量。相反，我们允许f或任何估值，并且我们实施了配给规则，以使低于下一轮需求或高于当前需求的每一次出价都是当地的弱势。Usubel还规定，玩家的出价不得低于她在拍卖期间分配的数量，但我们发现这与我们接下来讨论的“无出价信息”设计不兼容。类似地，在假设估值和价格来自wediscuss nex t.主导的同一组数据的情况下，无投标信息设计是唯一一种保证Subel（2014）战略证明性的设计。此外，这一定价规则将允许对产出进行简单分解，这使得低于下一轮需求的投标在当地处于s主导地位。我们无法找到一个没有单调竞价的配给规则，并且引入单调竞价不允许过度竞价成为本地的s-主导，正如我们将解释的那样——但是请注意，过度竞价只会增加拍卖人的利润。顺序配给规则我们做的配给规则如下。投标人的顺序从1到n——为了公平起见，投标人的顺序可以在每轮中随机确定，投标人不需要了解顺序。从当前投标bti开始，分配给投标人1的数量增加，直到不再有多余的供应，或直到达到bt-1，以先到者为准。

如果英国电信-当达到1时，仍然存在供应过剩，投标人2将执行相同的操作。很快。最后，如果操作以较低的投标人或bt结束，则每个投标人i都被分配bti-1i，如果操作以更高的出价结束，则orbqti=M-Pj<ibt-1j-Pj>ibtj，如果操作以投标人i结束。注意以下事项。如果bti>bqti，则操作结束于较低的投标人，因此投标人i被指定为bti。如果英国电信-1i<bqti，操作在一个更高的投标人处结束，因此投标人i被指定为bt-1i。因此，i的最终数量为bqti，不取决于i的出价，除非低于btior或高于bt-1i。因此，我能看到的所有投标人首先是她愿意以pt，bt价格购买的最大数量-1i和最小数量bti。还要注意的是，通过单调的竞价，我们得到了qt-1i≤ BKTI≤ 因此，qti，也就是当i设定的最小值或最大值绑定时，分配给i的数量a不低于已经分配的数量（正如它应该的那样），并且不大于分配给i的数量，如果bti，考虑到其他人的出价，不允许拍卖在t点结束。奥苏贝尔分析了离散时钟拍卖，以简化展示，但主张相应的连续时钟拍卖，从而消除了拍卖的问题。我们发现了离散时钟拍卖和配给兴趣本身的问题，然后在估值与价格不一致的真实假设下对其进行分析。结果分解“有边界的过度”我们现在用这种简单的方法将问题分解为结果流。在每一轮t中，球员i有三个出局。出局yt，1I是下一轮可以分配给球员i的最大数量。这与我目前的出价一致：yt，1i=bti。

该结果仅与确定第t+1轮中投标人i的最终数量有关，前提是拍卖不会在第t轮结束，而是完全在第t轮确定，因此必须指定为第t轮合同。结果yt，2I是投标人在当前一轮中获得的最低数量。计算公式为yt，2i=min{bti，qti}。如果投标人i的实际数量在这两个界限之间，则不取决于投标人i的任何投标，且投标人i的投标中这两个界限在增加。这足以证明，低于下一阶段需求（因此也低于当前需求）的投标永远不是一个好主意。然而，投标人i和拍卖人之间签订的合同顺序必须共同确定确切的最终结果。因此，如果i与第三条规则y一致，那么i将与第三条规则y一致。（请注意，BQTI永远不会大于qti，因此只有当且仅当其不小于定量配给规则中规定的bti时，才会实施。）我们称这种结果分解为“超有界”。拍卖结束后，每个出价人我都会收到所有剩余回合的三个虚拟结果D，直到达到足够大的回合T为止。Yi=×Tt=1（Yt，1i×Yt，2i）中的一系列结果决定了在每个价格下分配给投标人i的数量。所以我对Θ×Yi有完全的偏好关系。式中，Θ是参与者估值的实现集。以所有θ为条件，θ∈ Θ对于i，投标人i的估值相同，我总是希望每个yt，1等于价格t+1的需求，称之为dt+1i，而不是一些较小的估值。因此，我们有（θ，dt+1i）%t，1i（θ，ed）。

同样地，在yt，2i的两个实现之间，不超过Ti，我总是喜欢较大的。局部主导行为为了结果yt，1i，我们可以直接观察到投标EB<dt+1i总是比投标dt+1i更糟糕，因为结果与投标本身一致。结果yt，2也取决于对手的出价，但通常情况下的划分有助于排名dt+1IB。在两个出价都终止拍卖的场景中，它们不高于qti，因此yt、2I将与出价一致，并由dti决定≥ dt+1i，dt+1i优先于B。在两个出价都不终止拍卖的情况下，它们都高于qti，因此我们得到yt，2i=qti减去出价：这种情况与选择无关。在EB终止拍卖且dt+1未终止的情况下，yt，2将与EB下的EB一致，并将在dt+1i下获得价值QTIU。该场景中QTI的真实价值永远不会低于EB，因为EB终止拍卖，但会低于dt+1i，因此低于dti，因为dt+1i不会终止拍卖。因此，QTII更喜欢TOEB。结果yt，3I不是由我的出价决定的，所以可以忽略。但对未来结果的影响呢？双方竞拍的场景与当地无关。在EB终止拍卖且dt+1未终止的情况下，在EB投标人之后，我必然会收到结果的dummystream，而在dt+1之后，考虑到yt在roundt+1保护她免受不想要的单位的影响，她可以做得比简单地永远投0要好，1i=dt+1i。在两次竞拍后拍卖仍在继续的情况下，必须遵守以下规定。首先，在dt+1i之后，可以模仿eb之后的任何延续，因为eb<dt+1i保证了与单调竞价的兼容性。

（还要注意的是，每轮只有一个活动信息集，因此只有一个出价可以模仿。）其次，以同样的方式继续下去将产生相同的未来结果，原因有二。一个是，对手不观察我是choseeb还是dt+1i，所以他们不能根据这一点改变出价。另一个是，所有三个结果都只取决于i的当前出价（最多），而不取决于过去的出价（而yt，3ide取决于对手过去的出价）。我们可以得出以下结论。命题5在连续估值、连续估值和“有界超额”结果分解的离散时钟奥苏贝尔拍卖中，每一轮bi d belownext的真实需求在所有信息集中都是局部s-d占优的。参考文献[1]Ashlagi，I.和Y.A.Gonczarowski（2018）：“稳定的匹配机制不是明显的战略证明”，《经济理论杂志》，177405-425[2]Ausubel，L.（2004）：“多个对象的有效升价拍卖”，《美国经济评论》，941452-1475[3]Ausubel，L.（2018）：“多个对象的有效升价拍卖：回复”，《美国经济评论》，108561-563[4]薄熙来和R.哈基莫夫（2020）：“选择目标机制”，工作文件。[5] Bonkoungou，S.和A.Nesterov（2020年）：“学生激励机制和次部分信息”，工作文件。[6] Borgers，T.和J.Li（2019）：“战略简单机制”，计量经济学，87（6），2003-2035。[7] Dworczak，P.和J.Li（2020）：“当管理者不复杂时，简单的机制是否会影响动物？”，工作文件。Kagel，J.，Harstad，R.，Levin，D.（1987）：“具有有效私人价值的拍卖中的信息影响和分配规则：一项实验室研究”，计量经济学，5 5（6），1275-1304。[8] 李绍（2017）：“明显的战略证明机制”，美国经济评论，107（11），30 7-352，3257-87。[9] 麦肯齐，A.和Y。