Categories
读书有感

Social learning in Microfinance

今天偶然扫到一篇paper,三个mit jpal搞小微金融的去印度做了一个关于social learning的实验,目的就是为了看一下他们的学习过程是更符合bayesian learning呢还是DeGroot。

结论是更偏向DeGroot,大家懒到直接去用knn的原则猜一下就好了.... (落了一地冷汗)。

抄一下摘要好了。

Agents often use noisy signals from their neighbors to update their beliefs about a state of the world. The effectiveness of social learning relies on the details of how agents aggregate information from others. There are two prominent models of information aggregation in networks: (1) Bayesian learning, where agents use Bayes' rule to assess the state of the world and (2) DeGroot learning, where agents instead consider a weighted average of their neighbors' previous period opinions or actions. Agents who engage in DeGroot learning often double-count information and may not converge in the long run. We conduct a lab experiment in the field with 665 subjects across 19 villages in Karnataka, India, designed to structurally test which model best describes social learning. Seven subjects were placed into a network with common knowledge of the network structure. Subjects attempted to learn the underlying (binary) state of the world, having received independent identically distributed signals in the first period. Thereafter, in each period, subjects made guesses about the state of the world, and these guesses were transmitted to their neighbors at the beginning of the following round. We structurally estimate a model of Bayesian learning, relaxing common knowledge of Bayesian rationality by allowing agents to have incomplete information as to whether others are Bayesian or DeGroot. Our estimates show that, despite the flexibility in modeling learning in these networks, agents are robustly best described by DeGroot-learning models wherein they take a simple majority of previous guesses in their neighborhood.

 

Categories
事儿关经济

哈哈,所谓承诺

前段时间一直在上IO,然后终于讲到了那个“可置信的承诺”的问题。记得去年在北京旁听机制设计的时候,就一直在惦念着这个commitment的事儿,劳烦好几位博学的学长学姐们解释了好久……终于,这次轮到自己重新学一遍了。

其实commitment也就是那么回事儿,有点“事后毁约”的味道,因为事后就不是最优了嘛!记得有个经典的例子是数码产品,一开始为了吸引大家购买,厂商会特别豪气的承诺“永不降价”,让那些心存犹豫心理的消费者赶快掏腰包。可是产品上市一个多月后,如果再不降价,厂商就赚不到更多的钱了,所以不降价是一个非常不激励相容的选择。然后大家就会选择性记忆,该降价降价,该促销促销。记得这个故事当时是暗喻苹果来着,好像还跟索尼搭上界了。嗯。

这个例子就是典型的承诺可不可以置信的问题。话说,可能是跟最近发生的一些事儿有关,我不由自主的就想到了在爱情中人们的承诺。显然,爱情这个东西是强烈依赖距离的,距离远了看不着摸不着,所谓爱情必然就那么淡去了。long distance love有很多结局,大多数成功的无非就是双方都保持着对对方的承诺,然后终于等到了可以常相厮守的那一刻。这里就有一个承诺的问题:毕竟大家都在不断的遇到新的人、新的事物,总有诱惑,那么是什么可以保持住承诺呢?记得在这些模型中大多都会涉及到“完美贝叶斯均衡”的概念,而这样的概念又强烈的依赖于信念——嗯,只有对未来相聚保持一定的信念,才会有力量坚守吧。不过话说回来,这个东西不是那么的理性啦,所以到底经济学或者博弈论的模型有几分的解释力,还有待考量。

话说最近这个“贝叶斯均衡”可是整的我够受,social learning……真不知道自己当时怎么就脑袋一热挑出来这么一话题来写毕业论文。各种痛苦煎熬啊。不过也好,强迫自己不断的阅读各种文章,嗯,各种文章,光zotero里面就存了快200篇了吧,可见写论文是多么的不容易啊。我该埋怨一下我的coauthor么,毕竟是他坚持要写应用的文章,所以弄得我不得不读了几十篇关于青少年行为、HIV/AIDS等等的文章,虽然有意思,但是好累啊!我宁愿看故事哈哈,还是给我份报纸吧!

嗯话说最近很有意思啊,流行起来了“私奔体”:两位投资界大佬居然就这么华丽丽的在众目睽睽下私奔了。我也顺带体验了一把微博的力量,虽然我已经跟不上潮流啦~这个,到底是爱情的力量呢?反正我总觉得这故事有点过于罗曼蒂克了!有意思啊。由此可见,当制度带给人们悔约的成本很高的时候,这个制度本身就有问题了。不过话说回来,记得在各种实证研究里面当离婚的条件变低之后,往往受益的都是女方啊(当然受害的自然是孩子,唉)。不知道这一次,如果真的牵扯到离婚,是不是会有新的故事呢?制度的成本是个很有意思的话题,关于什么样的制度是最优的,马克思和所谓的西方经济学家各持己见(话说根据前一段时间的一个在经济学家圈子里面的调查,马克思还是很受欢迎的!略逊于亚当斯密、李嘉图等。而且马克思本身也是西方人吧)。关于制度,还有一个有趣的故事,若是改日有时间,会在这里再说说,嗯。

今儿就到这儿吧,各种欢乐啊~好久不见“私奔”二字了,该有多么的华丽啊!

Categories
事儿关经济

社会性学习

呃,我着实不知这个social learning应该怎么翻译,姑且翻译成社会性学习吧。最近在看一本书《Learning and expectations in macroeconomics》,是当时Thijs推荐的,因为当时我想找一些有关expectation的东西看看。嗯,容许我小小的残念一下,要是呆在UPF,Thijs一定是我首选的advisor——这或许和我一贯以来选导师的特殊标准有关吧,大牛不见得是适合自己的,我只是想找一个可以不时“点通”我一下的,嗯……唉,不过想想因此而转macro,还是底气不足。不过也就是在这里残念一下了,Ph.D不是眼下需要关注的事儿了。

原来一直很好奇learning到底是被怎么model的,今天终于硬着头皮打开了这本书,看了两章,大概搞明白这东西是被用一个随机过程模拟的(这个,我不清楚数学上的随机过程怎么定义的,我看这本书上的很像时间序列里面的那些东西,有个随机扰动项然后给一个相对的law of motion)。然后看来看去,前面还比较简单,一个均衡唯一的蛛网模型,然后大概说了一下理性预期均衡(rational expectation equilibria,下简称理性预期为RE)为什么在长期中会成为均衡(大意是即在一个有界集内,当t趋近于正无穷时,期望序列收敛于真值)。从这个角度上讲,多多少少有点从数学模型方法上对RE辩白的味道。我不是很喜欢RE,但是特别想知道的是在什么情况下RE确实是可以被满足的,从而可以大大的简化模型。

说到Law of motion,其实就是个动态的发展过程的问题。原来没想太多这个social learning里面的social到底扮演了什么角色,现在琢磨一下social learning果然是从social这个角度去研究人们的学习行为的。呃,我原来其实一直在想,既然是对信念的不断更新,为什么不用贝叶斯法则?我从逻辑上还是蛮欣赏贝叶斯学派的,抑或可能是当年在微观中被PBE毒害太深,一直念念不忘经典的贝叶斯法则。后来琢磨了一下信念(belief)和期望(expectation)确实也还不是一回事儿,所以当我们认为加总(aggregation)可以进行的时候,描述一个社会的学习行为可能不见得非得用贝叶斯法则。这本书上提到了最小二乘法,大意就是给定一个law of motion的线性形式,当人们对其中的参数未知的时候,在每个时期都按照least square来估计一下,然后不断的更新估计,最终还是会收敛到真值。希望我的理解偏差不是太大(先祈祷一下,别在这里纯粹胡说八道就好,我刚开始看这部分的东西,真的不够熟络!),然后我就在想,如果简单的aggregation不可进行的时候,那么又会是什么情况呢?当agents数量不多的时候,显然我们不会天真的去进行加总,那么跟game theory结合点又在哪里呢?可能最近是想把social network一些简单的分析考量找个地方实践一下,所以开始重温IO里面那些经典的例子,比如上周那个exclusive dealing,嗯……

我现在特别好奇的想知道,这个social distance引入到IO里面会有什么好玩的结果。嗯,明天找Motta闲扯去,但愿他不会觉得我太无聊或者异想天开……回到毕业论文,现在大致的有个思路,到底在哪里弄个应用。这次我想show的是有些情况下不能简单的aggregation,所以一直在锲而不舍的寻找一个context(突然发现,有些词儿真的不知道怎么译为中文了,总感觉翻译了就少了点什么了似的)。然后一起做这个东西的同学suggest了一个health belief model,我估计他是看我一直对belief念念不忘,然后就随便扔给我一个跟health有关的model然后我就开始不断的瞎想换他几天的清净时光吧?嗯,我发现我缠人的时候还真是蛮缠人的,不管是在国内国外、中文英文、父母同学,呃,反正当我发现什么东西特别有意思的时候,就会长出一副巨厚的脸皮来不断的缠啊缠,直到缠出来什么好玩的东西为止,整一个小孩子的心态嘛!

想想从前年Winston第一次提及social network在marketing里面的应用,到现在,已然一年半多的时间了。虽然得刨去大四下半年的悠晃时日,但是我接触social network也显然不是一天两天的事儿了。一直在想这么长的时间里,虽然一直没有机会系统的学习一遍,但是在整日的耳濡目染中,我到底被影响了什么?当年Laffont一本incentive theory,直接向我打开了IO的窗户,让我有机会一窥其中奥妙。而今,这种被点燃的感觉,会不会再次重演?我一直有点小小的野心,不想只是从技术层面整合social network,而希望在分析层面亦加以整合。可惜,社会网络显然还没有如经济学一般融入我的血液、骨髓,知其然,但是还不够运用自如,尚需时日打磨啊!

最后说个小插曲。最近一直在被教育,因为原来写论文的时候,就算是有个partner,大都也是一人为主。大概最省心的partner就是导师了吧,自己鼓捣的差不多了,就去找导师扯扯,然后继续回家打磨。这次合作,真的是两个人一起建模,呃,我以前还真没想过原来两个人的合作可以深入到如此的层次,还没树立分析框架呢,就已经开始热火朝天的讨论不休了。不过有利必有弊,这样虽然可以最大程度上的整合两人的知识,但另一方面交流成本自然很高。我,我,我很无奈的今天滔滔不绝了一下午我对建模的观点,比如怎么开始、怎么确立假设之类的,然后不断的回答各种扔过来的arguement。折腾了一个多小时,累死我了。我从来没想过会跟别人谈这些最基本的问题,可能就是太基本了吧,都深深的印在心里了,所以一般就是俯拾即是,没想过那么多为什么。好在最后我没有很丢人的犯什么逻辑错误,最后人家接受了我的各种答案,然后还顺便提高了他对于这个项目的期望。Expectation啊,呃,update的还挺快的。话说,原来一直觉得我计量学的不好,现在发现有些东西还是不知不觉学进去了,今天居然两番拿计量的道理来说一般性的理论角度的建模,真的是有意思。

春暖花开,眼见就五月份了。可知“春风又绿江南岸”,却不见“春来江水绿如兰"。或许是时日,多忆一些江南了。

200933903833_2