MétaCan
Menu
Retour à la cohorte
Enregistrement W1548083209

A Dynamic Duopoly Investment Game under Uncertain Market Growth

2010· preprint· en· W1548083209 sur OpenAlexaff
Marcel Boyer, Pierre Lasserre, Michel Moreaux

Notice bibliographique

RevueToulouse Capitole Publications (University Toulouse 1 Capitole) · 2010
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensUniversité du Québec à MontréalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésDuopolyCournot competitionMicroeconomicsEconomicsPreemptionMarkov perfect equilibriumOligopolyVolatility (finance)Investment (military)First-mover advantageTacit collusionProduct differentiationCollusionIndustrial organizationNash equilibriumFinancial economics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We model investments in capacity in a homogeneous product duopoly facing uncertain demand growth.Capacity building is achieved through adding production units that are durable and lumpy and whose cost is irreversible.There is no exogenous order of moves, no first-mover or second-mover advantage, no commitment, and no finite horizon; while building their capacity over time, firms compete la Cournot in the product market.We investigate Markov Perfect Equilibrium (MPE) paths of the investment game, which may include preemption episodes and tacit collusion episodes.However, when firms have not yet invested in capacity, the sole pattern that is MPEcompatible is a preemption episode with firms investing at different times, but both have equal value.The first such investment may occur earlier, and therefore be riskier, than socially optimal.When both firms hold capacity, tacit collusion episodes may be MPE-compatible with firms investing simultaneously at a postponed time (generating an investment wave in the industry).We show that the emergence of such episodes is favored by higher demand volatility, faster market growth, and lower discount rate (cost of capital).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,383
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,214
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueToulouse Capitole Publications (University Toulouse 1 Capitole)Même sujetCapital Investment and Risk AnalysisTravaux en français237 207