Stable Farsighted Coalitions in Competitive Markets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, we study dynamic alliance formation among agents in competitive markets. We look at n agents selling substitutable products competing in a market. In this setting, we examine models with deterministic and stochastic demand, and we use a two-stage approach. In Stage 1, agents form alliances (coalitions), and in Stage 2, coalitions make decisions (price and inventory) and compete against one another. To analyze the stability of coalition structures in Stage 1, we use two notions from cooperative games—the largest consistent set (LCS) and the equilibrium process of coalition formation (EPCF)—which allow players to be farsighted. Thus, in forming alliances, players consider two key phenomena: First, players trade off the size of the total profit of the system versus their allocation of this total pie, and second, they weigh the possibility that an immediate beneficial defection can trigger further counter defections that in the end may prove to be worse than the status quo. In particular, one such example is that of the grand coalition—which we show to be stable in the farsighted sense—even though players benefit myopically by defecting from it. We also provide conditions under which a situation of a few lone players competing against a large coalition is stable. We examine the impact of the size of the market (n), the degree of competition, the effect of cost parameters, and the variability of the demand process on the prices, inventory levels, and structure of the market. We discuss the possible strategic implications of our results to firms in a competitive market and for new entrants.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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