Stable Farsighted Coalitions in Competitive Markets
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».