Optimal Trading Mechanisms with Ex Ante Unidentified Traders
Notice bibliographique
Résumé
Nous analysons les mécanismes optimaux d'échange dans un contexte où chaque participant possède quelques unités d'un bien à être échangé et pourrait être soit un acheteur, soit un vendeur, dépendant de la réalisation des valorisations qui sont de l'information privée des participants. D'abord, le concept de valeur virtuelle est généralisé aux agents qui ne sont pas ex ante identifiés comme acheteurs ou vendeurs; contrairement au cas où les agents sont bien identifiés, les valeurs virtuelles des agents dépendent0501ntenant du mécanisme d'échange et ne sont généralement pas monotones même si la distribution des valorisations est régulière. Nous montrons que les mécanismes optimaux d'échange, qui maximisent l'espérance de profit ou de gains d'échange d'un intermédiaire, sont complètement caratérisés par ces valeurs virtuelles. Le phénomène de discrimination incomplète (bunching), qui est ici spécifique aux agents non identifiés ex ante, va être une caractéristique générale dans les mécanismes optimaux. Nous montrons aussi que la règle de répartition aléatoire par laquelle les égalités sont brisées est0501ntenant un instrument important dans le design de ces mécanismes.
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 | 0,007 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 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 ».