MétaCan
Menu
Retour à la cohorte
Enregistrement W3121547380

Information Acquisition in Interdependent Value Auctions

2007· preprint· en· W3121547380 sur OpenAlexaff
Dirk Bergemann, Xianwen Shi, Juuso Välimäki

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueAuction Theory and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Science Foundation
Mots-clésInterdependenceCommon value auctionStochastic gameMicroeconomicsContext (archaeology)Value of informationInformation structureValue (mathematics)Information asymmetryEconomicsComputer scienceMathematical economics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Consider, for example, the situation in which a number of established companies bid for the takeover of a target company. At the outset, all bidders are symmetrically informed but before submitting a bid, each bidder may hire a consulting firm to assess the value of the target company. The value of the target company may depend on the extent to which the asset (or activity) of the target firm matches that of the acquiring firms. In addition, if the bidders are competing with each other in the (product) market, then the quality of the match between the target firm and firm i also matters for firm j. In this paper, we analyze the bidders ’ private incentives to acquire information in such interdependent value models and establish a comparison between the equilibrium level and the socially optimal level of information acquisition. If the auction designer has a utilitarian welfare objective and valuations are private, it is transparent to see that the agents have the correct incentives to acquire information in a socially optimal manner. In the Vickrey auction, individual payoffs, when viewed as functions of own type only, coincide with the sum of payoffs

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,004
Communication savante0,0060,010
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,423
Écart entre enseignants0,346 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetAuction Theory and ApplicationsTravaux en français237 207