Nhận dạng với BBL

Trong vài năm gần đây, công cụ ước tính do Bajari, Benkard và Levin ('07) đề xuất cho các trò chơi năng động đã trở nên phổ biến. Nó tương đối đơn giản và là một trong những lựa chọn khả thi duy nhất để ước tính các trò chơi động với cả không gian trạng thái liên tục và các biến quyết định liên tục. Tuy nhiên, tôi đã nghe từ một số người lo ngại về những gì nó thực sự được xác định (có thể không phải là các tham số cấu trúc mà nó được cho là xác định).

Câu hỏi của tôi là ba lần. 1) các mối quan tâm cụ thể về nhận dạng với BBL là gì, khi nào chúng (không) có vấn đề và 3) có cách nào để khắc phục các vấn đề nhận dạng mà không cần phải nói, gần đúng trạng thái / hành động là rời rạc.

Sau khi tìm kiếm một lúc, đây là câu trả lời tốt nhất mà tôi có thể nghĩ ra.

1) Một lập luận chính thức về lý do tại sao nhận dạng có thể bị phá vỡ theo BBL là từ Srisuma ('13) . Ông đưa ra hai ví dụ cụ thể trong phần phụ lục trực tuyến nơi mất nhận dạng do sử dụng phụ gia thay vì nhiễu loạn nhân để xây dựng các hàm giá trị không cân bằng (như được đề xuất trong bài báo BBL gốc). Đây là dấu hiệu của một vấn đề rộng lớn hơn với BBL rằng có thể có các tham số không cân bằng thỏa mãn ước lượng khoảng cách tối thiểu BBL.

2) Hai ví dụ được đưa ra trong phần phụ lục đều khá cơ bản và tiêu chuẩn (tác nhân đơn và Cournot). Điều này cho thấy hiện tượng này có thể là một vấn đề trong nhiều / hầu hết các ứng dụng.

3) Hãy sáng tạo với những xáo trộn chính sách. Mặc dù Srisuma không cho thấy lợi ích của phép nhân đối với nhiễu loạn phụ gia nói chung, các ví dụ được đưa ra cho thấy nhiễu loạn nhân có thể cải thiện công cụ ước tính. Chính thức hóa nhiễu loạn tối ưu có vẻ là một nơi tốt để nghiên cứu thêm.