Peyton Young

Hobart Peyton Young (nacido el 9 de marzo de 1945) es un economista y teórico de juegos estadounidense conocido por sus contribuciones a la teoría evolutiva de juegos y su aplicación al estudio del cambio institucional y tecnológico, así como a la teoría del aprendizaje en juegos. Actualmente es profesor centenario en la London School of Economics, profesor emérito de economía James Meade en la Universidad de Oxford, profesor asociado en Nuffield College Oxford y director de investigación en la Oficina de Investigación Financiera del Departamento del Tesoro de EE. UU.

Peyton Young fue nombrado miembro de la Sociedad Econométrica en 1995, miembro de la Academia Británica en 2007 y miembro de la Academia Estadounidense de las Artes y las Ciencias en 2018. Se desempeñó como presidente de la Sociedad de Teoría de Juegos de 2006 a 2008. [1] Ha publicado extensamente sobre el aprendizaje en los juegos, la evolución de las normas e instituciones sociales, la teoría de los juegos cooperativos, el regateo y la negociación, los impuestos y la asignación de costos, la representación política, los procedimientos de votación y la justicia distributiva.

Educación y carrera

En 1966, se graduó cum laude en estudios generales de la Universidad de Harvard. Completó un doctorado en Matemáticas en la Universidad de Michigan en 1970, donde se graduó con el premio de tesis Sumner B. Myers por su trabajo en matemáticas combinatorias.

Su primer puesto académico fue en la escuela de posgrado de la Universidad de la Ciudad de Nueva York como profesor asistente y luego profesor asociado, de 1971 a 1976. De 1976 a 1982, Young fue investigador y vicepresidente de la División de Ciencias de Sistemas y Decisiones de la Instituto de Análisis de Sistemas Aplicados, Austria. Luego fue nombrado profesor de Economía y Políticas Públicas en la Escuela de Asuntos Públicos de la Universidad de Maryland, College Park, de 1992 a 1994. Young fue Profesor de Economía Scott & Barbara Black en la Universidad Johns Hopkins desde 1994, hasta que se mudó a Oxford. como profesor de economía James Meade en 2007. Ha sido profesor del centenario en la London School of Economics desde 2015 y sigue siendo profesor asociado de Nuffield College, Oxford.

Contribuciones

Teoría de los juegos evolutivos

Los conceptos convencionales de estabilidad dinámica, incluido el concepto de estrategia evolutivamente estable, identifican estados a partir de los cuales las pequeñas desviaciones únicas se autocorrigen. Estos conceptos de estabilidad no son apropiados para analizar sistemas sociales y económicos que están constantemente perturbados por comportamientos y errores idiosincrásicos, y choques individuales y agregados en los pagos. Sobre la base de la teoría de Freidlin y Wentzell (1984) de grandes desviaciones para procesos de tiempo continuo, Dean Foster y Peyton Young (1990) desarrollaron el concepto más poderoso de estabilidad estocástica: "El conjunto estocásticamente estable [SSS] es el conjunto de estados tales que, a largo plazo, es casi seguro que el sistema se encuentra dentro de cada conjunto abierto que contiene S a medida que el ruido tiende lentamente a cero" [p. 221]. Este concepto de solución tuvo un gran impacto en la economía y la teoría de juegos después de que Young (1993) desarrollara una versión más manejable de la teoría de las cadenas de Markov generales de estado finito. Un estado es estocásticamente estable si atrae un peso positivo en la distribución estacionaria de la cadena de Markov. Young desarrolla poderosas herramientas de teoría de grafos para identificar los estados estocásticamente estables.

En un libro influyente, Estrategia individual y estructura social, Young proporciona una exposición clara y compacta de los principales resultados en el campo de la teoría de juegos evolutivos estocásticos, en la que fue pionero. Introduce su modelo de interacciones sociales llamado 'juego adaptativo'. Los agentes se seleccionan al azar de una gran población para jugar un juego fijo. Eligen una mejor respuesta miope, basada en una muestra aleatoria de jugadas pasadas del juego. La evolución de la historia (limitada) del juego se describe mediante una cadena de Markov finita. El comportamiento idiosincrático o los errores perturban constantemente el proceso, de modo que cada estado es accesible desde cualquier otro. Esto significa que la cadena de Markov es ergódica, por lo que existe una distribución estacionaria única que caracteriza el comportamiento a largo plazo del proceso.

La teoría se usa para mostrar que en los juegos de coordinación 2x2, el equilibrio de riesgo dominante se jugará prácticamente todo el tiempo, a medida que el tiempo tiende al infinito. También proporciona una prueba formal del resultado de Thomas Schelling (1971) de que la segregación residencial surge a nivel social incluso si ningún individuo prefiere ser segregado. Además, la teoría "demuestra cómo los conceptos de solución de alta racionalidad en la teoría de juegos pueden surgir en un mundo poblado por agentes de baja racionalidad" [p. 144]. En los juegos de negociación, Young demuestra que las soluciones de negociación de Nash (1950) y Kalai-Smorodinsky (1975) surgen de las acciones descentralizadas de agentes limitadamente racionales sin conocimiento común.

Aprendizaje en juegos

Mientras que la teoría de juegos evolutiva estudia el comportamiento de grandes poblaciones de agentes, la teoría del aprendizaje en juegosse enfoca en si las acciones de un pequeño grupo de jugadores terminan conforme a alguna noción de equilibrio. Este es un problema desafiante, porque los sistemas sociales son autorreferenciales: el acto de aprender cambia lo que se va a aprender. Existe una retroalimentación compleja entre las creencias de un jugador, sus acciones y las acciones de los demás, lo que hace que el proceso de generación de datos sea extremadamente no estacionario. Young ha hecho numerosas contribuciones a esta literatura. Foster y Young (2001) demuestran el fracaso de las reglas de aprendizaje bayesiano para aprender equilibrios mixtos en juegos de información incierta. Foster y Young (2003) introducen un procedimiento de aprendizaje en el que los jugadores formulan hipótesis sobre las estrategias de sus oponentes, que ocasionalmente comparan con el juego anterior de sus oponentes. Al alejarse de la racionalidad de esta manera,

La literatura reciente sobre el aprendizaje en los juegos se revisa elegantemente en el libro de Young de 2004, Aprendizaje estratégico y sus límites.

Normas sociales

En una serie de artículos, Young ha aplicado las técnicas de la teoría de juegos evolutivos estocásticos al estudio de las normas sociales (ver Young 2015 para una revisión). La teoría identifica cuatro características clave de la dinámica de las normas.

(1) Persistencia: una vez que las normas están establecidas, persisten durante largos períodos de tiempo a pesar de las condiciones externas cambiantes.

(2) Propinas: cuando las normas cambian, lo hacen de repente. Las desviaciones de una norma establecida pueden ocurrir gradualmente al principio. Sin embargo, una vez que se forma una masa crítica de desviadores, el proceso se inclina y una nueva norma se propaga rápidamente entre la población.

(3) Compresión: las normas implican que el comportamiento (p. ej., edades de jubilación, contratos de cultivos compartidos) muestra un mayor grado de conformidad y una menor sensibilidad a las condiciones económicas de lo que predicen los modelos económicos estándar.

(4) Conformidad local/diversidad global: Una norma es uno de los muchos equilibrios posibles. La compresión implica que los individuos que están estrechamente conectados se ajustan bastante a una norma particular. Al mismo tiempo, la presencia de equilibrios múltiples implica que los individuos menos conectados de la población podrían llegar a una norma muy diferente.

Estas predicciones se confirman en el trabajo empírico. Se descubrieron varias regularidades en el estudio de Young y Burke (2001) sobre los contratos de cultivos compartidos en Illinois, que hizo uso de información detallada sobre los términos de los contratos en varios miles de fincas de diferentes partes del estado. En primer lugar, hubo una compresión considerable en los términos del contrato: el 98% de todos los contratos involucraron divisiones de 1/2-1/2, 2/5-3/5 o 1/3-2/3. En segundo lugar, cuando dividieron la muestra en fincas del norte y sur de Illinois, Young y Burke descubrieron un alto grado de uniformidad en los contratos dentro de cada región, pero una variación significativa entre regiones, evidencia del efecto de conformidad local/diversidad global. En el norte de Illinois, la parte habitual era 1/2-1/2. En el sur de Illinois, era 1/3-2/3 o 2/5-3/5.

La difusión de las innovaciones

Young también ha realizado importantes contribuciones aplicadas para comprender la difusión de nuevas ideas, tecnologías y prácticas en una población. La difusión de normas sociales particulares puede analizarse dentro del mismo marco. En el curso de varios artículos (Young 2003, Young 2011, Kreindler y Young 2014), Young ha mostrado cómo la topología de una red social afecta la tasa y la naturaleza de la difusión bajo reglas de adopción particulares a nivel individual.

En un influyente artículo de 2009, Young centró su atención en la dinámica de difusión que puede resultar de diferentes reglas de adopción en una población bien mezclada. En particular, distinguió entre tres clases diferentes de modelo de difusión:

(1) Contagio: las personas adoptan una innovación (una nueva idea, producto o práctica) luego del contacto con los adoptantes existentes.

(2) Influencia social: es probable que los individuos adopten una innovación cuando una masa crítica de individuos en su grupo la ha adoptado.

(3) Tendencia social: las personas observan los beneficios de los adoptantes y adoptan la innovación cuando estos beneficios son lo suficientemente altos.

El tercer proceso de adopción está más estrechamente relacionado con la optimización del comportamiento y, por lo tanto, con los enfoques estándar en economía. Los dos primeros procesos son, sin embargo, en los que se centra la vasta literatura sociológica y de marketing sobre el tema.

Young caracterizó la dinámica media de cada uno de estos procesos bajo formas generales de heterogeneidad en las creencias y preferencias individuales. Si bien cada una de las dinámicas produce una curva de adopción familiar en forma de S, Young mostró cómo el proceso de adopción subyacente se puede inferir a partir de la curva de adopción agregada. Resulta que cada proceso deja una huella distinta. En cuanto a los datos sobre la adopción de maíz híbrido en los Estados Unidos, Young presentó evidencia de una aceleración superexponencial en las primeras etapas de adopción, un sello distintivo del aprendizaje social.

Valor de Shapley

Young (1985) ha aportado una axiomatización del valor de Shapley. Se considera una pieza clave para comprender la relación entre el principio de marginalidad y el valor de Shapley. Young muestra que el valor de Shapley es el único concepto de solución simétrica y eficiente que se calcula únicamente a partir de las contribuciones marginales de un jugador en un juego cooperativo. En consecuencia, el valor de Shapley es la única solución eficiente y simétrica que satisface la monotonicidad que requiere que siempre que la contribución de un jugador a todas las coaliciones aumente débilmente, entonces la asignación de este jugador también debería aumentar débilmente. Esto justifica el valor de Shapley como medida de la productividad de un jugador en un juego cooperativo y lo hace particularmente atractivo para los modelos de asignación de costos.

El método Kemeny-Young

El método Kemeny-Young es un sistema de votación que utiliza boletas preferenciales y conteos de comparación por pares para identificar las opciones más populares en una elección. Es un método Condorcet porque si hay un ganador Condorcet, siempre se clasificará como la opción más popular.

El método Kemeny-Young fue desarrollado por John Kemeny en 1959. Young y Levenglick (1978) demostraron que este método era el único método neutral que satisfacía el reforzamiento y el criterio de Condorcet. En otros artículos (Young 1986, 1988, 1995, 1997), Young adoptó un enfoque epistémico de la agregación de preferencias: supuso que había un orden de preferencia objetivamente "correcto", pero desconocido sobre las alternativas, y los votantes reciben señales ruidosas de este verdadero orden de preferencia (cf. el teorema del jurado de Condorcet). Usando un modelo probabilístico simple para estas señales ruidosas, Young demostró que el método de Kemeny-Young era el estimador de máxima verosimilitud del verdadero orden de preferencia. Young argumenta además que el propio Condorcet conocía la regla de Kemeny-Young y su interpretación de máxima verosimilitud, pero no pudo expresar claramente sus ideas.