In this paper we initiate the study of ambiguous contracts, capturing many real-life scenarios where agents engage in contractual relations that leave some degree of uncertainty. Our starting point is the celebrated hidden-action model and the classic notion of a contract, where the principal commits to an outcome-contingent payment scheme for incentivizing an agent to take a costly action. An ambiguous contract generalizes this notion by allowing the principal to commit to a set of two or more contracts, without specifying which of these will be employed. A natural behavioral assumption in such cases is that the agent engages in a max-min strategy, maximizing her expected utility in the worst case over the set of possible contracts. We show that the principal can in general gain utility by employing an ambiguous contract, at the expense of the agent's utility. We provide structural properties of the optimal ambiguous contract, showing that an optimal ambiguous contract is composed of simple contracts. We then use these properties to devise poly-time algorithms for computing the optimal ambiguous contract. We also provide a characterization of non-manipulable classes of contracts - those where a principal cannot gain by employing an ambiguous contract. We show that linear contracts - unlike other common contracts - are non-manipulable, which might help explain their popularity. Finally, we provide bounds on the ambiguity gap - the gap between the utility the principal can achieve by employing ambiguous contracts and the utility the principal can achieve with a single contract


翻译:在本文中,我们开始研究模棱两可的合同,捕捉到许多实际生活中的情况,即代理人从事合同关系而造成某种程度的不确定性。我们的出发点是众所周知的隐藏行动模式和典型的合同概念,即主要责任人承诺以结果-内容-付款计划鼓励代理人采取代价高昂的行动。一个模棱两可的合同概括了这一概念,允许委托人承诺订立一套两种或更多合同,而不具体说明哪些合同将采用。在这种情况下,一个自然行为假设是代理人采取最大限度的战略,在最坏的情况下,尽量扩大她预期的效用,超过一套可能的合同。我们表明,如果采用模糊的合同,主要责任人可以普遍获得效用。我们提供了最理想的模棱两可合同的结构性质,表明最佳的模棱两可合同是由简单的合同构成的。我们然后利用这些特性设计多时算法来计算最佳的模棱两可的合同。我们还提供了一种特征,即代理人在最坏的情况下不能通过使用模糊的合同获得最坏的合同获得最大效用。我们表明,使用模糊的合同一般责任-我们可以通过不含糊性合同来解释其他约束性合同——我们不含糊性合同可以解释。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年4月3日
Arxiv
0+阅读 · 2023年4月2日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员