//img.uscri.be/pth/b7ac182cc4e676d7bad824c0fa2fccdfade22481
Cet ouvrage fait partie de la bibliothèque YouScribe
Obtenez un accès à la bibliothèque pour le lire en ligne
En savoir plus

A new perspective on social learning [Elektronische Ressource] / vorgelegt von Christoph March

De
134 pages
A New PerspectiveonSocial Learningvorgelegt vonDiplom-WirtschaftsmathematikerChristoph Marchaus ErfurtVon der Fakultät VII – Wirtschaft & Managementder Technischen Universität Berlinzur Erlangung des akademischen GradesDoktor der WirtschaftswissenschaftenDr. rer. oec.genehmigte DissertationPromotionsausschuss:Vorsitzender: Prof. Dr. Frank HeinemannGutachterin: Prof. Dr. Dorothea KüblerGutachter: Dr. Anthony Ziegelmeyer Prof. Christophe ChamleyTag der wissenschaftlichen Aussprache: 15.12.2010Berlin 2011D 83AbstractHome prices in the United States experienced unprecedented growth beginning in the late 1990s,followed by a dramatic downturn in 2006 which caused a global economic recession. Thoughmarket fundamentals such as low interest rates and easy mortgage terms boosted housing prices,the full magnitude of the housing bubble can only be reconciled with a social epidemic of optimismfor real estate. From a policy perspective, a solid understanding of the idea of social contagion istherefore desirable. Existing economic models of social learning have contributed to this under-standing by showing that in many situations the decisions of rational individuals tend to convergequickly and the conformist outcome is often wrong. We argue in this dissertation, however, thatsome of the conclusions reached by the rational view of social learning are unsound which limitsits capacity to explain social epidemics.
Voir plus Voir moins

A New Perspective
on
Social Learning
vorgelegt von
Diplom-Wirtschaftsmathematiker
Christoph March
aus Erfurt
Von der Fakultät VII – Wirtschaft & Management
der Technischen Universität Berlin
zur Erlangung des akademischen Grades
Doktor der Wirtschaftswissenschaften
Dr. rer. oec.
genehmigte Dissertation
Promotionsausschuss:
Vorsitzender: Prof. Dr. Frank Heinemann
Gutachterin: Prof. Dr. Dorothea Kübler
Gutachter: Dr. Anthony Ziegelmeyer Prof. Christophe Chamley
Tag der wissenschaftlichen Aussprache: 15.12.2010
Berlin 2011
D 83Abstract
Home prices in the United States experienced unprecedented growth beginning in the late 1990s,
followed by a dramatic downturn in 2006 which caused a global economic recession. Though
market fundamentals such as low interest rates and easy mortgage terms boosted housing prices,
the full magnitude of the housing bubble can only be reconciled with a social epidemic of optimism
for real estate. From a policy perspective, a solid understanding of the idea of social contagion is
therefore desirable. Existing economic models of social learning have contributed to this under-
standing by showing that in many situations the decisions of rational individuals tend to converge
quickly and the conformist outcome is often wrong. We argue in this dissertation, however, that
some of the conclusions reached by the rational view of social learning are unsound which limits
its capacity to explain social epidemics. A thorough investigation of the learning foundations of
rational herding enables us to develop an alternative theoretical framework which holds greater
promise for explaining social epidemics.
Chapter 1 re-examines the classic model of Bayesian rational social learning most commonly
investigated in the literature. Previous studies have mainly focused on the long-run properties
of the equilibrium outcome in relation with the support of the private belief distribution. From
a welfare perspective, this focus on the long-run learning outcome is misplaced. To address
this concern, we introduce new measures of uniformity and fragility which enable us to discuss
the medium-run properties of the equilibrium outcome. We find that less uniform investment
decisions lead to higher welfare levels of the equilibrium outcome but lower fragility of rational
herds.
Chapter 2, the core of the thesis, investigates the learning foundations of economic models of
social learning. We pursue the prevalent idea in economics that rational play is the outcome of a
dynamic process of adaptation. Our learning approach offers us the possibility to clarify when and
why equilibrium is likely to capture observed regularities in the field. Contrary to the eductive
justification for equilibrium, a learning-theoretic model must address the issue of individual and
interactive knowledge before the adaptive process starts. We argue that knowledge about the
private belief distribution is unlikely to be shared in most social learning contexts. Absent this
mutual knowledge, we show that the long-run outcome of the adaptive process favors non-
Bayesian rational play.
Chapter 3 introduces a simple extension to the rational model of social learning by assuming that
players update their beliefs in a non-Bayesian way. We examine the properties of this generalized
social learning model and show that it is able to capture the experimental regularities. Unlike
standard models of rational social learning, our model predicts that as a herd evolves players
tend to quickly become extremely confident about the appropriateness of the chosen action which
is why the fragility of the social learning process vanishes over time. Both regularities seem to
prevail in social epidemics.
34Zusammenfassung
Ende der 1990er Jahre setzte ein zu diesem Zeitpunkt beispielloser Preisanstieg auf dem US-
Eigenheimmarkt ein. Dessen dramatischer Einbruch im Jahre 2006 gilt als einer der Hauptgründe
für die noch immer anhaltende Rezession der Weltwirtschaft. Obschon durch niedrige Zinssätze
und Kreditvergabekonditionen begünstigt, liefert erst eine Betrachtung der epidemieartigen Aus-
breitung von Optimismus über die zukünftige Marktentwicklung eine Erklärung für die Aus-
maße dieser “Eigenheim-Blase”. Das Verständnis solcher sozialen Herdenphänomene ist daher
ökonomisch und sozialpolitisch von großer Bedeutung.
Bestehende ökonomische Modelle zum “Sozialen Lernen” nehmen in diesem Bestreben eine
zentrale Rolle ein. Diese Modelle zeigen, dass die schnelle Entwicklung von konformem Verhalten
oft rational, gleichzeitig jedoch häufig ineffizient oder gar hochgradig schädlich ist. Allerdings sind
nicht alle Schlussfolgerungen, welche sich aus den Modellen ergeben, plausibel. Die vorliegende
Dissertation stellt daher die Eignung der Modelle zur Erklärung der Phänomene in Frage. Ins-
besondere werden die lernorientierten Grundlagen des angenommenen strategischen Verhaltens
kritisch beleuchtet. Die Ergebnisse münden in der Entwicklung eines Alternativmodells, welches
eher in der Lage ist, soziale Herdenphänomene zu erklären.
Kapitel 1 ist den bestehenden klassischen Modellen sozialen Lernens gewidmet, welche
vollkommene Rationalität und Bayes’sches Verhalten der Entscheider annehmen. Die Schwer-
punktsetzung dieser Modelle auf Langfrist-Vorhersagen und den maximalen Informationsgehalt
privater Informationen wird hinterfragt. Eine neue Perspektive mit Blick auf mittelfristige Vorher-
sagen und soziale Wohlfahrt und basierend auf neuen Definitionen u.a. von Konformität wird
erarbeitet. Es wird gezeigt, dass höhere Wohlfahrt eng mit der langsameren Entwicklung konfor-
men Verhaltens verknüpft ist.
Das zentrale Kapitel 2 untersucht die lerntheoretischen Grundlagen der Modelle. Es steht
damit in der ökonomischen Tradition, welche rationales Verhalten als Ergebnis von Anpas-
sungsprozessen versteht. Eine solche dynamische Perspektive ermöglicht daher eine Antwort
auf die Frage, ob und warum ein Gleichgewichtsmodell in der Lage ist, tatsächlich beobachtbares
Verhalten zu erfassen. Insbesondere kann untersucht werden, welche Kenntnis der Entscheider
über die Struktur der Entscheidungssituation vorausgesetzt werden kann. Die Ergebnisse werfen
in dieser Hinsicht große Zweifel über die Annahmen bestehender Modelle auf. Genauer gesagt
zeigen die Ergebnisse, dass die Vorhersagen der Modelle entscheidend durch eine als zu groß
angenommene Kenntnis der Entscheider beeinflusst sind. Dies macht eine Neubewertung sowohl
der theoretischen als auch der experimentellen Resultate notwendig.
Kapitel 3 schließlich erweitert die bestehenden Modelle um die Präsenz von Individuen, welche
Informationen nicht im Sinne von Bayes kombinieren. Es wird gezeigt, dass die Vorhersagen des
derart erweiterten Modells besser mit dem in Experimenten beobachtbaren Verhalten übereinstim-
men. Insbesondere liefert das erweiterte Modell im Gegensatz zu den bestehenden Modellen eine
Erklärung für das wachsende Vertrauen von Individuen in die Richtigkeit des Herdenverhaltens
und die daraus resultierende Stabilität desselbigen.
56Acknowledgements
Numerous people have supported me during the past 3 years within which this thesis was com-
pleted.
I am particularly grateful to my supervisor, Anthony Ziegelmeyer, who has also co-authored two
of the chapters. This thesis could not have been completed without our innumerable discussions,
his aptitude to always ask the right questions, the calmness with which he faced my concerns, and
his guidance into the field of economics and through the process of writing this dissertation.
I am furthermore indebted to Dorothea Kübler and Christophe Chamley for placing their trust
in me and my work by agreeing to take over the posts of first and third supervisor.
I gratefully acknowledge financial support from the graduate program IMPRS “Uncertainty”.
I thank Linan Diao, Christiane Ehses-Friedrich, Charlotte Klempt, Sebastian Krügel, Laxmi Natar-
jan, Lauri Sääksvuori, Matthias Uhl, Ori Weisel, Johannes Weisser, Fabian Winter, and all the other
former or current students from the IMPRS-program as well as the faculty and our coordinators
Susanne Büchner and Tobias Uske for providing a stimulating research atmosphere inside the
office and especially during summer schools and workshops. I also want to thank participants
at the 2009 Summer School on Limited Cognition, Strategic Thinking, and Learning in Games in
Bonn, Germany as well as the speakers Vincent Crawford and Philippe Jehiel.
To my friends for being there and providing necessary distraction, to my mother for her endless
unconditional support, and to Constanze for all of the above and much more, my deep gratitude.
78Contents
Introduction 11
I. Bayesian (Rational) Social Learning 15
I.1. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
I.2. The Game-Theoretic Framework . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
I.2.1. Players, Payoff-Relevant States of Nature and Private Beliefs . . . . . . . . . . 17
I.2.2. Actions, Preferences, and Payoffs . . . . . . . . . . . . . . . . . . . . . . . . . . 18
I.2.3. Observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
I.2.4. Strategies, Beliefs, and Equilibria . . . . . . . . . . . . . . . . . . . . . . . . . . 19
I.3. Key Results on Bayes-Rational Social Learning . . . . . . . . . . . . . . . . . . . . . . 21
I.3.1. Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
I.3.2. Uniformity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
I.3.3. Fragility . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
I.3.4. Social Welfare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
I.4. Medium-Run Properties of Bayes-Rational Social Learning . . . . . . . . . . . . . . . 28
I.4.1. Measures of Uniformity and Fragility . . . . . . . . . . . . . . . . . . . . . . . 29
I.4.2. Private Beliefs,,, and Equilibrium Welfare . . . . . . . . . 31
I.5. Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
I.A. Probabilistic Foundations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
I.B. Properties of Private Beliefs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
I.C. Omitted Proofs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
II. Adaptive Social Learning 47
II.1. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
II.2. A Basic Illustration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
II.3. Preliminaries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
II.3.1. The Social Learning Game . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
II.3.2. Bayesian Rational Play . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
II.4. The Adaptive Process . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
II.4.1. The Learning Environment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
II.4.2. Frequentist Assessments and Myopic Responses . . . . . . . . . . . . . . . . . 60
II.4.3. Other Approaches to Learning in Games . . . . . . . . . . . . . . . . . . . . . 62
II.5. Perfect Learning Opportunities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
II.5.1. Conditions for Rational Play . . . . . . . . . . . . . . . . . . . . . . . 63
II.5.2. Ex-ante Knowledge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
9Contents
II.6. Imperfect Learning Opportunities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
II.6.1. Mixed Worlds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
II.6.2. Other Imperfections . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
II.7. Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
II.A. More Sophisticated Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
II.B. The Gaussian-Quadratic Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
II.C. Illustration: The Uniform Signal Quality Model . . . . . . . . . . . . . . . . . . . . . 85
II.C.1. Mixed Worlds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
II.C.2. Finite Repetitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
II.D. Omitted Proofs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
III. Behavioral Social Learning 97
III.1. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
III.2. Laboratory Evidence on Bayesian Rational Herding . . . . . . . . . . . . . . . . . . . 98
III.3. A Basic Illustration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
III.3.1. Rational Social Learning with Heterogeneous Updating Rules . . . . . . . . . 99
III.3.2. Social Learning with Coarse Inference and Heterogeneous Updating Rules . 104
III.4. A General Social Learning Environment . . . . . . . . . . . . . . . . . . . . . . . . . . 106
III.4.1. Rational Social Learning with Rich Updating Rules . . . . . . . . . . . . . . . 106
III.4.2. Social Learning with Coarse Inference and Rich Updating Rules . . . . . . . . 112
III.5. Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
III.6. Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
III.A.Omitted Proofs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
Conclusion 123
10