Информационный каскад

Информационный каскад или информационный каскад — это явление, описанное в поведенческой экономике и теории сетей , при котором несколько людей последовательно принимают одно и то же решение. Оно похоже на стадное поведение , но отличается от него .

Информационный каскад обычно рассматривается как двухэтапный процесс. Чтобы каскад начался, человек должен столкнуться со сценарием с решением, обычно бинарным. Во-вторых, на это решение могут повлиять внешние факторы, например, наблюдение за выбором других и очевидными результатами.

Двухэтапный процесс информационного каскада можно разбить на пять основных компонентов:

1. необходимо принять решение Например, ; стоит ли внедрять новую технологию, носить новый стиль одежды, обедать в новом ресторане или поддерживать определенную политическую позицию
2. Существует ограниченное пространство для действий (например, принятие/отклонение решения)
3. Люди принимают решение последовательно, и каждый человек может наблюдать за выбором тех, кто действовал раньше.
4. У каждого человека есть некоторая информация помимо его собственной, которая помогает принять решение.
5. Человек не может напрямую наблюдать внешнюю информацию, которую знают другие люди, но он или она может делать выводы об этой информации на основании того, что они делают.

Социальные перспективы каскадов, которые предполагают, что агенты могут действовать иррационально (например, вопреки тому, что они считают оптимальным), когда социальное давление велико, существуют как дополнение к концепции информационных каскадов. Чаще всего проблема в том, что понятие информационного каскада путают с идеями, не соответствующими двум ключевым условиям процесса, таким как социальное доказательство , распространение информации , и социальное влияние . Действительно, термин «информационный каскад» даже использовался для обозначения таких процессов.

Базовая модель

В этом разделе представлены некоторые основные примеры информационных каскадов, первоначально описанные Бикчандани и др. (1992). Базовая модель с тех пор разрабатывалась в различных направлениях, чтобы проверить ее надежность и лучше понять ее последствия.

Качественный пример

Информационные каскады возникают, когда внешняя информация, полученная от предыдущих участников события, преобладает над собственным личным сигналом, независимо от правильности первого над вторым. Эксперимент, проведенный Андерсоном является полезным примером этого процесса. В эксперименте использовались две урны с буквами А и Б. В урне А находятся два шара с надписью «а» и один с надписью «б». В урне B находится один шар с надписью «а» и два с надписью «b». Урна, из которой при каждом забеге необходимо вытащить шар, определяется случайным образом и с равными вероятностями (по броску игральной кости). Содержимое выбранной урны высыпается в нейтральный контейнер. Затем участников просят в случайном порядке вытащить шарик из этого контейнера. Весь этот процесс можно назвать «прогоном», и выполняется несколько таких прогонов.

Каждый раз, когда участник берет в руки шарик, он должен решить, какой урне он принадлежит. Затем его решение объявляется в пользу остальных участников комнаты. Таким образом, (n+1)-й участник обладает информацией о решениях, принятых всеми n предшествующими ему участниками, а также своим личным сигналом — меткой на шаре, который он вытягивает во время своего хода. Экспериментаторы заметили, что информационный каскад наблюдался в 41 из 56 таких запусков. Это означает, что в сериях, в которых возник каскад, по крайней мере один участник отдавал предпочтение более ранним решениям над своим собственным частным сигналом. Такое явление может привести к неправильному результату. Это явление известно как «Обратный каскад».

Количественное описание

Сигнал человека, говорящий ему о принятии, обозначается как H (высокий сигнал, где высокий означает, что он должен принять), а сигнал, говорящий ему не принимать, обозначается как L (низкий сигнал). Модель предполагает, что когда правильным решением будет принять, люди с большей вероятностью увидят сигнал H , и наоборот, когда правильным решением будет отказ, люди с большей вероятностью увидят L. сигнал По сути, это условная вероятность – вероятность H, когда правильным действием будет принятие, или $P[H|A]$. Сходным образом $P[L|R]$ — это вероятность того, что агент получит сигнал L , когда правильное действие будет отклонено. Если эти вероятности представлены q , то q > 0,5. Это обобщено в таблице ниже.

Сигнал агента	Состояние истинной вероятности
	Отклонять	Принимать
л	д	1- q
ЧАС	1- q	д

Первый агент определяет, принимать или нет, исключительно на основе своего собственного сигнала. Поскольку модель предполагает, что все агенты действуют рационально, действие (принятие или отклонение), которое, по мнению агента, является более вероятным, является именно тем действием, которое он выберет. Это решение можно объяснить с помощью правила Байеса :

${\begin{aligned}P\left(A|H\right)&={\frac {P\left(A\right)P\left(H|A\right)}{P\left(H\right)}}\\&={\frac {P\left(A\right)P\left(H|A\right)}{P\left(A\right)P\left(H|A\right)+P\left(R\right)P\left(H|R\right)}}\\&={\frac {pq}{pq+\left(1-p\right)\left(1-q\right)}}\\&>p\end{aligned}}$

Если агент получает сигнал H , то вероятность принятия определяется путем вычисления $P[A|H]$. Уравнение говорит, что в силу того факта, что q > 0,5, первый агент, действуя только на основе своего частного сигнала, всегда будет увеличивать свою оценку p с помощью H. сигнала Аналогичным образом можно показать, что агент всегда будет уменьшать свое ожидание p , когда он получает низкий сигнал. Напоминая, что если значение принятия V равно значению отклонения, то агент примет, если он считает, что p > 0,5, и отклонит в противном случае. Поскольку этот агент начал с предположения, что и принятие, и отказ являются одинаково жизнеспособными вариантами ( p = 0,5), наблюдение сигнала H позволит ему сделать вывод, что принятие — это рациональный выбор.

Затем второй агент рассматривает как решение первого агента, так и свой собственный сигнал, опять же рациональным образом. В общем, n- й агент учитывает решения предыдущих n -1 агентов и свой собственный сигнал. Он принимает решение, основываясь на байесовских рассуждениях, чтобы определить наиболее рациональный выбор.

$P(A|{\text{Previous}},{\text{Personal signal}})={\frac {pq^{a}(1-q)^{b}}{pq^{a}(1-q)^{b}+(1-p)(1-q)^{a}q^{b}}}$

Где a — количество приемов в предыдущем наборе плюс собственный сигнал агента, а b — количество отклонений. Таким образом, ⁠ $a+b=n$⁠ . Решение основано на том, как значение в правой части уравнения соотносится с p .

Явные предположения модели

Исходная модель делает несколько предположений о человеческом поведении и мире, в котором действуют люди. некоторые из них смягчены в более поздних версиях или в альтернативных определениях аналогичных проблем, таких как распространение инноваций .

1. Ограниченно рациональные агенты: исходная модель независимого каскада предполагает, что люди ограниченно рациональны. – то есть они всегда будут принимать рациональные решения на основе той информации, которую они могут наблюдать, но информация, которую они наблюдают, может быть не полной или правильной. Другими словами, агенты не обладают полными знаниями об окружающем мире (которые позволили бы им принять правильное решение в любых ситуациях). Таким образом, наступает момент, когда, даже если человек имеет правильное представление о каскаде идей или действий, его можно убедить с помощью социального давления принять какой-то альтернативный, неправильный взгляд на мир.
2. Неполное знание других: исходная модель информационного каскада предполагает, что агенты имеют неполные знания об агентах, которые предшествуют им в указанном порядке. В отличие от определений, в которых агенты обладают некоторыми знаниями о «частной информации», которой владели предыдущие агенты, текущий агент принимает решение, основанное только на наблюдаемых действиях (подражать или нет) предшествующих ему агентов. Важно отметить, что первоначальные создатели утверждают, что именно по этой причине информационные каскады могут быть вызваны небольшими потрясениями.
3. Поведение всех предыдущих агентов известно

Итоговые условия

1. Каскады будут происходить всегда — как уже говорилось, в простом режиме вероятность возникновения каскада увеличивается до 1 по мере того, как количество людей, принимающих решения, увеличивается до бесконечности.
2. Каскады могут быть неправильными – поскольку агенты принимают решения как с ограниченной рациональностью, так и с вероятностным знанием исходной истины (например, является ли принятие или отклонение правильным решением), неправильное поведение может каскадно распространяться по всей системе.
3. Каскады могут основываться на небольшом количестве информации — математически каскад бесконечной длины может возникнуть только на основе решения двух человек. В более общем смысле, небольшая группа людей, которые активно пропагандируют идею как рациональную, может быстро повлиять на гораздо большую часть населения в целом.
4. Каскады хрупкие – поскольку агенты не получают дополнительной информации после того, как разница между a и b превышает 2, и поскольку такие различия могут возникать при небольшом количестве агентов, агентов, учитывающих мнение тех агентов, которые принимают решения на основе фактической информации, можно отговорить. с выбором относительно легко. Это говорит о том, что каскады подвержены раскрытию публичной информации. также обсуждает этот результат в контексте изменения основного значения p с течением времени, и в этом случае каскад может быстро изменить курс.

Отвечая

Существует литература, в которой исследуется, как отдельные лица или фирмы могут реагировать на существование информационных каскадов, когда у них есть продукты для продажи, но покупатели не уверены в качестве этих продуктов. Кертис Тейлор (1999) показывает, что при продаже дома продавец, возможно, пожелает начать с высоких цен, поскольку неспособность продать дом по низкой цене указывает на низкое качество и может запустить каскад отказов от покупки, в то время как неспособность продать дом по высоким ценам может быть истолкована как означающая Цена на дом просто завышена, и тогда цены можно снизить, чтобы добиться продажи. Дэниел Сгрой (2002) показывает, что фирмы могут использовать «подопытных кроликов», которым предоставляется возможность покупать раньше, чтобы запустить информационный каскад посредством принятия ранних и публичных решений о закупках, а также работа Дэвида Гилла и Дэниела Сгрой (2008). показывают, что ранние публичные тесты могут иметь аналогичный эффект (и, в частности, что прохождение «жесткого теста», направленного против продавца, само по себе может спровоцировать каскад). Бозе и др. исследовали, как цены, установленные монополистом, могут меняться при наличии потенциального каскадного поведения, когда монополист и потребители не уверены в качестве продукции.

Примеры и области применения

Информационные каскады возникают в ситуациях, когда наблюдение за тем, как множество людей делают один и тот же выбор, дает доказательства, которые перевешивают собственное суждение. То есть человек думает: «Вероятнее, что я не прав, чем то, что все эти другие люди неправы. Поэтому я буду поступать так, как они».

В так называемом репутационном каскаде те, кто поздно реагирует, иногда соглашаются с решениями тех, кто реагирует раньше, не только потому, что те, кто поздно реагирует, считают, что те, кто реагирует раньше, правы, но также и потому, что они понимают, что их репутация будет повреждена, если они не согласятся с ранними ответами. ответчики.

Рыночные каскады

Информационные каскады стали одной из тем поведенческой экономики , поскольку их часто можно увидеть на финансовых рынках, где они могут подпитывать спекуляции и создавать кумулятивные и чрезмерные движения цен либо для всего рынка ( рыночный пузырь ), либо для конкретного актива, такого как акции. становится слишком популярным среди инвесторов.

Маркетологи также используют идею каскадов, чтобы попытаться запустить каскад покупок нового продукта. Если они смогут побудить первоначальную группу людей принять новый продукт, то те, кто позже принимает решения о покупке, также могут принять этот продукт, даже если он не лучше, а возможно, даже хуже, чем конкурирующие продукты. Это наиболее эффективно, если эти более поздние потребители смогут наблюдать за решениями о внедрении, а не за тем, насколько на самом деле были удовлетворены своим выбором первые клиенты. Это согласуется с идеей о том, что каскады возникают естественным образом, когда люди видят то, что делают другие, но не то, что они знают.

Пример – голливудские фильмы. Если тестовые показы показывают, что высокобюджетный фильм может оказаться провальным, студии часто решают потратить больше на первоначальный маркетинг, а не меньше, с целью заработать как можно больше денег в первые выходные, прежде чем станет известно, что это индейка. .

Информационные каскады обычно рассматриваются экономистами:

• как продукты рациональных ожиданий в их начале,
• как иррациональное стадное поведение , если оно сохраняется слишком долго, что сигнализирует о том, что коллективные эмоции также вступают в игру, чтобы подпитывать каскад.

Социальные сети и социальные сети

Дополнительная информация: анализ социальных сетей.

Доти и др. информация течет в виде каскадов констатируют, что в социальной сети . По мнению авторов, анализ виральности информационных каскадов в социальной сети может привести к созданию множества полезных приложений, таких как определение наиболее влиятельных людей в сети. Эта информация может быть использована для максимизации эффективности рынка или влияния на общественное мнение . Различные структурные и временные особенности сети влияют на каскадную виральность. Кроме того, эти модели широко используются при решении проблемы распространения слухов в социальных сетях, чтобы исследовать ее и уменьшить ее влияние в социальных сетях.

В отличие от работы над информационными каскадами в социальных сетях, социального влияния модель распространения убеждений утверждает, что люди имеют некоторое представление о частных убеждениях тех, кто находится в их сети. Таким образом, модель социального влияния ослабляет предположение об информационных каскадах, согласно которому люди действуют только на основе наблюдаемых действий, предпринимаемых другими. Кроме того, модель социального влияния ориентирована на встраивание людей в социальную сеть, а не в очередь. Наконец, модель социального влияния ослабляет предположение модели информационного каскада о том, что люди либо выполнят действие, либо нет, допуская непрерывную шкалу «силы» убеждения агентов в том, что действие должно быть завершено.

Информационные каскады также могут реструктурировать социальные сети, через которые они проходят. Например, хотя уровень оттока социальных связей в Твиттере постоянно низкий (в любой месяц меняется около 9% всех социальных связей), часто наблюдается всплеск активности подписок и отписок после информационного каскада, такого как распространение вирусного твита. По мере того как каскад обмена твитами проходит через сеть, пользователи корректируют свои социальные связи, особенно те, которые связаны с первоначальным автором вирусного твита: автор вирусного твита увидит как внезапную потерю предыдущих подписчиков, так и внезапное увеличение числа новых. последователи.

В рамках этого каскадного процесса реорганизации информационные каскады могут также создавать разнообразные социальные сети , в которых люди, как правило, связаны с другими людьми, похожими по некоторым характеристикам. Каскады твитов увеличивают сходство между подключенными пользователями, поскольку пользователи теряют связи с более непохожими пользователями и добавляют новые связи с похожими пользователями. Информационные каскады, создаваемые освещением новостей в средствах массовой информации, также могут способствовать политической поляризации , сортируя социальные сети по политическим линиям : пользователи Твиттера, которые следят за более поляризованными новостями и делятся ими, как правило, теряют социальные связи с пользователями противоположной идеологии.

Исторические примеры

• Небольшие протесты начались в Лейпциге , Германия, в 1989 году, когда всего лишь горстка активистов выступила против Германской Демократической Республики . В течение почти года протестующие собирались каждый понедельник, каждый раз увеличиваясь на несколько человек. К тому времени, когда правительство попыталось решить эту проблему в сентябре 1989 года, она была слишком велика, чтобы ее можно было подавить. В октябре число протестующих достигло 100 000, а к первому понедельнику ноября более 400 000 человек вышли на улицы Лейпцига. Через два дня Берлинская стена была демонтирована.

• Скорость внедрения засухоустойчивой гибридной семенной кукурузы во время Великой депрессии и «Пыльного котла» была медленной, несмотря на ее значительное улучшение по сравнению с ранее доступной семенной кукурузой. Исследователи из Университета штата Айова были заинтересованы в том, чтобы понять колебания общественности по поводу принятия этой значительно улучшенной технологии. После проведения 259 интервью с фермерами было замечено, что медленные темпы внедрения были связаны с тем, что фермеры ценили мнение своих друзей и соседей, а не слово продавца. Видеть для исходного отчета.

Эмпирические исследования

В дополнение к приведенным выше примерам, в нескольких эмпирических исследованиях было показано существование информационных каскадов. Пожалуй, лучший пример, приведенный выше, таков. Участники стояли в шеренгу за урной с шариками разного цвета. Поочередно участники доставали шар из урны, смотрели на него, а затем помещали обратно в урну. Затем агент высказывает свое мнение о том, шаров какого цвета (красных или синих) больше всего в урне, чтобы остальные участники могли услышать. Участники получают денежное вознаграждение, если угадают правильно, что подтверждает концепцию рациональности.

Другие примеры включают в себя

• Де Вани и Уоллс создать статистическую модель информационных каскадов, где требуется действие. Они применяют эту модель к действиям, которые люди предпринимают, чтобы пойти на просмотр фильма, вышедшего в кинотеатре. Де Вани и Уоллс проверяют свою модель на этих данных, обнаружив сходное по Парето для разных фильмов. распределение доходов
• Уолден и Браун также приняли оригинальную модель информационного каскада, превратив ее в операционную модель, более практичную для исследований в реальном мире, которая позволяет проводить анализ на основе наблюдаемых переменных. Уолден и Браун проверяют свою модель на данных о внедрении новых технологий предприятиями, находя подтверждение своей гипотезе о том, что информационные каскады играют роль в этом внедрении.

Юридические аспекты

Негативные последствия информационных каскадов иногда становятся предметом правовой озабоченности, и были приняты законы для их нейтрализации. Уорд Фарнсворт , профессор права, проанализировал правовые аспекты информационных каскадов и привел несколько примеров в своей книге «Юридический аналитик» : во многих военных судах офицеры, голосующие за принятие решения по делу, голосуют в обратном порядке (голосует офицер самого низкого ранга). во-первых), и он предположил, что это может быть сделано для того, чтобы у офицеров более низкого ранга не возникло соблазна каскадом проголосовать за более старших офицеров, которые, как полагают, имеют более точные суждения; Другим примером является то, что в таких странах, как Израиль и Франция, действуют законы, которые запрещают проведение выборов за несколько дней или недель до выборов , чтобы предотвратить эффект информационного каскада, который может повлиять на результаты выборов.

Глобализация

В одном информационном каскадном исследовании сравнивались мыслительные процессы между греческими и немецкими фермерами, выращивающими экологически чистые продукты, что указывает на расхождения, основанные на культурных и социально-экономических различиях. Более того, каскады были экстраполированы на такие идеи, как финансовая волатильность и денежно-кредитная политика. В 2004 году Хельмут Вагнер и Вольфрам Бергер предложили каскады в качестве аналитического инструмента для изучения изменений на финансовом рынке по мере того, как он становился более глобализированным. Вагнер и Бергер заметили структурные изменения в понимании финансовых рынков, вызванные глобализацией; приводя к нестабильности потоков капитала и порождая неопределенность, которая отразилась на центральных банках. Кроме того, информационные каскады полезны для понимания истоков террористической тактики. Когда в 1972 году произошла атака «Черного сентября», трудно было не увидеть сходство между их тактикой и тактикой группы Баадер-Майнхоф (также известной как Фракция Красной Армии [RAF]). Все эти примеры показывают, как применялся каскадный процесс. Более того, важно понимать структуру каскадов, чтобы двигаться вперед в более глобализированном обществе. Создание основы для понимания прохождения информации через транснациональные и многонациональные организации и даже более того имеет решающее значение для зарождающегося современного общества. Подводя итог всем этим пунктам, каскады, как общий термин, охватывают целый спектр различных концепций. Информационные каскады были основной нитью в том, как информация передается, перезаписывается и понимается в различных культурах, охватывающих множество разных стран.

См. также

• Эксперименты на соответствие Ашу
• Соответствие
• Групповое мышление
• Групповая поляризация
• Стадное поведение
• Шипл
• Социальное доказательство
• Эффект Вузла
• Другие подходы к моделированию
  • Гипотеза адаптивного рынка
  • Агентная вычислительная экономика
  • Финансовая экономика # Проблемы и критика
  • Гипотеза шумного рынка
  • Гипотеза случайного блуждания # Гипотеза неслучайного блуждания

Внешние ссылки

• Информационные каскады и рациональное стадо: аннотированная библиография и ссылки на ресурсы
• Библиография информационных каскадов и стадных эффектов
• Шиллер, Роберт Дж. (2 марта 2008 г.). «Как пузырь остался незамеченным» . Нью-Йорк Таймс .
• Тирни, Джон (9 октября 2007 г.). «Как каскад с низким содержанием жира и фактов продолжает развиваться» . ТирниЛаб .
• Тирни, Джон (10 октября 2007 г.). «Шопенгауэр на каскадах» . ТирниЛаб .
• Уоттс, Дункан Дж. (15 апреля 2007 г.). «Является ли Джастин Тимберлейк продуктом совокупного преимущества?» . Нью-Йорк Таймс .
• Информационные каскады в магии