Quem É Quem? Informação Incompleta, Tipos e Equilíbrio Bayesiano¶
9c.1 Quem É Quem? Informação Incompleta e Tipos¶
A mecânica da transformação de Harsanyi é simples. Cada jogador recebe um tipo — uma característica privada (custo, valor, produtividade) sorteada pela natureza. Cada um vê seu tipo, mas não o dos outros. A distribuição de probabilidade sobre os tipos é conhecida por todos (é a "prior comum"). Com essa reformulação, o jogo se torna analisável: cada jogador escolhe uma estratégia que depende do seu tipo, maximizando o payoff esperado dadas suas crenças sobre os tipos alheios.
Para fixar ideias, um exemplo concreto antes da formalização. Uma empresa incumbente pode ter custo marginal baixo (\(\theta = L\), firma eficiente) ou alto (\(\theta = H\), firma ineficiente). Uma entrante potencial não observa o tipo da incumbente, mas sabe que a probabilidade de enfrentar uma firma eficiente é \(p\). A decisão de entrar ou não no mercado depende crucialmente da crença sobre \(p\): se \(p\) é alto (a incumbente provavelmente é eficiente), a entrada é arriscada; se \(p\) é baixo, a entrada pode ser lucrativa. O jogo bayesiano formaliza exatamente essa situação — a natureza sorteia o tipo da incumbente, a entrante forma suas crenças usando \(p\), e ambas as partes agem racionalmente dado o que sabem.
Jogo Bayesiano
Um jogo Bayesiano é definido por:
onde \(\Theta_i\) é o conjunto de tipos do jogador \(i\), \(u_i(s, \theta)\) é o payoff, e \(p(\theta)\) é a distribuição conjunta sobre o perfil de tipos (prior comum).
A transformação de Harsanyi converte um jogo com informação incompleta em um jogo com informação imperfeita (mas completa): a "natureza" sorteia os tipos, cada jogador observa apenas o próprio tipo, e o jogo prossegue como um jogo simultâneo em que cada tipo é tratado como um "jogador" separado. O que antes era genuína ignorância sobre a estrutura do jogo, formalizada pela equação \(\eqref{eq:9c.1}\), torna-se meramente incerteza sobre um lance aleatório — algo que as ferramentas probabilísticas podem tratar rigorosamente.
É importante notar a diferença entre informação incompleta e informação imperfeita (introduzida no Capítulo 9b). Informação imperfeita significa que os jogadores não observam todas as ações passadas; informação incompleta significa que não conhecem as características fundamentais dos adversários — custos, valores, preferências. A genialidade da transformação de Harsanyi é reduzir o segundo tipo ao primeiro, unificando o tratamento analítico. Uma vez que o jogo bayesiano está definido, as estratégias passam a ser funções dos tipos: em vez de escolher uma ação, cada jogador escolhe um plano contingente que especifica o que fazer para cada possível realização do seu tipo privado.
Essa distinção tem consequências profundas para a modelagem econômica. Em jogos com informação completa (Cap. 9a), basta especificar uma ação para cada jogador. Em jogos bayesianos, uma estratégia é um mapeamento do espaço de tipos para o espaço de ações: \(\sigma_i: \Theta_i \to S_i\) (ou, em estratégias mistas, \(\sigma_i: \Theta_i \to \Delta(S_i)\)). Essa mudança de perspectiva — de ações para planos contingentes — é o que torna possível analisar mercados com informação assimétrica, leilões com licitantes heterogêneos, e toda a gama de problemas de economia da informação que exploraremos ao longo deste livro.
A hipótese de distribuição a priori comum (common prior) — de que todos os jogadores compartilham a mesma distribuição de probabilidade sobre os tipos — merece atenção especial. Essa hipótese, formalmente \(p(\theta)\) na equação \(\eqref{eq:9c.1}\), significa que a incerteza dos jogadores não vem de discordância sobre o modelo do mundo, mas apenas de informação privada: cada um sabe algo que os outros não sabem, mas todos concordam sobre a estrutura probabilística subjacente. Sem essa hipótese, seria necessário modelar crenças sobre crenças sobre crenças ad infinitum — o que Harsanyi mostrou ser equivalente a uma hierarquia infinita de tipos que pode ser colapsada em uma prior comum sob condições razoáveis.
Com a formalização do jogo bayesiano e a noção de estratégias contingentes ao tipo, estamos em posição de definir o conceito de equilíbrio — o Equilíbrio Bayesiano de Nash — que captura o comportamento racional quando cada jogador utiliza sua informação privada de forma ótima.
9c.2 Chutar Com Base no Que Você Sabe: Equilíbrio Bayesiano de Nash¶
O jogo está definido; falta o conceito de equilíbrio. A ideia é natural: cada tipo de cada jogador deve estar jogando a melhor resposta, dadas suas crenças sobre os tipos dos adversários. É um equilíbrio de Nash, mas "por tipo" — como se cada tipo fosse um jogador separado que sabe seu próprio tipo e forma expectativas sobre os demais usando a prior. Esse é o Equilíbrio Bayesiano de Nash (BNE). O jogador tipo \(\theta_i\) não sabe quais tipos os outros receberam, mas pode calcular a expectativa de seu payoff usando a distribuição condicional \(p(\theta_{-i} | \theta_i)\) e as estratégias de equilíbrio \(\sigma_{-i}^*(\theta_{-i})\). Se tipos são independentes — como ocorre no modelo de valores privados independentes que será central na teoria de leilões — a distribuição condicional coincide com a prior marginal, simplificando consideravelmente o cálculo.
Equilíbrio de Nash Bayesiano
Um perfil de estratégias \(\sigma^* = (\sigma_1^*, \ldots, \sigma_n^*)\), onde \(\sigma_i^*: \Theta_i \to \Delta(S_i)\), é um BNE se, para todo \(i\) e todo \(\theta_i \in \Theta_i\):
Cada tipo de cada jogador maximiza seu payoff esperado, condicionando nas crenças sobre os tipos dos outros e nas estratégias de equilíbrio dos demais.
Equilíbrio Bayesiano de Nash — Definição Operacional
Dito de forma equivalente, \(\sigma^*\) é um BNE se e somente se, para cada jogador \(i\) e cada tipo \(\theta_i\) com probabilidade positiva, a ação \(\sigma_i^*(\theta_i)\) é uma melhor resposta às estratégias dos demais, tomando a expectativa sobre \(\theta_{-i}\) usando a distribuição posterior de \(i\) sobre os tipos dos outros, condicionada em \(\theta_i\).
Em termos práticos: encontrar um BNE equivale a resolver um sistema de problemas de otimização interligados — um para cada par (jogador, tipo) — em que as melhores respostas devem ser mutuamente consistentes.
O BNE herda as propriedades do equilíbrio de Nash: em jogos finitos, sempre existe pelo menos um BNE (possivelmente em estratégias mistas). A diferença fundamental está na dimensionalidade do problema de equilíbrio: com \(n\) jogadores e \(|\Theta_i|\) tipos cada, o número de condições de otimização cresce proporcionalmente ao produto dos tamanhos dos conjuntos de tipos — muito mais complexo do que o jogo de informação completa correspondente.
Para resolver um jogo bayesiano e encontrar o BNE na prática, o procedimento padrão segue três passos. Primeiro, enumerar as estratégias possíveis de cada jogador — lembrando que uma estratégia é uma função do tipo para ações, não simplesmente uma ação. Segundo, para cada perfil de estratégias candidato, verificar se cada tipo de cada jogador está jogando uma melhor resposta, tomando a expectativa sobre os tipos dos demais. Terceiro, identificar os perfis que satisfazem a condição de melhor resposta simultaneamente para todos os pares (jogador, tipo). Em jogos com tipos contínuos — como os leilões que estudaremos a seguir — os passos são análogos, mas envolvem a solução de equações diferenciais em vez de enumeração discreta.
É útil contrastar o BNE com o equilíbrio de Nash de informação completa. No equilíbrio de Nash padrão (Cap. 9a), cada jogador maximiza contra as ações dos demais. No BNE, cada tipo maximiza contra a distribuição de ações dos demais, induzida pelas estratégias de equilíbrio e pela distribuição de tipos. A incerteza sobre os tipos dos adversários introduz uma camada adicional de raciocínio probabilístico que é, ao mesmo tempo, a riqueza e a dificuldade dos jogos bayesianos.
Intuição Econômica
BNE: escolher melhor resposta dado o que você acredita sobre os tipos alheios
Em uma frase: No BNE, cada tipo de cada jogador age como o melhor que pode, dado o que acredita saber sobre quem está do outro lado da mesa.
Pense assim: Imagine que você negocia um contrato com uma empresa fornecedora. Você não sabe se ela é eficiente (custo baixo) ou ineficiente (custo alto). Mas sabe que, historicamente, 40% das fornecedoras são eficientes. No BNE, você formula uma proposta ótima contra essa distribuição de 40/60, e cada tipo da fornecedora responde com sua melhor oferta. Ninguém sabe o tipo do outro, mas todos agem racionalmente dado o que sabem.
Por que isso importa: O BNE é o conceito que unifica leilões, seguros, mercados de trabalho e regulação sob um mesmo arcabouço. Em todos esses contextos, há agentes com informação privada tomando decisões simultâneas — e o BNE captura exatamente o que acontece quando todos são racionais e as crenças são consistentes.
🏅 Prêmio Nobel — John C. Harsanyi (1994)
John Charles Harsanyi (1920–2000) foi um economista húngaro-americano. Fugiu da Hungria comunista em 1950, obteve o PhD em Stanford sob orientação de Kenneth Arrow e foi professor na UC Berkeley. Dividiu o Nobel com Nash e Selten.
Por que ganhou o Nobel: Harsanyi resolveu o problema fundamental de como analisar jogos em que os jogadores não conhecem as características uns dos outros. Sua transformação de Harsanyi (1967–68) converte um jogo com informação incompleta em um jogo com informação imperfeita, introduzindo a "Natureza" como jogador que sorteia os tipos privados. Isso tornou possível aplicar o conceito de equilíbrio de Nash a situações de incerteza sobre os adversários.
Conexão com este capítulo: O equilíbrio bayesiano de Nash (BNE) — conceito central deste capítulo — é a aplicação direta da transformação de Harsanyi. A ideia de que cada jogador possui um "tipo" privado sorteado pela Natureza, e que as estratégias são funções do tipo, fundamenta toda a análise de jogos com informação incompleta apresentada aqui.
Intuição Econômica
Em uma frase: Em jogos bayesianos, cada jogador usa sua informação privada para extrair vantagem, mas o equilíbrio incorpora essa assimetria.
Pense assim: Num leilão de arte, você sabe quanto o quadro vale para você, mas não para os outros. Se lançar seu valor verdadeiro num leilão de primeiro preço, paga demais quando ganha. O equilíbrio envolve bid shading — lançar abaixo do valor. Mas num leilão de segundo preço (Vickrey), lançar o valor verdadeiro é estratégia dominante!
Por que isso importa: O desenho do mecanismo (formato do leilão, regra de pagamento) determina se os participantes revelam informação verdadeira ou estratégica. A ANP e a ANEEL precisam escolher formatos que maximizem receita e eficiência nos leilões de petróleo e energia.
Com o conceito de BNE firmemente estabelecido, passamos à aplicação que mais transformou a teoria em prática: a teoria de leilões. Veremos que os leilões são o campo de testes por excelência dos jogos bayesianos — cada formato de leilão define um jogo bayesiano específico, e a análise do BNE correspondente revela propriedades surpreendentes sobre receita, eficiência e incentivos.