تعادل نش، برگ و حریصانه در چارچوب بازی ترکیبی بین دو سیاست گذار پولی و مالی در فرم نرمال: کاربردی از بازی معمای زندانی
Publish place: The Journal of Economic Policy، Vol: 16، Issue: 32
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 36
This Paper With 45 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EPYA-16-32_010
تاریخ نمایه سازی: 8 مهر 1403
Abstract:
دستیابی به سطح هماهنگی در اجرای سیاست های پولی و مالی توسط دو نهاد دولت و بانک مرکزی یکی از موضوعات مورد بحث در میان تئوریسن های اقتصادی است. هدف دولت دستیابی به رشد اقتصادی بالا با بکارگیری ابزار بودجه ای و همچنین هدف بانک مرکزی دستیابی به ثبات تورم با استفاده از ابزار نرخ بهره است. از این رو در این مطالعه تعامل بین این دو مقام در چارچوب نظریه بازی در فرم نرمال مورد بررسی قرار گرفت. برای دستیابی به تعادل در این بازی از سه مفهوم تعادلی در نظریه بازی از جمله تعادل نش، تعادل برگ و تعادل برداری حریصانه استفاده شده است، به طوری که در تعادل نش هر بازیکن به طور فردی و منفعت جویانه به دنبال حداکثر کردن سود خود است، اما در تعادل برگ بازیکنان یک رفتار نوع دوستانه را در مقابل رقیب خود اعمال می کنند و از طرف دیگر در تعادل برداری حریصانه بازیکنان وارد یک بازی شبه همکارانه می شوند و تلاش دارند تا با تشکیل ائتلاف با یکدیگر منافع مشترک خود را حداکثر نمایند. نتایج این بازی نشان می دهد که در یک بازی با دو استراتژی، تعادل نش جایی است که دولت و بانک مرکزی هر دو استراتژی سیاست انقباضی را دنبال می-کنند. در این بازی اقتصاد وارد بازی معمای زندانی نمی شود اما تعادل بهینه پارتو می باشد. از طرف دیگر تعادل برگ جایی است که دولت استراتژی سیاست مالی انبساطی و بانک مرکزی استراتژی سیاست پولی انقباضی را دنبال می کنند. از طرف دیگر بسیاری از وضعیت ها تعادل حریصانه شامل هم تعادل نش و هم تعادل برگ است
Keywords:
Authors
داود محمودی نیا
دانشیار گروه اقتصاد دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، ایران
داود فروتن نیا
دانشیار گروه ریاضی دانشگاه ولی عصر(عج) رفسنجان، رفسنجان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
