ISSLEDOVANIE STRATEGIChESKIKh POSLEDSTVIY UTEChKI SKORINGOVOY MODELI

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

В данной статье моделируется раскрытие информации о скоринговой модели. Некоторые клиенты компании узнают свой внутренний рейтинг в компании. Такие клиенты могут изменить свое поведение, чтобы повысить свой внутренний рейтинг. Клиенты, знающие об утечке информации, являются игроками, которые могут выбирать стратегию: повышать ли свой внутренний рейтинг и если да, то насколько. Главная задача -найти в этой игре равновесие Байеса-Нэша и выяснить, как оно зависит от различных параметров, таких как масштаб утечки, распределение рейтингов.

参考

  1. Carr A. I found out my secret internal tinder rating and now I wish I hadn’t. https://www.fastcompany.com/3054871/whats-your-tinder-score-inside-the-apps-internal-ranking-system (Accessed: 22.01.2024)
  2. Albanesi S., Vamossy D. Predicting consumer default: A deep learning approach // National Bureau of Econom. Res. 2019. No. w26165. 72 p.
  3. Plawiak P., Abdar M., Plawiak J., et al. DGHNL: A new deep genetic hierarchical network of learners for prediction of credit scoring // Inform. Sci. 2020. V. 516. P. 401-418.
  4. Hurley M., Adebayo J. Credit scoring in the era of big data // Yale JL & Tech. 2016. V. 18. No. 148.
  5. Martinez A., Schmuck C., Pereverzyev S., Pirker C., Haltmeier M. A machine learning framework for customer purchase prediction in the non-contractual setting // Eur. J. Oper. Res. 2020. V. 281. No. 3. P. 588-596.
  6. Syakur M.A. et al. Integration k-means clustering method and elbow method for identification of the best customer profile cluster // IOP conference series: materials science and engineering, IOP Publishing. 2018. V. 336. No. 012017.
  7. Roth A. Game theory as a part of empirical economics // The Econ. J. 1991. V. 101. No. 404. P. 107-114.
  8. Harsanyi J. Games with incomplete information played by “bayesian” players, I-III part I. The basic model // Management Sci. 1967. V. 14. No. 3. P. 159-182.
  9. Бурков В.Н. Основы математической теории активных систем. М.: Наука, 1977. Т. 255.
  10. Бурков В.Н., Новиков Д.А. Теории активных систем 50 лет: история развития // Материалы международной научно-практической конференции «ТЕОРИЯ АКТИВНЫХ СИСТЕМ 50 лет» (ТАС-50, Москва). М.: ИПУ РАН, 2019. С. 10-57.
  11. Еналеев А.К. Оптимальность согласованных механизмов функционирования в активных системах // Управление большими системами: сборник трудов. 2011. № 33. С. 143-166.
  12. Еналеев А.К. Оптимальный согласованный механизм в системе с несколькими активными элементами // Проблемы управления. 2015. № 3. С. 20-28.
  13. Бурков В.Н., Еналеев А.К., Коргин Н.А. Согласованность и неманипулируе-мость механизмов организационного управления: текущее состояние проблемы, ретроспектива, перспективы развития теоретических исследований // А и Т. 2021. № 7. С. 5-37.
  14. Dellarocas C. Strategic manipulation of internet opinion forums: Implications for consumers and firms // Management Sci. 2006. V. 52. No. 10. P. 1577-1593.
  15. Dini F., Spagnolo G. Buying reputation on eBay: Do recent changes help? // Int. J. Electron. Business. 2009. V. 7. No. 6. P. 581-598.
  16. Wright R. et al. Directed search and competitive search equilibrium: A guided tour // J. Econ. Lit. 2021. V. 59. No. 1. P. 90-148.
  17. Sandomirskaia M., Shavshin R. Price Competition in Finite Markets with a Rare Good and Private Consumer Valuations // Higher School Econom. Res. Paper, 2021. V. 248. 29 p.
  18. Peters M. Bertrand equilibrium with capacity constraints and restricted mobility // Econometrica. 1984. V. 52. No. 5. P. 1117-1127.

补充文件

附件文件
动作
1. JATS XML
下载

版权所有 © The Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».