Enviar artigo por via de e-mail ISSLEDOVANIE STRATEGIChESKIKh POSLEDSTVIY UTEChKI SKORINGOVOY MODELI
- Autores: KRYuKOV G.1, SANDOMIRSKAYa M.1
-
Afiliações:
- Edição: Nº 8 (2024)
- Páginas: 54-75
- Seção: Control in Social Economic Systems
- URL: https://journals.rcsi.science/0005-2310/article/view/262914
- DOI: https://doi.org/10.31857/S0005231024080041
- EDN: https://elibrary.ru/WPGHKX
- ID: 262914
Citar
Acesso aberto
Acesso está concedido
Somente assinantes
Resumo
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.
Palavras-chave
Bibliografia
- 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)
- Albanesi S., Vamossy D. Predicting consumer default: A deep learning approach // National Bureau of Econom. Res. 2019. No. w26165. 72 p.
- 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.
- Hurley M., Adebayo J. Credit scoring in the era of big data // Yale JL & Tech. 2016. V. 18. No. 148.
- 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.
- 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.
- Roth A. Game theory as a part of empirical economics // The Econ. J. 1991. V. 101. No. 404. P. 107-114.
- 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.
- Бурков В.Н. Основы математической теории активных систем. М.: Наука, 1977. Т. 255.
- 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.
- Еналеев А.К. Оптимальность согласованных механизмов функционирования в активных системах // Управление большими системами: сборник трудов. 2011. № 33. С. 143-166.
- Еналеев А.К. Оптимальный согласованный механизм в системе с несколькими активными элементами // Проблемы управления. 2015. № 3. С. 20-28.
- 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.
- Dellarocas C. Strategic manipulation of internet opinion forums: Implications for consumers and firms // Management Sci. 2006. V. 52. No. 10. P. 1577-1593.
- Dini F., Spagnolo G. Buying reputation on eBay: Do recent changes help? // Int. J. Electron. Business. 2009. V. 7. No. 6. P. 581-598.
- Wright R. et al. Directed search and competitive search equilibrium: A guided tour // J. Econ. Lit. 2021. V. 59. No. 1. P. 90-148.
- 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.
- Peters M. Bertrand equilibrium with capacity constraints and restricted mobility // Econometrica. 1984. V. 52. No. 5. P. 1117-1127.
