Essais en conception de l’information et théorie des réseaux

Essays in Information Design and network theory

• Auteur / Autrice : Wei Zhao
• Direction : Tristan Tomala
• Type : Thèse de doctorat
• Discipline(s) : Economie, gestion, sciences sociales
• Date : Soutenance le 21/06/2022
• Etablissement(s) : Jouy-en Josas, HEC
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : Groupement d'études et de recherche en gestion à HEC (Jouy-en-Josas, Yvelines)
• Partenaire(s) de recherche : établissement de préparation de la thèse : École des hautes études commerciales (Jouy-en-Josas, Yvelines ; 1881-....)
• Jury : Président / Présidente : Bruno Biais
• Jury : Examinateurs / Examinatrices : Bruno Biais, Vasiliki Skreta, Eduardo Perez Richet, Ludovic Renou
• Jury : Rapporteurs / Rapporteuses : Vasiliki Skreta, Eduardo Perez Richet

Mots clés

Mots clés contrôlés

Réseaux sociaux

Information, Théorie de l'

Mots clés libres

Conception d’informations dynamiques

La théorie des réseaux sociaux

Intervention structurelle

Dynamic Information Design

Social Network Theory

Social Network Theory

Résumé

Cette thèse étudie la conception de l’information dynamique et la théorie des réseaux. La thèse est composée de quatre chapitres. Dans le premier chapitre, j’étudie la conception de l’information dans un environnement dynamique de risque moral. Un agent et un expert font face à une incertitude commune concernant l’efficacité d’une décision collective. L’agent supporte le coût de l’effort d’acquisition de l’information et prend la décision finale. L’expert est le seul observateur des résultats de la recherche et fournit des informations à l’agent au fil du temps. Les deux parties sont également affectées par la décision. Je montre qu’une politique d’information optimale consiste à divulguer la vérité avec retard. Dans les premières périodes de temps, le délai est nul, puis augmente strictement et enfin disparaît. Au moment où le délai retombe à zéro, l’agent a pris sa décision avec une probabilité de un. Dans le deuxième chapitre, nous étudions un problème dynamique principal-agent, où le seul instrument dont dispose le principal pour inciter l’agent est la divulgation d’informations. Le principal vise à maximiser le nombre (actualisé) de fois où l’agent choisit l’action préférée du principal. Nous montrons qu’il existe un contrat optimal, où le principal arrête de divulguer des informations dès que son action préférée est une meilleure réponse statique pour l’agent, ou bien continue de divulguer des informations jusqu’à ce que l’agent apprenne parfaitement les informations privées du principal. Si l’agent apprend parfaitement l’état, il l’apprend en temps fini avec une probabilité de un ; plus l’agent est patient, plus il l’apprend tard. Dans le troisième chapitre, deux types d’intervention sont couramment mis en œuvre dans les réseaux : l’intervention caractéristique qui influence les incitations intrinsèques des individus, et l’intervention structurelle qui vise les liens sociaux entre les individus. Dans cet article, nous fournissons un cadre général pour évaluer les effets d’équilibre distincts de ces deux types d’intervention. Nous identifions une équivalence cachée entre une intervention structurelle et une intervention caractéristique déterminée de manière endogène. Par rapport aux approches existantes dans la littérature, la perspective d’une telle équivalence offre plusieurs avantages dans l’analyse des interventions de ciblage de la structure du réseau. Nous présentons un large éventail d’applications de notre théorie, notamment pour déterminer si une intervention structurelle est bénéfique, pour identifier le ou les criminels les plus recherchés dans les réseaux de délinquants et pour cibler les nœuds-passerelles clés pour les communautés déconnectées. Dans le dernier chapitre, nous étudions le problème de la conception de réseaux efficaces de manière séquentielle. A chaque période, le planificateur connecte deux agents non liés dans le réseau formé à la période précédente, puis les agents jouent un jeu avec complémentarité locale sous le réseau nouvellement formé. Le planificateur bénéficie de l’ensemble du flux actualisé du bienêtre d’équilibre. Nous montrons que la formation d’un graphe divisé imbriqué à chaque période est une stratégie optimale pour le planificateur pour toute valeur spécifique des facteurs d’actualisation. De plus, lorsque le planificateur actualise fortement le bienêtre futur, la stratégie optimale induit un graphe quasi-complet à chaque période, quelle que soit la force de l’effet complémentaire. Notre article fournit donc une micro-fondation pour le réseau quasi-complet puisqu’il est formé par l’algorithme de la cupidité. Nous discutons également de la robustesse de ces résultats en cas de meilleure réponse non linéaire et d’agents hétérogènes.

This thesis studies dynamic information design and network theory. The thesis is composed of four chapters. In the first chapter, I study information design in a dynamic moral hazard environment. An agent and an expert face a common uncertainty regarding the effectiveness of a collective decision. The agent bears the cost of effort of information acquisition and makes the final decision. The expert is the only observer of research outcomes and provides information over time to the agent. Both parties are equally affected by the decision. I show that one optimal information policy consists in disclosing truthfully with delay. In the first periods of time, the delay is zero, then strictly increases and finally vanishes. By the time the delay decreases back to zero, the agent has taken the decision with probability one. In the second chapter, we study a dynamic principal-agent problem, where the sole instrument the principal has to incentivize the agent is the disclosure of information. The principal aims at maximizing the (discounted) number of times the agent chooses the principal’s preferred action. We show that there exists an optimal contract, where the principal stops disclosing information as soon as its most preferred action is a static best reply for the agent, or else continues disclosing information until the agent perfectly learns the principal’s private information. If the agent perfectly learns the state, he learns it in finite time with probability one ; the more patient the agent, the later he learns it. In the third chapter, two types of intervention are commonly implemented in networks : characteristic intervention which influences individuals’ intrinsic incentives, and structural intervention which targets at the social links among individuals. In this paper we provide a general framework to evaluate the distinct equilibrium effects of both types of interventions. We identify a hidden equivalence between a structural intervention and an endogenously determined characteristic intervention. Compared with existing approaches in the literature, the perspective from such an equivalence provides several advantages in the analysis of targeting interventions of the network structure. We present a wide range of applications of our theory, including determining whether a structural intervention is beneficial, identifying the most wanted criminal(s) in delinquent networks, and targeting the key bridge nodes for disconnected communities. In the last chapter, we study the problem of designing efficient network sequentially. In each period, the planner connects two unlinked agents in the network formed in previous period, then the agents play a game with local complementarity under the newly formed network. The planner benefits from the entire discounted stream of equilibrium welfare. We show that, forming a nested split graph in each period is an optimal strategy for the planner for any specific values of discount factors. Moreover, when the planner heavily discounts future welfare, the optimal strategy induces a quasi-complete graph in each period regardless of the strength of complementary effect. Our paper therefore provides a micro-foundation for quasi-complete network since it is formed under greedy algorithm. We also discuss the robustness of these results under non-linear best response and heterogeneous agents.