MARC

 008240219s2023        ulk                      00        kor
■001000016932284
■00520240214100438
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798379717209
■035    ▼a(MiAaPQ)AAI30490950
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a361
■1001  ▼aRigobon,  Daniel  E.  .
■24510▼aCollective  Good  and  Optimization  in  Socioeconomic  Systems▼h[electronic  resource]
■260    ▼a[S.l.]▼bPrinceton  University.  ▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a1  online  resource(145  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  84-12,  Section:  A.
■500    ▼aAdvisor:  Sircar,  Ronnie;Racz,  Miklos  Z.  .
■5021  ▼aThesis  (Ph.D.)--Princeton  University,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aOptimization  is  fundamentally  grounded  in  perspective  -  one  party's  desired  outcome  may  induce  unintended  harm  on  another.  Such  cases  of  misalignment  between  designers'  incentives  and  collective  good  therefore  demand  attention,  especially  when  consequences  are  meaningful  for  society.  To  this  end,  we  study  three  settings  in  which  individualistic  optimization  and  social  good  can  conflict.First,  we  study  how  a  centralized  planner  can  modify  the  structure  of  a  social  or  information  network  to  reduce  polarization.  By  formulating  and  analyzing  a  greedy  approach  to  the  planner's  problem,  we  motivate  two  practical  heuristics:  coordinate  descent  and  disagreement-seeking.  We  also  introduce  a  setting  where  the  population's  innate  opinions  are  adversarially  chosen,  which  reduces  to  maximization  of  the  Laplacian's  spectral  gap.  We  motivate  a  heuristic  that  adds  edges  spanning  the  cut  induced  by  the  spectral  gap's  eigenvector.  These  three  heuristics  are  evaluated  on  real-world  and  synthetic  networks.  We  observe  that  connecting  disagreeing  users  is  consistently  effective,  suggesting  that  the  incentives  of  individuals  and  recommender  systems  may  reinforce  polarization.Second,  we  build  a  model  of  the  financial  system  in  which  banks  control  both  their  supply  of  liquidity,  through  cash  holdings,  and  their  exposures  to  risky  interbank  loans.  The  value  of  interbank  loans  drops  when  borrowing  banks  suffers  liquidity  shortages  -  caused  by  the  arrival  of  liquidity  shocks  that  exceeds  supply.  In  the  decentralized  setting,  we  study  banks'  optimal  capital  allocation  under  pure  self-interest.  The  second  centralized  setting  tasks  a  planner  with  maximizing  collective  welfare,  i.e.  sum  of  banks'  utilities.  We  find  that  the  decentralized  equilibrium  carries  higher  risk  of  liquidity  shortages.  As  the  number  of  banks  grows,  the  relative  gap  in  welfare  is  of  constant  order.  We  derive  capitalization  requirements  for  which  decentralized  banks  hold  the  welfare-maximizing  level  of  liquidity,  and  find  that  systemically  important  banks  must  face  the  greatest  losses  when  suffering  liquidity  crises  -  suggesting  that  bailouts  can  yield  perverse  incentives.Finally,  we  study  algorithmic  fairness  through  the  ethical  frameworks  of  utilitarianism  and  John  Rawls.  Informally,  these  two  theories  of  distributive  justice  measure  the  'good'  as  either  a  population's  sum  of  utility,  or  worst-off  outcomes,  respectively.  We  present  a  parameterized  class  of  objective  functions  that  interpolates  between  these  two  conflicting  notions  of  the  'good'.  By  implementing  this  class  of  objectives  on  real-world  datasets,  we  construct  the  tradeoff  between  utilitarian  and  Rawlsian  notions  of  the  'good'.  Empirically,  we  see  that  increasing  model  complexity  can  manifest  strict  improvements  to  both  measures  of  the  'good'.  This  work  suggests  that  model  selection  can  be  informed  by  a  designer's  preferences  over  the  space  of  induced  utilitarian  and  Rawlsian  'good'.
■590    ▼aSchool  code:  0181.
■650  4▼aSocial  work.
■653    ▼aEigenvector
■653    ▼aOptimization
■653    ▼aSocioeconomic  systems
■653    ▼aInformation  network
■653    ▼aInterbank  loans
■690    ▼a0796
■690    ▼a0770
■690    ▼a0452
■71020▼aPrinceton  University▼bOperations  Research  and  Financial  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g84-12A.
■773    ▼tDissertation  Abstract  International
■790    ▼a0181
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16932284▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서