这个问题非常棒,不过我不确定它是不是能在知乎上得到令人满意的回答。这个问题属于经济学和数学交界处的机制设计领域,需要的知识非常艰涩,也基本不可能简化。因为自己也不太了解,所以这里只能提供一个直觉上的答案。先摆结论:题主的设想应该是不可能实现的,但如果把范围限制到一个具体的市场,大数据确实有可能帮助我们有效配置资源。
解决这个问题的关键还是Hayek的思想:价格能够有效地、低成本地加总信息,而计划经济很难做到这一点。直观的分析如下:经济体中每个人都有很多私人信息。政府想实现效率,就需要获取这些信息。如果不使用暴力,那就只能通过精心设计的制度来诱使人们说真话。而在市场竞争中,人们只需要了解价格,市场就可以达到有效率,看起来需要付出的信息成本应当是最小的。确实如此,Hurwicz严格地证明了这个结论:瓦尔拉斯竞争机制(也就是我们理解的市场机制)是达到一般均衡的所有机制中所需信息维数最少的。
也许可以把Hurwicz的结果最简单的情形大概描述一下,完全的叙述一定会涉及很困难的数学,自己也弄不明白,具体可以参考Hurwicz和Reiter的书。机制设计问题有两个大前提需要注意:一是隐私保障。设计者不能利用那些本应该是私人的信息。我们不能假设政府知道个人的效用函数、能力等变量,只能通过设计合理的制度去把它揭示出来。二是机制的复杂程度,其中主要包含三个因素:信息维数、计算复杂度和验证难度。信息维数是说设计者从参与者那里需要得到的信息数量,计算复杂度是说机制本身计算需要的事件和空间,验证难度是说参与者回答计划者提出的问题或者验证计划者给出的方案是否最优的难度。
这里会尽量尝试简化这个描述。想象一个只有2人的经济体,此时可以用艾奇沃斯盒来求解一般均衡,市场竞争达到均衡只需要以下两个信息:价格和数量,所以是二维的。如果不使用竞争机制而是使用其它机制来计算均衡,需要的信息都比这个多。以参数传递机制为例,在这种机制中,一个参与者利用自己的信息计算一个量,传递给另一个参与者。另一个参与者根据这个信息再反馈。Hurwicz和Reiter说明了:存在纳什均衡使这个机制和竞争机制等价,但即使假设两人的效用函数都是线性的,实现也需要四维信息(确定两组线性函数需要四个量)。他们还进一步说明了存在直接显示机制等价于瓦尔拉斯竞争机制,但即便如此,实施机制至少也需要三维信息。所谓直接显示机制,就是在这个制度下,诚实是每个人的最优策略,于是每个人都会选择说真话。
这只是二人的情况,如果人数增加,瓦尔拉斯均衡需要的信息维数是线性增加的,仍然只需要价格和需求量,但其它机制就不是这样了,很有可能出现维数爆炸。另一个问题来自计算复杂度。竞争机制不需要计算,因为压根就没有中央计划者。我们也可以假设存在一个拍卖者,然后再构造比较简单的Tatonnement方案来使经济体向均衡收敛。其它机制就不一定能这样了,很多时候,求解这些机制等价于对欧氏空间中的一组微分流形施加限制,使得我们可以用有限个变量和比较经济的复杂度按一定的精度计算它们,这非常困难,需要很多纯粹数学的条件。
机制设计不是没有优点。虽然在信息维数和计算复杂度上吃亏,但我们可以找到一些机制,使得它们的验证方法比较简单,而竞争机制中的验证条件是相当复杂的。但是,如果商品非常多,或者偏好函数不是简单线性的,这一点可能不足以弥补机制设计中需要的复杂度,而这似乎才是我们社会中的现实状况。此外,我们还可以通过构造一个拍卖者,使用类似Ausubel拍卖的技术消去这块复杂度。最后,以上全部都是静态的结果,如果是希望为整个社会设计动态的机制,个人觉得看不到什么希望,即使是很简单的动态设计问题常常也需要非常困难的数学技巧,并且不能保证它能够应用于实际,除非我们做很多纯数学的假定。
总之,虽然题主的设想很远大,但如果范围是一个中央经济体,这似乎不太可行。如果把范围限制到具体的问题,则大有可为。很多国家会聘请理论经济学家来设计一些具体的“市场”,比如电信频谱拍卖、林木拍卖、捕捞权/开采地块拍卖、网上拍卖、器官捐赠、学生入学,等等。这一块现在也叫做市场设计(Market Design),是经济学研究的热门,大有可为。如果题主确实感兴趣,也许可以看看这一领域的科普读物。最棒的应该就是领域大牛Roth写的 Who Gets What and Why 了,网上有电子版,不妨一阅。
如果想深入了解机制设计的内容,刚刚列举的Hurwicz和Reiter对这一领域的一些方法有很好的介绍。另一本经典的教材是Borgers的 An Introduction to the Theory of Mechanism Design 。如果你更关注具体应用,Milgorm写了一本 Putting Auction to Work 。这些书都需要一点博弈论知识,如果没有兴趣,可以简单看看一些记叙实际拍卖操作的书。美国、英国、香港的电信拍卖都有专书记叙,也可以一读。即使是搞小范围的计划经济也需要非常专业的知识,并不是单有数据就可以搞成的。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14