Protección comercial estratégica con información incompleta: un enfoque de aprendizaje bayesiano para las guerras arancelarias
Esta investigación pionera es una síntesis revolucionaria entre la teoría de juegos bayesiana y el aprendizaje profundo por refuerzo para decodificar las dinámicas de política comercial estratégica bajo información incompleta. Introducimos el marco Logit-Quantal Response Equilibrium Bayesiano (LQRE...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad Iberoamericana
2025-07-01
|
| Series: | Sobre México |
| Subjects: | |
| Online Access: | https://sobremexico-revista.ibero.mx/index.php/Revista_Sobre_Mexico/article/view/185 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Esta investigación pionera es una síntesis revolucionaria entre la teoría de juegos bayesiana y el aprendizaje profundo por refuerzo para decodificar las dinámicas de política comercial estratégica bajo información incompleta. Introducimos el marco Logit-Quantal Response Equilibrium Bayesiano (LQREB) ―una arquitectura computacional novedosa que conecta la elegancia teórica de los equilibrios de teoría de juegos con el poder adaptativo de las redes neuronales―. A través de 10 mil episodios simulados modelando las interacciones comerciales Estados Unidos-México-Canadá, el marco revela patrones emergentes de moderación: jugadores proteccionistas agresivos (Estados Unidos) tienden a aranceles moderados (10%) al enfrentar amenazas creíbles de represalia; por otra parte, socios vulnerables (México) adoptan estrategias pasivas (97% sin represalia), mientras que socios fuertes (Canadá) mantienen respuestas firmes (99% con represalia del 25%). La contribución única del LQREB radica en su capacidad para capturar la racionalidad limitada mediante softmax con temperatura controlada (λ=20), mientras preserva la actualización bayesiana de creencias; esto le permite lograr convergencia donde los métodos tradicionales de Equilibrio Bayesiano Perfecto fallan computacionalmente. Este trabajo establece el primer marco escalable y falsable para analizar protección estratégica multiagente bajo incertidumbre radical.
|
|---|---|
| ISSN: | 2448-7325 |