Information Aggregation with Costly Information Acquisition

1. Problématique et Contexte

L'article s'inscrit dans le débat classique sur l'efficacité des marchés financiers à agréger les informations privées des traders (Hayek, 1945). Le travail de référence d'Ostrovsky (2012) a établi que, dans un modèle de trading dynamique avec des périodes infinies, l'information s'agrège dans tous les équilibres de Nash si et seulement si le titre négocié est séparable.

Cependant, la notion de séparabilité d'Ostrovsky dépend de la structure d'information exacte des agents (leurs partitions de l'espace des états). Pour un concepteur de marché qui ne connaît ni la participation ni la structure d'information des agents, il est impossible de garantir ex ante que le prix convergera vers la valeur réelle du titre.

Le problème central de cet article est de déterminer si l'introduction de la possibilité d'acquérir de l'information à un coût (coût $\kappa$) peut rendre les marchés plus robustes, permettant l'agrégation de l'information indépendamment de la structure d'information initiale des traders, et comment le coût de cette acquisition influence la capacité d'agrégation.

2. Méthodologie et Modèle

Les auteurs utilisent et étendent le modèle de trading dynamique d'Ostrovsky (2012) avec les caractéristiques suivantes :

• Environnement : Un espace d'états fini $\Omega$, un ensemble fini de traders $I$, et un titre $X: \Omega \to \mathbb{R}$.
• Information Privée : Chaque trader $i$ possède une partition initiale $\Pi_i$ de $\Omega$. La réunion (join) de toutes les partitions révèle l'état vrai.
• Mécanisme de Trading : Les traders font des annonces successives sur la valeur attendue du titre. Les paiements sont déterminés par une Règle de Scoring de Marché (MSR) (Market Scoring Rule), qui est une règle de scoring strictement propre (ex: quadratique ou logarithmique).
• Acquisition d'Information Coûteuse : Contrairement au modèle d'Ostrovsky, ici, avant chaque annonce, un trader peut choisir d'acquérir un signal $R$ (expérience statistique) à un coût $cK(R)$, où$c > 0$ est le coût marginal et $K$ une fonction de coût continue.
• Hypothèses Clés :
  • Les traders sont rationnels (ou myopes dans certaines définitions) et maximisent leur utilité espérée.
  • L'hypothèse 1 (Sequential Learning-Proof) suppose qu'il est moins coûteux (ou égal) d'obtenir un ensemble de croyances postérieures via un seul signal que via une séquence de signaux.
  • L'hypothèse 2 impose que le coût d'un signal qui exclut un état de l'espace des possibles est infini (pour éviter l'exclusion immédiate des états par le signal seul).

3. Concepts Théoriques Fondamentaux

Les auteurs introduisent la notion de $\kappa$-séparabilité pour caractériser l'agrégation de l'information en présence de coûts d'acquisition.

• Définition de $\kappa$-non-séparabilité : Un titre est $\kappa$-non-séparable s'il existe un prior $\mu$ tel que :
  1. Le titre est non-séparable à ce prior (tous les traders s'accordent sur une valeur attendue $v$ malgré l'incertitude).
  2. Aucun trader n'a intérêt à acquérir un signal à ce prior, étant donné le coût $\kappa$. L'acquisition d'information n'est pas "myopiquement" optimale car le gain espéré (réduction de l'erreur de prédiction) est inférieur au coût du signal.
• $\kappa$-séparabilité : Un titre est $\kappa$-séparable s'il n'est pas $\kappa$-non-séparable. Cela signifie que soit le titre est séparable, soit, s'il est non-séparable, au moins un trader a intérêt à acquérir de l'information pour briser le consensus.

4. Résultats Principaux

A. Caractérisation de l'Agrégation (Théorème 1)

Le résultat central établit un lien nécessaire et suffisant entre la $\kappa$-séparabilité et l'agrégation de l'information :

• Si un titre est $\kappa$-séparable, l'information s'agrège dans tous les équilibres de Nash (le prix converge vers la valeur intrinsèque).
• Si un titre est $\kappa$-non-séparable, il existe un prior et un équilibre de Nash où l'information ne s'agrège pas (le prix reste bloqué à une valeur erronée car personne n'investit dans l'information).

B. Classification des Titres (Propositions 1, 2 et 3)

Les auteurs classifient complètement les titres en trois catégories basées uniquement sur leur structure de paiement (les valeurs de $X$ dans chaque état), indépendamment de la structure d'information :

1. Titres Toujours Séparables (Classe 1) :

   • Ce sont les titres constants, les titres Arrow-Debreu (qui paient $a$ dans un état et $b$ dans tous les autres), et une classe spécifique à trois niveaux de paiement (un état paie le max, un autre le min, les autres un niveau intermédiaire).
   • Résultat : Ils agrègent l'information même sans acquisition d'information coûteuse. Cependant, ils sont peu informatifs (ils ne révèlent que des événements très simples).

2. Titres Jamais $\kappa$-Séparables (Classe 2) :

   • Ce sont les titres qui paient la même valeur $d$ dans deux états distincts, et des valeurs strictement inférieures (ou supérieures) $a, b$ dans deux autres états (ex: vecteur de paiement $(a, d, b, d)$).
   • Résultat : Pour tout coût $c > 0$ (aussi petit soit-il), il existe une structure d'information et un prior où l'information ne s'agrège pas. Même avec un coût quasi nul, l'agrégation peut échouer.

3. Titres Génériquement $\kappa$-Séparables (Classe 3) :

   • Ce sont les titres qui paient des valeurs différentes dans tous les états ($X(\omega) \neq X(\omega')$ pour tout $\omega \neq \omega'$).
   • Résultat : Pour un coût d'acquisition suffisamment faible ($c \to 0$), ces titres deviennent $\kappa$-séparables pour toute structure d'information. L'information s'agrège alors dans tous les équilibres.

C. Discontinuité et Valeur du Marché (Section 5)

Un résultat surprenant est la nature discontinue de la transition vers l'agrégation.

• À mesure que le coût $c$ diminue, l'agrégation ne s'améliore pas progressivement. Au contraire, dès que $c$ franchit un seuil critique, le titre passe de "non-séparable" à "$\kappa$-séparable", et la précision du marché saute brusquement à 1 (convergence parfaite).
• En comparaison, un sondage (moyenne des prédictions individuelles après acquisition d'information) voit sa précision augmenter de manière continue et lisse à mesure que le coût baisse.
• Conclusion : Les marchés sont plus efficaces que les sondages car ils permettent l'agrégation de l'information bien avant que le coût de l'information ne devienne nul pour chaque individu. Le mécanisme de marché amplifie la valeur de l'information acquise par un seul trader (effet de levier).

5. Signification et Contributions

1. Robustesse de l'Agrégation : L'article résout le problème de la dépendance à la structure d'information d'Ostrovsky. Il montre que si l'information est suffisamment bon marché, la plupart des titres (ceux avec des paiements distincts par état) permettront l'agrégation de l'information, quel que soit le profil des traders.
2. Limites Inhérentes : Il identifie une classe spécifique de titres (structure de paiement $(a, d, b, d)$) qui échoueront systématiquement à agréger l'information, même avec des coûts d'information négligeables, en raison de la structure de leurs paiements.
3. Supériorité du Marché sur le Sondage : L'article démontre théoriquement que les marchés de prédiction sont supérieurs aux sondages dans un environnement d'acquisition d'information coûteuse, en raison de la nature discrète et catalytique de l'agrégation via les prix.
4. Réponse à une question ouverte : L'article répond à une question ouverte d'Ostrovsky (2012) concernant les équilibres en stratégies mixtes et les priors génériques, en montrant que l'introduction de coûts d'information faibles permet l'agrégation même dans des cas complexes.

En résumé, ce papier fournit une classification complète des titres financiers selon leur capacité à révéler l'information, en intégrant le comportement stratégique d'acquisition d'information, et démontre que la baisse des coûts technologiques d'information rend les marchés extrêmement efficaces pour l'agrégation de l'information, à condition que la structure de paiement du titre soit adéquate.