Strategic Exit and Unilateral Control

技術的要約：戦略的離脱と一方的な制御

問題提起
本論文は、関係の継続が固定または外生的なものではなく、各ラウンドの結果を観察した後の対戦相手による戦略的な決定である場合における、反復ゲームでの一方的な制御の限界を扱う。既存のゼロ・デターミナント（ZD）および独裁的戦略に関する文献（例：Press and Dyson, 2012; Hilbe et al., 2013）は、プレイヤーが相手の行動に関わらずグローバルな線形ペイオフ関係を課すことができることを示しているが、これらの結果は、関係が固定された確率またはスケジュールに従って継続するという仮定に基づいている。これにより、制御者はある履歴における正の報酬と、後の履歴における負の報酬との間で、時系列的相殺（intertemporal cancellation）を行うことが可能となる。

中心的な問いは、実現した公開履歴に基づいて対戦相手がいつでも関係から離脱（エグジット）できる場合、どのような形態の一方的な制御が生き残るのか、ということである。本論文は、プレイヤーがアクションと相互作用のホライゾン（期間）の両方を制御する相手に対し、累積ペイオフと期待持続時間を含む加法的な線形恒等式を強制できるかどうかを調査する。

方法論
分析は、2人のプレイヤー $X$ と $Y$ が有限のステージゲームを繰り返し行う枠組みの中で行われる。

• モデル構造： プレイヤーは公開された事前アクション履歴 $H_t$ に基づいて行動を選択する。アクション・プロファイル（行動の組み合わせ）を観察した後、両プレイヤーは同時に継続するかどうかを決定する。少なくとも一方が離脱を選択した場合、ゲームは終了する ($\tau$)。分析は、有限の期待持続時間 ($E\tau < \infty$) をもたらす相手の戦略集合 $\Sigma^{fin}_Y(\sigma_X)$ に焦点を当てる。
• 制御の定義： プレイヤー $X$ が係数ベクトル $\theta = (\alpha, \beta, \gamma)$ を強制するとは、すべての相手戦略 $\Sigma^{fin}_Y(\sigma_X)$ に対して、制御された累積増分 $\sum_{t=1}^\tau g_\theta(a^t_X, a^t_Y)$ がゼロになることを指す。ここで $g_\theta$ は、ステージ・ペイオフと定数の線形結合である。
• 戦略的停止原理（Strategic-Stopping Principle）： コアとなる方法論的貢献は、「もう一ラウンド（one-more-round）」比較議論である。本論文では、2つの相手戦略を比較する。一つは、特定の到達可能な履歴 $h$ の直前で即座に離脱する戦略であり、もう一つは、$h$ に到達し、特定の純粋アクション $b$ を実行した後、離脱する戦略である。恒等式はこの両方に対して成立しなければならないため、期待される制御増分の差をとることで、その単一ラウンドの条件付き期待増分を孤立させることができる。

主要な貢献と結果

1. 戦略的停止原理（定理1）：
   本論文は、累積線形恒等式が、あらゆる有限持続時間の相手戦略に対して強制可能であるための必要十分条件は、条件付き期待ステージ増分がすべての到達可能な履歴において消失することであることを確立した。

   • 含意： 戦略的離脱の下では、時系列的相殺によるグローバルな制御は不可能である。制御は**ローカル（局所的）**でなければならない。制御者は、将来の修正が行われる前に、相手が関係を選択的に打ち切ることができるため、将来の修正に依存することはできない。
   • 数学的条件： すべての到達可能な履歴 $h$ およびすべての純粋な相手のアクション $b$ に対して、期待制御増分 $G_b(x_h)$ がゼロであること（ここで $x_h$ は制御者の混合アクションである）。

2. 行動の無条件性（系2）：
   混合アクションの集合が単一（一意のローカル等価点）であるゲームにおいて、制御者はすべての到達可能な履歴において同じ混合アクションを使用しなければならない。

   • これは、「無条件」な行動が仮定ではなく、堅牢な一方的制御における必然的な帰結であることを意味する。制御者は、恒等式を維持するために履歴に依存して戦略を条件付けることはできず、一定の混合戦略をプレイしなければならない。

3. 囚人のジレンマへの適用（セクション5）：
   標準的な囚人のジレンマ（ペイオフ $(T, R, P, S) = (5, 3, 1, 0)$）にこれらの結果を適用すると、以下のようになる：

   • プレイヤー $X$ がすべての到達可能な履歴において一定の確率 $p$ で協力する場合、以下の恒等式が強制される：
     $$(1 + p)U_X + (4 - p)U_Y + 5(p^2 - 3p - 1)E\tau = 0$$
   • 持続時間の不可欠性： 持続時間の係数 $5(p^2 - 3p - 1)$ は、すべての $p \in [0, 1]$ において厳密に負である。したがって、非自明なペイオフのみの累積恒等式（持続時間の係数がゼロであるもの）を強制することはできない。
   • 結果としての関係： 強制される関係は厳密に一次元的であり、累積ペイオフの加重和と関係の期待持続量との間の線形なトレードオフを結びつけるものである。

4. 二アクション・ゲーム（セクション4）：
   本論文は、一般的な二アクション・ゲームにおける係数空間を特徴付ける。これは、ペイオフ・持続量による制御は一般に無条件の混合アクションを通じて利用可能であるが、ペイオフのみの制御は例外的であり、標準的な囚人のジレンマでは満たされない、ペイオフ行列に関する特定の行列式条件を必要とすることを示している。

意義と主張
本論文は、ゲームのホライゾンが内生的であり、相手によって制御されている場合の、一方的な制御の堅牢性を特徴付けることを主張している。

• 制御メカニズムの転換： 主要な意義は、制御のメカニズムが「グローバル」な制御（固定されたホライゾンにおけるテレスコーピング和や占有測量に依存するもの）から、「ローカル」な制御（各ステップで期待増分がゼロであることを要求するもの）へと移行することにある。
• 独裁制の限界： 戦略的離脱は、囚人のジレンマにおいてペイオフのみの関係を強制する可能性を排除する。制御者は、関係がどの程度続くかとは独立して、特定のペイオフ比率を規定することはできない。
• 堅牢性： これらの結果は、期待持続時間が有限である限り、任意の履歴依存的な相手戦略に対して成立する。本論文は、自身の知見を、外生的な継続（生存ウェイトが固定されているモデル）や均衡選択モデルとは明確に区別し、戦略的停止の下での強制可能な恒等式の存在のみに焦点を当てている。

結論として、戦略的離脱は複雑で履歴依存的なペイオフ関係を強制する能力を奪う一方で、特定の、堅牢なクラスの恒等式（囚人のジレンマにおいては、累積ペイオフと関係の期待持続量の間の線形なトレードオフとして現れるもの）を維持させる。