📈 economics

Principal-agent problems with adverse selection: A stochastic target problem formulation

Dit artikel herformuleert een principal-agentprobleem met adverse selectie, waarbij de principal een uniek contract aanbiedt, als een stochastisch streefprobleem om de optimalisatie van de agent te karakteriseren en het doel van de principal op te lossen als een stochastisch optimaal besturingsprobleem met partiële informatie en toestandsbeperkingen.

Oorspronkelijke auteurs: Guillermo Alonso Alvarez, Ibrahim Ekren, Liwei Huang

Gepubliceerd 2026-05-05

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Guillermo Alonso Alvarez, Ibrahim Ekren, Liwei Huang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een baas bent (de Principaal) die probeert een werknemer (de Agent) in te huren om een project te runnen. Het succes van het project hangt af van hoe hard de werknemer werkt, maar je kunt hun inspanning niet direct zien; je ziet alleen de uiteindelijke resultaten (zoals verkoopcijfers of output).

Meestal weten deze verhalen dat de baas precies weet wat voor soort werknemer ze inhuren. Maar in dit artikel staat de baas voor een mysterie: De werknemer kent hun eigen "kosten" van inspanning, maar de baas niet.

Type 0: Een "Goede" werknemer die het makkelijk vindt om hard te werken (lage kosten).
Type 1: Een "Slechte" werknemer die het zeer vermoeiend vindt om hard te werken (hoge kosten).

De werknemer weet direct welk type ze zijn. De baas heeft alleen een gok (een waarschijnlijkheid) over welk type ze inhuren.

Het Grote Probleem: Één Contract versus Een Menu

In klassieke bedrijfstheorie, als een baas vermoedt dat er twee types werknemers zijn, biedt ze een menu van twee verschillende contracten aan. De werknemer kiest degene die voor hen bedoeld is, waardoor ze effectief hun type onthullen.

Dit artikel stelt een andere vraag: Wat als de baas gedwongen is om slechts één enkel contract aan iedereen aan te bieden? Ze kunnen geen menu aanbieden. Ze moeten één deal ontwerpen die voor beide types werkt, in de hoop dat de "Goede" werknemer niet te lui wordt en de "Slechte" werknemer niet opstapt.

De Oplossing: Een "Vertrouwenszone" (De Credible Set)

De auteurs realiseerden zich dat het aanbieden van één enkel contract vergelijkbaar is met het lopen op een slappe koord tussen twee kliffen.

De Belofte: Het contract belooft de werknemer een bepaalde "toekomstige gelukzaligheid" (nut) op basis van hoe goed ze presteren.
Het Gat: Omdat de twee types werknemers verschillende kosten hebben, zullen de "Goede" werknemer en de "Slechte" werknemer van nature verschillende niveaus van toekomstige gelukzaligheid willen om gemotiveerd te blijven.
De Valstrik: Als de baas te veel gelukzaligheid belooft aan de Slechte werknemer, verspillen ze geld. Als ze te weinig beloven aan de Goede werknemer, stapt de Goede werknemer op.

Het artikel bewijst dat er een specifieke "Vertrouwenszone" is (wiskundig een credible set genoemd). Deze zone is een strook op een grafiek.

Als het verschil tussen de beloofde gelukzaligheid voor de Goede werknemer en de Slechte werknemer binnen deze strook valt, kan één enkel contract beide succesvol motiveren.
Als het verschil buiten de strook valt, is het onmogelijk om één enkel contract te laten werken voor beide. Het ene type zal altijd ongelukkig of gemotiveerd zijn.

Zie deze strook als een veiligheidskoker. De baas moet het contract zo sturen dat het "gat" in beloften binnen deze koker blijft. Als het gat tegen de muur van de koker botst, moet de baas het contract onmiddellijk aanpassen om te voorkomen dat het crasht.

De Nieuwe Taak van de Baas: Het Vervagen Filteren

Omdat de baas het type van de werknemer niet kent, moet ze speurder spelen.

Elke keer dat de werknemer een resultaat produceert, werkt de baas haar gok bij: "Hmm, dat resultaat was echt goed. Misschien heb ik toch de Goede werknemer ingehuurd?"
Dit heet filteren. De baas werkt voortdurend haar overtuiging (een waarschijnlijkheidsscore) bij over wie ze te maken heeft.

Het artikel toont aan dat het probleem van de baas een complex spel van Stochastische Besturing wordt. De baas kiest niet alleen een salaris; ze stuurt een schip door een mistige zee (het onbekende type) terwijl ze probeert het schip binnen een smal kanaal (de Vertrouwenszone) te houden.

De "Magische" Formule

De auteurs hebben een wiskundig recept ontwikkeld (een reeks vergelijkingen genaamd HJB-vergelijkingen) die de baas precies vertelt hoe ze het contract in real-time moeten aanpassen.

Binnen het kanaal: De baas heeft vrijheid om het beste contract te kiezen.
Tegenaan de muur: Als het gat in beloften te dicht bij de rand van de Vertrouwenszone komt, wordt de baas gedwongen zeer specifieke, rigide aanpassingen aan het contract te maken om te voorkomen dat het breekt.

De Verrassende Bevinding: Één Contract versus Twee

Het artikel vergelijkt twee scenario's:

Het Menu (Screening): De baas biedt twee contracten aan en de werknemer kiest er één. (De baas leert het type onmiddellijk).
Het Enkele Contract: De baas biedt één contract aan en moet het type in de loop van de tijd raden.

Het Resultaat: Het is niet altijd beter om een menu aan te bieden!

Soms is het aanbieden van één enkel contract voor de baas winstgevender.
Waarom? Omdat het "filteringsproces" (leren in de loop van de tijd) de baas in staat stelt meer waarde uit de werknemer te halen dan de rigide regels van een menu soms toestaan. Het hangt af van de specifieke cijfers (hoe verschillend de werknemers zijn, hoeveel de baas risico's afkeer, enzovoort).

In het Kort

Dit artikel lost een raadsel op voor bazen die geen menu van keuzes kunnen aanbieden. Het toont aan dat zelfs zonder te weten wie ze inhuren, een baas één enkel, dynamisch contract kan ontwerpen dat voor iedereen werkt. Het geheim is om het "belofte-gat" tussen de twee types werknemers binnen een veilige, wiskundige "Vertrouwenszone" te houden, terwijl ze voortdurend hun gok bijwerken over de identiteit van de werknemer op basis van prestaties. Soms is deze "one-size-fits-all" aanpak eigenlijk slimmer dan proberen het type van de werknemer vooraf te raden en een menu aan te bieden.

1. Probleemstelling

Het artikel behandelt een Principal-Agent-probleem met adverse selection in continue tijd.

Situatie: Een Principal ontwerpt een contract $\xi$ (een eindbetaling) op basis van een outputproces $X$ . Een Agent accepteert het contract en kiest een inspanningsniveau (besturing) om hun verwachte nut te maximaliseren.
Adverse Selection: De Agent beschikt over private informatie over hun type $\Theta \in \{0, 1\}$ (bijvoorbeeld de kosten van inspanning), bekend op tijdstip $t=0$ maar onbekend voor de Principal. De Principal kent slechts de a priori verdeling van $\Theta$ .
Beperking: In tegenstelling tot klassieke screeningmodellen waarbij de Principal een menu van contracten aanbiedt om zelfselectie te induceren, gaat dit artikel ervan uit dat de Principal slechts één uniek contract kan aanbieden. Bijgevolg kan de Principal het type van de Agent niet direct waarnemen bij acceptatie en moet deze dynamisch worden afgeleid uit het waargenomen outputpad $X$ .
Doel: De Principal streeft ernaar hun verwachte nut $E[Up(X_T - \xi)]$ te maximaliseren, onderworpen aan de prikkelcompatibiliteit (optimale respons) en participatie (rationaliteit) van de Agent.

2. Methodologie

De auteurs ontwikkelen een nieuw raamwerk dat Stochastische Doelproblemen, Filtertheorie en Stochastische Besturing met Toestandbeperkingen combineert.

A. Herparametrizatie via Stochastisch Doel

Volgens de aanpak van Sannikov (2008) en Cvitanić et al. (2018) wordt de contractruimte herparametriseerd. In plaats van te optimaliseren over de eindbetaling $\xi$ , optimaliseert de Principal over:

Initiële voortzettende nutten $(y_0, y_1)$ voor elk type.
Sensitiviteitsprocessen $(Z_0, Z_1)$ die de gevoeligheid van het contract voor de output coderen.

Het contract wordt hersteld als de eindwaarde van een voorwaartse SDE: $\xi = Y_T^{0, y_0, Z_0} = Y_T^{1, y_1, Z_1}$ .

De Doelbeperking: Aangezien het contract $\xi$ een enkele stochastische variabele moet zijn die onafhankelijk is van het type, moeten de eindwaarden van de twee typespecifieke voortzettende nutprocessen bijna zeker samenvallen:
$Y_T^{0, y_0, Z_0} = Y_T^{1, y_1, Z_1}, \quad \text{b.z.}$
Dit wordt geformuleerd als een Stochastisch Doelprobleem (Soner & Touzi, 2002).

B. Karakterisering van de Geloofwaardige Set

De set van haalbare initiële nutparen $(y_0, y_1)$ die door één enkel contract kunnen worden ondersteund, wordt de Geloofwaardige Set $\mathcal{E}(X_0)$ genoemd.

De auteurs karakteriseren $\mathcal{E}(X_0)$ expliciet als een strook in het $(y_0, y_1)$ -vlak, gedefinieerd door het gat $\Delta = y_0 - y_1$ .
De grenzen van deze strook, $W(t, x)$ en $\bar{W}(t, x)$ , zijn oplossingen van een paar volledig niet-lineaire Partiële Differentiaalvergelijkingen (PDV's) (van het Hamilton-Jacobi-Bellman-type).
Toestandbeperking: De voorwaarde dat het contract geldig is, vertaalt zich naar een toestandbeperking op het gatproces:
$W(t, X_t) \leq Y_t^0 - Y_t^1 \leq \bar{W}(t, X_t).$
Als het gat een grens raakt, worden de besturingen $(Z_0, Z_1)$ beperkt tot specifieke sets om het proces binnen de strook te houden.

C. Filtering en Geaugmenteerde Toestand

Omdat de Principal $\Theta$ niet kent, moet deze een overtuiging bijhouden $p_t = P(\Theta=0 | \mathcal{F}_t^X)$ .

Met behulp van de Wonham-filter (Kushner-Stratonovich-vergelijking) evolueert de overtuiging $p_t$ op basis van de innovatie van het outputproces $X$ .
Het probleem van de Principal wordt gereduceerd tot een Stochastisch Optimaal Besturingsprobleem met Toestandbeperkingen met een geaugmenteerde toestandsvector $(X_t, Y_t^0, Y_t^1, p_t)$ .

D. Omgaan met Toestandbeperkingen

Standaard toestandbeperkte besturing vereist een "naar binnen wijzende" voorwaarde, wat hier faalt omdat besturingen op de grens vastgezet zijn door de geloofwaardigheidsbeperking.

De auteurs passen de methodologie van Bouchard, Élie en Imbert (2010) aan.
Onder specifieke structurele aannames (data onafhankelijk van $X$ , beperkte inspanning, risiconeutrale Principal) tonen ze aan dat het probleem reduceert tot een Dirichlet-randwaardeprobleem. De Principal ontvangt een specifieke randnut wanneer de toestand de laterale grens van de geloofwaardige set raakt.

3. Belangrijkste Bijdragen

Stochastische Doelformulering voor Adverse Selection: Het artikel biedt de eerste rigoureuze formulering in continue tijd van een single-contract adverse selection-probleem met behulp van stochastische doelbeperkingen. Het overbrugt de kloof tussen moreel gevaar (Sannikov-raamwerk) en adverse selection.
Expliciete Karakterisering van de Geloofwaardige Set: De auteurs bewijzen dat de set van implementeerbare nutparen een strook is die wordt gedefinieerd door de oplossingen van volledig niet-lineaire PDV's. Dit biedt een geometrische interpretatie van de haalbaarheid van single contracts onder asymmetrische informatie.
Unificerend Raamwerk voor Screening versus Single Contract: Het artikel herformuleert het klassieke screeningprobleem (aanbieden van een menu) binnen hetzelfde stochastische doelraamwerk. Dit maakt een directe, appel-tot-appel vergelijking mogelijk tussen de waarde van het aanbieden van een single contract (met filtering) en een menu van contracten (met onmiddellijke openbaring).
Verificatie en Structuur van Optimale Contracten: Het optimale contract blijkt af te hangen van de output $X$ , de voortzettende nutten van beide types en de overtuiging $p_t$ van de Principal. Het is een feedbackregel in de geaugmenteerde toestandsruimte, wat bewijst dat optimale contracten in deze setting niet triviaal zijn en niet kunnen worden uitgedrukt als functies van $X$ alleen.

4. Belangrijkste Resultaten

Stelling 1 (Geloofwaardige Set): De set van haalbare initiële nutten is $\mathcal{E}(X_0) = \{(y_0, y_1) : W(0, X_0) \leq y_0 - y_1 \leq \bar{W}(0, X_0)\}$ . De grenzen worden bepaald door de gat-PDV's.
Stelling 2 (Reductie): De waardenfunctie van de Principal is het supremum van een toestandbeperkt besturingsprobleem over de geloofwaardige set.
Stelling 4 (Viscositeitsoplossing): Onder specifieke aannames is de waardenfunctie de unieke continue viscositeitsoplossing van een Dirichlet-probleem, waarbij de randvoorwaarden de nut vertegenwoordigen die wordt verkregen wanneer het gatproces de haalbaarheidslimieten raakt.
Numerieke Bevindingen (Sectie 9):
- Gedomineerd Geval: Als één agenttype strikt "beter" is (lagere kosten), is de waarde van de Principal convex in de a priori overtuiging. De Principal kan negatief nut bieden aan het "slechte" type om surplus te extraheren van het "goede" type.
- Niet-Gedomineerd Geval: Wanneer types niet uniform zijn geordend, is de waarde van de Principal nog steeds convex in de a priori.
- Single Contract versus Screening:
  - In het Gedomineerde Geval levert het Screening Menu (aanbieden van twee contracten) over het algemeen een hogere waarde op dan een single contract, omdat het de informatieve asymmetrie onmiddellijk oplost.
  - In het Niet-Gedomineerde Geval kan het Single Contract (met dynamische filtering) het Screening Menu soms overtreffen. Dit tegenintuïtieve resultaat suggereert dat het vermogen om het type dynamisch te leren uit het outputpad waardevoller kan zijn dan de onmiddellijke openbaring die een menu biedt, vooral wanneer types niet alleen op basis van kosten eenvoudig te onderscheiden zijn.

5. Betekenis

Dit artikel levert een aanzienlijke theoretische bijdrage aan de contracttheorie door:

Het Sannikov-raamwerk uit te breiden: Het slaagt erin adverse selection op te nemen in het stochastische besturingsraamwerk in continue tijd, dat eerder beperkt was tot moreel gevaar of modellen in discrete tijd.
Het "Single Contract"-puzzel op te lossen: Het biedt een hanteerbare methode om optimale contracten op te lossen wanneer de Principal beperkt is tot één aanbod, een scenario dat veel voorkomt in praktische toepassingen (bijvoorbeeld gestandaardiseerde verzekeringspolissen) maar wiskundig moeilijk te modelleren is.
Economisch Inzicht: De vergelijking tussen single contracts en screening menus onthult dat dynamisch leren (filtering) een krachtig instrument kan zijn voor de Principal, wat mogelijk de voordelen van onmiddellijke typeopenbaring in complexe omgevingen waar types niet strikt zijn geordend, kan overtreffen.

Het werk opent nieuwe wegen voor numerieke analyse van dynamische contracten met behulp van Deep Galerkin-methoden en viscositeitsoplossingstheorie, en biedt een robuust toolkit voor het analyseren van principal-agentproblemen met verborgen informatie.