博弈论进阶：从纳什均衡到机制设计
芒格思维模型课 · 第40讲
博弈论进阶：从纳什均衡到机制设计
芒格说：「理解世界的关键是理解激励。」博弈论正是研究「理性主体如何在激励下互动」的数学语言——从公司竞争到拍卖设计，从演化生物学到 AI 对齐。
核心概念
定义：博弈论研究多个理性主体在策略性互动中的决策。核心是「均衡」概念——一种没有玩家单方面偏离动机的状态。进阶博弈论超越单次同时博弈，研究演化、重复、信号、机制设计。
纳什均衡（复习）
$n$ 人博弈中，策略组合 $(s_1^, …, s_n^)$ 是纳什均衡，当每个玩家 $i$ 的策略 $s_i^*$ 是对其他人策略的最佳反应：
$$u_i(s_i^, s_{-i}^) \geq u_i(s_i, s_{-i}^*) \quad \forall s_i$$
直觉：给定对手策略，没人有动机改变。但纳什均衡不一定 Pareto 最优——囚徒困境就是反例。
演化稳定策略（ESS）
演化博弈论不假设完美理性，而是「策略在群体中复制」。
ESS 定义：策略 $s^$ 是 ESS，若群体全采用 $s^$ 时，任何突变策略 $s’$ 无法入侵：
$$u(s^, s^) > u(s’, s^) \quad \text{或} \quad u(s^, s^) = u(s’, s^) \text{ 且 } u(s^*, s’) > u(s’, s’)$$
直觉：ESS 是「演化稳定」的——一旦群体采用，自然选择会维持它。
重复博弈与 Folk Theorem
有限重复：唯一子博弈完美均衡 = 反复囚徒困境中的互相背叛（由后向归纳）。
无限重复：Folk Theorem 证明——只要玩家足够耐心（贴现因子 $\delta$ 接近 1），几乎任何合理收益都能被均衡支持。
直觉：未来报复的威胁让合作成为均衡。「以牙还牙」（Tit-for-Tat）在重复囚徒困境中表现优异。
信号博弈（Signaling）
Spence 信号模型：高能力者通过昂贵的「信号」（如学历）区分自己。
- 信号成本：高能力者发送成本低
- 分离均衡：高能力发信号，低能力不发
- 教育可能不直接提升生产力，但作为「筛选机制」有价值
拍卖理论
四种经典拍卖：
| 类型 | 规则 | 等价性 |
|---|---|---|
| 英式拍卖 | 公开升价，最高者得 | 等价二价 |
| 荷兰式拍卖 | 公开降价，第一个接受者得 | 等价一价 |
| 一价密封拍卖 | 最高出价者付最高价 | 等价荷兰 |
| 二价密封拍卖（Vickrey） | 最高出价者付次高价 | 等价英式 |
收益等价定理：在独立私人价值假设下，四种拍卖的期望收益相同。
Vickrey 拍卖的智慧：二价机制让「诚实出价」成为占优策略——机制设计让说真话是最优的。
数学直觉
直觉一：均衡不是最优，是「稳定」
纳什均衡是「没人有动机单方面改变」——这可能是次优的（囚徒困境）。
洞察：均衡关注稳定性而非最优性。改变均衡需要改变激励结构，而非「劝人向善」。
直觉二：演化 = 「笨」的智慧
ESS 不假设理性，只假设「成功策略被复制」。这解释了：
- 为何合作在自然界演化出来（亲属选择、互惠）
- 为何某些「非理性」行为（报复、忠诚）演化稳定
- 为何「囚徒困境」在演化中可能被合作打破
洞察：演化博弈论把「理性」从假设变成结论——长期演化的策略看起来「理性」，其实是被选择的。
直觉三：重复改变一切
单次博弈：背叛是均衡。无限重复：合作也是均衡。
关键变量：贴现因子 $\delta$。$\delta$ 大（玩家重视未来）→ 合作可维持；$\delta$ 小（玩家短视）→ 回到背叛。
应用：
- 长期商业关系比一次性交易更合作
- 信用体系延长「未来」，提升 $\delta$，促进合作
- 「不要和陌生人做生意」= $\delta$ 小时合作不可持续
直觉四：机制设计 = 反向博弈论
博弈论：给定规则，预测均衡。 机制设计：给定目标，设计规则使均衡达到目标。
核心原理：激励相容（Incentive Compatible）——让说真话成为最优策略。
Vickrey 拍卖的启示：不要让获胜者付自己的出价（一价），让他付次高价——这样诚实地报出真实估值是占优策略。
跨学科应用
商业：定价与进入博弈
寡头定价（伯特兰博弈）：若产品同质，价格战将利润压到零——「伯特兰悖论」。 解法：差异化产品、产能约束、重复互动、暗中合谋。
市场进入博弈：
- 在位者威胁「进入就价格战」
- 但若进入已成事实，价格战对在位者也不利——威胁不可信
- 解法：在位者做沉没投资（产能扩张、品牌广告）让价格战可信——这就是「承诺机制」
投资：信号与逆向选择
Akerlof「柠檬市场」：二手车买卖双方信息不对称。
- 卖方知道车况，买方不知道
- 买方只愿付平均价 → 好车退出 → 市场崩坏
金融市场的信号：
- 内部人买入 = 正向信号（他们知道公司被低估）
- 增发股票 = 负向信号（管理层认为股价高估）
- 股利信号理论：高股利 = 管理层对未来现金流有信心
洞察：在信息不对称市场，行动比言语更有信息量——因为行动有成本，说谎不划算。
决策：承诺与可信度
承诺机制的价值：
- 奥德修斯把自己绑在桅杆上 = 自我约束避免海妖诱惑
- 创业者公开承诺 = 提高放弃成本
- 宪法 = 集体的承诺机制，限制短期冲动
芒格式应用：
- 「反向思考」：先识别什么会让你失败，然后承诺避免
- 「检查清单」：承诺在压力下也按规则行事
- 「能力圈」：承诺不投自己不懂的
拍卖实务：
- Vickrey 拍卖用于 Google AdWords（广义二价拍卖）
- 频谱拍卖用同时多轮拍卖（SMRA），避免赢家诅咒
- 慈善拍卖用英式拍卖最大化参与
课后测验
题目 1（单选）
关于「Vickrey 拍卖（二价密封拍卖）」让诚实出价成为占优策略的原理，下列说法最准确的是：
A. 因为获胜者支付的价钱与自己出价无关，只取决于次高出价 B. 因为二价拍卖有政府监管 C. 因为买家都是诚实的 D. 因为出价低者也能获胜
查看答案与解析
答案：A
在 Vickrey 拍卖中，最高出价者获胜但支付次高价。这意味着：
- 你的出价只影响是否获胜，不影响支付价格
- 出价低于真实估值：可能错过获胜机会（次高价低于你的真实估值但你输了）
- 出价高于真实估值：可能以高于真实估值的价格获胜（次高价高于你的真实估值）
- 真实估值出价：最大化期望效用
机制设计精髓：通过让「支付」与「报价」脱钩，激励相容地让说真话成为占优策略。这是机制设计理论的奠基性例子。
题目 2（案例分析）
两家公司在同一市场重复竞争 10 年。每年都面临「合作定价（高价）」或「背叛（降价抢市场）」的囚徒困境。设贴现因子 $\delta = 0.9$，单期合作各得 100，背叛者得 150 对方得 50，互背叛各得 60。
问题：
- 单次博弈的纳什均衡是什么？
- 在无限重复博弈中，「以牙还牙」是否能维持合作？给出数学判断。
- 若已知博弈在第 10 年结束（有限重复），合作能否维持？为什么？
查看答案与解析
1. 单次博弈纳什均衡：
检查（合作, 合作）：背叛可得 150 > 100，不均衡。 检查（背叛, 背叛）：合作只得 50 < 60，不偏离。所以 (背叛, 背叛) 是唯一纳什均衡——经典囚徒困境。
2. 无限重复中「以牙还牙」的可持续性：
合作收益（永久合作）：$V_C = 100 / (1 - \delta) = 100 / 0.1 = 1000$
背叛收益（一次背叛后被永久惩罚）： $$V_D = 150 + \delta \cdot 60 / (1-\delta) = 150 + 0.9 \times 600 = 150 + 540 = 690$$
$V_C = 1000 > V_D = 690$，合作可维持。条件：$\delta \geq (150-100)/(150-60) = 50/90 \approx 0.556$，本例 $\delta = 0.9$ 满足。
3. 有限重复（10 年）：
由后向归纳：第 10 年是最后一期，等同于单次博弈 → 双方背叛。 第 9 年：知道第 10 年必然背叛，第 9 年没有「未来报复」威胁 → 也背叛。 依次倒推，每一期都背叛。
洞察：有限重复中合作崩塌，因为「终点」让威胁不可信。这就是为何「终身合作关系」比「合同关系」更稳定——前者没有明确终点，后向归纳不适用。
题目 3（反事实）
假设信号博弈理论（Spence 模型）从未被提出（人类无法分析「 costly signal 」的均衡），哪些社会和商业现象会失去理论解释？至少列举两个。
查看答案与解析
失去解释的现象：
-
学历溢价的部分解释：
- Spence 1973 年论文指出，教育可能不直接提升生产力，而是「能力信号」
- 高能力者学习成本低，所以能完成高学历；低能力者学习成本高，模仿不划算
- 失去这个理论，无法解释「为什么雇主看重学历即使工作内容与之无关」
-
奢侈品消费的「炫耀性消费」：
- 凡勃伦效应：昂贵物品作为「财富信号」
- 失去信号理论，无法解释为什么理性人会买溢价 10 倍的名牌
- 也无法分析「假冒奢侈品」对真品市场的冲击
-
军事与外交信号：
- 军演、武器展示作为「决心信号」
- 外交辞令的「昂贵承诺」（撤军、裁军作为善意信号）
- 失去理论框架，国际关系学退回纯描述
-
创业融资中的「创始团队投入」：
- 创始人自有资金投入 = 「我对项目有信心」的信号
- 风投更愿意投「创始人 all in」的项目
- 失去理论，无法解释「为什么创始人投入比风投投入更重要」
-
担保与抵押：
- 银行要求抵押 = 让借款人发出「我有还款能力」的信号
- 失去理论，信贷市场的信息不对称问题无法被系统分析
核心洞察：信号博弈是「行动比言语更可信」的数学化。它解释了为何有成本的行动才能传递真实信息——免费的话谁都会说。
本课要点
- 纳什均衡 = 稳定而非最优：改变激励才能改变均衡
- 演化稳定 = 不需要理性的「理性」：策略被复制而非选择
- 重复博弈解锁合作：未来报复让合作成为均衡
- 信号博弈 = 行动比言语可信：costly signal 才能区分类型
- 机制设计 = 反向博弈论：设计规则让均衡达到目标
延伸阅读
- Osborne & Rubinstein, 《A Course in Game Theory》 — 严谨教材
- Schelling, 《The Strategy of Conflict》 — 博弈论思维经典
- Myerson, 《Mechanism Design Theory》 — 机制设计开创性工作
下一步
下一课：动力系统 — 平衡点、稳定性、分岔与吸引子：理解系统的长期行为。