博弈论经典案例“囚徒困境”及其实证分析

admin

最近三四十年，经济学经历了一场“博弈论革命”，就是引入博弈论的概念和方法改造经济学的思维，推进经济学的研究。诺贝尔经济学奖授予包括美国普林斯顿大学的纳什博士在内的3位博弈论专家，可以看作是一个标志，这自然也激发了人们了解博弈论的热情。博弈论作为现代经济学的前沿领域，已成为占据主流的基本分析工具。
博弈论是研究决策主体的行为发生直接相互作用时的决策以及这种决策的均衡，也就是说，当一个主体的选择受到其他主体选择的影响，而且反过来影响到其他主体选择时的决策问题和均衡问题。
一个完整的博弈应当包括五个方面的内容：第一，博弈的参加者，即博弈过程中独立决策、独立承担后果的个人和组织；第二，博弈信息，即博弈者所掌握的对选择策略有帮助的情报资料；第三，博弈方可选择的全部行为或策略的集合；第四，博弈的次序，即博弈参加者做出策略选择的先后；第五，博弈方的收益，即各博弈方做出决策选择后的所得和所失。
“囚徒困境”
“囚徒困境”是博弈论里最经典的例子之一。讲的是两个嫌疑犯（Ａ和Ｂ）作案后被警察抓住，隔离审讯；警方的政策是”坦白从宽，抗拒从严”，如果两人都坦白则各判８年；如果一人坦白另一人不坦白，坦白的放出去，不坦白的判１０年；如果都不坦白则因证据不足各判１年。
在这个例子里，博弈的参加者就是两个嫌疑犯Ａ和Ｂ，他们每个人都有两个策略即坦白和不坦白，判刑的年数就是他们的支付。可能出现的四种情况：Ａ和Ｂ均坦白或均不坦白、Ａ坦白Ｂ不坦白或者Ｂ坦白Ａ不坦白，是博弈的结果。Ａ和Ｂ均坦白是这个博弈的纳什均衡。这是因为，假定Ａ选择坦白的话，Ｂ最好是选择坦白，因为Ｂ坦白判８年而抵赖却要判十年；假定Ａ选择抵赖的话，Ｂ最好还是选择坦白，因为Ｂ坦白判不被判刑而抵赖确要被判刑１年。即是说，不管Ａ坦白或抵赖，Ｂ的最佳选择都是坦白。反过来，同样地，不管Ｂ是坦白还是抵赖，Ａ的最佳选择也是坦白。结果，两个人都选择了坦白，各判刑８年。在（坦白、坦白）这个组合中，Ａ和Ｂ都不能通过单方面的改变行动增加自己的收益，于是谁也没有动力游离这个组合，因此这个组合是纳什均衡。
囚徒困境反映了个人理性和集体理性的矛盾。如果Ａ和Ｂ都选择抵赖，各判刑１年，显然比都选择坦白各判刑８年好得多。当然，Ａ和Ｂ可以在被警察抓到之前订立一个”攻守同盟”，但是这可能不会有用，因为它不构成纳什均衡，没有人有积极性遵守这个协定。
实证分析：
“囚犯困境”在经济学上有很多应用，也有力地解释了一些经济现象。
一．电信价格竞争
根据我国电信业的实际情况，我们来构造电信业价格战的博弈模型。假设此博弈的参加者为电信运营商A与B, 他们在电信某一领域展开竞争，一开始的价格都是P0。A（中国电信）是老牌企业，实力雄厚，占据了绝大多数的市场份额；B（中国联通）则刚刚成立不久，翅膀还没有长硬，是**为了打破垄断鼓励竞争而筹建起来的。
正因为B是**扶植起来鼓励竞争的，所以B得到了**的一些优惠，其中就有B的价格可以比P0低 10％。这一举动，还不会对A产生多大的影响，因为A的根基实在是太牢固了。在这样的市场分配下，A、B可以达到平衡，但由于B在价格方面的优势，市场份额逐步壮大，到了一定程度，对A造成了影响。这时候，A该怎么做？不妨假定：
A降价而B维持，则A获利15，B损失5，整体获利 10；
A维持且B也维持，则A获利5，B获利10，整体获利15；
A维持而B降价，则A损失10，B获利15，整体获利5；
A降价且B也降价，则A损失5，B损失5，整体损失10。
从A角度看，显然降价要比维持好，降价至少可以保证比B好，在概率均等的情况下，A降价的收益为15×50％－5×50％＝5，维持的收益为5×50％－10×50％＝－2．5，为了自身利益的最大化，A就不可避免地选择了降价。从B角度看，效果也一样，降价同样比维持好，其降价收益为5，维持收益为2．5，它也同样会选择降价。在这轮博弈中，A、 B都将降价作为策略，因此各损失5，整体损失10，整体收益是最差的。这就是此博弈最终所出现的纳什均衡。我们构造的这一电信业价格战博弈模型是典型的囚徒困境现象，各个局部都寻求利益的最大化，而整体利益却不是最优，甚至是最差。
许多其他行业的价格竞争都是典型的囚徒困境现象，如可口可乐公司和百事可乐公司之间的竞争、各大航空公司之间的价格竞争等等。

二．OPEC组织成员国之间的合作与背叛
“囚徒困境”告诉我们，个人理性和集体理性之间存在矛盾，基于个人理性的正确选择会降低大家的福利，也就是说，基于个人利益最大化的前提下，帕累托改进得不到进行，帕累托最优得不到实现。
上述我们在对电信价格竞争的博弈分析中，只是一次性的“囚徒困境”博弈，因此得到了互相降价的纳什均衡。而在现实生活当中，信任与合作很少达到如此两难的境地，无论在自然界还是在人类社会，“合作”都是一种随处可见的现象。比如中东石油输出国组织（Ｏｒｇａｎｉｚａｔｉｏｎ ｏｆ Ｐｅｔｒｏｌｅｕｍ Ｅｘｐｏｒｔｉｎｇ Ｃｏｕｎｔｒｉｅｓ?简称ＯＰＥＣ）的成立，本身就是要限制各石油生产国的产量，以保持石油价格，以便获取利润，是合作的产物。OPEC之所以能够成立，各组织成员国之间之所以能够合作，是因为囚徒困境如果是一次性博弈 (One shot game)的话，基于个人利益最大化，得到纳什均衡解，但如果是多次博弈，人们就有了合作的可能性，囚徒困境就有可能破解，合作就有可能达成。连续的合作有可能成为重复的囚徒困境的均衡解，这也是博弈论上着名的“大众定理”(Folk Theorem)的含义。
但合作的可能性不是必然性。博弈论的研究表明，要想使合作成为多次博弈的均衡解，博弈的一方（最好是实力更强的一方）必须主动通过可信的承诺 (Credible commitment) ，向另一方表示合作的善意，努力把这个善意表达清楚，并传达出去。如果该困境同时涉及多个对手，则要在博弈对手中形成声誉，并用心地维护这个声誉。这里“可信的承诺”是一个很牵强的翻译，“Credible commitment”并不是什么空口诺言，而是实实在在的付出。所以合作是非常困难的。 所以OPEC组织经常会有成员国不遵守组织的协定，私自增加石油产量。每个成员国都这样想，只要他们不增加产量，我增加一点点产量对价格没什么影响，结果每个国家都增加产量，造成石油价格下跌，大家的利润都受到损失。当然，一些产量增加较少的国家损失更多，于是也更加大量生产，造成价格进一步下降–结果，陷入一个困境：大家都增加产量，价格下跌，大家再增加产量，价格再下跌……。
理论上，几乎所有的卡特尔都会遭到失败，原因就在于卡特尔的协定（类似囚犯的攻守同盟）不是一个纳什均衡，没有成员有兴趣遵守。那么是不是不可能有卡特尔合作成功了？理论上，如果是无限期的合作，双方考虑长远利益，他们的合作是会成功的。但只要是有限次的合作，合作就不会成功。比如合作１０次，那么在第九次博弈参与人就会采取不合作态度，因为大家都想趁最后一次机会捞一把，反正以后我也不会跟你合作了。但是大家料到第九次会出现不合作，那么就很可能在第八次就采取不合作的态度。第八次不合作会使大家在第七次就不合作……一直到，从第一次开始大家都不会采取合作态度。
以上是运用博弈论中的经典案例“囚徒困境”对现实经济生活的一些简单的理论上的分析，虽然在现实生活当中影响人们决策和态度的因素很多，但是，博弈论作为现代经济学的前沿领域，始终是一个强有力的分析工具。

北京工商大学 刘健