最近在整理某知名高校公开课博弈论的第十八到十九讲主题是信息集与子博弈精炼也就是标题里说的“信息集与最优子博弈”。这个说法其实挺有意思的——严格来说“最优子博弈”不是标准术语更准确的说法是“子博弈精炼均衡”但这两个概念放在一起恰好抓住了这两讲的精髓信息集用来刻画“谁在什么时候知道什么”子博弈精炼则用来筛选那些真正站得住脚的均衡。简单说这两讲解决的核心问题是当参与者不是全知全能当威胁或承诺不一定可信时博弈的结局会怎样变化。这两讲适合三类人看一是准备系统学博弈论的学生二是经常需要做策略决策的从业者比如定价、竞标、商业谈判三是想搞明白“为什么有些威胁只是说说而已”的好奇读者。内容不涉及复杂数学核心工具就是博弈树和倒推法理解了这两个工具后面的贝叶斯博弈就能顺畅衔接。我把课程内容结合自己的实操经验重新梳理了一遍把一些容易踩坑的地方也一并整理出来。1. 信息集从“你知道我知道”到“你不知道我知道”1.1 信息集到底在刻画什么先打一个比方。想象你在玩扑克你手里的牌对方看不到对方的表情你也在努力解读。博弈论里要把这种“看不全”的情况模型化靠的就是信息集information set。信息集的定义是在博弈树的某个阶段某个参与人可能处于的多个节点所构成的集合而这个参与人在这些节点上无法区分自己究竟在哪一个节点。换句话说站在这些节点中间当事人能看到的“历史”是一样的——他知道自己走到了这一步但不知道这一步具体是众多可能路径中的哪一条。一个简单的例子。假设有个投资者参与人A决定是否投资某初创公司但不确定创业者参与人B是“勤奋型”还是“忽悠型”。在博弈树上A的决策节点其实有两个一个是“创业者勤奋”对应的节点一个是“创业者忽悠”对应的节点。如果A无法区分这两个状态——比如没有足够尽调也没有信号可以分辨——那么这两个节点就属于同一个信息集。A在这个信息集上做决策时只能基于自己对两种类型的概率判断而不是基于确定的事实。这里要注意信息集里的所有节点都必须给参与人相同的可选行动集合。原因很直观——如果在一个节点你只能选“投资”或“不投资”在另一个节点却多了“追加投资”这个选项那么当你面对这个行动菜单时你立刻就能分辨出自己在哪个节点了。那就不能叫“无法区分”了。信息集的这个约束条件保证“不知道”是真实的不知道而不是策略性伪装。1.2 完美信息、完全信息和不完全信息的三角关系很多人初学博弈论会把“完美信息”和“完全信息”搞混这两讲恰好把这个问题掰开了。简单粗暴的记忆方式是这样的完全信息指博弈的结构、规则、所有参与人的收益函数都是公共知识——你知道我知道而且我知道你知道以此类推。完全信息不要求你知道对方具体做了什么选择只要求你对“规则和收益”有完整的认知。完美信息指博弈树上的每个决策节点都是单节点信息集——任何参与人做决策时都清楚自己精确地处于哪个历史节点知道之前每一步发生了什么。不完全信息至少一个参与人不清楚某些关键参数比如对方的类型、成本、收益通常由“自然”先行动引入或者由对方隐蔽行动造成。用打牌来对应完全信息像你清楚规则和输赢赔率但不知道对手底牌完美信息像摊牌打明牌所有信息一目了然不完全信息则更接近现实连规则参数都有未知成分比如对方有可能是新手对规则理解有偏差。信息集是理解这三者差异的核心工具。在博弈树上完美信息对应所有信息集都是单点不完全信息则必然存在包含多个节点的信息集。这两讲反复强调的一点是信息集不是用来“画着好看”的它直接改变参与人的信念和最优反应。同样一个“不投资”的决策假如A知道自己面对的是“勤奋型”不投资可能是错的但如果是在一个包含两种类型的信息集上做决策那就需要权衡概率加权后的期望收益。信息集结构一变均衡结果就可能面目全非。2. 不完全信息博弈把“未知”画进树枝里2.1 自然行动与初始信念在第十八讲里授课老师引入了一个关键工具——自然Nature或者叫“自然行动”。自然不是一个理性的参与人它没有收益也没有策略它只是以某个概率随机决定“世界的状态”。比如“创业者是勤奋型还是忽悠型”“市场需求是高还是低”“对手的成本是高还是低”这些不由任何参与人选择的事情都交给自然在博弈最开始或者某个时间点随机决定。引入自然以后博弈树就可以统一处理完全信息和不完全信息了。完全信息博弈可以看作自然只以概率1选择了一个状态不完全信息博弈则自然以某个概率分布选择了多种可能状态而后续参与人在某些节点无法区分这些状态。这里有一个实操中特别容易忽略的点自然行动的“概率”不是凭空来的它代表的是参与人在博弈开始前的先验信念prior belief也就是所有参与人都知道的公共知识。比如“投资人有60%的把握认为创业者是勤奋型”这个60%不是随便写的它可能是基于行业统计数据、尽调结果、同类型项目的历史表现得出的。博弈论模型把它当成公共知识来处理意思是双方都知道这个先验概率也都知道对方知道。在课堂推导中求解带自然行动的博弈思路和完全信息博弈没有本质区别还是从最后一个决策节点倒推。关键差异在于面对一个信息集而不是单节点参与人要在该信息集上比较“每个节点对应收益的加权平均”权重就是条件概率通常是先验概率经过贝叶斯更新后的后验概率。这个“条件概率下的期望收益最大化”就是所谓的“贝叶斯序贯理性”。2.2 贝叶斯更新信息集上的“概率再分配”第十九讲的一个重要应用是贝叶斯更新Bayesian updating。简单来说当事人在博弈过程中会观察对方的行动这些行动既是策略也在传递信息。观察到一个行动以后理性参与人会调整自己对“世界状态”的概率判断这就是后验信念。然后后验信念又会影响后续的行动选择。这个过程把“信息”变成了博弈的内生变量——信息不只是给定的还可以由参与人的行为创造。典型的例子是“信号传递博弈”低成本的类型通过某种花费高昂的信号来展示自己是高质量比如创业者愿意用个人资金来跟投表明项目自己都敢押注而低成本信号之所以有效是因为“忽悠型”模仿不起。观察者看到信号后更新信念如果信号成本足够高后验概率会把“优质类型”和“发出信号”绑定。这就是信息经济学里说的分离均衡。这里必须提醒一个新手常犯的错误在博弈论里信念不是心理学概念而是概率论概念。参与人的后验信念必须由先验信念和观察到的行动联合决定不能随心所欲地“觉得对方很靠谱”。在求解时必须保证信念满足贝叶斯法则——也就是说凡是博弈路径上能够观察到的行动后验概率就要按贝叶斯公式重新计算凡是偏离均衡路径的行动该如何设定信念则存在多重选择这恰恰是后面精炼均衡比如序贯均衡、完美贝叶斯均衡要解决的问题。这两讲只涉及较基础的情形但理解这个“信念必须和行动逻辑自洽”的点是后续所有进阶内容的地基。3. 子博弈精炼均衡让威胁变得可信3.1 为什么纳什均衡还不够纳什均衡是博弈论的基石但它有一个著名的缺陷它允许“空头威胁”存在于均衡之中。什么意思呢纳什均衡只要求“给定对方的策略我的策略是最优的”它不要求策略在博弈树的每一个子节点上都保持最优——尤其是那些实际上不会被走到的节点。举个最经典的例子进入威慑博弈。在位者现有厂商面对潜在进入者。进入者先决定“进入”还是“不进入”如果进入在位者再决定“反击”打价格战还是“容忍”共享市场。在位者反击会两败俱伤收益都很低在位者容忍进入者赚钱在位者收益略减。用倒推法看在位者如果面对“进入”最优选择显然是“容忍”容忍收益高于反击。因此进入者的最优策略是“进入”。这是子博弈精炼均衡的结果。但纳什均衡允许另一个结果存在进入者选择“不进入”因为在位者“威胁”说只要你进入就一定会反击。给定进入者不进入在位者的威胁策略反击并不会被触发因此在位者没有偏离动机给定在位者威胁反击进入者确实不应该进入。所以“进入者不进入在位者威胁反击”也是一个纳什均衡——但它依赖于一个“不可信的承诺”。一旦进入了真实世界在位数真的面对进入者时理性会驱使它选择容忍。谁会信一个自己都不会兑现的威胁呢信息集在此处的角色很关键子博弈要求从一个单节点信息集开始而“进入之后”的节点正是单节点信息集。如果要判断“反击”是不是理性的就必须保证它在“进入”这个子博弈里是最优的。“反击”在这个子博弈里不是最优的所以剔除。这就是子博弈精炼的思想不是只看整棵树的纳什均衡而是要求策略组合在每一个子博弈上都构成纳什均衡。3.2 精炼的定义与逆向归纳的逻辑闭环定义说清楚一个策略组合是子博弈精炼纳什均衡Subgame Perfect Nash Equilibrium, SPNE当且仅当它在原博弈的每一个子博弈上都构成纳什均衡。这里的“每一个”是重点——包括那些均衡路径上不会到达的子博弈。之所以要管那些“不会到达”的分支因为正是这些分支决定了威胁或承诺的可信度。求解方法就是大家熟悉的逆向归纳backward induction从博弈树的末端节点开始在每个最后的决策节点上选择最优行动然后把这些选择代入上一层的决策节点再选择最优行动一直推到初始节点。这样得到的路径就是子博弈精炼均衡路径。注意逆向归纳不是靠“感觉”倒推而是每一步都在该决策节点所处的信息集上做期望收益最大化——如果信息集里有多节点就要做加权平均如果只有单节点就直接比较收益。这也解释了为什么“信息集”和“子博弈精炼”必须放在一起讲。子博弈的定义有一个硬约束子博弈不能切断任何信息集。也就是说子博弈只能从单节点信息集开始同时包含该节点之后的全部历史分支。为什么因为信息集代表参与人的“无知状态”。如果子博弈切断了信息集等于假设参与人获得了自己本不该知道的信息这和博弈规则矛盾。所以“子博弈精炼”天然建立在“完美信息或可完美划分信息集”的基础上。反过来看一旦信息集结构复杂很多博弈根本不存在合适的子博弈——那就要用条件更精细的均衡概念如完美贝叶斯均衡来替代了。4. 实操从建模到求解放手做一遍4.1 一个完整的“市场进入”扩展式博弈建模与其空谈理论不如把一个完整的例子从头做到尾。这里我沿用课堂上最经典的进入威慑模型但加一点不完全信息元素方便把第1节和第2节的工具都用上。假设市场有一个潜在进入者E和一个在位者I。博弈顺序如下自然决定在位者的成本类型高成本H的概率为 p低成本L的概率为 1-p。这里 H代表在位者反击时两败俱伤更惨L代表在位者成本低、反击时还能保持一定利润。E 观察不到自然的选择——他只知道概率 p。这就是一个两元素信息集E不知道自己在“H节点”还是“L节点”。E 选择“进入”或“不进入”。如果E选择“不进入”博弈结束E获得0或者保留收益在位者获得垄断利润H类型垄断利润为 10L类型为 12。如果E选择“进入”I在知道自己的类型的前提下选择“反击”或“容忍”。这里注意I知道自己类型所以I有单节点信息集。收益大致设定如下单位万元高成本、反击E -2I 2高成本、容忍E 4I 5低成本、反击E -1I 7低成本、容忍E 5I 4这里数字刻意设置成“反击”在高成本类型下对I不划算2 5“反击”在低成本类型下对I更划算7 4。换句话说高成本类型会容忍低成本类型会反击。这是一个“类型决定行为”的设定。4.2 一步步倒推从末端决策到初始决策第一步站在I的节点上。I知道自己的类型。如果是H比较“反击收益2”和“容忍收益5”选容忍如果是L比较“反击收益7”和“容忍收益4”选反击。所以I的策略很清晰H类型容忍L类型反击。第二步回到E的信息集。E不知道自己的节点是H还是L因此要计算两种情况下“进入”的期望收益如果自然选了H概率 p那么I会选择容忍E的收益是4如果自然选了L概率 1-p那么I会选择反击E的收益是-1。所以E选择“进入”的期望收益为4 × p (-1) × (1 - p) 5p - 1。E选择“不进入”的收益为 0。因此当 p 0.2 时5p - 1 0E选择进入当 p 0.2 时5p - 1 0E选择不进入当 p 0.2 时进入与不进入无差别混合或不进入都可。这个临界值 0.2 很有意思只要E认为在位者是高成本的概率超过20%进入就是有利可图的。这里能直观看到不完全信息的价值——如果不是引入信息集和自然行动这类“概率依赖型”的决策结论根本推不出来。第三步确定完整均衡策略组合。当 p 0.2 时均衡策略是E进入IH容忍IL反击。当 p 0.2 时均衡策略是E不进入潜在的策略如果进入H容忍L反击。注意一个细节在“E不进入”的均衡里I的策略不需要被触发但必须说明清楚“如果被进入会怎么选择”否则无法验证可信性。4.3 计算中的信息集约束和常见误判上面这个例子看起来简单实操中至少有三个坑值得单独拎出来。第一个坑是“在信息集上直接用平均收益代替期望收益”。有人看到E的两种节点收益分别是4和-1就手一滑写成“进入收益是(4 (-1))/2 1.5”然后得出“进入一定好”。这其实偷偷假设了p 0.5。如果p不是0.5这种简单平均就错了。必须先写期望收益公式再把p代进去。第二个坑是“把I的反击/容忍策略当成与类型无关”。在这个模型里I知道自己的类型所以他的信息集是单点的。但如果模型设定改为“I自己也不确定成本类型”那I就也面临一个多节点信息集求解逻辑又要变——需要在I的信息集上做加权平均。很多新手把不同的信息结构混着用模型前后矛盾算出来的均衡自然经不起推敲。这门课反复强调信息集的作用本质上就是在逼你每次写下博弈树之前先问自己“每个参与人在做决策时到底知道什么”第三个坑是“忽略未到达分支的可信性”。如果算出来E选择不进入有些同学就直接说“均衡就是E不进入”。但严谨的做法必须补上“如果E偏离了不进入I会怎么做”——这个“偏离后的反应”定义了威胁的可信性。如果I的反应竟然是“反击”那这个反击在偏离后的子博弈里是否最优如果不最优这个均衡就不是子博弈精炼的只是普通纳什均衡。这也是SPNE和纳什均衡最核心的分水岭。5. 实战中容易翻车的四个细节5.1 画博弈树时最常见的错误信息集的连线画错信息集的视觉表达要特别注意。两个节点属于同一个信息集通常用一条虚线连接或者用椭圆圈起来。很多初学同学在画图时把I的两个决策节点对应H和L类型也画成了同一个信息集理由是“I也不确定自己类型”。但在这个例子里I显然知道自己是否高成本——成本类型是I的私有信息。如果I都搞不清自己的成本那就不该有“H/L”这个分类分别对应不同收益的基础。一个自检办法对每个参与人在博弈树的每个信息集上问自己——在这个信息集的所有节点上该参与人是否拥有完全相同的历史记忆他记得自己做过什么选择、观察过什么信号如果记忆不同就不能划在同一信息集。这对应博弈论里的“完美回忆”假设违反这一点会引发复杂的“不完美回忆”问题课程里没有深入但建模时必须避免。5.2 子博弈识别不是随便切一刀就算子博弈判断一个节点能否成为子博弈的起点标准有两个一是必须是单节点信息集二是该节点之后的树必须完整包含所有后续历史节点和收益不能从中间切开。同时子博弈不能横跨信息集的分隔线。在实际操作中最稳妥的方法是从末端节点开始往上找。从每个末端节点往上回溯找到最近的一个“单节点信息集”以它为根看它覆盖的所有后续节点是否构成一棵封闭的树。如果某处被信息集割裂那就不能从这里切。许多教材习题里故意设置“信息集横跨两条分支”的模型目的就是让读者意识到此时SPNE概念不够用了。遇到这种情况不要硬套逆向归纳要升级到完美贝叶斯均衡或序贯均衡。知道什么时候该换工具也是这两讲想传达的素养。5.3 关于“威胁”的实战理解从这门课里我最想带走的生活经验是威胁的价值取决于它兑现时的代价。商战里常见的“我们一定会反击到底”的宣言如果反击的代价远高于忍让那这宣言在子博弈精炼均衡里根本不成立。反过来要让威胁可信要么把自身类型改成“不得不反击”的类型像例子里的低成本在位者要么通过制度设计把反击变成“自动触发”的机制比如可见的成本承诺、合约绑定、声誉机制。这个逻辑也能用来识别别人的承诺。如果一个合作方总是在事前承诺“出了任何问题我们全权负责”但事后出问题时他的最优选择是推诿那你就该把这个“承诺”看作不可信威胁——不是他人品有问题而是他的激励结构使然。博弈论训练的核心能力之一就是透过声明的表面去看声明背后的收益结构。5.4 运算中的信念、概率和公共知识一个更加隐蔽的坑概率 p 到底是不是公共知识在标准建模里p是公共知识——所有人都知道而且知道彼此知道。但如果换成真实市场的谈判场景双方对概率的估计可能不一致。此时模型就要从“共同先验”转向“异质先验”求解会复杂很多。课程里默认共同先验是为了可计算性应用到自己项目里时需要先确认这个假设是否成立否则算出来的“均衡”可能只是“我的模型里的均衡”而不是“真实世界双方策略的稳定组合”。我在自己写分析框架时习惯把 p 的敏感性分析做一遍p 从 0 到 1 取不同值看均衡路径在哪些区间被切换。这个方法在这节课里也有体现——当 p 跨过 0.2 的门槛时进入者的策略发生跳变。这类“阈值分析”在实际商业决策中比单点估计更实用因为它告诉你与其猜测 p 是 0.3 还是 0.5不如集中精力搞清楚 p 是否大于 0.2。判断维度一下子从精确估计降维到区间判断可操作性就高了很多。6. 从课堂到真实场景这两个概念还能干很多事6.1 定价策略、招标设计与市场信号信息集和子博弈精炼不是书斋理论几乎所有需要“策略互动信息不对称”的场景都能套用。比如平台定价潜在竞争者决定是否进入某个细分市场先要看在位平台的反应。如果平台具有规模效应反击补贴、压价的可信度就高潜在进入者会收敛如果平台反击成本太高进入者反而会大胆进场。这个推理和上面的进入威慑模型完全同构唯一变化是收益数字和概率估计。再比如招标设计。投标人不知道竞争对手的成本分布这就是个自然行动下的不完全信息博弈。招标方如果设计一个“首价密封投标”机制实际上是在把参与人的策略空间拉到同一个信息集上进行博弈。为什么现实中很多招标会设置“最低价中标或最接近均价中标”这类规则本质是在调节参与人预期——改变他们面对的信息集结构和收益权重从而诱导不同的报价策略。信息集视角能帮你理解很多机制设计背后的深意。6.2 作为自动化决策脚本的博弈树除了做分析和写文章博弈树还能直接编程成决策逻辑。我在自己某个模拟项目里就把这类扩展式博弈转换成了状态机节点代表历史状态信息集代表「当前状态感知」自然行动由随机数发生器实现倒推求解在代码里就是递归回溯。每次给系统输入当前状态时它只会根据“当前信息集允许的行动集合”来选择动作——这样的设计天然保证了决策不会“偷看”不该知道的信息。如果你打算写类似的代码建议这样组织数据结构每个信息集一个对象包含若干节点引用每个节点包含参与人编号、可用行动列表、子节点映射收益数组挂在末端节点上。求解时从末端节点向上递归遇到单节点信息集取最大收益遇到多节点信息集先确认该参与人是否具备条件概率再取期望收益最大值。这个递归过程本质就是逆向归纳的算法实现。6.3 我的个人体会最后说一点个人感受。这两讲的标题把“信息集”和“子博弈精炼”放在一起其实暗示了博弈论的两个层次第一层是“看清世界”——用信息集精确描述谁在何种无知状态下做决策第二层是“理性选择”——在清楚了这个无知状态后用精炼均衡筛选出真正稳健的策略组合。我在刚接触这些概念时总觉得它们很抽象后来自己做项目、分析真实商业竞争时才发现这两个概念几乎每天都在起作用。比如评估竞争对手的一份声明我会条件反射地问“这个威胁在他真正面临选择时还是最优的吗”判断合作伙伴的一番表态我会想“他表达的是真实激励结构还是只是希望我改变信念”把这种思维训练成习惯以后看待很多谈判、定价、联盟问题都会清楚不少。回头看这门课没有堆砌公式却把两个最关键的建模工具讲透了。信息集教你怎么严谨地描述“不知道”子博弈精炼教你如何在“不知道”的前提下筛选“可信”的策略。这两个工具搭在一起足以支撑你理解后面更复杂的拍卖设计、信号博弈、机制设计理论。建议认真把扩展式博弈的画法和逆向归纳的流程练熟多手算几个例子自然就能体会到其中的妙处。
最近在整理某知名高校公开课博弈论的第十八到十九讲主题是信息集与子博弈精炼也就是标题里说的“信息集与最优子博弈”。这个说法其实挺有意思的——严格来说“最优子博弈”不是标准术语更准确的说法是“子博弈精炼均衡”但这两个概念放在一起恰好抓住了这两讲的精髓信息集用来刻画“谁在什么时候知道什么”子博弈精炼则用来筛选那些真正站得住脚的均衡。简单说这两讲解决的核心问题是当参与者不是全知全能当威胁或承诺不一定可信时博弈的结局会怎样变化。这两讲适合三类人看一是准备系统学博弈论的学生二是经常需要做策略决策的从业者比如定价、竞标、商业谈判三是想搞明白“为什么有些威胁只是说说而已”的好奇读者。内容不涉及复杂数学核心工具就是博弈树和倒推法理解了这两个工具后面的贝叶斯博弈就能顺畅衔接。我把课程内容结合自己的实操经验重新梳理了一遍把一些容易踩坑的地方也一并整理出来。1. 信息集从“你知道我知道”到“你不知道我知道”1.1 信息集到底在刻画什么先打一个比方。想象你在玩扑克你手里的牌对方看不到对方的表情你也在努力解读。博弈论里要把这种“看不全”的情况模型化靠的就是信息集information set。信息集的定义是在博弈树的某个阶段某个参与人可能处于的多个节点所构成的集合而这个参与人在这些节点上无法区分自己究竟在哪一个节点。换句话说站在这些节点中间当事人能看到的“历史”是一样的——他知道自己走到了这一步但不知道这一步具体是众多可能路径中的哪一条。一个简单的例子。假设有个投资者参与人A决定是否投资某初创公司但不确定创业者参与人B是“勤奋型”还是“忽悠型”。在博弈树上A的决策节点其实有两个一个是“创业者勤奋”对应的节点一个是“创业者忽悠”对应的节点。如果A无法区分这两个状态——比如没有足够尽调也没有信号可以分辨——那么这两个节点就属于同一个信息集。A在这个信息集上做决策时只能基于自己对两种类型的概率判断而不是基于确定的事实。这里要注意信息集里的所有节点都必须给参与人相同的可选行动集合。原因很直观——如果在一个节点你只能选“投资”或“不投资”在另一个节点却多了“追加投资”这个选项那么当你面对这个行动菜单时你立刻就能分辨出自己在哪个节点了。那就不能叫“无法区分”了。信息集的这个约束条件保证“不知道”是真实的不知道而不是策略性伪装。1.2 完美信息、完全信息和不完全信息的三角关系很多人初学博弈论会把“完美信息”和“完全信息”搞混这两讲恰好把这个问题掰开了。简单粗暴的记忆方式是这样的完全信息指博弈的结构、规则、所有参与人的收益函数都是公共知识——你知道我知道而且我知道你知道以此类推。完全信息不要求你知道对方具体做了什么选择只要求你对“规则和收益”有完整的认知。完美信息指博弈树上的每个决策节点都是单节点信息集——任何参与人做决策时都清楚自己精确地处于哪个历史节点知道之前每一步发生了什么。不完全信息至少一个参与人不清楚某些关键参数比如对方的类型、成本、收益通常由“自然”先行动引入或者由对方隐蔽行动造成。用打牌来对应完全信息像你清楚规则和输赢赔率但不知道对手底牌完美信息像摊牌打明牌所有信息一目了然不完全信息则更接近现实连规则参数都有未知成分比如对方有可能是新手对规则理解有偏差。信息集是理解这三者差异的核心工具。在博弈树上完美信息对应所有信息集都是单点不完全信息则必然存在包含多个节点的信息集。这两讲反复强调的一点是信息集不是用来“画着好看”的它直接改变参与人的信念和最优反应。同样一个“不投资”的决策假如A知道自己面对的是“勤奋型”不投资可能是错的但如果是在一个包含两种类型的信息集上做决策那就需要权衡概率加权后的期望收益。信息集结构一变均衡结果就可能面目全非。2. 不完全信息博弈把“未知”画进树枝里2.1 自然行动与初始信念在第十八讲里授课老师引入了一个关键工具——自然Nature或者叫“自然行动”。自然不是一个理性的参与人它没有收益也没有策略它只是以某个概率随机决定“世界的状态”。比如“创业者是勤奋型还是忽悠型”“市场需求是高还是低”“对手的成本是高还是低”这些不由任何参与人选择的事情都交给自然在博弈最开始或者某个时间点随机决定。引入自然以后博弈树就可以统一处理完全信息和不完全信息了。完全信息博弈可以看作自然只以概率1选择了一个状态不完全信息博弈则自然以某个概率分布选择了多种可能状态而后续参与人在某些节点无法区分这些状态。这里有一个实操中特别容易忽略的点自然行动的“概率”不是凭空来的它代表的是参与人在博弈开始前的先验信念prior belief也就是所有参与人都知道的公共知识。比如“投资人有60%的把握认为创业者是勤奋型”这个60%不是随便写的它可能是基于行业统计数据、尽调结果、同类型项目的历史表现得出的。博弈论模型把它当成公共知识来处理意思是双方都知道这个先验概率也都知道对方知道。在课堂推导中求解带自然行动的博弈思路和完全信息博弈没有本质区别还是从最后一个决策节点倒推。关键差异在于面对一个信息集而不是单节点参与人要在该信息集上比较“每个节点对应收益的加权平均”权重就是条件概率通常是先验概率经过贝叶斯更新后的后验概率。这个“条件概率下的期望收益最大化”就是所谓的“贝叶斯序贯理性”。2.2 贝叶斯更新信息集上的“概率再分配”第十九讲的一个重要应用是贝叶斯更新Bayesian updating。简单来说当事人在博弈过程中会观察对方的行动这些行动既是策略也在传递信息。观察到一个行动以后理性参与人会调整自己对“世界状态”的概率判断这就是后验信念。然后后验信念又会影响后续的行动选择。这个过程把“信息”变成了博弈的内生变量——信息不只是给定的还可以由参与人的行为创造。典型的例子是“信号传递博弈”低成本的类型通过某种花费高昂的信号来展示自己是高质量比如创业者愿意用个人资金来跟投表明项目自己都敢押注而低成本信号之所以有效是因为“忽悠型”模仿不起。观察者看到信号后更新信念如果信号成本足够高后验概率会把“优质类型”和“发出信号”绑定。这就是信息经济学里说的分离均衡。这里必须提醒一个新手常犯的错误在博弈论里信念不是心理学概念而是概率论概念。参与人的后验信念必须由先验信念和观察到的行动联合决定不能随心所欲地“觉得对方很靠谱”。在求解时必须保证信念满足贝叶斯法则——也就是说凡是博弈路径上能够观察到的行动后验概率就要按贝叶斯公式重新计算凡是偏离均衡路径的行动该如何设定信念则存在多重选择这恰恰是后面精炼均衡比如序贯均衡、完美贝叶斯均衡要解决的问题。这两讲只涉及较基础的情形但理解这个“信念必须和行动逻辑自洽”的点是后续所有进阶内容的地基。3. 子博弈精炼均衡让威胁变得可信3.1 为什么纳什均衡还不够纳什均衡是博弈论的基石但它有一个著名的缺陷它允许“空头威胁”存在于均衡之中。什么意思呢纳什均衡只要求“给定对方的策略我的策略是最优的”它不要求策略在博弈树的每一个子节点上都保持最优——尤其是那些实际上不会被走到的节点。举个最经典的例子进入威慑博弈。在位者现有厂商面对潜在进入者。进入者先决定“进入”还是“不进入”如果进入在位者再决定“反击”打价格战还是“容忍”共享市场。在位者反击会两败俱伤收益都很低在位者容忍进入者赚钱在位者收益略减。用倒推法看在位者如果面对“进入”最优选择显然是“容忍”容忍收益高于反击。因此进入者的最优策略是“进入”。这是子博弈精炼均衡的结果。但纳什均衡允许另一个结果存在进入者选择“不进入”因为在位者“威胁”说只要你进入就一定会反击。给定进入者不进入在位者的威胁策略反击并不会被触发因此在位者没有偏离动机给定在位者威胁反击进入者确实不应该进入。所以“进入者不进入在位者威胁反击”也是一个纳什均衡——但它依赖于一个“不可信的承诺”。一旦进入了真实世界在位数真的面对进入者时理性会驱使它选择容忍。谁会信一个自己都不会兑现的威胁呢信息集在此处的角色很关键子博弈要求从一个单节点信息集开始而“进入之后”的节点正是单节点信息集。如果要判断“反击”是不是理性的就必须保证它在“进入”这个子博弈里是最优的。“反击”在这个子博弈里不是最优的所以剔除。这就是子博弈精炼的思想不是只看整棵树的纳什均衡而是要求策略组合在每一个子博弈上都构成纳什均衡。3.2 精炼的定义与逆向归纳的逻辑闭环定义说清楚一个策略组合是子博弈精炼纳什均衡Subgame Perfect Nash Equilibrium, SPNE当且仅当它在原博弈的每一个子博弈上都构成纳什均衡。这里的“每一个”是重点——包括那些均衡路径上不会到达的子博弈。之所以要管那些“不会到达”的分支因为正是这些分支决定了威胁或承诺的可信度。求解方法就是大家熟悉的逆向归纳backward induction从博弈树的末端节点开始在每个最后的决策节点上选择最优行动然后把这些选择代入上一层的决策节点再选择最优行动一直推到初始节点。这样得到的路径就是子博弈精炼均衡路径。注意逆向归纳不是靠“感觉”倒推而是每一步都在该决策节点所处的信息集上做期望收益最大化——如果信息集里有多节点就要做加权平均如果只有单节点就直接比较收益。这也解释了为什么“信息集”和“子博弈精炼”必须放在一起讲。子博弈的定义有一个硬约束子博弈不能切断任何信息集。也就是说子博弈只能从单节点信息集开始同时包含该节点之后的全部历史分支。为什么因为信息集代表参与人的“无知状态”。如果子博弈切断了信息集等于假设参与人获得了自己本不该知道的信息这和博弈规则矛盾。所以“子博弈精炼”天然建立在“完美信息或可完美划分信息集”的基础上。反过来看一旦信息集结构复杂很多博弈根本不存在合适的子博弈——那就要用条件更精细的均衡概念如完美贝叶斯均衡来替代了。4. 实操从建模到求解放手做一遍4.1 一个完整的“市场进入”扩展式博弈建模与其空谈理论不如把一个完整的例子从头做到尾。这里我沿用课堂上最经典的进入威慑模型但加一点不完全信息元素方便把第1节和第2节的工具都用上。假设市场有一个潜在进入者E和一个在位者I。博弈顺序如下自然决定在位者的成本类型高成本H的概率为 p低成本L的概率为 1-p。这里 H代表在位者反击时两败俱伤更惨L代表在位者成本低、反击时还能保持一定利润。E 观察不到自然的选择——他只知道概率 p。这就是一个两元素信息集E不知道自己在“H节点”还是“L节点”。E 选择“进入”或“不进入”。如果E选择“不进入”博弈结束E获得0或者保留收益在位者获得垄断利润H类型垄断利润为 10L类型为 12。如果E选择“进入”I在知道自己的类型的前提下选择“反击”或“容忍”。这里注意I知道自己类型所以I有单节点信息集。收益大致设定如下单位万元高成本、反击E -2I 2高成本、容忍E 4I 5低成本、反击E -1I 7低成本、容忍E 5I 4这里数字刻意设置成“反击”在高成本类型下对I不划算2 5“反击”在低成本类型下对I更划算7 4。换句话说高成本类型会容忍低成本类型会反击。这是一个“类型决定行为”的设定。4.2 一步步倒推从末端决策到初始决策第一步站在I的节点上。I知道自己的类型。如果是H比较“反击收益2”和“容忍收益5”选容忍如果是L比较“反击收益7”和“容忍收益4”选反击。所以I的策略很清晰H类型容忍L类型反击。第二步回到E的信息集。E不知道自己的节点是H还是L因此要计算两种情况下“进入”的期望收益如果自然选了H概率 p那么I会选择容忍E的收益是4如果自然选了L概率 1-p那么I会选择反击E的收益是-1。所以E选择“进入”的期望收益为4 × p (-1) × (1 - p) 5p - 1。E选择“不进入”的收益为 0。因此当 p 0.2 时5p - 1 0E选择进入当 p 0.2 时5p - 1 0E选择不进入当 p 0.2 时进入与不进入无差别混合或不进入都可。这个临界值 0.2 很有意思只要E认为在位者是高成本的概率超过20%进入就是有利可图的。这里能直观看到不完全信息的价值——如果不是引入信息集和自然行动这类“概率依赖型”的决策结论根本推不出来。第三步确定完整均衡策略组合。当 p 0.2 时均衡策略是E进入IH容忍IL反击。当 p 0.2 时均衡策略是E不进入潜在的策略如果进入H容忍L反击。注意一个细节在“E不进入”的均衡里I的策略不需要被触发但必须说明清楚“如果被进入会怎么选择”否则无法验证可信性。4.3 计算中的信息集约束和常见误判上面这个例子看起来简单实操中至少有三个坑值得单独拎出来。第一个坑是“在信息集上直接用平均收益代替期望收益”。有人看到E的两种节点收益分别是4和-1就手一滑写成“进入收益是(4 (-1))/2 1.5”然后得出“进入一定好”。这其实偷偷假设了p 0.5。如果p不是0.5这种简单平均就错了。必须先写期望收益公式再把p代进去。第二个坑是“把I的反击/容忍策略当成与类型无关”。在这个模型里I知道自己的类型所以他的信息集是单点的。但如果模型设定改为“I自己也不确定成本类型”那I就也面临一个多节点信息集求解逻辑又要变——需要在I的信息集上做加权平均。很多新手把不同的信息结构混着用模型前后矛盾算出来的均衡自然经不起推敲。这门课反复强调信息集的作用本质上就是在逼你每次写下博弈树之前先问自己“每个参与人在做决策时到底知道什么”第三个坑是“忽略未到达分支的可信性”。如果算出来E选择不进入有些同学就直接说“均衡就是E不进入”。但严谨的做法必须补上“如果E偏离了不进入I会怎么做”——这个“偏离后的反应”定义了威胁的可信性。如果I的反应竟然是“反击”那这个反击在偏离后的子博弈里是否最优如果不最优这个均衡就不是子博弈精炼的只是普通纳什均衡。这也是SPNE和纳什均衡最核心的分水岭。5. 实战中容易翻车的四个细节5.1 画博弈树时最常见的错误信息集的连线画错信息集的视觉表达要特别注意。两个节点属于同一个信息集通常用一条虚线连接或者用椭圆圈起来。很多初学同学在画图时把I的两个决策节点对应H和L类型也画成了同一个信息集理由是“I也不确定自己类型”。但在这个例子里I显然知道自己是否高成本——成本类型是I的私有信息。如果I都搞不清自己的成本那就不该有“H/L”这个分类分别对应不同收益的基础。一个自检办法对每个参与人在博弈树的每个信息集上问自己——在这个信息集的所有节点上该参与人是否拥有完全相同的历史记忆他记得自己做过什么选择、观察过什么信号如果记忆不同就不能划在同一信息集。这对应博弈论里的“完美回忆”假设违反这一点会引发复杂的“不完美回忆”问题课程里没有深入但建模时必须避免。5.2 子博弈识别不是随便切一刀就算子博弈判断一个节点能否成为子博弈的起点标准有两个一是必须是单节点信息集二是该节点之后的树必须完整包含所有后续历史节点和收益不能从中间切开。同时子博弈不能横跨信息集的分隔线。在实际操作中最稳妥的方法是从末端节点开始往上找。从每个末端节点往上回溯找到最近的一个“单节点信息集”以它为根看它覆盖的所有后续节点是否构成一棵封闭的树。如果某处被信息集割裂那就不能从这里切。许多教材习题里故意设置“信息集横跨两条分支”的模型目的就是让读者意识到此时SPNE概念不够用了。遇到这种情况不要硬套逆向归纳要升级到完美贝叶斯均衡或序贯均衡。知道什么时候该换工具也是这两讲想传达的素养。5.3 关于“威胁”的实战理解从这门课里我最想带走的生活经验是威胁的价值取决于它兑现时的代价。商战里常见的“我们一定会反击到底”的宣言如果反击的代价远高于忍让那这宣言在子博弈精炼均衡里根本不成立。反过来要让威胁可信要么把自身类型改成“不得不反击”的类型像例子里的低成本在位者要么通过制度设计把反击变成“自动触发”的机制比如可见的成本承诺、合约绑定、声誉机制。这个逻辑也能用来识别别人的承诺。如果一个合作方总是在事前承诺“出了任何问题我们全权负责”但事后出问题时他的最优选择是推诿那你就该把这个“承诺”看作不可信威胁——不是他人品有问题而是他的激励结构使然。博弈论训练的核心能力之一就是透过声明的表面去看声明背后的收益结构。5.4 运算中的信念、概率和公共知识一个更加隐蔽的坑概率 p 到底是不是公共知识在标准建模里p是公共知识——所有人都知道而且知道彼此知道。但如果换成真实市场的谈判场景双方对概率的估计可能不一致。此时模型就要从“共同先验”转向“异质先验”求解会复杂很多。课程里默认共同先验是为了可计算性应用到自己项目里时需要先确认这个假设是否成立否则算出来的“均衡”可能只是“我的模型里的均衡”而不是“真实世界双方策略的稳定组合”。我在自己写分析框架时习惯把 p 的敏感性分析做一遍p 从 0 到 1 取不同值看均衡路径在哪些区间被切换。这个方法在这节课里也有体现——当 p 跨过 0.2 的门槛时进入者的策略发生跳变。这类“阈值分析”在实际商业决策中比单点估计更实用因为它告诉你与其猜测 p 是 0.3 还是 0.5不如集中精力搞清楚 p 是否大于 0.2。判断维度一下子从精确估计降维到区间判断可操作性就高了很多。6. 从课堂到真实场景这两个概念还能干很多事6.1 定价策略、招标设计与市场信号信息集和子博弈精炼不是书斋理论几乎所有需要“策略互动信息不对称”的场景都能套用。比如平台定价潜在竞争者决定是否进入某个细分市场先要看在位平台的反应。如果平台具有规模效应反击补贴、压价的可信度就高潜在进入者会收敛如果平台反击成本太高进入者反而会大胆进场。这个推理和上面的进入威慑模型完全同构唯一变化是收益数字和概率估计。再比如招标设计。投标人不知道竞争对手的成本分布这就是个自然行动下的不完全信息博弈。招标方如果设计一个“首价密封投标”机制实际上是在把参与人的策略空间拉到同一个信息集上进行博弈。为什么现实中很多招标会设置“最低价中标或最接近均价中标”这类规则本质是在调节参与人预期——改变他们面对的信息集结构和收益权重从而诱导不同的报价策略。信息集视角能帮你理解很多机制设计背后的深意。6.2 作为自动化决策脚本的博弈树除了做分析和写文章博弈树还能直接编程成决策逻辑。我在自己某个模拟项目里就把这类扩展式博弈转换成了状态机节点代表历史状态信息集代表「当前状态感知」自然行动由随机数发生器实现倒推求解在代码里就是递归回溯。每次给系统输入当前状态时它只会根据“当前信息集允许的行动集合”来选择动作——这样的设计天然保证了决策不会“偷看”不该知道的信息。如果你打算写类似的代码建议这样组织数据结构每个信息集一个对象包含若干节点引用每个节点包含参与人编号、可用行动列表、子节点映射收益数组挂在末端节点上。求解时从末端节点向上递归遇到单节点信息集取最大收益遇到多节点信息集先确认该参与人是否具备条件概率再取期望收益最大值。这个递归过程本质就是逆向归纳的算法实现。6.3 我的个人体会最后说一点个人感受。这两讲的标题把“信息集”和“子博弈精炼”放在一起其实暗示了博弈论的两个层次第一层是“看清世界”——用信息集精确描述谁在何种无知状态下做决策第二层是“理性选择”——在清楚了这个无知状态后用精炼均衡筛选出真正稳健的策略组合。我在刚接触这些概念时总觉得它们很抽象后来自己做项目、分析真实商业竞争时才发现这两个概念几乎每天都在起作用。比如评估竞争对手的一份声明我会条件反射地问“这个威胁在他真正面临选择时还是最优的吗”判断合作伙伴的一番表态我会想“他表达的是真实激励结构还是只是希望我改变信念”把这种思维训练成习惯以后看待很多谈判、定价、联盟问题都会清楚不少。回头看这门课没有堆砌公式却把两个最关键的建模工具讲透了。信息集教你怎么严谨地描述“不知道”子博弈精炼教你如何在“不知道”的前提下筛选“可信”的策略。这两个工具搭在一起足以支撑你理解后面更复杂的拍卖设计、信号博弈、机制设计理论。建议认真把扩展式博弈的画法和逆向归纳的流程练熟多手算几个例子自然就能体会到其中的妙处。
