一、点球:踢左,还是踢右

你站在点球点上。面前是球门,门将在门线上站着。你只能踢左边或者右边,门将也只能提前扑向左边或者右边,你们同时决定。

假设这是你们过去许多次交手后得出的数据,格子里是你的进球概率(门将想让这个数字小,你想让它大):

门将:扑左 门将:扑右
你:踢左 0.4 0.9
你:踢右 0.8 0.5

怎么读:你踢左、门将也扑左,门将扑对了方向,进球率只有 0.4;你踢左、门将扑右,门将扑错了,进球率 0.9;踢右的两格同理。

先别往下读。请你回答两个问题:你踢哪边?如果你每次都踢同一边,会怎样?

写好了吗?第二个问题的答案其实很快就能想到:如果你每次都踢左,门将很快就会发现,然后每次都扑左,你的进球率就只有 0.4。可预测,就等于送分。

二、没有一个"固定选法"站得住

2.1 追着跑的循环

我们来看看固定选法会发生什么:

  • 如果门将总是扑左,你踢右最好(0.8 > 0.4)。
  • 你总是踢右,门将就该扑右(0.5 < 0.8)。
  • 门将总是扑右,你该踢左(0.9 > 0.5)。
  • 你总是踢左,门将就该扑左(0.4 < 0.9)。
  • 又回到了原点。

这是一个永远追不上的圈:每一个"固定选法"的组合里,总有一个人想单独改变。用划线法也能看出来:在每一列里,标出对你最好的格子(进球率较高的那个);在每一行里,标出对门将最好的格子(进球率较低的那个)。你标出的是(踢右,扑左)和(踢左,扑右),门将标出的是(踢左,扑左)和(踢右,扑右),两组标记没有一个格子重合。

这就是说,这个博弈没有“每个人都选一个确定动作"的均衡。

2.2 出路:让自己不可预测

怎么才能不被利用?答案是:不要选一个固定的方向,而是按一定的比例随机地选。 比如"以 60% 的概率踢左、40% 的概率踢右”。这样做的目的不是"碰运气",而是让对手没法针对你。

按一定的概率随机地选择自己的纯策略,叫作混合策略。不随机、每次都选同一个动作的,叫纯策略。

接下来的问题是:这个比例该怎么定? 太偏了会被利用,那最合适的比例是多少?

三、怎么算出随机的比例

3.1 先站到门将的位置

设你以 q 的概率踢左,以 1 − q 的概率踢右。门将在决定扑哪边时,会算你的进球率:

  • 门将扑左:你的进球率是 q × 0.4 + (1 − q) × 0.8 = 0.8 − 0.4q。
  • 门将扑右:你的进球率是 q × 0.9 + (1 − q) × 0.5 = 0.5 + 0.4q。

门将会选让你的进球率更低的那个。看几个 q 的值:

你踢左的概率 q 门将扑左时你的进球率 门将扑右时你的进球率 门将会选 你的进球率
0 0.8 0.5 扑右 0.5
1/4 0.7 0.6 扑右 0.6
3/8 0.65 0.65 随便 0.65
1/2 0.6 0.7 扑左 0.6
1 0.4 0.9 扑左 0.4

看这个表:q 偏小,门将扑右;q 偏大,门将扑左;q = 3/8 时,扑左扑右对门将没有区别,你的进球率是 0.65,而且比其他任何 q 都高。

画成图更清楚:

你踢左的比例,要怎么定?

蓝色和绿色的虚线是门将两种扑法下你的进球率,红线是"门将选对自己最有利的一边"之后你的进球率。红线在 q = 3/8 的地方达到最高点。你最好的选择,就是站在这个最高点上。

3.2 q = 3/8 是怎么来的

不用试表格,可以直接算:让门将觉得扑左和扑右一样。令两条线相等:

0.8 − 0.4q = 0.5 + 0.4q,所以 0.3 = 0.8q,q = 3/8。

3.3 门将的比例

站到门将的位置,设门将以 r 的概率扑左。你选各个方向的进球率是:

  • 你踢左:r × 0.4 + (1 − r) × 0.9 = 0.9 − 0.5r。
  • 你踢右:r × 0.8 + (1 − r) × 0.5 = 0.5 + 0.3r。

让你自己无差别:0.9 − 0.5r = 0.5 + 0.3r,所以 0.4 = 0.8r,r = 1/2。门将一半一半地扑。这时,你无论踢哪边,进球率都是 0.9 − 0.25 = 0.65。

3.4 均衡

于是得到一个混合策略纳什均衡:

  • 你:以 3/8 踢左,5/8 踢右;
  • 门将:以 1/2 扑左,1/2 扑右;
  • 进球率:0.65。

为什么它是均衡?因为没有人能靠单独改变比例让自己更好:门将的比例是 1/2,你踢左踢右的进球率都是 0.65,你怎么调比例,结果都是 0.65,没有任何改善;你的比例是 3/8,门将扑左扑右都让你得 0.65,门将也没有任何改善。

四、一条重要的原则:让"对方"无差别

回看刚才的算法。你会发现一件反直觉的事:

你的随机比例,不是让"你自己"觉得踢左踢右一样好,而是让"对方"觉得扑左扑右一样好。

(反过来,门将的比例,是让你无差别。)

在均衡里,你对踢左踢右其实也是无差别的(都是 0.65),不过这是结果,不是你算比例的依据。你算 q 的依据,是对方的收益。

4.1 匹配硬币:你的最爱,要少出

这一点有个很反直觉的推论,我们用一个更简单的例子看。匹配硬币:你和小周各出一枚硬币,正面或反面。两个都出"正",你赢 2;两个都出"反",你赢 1;出得不一样,你输 1。这是你们之间的钱(小周的收益是你的相反数):

小周:正 小周:反
你:正 (2,−2) (−1,1)
你:反 (−1,1) (1,−1)

你以 q 的概率出"正"。小周在算:

  • 小周出正:小周的收益是 −(2 × q − 1 × (1 − q)) = −(3q − 1)。
  • 小周出反:小周的收益是 −(−1 × q + 1 × (1 − q)) = −(1 − 2q)。

让小周无差别:3q − 1 = 1 − 2q,所以 q = 2/5。你只以 40% 的概率出"正"。

⚠️ 这里第一次读会觉得别扭: “正,正"是你最赚的格子(赢 2),可你却更少出"正”(只有 40%)。原因是:你要是爱出"正",小周就看出来了,会更多出"反"来躲你;你出"正"的比例越高,小周越容易利用你。为了让小周没法占便宜,你反而得压低自己的"最爱"。

验证一下:如果你图省事,一半一半地出(q = 1/2),小周出"正",你的期望是 2 × 0.5 − 1 × 0.5 = 0.5;小周出"反",你的期望是 −1 × 0.5 + 1 × 0.5 = 0。小周当然选"反",你得 0。而按 q = 2/5 出,不管小周怎么出,你的期望都是 1/5。1/5 比 0 好。 所以"随便一半一半"并不是随便,它是会被利用的。

4.2 再看一个"不是零和"的例子:查票

上面的两个例子里,一方得到的恰好是另一方失去的。比例由"对方的收益"决定这件事,在不是零和的博弈里同样成立,而且会带来更出人意料的结论。

你每天坐一条没有闸机的轻轨。你可以买票,也可以逃票。小周是检票员,可以查票,也可以不查。收益是这样的(括号里是(你的收益,小周的收益)):

  • 你买票,花 4。小周不管查不查,都能收到这笔票款,记 4 分;查一次要花 1 分精力,所以买票时查是 3 分、不查是 4 分。
  • 你逃票,被查到要罚 10(罚款上缴,不归小周);没被查到,你什么也不花。
  • 小周抓到逃票,有 5 分奖励,扣掉查票的 1 分精力,是 4 分;逃票没被查,小周得 0。
小周:查 小周:不查
你:买票 (−4,3) (−4,4)
你:逃票 (−10,4) (0,0)

先找有没有纯策略均衡。小周查,你买票最好(−4 > −10);你买票,小周不查最好(4 > 3);小周不查,你逃票最好(0 > −4);你逃票,小周查最好(4 > 0)。又是一个追着跑的圈,没有纯策略均衡。

设你以 x 的概率逃票,小周以 y 的概率查票。

  • 让小周无差别:小周查的期望是 3 × (1 − x) + 4 × x = 3 + x;不查的期望是 4 × (1 − x) + 0 × x = 4 − 4x。相等:3 + x = 4 − 4x,x = 1/5。
  • 让你无差别:你买票是 −4;你逃票是 −10 × y。相等:−10y = −4,y = 2/5。

均衡:你以 20% 的概率逃票,小周以 40% 的概率查票。

现在做一个思想实验:把罚款从 10 加重到 20。 你无差别的条件变成 −20y = −4,所以 y = 1/5:小周的查票率从 40% 降到 20%。而你逃票的概率 x,是由小周的收益决定的,罚款并不在其中,所以它还是 20%。

⚠️ 这里第一次读会觉得别扭。 罚款加重,逃票的人竟然没变少,反而是检票的人变少了。原因是:罚款越重,你被查到时越怕,所以只要小周稍微查一查,就足以让你"逃票和买票一样划算";小周查得少了,而你为了让小周仍然觉得"查和不查一样",逃票的比例要保持不变。这是这个模型里的结论,现实里要不要信它,得拿数据去检验。

再做一个实验:罚款还是 10,但小周查一次的精力成本从 1 涨到 2。 小周的收益变成:买票查 2、买票不查 4、逃票查 3、逃票不查 0。让小周无差别:2 × (1 − x) + 3 × x = 4 × (1 − x),解得 x = 2/5。你逃票的概率从 20% 涨到 40%,而你无差别的条件没变,查票率 y 还是 2/5。查票成本上升,逃票就变多,可是查票的比例没变。

五、石头剪刀布

最熟悉的例子是石头剪刀布。赢得 1,输得 −1,平局 0。三个选项对称,所以均衡是每样以 1/3 的概率出。

验算:如果小周三样都以 1/3 出,你出石头:赢 1/3、输 1/3、平 1/3,期望是 0;出剪刀、出布同理,都是 0。你无论怎么选都是 0,没有任何办法改善。

但是一偏就会被利用。假设小周总是以 40% 出石头、30% 出剪刀、30% 出布。你的各个选项的期望是:

  • 出石头:0.3 × 1(赢剪刀)+ 0.3 × (−1)(输布)= 0;
  • 出剪刀:0.4 × (−1)(输石头)+ 0.3 × 1(赢布)= −0.1;
  • 出布:0.4 × 1(赢石头)+ 0.3 × (−1)(输剪刀)= +0.1。

你只要一直出布,每局就多赢 0.1。小周多爱出一点石头,你就多赢一点。

这个情形像什么?像一个密码。一个好密码的意义,就是别人没法猜。如果你的密码有规律(总是用生日、总是用 123456),对手有办法利用;真正随机的密码,才没有可乘之机。混合策略,就是博弈里的"好密码"。

六、“随机"到底是什么意思

混合策略有三种常见的理解方式:

  • 真的在随机。 你用一个办法(比如看手表秒针的位置)来决定,每次独立。
  • 一群人的比例。 每个人其实各有固定的选法,可是在一大群人里,选各种选法的人占一定比例。比如足球联赛里,一些球员总踢左,另一些总踢右,整体比例像是均衡的随机。
  • 对方的不确定。 你实际上每次都做了一个确定的选择,可是对方猜不透你,所以在对方眼里,你就是"随机"的。

这三种理解都说得通,用哪种,取决于你面对的场景。

七、证据:真的有人这样做吗

理论预测什么? 如果一个博弈没有纯策略均衡,聪明的玩家会按特定的比例随机选择;而且在均衡里,各个被选的动作,成功率应该一样(否则玩家会多用成功率高的那个)。

证据怎么说?

  • Palacios-Huerta(2003)用职业足球联赛里的点球数据(一千四百多次)检验了这个想法。研究发现了两件事:踢左和踢右的进球率在统计上没有差别;球员的选择在时间顺序上看不出规律,也就是上一次踢哪边,对下一次几乎没有影响。这两点都符合均衡的预测。
  • Walker 和 Wooders(2001)用顶级网球比赛里的发球数据做了类似的检验。发球到不同方向的赢点率符合预测,可是选手的选择不像真随机:他们在方向之间换得太勤,比真随机的序列更频繁。后来 Gauriot、Page 和 Wooders 用了近五十万次发球,发现男子比赛的赢点率符合理论非常好,女子比赛没有那么整齐。
  • Levitt、List 和 Reiley(2010)把职业足球运动员请进实验室,让他们玩一个简化的博弈。结果是,他们的选择通常离理论预测相当远。作者的解释是:这些职业技能可能没法从球场迁移到实验室。

局限在哪? 点球其实不止"左右"两种选择(还有中路),数据也有各种干扰,进球率"相等"是均衡的必要条件,不等于证明。网球的结果说明,人们即使平均比例对了,也不擅长真正随机。实验室的结果提醒我们,职业选手在球场上做到的,换个环境未必做得到。

分歧是什么? 球员是不是在每一次都真的随机,还是只是在一群人里比例看起来像随机(上一节的第二种理解)?也有研究专门处理"球员各不相同"的问题(Chiappori、Levitt 和 Groseclose,2002)。学界对此的看法并不完全一致。

八、常见的误用

  • “混合策略就是乱选。” 不对。比例是精确算出来的。偏离了,就会被利用。
  • “我的比例,应该由我自己的收益来定。” 不对。你的比例是让对方无差别。你自己的收益变高,你反而可能更少用那个选项。
  • “均衡里我对各个选项无差别,所以随便选就行。” 不对。无差别只是均衡里的结果。你一偏离比例,对方就能利用你。(石头剪刀布里,对方出石头多了,你就该出布。)
  • “混合均衡里,大家真的在抛骰子。” 不一定。它可能是一群人的比例,或者对方的不确定。
  • “随机,就是结果不可预测。” 单次是不可预测的,可是平均是可预测的:点球的进球率稳定在 0.65。
  • “罚款越重,违法一定越少。” 在查票这个模型里不对:罚款加重,变少的是检查的次数,违法的比例没变。这是模型的结论,不是现实的定论,要拿数据去检验。

九、小结

  • 有些博弈没有纯策略均衡:固定的选法,对方总能找到办法利用你。
  • 混合策略:按一定的概率随机选择。目的不是碰运气,而是不被利用。
  • 无差别原则:你的随机比例,是让对方觉得各个选项一样好;对方的比例,是让你无差别。
  • 点球例子:你以 3/8 踢左,门将以 1/2 扑左,进球率 0.65。
  • 匹配硬币里:你的"最爱”(赢 2)反而要少出(只有 40%)。查票的例子里:罚款加重,变少的是检查的次数,逃票的比例不变。
  • 证据:足球点球符合得不错,网球的赢点率符合,但选手不擅长真随机;换到实验室,职业选手也未必能做到。

回到密码:下次你需要在竞争中"不让对手猜到",请想一想:我的密码,真的是随机的吗?还是有规律,只是我自己没注意到?

思考题

  1. 点球的收益改成:(踢左,扑左)= 0.6,(踢左,扑右)= 1.0,(踢右,扑左)= 1.0,(踢右,扑右)= 0.4。求你踢左的概率、门将扑左的概率和均衡的进球率。
  2. 小周在石头剪刀布里,以 40% 出石头、30% 出剪刀、30% 出布。你知道这件事,你该怎么出?每局的期望收益是多少?如果小周发现你知道了,会怎么办?
  3. 匹配硬币的收益改成:(正,正)你赢 3,(反,反)你赢 1,出得不一样你输 1。求你出"正"的概率。你的"最爱"的奖励从 2 涨到 3,你出"正"的概率是变大了还是变小了?
  4. 点球里,如果门将发现你 90% 都踢右(只有 10% 踢左),门将的最佳回应是什么?你的进球率是多少?和均衡的 0.65 比,差多少?
  5. 找一个生活里"必须让对手猜不透"的例子(发球、扑克、谈判、口令……),说说如果你被对手预测了,会发生什么。
  6. 查票的例子里,把罚款改成 5(其他不变):求你逃票的概率和小周查票的概率。如果罚款低于票价,会怎样?
  7. 请你心里“抛"十次硬币,写下你想象的结果(正和反的序列)。然后和一个真正抛的硬币比较:你的序列是不是更"均匀”(换得更勤)?这和网球选手的情况有什么相似?

思考题提示

  1. 设你踢左的概率是 q。门将扑左:0.6q + 1.0(1 − q) = 1 − 0.4q;门将扑右:1.0q + 0.4(1 − q) = 0.4 + 0.6q。让两者相等:1 − 0.4q = 0.4 + 0.6q,q = 0.6。门将:设扑左概率 r。你踢左:0.6r + 1.0(1 − r) = 1 − 0.4r;你踢右:1.0r + 0.4(1 − r) = 0.4 + 0.6r;相等得 r = 0.6。均衡进球率 1 − 0.4 × 0.6 = 0.76。
  2. 你出各个选项的期望:石头 0.3 × 1 + 0.3 × (−1) = 0;剪刀 0.4 × (−1) + 0.3 × 1 = −0.1;布 0.4 × 1 + 0.3 × (−1) = +0.1。你该一直出布,每局期望 +0.1。小周发现你总出布,就会改出剪刀,你就输了。所以一旦被识破,小周就会调整,最终回到各 1/3。
  3. 设你出"正"的概率是 q。小周出正:你的期望 3q − (1 − q) = 4q − 1;小周出反:−q + (1 − q) = 1 − 2q。小周的收益是你的相反数,让小周无差别,就是让这两个数相等:4q − 1 = 1 − 2q,q = 1/3。原来是 2/5(0.4),现在是 1/3(约 0.33):奖励越高,你出"正"的概率反而变小了。因为奖励高,你的"爱好"更明显,小周更会针对,你只能压低它。
  4. q(踢左)= 0.1:门将扑左时你的进球率 0.8 − 0.04 = 0.76,扑右时 0.5 + 0.04 = 0.54。门将会扑右,你的进球率 0.54。比 0.65 低 0.11。这是偏离均衡比例的代价。
  5. 开放题。写的时候要讲清楚:对手怎么利用你的规律,你损失了什么。
  6. 小周无差别的条件和罚款无关,所以 x 还是 1/5(20%)。你无差别:−5y = −4,y = 4/5(80%)。罚款(5)比票价(4)高一点,小周要查 80% 的时候,你才觉得逃票和买票一样。如果罚款低于票价 4,比如 3:−3y = −4 要 y = 4/3 > 1,不可能;这时逃票对你永远更划算(最坏被罚 3,也比花 4 买票少),逃票成了占优策略,小周只能每次都查,可是你们都逃票了。(这时的均衡是:你逃票,小周查。)
  7. 开放题。常见现象:人"想象"出来的序列,正反交替得更勤,不太会连续出现 3 个或更多的"正",可是真正的随机序列常有连续。这和网球选手"换得太勤"相似:人倾向于避免重复,所以不像真随机。要真正随机,可以借助外部的东西,比如看手表秒针的尾数。