一、两个让人不踏实的问题
先请你想两个问题,凭直觉回答就行。
问题一。 你和小周玩猜硬币:各自亮出硬币的正面或反面,两枚相同你赢,不同小周赢。四个格子里,你能不能找到一个"两个人都不想单独改变“的格子?
你试一试就会发现:你赢的两个格子里,小周想改;小周赢的两个格子里,你想改。一个都找不到。 那是不是说,这个博弈没有均衡?
问题二。 反过来,有的博弈均衡太多。你和小周约在地铁站碰头,站里有东口和西口,碰上各得 1,碰不上各得 0。(东口,东口)是均衡,(西口,西口)也是均衡。到底该信哪一个?
这一讲回答这两个问题。第一个的答案是:均衡总是存在的,只要允许随机。 第二个的答案没那么干脆:博弈本身常常不告诉你选哪个,我们需要额外的尺子。
二、纳什定理:均衡总是存在
2.1 定理说了什么
John Nash 在 1950 到 1951 年的两篇论文里证明了一件事:
只要玩家的人数有限,每个人可选的策略也有限,那么允许随机(混合策略)之后,纳什均衡一定存在。
用问题一来对照:猜硬币没有"纯策略"均衡,可是允许随机之后,每人各以一半的概率出正和反,就是均衡。这和定理一致。
2.2 为什么成立:两条路,一定相遇
我们用最简单的情形看一遍直觉。
仍然是地铁站的碰头博弈。你以 p 的概率去东口,小周以 q 的概率去东口(概率在 0 到 1 之间)。
你的最佳反应: 你去东口的期望收益是 q,去西口是 1 − q。所以:
- q 大于 1/2:东口更好,你的最佳反应是 p = 1(一定去东口);
- q 小于 1/2:西口更好,p = 0;
- q 恰好等于 1/2:两个一样好,p 取 0 到 1 之间的任意数都行。
把这个关系画在一个单位正方形里(横轴是 p,纵轴是 q),你的最佳反应是一条折线:下半段(q < 1/2)贴着左边(p = 0),中间(q = 1/2)横穿整个正方形,上半段(q > 1/2)贴着右边(p = 1)。它从正方形的下边一直连到上边。
小周的情况对称:它是另一条折线,从左边一直连到右边。
蓝线是你的最佳反应,橙线是小周的,绿点是交点:每一个交点,都是两个人同时在做最佳反应的地方,也就是纳什均衡。左图里有三个交点:(0,0)是都去西口,(1,1)是都去东口,(1/2,1/2)是各自抛硬币。中间的猜硬币,两条线只交于(1/2,1/2);右边的囚徒困境,只交于(0,0)(都背叛)。
道理一说就通:一条路从南到北穿过一个方形广场,另一条路从东到西穿过它,这两条路一定在某处相遇。 最佳反应曲线正是这样两条路,所以交点一定存在。
对更多人、更多选择的博弈,证明要用到数学里的不动点定理:把"大家各自的策略"映射成"对此的最佳反应”,均衡就是这个映射里不动的那一点。我们不展开,上面的方形广场就是它的缩影。
2.3 条件缺一不可
⚠️ 这里最容易想错:定理不是说"任何博弈都有均衡"。 两个条件缺了,结论都可能失效。
- 缺了"允许随机": 猜硬币在纯策略里没有均衡。
- 缺了"选择有限(并且有一个最大值)": 想象你和小周各报一个小于 1 的数(比如 0.9、0.99、0.999),报得大的人赢,一样大就平分。你报 0.99,小周就可以报 0.999;小周报 0.999,你又可以报 0.9999……永远没有"最大的那个数",所以没有均衡。如果规则改成"可以报 1",(1,1)就是均衡:谁也无法比 1 更大。
连续策略的博弈(比如产量、价格)也有均衡,是因为它们的利润曲线性质足够好、策略范围有明确的上下界,这是另一组需要检验的条件。
2.4 有几个?总是奇数个
再说一个有意思的事实:对几乎所有的有限博弈,均衡的个数是有限的,而且是奇数(Wilson 在 1971 年证明,Harsanyi 在 1973 年给出另一个证明)。我们数一数:
- 地铁站碰头:3 个(两个纯 + 一个混合);
- 猜硬币:1 个;
- 囚徒困境:1 个;
- 猎鹿(后面会看到):3 个。
“几乎所有"的意思是:像"所有收益都一样"这类很特殊的博弈会有无穷多个均衡,它们是例外。
三、均衡太多时,怎么选
均衡存在了,可是常常不止一个。纳什均衡自己没法告诉你选哪个,需要额外的标准。下面是几把常用的尺子。
3.1 收益占优与风险占优
你和小周去猎鹿或抓兔:两人都猎鹿,各得 4;你猎鹿、小周抓兔,你空手(0),小周得 3;抓兔稳得 3,不依赖别人。
| 小周:猎鹿 | 小周:抓兔 | |
|---|---|---|
| 你:猎鹿 | (4,4) | (0,3) |
| 你:抓兔 | (3,0) | (3,3) |
均衡有三个:(猎鹿,猎鹿)、(抓兔,抓兔),还有一个混合的(以 3/4 的概率猎鹿)。
- 收益占优: 选对所有人都最好的那个均衡:(猎鹿,猎鹿)。
- 风险占优: 选更不怕出错的那个。比较单独偏离的代价:在(猎鹿,猎鹿)里,你单独换成抓兔,只损失 4 − 3 = 1;在(抓兔,抓兔)里,你单独换成猎鹿,要损失 3 − 0 = 3。离开抓兔的代价更大,所以**(抓兔,抓兔)风险占优**。
两把尺子给出不同的答案。
3.2 聚点
如果两个均衡一样好(比如东口和西口),两把尺子都没用,要看哪个显眼:大家共有的背景、先例、惯例。比如两个人都在这个车站见过很多次面,每次都在东口,那么东口就成了聚点。聚点是博弈之外的东西,数学推不出来。
3.3 颤抖的手
有的均衡,对对方的一丁点失误都不稳。看这个博弈:
| 小周:L | 小周:R | |
|---|---|---|
| 你:U | (1,1) | (0,0) |
| 你:D | (0,0) | (0,0) |
均衡有两个:(U,L)和(D,R)。后一个很怪:两个人都得 0。可是它算均衡:小周选 R 时,你选 U 还是 D 都是 0,你没有更好的;你选 D 时,小周选 L 还是 R 也都是 0。
现在加一个想法:假设小周的手有可能"抖"一下,以很小的概率 ε(比如 1%)误选了 L。这时:
- 你选 U:期望 ε × 1 + (1 − ε) × 0 = ε;
- 你选 D:期望 0。
只要 ε 大于 0,U 就严格比 D 好。所以(D,R)这个均衡,经不起一丁点失误,它不是颤抖的手均衡。而(U,L)经得起:小周以 1 − ε 的概率选 L 时,你选 U 得 1 − ε,比选 D 的 0 好。
这把尺子由 Selten 在 1975 年提出。可以证明,在两人博弈里,它的效果等价于:排除那些用到"弱被占优策略"的均衡(也就是"从不更好、有时更差"的策略)。
3.4 不可信的威胁
还有一把尺子,要用到"先后顺序”。
你是一家新企业,要不要进入小周独占的市场?你不进入,你得 0,小周得 4;你进入后,小周可以接受(各得 2),也可以开战(打价格战,你得 −1,小周得 0)。
小周先放话:“你敢进来,我就开战!” 把"计划"当策略,写成表:
| 小周:若进入则开战 | 小周:若进入则接受 | |
|---|---|---|
| 你:进入 | (−1,0) | (2,2) |
| 你:不进入 | (0,4) | (0,4) |
均衡有两个:
- (进入,接受):你进入,小周接受,各得 2。
- (不进入,开战):你不进入,小周的"开战"从未真的执行,所以它是均衡的一部分。你如果进入,会得 −1,所以你不敢进。
第二个均衡靠的是一个威胁:你进来我就开战。可是威胁可信吗?用倒着想检验一下:
如果你真的进入了,轮到小周选:开战得 0,接受得 2。小周不会选开战,因为那对 TA 自己更糟。所以"开战"是一句空话,不可信。把它去掉,只剩(进入,接受)。
这把尺子要求:均衡里的每一步选择,到了真正要做的那一刻,都得是对自己最好的。 光有计划里写着"我会开战"不算数。
3.5 没有一把尺子总是对的
| 尺子 | 它问什么 | 在猎鹿里的答案 |
|---|---|---|
| 收益占优 | 哪个对大家最好 | (猎鹿,猎鹿) |
| 风险占优 | 哪个更不怕出错 | (抓兔,抓兔) |
| 聚点 | 哪个显眼 | 看背景 |
| 颤抖的手 | 哪个经得起小失误 | 两个都经得起 |
⚠️ 这些尺子会互相打架。 所以"均衡选择"到今天也没有一个公认的唯一答案。能做的是:说清楚你在用哪把尺子,为什么用它。
四、证据:人们真的选"最好"的均衡吗
理论预测什么? 如果只看收益占优,大家都该协调到最好的均衡。
证据怎么说? Cooper、DeJong、Forsythe 和 Ross(1990)做了七个实验,用的是一类有多个均衡、而且均衡按好坏严格排序的协调博弈。据其摘要:纳什均衡能相当准确地预测人们选的策略,可是人们选的不一定是最好的那个均衡,所以会出现"协调失败";一些参与者觉得选最好的行动风险太大;大多数人看的是前几轮的结果。研究者因此否定了"收益占优决定一切"这个假说,也发现"被占优的策略无关紧要"这个假说不成立。
局限在哪? 这是实验室里的简化博弈,奖金不大,参与者多是学生;这里引用的是摘要层面的结论,具体的博弈设计和数据需要读原文。
分歧是什么? 人们到底是在追求最好的结果、躲避风险,还是在跟着历史走?研究者各有看法。也有人认为这取决于博弈的具体数字:好结果和风险之间的落差越大,大家越保守。
五、常见的误用
- “纳什定理说,每个博弈都有纯策略均衡。” 不对。猜硬币没有。定理要求允许随机。
- “均衡存在,所以它合理、唯一。” 不对。存在不等于唯一(东口西口有三个),也不等于合理((D,R)经不起失误,“开战"的威胁不可信)。
- “选最好的均衡就行。” 不对。猎鹿里最好的(猎鹿,猎鹿)和风险最小的(抓兔,抓兔)并不是同一个。
- “颤抖的手能排除所有不合理的均衡。” 不对。它排除的是"经不起一丁点失误"的,不可信的威胁需要另一把尺子。
- “定理对任何博弈都成立。” 不对。选择无穷、没有最大值的博弈(比如报小于 1 的数)可以没有均衡。
六、小结
- 纳什定理:玩家有限、策略有限,允许随机,均衡一定存在。猜硬币没有纯均衡,却有混合均衡。
- 为什么成立:把最佳反应画在单位正方形里,你的一条从下到上,对方的一条从左到右,必然相交,就像方形广场里的两条路。
- 条件缺一不可:不允许随机(猜硬币)、选择没有最大值(报小于 1 的数),都可能没有均衡。
- 对几乎所有的有限博弈,均衡的个数是奇数。
- 均衡太多时,需要额外的尺子:收益占优、风险占优、聚点、颤抖的手、不可信的威胁。它们常常给出不同的答案。
- 实验表明,人们选的不一定是最好的均衡;风险和历史都会影响选择。
回到方形广场:下次有人说"这个博弈没有均衡”,请先问:有没有允许随机?选择是不是有限、有最大值?如果两条路都在,它们一定会相遇。
思考题
- 性别战:你更喜欢科幻,小周更喜欢爱情片。(科幻,科幻)= (3,2),(爱情,爱情)= (2,3),错开 = (0,0)。写出你和小周的最佳反应(分别在小周、你各自的概率 q、p 高于或低于多少时改变)。找出全部三个均衡(两个纯、一个混合)。
- 下面的博弈:(U,L)= (3,3),(U,R)= (0,0),(D,L)= (0,0),(D,R)= (1,1)。找出两个纯策略均衡。哪个收益占优?哪个风险占优?两个都经得起"颤抖的手"检验吗?
- 进入博弈里,如果"开战"对小周其实更划算:(进入,开战)= (−1,3),其他不变。重新写出表,找出所有均衡。此时威胁可信吗?结果是什么?
- 每人报一个 0 到 1 之间(可以取到 1)的数,大的赢,一样大平分。有没有均衡?再把规则改成"只能报小于 1 的数",为什么没有了?
- 数一数下面博弈的均衡个数(包括混合均衡),并检查是不是奇数:(a)猎鹿;(b)囚徒困境;(c)猜硬币;(d)地铁站碰头。
- 找一个生活里的"多个均衡"的例子,说说你会用哪把尺子来选,为什么。
思考题提示
- 你选科幻的期望:3q;选爱情:2(1 − q)。q 大于 2/5,你选科幻;小于 2/5,选爱情;等于 2/5,两个一样。小周选科幻:2p;选爱情:3(1 − p)。p 大于 3/5,选科幻;小于 3/5,选爱情。三个均衡:(科幻,科幻)、(爱情,爱情),和混合的(你以 3/5 选科幻,小周以 2/5 选科幻)。混合均衡里每人期望 6/5。
- 纯策略均衡:(U,L)= (3,3)和(D,R)= (1,1)。收益占优的是(U,L)。风险占优:(U,L)里单独偏离的损失是 3 − 0 = 3;(D,R)里是 1 − 0 = 1,所以(U,L)也风险占优。两个都经得起颤抖的手:(D,R)里,小周以 ε 的概率误选 L,你选 D 得 1 − ε,选 U 得 3ε;只要 ε 小于 1/4,D 仍然更好。(两个都是严格均衡,没有用到弱被占优的策略。)
- 表:进入:(−1,3)(2,2);不进入:(0,4)(0,4)。小周选"若进入则开战":你进入得 −1,不进入得 0,你选不进入;小周在你不进入时,开战或接受都是 4。所以(不进入,开战)是均衡。(进入,接受)不是:小周可以改成开战,从 2 变成 3。此时威胁可信(开战对小周更好),结果是你不进入。
- 可以报 1 时:(1,1)是均衡,两人各得半个奖励,谁都没法靠改变赢更多(报别的数更小,会输)。只能报小于 1 的数时:你报 x,小周总能报一个比 x 大一点点但仍小于 1 的数,赢走全部。所以没有人愿意停在任何一个 x 上,没有均衡。原因是"小于 1 的数"里没有最大的那个。
- (a)猎鹿:2 个纯 + 1 个混合(概率 3/4)= 3。(b)囚徒困境:1。(c)猜硬币:1(混合)。(d)地铁站碰头:3。全是奇数。
- 开放题。例子:两家公司同时选新的充电接口标准;两个朋友约"老地方"。检查你选的尺子:它是看哪个对大家好、哪个更保险、哪个更显眼,还是哪个经得起意外?