3.1 序贯博弈与逆向归纳

3.1 序贯博弈与逆向归纳

本节摘要：本节把时间装进博弈树，正式建立回推分析法：从终局收益出发逐层倒推每个决策点的最优选择，由此得到子博弈精炼均衡。它会自动筛掉空头威胁，也会给出斯坦克伯格先行者优势的精确数值。蜈蚣博弈将展示这套方法最刺眼的一处裂缝——理论上正确与现实中发生可以背道而驰，这个裂缝是 3.3 节的引线。

一、从终点开始读剧本

序贯博弈的记法是第一章学过的博弈树，本节补上分析方向：时间顺流，推理逆流。逆向归纳的操作分三步：找到距离终点最近、且轮到某参与者的决策节点；假设博弈真走到了这里，让他选收益最高的分支；把这个选择的价值回填到上一层节点，当作上一层选择该分支的确定收益。逐层往根走，树根处留下的组合就是逆向归纳解。

这个解在概念上比纳什均衡更严。第二章的纳什均衡只要求"没有谁想单方面偏离整个策略计划"，可动态博弈里的策略计划覆盖着永远不会到达的分支，计划上写着威胁，执行威胁的节点若真的到达，按威胁行事可能已经不理性——纳什均衡管不到那里。泽尔腾 1965 年提出的子博弈精炼均衡堵住这个漏洞：要求策略组合在每一个子博弈（从树上任何节点切下来的完整后续博弈）里都构成纳什均衡。在完美信息的有限树上，子博弈精炼与逆向归纳解重合，且必然是纳什均衡的子集——它是从纳什均衡集合里筛掉"空头威胁支撑的解"之后剩下的硬核。

二、先行者优势：把斯坦克伯格算一遍

背景。两家同质厂商，市场需求 p = 100 − Q，边际成本都是 20。区别只在先后：厂商 1 是在位龙头，公开宣布产量并先投产；厂商 2 观察到实际产量后再决定自己的产量。这不再是同时决策的古诺博弈，而是先后手博弈。

操作。先算后手的反应：给定先手产量 q₁，厂商 2 的利润 (80 − q₁ − q₂)·q₂ 对 q₂ 求导，得反应函数 q₂ = (80 − q₁) ÷ 2。再算先手：厂商 1 完全预见这个反应，把 q₂ 表达式代进自己的利润函数，得 π₁ = q₁·(80 − q₁ − (80 − q₁) ÷ 2) = q₁·(40 − q₁ ÷ 2)。对 q₁ 求导为零，解得 q₁ = 40，回代 q₂ = 20，市场价 40。利润：先手 40 × 20 = 800，后手 20 × 20 = 400。

结果。作为对照，同时行动的古诺均衡是两家各产 80 ÷ 3 ≈ 26.7，价约 46.7，各得约 711。先行者多产多占，利润 800 对 711；后手反而比古诺更惨，400 对 711。

解读。先行者优势的来源不是"动作快"，而是承诺：先投产把产量变成既成事实，后手的反应函数被迫绕着事实转。数量竞争下大承诺可信（产能摆在那里收不回来），价格竞争下同样的逻辑会翻转成后手优势——先降价者把整个市场让给了跟随者，这是伯特兰序贯版的著名反差。承诺要有分量才有用，口头宣布产量而产能跟不上，回推时后手不会买账，均衡滑回古诺。这条"承诺改变收益矩阵，而非改变话语"的原则，是本章的总纲。

变式。把先后对调，厂商 2 成先手，800 与 400 对调——位置比身份重要。给先手加上产能成本，每单位承诺产能花 2 元，先手优势缩水到临界点以下，龙头会放弃公开承诺、伪装成同时行动；参数一动，结论跟着动，这正是要动手算而不是背结论的理由。

三、蜈蚣博弈：回推的裂缝

图 3-2：蜈蚣博弈的回推与直觉裂缝

蜈蚣博弈的结构：一笔小钱放在桌上，轮到的人可以选择拿走大头结束游戏，或者传给对方让总额翻倍。六步之后总额 256。回推从终点开始：最后一步甲拿走 32 优于传出的 16，于是倒数第二步乙预判甲必拿，自己先拿 16 对 8……一路推回起点：甲第一步就拿走 2 结束游戏，两人总共只得 3。可行为实验（麦凯尔维与帕尔弗雷 1992 年的经典实验及其后的多轮复现）里，绝大多数对局合作到最后一步附近才有人动手，双方实际所得远高于回推解。

解读。裂缝不在数学而在前提：回推要求"理性是共同知识"在每一个节点都成立。可当对方真的传了一次，你面对的信息恰恰是"回推的前提可能不成立"——对手或是利他，或是算错，无论哪种，继续合作都比按原剧本背叛更赚。逆向归纳在前提被博弈自身推翻时没有自动纠错机制。工程上的态度是：回推适合作为基准线与威胁验伪器，而不是对真实人类行为的逐点预测；当对手可能偏离理性假设时，把"对手是非理性的概率"显式写进模型，就走到了 3.2 节的信念框架门口。

变式。把蜈蚣从六步砍到两步，实验与回推逐渐吻合——链短则共同知识假设勉强站得住；把收益换成对等分（最后一步传出可得 64 对 64），提前背叛的理由消失，合作率趋满。蜈蚣的教训因此有边界：它暴露的是"长链加非对等收益"下回推的脆弱，不是回推方法本身的失效。

四、承诺技术的日常清单

斯坦克伯格与威慑的逻辑可以装进日常工具箱，四件装置各有清晰的博弈学身份。定金与违约金：事前押一笔钱在"违约就损失"的位置，把背叛的收益矩阵当场改写——它买断的是自己未来背叛的自由。公开截止期限：把"无限拖延"修剪成有限树，回推从此生效，拖延方的"再等等"失去藏身处，谈判学里"优惠到今晚"的走量术正是终点效应的营销化。分期投入：把一次性合作拆成连续小步，每步的背叛诱惑被下一步的预期合作对冲，重复结构替单次结构背书——工程里的里程碑付款干的就是这件事。自断退路：把退路的收益砍到低于前路（公开宣布、独家绑定、专有产线），先行者优势从可能变成必然，谢林说"束缚敌人的是自由，束缚自己的也是自由"。

使用这些装置前做一次可信性自检：装置的成本必须沉没在改变主意之前——可无条件撤销的"承诺"不是承诺，只是口气的升级。以及一句来自 3.3 的冷水：装置改变的是你自己的收益矩阵，对手若对你的成本结构没有信息，装置还须被观察到才有威慑力——公开性是承诺技术的隐藏部件。

本节要点回顾

• 要点一：逆向归纳从终局往根推，在完美信息有限树上等价于子博弈精炼均衡，是纳什均衡的合格子集。
• 要点二：斯坦克伯格数值显示先手优势来自承诺而非速度；数量承诺可信，价格承诺常翻转成后手优势。
• 要点三：蜈蚣博弈实验证明回推结论对理性共同知识的依赖——对手一旦偏离剧本，继续合作反而占优。
• 要点四：回推的正确用法是基准与验伪，配信念与参数敏感性一起用，而不是当行为预言机。