6.3 随机博弈与马尔可夫完美均衡

6.3 随机博弈与马尔可夫完美均衡

本节摘要：重复博弈假设每一局一模一样，现实里规则会随历史漂移：鱼群越捞越少，产能越扩越过剩，信任存量随背叛流失。随机博弈把这种漂移写进状态变量，马尔可夫完美均衡把"理性"压缩为只看当前状态的最优反应。本节给出框架、均衡概念与渔业共管的完整数值案例，它是第 8 章环境与资源应用的数学底座。

一、状态变量：给历史装一个压缩器

随机博弈（stochastic game）由沙普利 1953 年提出，零件有五个：参与者、状态集、每个状态下各人的行动集、状态相关的收益函数、状态转移规则（当期大家的行动决定下期状态的概率分布）。每一期大家在当前状态下打一个阶段博弈，收益照发，状态按转移规则滚动。普通重复博弈是它的特例：只有一个状态。随机博弈的价值在于"压缩历史"：博弈论并不需要记住完整的历史长链，状态变量把影响未来的历史全部打包——鱼存量、剩余产能、信任刻度、账户余额，都是把过去浓缩成一个数字的压缩器。

均衡概念也随之压缩。子博弈精炼要求策略在所有可能历史上最优，历史树在随机博弈里指数爆炸；马尔可夫完美均衡（MPE）只要求策略是当前状态的函数、且在每个状态下构成均衡——它把"以牙还牙式的记仇"排除在外（记仇依赖具体历史，不是状态的函数），换来两样东西：均衡存在性的证明容易得多（折现因子小于一时，沙普利证明零和随机博弈有值，后来的工作推广到一般博弈），以及计算的可行性——状态空间有限时，MPE 的求解是一个不动点问题，规模与状态数线性相关而非指数相关。

二、为什么压缩是合理的，又是冒险的

把策略限制在状态上，等于假设"过去只有通过状态才影响未来"。合理的场合很多：鱼群不在乎谁捞过它，产能不记得谁投的资。冒险的场合同样真实：人际关系恰恰记得"谁欠过谁"——声誉、信任、恩怨都是不在状态压缩器里的历史变量。使用 MPE 前必须回答一个问题：我要研究的现象，是否已经全部装进了状态？若是，MPE 是利器；若否，被压掉的历史正巧是现象本身，MPE 会系统性漏看。工程上的补救是把要紧的历史升格为状态——把"信誉分"设成状态变量，记仇就重新合法了，代价是状态空间膨胀。

MPE 与无名氏定理的关系也值得一句：压缩是有代价的。重复博弈里靠完整历史支撑的合作惩罚（触发策略）不是 MPE——它记住了"谁在什么时候背叛过"。因此 MPE 世界里的合作必须由状态内生的激励支撑：合作存量本身是状态，背叛让存量下降、未来共同收益缩水，理性的自我约束由此重生。这个"合作资本"的思想是理解自然资源与公地治理的钥匙。

三、案例推演：两条渔船与一片海

背景。一片渔场由两条船共用，状态是鱼存量 k，可取高（H，存 100 吨）或低（L，存 40 吨）。每期各船选捕捞量：节制（捕 10）或狂捞（捕 25）。阶段收益是捕捞量乘鱼价（每吨 1），减去狂捞的额外燃油成本 3。状态转移：高存量下双方都节制，仍为高；任何一方狂捞，下期降为低。低存量下谁都狂捞则枯竭（收益永为零）；低存量下双方节制，鱼群以半数概率恢复为高。

操作。把状态与行动的衔接写成转移表，随机博弈的骨架一目了然：

先看一次性诱惑：高存量下，给定对方节制，自己狂捞得 22 对节制的 10，当期诱惑 12。再看长期账：设 V(H)、V(L) 分别为高、低存量下的终身现值。双方都节制时 V(H) = 10 ÷ (1 − δ)；动了狂捞念头的一方当期得 22，下期状态跌到低存量。低存量下双方节制的终身值满足 V(L) = 10 + δ × (0.5 × V(H) + 0.5 × V(L))。代入 δ = 0.8 解联立：V(H) = 10 ÷ 0.2 = 50；V(L) = 10 + 0.8 × (0.5 × 50 + 0.5 × V(L))，整理得 0.6 × V(L) = 30，解出 V(L) = 50。狂捞偏离的诱惑值 = 22 + 0.8 × V(L) = 22 + 40 = 62，大于守约值 10 + 0.8 × 50 = 50——节制在高存量下撑不住！除非给狂捞加价：若低存量状态的收益本身随合作改变，或引入外部执法罚金 F，需 F 至少填平 62 减 50 的 12 缺口。

结果。解出门槛：当且仅当罚金或合作资本损失不低于 12 时，"高存量节制"是 MPE 的一部分；否则均衡是"有鱼赶紧捞"，资源加速枯竭。这个 12，就是制度的价值标尺。

解读。模型精确复刻了渔场的真实悲剧与转机：开放进入的渔场系统性过度捕捞；而当配额、休渔期或社区监督把狂捞的收益砍掉 12 以上，节制成为自我实施的均衡。列维坦式执法不是唯一解——本地社区的非正式监督（奥斯特罗姆的田野发现）等效于提高发现概率与罚金，同样能把均衡从枯竭推向共管。MPE 的另一个预言同样锋利：均衡对 δ 敏感，市场利率上升（未来更不值钱）会自动放松捕捞纪律——宏观金融环境与生态保护之间存在一条模型可算的传导线。

变式。把两条船换成 n 条，监督与制裁的组织成本进入罚金项，共管的门槛抬高；把状态连续化（存量任意实数），数值方法从解联立换成值函数迭代——9.2 节的模拟工具正是干这个的。随机博弈还统治着动态寡头（产能是状态）、搜索引擎竞价（质量分是状态）与气候谈判（累积排放是状态），换皮不换骨。

四、MPE 的三步求解流程

手算随机博弈可以流程化。第一步，冻结状态清单：列出所有会改变未来收益与规则的历史压缩量（存量、产能、信任刻度），检查每项是否真的"只在状态里影响未来"。第二步，猜值函数：对每个状态写出终身现值的自洽方程——本期阶段收益加折现后的下期状态值；低维离散状态用手算联立，连续状态猜线性或二次形态后代入验证。第三步，解不动点并核偏离：把每个状态下的最优选择代回去，求出各状态的值，再逐状态检查"单方面偏离是否更差"——渔业案例的三行联立就是这套流程的最小版本。工程上状态一旦超过几十个，手算让位于值函数迭代（9.2 的模拟工具），但流程骨架不变。养成先写状态清单再写方程的习惯，能拦住随机博弈建模里最常见的错——把影响未来的历史留在了状态之外。

本节要点回顾

• 要点一：随机博弈用状态变量压缩历史，规则随历史漂移的互动都能装进状态转移框架。
• 要点二：马尔可夫完美均衡只要求策略依赖当前状态，换来存在性、可计算性，代价是丢掉"记仇型"支撑机制。
• 要点三：渔业案例给出合作资本的量化门槛：狂捞诱惑与未来损失之差是制度的最低价值标尺。
• 要点四：使用 MPE 前先问"要研究的历史是否已装进状态"，漏装会系统性漏看声誉与信任现象。