Archipelago

Lec 16静态不完全信息博弈与海萨尼转换

讲义完成更新于 2026-09-29
承接Lec 15 · 隐性卡特尔与反垄断规制
后续Lec 17 · 贝叶斯纳什均衡的经济应用

Lec 16 静态不完全信息博弈与海萨尼转换（Bayesian Games）

MIT 14.12 · Economic Applications of Game Theory · 主讲 Ian Ball

TL;DR

  • 不完全信息博弈（Incomplete Information）：玩家不完全知晓对手的收益函数或行动能力。
  • 海萨尼转换（Harsanyi Transformation）：引入虚拟玩家“自然”（Nature）选择类型，转化为不完美信息博弈。
  • 形式化定义贝叶斯博弈与贝叶斯纳什均衡（Bayesian Nash Equilibrium, BNE）。

核心概念与数学形式化

贝叶斯博弈的形式化定义

一个静态贝叶斯博弈定义为一个元组： G=⟨I,(Ai)i∈I,(Θi)i∈I,p,(ui)i∈I⟩\mathcal{G} = \langle I, (A_i)_{i \in I}, (\Theta_i)_{i \in I}, p, (u_i)_{i \in I} \rangle

  1. 局中人集合：I={1,2,…,n}I = \{1, 2, \dots, n\}。
  2. 行动空间：AiA_i 表示玩家 ii 的纯行动集合。联合行动空间为 A=∏iAiA = \prod_i A_i。
  3. 类型空间：Θi\Theta_i 表示玩家 ii 的私人类型集合。联合类型空间为 Θ=∏iΘi\Theta = \prod_i \Theta_i。在博弈开始时，玩家 ii 确切知道自己的真实类型 θi∈Θi\theta_i \in \Theta_i。
  4. 共同先验分布（Common Prior）：p∈Δ(Θ)p \in \Delta(\Theta)，所有玩家关于自然抽取各类型组合的初始概率信念。
  5. 条件后验信念：给定自身类型 θi\theta_i，玩家 ii 利用贝叶斯法则计算对手类型的条件概率： p(θ−i∣θi)=p(θi,θ−i)∑θ−i′p(θi,θ−i′)p(\theta_{-i} \mid \theta_i) = \frac{p(\theta_i, \theta_{-i})}{\sum_{\theta_{-i}'} p(\theta_i, \theta_{-i}')}
  6. 收益函数：ui(a1,…,an;θ1,…,θn)u_i(a_1, \dots, a_n; \theta_1, \dots, \theta_n)。

纯策略与贝叶斯纳什均衡（BNE）

  • 玩家 ii 的纯策略是一个映射：si:Θi→Ais_i: \Theta_i \to A_i。
  • 策略剖面 s∗=(s1∗,…,sn∗)s^* = (s_1^*, \dots, s_n^*) 构成一个贝叶斯纳什均衡，当且仅当对每个玩家 ii 的每一个可能被抽中的类型 θi∈Θi\theta_i \in \Theta_i，其选择的行动 si∗(θi)s_i^*(\theta_i) 均最大化其条件期望收益： si∗(θi)∈arg⁡max⁡ai∈Ai∑θ−i∈Θ−ip(θ−i∣θi)ui(ai,s−i∗(θ−i);θi,θ−i)s_i^*(\theta_i) \in \arg\max_{a_i \in A_i} \sum_{\theta_{-i} \in \Theta_{-i}} p(\theta_{-i} \mid \theta_i) u_i(a_i, s_{-i}^*(\theta_{-i}); \theta_i, \theta_{-i})

经济应用与机制分析

政府采购招标中，政府对投标企业的真实生产成本存在严重的信息不对称。贝叶斯博弈表明，若忽视企业的私人信息租金，设计出的固定总价合同必然引发效率低下或逆向选择危机。

边界条件与易错点

忘记策略必须针对每一个可能的类型 θi\theta_i 都指派行动（哪怕某个类型概率极低）；混淆先验概率与观察到自身类型后的后验条件概率。

官方资源与参考

我的理解

海萨尼转换是博弈论史上最惊艳的天才神来之笔：面对“你不知道我知道什么、我不知道你知道我不知道什么”的不可知论无限认知深渊，海萨尼引入“自然”作为博弈第一步，将所有私人隐秘信息统一编码为外生随机给定的“类型”（Type），一举将哲学迷宫驯服为可以用概率测度严格求解的标准数学模型。