【博弈论】【第三章】完全信息动态博弈(二)：无限次重复博弈

无限次重复博弈

给定一博弈G，无限次重复进行G博弈的过程称为G的“无限次重复博弈”，记为$G(\infty ，\delta )$，其中是各参与人得益共同的贴现系数$\delta$。并且，对任意的$t$，在进行第$t$阶段（第$t$次重复)博弈之前，所有参与人都能看到前$t-1$阶段博弈的结果。各参与人在$G(\infty ，\delta )$中的“得益”等于各阶段得益的现在值。

扳机战略：

$$\begin{array}{rl}& {\sigma }_i(1)=s_{i,ncc}\\ & {\sigma }_i(t)=\{\begin{array}{ll}{s}_{i,ncc}& \text{ if }{\sigma }_j(x)=s_{j,ncc},j\ne i;\\ & x=1,\cdots ,t-1;t=2,3,\cdots \\ s_{i,\text{ 纳什 }}& \text{ 否 则 即 如 此 }\end{array}\end{array}$$
$${\pi }_{i\text{,纳什 }}<{\pi }_{i,ncc}<{\pi }_{i\text{,背叛 }}$$

当我们在解决实际问题时，要考虑的是参与人在前几期都选择合作之后，突然哪一期开始选择不合作，然后计算总收益。而合作的前几期总是有限次数，其收益值总是一个常数，所以我们可以简化为从第一期就开始选择不合作，这样达到的效果是一样的，同时还简化了计算模型。

企业i坚持合作的收益（每一期的收益都是合作收益，然后折现到现在）：
$$PD{V}_{i,ncc}={\pi }_{i,ncc}+\delta {\pi }_{i,ncc}+\cdots =\frac{1}{1-\delta }{\pi }_{i,ncc}$$
企业i在某期发生背叛并随后招致报复，则他的收益（此处假设从第一期开始就不合作，所以第一期他会获得比较高的背叛收益，但是随后对方发现他没有合作，就转而变为纳什均衡策略，所以第二期企业i也被迫恢复到纳什均衡，因为选别的的话收益比纳什均衡还要差）（并且此处的假设是，对方一旦发现你不合作，以后就永远不会选择合作策略了，也就是以后的收益全部都是纳什均衡收益）：
$$PD{V}_{i,\text{ 背扳 }}={\pi }_{i,\text{ 背扳 }}+\delta {\pi }_{i,\text{ 级什 }}+{\delta }^2{\pi }_{i\text{,纳什 }}+\cdots ={\pi }_{i,\text{ 背叛 }}+\frac{\delta }{1-\delta }{\pi }_{i\text{,纽什 }}$$
所以企业i合作与否取决于上面两个收益哪个更大：
$PD{V}_{i,ncc}\ge PD{V}_{i,\text{ 背哩 }}$
$$\delta \ge \frac{{\pi }_{i,\text{ 背叛 }}-{\pi }_{i,ncc}}{{\pi }_{i,\text{ 背叛 }}-{\pi }_{i,\text{,纳什 }}}$$
$\delta =1/(1+r)$
$$\frac{1}{r}\ge \frac{{\pi }_{i,\text{ 背叛 }}-{\pi }_{i,ncc}}{{\pi }_{i,ncc}-{\pi }_{i,\text{ 纳什 }}}$$

【例题】无限次重复囚徒困境

【解】
通过划线法可以得到完全信息静态博弈的纳什均衡是（1,1）。

如果从第一阶段递推去算那种博弈战略收益最大化，那么将会是及其繁琐的。所以我们换一个思路，直接根据扳机战略提出一个看起来收益不错的战略，看看这个战略的实现条件是什么，如果很好实现，那么就用这个战略。

所以我们提出以下的战略：
扳机战略（ trigger strategy）:在第一阶段采用$R$（因为R的收益对双方是最好的），在第t阶段,如果前$t-1$阶段的结果都是$(R，R)$，则继续采用$R$，否则采用$L$。
那么上面这个战略构想能否实现？
假设第一阶段参与人1采用该扳机战略：

• 参与人2若从第一阶段就开始偏离，即第一阶段采用L将得到5，但以后就引起参与人1的报复，这样自己也只能选L，每一阶段的得益将永远只有1，计算总得益，得:
  $$\pi =5+1\times \delta +1\times {\delta }^2+\cdots =5+\frac{\delta }{1-\delta }$$
• 若在第一阶段采用R，则在每阶段他将获得益4，总得益为:
  $$\pi =4+4\delta +4{\delta }^2+\cdots =\frac{4}{1-\delta }$$
  因此，当$\frac{4}{1-\delta }\ge 5+\frac{\delta }{1-\delta }$，即$\delta >1/4$时，参与人2会采用$R$，否则采用$L$。

【例题】无限次重复古诺模型
设市场出清价格$P=P(Q)=8-Q$，总产量为$Q=q_1+q_2$，两厂商都无固定成本，边际成本都为2。
静态博弈的$NE(2，2)$，$u_1=u_2=4$，$U=8$
垄断产量$q_m=3，T_1=T_2=4.5，U=9$

【解】
当我们在静态信息博弈中计算古诺模型的时候，时只考虑一期的收益，这时每个企业都只考虑自己的当期收益最大化，这时不可能选择合作策略，但是我们考虑无限次重复博弈的时候，之前的当期收益最大化的战略就是不稳定的，因为自己当期收益最大化必然带来对方的收益极小，在长期博弈中市场不可能允许这种战略的存在。所以这时候就可以考虑合作战略的可能性了。

首先我们来提出一个基于扳机战略的较好的战略：
扳机战略:在第一阶段生产垄断产量的一半1.5（合作产略是3，所以每个企业单独的产量就是1.5）;在第$t$阶段，如果前$t-1$阶段的结果都是$(1.5，1.5)$，则继续生产1.5，否则生产古诺产量$q_c=2$。

假设厂商1已经采用该扳机战略：

• 若厂商2也采用该扳机战略，则每期得益4.5，无限次重复博弈得益为:
  $$4.5\times \left(1+\delta +{\delta }^2+\cdots \right)=\frac{4.5}{1-\delta }$$
• 如果厂商2偏离上述扳机战略，则他在第一阶段所选产量应该是在给定厂商1产量为1.5的情况下，最大化自己的利润产量，即满足:
  $$\underset{q_2}{\max }\left[\left(8-1.5-{\mathbf{q}}_2\right)\times {\mathbf{q}}_2-2{\mathbf{q}}_2\right]=\underset{q_2}{\max }\left[\left(4.5-{\mathbf{q}}_2\right)\times {\mathbf{q}}_2\right]$$
  解之得：$q_2=2.25$，此时利润为5.0625
  但从第二阶段开始，厂商1将报复性地永远采用古诺产量2，这样厂商2也被迫永远采用古诺产量，从此得利润4。故无限次重复博弈第一阶段偏离的情况下得益的现在值为:
  $$5.0625+4\left(\delta +{\delta }^2+\cdots \right)=5.0625+\frac{4\delta }{1-\delta }$$
  当$\frac{4.5}{1-\delta }\ge 5.0625+\frac{4\delta }{1-\delta }$，即$\delta >=9/17$时，上述扳机战略是厂商2对1得同样扳机战略得最佳反应，否则偏离是他的最佳反应。
  所以可看出：由于有长期利润的制约，双方会发现合作还是有好处的。

胡萝卜加大棒战略：

在第一阶段生产垄断产量的一半$q_m/2$;在第$t$阶段，如果前$t-1$阶段的结果是$(q_m/2,q_m/2)$或$(x,x)$，则继续生产$q_m/2$，否则生产$x$ 。
$x$:最大惩罚产量(大于古诺均衡产量)
“两期战略”( two - phase strategy )

• 惩罚期(punishment phase)，企业i生产$x$
• 合作期(collusive phase)，企业$i$生产$q_m/2$
  （如果企业1发现企业2背叛了合作战略，就会采取惩罚战略，生产远远大于纳什均衡产量得商品，使得企业2得收益变得极少，这样的惩罚会一直持续到企业2被迫采取与企业1一样的策略，这时候企业1直到企业2回心转意了，然后才会停止惩罚）（最终的目的就是希望对方与自己合作，与扳机策略一样）

还是上面那个古诺模型例题，如果采用胡萝卜加大棒战略会是什么结果？
前面部分都是一样的：
假设厂商1已经采用该扳机战略：

• 若厂商2也采用该扳机战略，则每期得益4.5，无限次重复博弈得益为:
  $$4.5\times \left(1+\delta +{\delta }^2+\cdots \right)=\frac{4.5}{1-\delta }$$
• 如果厂商2偏离上述扳机战略，则他在第一阶段所选产量应该是在给定厂商1产量为1.5的情况下，最大化自己的利润产量，即满足:
  $$\underset{q_2}{\max }\left[\left(8-1.5-{\mathbf{q}}_2\right)\times {\mathbf{q}}_2-2{\mathbf{q}}_2\right]=\underset{q_2}{\max }\left[\left(4.5-{\mathbf{q}}_2\right)\times {\mathbf{q}}_2\right]$$
  解之得：$q_2=2.25$，此时利润为5.0625
  第二阶段厂商1将采用$x$加以惩罚，这时厂商2第二阶段也必须采用$x$以避免厂商1第三阶段进行惩罚。这样厂商2第二阶段的得益为:
  $${\pi }_x=(6-2x)x=6x-2x^2$$
  假设此后何足总重新开始并继续下去。当：
  $$\delta \left(4.5-{\pi }_x\right)=\delta \left(4.5-6x+2x^2\right)\ge 5.0625-4.5=0.5625$$
  即$\delta \ge \frac{0.5625}{4.5-6x+2x^2}$时，厂商2在第一阶段不会选择偏离，否则会偏离。

【例题】（考试题）
两寡头进行古诺产量博弈，如果市场需求$P=150-Q$，边际成本$c=30$，且没有固定成本，贴现因子为0.9。如果市场竞争形势长期稳定，问两个厂商能否维持垄断产量?
(1)古诺竞争时的纳什均衡求解如下:
设厂商1的产量为$q_1$，厂商2的产量为$q_2$，则得益函数为:
$$\{\begin{array}{l}u1=(150-q1-q2)q1-30q1=120q1-q1q2-q_1^2\\ u2=(150-q1-q2)q2-30q2=120q2-q1q2-q_2^2\end{array}$$
由一阶条件得反应函数为:
联立反应函数解得纳什均衡为:$q_1=q_2=40$，$u_1=u_2=1600$
(2)垄断时的最优解求解如下:
垄断总收益函数为:$U=(150-Q)Q-30Q$
由一阶条件得最优垄断总产量为:$Q=60$，两个厂商的产量为$q_1=q_2=30$。
垄断总利润为$U=3600$，各个厂商的利润为$u_1=u_2=1800$

有了上面这些数据，就可以拟定出一个扳机战略：
扳机战略:在第一阶段生产垄断产量的一半30（合作产略是60，所以每个企业单独的产量就是30）;在第$t$阶段，如果前$t-1$阶段的结果都是$(30，30)$，则继续生产30，否则生产古诺产量$q_c=40$。
(3)设贴现因子为$i$
①若厂商都维持垄断产量，则长期收益为
$$\Pi 1=1800+1800\mathrm{i}+1800i^2+\cdots =\frac{1800}{1-i}$$
②若厂商在第一阶段背叛，则其背叛后的收益计算如下:
在对方生成垄断产量30的前提下，自己的得益函数为:
$$\pi =(150-q-30)q-30q=90q-q^2$$
解得最有产量$q=45$，最优利润为$u=2025$
由此得背叛参与人长期收益为:
$$\Pi 2=2025+1600\mathrm{i}+1600i^2+\cdots =2025+\frac{1600i}{1-i}$$
③若两个厂商维持垄断产量，则满足的条件为:$\Pi 1>\Pi 2$即:
$$\frac{1800}{1-i}>2025+\frac{1600i}{1-i}$$
得$i>0.529$.由于现在贴现因子为$0.9$，远大于$0.529$。所以如果市场有长期稳定性,两个厂商能维持垄断产量。

【例题】
考察$n$个企业的$cournot$模型，假设需求函数为:$P(Q)=a-Q$
其中: $Q=q_1+q_2+..+q_n，q_i(i=1,\mathrm{2...},n)$为企业$i$的产量，不变单位生产成本为$c$。
➢证明:若这个阶段博弈无限重复，则企业能够运用触发战略维持垄断产出的贴现系数$\delta$满足:
$$\delta \ge \frac{(n+1{)}^4-4n(n+1{)}^2}{(n+1{)}^4-16n^2}$$
【解】
第一步计算：所有n个企业同时决策的纳什均衡产量，以及对应的利润水平（n个企业就是n个方程，n个反应函数，联立）
第二步计算：n个企业组成联合体的情况下的总产量，以及每个企业的产量，还有此时的利润