第十讲 · 信号博弈的应用、均衡再精炼与信誉

信号不是“说了什么”，而是一个掌握私人信息的人做出的、会影响别人判断的可观察行动。一个行动能否传递信息，关键不在于它看起来多醒目，而在于：不同类型模仿它的成本是否不同。

1. 教育信号：能力没有变，工资为什么变了

Spence 教育信号模型中，劳动者知道自己的能力，企业只观察学历或受教育程度。教育未必直接提高生产率，但高能力者取得同样学历的成本更低，因此学历可能把两种类型分开。

设高、低能力者分别为 $H$、$L$，教育程度为 $e$，工资为 $w$，教育成本为 $c(e,t)$。分离均衡希望高能力者选择 $e_H$，低能力者选择 $e_L$，且企业据此支付 $w_H$、$w_L$。

高能力者不模仿低教育的条件是

$$w_H-c(e_H,H) \ge w_L-c(e_L,H).$$

低能力者不模仿高教育的条件是

$$w_L-c(e_L,L) \ge w_H-c(e_H,L).$$

这两条不等式能同时成立的根本原因是：高能力者取得额外教育的成本增量更低。

教育在这里可能具有私人价值，却没有创造同等规模的社会价值。个人为了证明自己而支付成本，企业只是据此重新识别类型。这也是信号模型经常揭示的“筛选成本”。

2. 价格信号：价格不只负责成交

在产品质量不可观察时，高质量企业有时会用价格传递质量信息。这里的价格同时承担两种功能：

• 作为市场交易条件，影响销量和利润；
• 作为信号，改变消费者对质量的判断。

高价并不会天然代表高质量。要形成分离均衡，必须让低质量企业模仿高价的收益低于模仿成本。例如高质量企业可能更有能力承受早期低销量，或能通过复购获得更大的未来收益；低质量企业则无法从同样的定价策略中获利。

求解时仍然是三步：先根据价格形成后验信念，再求消费者购买决策，最后检查高、低质量企业是否愿意遵守各自的定价策略。

3. 资本结构信号：为什么负债可能传递好消息

企业管理者比外部投资者更清楚企业质量。较高负债意味着更高的破产风险，但优质企业预期现金流更稳，承担相同负债的预期破产成本更低。因此，负债水平可能成为企业质量的信号。

逻辑和教育信号完全相同：

1. 不同类型企业承担信号的成本不同；
2. 投资者观察负债水平并更新信念；
3. 市场估值随信念变化；
4. 各类型企业比较估值收益和负债成本，决定是否模仿。

如果劣质企业也能无成本地复制同样的资本结构，负债就不能持续传递信息。

4. 空谈：没有直接成本的话也可能有信息

空谈指消息本身不直接改变收益，也没有直接发送成本。乍看之下，所有类型都可以随口撒谎，似乎不可能传递任何信息；但只要发送者与接收者的偏好并非完全对立，仍可能存在部分信息传递。

有效空谈通常需要三个条件：

• 发送者不同类型希望接收者采取不同的行动；
• 接收者的最优行动会随信念改变；
• 双方偏好存在一定共同利益，而不是处处完全相反。

偏好越接近，消息划分通常越细，能传递的信息越多；利益冲突越大，均衡越接近毫无信息的混同。

5. 为什么还要继续精炼 PBE

PBE 要求路径内信念服从 Bayes 法则，却可能允许很牵强的路径外信念。于是，一些混同均衡完全依赖这样的故事：“如果看见均衡中没人会发的消息，我就坚信它来自最不可能获益的类型。”

均衡再精炼的目标，就是判断这种路径外故事是否合理。

6. 直观标准

直观标准的核心问题是：偏离到某个路径外消息后，哪些类型可能从偏离中获益，哪些类型无论接收者怎么合理回应都不可能获益？

如果某种类型无论如何都不可能通过偏离改善收益，那么接收者观察到该偏离时，就不应该把正概率放在这种类型上。

以课件中的“啤酒或热狗”信号博弈为例，检查一个混同均衡时可以这样做：

1. 找到路径外行动；
2. 分别计算各类型偏离后可能得到的最好结果；
3. 排除那些即使得到最有利回应也不会偏离的类型；
4. 把路径外信念集中到仍可能偏离的类型上；
5. 重新检查接收者最优反应和发送者激励。

如果这样一更新，原来的混同均衡无法维持，它就被直观标准排除。

7. 序贯均衡与颤抖手精炼

7.1 序贯均衡

序贯均衡要求策略完全混合序列的极限同时生成策略与信念。直觉上，任何行动都被看作有极小概率发生，因此即使是路径外信息集，也能通过 Bayes 法则获得由“微小失误”推导出的信念。

它比一般 PBE 更强调信念与整个策略系统的一致来源。

7.2 颤抖手完美均衡

颤抖手的想法是：每个玩家都有极小概率按错按钮。一个均衡若在这些微小错误存在时仍然是最优反应的极限，才足够稳健。

它主要排除依赖弱劣策略或极端脆弱威胁的 Nash 均衡。做题时不必把定义想得神秘：先给所有纯行动一个极小正概率，再问原均衡是否能作为扰动博弈均衡的极限留下来。

8. 不完全信息谈判：拖延也能传递类型

在谈判中，一方可能不知道另一方的耐心程度、外部机会或估值。报价和拒绝不只是分配动作，也会改变对方对其类型的判断。

例如，一个更有耐心的谈判者更能承受等待，因此拒绝较低报价可能成为“我很有耐心”的信号。对方观察到拒绝后提高对耐心类型的后验概率，后续报价随之改变。

所以现实中的延迟不一定只是低效率，也可能是筛选不同类型所付出的信息成本。

9. 有限重复博弈中的信誉

完全信息下，有限次重复囚徒困境用逆向归纳会得到每一期都背叛。但如果对手有极小概率是一个“无论如何都会合作或惩罚”的承诺型玩家，结论可能改变。

理性玩家在早期也可能模仿承诺型玩家：

1. 对手事先不能完全确定他的类型；
2. 合作或强硬行动提高“他是承诺型”的后验概率；
3. 这个信誉改变对手未来的最优反应；
4. 理性类型为了获得未来收益，愿意暂时维持信誉；
5. 越接近最后一期，维持信誉的价值越小，行为才逐渐回到一次博弈的结果。

这类模型的重要 insight 是：少量类型不确定性，可能在有限期限内制造长期的战略行为。

10. 把所有应用压缩成一个判断框架

看到教育、价格、负债、报价、广告、拒绝或强硬行动时，按以下顺序判断：

1. 谁掌握私人信息，类型是什么；
2. 什么行动能被别人观察到；
3. 不同类型采取该行动的成本或收益是否不同；
4. 接收者观察行动后如何更新信念；
5. 信念变化是否真的改变接收者行动；
6. 各类型是否愿意遵守候选信号策略；
7. 路径外信念是否经得起直观标准等进一步精炼。

如果所有类型都能以相同成本模仿，信号就很难可信；如果行动既能区分类型，又会改变接收者反应，信号才真正有战略价值。