个人信用标签披露对陌生人之间合作的影响分析——基于理论和实验的研究

As the rapid development of various online trading platforms, interactions amongst strangers grow fast. More and more individuals.are involved in economic interactions with strangers who they have never met before and will never after, examples including shopping on Alibaba online platform, peer-to-peer lending, Uber service, etc. Given this phenomenon, designing and implementing an appropriate mechanism to enhancing the cooperation amongst strangers becomes an important issue in the modern economy. This project aims to investigate the influence of revealing certain types of information on the cooperation rate amongst strangers. We will combine the game-theoretic and the experimental methods in this study. The theoretical part will start with a static game-theoretic model, allowing individual heterogeneity regarding their social preference levels and the intrinsic interests in cooperation. We will further extend the model into a dynamic framework. The Nash equilibrium and Bayesian equilibrium analysis for the respective static and dynamic models will give the theoretic prediction of the information effect on the cooperation rates amongst the strangers. We will further conduct an experiment to test the theoretic prediction and aim to adjust the prediction.using the experimental observations, and provide behavioural explanations to the biases in the theoretic prediction.

在当今的社会经济中,随着各种电子交易平台的快速发展,发生在陌生人之间的交易越来 越多,越来越多的人牵涉进陌生人之间进行的经济往来,例如淘宝交易、滴滴专车服务、P2P 信贷等等。鉴于此现象,合理设计相关机制以促进陌生人之间的合作当今经济中显得愈发重要 。. 本项目着眼于研究在异质性的陌生代理人之间的合作中,个人特质标签披露对于合作成功率的影响。本项目结合理论博弈论的模型框架及实验经济学的方法对此问题展开研究。其中,在理论博弈论框架中使用静态博弈模型及动态博弈模型进行理论分析,并允许代理人由于对不平等规避的态度差异、对合作具有与生俱来的不同倾向性。我们将求解出模型对应的纳什均衡及贝叶斯均衡,以给出披露代理人的合作倾向性对于合作成功率的影响的理论预测。在本项目的实验部分,我们将使用实验室方法对理论预测进行检验,利用实验结果对理论预测的误差进行修正、并进一步尝试给出其行为解释。

在各类电商平台、网约服务平台迅速发展的当今时代，大量的交易发生在互不相识的陌生人之间，传统基于熟人网络和重复互动的信用模式很难对双方的行为产生有效约束，因此，建立有效的信用系统、以促进社会成员之间的诚信交易合作是我国当前需要解决的重要工作。本项目在此背景下，对信用系统设计中的一个环节设置的影响——个人类型标签信息的披露与否——从博弈理论、行为实验、和演化博弈等方面进行了多角度的研究。. 首先，本项目从理论上对这一问题进行了详细分析。我们根据行为经济学研究的发现，假设社会中由不同类型的个体组成，每个个体对合作的态度由其内在的公平偏好参数决定，并进而可分为合作型、非合作型两类。信用系统设置中除了纳入常规设置的披露个体历史选择记录外，关于个体类型标签的披露上存在两个选择：披露（R）和不披露（U）。通过建立一个具有不完全信息的动态博弈模型，我们的贝叶斯均衡分析得到了U 机制和 R 机制下的社会总体合作率，并进一步推导出了 U 机制胜于 R 机制的社会中人员类型构成的边界条件。. 本项目进一步通过开展实验,观察不同机制下的合作情况，发现 在实验中观察到的所有情形下R机制下的合作率都优于 U 机制，并进一步通过计量方法估计出了不同类型个体的策略，包括不同类型个体的类型歧视和历史歧视程度等，并将其与理论预测进行细致对比。比较发现导致两者偏离的主要因素包括有限理性和互惠心理。.最后，项目使用实验数据进一步拟合具有有限理性和互惠心理两种元素的演化博弈模型，得到了演化模型参数的最大似然估计。根据该模型估计的结果，我们可以认为从演化模型角度来说，合作型个体遵守一种行为模式——只要没有足够强烈的证据表明对手足够恶劣，他们就会选择与之合作——这是一种比博弈理论模型中的均衡策略更为宽容的一种决策规则。. 从上述几个角度，本项目对个体类型信息在动态合作博弈中的作用进行了多角度的分析，结果对信用系统的设计提供了可借鉴的依据。