基于贝叶斯博弈的网购交易模型及风险研究

作者简介：郭佳德（1989-），男，硕士研究生，研究方向：风险管理与控制、互联网金融。

摘要：本文采用贝叶斯博弈理论构建网购交易模型，提出了网购交易的混合精炼贝叶斯均衡、分离精炼贝叶斯均衡、准分离精炼贝叶斯均衡，分析了三种贝叶斯均衡下的网购风险。研究结果表明，分离精炼贝叶斯均衡时网购无风险，混同精炼贝叶斯均衡时网购风险最大，准分离精炼贝叶斯均衡最接近现实的网购交易过程。最后，本文就推进社会信用体系建设提出建议。

关键词：网购风险；风险值；交易模型；贝叶斯博弈；社会信用体系

从1998年的中国“电子商务元年”到2015年的“互联网+”时代，网络购物方式在中国已经发展了17年。纵观这十几年的风风雨雨，电子商务领域犹如硝烟弥漫的战场，无数电商纷纷倒下，而只有少数能够生存下来并做大做强。根据阿里巴巴公司统计，天猫在2009至2014年“双十一”期间的销售额分别为0.52、9.36、52、191、362、571亿元，数据足以体现网购量的增长之势。另据数据显示，在2013年，淘宝和天猫 “双十一”的退货率达25%，部分商家更高达40%。可见，消费者网购时面临着商品质量风险、商品不符合期望的风险。此外，从更严重的情况下看，消费者还面临着诈骗风险、隐私泄漏风险和法律风险。

由于互联网是个虚拟的场所，网购时买卖双方面临着信息不对称，再加上法律法规的不完善，网购风险在所难免。因此，国内外学者对网购风险开展了不少研究。文献[1]采用实验设计和联合分析的方法，研究了新加坡消费者的网购感知风险，测试了几个降低网购风险策略的有效性。文献[2]提出一个模型研究消费者的网购感知风险，模型的要素包括网站的认知度、评论信息、知名度、线下体验。文献[3]研究了价格折扣对感知风险的影响，以及随后的这些风险感知对网上购物意向的影响。文献[4]分别以完全信息静态博弈、完全且完美信息动态博弈和重复博弈对网购买卖双方的博弈进行建模研究。文献[5]运用囚徒困境模型建立了网购买卖双方的博弈模型，利用该模型分析团购风险，并根据重复博弈原理，提出了化解团购风险的条件。

通过梳理以往学者对网购的博弈分析，可以发现分析的假设都比较理想，买卖双方掌握了完美信息，即买卖双方都清楚对方的得益信息。然而，现实情况是由于买卖双方的信息不对称，买卖双方至少有一方不清楚对方的得益情况。本文将信号博弈引入网购的交易过程，提出了一种基于贝叶斯博弈的网购交易模型，用于分析消费者所面对的网购风险大小。

1.前提与假设

1.1风险与风险值的界定

各种组织、各个行业对风险有着各种各样的定义和描述，对风险的分析也分为定性、半定量和定量三种。为了利用博弈论分析网购风险，根据专著[6]，本文将风险定义如下：

风险是指在特定条件下和一定时间内，某种损失发生的概率和损失的大小。风险值是定量分析风险所得到的数值，若用VaR表示风险值，Pi表示某种风险因子发生的概率，Li表示某种风险因子导致的损失，则风险值如公式（1）所示：：

VaR=∑ni=1piLi（1）

根据以上定义，网购风险是指在网络信息不对称条件下，在网购过程中消费者损失发生的概率和损失的大小。

1.2模型假设

网购交易博弈过程中，关于消费者与卖家的假设如下：

1）“自然”随机决定一个卖家的商品质量η，η有好、差两种类别，分别记为G和B，质量为B的商品一文不值。消费者和卖家都清楚“自然”选择商品质量的概率P（η=G）和P（η=B）。卖家清楚商品质量的好坏，而消费者却不清楚。卖家向消费者传递一个信用水平γ（γ≥0），并向消费者展示愿意进行交易的商品价格W（γ）。

2）在商品质量为η，信用水平为γ的情况下，卖家的交易成本为C（η，γ）。

3）消费者了解了卖家的信用水平后，对商品有一个期望价格Y（η，γ）。

4）卖家作为博弈的先行动者，能够预测消费者的期望价格Y（η，γ），而消费者却不知道商品的质量和卖家的交易成本，双方处于信息不对称的状态。

根据以上假设，消费者的得益为Y（η，γ）-W，卖家的得益为W-C（η，γ）。卖家作为一个“理性人”，追求自己利益的最大化，当且仅当消费者的得益为零时才能达到目的，此时卖家提出的交易价格如公式（2）所示：

W（γ）=Y（η，γ）=

P（G|γ）·Y（G，γ）+P（B|γ）·Y（B，γ）=

P（G|γ）·Y（G，γ）+[1-P（G|γ）]·Y（B，γ）（2）

2.分析

在信息不对称情况下，一些商品质量差的卖家会伪装成商品质量好的卖家欺骗消费者，伪装的办法是提高店铺或个人的信用水平。例如，淘宝卖家花钱刷信誉或雇佣水军刷评论，因此伪装是需要成本的。作为“理性人”，卖家最求得益Is的最大化，那么其选择的信用水平要满足以下关系式，如公式（3）所示：

IS=max[Y（η，γ）-C（η，γ）]（3）

设上式的最优解为γ*（η），则W*（η）=Y[η，γ*（η）]，此时交易价格与信用水平之间的均衡如图1所示。

在均衡状态下，有三种情况促使卖家采取不同的交易策略。

当W*（B）-C[B，γ*（B）]

当W*（B）-C（B，γ*（B））>W*（G）-C[B，γ*（G）]时，商品质量差的卖家会如实承认商品的质量。

当W*（B）-C（B，γ*（B））>W*（G）-C[B，γ*（G）]时，商品质量差的卖家会采取一定的概率选择诚实交易或欺骗。

2.1网购交易的混同精炼贝叶斯均衡

在网购交易中商品质量差的卖家采取欺骗的策略，向消费者传递和商品质量好的卖家一样的信用水平时，网购交易达到混同精炼贝叶斯均衡。记此时的信用水平为γe，则消费者由于信息不对称，判断P（G|γe）=P（G）。卖家清楚消费者了解了信用水平后有一个对商品的期望价格。这种情况下，网购交易的博弈均衡如公式（4）所示：

W（γe）=P（G）·Y（G，γe）+[1-P（G）]·Y（B，γe）（4）

采用逆向归纳法，消费者和卖家在网购交易中的博弈过程如下：

消费者由卖家传递的信用水平判断商品的质量，其条件概率如公式（5）所示：

P（G|γ）=P（G），γ=γe

0，γ≠γe（5）

卖家知道消费者的判断，所以博弈开始时其选择的策略如公式（6）所示：

W（γ）=W（γe），γ=γe

Y（B，γ），γ≠γe（6）

由于卖家是个“理性人”，其选择的信用水平γ要符合公式（3），根据博弈过程的分析，当γ=γe时，W（γ）=W（γe）；当γ≠γe时，W（γ）=Y（B，γ）。从图1可知，W（γe）>Y（B，γ），所以W（γe）-C（η，γe）>Y（B，γ）-C（η，γ）。因此，不管商品质量的好坏，卖家都会选择传递信用水平γe给消费者，消费者在观察到信用水平后得出商品质量好坏的先验概率。由于消费者和卖家的行动都是对对方的最优反应，博弈达到混同精炼贝叶斯均衡。

在混同精炼贝叶斯均衡下，消费者面临很大的网购风险。传递好的商品质量的卖家卖的可能是质量差的商品，甚至欺诈消费者，消费者将得到一文不值的商品。此时消费者的网购风险值如公式（7）所示：

VaR=W（γe）·P（B）=W（γe）[1-P（G）]（7）

2.2网购交易的分离精炼贝叶斯均衡

如果商品质量好的卖家向消费者传递较高的信用水平γ*（G），产品质量差的卖家向消费者传递较低的信用水平γ*（B），且γ*（G）>γ*（B），那么网购交易达到分离精炼贝叶斯均衡。

采用逆向归纳法，消费者和卖家在网购交易中的博弈过程如下：

消费者根据卖家传递的信用水平判断商品的质量，根据信用水平的不同，判断结果有P{G|γ*（G）}=1，P{B|γ*（B）}=1，P{B|γ*（G）}=0，P{G|γ*（B）}=0，如公式（8）所示：

P{B|γ}=1，γ<γ*（G）

0，γ≥γ*（G）（8）

卖家预测到了消费者的上述判断，博弈开始时他选择的策略如公式（9）所示：

W（η）=Y（B，γ），γ<γ*（G）

Y（B，γ），γ<γ*（G）（9）

从公式（9）可知γ*（G）是提供质商品质量好的卖家对函数W（η）=Y（G，γ）的最优反应。对商品质量差的卖家而言，γ*（B）是其对函数W（η）=Y（B，γ）的最优反应，此时若W*（B）-C[B，γ*（B）]>W*（G）-C[B，γ*（G）]，那么卖家会如实传递信用水平，否则就不进行交易。因此，不同商品质量的卖家会传递不同的信用水平，消费者根据观察到的信用水平得出商品质量好坏的先验概率。由于消费者和卖家的决策都是对对方的最优反应，所以博弈达到分离精炼贝叶斯均衡。

因为在分离精炼贝叶斯均衡时卖家传递的信用水平能够传递商品的真实信息，所以消费者在网购时没有风险，P{B|γ*（G）}=0，从而VaE=0。

2.3网购交易的准分离精炼贝叶斯均衡

在网购交易中，商品质量好的卖家都向消费者传递高信用水平；商品质量差的卖家向消费者传递信用水平时，会在一个高信用水平和低信用水平之间随机地选择一个。此时，网购交易达到准分离精炼贝叶斯均衡。

设产品质量好的卖家向消费者传递的信用水平为γ*h，产品质量差的卖家分别以λ和1-λ的概率在γ*h和γ*l之间随机地选择一个。采用逆向归纳法，消费者与卖家的博弈过程如下：

消费者根据卖家传递的信用水平判断商品的质量，判断结果如公式（10）-（13）所示：

P（G|γ*h）=P（γ*h|G）·P（G）P（γ*h）=P（G）P（γ*h）（10）

P（G|γ*l）=P（γ*l|G）·P（G）P（γ*l）=0（11）

P（B|γ*h）=P（γ*h|B）·P（B）P（γ*h）=λ·P（B）P（γ*h）（12）

P（B|γ*l）=P（γ*l|B）·P（B）P（γ*l）=1（13）

因为传递高信用水平的可能是商品质量好的卖家，也有也能是商品质量差的卖家，所以消费者面对卖家传递的高信用水平信号时，买到高质量商品的概率比“自然”的选择大，这种情况可以从公式（10）表现出来。从公式（12）上看，当λ→1时，不管商品质量的好坏，几乎所有的卖家都向消费者传递高信用水平，消费者面临较大的网购风险；当λ→0时，所有质量差的卖家几乎选择向消费者传递低信用水平，消费者面临较低的网购风险。

对于卖家，为了使自己能够随机选择两个信用水平γ*h和γ*l，其选择的策略必须符合等式W*（B）·C[B，γ*（B）]=W*（G）-C[B，γ*（G）]和max[Y（η，γ）-C（η，γ）]。当其选择γ*h时，其提出的商品价格如公式（14）所示；当其选择γ*l时，其提出的商品价格如公式（15）所示。

W*（γ*h）=P（G）P（γ*h）·Y（G，γ*h）+λ·P（B）P（γ*h）·Y（B，γ*l）（14）

W*（γ*l）=Y（B，γ*l）（15）

在上述博弈过程中，无论卖家选择的信用水平的高低，他在做出行动前都预测到了消费者的判断，并在预测的基础上做出行动使得自己的得益最大化。消费者的判断也是在卖家传递信用水平后的最优反应。因此，此时的网购交易博弈构成准分离精炼贝叶斯均衡。此时消费者面临的风险大小如公式（16）所示：

VaR=W*（γ*h）·P（B|γ*h）（16）

3.总结与建议

通过以上分析，网购交易存在三种精炼贝叶斯均衡，不同的均衡状态下，消费者可能面临大小不同的风险。最理想的是在分离精炼贝叶斯均衡状态下，消费者能够正确区分良莠不齐的卖家，网购无风险；最恶劣的情况在混同精炼贝叶斯均衡状态下，商品质量差的卖家混杂在商品质量好的卖家之间，消费者单凭以信用水平的大小无法判断商品的好坏，网购时面临着极大的风险。准分离精炼贝叶斯均衡状态比较符合现实的网购交易过程，因为在现实交易中，确实有些卖假冒或者高仿商品的卖家会提醒卖家商品的质量，而有些卖家却明目张胆地欺骗消费者，所以在这种情况下，消费者需要有一定的风险识别能力。

信用水平作为卖家向消费者传递的信号，在网购交易的博弈模型中具有关键作用。在C2C模式下，卖家向消费者传递的是个人的信用，而在B2C模式下，卖家主要向消费者传递企业的信用。健全的社会信用体系对于约束网购交易过程至关重要，能够有效地化解消费者面临的网购风险。在此，针对个人信用和企业信用，对推进社会信用体系建设提出几点建议：首先，应该建设全国统一的社会信用体系。信用系统应该统一数据库结构，统一企业以组织机构代码、个人以身份证号码作为信用编号，如此各个层级的征信机构就能形成一个互联互通的网络。其次，国家应鼓励民间创办信用中介机构。当前，很多信用中介机构都由银行或证券公司创办，这多少还是依附于中央人民银行，为了适应市场经济的需要，应该鼓励有实力的法人创办信用中介机构。最后，合理监管网购平台，允许相关人员具有登记企业或个人信用信息的权限。政府应当敦促各个网购平台设立信用部门，开设举报渠道，并通过一定的技术手段对电商和个人进行信用评级，然后把信用数据录入信用系统，或者交给上级信用机构。（作者单位：五邑大学经济管理学院）

参考文献：

[1]Jiuan Tan S. Strategies for reducing consumers' risk aversion in Internet shopping[J]. Journal of Consumer Marketing， 1999， 16（2）： 163-180.

[2]San Martín S， Camarero C. How perceived risk affects online buying[J]. Online Information Review， 2009， 33（4）： 629-654.

[3]Eun Lee J， Stoel L. High versus low online price discounts： effects on customers perception of risks[J]. Journal of Product & Brand Management， 2014， 23（6）： 401-412.

[4]姜维权， 张莹. 浅析网购买卖双方的博弈[J]. 价值工程， 2013， 32（25）： 19-20.

[5]颜巍. 团购风险博弈分析[J]. 商品与质量： 理论研究， 2011， S（2）： 27.

[6]李素鹏. 风险矩阵在企业风险管理中的应用[M]. 北京： 人民邮电出版社， 2013： 101.