第三方平台监管下的多价值链成员交易行为演化模型及仿真分析

但 斌,胡祯洁,李文博,眭蓉华

(1.重庆大学 经济与工商管理学院，重庆 400044；2.重庆大学 现代物流重庆市重点实验室，重庆 400044)

0 引言

近年来，随着新一代信息技术的不断发展，特别是人工智能、大数据等新兴技术的不断兴起，如MFG.com、航天云网、成都国龙等面向生产制造领域的第三方平台应运而生。他们聚焦于产品制造中的采购、生产、销售等价值创造环节，依托资源整合和信息共享，聚集了大量来自相同或不同价值链的供应商、制造商、分销商和服务商等价值链成员，形成了基于第三方平台的多主体参与和多业务协同的多价值链网络[1-2]，为实现多价值链成员如制造商、供应商和分销商间的业务协同提供了有效支持，成为支撑多价值企业群开展合作的有效途径[3]。以航天云网为例，一方面，平台通过信息发布和供需匹配为平台上的制造商、供应商等多价值链成员提供更加个性、专业、及时且低成本的制造资源和服务，促进其实现采购、生产、销售等业务协同，使企业间合作日益紧密[4]；另一方面，平台利用资源整合和信息交互，支持制造商、供应商等多价值链成员企业之间自由合作，打破了过去企业生产合作过程中在时间和空间上的限制，为平台上的多价值链成员实现跨区域、跨链条间的交流，以及为应对无法预测的市场需求变化而在更大范围内寻求合作的需要提供了支持和保障[5]。然而，由于平台网络交易的虚拟性和广域性，第三方平台上的多价值链成员之间存在信息不对称，使制造交易市场中的用户失信问题频繁发生，特别是订货失信问题，导致平台及平台成员面临的风险急剧上升[6]。对此，作为支撑多价值链企业群开展合作的媒介，第三方平台除了为各成员提供交易场所和交易所需的基础服务外，按照《网络交易管理办法》第26条规定，其监管职责更是不容忽视[7]。另外，相比一般的电商平台而言，面向制造业生产制造领域的第三方平台协同交易的业务更多、范围更广、金额更大、周期更长且涉及环节更多、更复杂，任何一方失信都将对交易主体造成巨大影响。因此，基于面向制造业的第三方平台多价值链网络，研究平台监管下多价值链成员的交易失信问题，对第三方平台实施合理、科学的运营策略，建立公平健康的交易环境，维护平台及用户利益，具有重要的现实意义。

目前，学者们围绕面向制造业的第三方平台已经展开了较为广泛的研究。一些学者围绕平台的体系架构搭建[8]、关键技术实现[9-10]以及资源配置与调度[11-12]等展开研究，还有一些学者关注第三方平台发展运营过程中的服务与定价、匹配投入以及资源共享与优化等问题。例如，朱文兴等[13]针对云制造平台的服务定价问题，讨论和分析了第三方平台收取会员费和交易费两种模式的最优定价选择问题；BASU等[14]考虑制造企业用户异质性，研究了平台提供搜索匹配及认证服务对平台定价策略的影响；CHEN等[15]以面向制造业的第三方平台MFG.com为例，分析和讨论了平台匹配投入影响需求下的平台最优匹配投入策略问题；苏凯凯等[16]以制造服务需求方和平台运营方为研究对象，针对平台成员间的资源共享与优化问题，构建了涵盖服务质量指标和柔性指标的非合作博弈模型。然而，以上研究主要聚焦于平台技术和平台服务定价等问题，关注平台的中介职能，基于博弈主体完全理性假设，分析平台和用户的最优策略，却忽略了现实中的参与主体往往是有限理性和不完全信息的，而且忽视了第三方平台作为交易媒介的监管职能。因此，本文基于面向制造业的第三方平台，聚焦平台上的制造商和供应商等多价值链成员间的交易行为，考虑博弈主体有限理性，采用演化博弈理论，讨论和分析平台监管对多价值链成员交易行为演化路径和演化均衡结果的影响。

另一类与本文密切相关的文献是有关第三方平台监管及平台监管对用户行为影响的研究。随着平台交易市场的不断壮大，第三方平台信用监管问题受到学者的广泛关注[17]。例如李冬冬等[18]针对P2P平台网贷业务违规治理问题，分析了行业自律平台监管下网贷市场主体行为的动态演化机理和演化路径；张丽等[19]针对电子商务中的商家欺诈交易问题，引入消费者投诉机制，构建了平台、商家和消费者的三方博弈模型；杨丰梅等[20]针对电商平台交易失信问题，引入平台信用监管机制，采用演化博弈理论分析了商家和消费者的长期交易策略。虽然上述研究考虑了参与主体有限理性，讨论和分析了平台监管对交易市场中个体行为的影响，但是平台在监管交易活动参与主体的过程中主要是监管产品或服务提供方，忽视了对产品或服务需求方的监管。然而，在面向制造业的第三方平台上的交易活动中，参与交易的主体多为制造商、供应商等企业，不仅参与博弈的主体多为有限理性和不完全信息，而且其交易涉及的业务范围较大、金额较大、流程也更加复杂。因此，平台上任意参与交易的主体均有可能失信且其失信对平台及其他用户均可能造成极大的损失，使得以上仅对产品或服务提供商进行监管的研究难以适用于本文。

鉴于此，本文基于面向生产制造领域零部件采购业务的第三方平台，以平台上涉及采购交易的多个制造商和多个零部件供应商等多价值链成员为研究对象，在制造商和供应商有限理性下，采用演化博弈理论，构建了一个以制造商和供应商为博弈主体、平台为第三方监管者的演化博弈模型，分析第三方平台对双边用户均实施监管措施时，制造商和供应商策略选择的动态演化机理和长期交易策略，讨论了平台不同监管策略下制造商、供应商等多价值链成员交易行为的演化路径及系统的演化均衡状态，为规范平台市场主体行为、完善制造市场监管体系提供理论参考。

1 问题描述与模型构建

本文考虑一个持续经营的面向生产制造领域、聚焦零部件采购业务的第三方平台(以下简称平台)，平台上长期存在由多个制造商M组成的制造商群和多个零部件供应商S组成的供应商群，双方之间长期进行零部件交易合作。供应商以价格w在平台上供应单位成本为c的零部件，制造商从平台采购零部件进行生产，能获得价值为v的产品。市场需求是不确定的，假设市场需求服从两点分布[dl,dh]，其中高市场需求dh出现的概率为α，低市场需求dl出现的概率为1-α，需求分布为供需双方的共同知识[21]。考虑供应商产能、零部件生产提前期等因素，制造商需提前订货。由于制造商缺货损失较大，为避免缺货，市场需求实现之前，制造商在平台上发出需求dh[22]，平台推荐供应商，双方协商达成dh的意向合作订单，供应商接受订单，组织生产。市场需求实现后，制造商确认最终订货量，供应商发货并在平台上确认交易量。平台监管用户交易全过程，制造商和供应商在平台上交易并受到平台监管的流程如图1所示。

1.1 模型假设与收益支付矩阵

对制造商而言，考虑双方提前达成dh的意向订单，制造商确认最终订货时默认供应商按dh生产供货。当需求实现为dh时，制造商一定会以dh订货。而当需求实现为dl时，若制造商以dh订货，则库存积压，可用于下一期使用，但需承担库存成本ch(dh-dl)，其中ch为零部件单位库存成本，因为零部件储存对储存场所和储存条件的要求相同，所以本文假设制造商与供应商的零部件单位库存成本相同；若制造商以dl订货，则无库存。因此，制造商确认最终订货时有两种行为策略：①采取诚信行为策略SM1，即无论需求实现为dh还是dl都守信，以dh订货；②采取机会主义行为策略SM2，即在需求实现为dh时守信，以dh订货，在需求实现为dl时失信，以dl订货。

对供应商而言，市场需求不确定为共同知识，且供应商了解制造商在市场需求dl下有失信动机，因此供应商组织生产时，也有两种行为策略：①采用守信行为策略SS1，即按意向合作订单以dh生产供货；②采用失信行为策略SS2，根据经验和已有知识，以dl生产供货。

与文献[19-20]中第三方平台仅对产品供应商进行监管的博弈模型不同，本文建模时考虑了平台对制造商和供应商双边用户均进行监管的情形。首先因为零部件采购交易过程中，零部件的生产和采购存在提前期，使需求预测存在误差，所以由上文分析可知，供需双方在达成意向合作订单后均有动机失信；其次，因为零部件采购业务涉及主体主要是制造商和零部件供应商等企业用户，交易金额更大，流程更加复杂，所以任意参与交易主体失信都将对所有参与主体产生极大影响。因此，本文考虑第三方平台既监管制造商订货行为又监管供应商发货行为的情形更加符合现实。当制造商未按意向订单dh确认订货或供应商未按dh发货时，考虑到用户失信对平台声誉和利益的影响，平台将对失信方进行惩罚Fi(i=m,s)。

由以上分析可知，制造商群体内所有参与交易的制造商的订货行为策略空间相同，均为{诚信行为策略SM1，机会主义行为策略SM2}；同理，供应商群体内所有参与交易的供应商的生产供货行为策略空间也相同，均为{守信行为策略SS1，失信行为策略SS2}。另外，考虑到交易过程中制造商和供应商是有限理性的，难以实现一次决策最优，需要在较长时间内，经过多次博弈，不断修正自己的行为策略，模仿成功的策略或优胜劣汰，最终达成群体内部均衡。因此，本文采用演化博弈理论，每次随机从制造商群体和供应商群体中分别选择一名进行博弈[23]，从而可得如下第三方平台监管下制造商和供应商的收益：

(1)当制造商采取策略SM1，供应商采取策略SS1时，制造商以dh订货，供应商按dh交货，制造商的收益为(v-w)dl+[α(v-w)-(1-α)ch](dh-dl)，即高需求下的收益与低需求下的收益和，扣除低需求下剩余零部件库存成本后的期望收益；供应商的收益为(w-c)dh。

(2)当制造商采取策略SM1，供应商采取策略SS2时，制造商以dh订货，供应商按dl供货，若需求实现为dh，制造商将缺货，产生缺货损失cs(dh-dl)，其中cs为制造商单位缺货成本。因缺货由供应商失信造成，制造商将得到供应商的缺货损失赔偿λcs(dh-dl)，其中λ(0<λ<1)由平台交易规则规定，一方失信使得另一方利益受损时，失信方赔偿守信方损失的比例，则制造商的收益为α[(v-w)dl-(1-λ)cs(dh-dl)]；供应商的收益为α[(w-c)dl-λcs(dh-dl)-Fs]，即市场需求dh下，供应商因失信导致制造商缺货，除了要给予制造商一定赔偿外，其失信行为还会被平台发现，并接受平台惩罚Fs。若需求实现为dl，虽然供应商供给少于制造商订货量，但是恰好可以满足市场需求，则制造商的收益为(1-α)(v-w)dl；供应商的收益为(1-α)[(w-c)dl-Fs]，即虽然供应商失信未使制造商利益受损，但是其不能按订单量交货的失信行为仍会被平台发现并受到惩罚Fs。

(3)当制造商采取策略SM2，供应商采取策略SS1时，若需求实现为dh，制造商以dh订货，供应商按dh交货，则制造商的收益为α(v-w)dh，供应商的收益为α(w-c)dh。若需求实现为dl，制造商以dl订货，供应商按dh供货，供应商库存积压，则制造商的收益为(1-α)[(v-w)dl-Fm-λch(dh-dl)]，即市场需求dl下，制造商失信导致供应商库存积压，除了要赔偿供应商部分库存损失λch(dh-dl)外，其未按dh订货的失信行为还要受到平台的惩罚Fm；而供应商采取守信策略获得收益(1-α)[(w-c)dl-(1-λ)ch(dh-dl)]。

(4)当制造商采取策略SM2，供应商采取策略SS2时，若需求实现为dh，制造商以dh订货，供应商按dl交货，则与(2)中需求实现为dh的情形一样，制造商的收益为α[(v-w)dl-(1-λ)cs(dh-dl)]，供应商的收益为α[(w-c)dl-λcs(dh-dl)-Fs]；若需求实现为dl，制造商以dl订货，供应商按dl交货，供应恰好满足需求，虽然双方利益未受损，但是制造商未按合同约定量dh订货的失信行为仍会受到惩罚Fm，则制造商的收益为(1-α)[(v-w)dl-Fm]；因制造商先以dl订货，供应商按dl交货，则供应商未按dh生产供货的行为不能被平台发现，因此供应商的收益为(1-α)(w-c)dl。

根据以上描述，可得收益支付矩阵如表1所示。

表1 第三方平台监管下的多价值链成员收益支付矩阵

博弈主体收益制造商供应商制造商供应商SM1SS1(v-w)dl+[α(v-w)-(1-α)ch](dh-dl)(w-c)dhSS2(v-w)dl-α(1-λ)cs(dh-dl)(w-c)dl-αλcs(dh-dl)-FsSM2SS1(v-w)dl+[α(v-w)-(1-α)λch](dh-dl)-(1-α)Fm(w-c)dl+[α(w-c)-(1-α)(1-λ)ch](dh-dl)SS2(v-w)dl-α(1-λ)cs(dh-dl)-(1-α)Fm(w-c)dl-αλcs(dh-dl)-αFs

注：w为零部件批发价格；c为单位零部件成本；dh为市场高需求；dl为市场低需求；v为零部件生产的产品价值；α为市场高需求出现的概率；ch为零部件单位库存成本；cs为零部件单位缺货成本；λ为平台交易规定的失信赔偿比例；Fi为平台对制造商或供应商失信的惩罚，i=m,s。

1.2 制造商和供应商行为策略演化博弈模型

在制造商群体中，采取诚信行为策略SM1的制造商群体比例为x，采取机会主义行为策略SM2的制造商群体比例为1-x，0≤x≤1；在供应商群体中，采取守信行为策略SS1的供应商群体比例为y，采用失信行为策略SS2的群体比例为1-y，0≤y≤1。实际上，x和y也可以分别理解为单个制造商选择诚信行为策略SM1和单个供应商选择守信行为策略SS1的概率[24]。

基于以上分析，采取策略SM1的制造商的期望收益

Ex=(v-w)dl+[yα(v-w)-y(1-α)

ch-(1-y)α(1-λ)cs](dh-dl)。

(1)

采取策略SM2的制造商的期望收益

E1-x=(v-w)dl+[yα(v-w)-y(1-α)

λch-(1-y)α(1-λ)cs](dh-dl)-(1-α)Fm。

(2)

制造商的平均期望收益

EM=xEx+(1-x)E1-x=(v-w)dl+

[yα(v-w)-(1-y)α(1-λ)cs-xy(1-α)

ch-(1-x)y(1-α)λch](dh-dl)-

(1-x)(1-α)Fm。

(3)

在演化博弈模型中，由Malthusian方程可知，群体选择某策略的增长率等于其相对期望收益，只要采用该策略的个体期望收益比群体的平均期望收益高，采用该策略的群体数量就会增长[25]。因此本文中，若制造商采取策略SM1的期望收益大于群体的平均期望收益，则选择策略SM1的制造商群体就会增加。因此，采取SM1策略的制造商群体的增长率可用采取策略SM1的制造商的期望收益Ex和制造商期望收益EM之差描述。设t(t为一个较长的时间)为演化时间，制造商和供应商在这一时间内会进行多次博弈，且不断学习成功策略并修正自己的行为策略，即制造商和供应商的策略选择均随时间t发生变化，则采取策略SM1的制造商群体的复制动态方程为

[Fm-y(1-λ)ch(dh-dl)]。

(4)

同理，求得采取策略SS1的供应商群体的复制动态方程F(S)，从而可得第三方平台监管下制造商和供应商行为策略演化博弈的复制动态方程组为：

F(M)=x(1-x)(1-α)[Fm-y(1-λ)

ch(dh-dl)];

F(S)=y(1-y){[(w-c)+αλcs](dh-dl)+

Fs-(1-x)(1-α){[(w-c)+(1-λ)ch]

(dh-dl)+Fs}}。

(5)

式中F(M)，F(S)分别表示采取诚信行为策略SM1的制造商和采取守信行为策略SS1的供应商群体比例的演化增长速率。可见加大监管惩罚力度和提高损失赔偿比例会促使制造商和供应商均趋向诚信交易，而增加零部件单位库存成本则会减少双方采取诚信行为策略和守信行为策略的群体数量。同时，对供应商而言，增加零部件边际收益和制造商单位缺货成本，也会促使选择守信策略的群体数量增加。另外，由式(5)可知，F(M)，F(S)还受到双方群体内采取诚信行为策略SM1/守信行为策略SS1的群体比例x/y的交互影响，反映了制造商和供应商策略选择的动态演化机理。鉴于此，下面将分析制造商和供应商策略选择的演化路径与稳定性。

2 制造商和供应商的策略演化路径与稳定 性分析

由复制动态方程稳定性原理知，复制动态方程的稳定点一定满足

(6)

据此对制造商和供应商的演化稳定策略(Evolutionary Stable Strategy, ESS)展开讨论。

2.1 制造商的策略演化与稳定性分析

根据式(5)，对采用策略SM1的制造商群体的复制动态方程关于x求偏导，可得

ch(dh-dl)]。

(7)

定理1当0

证明∂Πm/∂y=-(1-λ)ch(dh-dl)<0。当y=y0时，Πm=0，无论多少制造商选择策略SM1，制造商群体均处于均衡状态；当00，故由式(6)可知，x=0为制造商的ESS；当00，∂F(M)/∂x|x=0>0，∂F(M)/∂x|x=1<0，则x=1为制造商ESS，证毕。制造商群体策略选择的动态演化示意如图2所示。

结合定理1和图2可知，制造商群体内采用诚信行为策略群体比例随着守信供应商群体比例的增加而减少。这是因为当供应商群体中守信供应商群体比例较高时，制造商采取策略SM1的演化路径趋于0，即制造商趋于采用机会主义行为策略；反之，当守信供应商群体比例较低时，制造商采取策略SM1的演化路径趋于1，即制造商趋于采取诚信行为策略。由此反映，供应商群体守信程度越高，供应商按dh向制造商供货的概率也越高，需求dl下制造商选择守信的库存量增加，库存成本增加，因此制造商趋于选择失信，即采用机会行为策略的制造商数量增加；反之，供应商失信程度越高，制造商匹配到按dl供货的供应商的概率越大，需求dl下制造商选择守信策略的成本降低，因此制造商趋于守信，即采用诚信行为策略的制造商数量增加。

2.2 供应商的策略演化与稳定性分析

根据式(5)，对采用策略SS1的供应商群体的复制动态方程关于y求偏导，可得

Fs-(1-x)(1-α){[(w-c)+(1-λ)ch]

(dh-dl)+Fs}}。

(8)

定理2当0

证明∂Πs/∂y=(1-α){[(w-c)+(1-λ)ch](dh-dl)+Fs}>0。当00，∂F(S)/∂y|y=0>0，∂F(S)/∂y|y=1<0，故由式(6)可知，y=1为供应商的ESS；当00，则y=0为供应商的ESS，证毕。供应商策略选择的动态演化示意如图3所示。

结合定理2和图3可知，守信供应商群体比例随着诚信制造商群体比例的增加而增加。这是因为，当采取诚信行为策略SM1的制造商群体比例较高时，供应商采取策略SS1的演化路径趋于1，即采用守信策略的供应商数量增加；反之，当采取诚信行为策略SM1的制造商群体比例较低时，供应商采取策略SS1的演化路径趋于0，即采用守信策略的供应商数量减少。由此反映，制造商群体内采用诚信行为的制造商比例越高，即需求dl下制造商群体的守信程度越高，供应商匹配到诚信制造商的概率越高，此时供应商采用守信策略的期望收益大于采用失信策略的期望收益，由此选择守信策略的供应商数量增加。

3 基于平台监管的系统演化博弈分析

前面分析了制造商和供应商策略演化的临界条件和演化路径，下面将分析平台不同监管惩罚力度下的系统演化均衡状态，讨论平台监管惩罚力度对制造商和供应商组成的动态系统演化稳定结果的影响。

3.1 演化稳定策略

根据演化博弈复制动态思想，复制动态方程的均衡点不一定是ESS，但ESS一定是复制动态方程的均衡点。因此，根据式(5)求解制造商和供应商组成的复制动态系统的局部均衡点，可得定理3。

定理3制造商和供应商组成的复制动态系统的局部均衡点如下：

定理3中对[(1-α)(1-λ)ch-α(w-c)-αλcs](dh-dl)>0的限制是为了保证平台对供应商的监管惩罚措施有意义。当[(1-α)(1-λ)ch-α(w-c)-αλcs](dh-dl)<0时，表示在平台不监管的情形下，制造商采用机会主义行为时，供应商采用失信策略的收益小于采用守信策略的收益，这种情况在实际中不常见，因此本文不进行讨论。

为分析该演化博弈系统的ESS，讨论系统局部均衡点的稳定性，首先给出以下引理：

引理1系统局部均衡点的稳定性可以通过动态系统Jacobi矩阵的行列式(DetJ)和迹(TrJ)的符号来判断。当局部均衡点对应的DetJ>0，TrJ<0同时成立时，该均衡点是局部稳定的，即为系统ESS[26]。

因此，由式(5)可得制造商和供应商组成的演化博弈系统的Jacobi矩阵为

式中：a11=(1-2x)(1-α)[Fm-y(1-λ)ch(dh-dl)]，a12=-x(1-x)(1-α)(1-λ)ch(dh-dl)，a21=y(1-y)(1-α){[(1-λ)ch+(w-c)](dh-dl)+Fs}，a22=(1-2y){[(w-c)+αλcs](dh-dl)+Fs-(1-x)(1-α){[(1-λ)ch+(w-c)](dh-dl)+Fs}}。

该动态系统Jacobi矩阵的行列式和迹分别为DetJ=a11×a22-a12×a21，TrJ=a11+a22。根据引理1，判断各局部均衡点的DetJ，TrJ符号，得该复制动态系统局部均衡点的稳定性如表2所示。

表2 制造商和供应商组成的动态系统局部均衡点的稳定性

通过分析表2得系统ESS，如定理4所示。

定理4①当FmFs0，则E2(0,1)为系统唯一的ESS；若FsFm0，Fs∈[0,+∞)时，E4(1,1)均为系统唯一的ESS。

定理4说明，当平台对制造商的监管惩罚力度较小时，若平台对供应商的监管惩罚力度较大，则系统趋向于(机会主义，守信)策略演化，如图4a所示；若平台对供应商的监管惩罚力度较小，则系统无ESS，如图4b所示。当平台对制造商的监管惩罚力度较大时，不论平台对供应商的监管惩罚力度较大或较小，系统均趋向于(诚信，守信)策略演化，如图4c所示。

3.2 基于平台监管的演化博弈结果分析

作为监管主体，第三方平台在监管多价值链成员交易行为、解决交易纠纷、维护平台市场诚信交易环境中发挥着不可替代的作用；又由定理4可知，平台监管惩罚力度不同对制造商和供应商组成的演化博弈系统均衡状态有较大影响。因此，本节结合定理4和表2，讨论和分析平台不同监管惩罚力度对制造商和供应商策略选择的影响。

3.2.1 平台监管惩罚力度较小的情形

本节基于平台监管惩罚力度较小的情形，首先分析平台对制造商的监管惩罚力度较小时，双方策略的演化稳定性。对比表2中的情形1和情形2，有命题1成立。

命题1当Fm

命题1说明，当平台对制造商的监管惩罚力度小于其采用机会行为的额外收益时，选择守信策略的供应商数量随Fs的减小而减小，而采用诚信行为策略的制造商的数量随Fs的减小而增大。这是因为当FmFs0，即平台对供应商失信的监管惩罚力度大于供应商失信的额外收益时，供应商一定会守信，由表1知，此时制造商采用策略SM2的收益更高，则制造商会采用SM2策略，采用SM1策略的制造商数量减少，群体比例趋于0；当Fs

其次分析平台对供应商的监管惩罚力度较小时，制造商和供应商策略选择的演化路径。对比表2中的情形2和情形4，有命题2成立。

命题2当Fs

命题2说明，当平台对供应商的监管惩罚力度Fs小于其失信获得的额外收益时，采用诚信行为策略SM1的制造商和选择守信策略SS1的供应商的群体比例均随平台对制造商监管惩罚力度Fm的增加而增加。这是因为当FsFm0，采用诚信行为策略的制造商比例增加，且最终稳定于选择诚信行为策略。由表1可知，对供应商而言，此时采用守信策略的收益远大于选择失信策略的收益，因此供应商趋于采用守信行为策略，守信供应商比例增加。由此可见，即使平台对供应商失信的监管惩罚力度较小，只要平台对制造商的监管惩罚力度较大，制造商和供应商诚信交易的积极性就会较高。因此，平台可以通过仅对制造商采取严格的监管惩罚措施的方法，达到激励制造商和供应商诚信交易、提高平台用户整体守信率的目的。

3.2.2 平台监管惩罚力度较大的情形

由式(5)可知，平台加大监管惩罚力度会促使制造商和供应商趋向诚信交易，因此本节将讨论平台监管惩罚力度较大的情形。首先分析平台对制造商监管惩罚力度较大时，双方策略演化的稳定性。对比表2中的情形3和情形4，有命题3成立。

命题3当Fm>Fm0，Fs∈[0,+∞)时，制造商的ESS为x=1，供应商的ESS为y=1。

命题3说明，当平台对制造商的监管惩罚力度大于其采用机会行为的额外收益时，不论平台对供应商的监管惩罚力度如何，系统最终演化稳定于(诚信行为，守信)策略。因为当平台对制造商失信的监管惩罚力度较大时，对制造商而言，其投机获得的额外收益不足以补足平台对其失信的惩罚，所以制造商趋于采取诚信行为策略SM1，且这种策略选择是稳定的。对供应商而言，当所有制造商均稳定于采用策略SM1时，由表1知，供应商守信的收益大于其失信的收益，所以供应商最终也稳定于选择守信策略SS1，最终整个博弈系统趋于向均衡点(诚信行为，守信)演化。由此可见，第三方平台在运营过程中，可以通过对制造商收取较高的罚金达到约束双方行为、促使供需双方诚信交易的目的。

其次分析平台对供应商的监管惩罚力度较大对双方策略选择稳定性的影响，对比表2中的情形1和情形3，有命题4成立。

命题4当Fs>Fs0时，供应商的ESS为y=1；制造商ESS的选择仅取决于平台对制造商的监管惩罚力度Fm，而不受供应商策略选择和平台对供应商监管惩罚力度Fs的影响。

命题4说明，当平台对供应商的监管惩罚力度大于其失信获得的额外收益时，即使供应商守信，制造商也可能不守信。因为当Fs>Fs0，等价于αFs>[(1-α)(1-λ)ch-α(w-c)-αλcs](dh-dl)，即供应商采用失信策略被平台发现后受到的惩罚大于其失信带来的利润增量时，失信策略为供应商的次优策略，供应商选择守信，且这种策略是稳定的。对制造商而言，若供应商选择守信，由表1可知，此时制造商的策略选择取决于平台对制造商的监管惩罚力度Fm：当Fm>Fm0时，制造商选择采用策略SM1的收益大于采用策略SM2的收益，制造商趋于采用策略SM1，整个博弈系统趋于向策略组合(诚信行为，守信)演化；反之，当Fm

4 仿真分析

前文以演化博弈的思想对平台不同监管策略下制造商和供应商在第三方平台上交易行为的演化路径和演化稳定状态进行了理论研究，为更加直观地展示不同约束条件及平台监管惩罚力度对制造商和供应商组成的博弈系统动态演化路径与演化均衡状态的影响，下面用MATLAB R2018a对制造商和供应商策略的演化过程进行数值仿真，并分析各相关变量对系统演化路径的影响。

4.1 演化策略仿真分析

根据前文的基本假设，结合不同约束条件下参数间的相互关系，对系统参数赋值，取w=5，c=2，cs=6，ch=1.5，dh=30，dl=10，α=0.1，λ=0.5。为检验平台不同监管惩罚力度下的系统演化均衡状态，对应表2中的4种情形，分别取Fm=10、Fs=20，Fm=10、Fs=5，Fm=20、Fs=20，Fm=20，Fs=5，制造商群体中采用诚信行为策略的群体比例和供应商群体中守信供应商群体的初始比例均为0.1，0.3，0.5，0.6，0.7，0.9，仿真时间为[0,20]，得仿真结果如图5所示。

图5a～图5d分别表示平台不同监管惩罚力度下的系统演化路径，其中x，y轴分别表示采取策略SM1的制造商和采取策略SS1的供应商的群体比例。由图5a可知，当平台对供应商的监管惩罚力度较大，对制造商监管惩罚力度较小时，给定制造商和供应商不同初始值状态下，系统最终稳定于(机会主义，守信)策略，且该策略群体的初始比例越大，系统演化至稳定状态的速度越快。图5b表示，当平台对制造商和供应商的监管惩罚力度均较小时，平台监管措施失效，系统无演化稳定均衡点，且最终的演化状态具有较大的随机性。对比图5c和图5d可见，当平台对制造商的监管惩罚力度较大时，无论平台对供应商的监管惩罚力度大或小，最终系统都演化稳定于(诚信，守信)策略，且系统达到均衡状态的速度随双方采取正向策略群体的初始比例的增加而增加。

综上所述，以上4种仿真结果较好地验证了前文对4种平台不同监管惩罚力度情形下，系统演化路径及ESS的分析。图5a、图5c和图5d的演化结果还表明，在基本假设和相关约束条件下，采取诚信行为策略的制造商和采取守信策略的供应商群体的初始比例对系统最终演化均衡结果无影响，但采用该策略群体的初始比例值越大，系统达到均衡状态的速度越快。

4.2 参数变化对多价值链成员交易行为演化路径 的影响

结合定理2和表2中的4种情形分析可知，情形4中平台对制造商严格监管，对供应商宽松监管，双方均趋于诚信交易的均衡结果为最理想的均衡状态。下面结合前文分析，在满足基本假设以及情形4的约束条件下，探究平台监管惩罚力度、损失赔偿比例、市场需求变动、缺货成本、库存成本等参数变化对博弈主体策略和系统均衡状态的影响。由上节仿真分析知，博弈主体的初始群体比例取值对系统演化均衡结果无影响。不失一般性，下面令采用诚信行为策略的制造商群体和采取守信行为策略的供应商群体的初始比例分别为x=0.3，y=0.3。

4.2.1 平台监管惩罚力度

平台的监管惩罚力度指平台发现制造商或供应商失信时，对制造商和供应商失信的惩罚强度。为分析平台不同监管惩罚力度对制造商和供应商策略的影响，在满足基本假设以及情形4的约束条件下，保持其他参数不变，改变Fm和Fs取值对系统演化过程进行仿真，结果如图6所示。

图6a和图6b所示分别为在平台对制造商惩罚力度较大、对供应商惩罚力度较小的情形下，改变平台对制造商和供应商监管惩罚力度时的系统演化路径图。观察图6a可知，当平台对制造商的监管惩罚力度较大时，制造商和供应商都趋向守信演化，且随平台监管惩罚力度的加大，制造商趋向诚信行为策略的演化速率加快，但其策略演化速率提升的效果逐渐减弱。这说明平台对制造商监管惩罚力度的增加对制造商采用诚信行为和供应商采用守信策略有激励作用，但随着监管惩罚力度的加大，作用效果逐渐减弱。

由图6b可知，提高平台对供应商的监管惩罚力度，对制造商和供应商的策略演化影响较小，但供应商趋于守信策略的速度加快，而制造商趋于诚信行为策略的速度却减慢。这是因为情形4下，平台对制造商的监管惩罚力度较大，制造商一定会采用诚信策略；对供应商而言，虽然平台对其监管惩罚力度较小，但是受制造商群体趋于诚信的影响，供应商最终也会趋于守信，且随平台监管惩罚力度的增加，其趋向守信的速度加快，守信供应商群体比例增加。反过来，守信供应商群体比例增加，随着制造商匹配到按dh供货的供应商概率越大，低需求下制造商选择守信的成本越高，同时失信动机也会越高，但因为平台对其监管惩罚力度较大，所以制造商仍趋于采用诚信行为策略，但其趋向均衡状态诚信行为策略的速度减慢，从而呈现出如图6b所示的制造商演化路径。综上，平台对制造商监管惩罚力度的增加对制造商和供应商双方的策略演化均具有激励作用，而提高平台对供应商的监管惩罚力度仅对供应商的策略演化有促进作用，对制造商的策略演化有抑制作用。

4.2.2 损失赔偿比例

损失赔偿比例指平台交易规则规定的一方失信使另一方利益受损时，失信方赔偿守信方损失的比例。为探究损失赔偿比例对制造商和供应商策略演化的影响，在满足基本假设以及情形4的约束条件下，保持其他参数不变，改变λ取值对系统策略演化进行仿真，结果如图7所示。

图7表示改变损失赔偿比例对制造商和供应商策略演化路径的影响。由图7知，提高损失赔偿比例λ，制造商趋向诚信行为的速度和供应商趋向守信行为的速度均加快，且对比供应商，其对制造商的作用效果更显著。这是因为提高损失赔偿比例，制造商和供应商失信的期望收益均减小，但情形4下，受x较高和α较小的影响，由式(5)可知，制造商对λ的影响更敏感。因此，提高损失赔偿比例对制造商和供应商的策略演化均有促进作用，平台可以通过适当提高损失赔偿比例，规范交易主体行为。

4.2.3 市场需求

市场需求变化会影响交易主体的行为决策。为探究市场需求对制造商和供应商策略演化的影响，基于前文分析，本文采用市场高需求出现概率α表示市场需求的变化。在满足基本假设以及情形4的约束条件下，保持其他参数不变，改变α取值对系统策略演化进行仿真，结果如图8所示。

观察图8可知，当市场高需求出现概率α增加时，供应商趋于守信的速度加快，制造商趋于诚信行为策略的速度减慢。这是因为随着α的增加，供应商失信赔偿给制造商的损失更多，受到平台的惩罚更大，而且供应商选择守信的损失减小，所以供应商趋向守信的速度加快；对制造商而言，随着α的增加，制造商采用机会行为策略赔偿供应商的损失和受到平台的惩罚之和减小，制造商采取诚信行为和机会主义行为策略的期望收益差值减小，制造商会趋向采取诚信行为策略。说明α的增加对供应商的策略演化有正向作用，对制造商的策略演化却有负向作用。

4.2.4 库存损失

库存损失指当制造商或供应商失信，导致另一方库存积压时产生的损失。为探究库存损失对制造商和供应商策略演化路径的影响，基于前文分析，本文采用零部件单位库存成本ch表示库存成本的变动。在满足基本假设以及情形4的约束条件下，保持其他参数不变，改变ch取值对系统策略演化进行仿真，结果如图9所示。

图9表示库存损失变动对制造商和供应商策略选择演化路径的影响。观察图9可知，随着单位库存成本的增加，制造商趋向诚信行为策略和供应商趋向守信行为策略的速度均减慢，且制造商对库存变动更为敏感。因为随着库存成本的增加，制造商采用诚信行为策略付出的库存成本增量大于制造商采用机会主义策略的损失增量，而平台监管惩罚力度较大，所以制造商仍趋于诚信行为策略，但演化速度减慢；对供应商而言，随着单位库存成本的增加，供应商的守信成本相应增加，但因制造商守信概率较高，促使其守信，所以供应商仍会守信，但是其趋向均衡状态的速度减慢。这说明库存成本对制造商和供应商的策略演化均具有抑制作用。

4.2.5 缺货损失

缺货损失是指当供应商失信，制造商守信时，供应商供应不足导致制造商缺货产生的损失。为探究缺货损失对系统参与主体策略演化路径的影响，基于前文的分析，本文采用零部件单位缺货成本cs表示缺货损失的变动。在满足基本假设以及情形4的约束条件下，保持其他参数不变，改变cs取值对系统策略演化进行仿真，结果如图10所示。

图10表示缺货损失对系统演化路径的影响。观察图10可知，情形4下，改变cs对系统均衡状态无影响，且缺货损失增加，对制造商的演化路径几乎无影响，而供应商趋向守信的速率逐渐增加。当制造商单位缺货成本增加时，市场需求dh下的制造商缺货损失增加，制造商采用诚信行为和机会主义行为策略的期望收益差值不变，因此改变cs，制造商的策略演化路径几乎不变；但对供应商而言，单位缺货成本cs增加时，供应商失信将导致制造商的缺货损失增加，供应商的赔偿费用增加，因此供应商趋于守信，演化速度加快。

5 结束语

本文以制造商和供应商等多价值链成员为研究对象，针对第三方平台上的多价值链成员在不确定市场需求下的交易失信问题，基于平台监管，构建了以制造商和供应商为博弈主体的演化博弈模型，分析了双方行为策略的演化路径和演化均衡状态，并利用数值仿真分析了不同因素变化对交易双方策略演化路径的影响，得出以下结论：

(1)制造商和供应商的策略选择相互影响，相互作用。守信供应商群体比例随着采用诚信行为策略制造商群体比例的增加而增加，而采用诚信行为策略制造商的群体比例却随着供应商守信程度的增加而减小。

(2)平台不同监管惩罚力度下，系统存在(诚信，守信)、(机会主义，守信)两种均衡状态。平台的监管惩罚力度对制造商和供应商行为策略的演化有重要影响。制造商ESS的选择只取决于平台对制造商的监管惩罚力度，而供应商ESS的选择不仅与平台对供应商的监管惩罚力度有关，还与平台对制造商的监管惩罚力度有关。

(3)平台加大对制造商和供应商的监管惩罚力度，能逐步提高制造商采用诚信行为策略和供应商采用守信策略的群体比例。另外，第三方平台在运营过程中，对供应商收取较高罚金只可以约束供应商的行为，但对制造商收取较高罚金可以达到约束双方行为的目的。考虑到制造商更加接近市场，拥有更多的需求信息且其需求信息更新的速度更快，相比供应商，不论从意向合作订单的签订还是违约率来讲，制造商均掌握了更多的话语权和主动性，故本文相比供应商而言，制造商更为强势。因此，第三方平台在现实运营过程中，可以将管理重心放到需求方的管理上，加强对强势主体(制造商)行为的规制，在节约成本投入的同时达成规制双方行为的目的。

本文运用演化博弈理论对制造商和供应商等多价值链成员在第三方平台上的交易行为策略演化展开研究，为平台的运营发展提供了参考。与已有研究如文献[19-20]对比，本文具有以下优点：首先本文在建模时考虑了平台对制造商和零部件供应商双边用户均进行监管的情形，对比已有研究仅对产品提供方的行为进行监管的情形更加符合现实；其次，针对零部件交易中的需求预测不准确、产品库存等问题，建模时考虑了库存成本和需求不确定等因素对博弈主体行为的影响；进一步地，在现有研究第三方平台如何监管的基础上，探讨了平台对谁监管的问题。研究发现，平台仅需通过严格监管零部件制造商，就能达到约束双方行为的目的，而且符合实际中，监管方仅需加强对强势主体(制造商)的监管，约束强势主体行为，就可引导弱势主体(零部件供应商)行为趋于规范的情形，不但有利于平台积蓄力量专注于管理强势主体行为，节约监管成本，而且达到约束双方行为的目的，为第三方平台提供科学、合理的监管措施提供了参考。

本文还存在以下不足，如文中只分析了制造商和供应商交易的两方博弈，且每方博弈主体仅有两种策略选择的情形，忽略了平台作为一个经济主体，追求自身利润最大化的策略决策，以及政府在第三方平台发展中的作用。未来研究可以考虑多方博弈的策略选择，以及政府政策、市场管理措施对第三方平台上的多价值链成员和平台运营管理影响的问题。