博弈论 101 第 55 讲（英文原声）：Risk Preferences

视频封面

视频元信息

课程：Game Theory 101（匹兹堡大学 William Spaniel 主讲）
本集主题：Risk Preferences（风险偏好）
所属单元：期望效用理论（Expected Utility Theory）——本集为该单元的收尾
下一单元预告：重复博弈（Repeated Games）

内容摘要（TL;DR）

本集通过一个"彩票选择题"引出风险偏好的三种类型：风险中性、风险厌恶、风险偏好。核心结论是：风险偏好可以用幂函数形式的效用函数建模（U = X^A），并可直接代入博弈矩阵或博弈树中的支付。关键提醒：写入矩阵的数字一旦确定就是偏好的最终表达，必须先完成效用转换再建模。

一、开场互动问题：彩票选择 [00:06]

William Spaniel 以一个思想实验开场，要求观众在两种彩票之间做出选择：

彩票 1（有风险的赌博）：有一半概率得到 0 美元，一半概率得到 100 万美元。
彩票 2（退化彩票，degenerate lottery）：以 100% 的确定性得到 x 美元。

核心问题：x 等于多少时，你对这两种彩票完全无差异（indifferent）？

若 x 小于你的无差异点 → 你偏好彩票 1（愿意赌）

若 x 大于你的无差异点 → 你偏好彩票 2（要确定收益）

理解：这是一个"确定性等价"（certainty equivalent）的经典测度方法。通过询问一个人愿意用多少确定金额去交换一个风险赌局，可以反推其风险态度。

边界条件说明：

当 x = 0 时，显然所有人都会选彩票 1（因为彩票 1 至少还有一半机会中百万）。
当 x 不断增大，彩票 2 的吸引力持续上升。
当 x = 100 万时，彩票 2 显然优于彩票 1（确定拿百万 > 一半概率拿百万）。

二、三类风险偏好分类 [01:25]

无论观众回答什么数字，都可以被归入以下三类之一。

1. 风险中性（Risk Neutral）[01:31]

判定标准：x = 500,000 美元。
计算依据：彩票 1 的期望值 = 0.5 × 0 + 0.5 × 1,000,000 = 500,000 美元。
含义：只关心期望值最大化，对风险本身无偏好。
实证结果：在作者做过的调查中，这是人数最多的类别，多数人报告 500,000 这个值。

考点：期望值的计算 E(彩票1) = p × 收益₁ + (1−p) × 收益₂ = 0.5 × 0 + 0.5 × 1,000,000 = 500,000 风险中性者的确定性等价 = 期望值。

2. 风险厌恶（Risk Averse）[02:14]

判定标准：x < 500,000 美元。
含义：每增加一美元带来的效用低于上一美元（边际效用递减）。
直观解释：
- 现在给你 1,000 美元，你的生活质量会明显改善。
- 但如果你已有 1,000 万美元，再给你 1,000 美元，几乎没有任何影响。
- 同样 1,000 美元，前者带来的快乐远大于后者。

理解：这就是经济学中"边际效用递减"（diminishing marginal utility）的直接体现。风险厌恶本质上是对"财富的效用函数是凹函数"这一事实的行为表现。

现实案例：保险（Insurance）[03:01]

保险业完全建立在风险厌恶之上。
无论医疗保险、车险、房屋保险，你在期望上是亏钱的（保险公司要赚取利润和覆盖成本）。
但这不意味着买保险是坏决策：因为存在灾难性后果（车祸、房屋烧毁、患癌等），这些后果的负效用极大，甚至是你无力承担的。
买保险是为了平滑结果（smooth your outcome）：虽然期望上亏钱，但把"灾难级"结果降级为"糟糕但可承受"。

易错点：买保险 ≠ 非理性 从期望值角度看，买保险是负期望值博弈，但风险厌恶者愿意为"消除极端负结果"支付溢价。这正是风险厌恶的理性表达，而非错误决策。

讲者自述 [04:00]：

William Spaniel 自己属于风险厌恶型，本次回答 x = 400,000 美元。
有趣对比：五年前（2011 年）他回答的是 x = 300,000 美元。
原因分析：五年前他是研究生，财务前景不确定；现在他已通过博士答辩、是博士后，且已拿到明年开始的助理教授职位，财务状况更稳定。财务越安全，越愿意承受风险，因此需要更高的 x 才愿意选择确定收益。

思考：这说明风险偏好并非固定不变的人格特质，而会随个人处境（财富水平、收入稳定性）动态变化。这为后续"风险偏好内生于经济状态"的讨论埋下伏笔。

3. 风险偏好 / 风险爱好（Risk Acceptant）[05:12]

判定标准：x > 500,000 美元。
别名：risk-loving、risk-seeking（含义相同）。
含义：每增加一美元带来的效用高于上一美元（边际效用递增）。
实证结果：在作者调查中极少有人报告此类偏好。
类比：风险偏好行为类似强迫性赌徒（compulsive gambler）。
为何少见：在如此高额赌注下，很少有人愿意表现出这种偏好。

三、用效用函数建模风险偏好 [05:53]

核心问题：能否用效用函数表示这些风险偏好？答案：可以，而且非常简单。

常用方法：幂函数（指数形式）。

风险类型	效用函数	参数范围	函数形态
风险中性	U = X	—	直线
风险厌恶	U = X^A	0 < A < 1	凹函数（类似根函数）
风险偏好	U = X^A	A > 1	凸函数（标准指数增长）

风险厌恶的细节说明 [06:16]：

当指数 A 小于 1 时，幂函数表现得像根函数。
- A = 1/2 → 相当于对 X 开平方根
- A = 1/3 → 相当于对 X 开立方根
A 越小，越风险厌恶。
A 越接近 1，越接近风险中性（因为 A = 1 时 U = X，正是风险中性情形）。

考点：参数 A 的方向性

0 < A < 1：越接近 0 越厌恶风险

A = 1：风险中性

A > 1：越大越偏好风险

这是最容易记混的地方，务必牢记 A 与风险态度的对应关系。

图形直观解释 [07:11]

坐标轴：X 轴 = 赢得的金额，Y 轴 = 效用。

红线（风险中性）：线性增长，无弯曲，效用 = 金额。
紫线（风险厌恶）：仍在递增，但增速递减。前期收益带来的快乐增幅大于后期。这就是凹函数。
蓝线（风险偏好）：相反方向。初期效用增长缓慢，但随着金额上升，快乐增长越来越快。
- 对比 0→1 与 0→2 的效用增幅：0→1 增幅尚可，但 0→2 时效用跳升幅度大到图上都看不出来。

理解：这三条曲线的几何差异，本质上就是效用函数的一阶导（边际效用）是常数、递减还是递增。风险中性 = 边际效用恒定；风险厌恶 = 边际效用递减；风险偏好 = 边际效用递增。

四、将风险偏好纳入博弈 [08:47]

核心问题：如何把风险偏好放进博弈中？答案：直接放进去就行，非常简单。

理论依据 [08:56]：期望效用理论的公理体系——完备性（completeness）、传递性（transitivity）、独立性（independence over lotteries）、连续性（continuity）——没有任何一条阻止我们拥有这些风险偏好。

期望效用的根本目标 [09:10]：

不要再把结果当作"结果"来思考，而要开始把它们当作"你对该结果有多快乐"来思考。不要想 1 美元 vs 20 美元 vs 50 美元，而要想你赢了 1 美元或 2 美元或 20 美元或 50 美元或 100 美元时有多快乐。

具体操作方法 [09:31]

假设有一个博弈，矩阵中的数字是玩家赢得的美元金额：

若直接把这些美元写成支付 → 隐含假设所有玩家都是风险中性。
若某玩家实际是风险厌恶：应把其美元值开平方，用开方后的数字填入博弈矩阵（而非原始美元数）。
若某玩家实际是风险偏好：应把其赢得的金额平方，用平方后的数字填入博弈矩阵。

核心原则（本课程反复强调） 矩阵或博弈树中的数字，就是偏好的最终表达（the be all end all of the preference）。 一旦写进矩阵或博弈树，就不应再回头质疑这些数字背后的偏好含义。因此，必须在写入支付之前完成风险偏好的效用转换。

操作流程总结：

确定每个玩家的风险态度（中性 / 厌恶 / 偏好）。
选择合适的效用函数（U = X、U = X^A 等）。
将原始美元支付转换为效用值。
把效用值填入矩阵或博弈树。
之后正常求解博弈，不再纠结原始金额。

思考：这一步转换之所以重要，是因为博弈论求解（如纳什均衡）只关心支付的序数/基数结构。如果错误地用原始美元建模一个风险厌恶者，会得到错误的均衡预测。

五、本集总结与下集预告 [11:16]

本集总结：风险中性、风险厌恶、风险偏好三种偏好都可以轻松纳入博弈模型，但务必在写入矩阵/博弈树之前完成转换。
单元完结：本集标志着"期望效用理论"单元的结束。
下集预告：进入重复博弈（Repeated Games）单元。
- 将探讨重复囚徒困境中的有趣现象：尽管一次性囚徒困境中双方总是背叛，但在重复博弈中，合作可以自发产生。
- 讲者称这是"非常精彩的内容"。

关键概念速查表

概念	英文	定义	效用函数
风险中性	Risk Neutral	只最大化期望值	U = X
风险厌恶	Risk Averse	边际效用递减	U = X^A, 0<A<1
风险偏好	Risk Acceptant	边际效用递增	U = X^A, A>1
退化彩票	Degenerate Lottery	以确定性支付某金额的"彩票"	—
确定性等价	Certainty Equivalent	与风险赌局无差异的确定金额	—
期望效用	Expected Utility	用效用来衡量结果而非结果本身	—