政府監管與降低B2C平臺信用風險
——基于B2C平臺信用風險演化博弈的推演證據

魏明俠　黃　林　肖開紅

(河南工業大學管理學院　河南鄭州　450001)

?

政府監管與降低B2C平臺信用風險
——基于B2C平臺信用風險演化博弈的推演證據

魏明俠黃林肖開紅

(河南工業大學管理學院河南鄭州450001)

為獲得短期利益，B2C平臺可能對失信商家放松監管或不監管，從而出現較高的B2C平臺信用風險。文章借鑒演化博弈理論的基本分析框架，建立商家和政府監管機構兩方群體的演化博弈模型，分析商家失信行為和政府監管行為的動態演化過程。結果表明：失信商家的數量和采取監管行為模式的政府監管者數量都不會向某一固定的趨勢演化，而是會圍繞中心點處于不斷的動態變化過程中；政府監管強度和懲罰力度的提高及監管成本的優化能夠從整體上降低B2C平臺信用風險水平。本研究的啟示是，政府監管是防范B2C市場“共謀”、促進其健康發展的重要力量，不應弱化政府監管作用。

B2C平臺；信用風險；政府監管；演化博弈

隨著互聯網應用的普及，網絡逐漸成為普通個體生活構成的一部分，其中網絡購物是與人們生活結合最為緊密和普遍的現象，網絡購物已經常態化。在我國網購市場中，B2C模式占據很大市場份額，根據易觀智庫發布的《中國網上零售市場企業年度盤點專題研究報告2015》顯示，中國網上零售B2C交易規模在2014年達到13701.1億元[1]。B2C零售市場規模的不斷擴大得益于我國居民基于B2C平臺消費的認可，但同時，接連曝光的B2C平臺“售假”與“詐騙”事件卻沖擊著B2C平臺用戶的信任水平，B2C平臺信用風險問題凸顯[2]。

網上信用風險是指某一時刻或時段，網上失信交易者占全部交易者的比例；這一比例變化過程反映了在線交易者群體信用行為的調整過程，實質也是網上信用風險的形成和演化過程[2]。電子商務發展過程中，網上信用風險問題一直未得到根本上的解決，成為阻礙電子商務良性發展的關鍵制約因素，預防和解決這一難題的關鍵在于是否能夠認清網上信用風險的形成和演化機理[4]。從現有研究來看，博弈論是切入網上信用風險形成的一個良好視角。首先，部分學者從經典博弈的視角對網上信用風險的形成機理做了一些有益探討。Ba等(2003)[5]、Hu等(2004)[6]提出在線信用風險是在線交易雙方博弈的結果，以交易雙方為博弈主體，他們建立了在線信任靜態博弈模型，結果發現，引入信任第三方能夠有效規避在線欺詐的發生。魏明俠(2005)[7]基于虛擬市場中的買賣雙方分別建立了電子商務交易的靜態和動態博弈模型用于分析交易者的信用模式選擇；靜態博弈結果表明，交易一方的信用模式選擇決定了另一方的信用模式選擇，動態博弈結果表明，賣方選擇何種信用模式的臨界點是賣方誠實信用模式的短期收入與社會平均投資利潤率的比值。魏明俠(2007)[8]將網上信用風險的經典博弈模型進行了歸納，提出除交易雙方可以作為博弈主體外，交易者和監管者、交易者和第三方平臺等也可作為博弈雙方進而形成網上信用風險。魏明俠(2004)[9]和Lee(2007)[10]則重點分析了信息不對稱導致的網上失信現象。再者，部分學者基于演化博弈理論研究網上信用風險形成問題。李蘇文和吳清烈(2007)[11]構建買賣兩方群體的演化博弈復制動態方程，并分情況進行了討論，發現失信收益和第三方監管是影響演化穩定策略的兩個重要因素；馬國順和宋偉偉(2010)[12]進一步對買賣雙方的博弈情景進行優化并建立演化博弈模型，并分情況探討了交易平臺監管對演化穩定策略的影響；魏明俠等(2015)[13]構建了一個網上信用風險演化的探索性理論分析框架，構建不同群體之間的演化博弈模型并進行實證檢驗是其重要內容。

可見，博弈理論是研究網上信用風險形成和演化的一個很好的視角，但之前的研究還存在以下不足。首先，之前的研究背景大都著眼于整個電子商務市場的信用風險，因此研究結論很難為某一局域性網上市場(比如B2C市場)提供理論指導。其次，之前的研究中，幾乎所有博弈模型都以交易者作為博弈主體，將監管者僅僅作為情景變量來考慮，即使是馬國順和宋偉偉(2010)[12]的研究仍是建立交易者博弈模型后探討交易平臺監管行為對演化穩定策略的影響，因此不能反映監管者在網上信用風險形成和演化過程中的全部作用。最后，政府監管在之前的研究中被忽略了，也就是說，作為實際上的網絡監管主體，政府在網上信用風險形成和演化過程中的作用到目前為止還未被討論過。針對現有文獻研究的不足與B2C平臺信用風險形成與演化的現實情景，我們探討B2C平臺與失信商家存在“共謀”情況下，商家(失信或守信)和政府監管者(監管或不監管)兩群體行為演化規律及其最終導致的B2C平臺的信用風險水平。

一、B2C平臺信用風險演化博弈模型構建

(一)演化博弈理論

作為經濟行為和社會行為常用的分析方法，博弈論已經得到廣泛應用。在博弈論的基礎上，學者運用博弈論的分析框架研究生物的演化過程，包括將傳統博弈論中的支付函數轉化為生物適應度函數、引入突變機制將納什均衡精煉為演化穩定均衡以及引入選擇機制構建復制動態模型，標志著博弈理論的初步形成[13]。至今為止，利用復制動態模型進而獲得演化均衡的方法仍然是學者們最為常用的演化博弈分析思路。復制動態模型放松了經典博弈理論的嚴格假設，并不要求博弈雙方的完全理性和知識完備性，體現了演化博弈的選擇和變異機制。但演化博弈的最終目的和經典博弈是相似的，即獲得最終的演化穩定策略(納什均衡的精煉)，也是演化博弈理論能夠指導現實經濟和社會行為的關鍵。不過，基于復制動態模型求解演化穩定策略的過程仍然需要建立在經典博弈理論的基礎之上，經典博弈理論提供了最初的博弈結構和規則[13]。

(二)情景假設

B2C模式在我國網上零售市場占據較大份額，但“假貨泛濫”等各種亂象在B2C模式中層出不窮，通過網絡搜索，近年來涉及B2C平臺的負面新聞令人吃驚，其中不乏“集體售假”、“商家信譽造假”、“平臺監管不力”等政府明令禁止的事件。有研究人員指出，B2C平臺和賣家之間的關系較為復雜，一方面B2C平臺需要大量商家入駐從而可能放松監管，另一方面，大量不良商家的入駐可能對B2C平臺的長期發展產生不利影響；當B2C平臺監管成本高且監管收益低、賣家失信收益高時，(賣家欺詐經營，不監管)成為B2C平臺和賣家博弈的納什均衡解[14]。另有學者研究發現，如果失信商家的失信行為被發現后能輕易從一個平臺轉向另一個平臺，那么平臺本身的監督作用將失去效力；也就是說，B2C平臺之間的競爭使得整個電子商務信用合作機制未達成聯動，導致B2C平臺的監管收益很小或為負收益[11]。本研究中，假設B2C平臺上的商家可選擇失信和守信兩種行為模式，商家選擇失信行為模式時需要和B2C平臺合作，并與B2C平臺分享失信所獲得的利潤，形成“共謀”；這也就意味著只要商家選擇失信行為，同時就會選擇與B2C平臺進行“共謀”。同時，政府監管者可選擇監管和不監管兩種行為模式。

假設市場中銷售的商品僅有A一種商品，其市場價值為V，若不存在失信商家，按照市場規律，交易者之間進行等價交易。假設失信商家單次失信行為共可獲利Φ(Φ≤V)，商家獲利dΦ，則B2C平臺分得利潤(1-d)Φ，d是一個大于0小于1的常數，反映了B2C平臺從“合謀”過程中的得利能力。此時若政府不進行監管，社會福利凈損失為Φ。若政府實施監管，并能以ρ(可以代表發現能力)的概率發現失信商家的失信行為，并對發現的失信商家處以kV的罰款，對B2C平臺處以lV的罰款，但政府監管存在監管成本C。依據以上假設，按照經典博弈理論的博弈規則，可得到三方的支付矩陣(見表1)。

表1　博弈雙方單次博弈的支付矩陣

(三)B2C平臺信用風險演化的復制動態模型

依據復制動態原理，需要得到不同行為模式群體的收益函數，進而得到群體的適應度函數，用于描述博弈群體的動態演化過程，稱為復制動態方程；復制動態模型由博弈雙方的復制動態方程構成的方程組表示。假設政府監管者群體中選擇監管行為模式的個體數量占監管者群體總數的比例為x，則選擇不監管行為模式的個體數量占比為1-x。同樣，假設商家群體中選擇失信行為模式的個體數量占商家群體總數的比例為y，則選擇守信行為模式的個體數量占比為1-y。

B2C信用風險演化的復制動態模型由公式1和公式2構成，是由兩個非線性微分方程構成的方程組。

二、演化博弈模型推演

復制動態模型刻畫了系統的動態演化機理，但演化博弈分析的最終目的是獲知系統最終的演化方向及過程，即演化穩定策略及系統的相圖。因為上述復制動態模型由常微分方程組表示，可以通過求解常微分方程(或方程組)并對穩定性進行判斷進而得到穩定演化策略[14]。

(一)單群體演化穩定策略

圖1　政府監管者群體的演化路徑相圖

圖2　商家群體的演化路徑相圖

(二)系統演化穩定策略

對于單群體演化穩定策略的分析表明，博弈雙方都會根據對方群體的構成情況進而確定演化方向，但還未能揭示整個系統最終的演化方向，即整個系統的演化穩定策略。如上所述，整個系統由包含兩個常微分方程的方程組構成，可以通過求解常微分方程組并對數學解的穩定性進行判斷進而得到系統的演化穩定策略。常微分方程組解的穩定性則可由該方程組的雅克比矩陣的特點決定。

圖3　系統演化相圖

表2　均衡解穩定性檢驗

三、結論與啟示

應加大政府監管者對“共謀”的懲罰力度進而降低失信商家群體的收益，從而使得系統更多的停留在失信商家少的演化過程中。從圖3可以發現，在其他參數不變的情況下，提高懲罰力度k和l，可使得中心點更接近原點，從而系統更多時間停留在失信商家少的演化過程中；此時，采取監管策略的監管者數量也會減少。

應優化政府監管者監管能力，包括提高監管者發現失信行為的能力ρ和降低監管者進行監管的成本C，從而使得系統更多的停留在失信商家少的演化過程中。從圖3可以看出，在其他參數不變的情況下提高監管者發現失信行為能力ρ，可使得中心點更接近原點，從而系統更多時間停留在失信商家少且監管者采取監管行為模式少的演化過程中；降低監管者監管成本C，可使得中心點更接近原點，從而系統更多時間停留在失信商家少但監管者采取監管策略多的演化過程中。

[1]易觀智庫.中國網上零售市場企業年度盤點專題研究報告2015[EB/OL].[20150-5-16].http://www.enfodesk.com/SMinisite/maininfo/reportdetail-id-418767.html,2015.

[2]車云霞.互聯網信貸風險的法律防范機制[J].西南金融,2015(3):44-48.

[3]魏明俠,夏雨,肖開紅.在線信用風險的形成：一個基于演化博弈的分析框架[J].經濟管理,2015(1):180-189.

[4]瞿春娟.電子商務中信用風險生成機理及防范策略研究[J].技術經濟與管理研究,2010(5):61-64.

[5]Ba S,A B Whinston,Zhang H. Building trust in online auction markets through an Economic incentive mechanism[J]. Decision Support Systems,2003,35(3):273-286.

[6]Hu X R,Lin Z X,Whiston A B,Zhang H. Hope or Hype: On the Viability of EscrowServices as Trusted Third Parties in Online Auction Environments[J].Information Systems Research,2004,15(3):236-249.

[7]魏明俠.電子商務中信用模式選擇的博弈分析[J].科學技術與工程,2005,5(7):411-414.

[8]魏明俠.電子商務信用機理研究[M].北京:經濟管理出版社,2007:105-110.

[9]魏明俠.網上信用不確定情況下的交易決策模型[J].商業經濟與管理,2004(12):25-29.

[10]Lee B,Ang L,Dubelaar C.Lemons on the Web: A signalling approach to the problem of trust in Internet commerce[J].Journal of Economic Psychology,2007,26(5):607-623.

[11]李蘇文，吳清烈.電子交易過程中信用的演化博弈分析[J].科技情報開發與經濟，2007,17(7):114-115.

[12]馬國順，宋偉偉.基于交易平臺的電子商務演化博弈分析[J].圖書情報工作,2010,54(24):127-131.

[13]黃凱南.演化博弈與演化經濟學[J].經濟研究,2009(2):132-149.

[14]陳洋.B2C電子商務主觀信用風險博弈分析[D].重慶：重慶師范大學碩士論文,2014.

[15]孫慶文,陸柳,嚴廣樂,車宏安.不完全信息條件下演化博弈均衡的穩定性分析[J].系統工程理論與實踐,2003(7):11-16.

[責任編輯譚金蓉]

2016-03-22

國家社科基金項目“網上信用風險的群體演化機制與多維防控策略研究”(14BGL153)；河南省人文社會科學研究項目“基于演化博弈論的網上信用風險擴散機理研究”(2013-ZD-013)。

魏明俠(1969—)，男，院長，教授，博士生導師，博士，主要研究方向為電子商務及其信用管理。

C931；F724

A

2095-1124(2016)03-0046-06