博弈论 101 第 20 讲（英文原声）：Games with Stages

视频封面

视频元信息

讲师：William Spaniel（匹兹堡大学）
主题：Games with Stages（阶段博弈 / 分阶段博弈）
语言：英文（本笔记统一用简体中文整理）

内容摘要（TL;DR）

本讲介绍"阶段博弈"：多个基础博弈按顺序串联，每个阶段同时行动、收益相加，玩家能观察到对手过去的行为。由于博弈树随阶段数指数爆炸，视频给出两条定理：定理一——最后阶段必须构成纳什均衡；定理二——每阶段都打纳什均衡即构成子博弈完美均衡，并预告下一讲将讨论"报复/合作"如何成为均衡。

一、什么是阶段博弈 [00:00]

核心定义

阶段博弈（games with stages）是指把若干个基础博弈（如囚徒困境、猎鹿博弈、性别战、猜硬币）按时间顺序串联起来，玩家依次参与每个阶段，最后把各阶段的收益加总作为整场博弈的总收益。

示例结构：第 1 阶段玩囚徒困境 → 第 2 阶段玩猎鹿博弈 → 第 3 阶段玩性别战。[00:06]
总收益的计算方式：把每个阶段的收益直接相加，没有任何额外加分或扣分项。[00:15]
理解：这种"收益可加"的设定是阶段博弈能被简化分析的关键前提——阶段之间没有外部性溢出，才使得"分阶段独立最大化"在数学上成立。

易错点：收益相加 ≠ 阶段之间相互影响。 视频特别强调，一个阶段的收益不会直接改变另一个阶段的收益结构，只是简单累加。

三种典型变体 [00:35]

视频给出三类常见结构，用以说明这类博弈的普遍性（实际上有无穷多种）：

结构	阶段安排
左列	囚徒困境 → 性别战（共 2 阶段）
中列	连续 5 次猎鹿博弈
右列	猎鹿 → 猎鹿 → 性别战 → 猜硬币（共 4 阶段）

二、阶段博弈的三大共性特征 [01:01]

所有这类博弈都满足以下三条共同性质，这是后续定理成立的土壤。

1. 每个阶段内部是同时行动 [01:05]

无论该阶段是囚徒困境、性别战、猎鹿还是猜硬币，玩家在单个阶段内部是同时出招的，不是轮流行动。

考点：区分"阶段内同时"与"阶段间序贯"。 阶段内部是同时博弈，但阶段与阶段之间是有时间先后的。

2. 各阶段收益互不影响 [01:20]

一个阶段的收益不会直接影响另一个阶段的收益。

例子：猎鹿博弈里我去猎鹿，并不会改变我在性别战阶段的收益。
推导：正是因为收益结构不交叉，才能把总收益写成各阶段收益的简单求和，进而用"逐阶段分析"来拆解整个博弈。

3. 玩家能观察到彼此过去的行动 [01:33]

每轮结束后，玩家能看到对手上一轮做了什么，也知道自己做了什么。

例子：中列连续 5 次猎鹿，每一轮后都能看到对方的选择。
重要推论：因为有"随时间演进 + 观察历史"这两个要素，本讲关注的是子博弈完美均衡（subgame perfect equilibrium）。
这类博弈本质上属于扩展式博弈（extensive form game），所以要用子博弈完美均衡来分析。[02:01]

易错点：为什么不是普通纳什均衡？ 因为博弈是随时间展开、且玩家能观察历史，必须用子博弈完美均衡来排除"不可信的威胁"。这是整个系列的方法论主线。

三、为什么不能画博弈树 [02:08]

指数爆炸问题

理论上，阶段博弈是扩展式博弈，可以画博弈树。但视频指出：这类博弈画起来极其困难，树会指数级膨胀。

以连续玩猎鹿为例：

2 个阶段：第 1 阶段有 4 种结果，每种结果后接一个新猎鹿（又有 4 种结果），共 4 × 4 = 16 种结果。[02:19]
第 3 阶段：要在这 16 个结果之后，每个再挂 4 个新结果，规模继续翻倍。[02:32]
结论：随阶段数增加，博弈树呈指数级增长，几乎不可能手工画出。

思考：这正是阶段博弈需要"定理工具"而非"画树求解"的原因——用结构化的定理替代暴力枚举，是博弈论处理复杂动态博弈的通用思路。

考点：博弈树规模 =（单阶段结果数）^（阶段数）。 记住这个指数关系，就能理解为什么必须借助定理简化分析。

四、定理一：最后阶段必须打纳什均衡 [02:54]

定理内容

定理一：在所有子博弈完美均衡中，玩家在最后阶段（可视为一个子博弈）必须打纳什均衡。 [02:54]

各结构下的具体表现 [03:11]

左列（性别战为末阶段）：末阶段必须是（芭蕾，芭蕾）、（拳击，拳击）或混合策略纳什均衡。
中列（第 5 次猎鹿为末阶段）：末阶段必须是（都猎鹿）、（都猎兔）或猎鹿中的混合策略纳什均衡。
右列（第 4 阶段猜硬币为末阶段）：猜硬币只有唯一纳什均衡，即混合策略均衡，末阶段只能打这个混合策略均衡。

定理一的直觉解释 [03:50]

到达最后阶段时，之前所有阶段的收益已经"锁定"，无法改变。
玩家只能最大化当前阶段的收益。
如果双方都在最后阶段最大化自己的收益，那唯一的方式就是打纳什均衡。
纳什均衡的定义：一组相互最优的策略——给定对方策略，我的策略最大化我的收益；给定我的策略，对方的策略也最大化其收益。
因为最后阶段只影响"此时此地"的收益，所以必然是纳什均衡。[04:11]

理解：定理一本质是逆向归纳（backward induction）的第一步——从最后一个子博弈开始往前推，最后一步必须理性最优。

五、定理二：每阶段都打纳什均衡即子博弈完美均衡 [04:34]

定理内容

定理二：在每个阶段（每个时期）都打纳什均衡，构成一个子博弈完美均衡。 [04:34]

左列示例（囚徒困境 → 性别战）[04:45]

囚徒困境有 1 个纳什均衡（双方都打非合作策略），性别战有 3 个均衡，因此组合出多个子博弈完美均衡：

囚徒困境打非合作 + 性别战都去芭蕾 → 子博弈完美均衡
囚徒困境打非合作 + 性别战都去拳击 → 子博弈完美均衡
囚徒困境打非合作 + 性别战打混合策略均衡 → 子博弈完美均衡

均衡数量的指数增长 [05:30]

中列连续 5 次猎鹿，每阶段有 3 个纳什均衡：

均衡总数 = 3^5（3 的 5 次方），因为每阶段 3 个均衡、共 5 个阶段。
仅凭定理二，就能得到 3^5 个子博弈完美均衡。

考点：均衡数量 =（单阶段均衡数）^（阶段数）。 与博弈树规模的指数关系对应，均衡数量同样指数爆炸。

定理二为何成立 [06:06]

如果每阶段都打纳什均衡，那么过去阶段的策略不影响今天的最优选择。
例如：第 4 次猎鹿的收益不影响第 5 次猎鹿的收益；第 4 次的策略不影响第 5 次的策略；对手第 4 次的策略也不影响我第 5 次的策略。
因此每个阶段只需独立地最大化当前收益，而独立最大化就意味着打纳什均衡。[06:48]

推导：定理二成立的根源是"收益可加 + 阶段间无外部性"。一旦策略能跨阶段产生因果影响（比如报复），这个"逐阶段独立"的逻辑就会被打破，也就出现了更多均衡——这正是下一讲的主题。

六、定理二的局限与下一讲预告 [06:53]

定理二不是全部

定理二并不声称这些是唯一的子博弈完美均衡，而是说"存在这样一类均衡"。 实际上还有更多均衡，尤其是当玩家的策略会回应过去的行为时。[07:04]

定理二均衡的"奇怪"之处 [07:19]

在定理二的均衡里，玩家并没有进行"策略性丰富"的思考：你今天做什么不影响我明天做什么。
这似乎不太符合直觉——现实中，如果你今天对我不友好，我明天可能会报复你。[07:30]

下一讲主题：合作如何成为均衡 [07:44]

当博弈被多次重复、或有多个阶段时，合作可能变得可行，哪怕在单次博弈中不可能。
典型例子：囚徒困境中"相互合作"比"相互不合作"对双方都更好，但单次博弈里双方都会选择背叛（非合作），结果对双方都不利。[08:04]
而在多阶段博弈中，从子博弈完美均衡的意义上说，打一个被严格占优的合作策略反而可能是双方理性的最优选择——因为不这么做会在未来招致严重负面后果。[08:29]
结论：阶段博弈能让"单次博弈中不可能的合作"成为可能，下一讲将详细展开。[08:44]

重点预告：下一讲的核心是"以牙还牙/报复机制"如何让合作在重复博弈中成为子博弈完美均衡。 这是理解重复博弈（repeated games）与无名氏定理（Folk Theorem）的入门关键。

七、基础概念补充（便于理解本讲）

纳什均衡（Nash Equilibrium）：一组策略组合，任何一方单独偏离都不会让自己变得更好。视频反复用它作为"阶段内理性"的基准。
子博弈完美均衡（Subgame Perfect Equilibrium, SPE）：在博弈的每一个子博弈上都构成纳什均衡的策略组合，用逆向归纳求解，能排除"不可信威胁"。
扩展式博弈（Extensive Form Game）：用博弈树表示、包含行动顺序与信息集的博弈形式，适合描述阶段博弈。
逆向归纳（Backward Induction）：从最后阶段往前推，先解末阶段，再解前一阶段，是定理一背后的方法。
严格占优策略（Strictly Dominated Strategy）：无论对方怎么做，都存在另一个策略严格更好；囚徒困境中的"合作"就是被严格占优的策略。