网上交易者和管理者模型探索

导语：网上交易者和管理者模型探索一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

论文关键词：电子商务信用风险网上交易者管理者欺诈行为监管

论文内容摘要：管理者的信用监管目标不是要杜绝网上交易者的欺诈行为，而是要对网上交易者的欺诈行为控制在一定范围之内和提高信用监管的时效性。电子商务信用风险的形成不仅是买卖双方之间和卖方之间博弈的结果，也是网上交易者和管理者相互博弈的结果。网上交易者是否守信，取决于对违约成本和由此而带来的可能收益的权衡；管理者是否对网上交易者监管或者决定监管力度的大小时，也会对监管的成本与收益进行权衡。根据动态博弈模型可以得到：网上交易者的违规程度与惩罚力度、网上交易者的折现因子与管理者的信用监管概率成反比；而管理者的信用监管力度与惩罚力度、网上交易者的折现因子的平方与管理者的信用监管成反比。

从虚拟市场中管理者和网上交易者的关系看，电子商务信用风险问题实质上是管理者对网上交易者信用监管的有效性问题。有关学者的研究报告指出（Selis，RamasastryandWright，2001）：有40%的在线买家参与在线拍卖时遇到了网上欺诈和信用缺失问题，主要是因为欺诈能带来巨额收益；也有学者认为（BrynjolfssonandSmith，2000）：因媒介（互联网）所造成的时空分离将提高网上交易者的行骗和受骗机率。虚拟市场欺诈行为盛行，使电子商务信用风险居高不下，除如前述学者分析的原因外，还在于管理者对网上交易者缺乏有效的信用监管。所以可以认为，电子商务信用风险的形成不仅是买卖双方之间和卖方之间博弈的结果，也是网上交易者和管理者相互博弈的结果。

根据预期效用理论和理性经济人假设，理性的经济人主动守信的条件是失信时的预期效用小于守信时的期望效用。电子商务活动中网上交易者是否守信并据此决定自己的行为，会对违约成本和由此而带来的可能收益进行权衡；管理者全权代表政府管理虚拟市场，是否对网上交易者监管或者决定监管力度大小时，也会对监管的成本与收益进行权衡。网上交易者违约成本不仅与违约所受处罚力度相关，而且与政府的监管力度相关，而政府的监管力度又与违约程度以及由此带来的损失相关。这两种主体的行为结果便形成了不同的电子商务信用风险。

有关博弈情境的假设

博弈情境是指参与人在进行博弈时所面临的对手、信息和市场等有可能影响博弈结果的参数集合。现实的经济环境是复杂的，为了便于分析，对电子商务中管理者和网上交易者之间的博弈情境作如下假设：

假设一：管理者和网上交易者的博弈是一个两阶段的动态博弈。二者行动的时间顺序如下：首先，政府决定监管力度；然后，网上交易者决定违规程度。

假设二：政府的监管概率（即监管力度，也称捕获概率）为P（0≤p≤1）；网上交易者违约或失信而取得的违约收入为Q（Q≥0），同时给社会带来的损失为αQ（α≥1）。

假设三：如果网上交易者的违约行为被发现，政府对他的惩罚与他违约程度的平方成正比，即βQ2（β>0），β为惩罚因子，表示对网上交易者违约程度的惩罚度；而其中的μβQ2（0<μ≤1）成为管理者的净收入，μ为转移因子，表示惩罚中转移为政府净收入的比例；政府的监管成本为C（C>0）。

假设四：设网上交易者的折现因子为δ（0≤δ≤1），折现因子是交易的时间偏好和时间长度的函数，网上交易者越看中当前的利益，δ就越小；时间越长，δ也就越小；政府的折现因子为1。

假设五：假设上述信息除网上交易者违约程度和政府的监管力度以外，其余的均为共同知识。

假设六：网上交易者所有违约行为，只要政府进行监管就能查得出来。由于受到监管成本和其他不确定因素的制约，现实中无法做到这一点但可以通过无限加大监管成本C而等效地实现。

网上交易者和管理博弈的基本模型

当网上交易者违约时，设网上交易者和政府的期望收益分别为E（It）和E（Ia），根据前述分析和上述假设2、3和4，则有：

（1）

（2）

易得网上交易者最优违约值为

（3）

（3）式表明，最优的违约程度与惩罚力度、网上交易者的贴现因子以及管理者的监管概率成反比，即管理者监管的力度越大，网上交易者的违约程度越低；管理者对违约网上交易者的惩罚越大，网上交易者的违约程度也越低；而更看中当前利益的网上交易者，其违约程度则越高。

将（3）式代入（2）式可以得到

（4）

（4）式表明，在给定对网上交易者违约程度的理性预期情况下，所需要的监管力度与惩罚力度、网上交易者贴现因子的平方以及管理者的监管成本成反比。即惩罚力度和政府的监管成本越大，所需要的监管力度就越小，而对于更看中当前利益的网上交易者，政府对他们所进行的监管也应该越大。

网上交易者和管理者博弈模型分析

在网上交易者和管理者博弈的基本模型中，网上交易者的折现因子是一个不确定性变量，因此，下面对模型在不同折现因子的条件下进行求解。

（一）2αδ-μ<0时的模型解

如果2αδ-μ<0（即），根据模型中的（7）式，则P*2<0，但事实中无法取得满足条件的P值。由于在2αδ-μ<0的条件下，E（Ia）是关于P的减函数。由于0≤p≤1，故最优的管理者监管力度P*=0，此时，最优的网上交易者违约程度Q*→∞。据此，以得到模型的最优解：当时，（5）

（5）式也是2αδ-μ<0时模型纳什均衡解。根据（5）式，在的情况下，即使惩罚因子β→∞，管理者最优的监管概率仍然为0，而此时这些网上交易者就会肆意违约，大肆行骗，从而使违约程度Q→∞。也就是说，对于更看中当前利益至程度的网上交易者，最优的事后信用监管无法在控制他们的欺诈行为。而要控制他们的欺诈行为，唯一的对策就是改变δ值，使他们的，从而使的网上交易者不再存在。而δ值取决于网上交易者的时间偏好和时间长度。一般而言，网上交易者的时间偏好是一种个人特质，而个人特质是一个慢变量，管理者无法改变网上交易者的类型。因此，改变δ值的唯一途径在于改变时间长度，即网上交易者获得违约收入与接受惩罚的时间间隔。由于时间间隔越长，δ值越小，相反则越大。因此，对网上交易者进行更加及时的事后信用监督，甚至变事后信用监管为事前信用监管，是降低这类更看中当前利益至程度的网上交易者违约行为的有效途径。当然，事前信用监管的实行相当困难，因为网上交易者的欺诈行为还没有发生，即使进行了监管，也无法对他的收益产生影响。因此，提高信用监管的时效性，实行实时信用监管，是控制的网上交易者欺诈行为的唯一措施。

（二）2αδ-μ≥0时的模型解

如果2αδ-μ≥0（即），根据模型中的（4）式，可以分两种情况来讨论：

1.>1时。如果>1（即β<），则P*2=>1，而现实中无法取到满足条件的P值。在此条件下，E（Ia）是关于P的增函数。由于0≤p≤1，故最优的信用监管力度P*=1，此时，最优的网上交易者违约程度。据此可以得到模型的纳什均衡和最优解：

（6）

2.≤1时。如果≤1（即β≥），故最优的信用监管力度，此时，最优的网上交易者违约程度。据此，可以得到模型的纳什均衡和最优解：

（7）

根据（6）和（7）式，显然，这种情况下，即使管理者实行了最优的事后信用监管，网上交易者的最优违约程度总是大于零。可见，这种情况下，也不存在杜绝网上交易者违约行为的信用监管；管理者的最优事后监管并不是杜绝网上交易者的信用欺诈行为，而是将其控制在一定的范围内，在β<和β≥的两种情况下，可以分别对的网上交易者的欺诈行为控制在不超过和的范围之内。

根据（5）、（6）和（7）式，最优信用监管P*的选择有赖于管理者对违约网上交易者的惩罚系数β、网β上交易者的折现因子为δ，而能够影响最优信用监管P*的选择，也仅仅是在的条件下；在的情况下，无论β如何变化，它都不会影响最优信用监管P的选择。

博弈模型及其实际管理意义

根据两阶段动态博弈模型，可以得到：网上交易者的违规程度与惩罚力度、网上交易者的折现因子以及管理者的信用监管概率成反比；而管理者的信用监管力度与惩罚力度、网上交易者的折现因子的平方以及管理者的信用监管成反比。管理者的最优事后信用监管的合适目标并不是要杜绝网上交易者的欺诈行为，而是将的网上交易者的欺诈行为控制在一定范围之内；最优的信用监管对于控制的网上交易者的欺诈行为来说无能为力，控制这类欺诈行为的唯一措施在于提高信用监管的时效性。这对实际中虚拟市场信用管理具有重要的启示意义。

首先，折现因子δ是一个具有强烈个人色彩的变量，管理者信用监管或网上交易者行为的管理，必须明确网上交易者的个体类型，并据此确定相应的信用监管类型。同时，这也要求对网上交易者进行有关个人情况评估时，也要评估其折现因子的大小，以利于网上信用管理。

其次，对的网上交易者，由于虚拟市场的虚拟性和信息的不对称性，使得对网上交易者违约行为程度的发现、调查、定性、处理等过程需要更长的时间。因此，管理需要在管理技术、管理手段、管理模式和管理方法上进行创新，提高网上管理效率，缩短管理者实施惩罚的时间间隔。

参考文献：

1.范如国，韩民春.博弈论[M].武汉大学出版社，2006

2.张照贵.经济博弈与应用[M].西南财经大学出版社，2006

3.蒋国庆，蒋芳.成长中的电子商务及其应用[M].中国经济出版社，2001