政府监管与降低B2C平台信用风险——基于B2C平台信用风险演化博弈的推演证据

魏明侠　黄　林　肖开红

(河南工业大学管理学院　河南郑州　450001)



政府监管与降低B2C平台信用风险
——基于B2C平台信用风险演化博弈的推演证据

魏明侠黄林肖开红

(河南工业大学管理学院河南郑州450001)

为获得短期利益，B2C平台可能对失信商家放松监管或不监管，从而出现较高的B2C平台信用风险。文章借鉴演化博弈理论的基本分析框架，建立商家和政府监管机构两方群体的演化博弈模型，分析商家失信行为和政府监管行为的动态演化过程。结果表明：失信商家的数量和采取监管行为模式的政府监管者数量都不会向某一固定的趋势演化，而是会围绕中心点处于不断的动态变化过程中；政府监管强度和惩罚力度的提高及监管成本的优化能够从整体上降低B2C平台信用风险水平。本研究的启示是，政府监管是防范B2C市场“共谋”、促进其健康发展的重要力量，不应弱化政府监管作用。

B2C平台；信用风险；政府监管；演化博弈

随着互联网应用的普及，网络逐渐成为普通个体生活构成的一部分，其中网络购物是与人们生活结合最为紧密和普遍的现象，网络购物已经常态化。在我国网购市场中，B2C模式占据很大市场份额，根据易观智库发布的《中国网上零售市场企业年度盘点专题研究报告2015》显示，中国网上零售B2C交易规模在2014年达到13701.1亿元[1]。B2C零售市场规模的不断扩大得益于我国居民基于B2C平台消费的认可，但同时，接连曝光的B2C平台“售假”与“诈骗”事件却冲击着B2C平台用户的信任水平，B2C平台信用风险问题凸显[2]。

网上信用风险是指某一时刻或时段，网上失信交易者占全部交易者的比例；这一比例变化过程反映了在线交易者群体信用行为的调整过程，实质也是网上信用风险的形成和演化过程[2]。电子商务发展过程中，网上信用风险问题一直未得到根本上的解决，成为阻碍电子商务良性发展的关键制约因素，预防和解决这一难题的关键在于是否能够认清网上信用风险的形成和演化机理[4]。从现有研究来看，博弈论是切入网上信用风险形成的一个良好视角。首先，部分学者从经典博弈的视角对网上信用风险的形成机理做了一些有益探讨。Ba等(2003)[5]、Hu等(2004)[6]提出在线信用风险是在线交易双方博弈的结果，以交易双方为博弈主体，他们建立了在线信任静态博弈模型，结果发现，引入信任第三方能够有效规避在线欺诈的发生。魏明侠(2005)[7]基于虚拟市场中的买卖双方分别建立了电子商务交易的静态和动态博弈模型用于分析交易者的信用模式选择；静态博弈结果表明，交易一方的信用模式选择决定了另一方的信用模式选择，动态博弈结果表明，卖方选择何种信用模式的临界点是卖方诚实信用模式的短期收入与社会平均投资利润率的比值。魏明侠(2007)[8]将网上信用风险的经典博弈模型进行了归纳，提出除交易双方可以作为博弈主体外，交易者和监管者、交易者和第三方平台等也可作为博弈双方进而形成网上信用风险。魏明侠(2004)[9]和Lee(2007)[10]则重点分析了信息不对称导致的网上失信现象。再者，部分学者基于演化博弈理论研究网上信用风险形成问题。李苏文和吴清烈(2007)[11]构建买卖两方群体的演化博弈复制动态方程，并分情况进行了讨论，发现失信收益和第三方监管是影响演化稳定策略的两个重要因素；马国顺和宋伟伟(2010)[12]进一步对买卖双方的博弈情景进行优化并建立演化博弈模型，并分情况探讨了交易平台监管对演化稳定策略的影响；魏明侠等(2015)[13]构建了一个网上信用风险演化的探索性理论分析框架，构建不同群体之间的演化博弈模型并进行实证检验是其重要内容。

可见，博弈理论是研究网上信用风险形成和演化的一个很好的视角，但之前的研究还存在以下不足。首先，之前的研究背景大都着眼于整个电子商务市场的信用风险，因此研究结论很难为某一局域性网上市场(比如B2C市场)提供理论指导。其次，之前的研究中，几乎所有博弈模型都以交易者作为博弈主体，将监管者仅仅作为情景变量来考虑，即使是马国顺和宋伟伟(2010)[12]的研究仍是建立交易者博弈模型后探讨交易平台监管行为对演化稳定策略的影响，因此不能反映监管者在网上信用风险形成和演化过程中的全部作用。最后，政府监管在之前的研究中被忽略了，也就是说，作为实际上的网络监管主体，政府在网上信用风险形成和演化过程中的作用到目前为止还未被讨论过。针对现有文献研究的不足与B2C平台信用风险形成与演化的现实情景，我们探讨B2C平台与失信商家存在“共谋”情况下，商家(失信或守信)和政府监管者(监管或不监管)两群体行为演化规律及其最终导致的B2C平台的信用风险水平。

一、B2C平台信用风险演化博弈模型构建

(一)演化博弈理论

作为经济行为和社会行为常用的分析方法，博弈论已经得到广泛应用。在博弈论的基础上，学者运用博弈论的分析框架研究生物的演化过程，包括将传统博弈论中的支付函数转化为生物适应度函数、引入突变机制将纳什均衡精炼为演化稳定均衡以及引入选择机制构建复制动态模型，标志着博弈理论的初步形成[13]。至今为止，利用复制动态模型进而获得演化均衡的方法仍然是学者们最为常用的演化博弈分析思路。复制动态模型放松了经典博弈理论的严格假设，并不要求博弈双方的完全理性和知识完备性，体现了演化博弈的选择和变异机制。但演化博弈的最终目的和经典博弈是相似的，即获得最终的演化稳定策略(纳什均衡的精炼)，也是演化博弈理论能够指导现实经济和社会行为的关键。不过，基于复制动态模型求解演化稳定策略的过程仍然需要建立在经典博弈理论的基础之上，经典博弈理论提供了最初的博弈结构和规则[13]。

(二)情景假设

B2C模式在我国网上零售市场占据较大份额，但“假货泛滥”等各种乱象在B2C模式中层出不穷，通过网络搜索，近年来涉及B2C平台的负面新闻令人吃惊，其中不乏“集体售假”、“商家信誉造假”、“平台监管不力”等政府明令禁止的事件。有研究人员指出，B2C平台和卖家之间的关系较为复杂，一方面B2C平台需要大量商家入驻从而可能放松监管，另一方面，大量不良商家的入驻可能对B2C平台的长期发展产生不利影响；当B2C平台监管成本高且监管收益低、卖家失信收益高时，(卖家欺诈经营，不监管)成为B2C平台和卖家博弈的纳什均衡解[14]。另有学者研究发现，如果失信商家的失信行为被发现后能轻易从一个平台转向另一个平台，那么平台本身的监督作用将失去效力；也就是说，B2C平台之间的竞争使得整个电子商务信用合作机制未达成联动，导致B2C平台的监管收益很小或为负收益[11]。本研究中，假设B2C平台上的商家可选择失信和守信两种行为模式，商家选择失信行为模式时需要和B2C平台合作，并与B2C平台分享失信所获得的利润，形成“共谋”；这也就意味着只要商家选择失信行为，同时就会选择与B2C平台进行“共谋”。同时，政府监管者可选择监管和不监管两种行为模式。

假设市场中销售的商品仅有A一种商品，其市场价值为V，若不存在失信商家，按照市场规律，交易者之间进行等价交易。假设失信商家单次失信行为共可获利Φ(Φ≤V)，商家获利dΦ，则B2C平台分得利润(1-d)Φ，d是一个大于0小于1的常数，反映了B2C平台从“合谋”过程中的得利能力。此时若政府不进行监管，社会福利净损失为Φ。若政府实施监管，并能以ρ(可以代表发现能力)的概率发现失信商家的失信行为，并对发现的失信商家处以kV的罚款，对B2C平台处以lV的罚款，但政府监管存在监管成本C。依据以上假设，按照经典博弈理论的博弈规则，可得到三方的支付矩阵(见表1)。

表1　博弈双方单次博弈的支付矩阵

(三)B2C平台信用风险演化的复制动态模型

依据复制动态原理，需要得到不同行为模式群体的收益函数，进而得到群体的适应度函数，用于描述博弈群体的动态演化过程，称为复制动态方程；复制动态模型由博弈双方的复制动态方程构成的方程组表示。假设政府监管者群体中选择监管行为模式的个体数量占监管者群体总数的比例为x，则选择不监管行为模式的个体数量占比为1-x。同样，假设商家群体中选择失信行为模式的个体数量占商家群体总数的比例为y，则选择守信行为模式的个体数量占比为1-y。

B2C信用风险演化的复制动态模型由公式1和公式2构成，是由两个非线性微分方程构成的方程组。

二、演化博弈模型推演

复制动态模型刻画了系统的动态演化机理，但演化博弈分析的最终目的是获知系统最终的演化方向及过程，即演化稳定策略及系统的相图。因为上述复制动态模型由常微分方程组表示，可以通过求解常微分方程(或方程组)并对稳定性进行判断进而得到稳定演化策略[14]。

(一)单群体演化稳定策略

图1　政府监管者群体的演化路径相图

图2　商家群体的演化路径相图

(二)系统演化稳定策略

对于单群体演化稳定策略的分析表明，博弈双方都会根据对方群体的构成情况进而确定演化方向，但还未能揭示整个系统最终的演化方向，即整个系统的演化稳定策略。如上所述，整个系统由包含两个常微分方程的方程组构成，可以通过求解常微分方程组并对数学解的稳定性进行判断进而得到系统的演化稳定策略。常微分方程组解的稳定性则可由该方程组的雅克比矩阵的特点决定。

图3　系统演化相图

表2　均衡解稳定性检验

三、结论与启示

应加大政府监管者对“共谋”的惩罚力度进而降低失信商家群体的收益，从而使得系统更多的停留在失信商家少的演化过程中。从图3可以发现，在其他参数不变的情况下，提高惩罚力度k和l，可使得中心点更接近原点，从而系统更多时间停留在失信商家少的演化过程中；此时，采取监管策略的监管者数量也会减少。

应优化政府监管者监管能力，包括提高监管者发现失信行为的能力ρ和降低监管者进行监管的成本C，从而使得系统更多的停留在失信商家少的演化过程中。从图3可以看出，在其他参数不变的情况下提高监管者发现失信行为能力ρ，可使得中心点更接近原点，从而系统更多时间停留在失信商家少且监管者采取监管行为模式少的演化过程中；降低监管者监管成本C，可使得中心点更接近原点，从而系统更多时间停留在失信商家少但监管者采取监管策略多的演化过程中。

[1]易观智库.中国网上零售市场企业年度盘点专题研究报告2015[EB/OL].[20150-5-16].http://www.enfodesk.com/SMinisite/maininfo/reportdetail-id-418767.html,2015.

[2]车云霞.互联网信贷风险的法律防范机制[J].西南金融,2015(3):44-48.

[3]魏明侠,夏雨,肖开红.在线信用风险的形成：一个基于演化博弈的分析框架[J].经济管理,2015(1):180-189.

[4]瞿春娟.电子商务中信用风险生成机理及防范策略研究[J].技术经济与管理研究,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]魏明侠.电子商务中信用模式选择的博弈分析[J].科学技术与工程,2005,5(7):411-414.

[8]魏明侠.电子商务信用机理研究[M].北京:经济管理出版社,2007:105-110.

[9]魏明侠.网上信用不确定情况下的交易决策模型[J].商业经济与管理,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]李苏文，吴清烈.电子交易过程中信用的演化博弈分析[J].科技情报开发与经济，2007,17(7):114-115.

[12]马国顺，宋伟伟.基于交易平台的电子商务演化博弈分析[J].图书情报工作,2010,54(24):127-131.

[13]黄凯南.演化博弈与演化经济学[J].经济研究,2009(2):132-149.

[14]陈洋.B2C电子商务主观信用风险博弈分析[D].重庆：重庆师范大学硕士论文,2014.

[15]孙庆文,陆柳,严广乐,车宏安.不完全信息条件下演化博弈均衡的稳定性分析[J].系统工程理论与实践,2003(7):11-16.

[责任编辑谭金蓉]

2016-03-22

国家社科基金项目“网上信用风险的群体演化机制与多维防控策略研究”(14BGL153)；河南省人文社会科学研究项目“基于演化博弈论的网上信用风险扩散机理研究”(2013-ZD-013)。

魏明侠(1969—)，男，院长，教授，博士生导师，博士，主要研究方向为电子商务及其信用管理。

C931；F724

A

2095-1124(2016)03-0046-06