如何实现煤电交易稳定匹配和规模联动

刘平阔，谭忠富

(1.上海电力学院经济与管理学院，上海 200090；2.华北电力大学经济与管理学院，北京 102206)

如何实现煤电交易稳定匹配和规模联动

刘平阔1，谭忠富2

(1.上海电力学院经济与管理学院，上海 200090；2.华北电力大学经济与管理学院，北京 102206)

构建煤、电企业间的交易发展模型，分析中国煤电交易的稳定匹配的作用机理和规模联动的动态过程。首先，界定“煤电交易”的属性和治理结构；其次，优化延迟选择和拒绝机制，形成适合于煤电交易的匹配算法；再次，为偏好排序构建得分数、潜在收益、意愿信任和弹性模型，利用自适应系统进行边界选择；最后，通过模拟仿真，验证理论假设、算法可行性和模型有效性。结果表明：(1)效率可保证企业的有效供给和产出，信任的地位应仅次于收益；(2)当发电企业对煤电企业的打分高于自身的得分数时，发电企业会倾向于“购买”煤炭；(3)控制和调整煤炭产业规模方面，既应合理适度地淘汰产能落后的现役煤炭企业，又应通过发电企业设置必要的市场准入壁垒。

潜在收益；意愿信任；自适应；边界选择

1 引言

煤炭是中国最主要的一次能源，作为最大宗的工业产品占中国能源消费总量的70%以上。在中国煤炭消费结构中，工业用煤的50%以上用于二次能源转化(动力煤的65%以上用于火力发电)。周伏秋等[1]认为煤、电的协调运行是国民经济保持平稳发展的重要一环。在能源体制改革的当下，煤、电产业的可持续发展不仅涉及中国的经济增长、能源安全等问题，也涉及到中国实现低碳承诺，与气候、环境问题息息相关[2]。

中国实施煤电联动的背景是煤炭价格波动。由于体制和历史问题，中国的“联动”与美国、日本略有不同[3-4]，如吴德军等[5]构建双重差分模型实证检验了联动政策对电力企业盈余管理的影响。国内学者多基于市场均衡理论分析“煤电之争”，但对于煤电冲突根本原因的研究结论上存在差异：叶泽等[6]认为煤炭市场失灵是导致煤电冲突的原因；程敏等[7]认为煤炭企业与发电企业所处的市场结构不同是“煤电之争”的根源；于左等[8]从政策冲突视角研究了中国煤电关系紧张的形成机理，并发现存在“六重”政策冲突。因此，部分学者将研究重点集中于企业内部和企业之间的协调上。

一部分学者讨论煤电联营的优势，并提出了“非市场导向”的研究观点：有的学者认为中国煤炭、发电产业的架构取向是推行“煤电联营”[9]；有的学者通过博弈模型对煤、电企业的收益进行定量分析，进而证明煤电联营方案的优势[10]；还有的学者基于企业控制的角度对煤电交易进行研究，并提出“借助资本市场”实现煤电一体化的论点[11]。其中一些学者对于“煤电一体化”持支持态度，如武丹[12]认为纵向兼并能有效解决现阶段煤电矛盾；沈慧芬等[13]认为发电企业后向化煤炭企业是盘活中国业已失衡的煤电产业链的关键；甚至夏鑫等[14]研究了煤电产业联盟价格形成的机理，并设计了保障机制。还有学者也运用综合评价技术、动态演化方法和经济计量手段，更进一步对“一体化”问题进行展开，如曾雪峰[15]改进 AHP 法的煤电一体化决策模型，齐锋[16]基于煤炭、电力和政府的动态演化讨论制度环境和需求波动对煤电纵向一体化的影响，徐斌[17]运用面板数据模型证实了交易成本和组织成本可影响纵向整合的选择。但是，部分学者则对“煤电一体化”的相关问题提出批判性观点：陈军[18]认为由于体制、政策、市场环境和企业所导致的发展速度过缓问题，无法依靠市场力量解决煤电一体化；杨彤等[19]也认为煤电一体化企业对信息披露进行成本监管的要求更高、规制防范的诉求更强。

另一部分学者弱化了能源企业的市场定位，将研究重点集中于企业之间的经济行为。如赵晓丽等[20-21]首先建立了煤电企业合作利益分配模型，形成供应链合作利益分配机制，然后通过自我实施规制和政府规制解决合作冲突问题；李莉等[22]设计了煤电的差价合约模型，通过Shapley原理给出了发电商之间合作利益分配模型；原毅军等[23]利用讨价还价博弈模型分析了煤电产业纵向联盟定价问题。进而学者将研究重点转移至能源供应链的方向[24-25]。但值得注意的是，博弈行为应作为煤电企业交易行为的基础活动，却不可替代交易过程。因此，有一些学者开始运用微观经济学理论、统计学方法、演化博弈技术等，分析煤电“交易”的本质问题，如于立等[26]分类了煤电纵向交易关系，构建了煤电纵向交易关系形式选择的理论分析框架；刘冰[27]利用新型古典微观经济学模型，分析煤电纵向交易合约的结构变量选择问题，确定总交易费用、购置成本和不确定性风险损失对合约结构变量的影响效果；于左[28]比较分析了中、美两国的煤炭、电力价格水平、结构及决定因素，指出长期合同交易机制的缺失和定价机制的不合理是导致中国煤电关系紧张的重要因素；谭忠富等[29]利用制度变迁演化博弈分析和交易成本离散结构分析，对中国煤电交易的经济行为及边界选择的问题进行研究。

现有的研究都忽视了一个重要的研究单元——“交易”，造成研究结论的可行性不强、政策建议实施性不足。本文将对煤电交易机理、稳定匹配过程和规模联动结果进行研究。下文分四个部分：第2部分提供理论支持进行规范分析，界定中国煤炭交易的基本属性和治理结构、优化匹配算法，并构建煤电交易发展模型；第3部分设定仿真数据，设计模拟流程；第4部分根据仿真结果进行分析，说明理论的实用性及模型的可行性；第5部分是结论与政策涵义。

2 理论及方法

2.1 系统描述

1)煤电交易的属性及治理结构

(1)煤电交易的属性

交易的基本属性包括交易频率、资产专用性和不确定性[30]。

煤电交易的频率是指单位时间内发电企业与煤炭企业选择交易所发生的次数。频率的大小可影响煤炭单位次数交易量、总交易费用以及单位交易成本。在治理结构既定的情况下，交易频率的增加会使总煤电交易成本相对平缓地增长[31]。

煤电交易的专用性资产形式有三种[32]：(1)地点专用性，即地点确定，则相应的资产也高度固定。(2)物质资产专用性，即煤、电企业双方为了适应煤电交易而进行的专用性的机器设备投资。(3)专项资产，即煤炭企业为增加生产能力，向某一特定火电厂出售大量煤炭而进行的分立投资。

不确定性决定了煤电交易属性的差异[33]，存在两种形式：一种是“环境的不可预见性”[34]；另一种是“个体生产率计量的困难”[35]。主要包括市场不确定性、规制不确定性和行为不确定性等[36-37]。

(2)煤电交易的治理结构

治理结构包括市场制、层级制及混合制[31,38-39]。

市场制主要指现货批发市场和期货(金融)市场；建立合理竞争能源市场是能源部门改革的核心[40]。当市场可实现资源的有效配置时，煤价可作为有效的信号和统计工具，交易双方可自发地进行调节。市场制的激励相对高效[41]，但强烈的激励会带来较差的协作[42]。

层级制是一种企业内部形式，表现为“一体化”结构。首先，层级制可避免有效投资与连续性决策之间的矛盾[43-46]。其次，层级制可避免资源配置比例扭曲，通过有效的要素组合降低总成本[44]。最后，层级制既可规避中间产品营业税，又可放松配额限制和价格控制，还可针对产权的不完全界定实现产权的优化配置。

混合制包括长期契约、互惠贸易、管制、特许经营等模式，其在激励性、适应性和官僚主义成本方面均介于市场制和层级制之间。受限于复杂的煤炭供给关系，混合制可减少企业的机会主义行为[31]；交易有效性的保证，一方面体现于交易应避免出现由于复杂性而带来的“事后套牢”；一方面体现于合理的谈判机制和私人冲突解决机制；另一方面体现于混合制与其他模式的混合协调。

2)收益、信任与煤电联动

收益产生的原因既包括煤炭企业为提高规模效率而减少的成本，又包括发电企业为提高经验效率而增加的收入。若收益的产生原因源于供应链的上下游环节企业的协作，则贡献可在所涉及的企业间按某一规则进行均分[47]。

在评估交易伙伴的合作可能性时，“信任”应作为一个独立的价值标准。类比于“预期收益”，企业根据实现收益而赋予“信任”的权重同样是自适应的，且与收益可实现的主观概率有关。由于主观概率涉及实现意图的风险，因此信任的类别存在差别[48]。Nooteboom[49]将信任分为“胜任力信任”(Competence trust)和“意愿信任”(Intentional trust)[49]。胜任力信任指的是实现期望的行为能力；意愿信任指的是遵守协议的行为意图。由于中国煤、电企业均可进行规模化生产，且生产过程相对稳定，故本文将只分析意愿信任；并将此时的“风险”定义为由于合作伙伴的背叛而导致的转换成本。

因此，稳定匹配和规模联动的煤电交易机制包括3个层次：“收益”和“信任”是煤电联动过程中的重要因素；联动的基础性问题又是交易边界的选择；煤电交易的边界确定即利用匹配算法进行“生产或购买”决策。若发电企业对不同的煤炭供应商(包括自己生产)有不同的偏好，在交易成本和配对时间的约束下，基于其偏好的排序，发电企业与相应的煤炭供应商进行匹配，形成联动机制。若双方的偏好稳定，就不会出现违约行为，即实现“稳定”和“联动”。

3)自适应系统

在现实的企业关系中，若治理结构的最优形式产生且适应于煤电交易属性，则影响未来的交易的因素有二：理性和选择[47]。对于煤电交易问题，目前的理论局限包括[38,50-55]：(1)并未讨论“学习”和“适应”等问题的影响效果。(2)非未验证“有效交易的结果将产生”的假设。(3)“接受机会主义行为的发生概率，并构建保障机制”的观点同样也是被假设，而非分析得到。(4)即使有可能搜集合作伙伴的信誉信息，但搜集成本较大。

若让不同组织形式的经济活动分布从企业间的互动过程中产生，企业便可通过过去的经验调整未来的决策[56-58]。人工自适应主体(Artificial adaptive agents)模型可处理“通过过去经验调整未来决策的过程”的“复杂的相互关联的结构”[59-62]。本文充分接受有限理性的假设，基于自适应性和相互评价，考虑信任和收益，使用人工自适应主体模型来模拟企业之间的互动选择过程，构建系统的煤电交易发展模型，利用并优化匹配算法，解释交易过程、说明交易机理，解决煤电交易的稳定匹配和规模联动问题，由此形成相应的煤电交易机制。

2.2 匹配算法

1)前提假设

为结合中国煤炭交易现状，保证算法的实用价值，实现稳定匹配和规模联动的煤电交易机制，本文做如下假设：

H1：煤、电企业对合作伙伴的选择并非是随机的；且主体对潜在合作伙伴有不同的偏好。基于偏好，发电企业匹配给相应的煤炭供应商(煤炭企业或发电企业本身)。当发电企业匹配给其本身时，即选择“生产，而非购买”，并将“生产或购买”的决定内生化。

H2：对于煤炭企业而言，所有的发电企业均有可能成为合作伙伴；煤炭企业没有其他选择方案，所以煤炭企业只能向发电企业提供煤炭，且不能留作“生产”电能产品。

H3：为了保证企业投资不可通过某种形式(如购并或租赁)转移到其他企业，同时保证煤电交易的资产专用性属性，规定煤炭和电力的生产技术是刚性的，煤炭质量与发电设备是相关的。

H4：用层级制的内部生产替代市场制或混合制的供应商供给时，发电企业对自身的打分是基于最大程度信任时的潜在收益，此时“信任”为1(100%)。

H5：为了便于说明机理，将模型中的变量单位设为1。

2)算法设计

稳定匹配和规模联动煤电交易机制的基础即为治理结构选择，其本质是“生产或购买”的决策问题，即边界的选择问题，此过程由“匹配算法”而产生[63]。

煤电交易匹配算法拟采用并优化Tesfatsion[63-65]的“延迟选择和拒绝机制”(Deferred choice and refusal algorithm，DCR算法)。DCR算法要求市场供求双方是一致、重叠或不相交，而且还要求任意指定数量的“要约和承诺”(Offer and acceptance)配额。DCR可形成稳定匹配；且匹配保证不存在受阻主体组(Blocking agents)，即与其实际配对情况相比，匹配主体组可以单方面地或双方面地改善其实际状况。DCR算法可提供一种分配主体的方式，而在目前的应用中，“稳定性”(Stability)是该算法仅有的副作用。DCR算法的应用条件包括：(1)允许发电企业与其自身匹配；(2)尽管发电企业可成为其自身的煤炭供应商，但不可成为其他发电企业的煤炭供应商；(3)为了防止出现买方垄断和卖方垄断的现象，规定了煤、电企业的一个“最大匹配数量”或“数量配额”(Quota)，且可在任何一个时间步长t进行调整。为提高DCR算法的适用性，本文对其进行优化，另规定：(1)当发电企业将自身作为偏好排序中的一个决策方案时，排名比该发电企业低的供应商是其不可接受的合作伙伴；(2)发电企业可有一个或更多的煤炭供应商，煤炭企业也可有一个或更多的煤炭购买者；(3)发电企业i的要约配额oi和煤炭企业j的承诺配额aj均为不小于1的正整数；(4)匹配进行前，所有的企业均建立了严格的偏好排序。优化后的匹配算法计算步骤如下所示：

步骤1 发电企业向其所有的最偏好且最可接受的煤炭供应商发出最大额度的要约请求oi。

步骤2 煤炭供应商首先剔除来自不可接受的发电企业的要约请求，然后“暂时接受”来自最偏好且最可接受发电企业的最大额度的承诺请求aj，并且拒绝其他请求(如果有)。

步骤3 被剔除或被拒绝的发电企业重新调整其要约请求的额度oi，并向次级偏好的且未接受其他发电企业请求的煤炭供应商发出相应额度的要约请求。此时，次级偏好的煤炭供应商的数量等于oi与暂时接受请求的煤炭供应商数量之差。

步骤4 每个煤炭供应商再次剔除来自不可接受的购买者的要约请求，并且从新收到的和之前暂时接受的请求中，再在最大额度承诺请求aj的范围内，暂时接受来自更偏好且更可接受的发电企业的要约请求，然后拒绝其他请求(如果有)。

步骤5 只要存在被拒绝的发电企业，算法回到“步骤3”。直到不存在发电企业的请求被拒绝，则算法终止。此时，所有暂时接受的请求成为“绝对接受”。

2.3 模型构建

1)得分数

为了便于进行排序，引入“得分数”的概念。主体将对其所有可能被匹配的主体(包括其他主体和本身)进行分数计算。得分数模型(Score)的变量包括潜在收益和意愿信任。当“潜在收益”和“意愿信任”相乘时，则表示：若“潜在收益”或“意愿信任”为0，则“得分数”为0。为了便于主体对“潜在收益”和“意愿信任”赋予不同的权重，构建Cobb-Douglas形式的方程：

(1)

其中，t为时间步长，由于每一个步长里都有一次打分和匹配，因此t也表示打分次数或匹配次数；scorei,j,t表示在第t次打分或匹配时，发电企业i分配给煤炭企业j的分数；pri,j,t表示发电企业i通过与煤炭企业j合作而可能获得的收益；tri,j,t表示发电企业i对煤炭企业j的意愿信任；αi,t表示发电企业i赋予“潜在收益”的重要程度，即发电企业i分配给煤炭企业j得分数的“收益弹性”，且αi∈[0,1]，主体i可在下一个时间步长t结束时动态调整αi的取值。

除了偏好排序，煤、电企业均存在一个“最低耐受水平”，由此决定合作伙伴可否被接受。根据匹配算法的优化规定可知，发电企业对煤炭企业的“最低接受水平”是其为自身所打的得分数。由于完全信任自己是合理的，因此当发电企业为自身打分时，设定“信任”的最大值为1，且信任的影响可被忽略(此时α=1)。

2)潜在收益

无论是煤炭企业供给或是发电企业自己生产，煤炭生产均需要对资产进行投资，但是效率的提高会减少产量对资产总量的依赖[66]。因此，潜在收益的影响因素为煤炭企业的规模效率和发电企业的经验效率[47]。资产的利用情况取决于发电企业的经验经济，煤炭产品的产量取决于煤炭企业的规模经济。

pri,j=lei·sej

(2)

其中，lei表示发电企业i的经验效率；sej表示煤炭企业j的规模效率。根据Klos等[47]的研究结果，“经验效率”和“规模效率”均可由下式给出：

(3)

其中，

(1)当e为经验效率le时，f表示经验因子f(learning)；x表示发电企业i与配额范围内所有的煤炭企业合作时的连续生产次数t；

(2)当e为规模效率se时，f表示规模因子f(scale)；x表示煤炭企业j为配额范围内所有的发电企业提供煤炭时的煤炭产量y。

3)意愿信任

意愿信任将随着关系持续期的延长而增加[67]。虽然信任会受到合作伙伴规模报酬递减的影响[47]，但由于关系持续越久，主体就越会默认合作伙伴的行为[68]，并对其未来的行为有相同的预期。引入“信任基准水平”的概念用以反映意愿信任存在的基础[49]。在信任基准水平之上，基于经验，主体可以发展“伙伴专用性信任”(Partner-specifictrust)[47]。由此产生以下规范：

(4)

公式(4)说明意愿信任增长与持续期延长的关系。其中，trbase表示信任基准水平；参数f(trust)表示信任因子；打分次数t可视为交易关系持续时间。

4)弹性

若在环境中的行为可被量化为价值(如收益、绩效、效用等)，则主体在复杂适应系统(ComplexAdaptiveSystems，CAS)中便可实现自适应[69-70]。发电企业的自适应性特征应体现为一种改变潜在收益的可能性[70]，即企业将适应过程应用于逐期改变的α中。为了利于主体分配给合作伙伴的分数变化，将α定义为偏好得分数的收益弹性，(1-α)定义为得分数的信任弹性。对于各α值，主体可分配一个“强度”，由此解释主体成功利用某α值的“信心”。在每个时间步长t之初，各主体选择一个α值。对于α不同可能值的选择是概率性的，即一个简单的“轮盘赌选择”。基于主体在时间步长t中的收益情况，在某特定的时间步长t之初，选定α值的强度；且根据实现的收益情况，在时间步长t之末，更新α值的强度。

(5)

strenghi,t=strenghi,t-1+Δsi,t

(6)

Δsi,t=λ·(pri,j,t-1-strenghi,t-1)

(7)

(8)

3 数据与流程

3.1 数值处理

情境设定：某区域存在4家煤炭企业和4家发电企业(图1)；对于各个企业的经济参数设定如表1至表3所示；假设煤炭产量与连续供给时间存在线性关系，方程的参数由中国电力企业联合会和国家统计局的数据计算得到。且规定煤、发企业的数量配额均为“2”；煤炭企业对发电企业的偏好也存在不可接受合作伙伴的“黑名单”(表4)。

表1 煤炭企业规模因子及“产量-时间”函数

表2 发电企业经验因子及适应能力

表3 发电企业对煤炭企业的信任因子

表4 煤炭企业可接受的发电企业名单

注：“+”表示接受；“-”表示不接受。

给定α的取值范围为[0.0，0.1，…，0.9，1.0]。初始条件下，α取得各值的概率均为1/11；利用“轮盘赌选择”，初始状态的s为“1”。另设匹配过程在1个营业周期(52周)内完成。

3.2 仿真流程

仿真在连续的时间步长中进行。为降低随机分布对结果的影响，每次仿真实验可多次复制。仿真开始之前，为模型设定初始值；并且需要提供发电企业和煤炭企业的个数、运行的次数、每次运行的时间步长个数等。程序的随机数发生器是既定的，且最后主体将被给定一个识别数字。在每次运行开始时，将对每个主体进行初始化操作(图2)。

图1 区域煤电交易市场中供给企业和需求企业设定

图2 仿真实验的流程图

4 分析与讨论

4.1 因子影响

1.规模因子与经验因子

当规模因子和经验因子的取值分别为0.1、0.3、0.5、0.7和0.9时，因子对效率的影响效果如图3和图4所示。因子越大，效率增长的能力越强，曲线逼近“1”的速率越快。随着煤炭产量和连续生产次数的增加，规模效应和经验效应会使企业的收益增加，且又保证了一个递减的收益率。

由图3中的规模因子可知，当且仅当煤炭企业的生产规模大于发电企业为自身提供煤炭所需的最大规模时，煤炭企业提供煤炭将会比发电企业自己生产煤炭的规模效率更高。同理，图4中的经验因子说明当且仅当发电企业的连续生产时间充足时，发电企业进行电力生产的效率更高。规模效率可保证煤炭企业的有效供给，经验效率可保证发电企业的有效产出。

图3 规模因子对规模效率的影响

图4 经验因子对经验效率的影响

2.基准水平与信任因子

图5 信任基准水平对意愿信任的影响

当信任因子为0.5时，随匹配次数的增加，信任基准水平对意愿信任的影响如图5所示；当信任基准水平为0.5时，随匹配次数的增加，信任因子对意愿信任的影响如图6所示。信任基准水平决定了意愿信任曲线截距的初始位置和曲线的斜率；信任因子意愿信任曲线的扁平程度和曲线的斜率。对于各个发电企业，意愿信任始于某特定的信任基准水平，变化趋势受信任因子影响，二者均为外生变量，且适应于分析合作伙伴的忠诚。在下一个时间步长中，若发电企业和煤炭企业再次匹配，且不会发生合作关系中断的现象，降低后的意愿信任水平将会增长。“信任”的适应性应基于企业可预见的忠诚；在煤电交易过程中，其地位应仅次于“收益”。虽然“规模”可以体现企业收益方面的胜任力，但“收益”的获得应为一个动态连续的过程。

图6 信任因子对意愿信任的影响

4.2 边界选择

当在匹配过程中存在企业自适应和自调节时，匹配中的得分数函数曲线将呈现波动，波动幅度不仅与企业的潜在收益、意愿信任有关，而且与企业的自适应能力有关。由图7可知。

图7(a)中，当t∈(0,10]时，发电企业1对煤炭企业1和煤炭企业2的打分略高于发电企业1对自身的打分，此时发电企业1可选择“购买”煤炭；当t∈(10,52]时，发电企业1对所有煤炭企业的“打分”均低于发电企业1对自身的打分，此时发电企业1可选择自己“生产”煤炭。同理可知，图7(b)中，当t∈(0,52]时，发电企业2更倾向于“购买”煤炭；图7(c)中，当t∈(0,52]时，发电企业3的决策为“购买”煤炭；图7(d)中，在整个交易期t∈(0,52]中，发电企业4更倾向于“购买”煤炭。

4.3 匹配与联动

模型展示了不同条件下，收益、信任的本质及其影响的进化过程。根据图7的打分结果和表4的设定，得到t为10和52时的匹配结果(图8)。图中虚线表示发电企业在既定数量配额内所发出的要约请求；实线表示通过匹配所建立的合作关系。当t=10时，在数量配额的范围内形成6组配对，此时可根据其交易成本适当选择“市场制”或“混合制”的治理结构[23]；当t=52时，形成4组配对和1组“生产内部化组织”。随着交易次数的增加及匹配次数的增多，导致煤炭企业1无法匹配到合适的发电企业；同时，使得发电企业1最终选择了自己“生产”煤炭，其治理结构的选择结果为层级制。

图7 发电企业对自身及煤炭企业的打分

对于煤炭企业1和发电企业1，可能会出现三种可能性结果：(1)煤炭企业1成为“产能过剩”的部分，最终彻底被煤炭市场中的其他煤炭企业的竞争所淘汰；(2)煤炭企业1被其他煤炭企业所兼并，即“横向一体化”；(3)煤炭企业1被发电企业1所兼并，即“纵向一体化”。由于匹配是长期稳定的，以上三种可能性结果均可实现煤电交易的边界选择和煤炭产业规模的整合。但第一种可能性结果将导致煤炭产业规模的减小；第二种可能性结果将导致煤炭产业集中度的增加；第三种可能性结果将导致所有权的重新洗牌。

图8 匹配过程及稳定匹配最终结果

5 结语

5.1 研究结论

稳定匹配和规模联动的研究不是以企业、市场、政策为研究单元，而是以“交易”为分析单位。本文的现实意义包括以下4点：首先，由于企业主体有限理性的约束，本文提供了一种路径依赖的选择方法解决煤电交易的稳定匹配和规模联动等问题；其次，形成稳定匹配和规模联动的煤电交易机制，揭示了经济组织中稳定匹配的适用规律和特征；再次，分析企业主体的激励相容和社会组织的意愿匹配，为能源市场中的资源配置和发展协调指明了方向；最后，研究方法的优化升级，体现博弈均衡，引导公平、合理的分配机制设计，调动和协调社会各方面的积极性。总结全文，结论如下：

(1)“生产或购买”问题的内生化过程涉及到较高规模效率煤炭企业与较高经验效率发电企业之间的交易问题。当且仅当煤炭企业的生产规模大于发电企业为自身提供煤炭所需的最大规模时，煤炭企业提供煤炭将会比发电企业自己生产煤炭的规模效率更高；当且仅当发电企业的连续生产时间充足时，发电企业进行电力生产的效率更高。

(2)随着交易持续期的增加，煤、电企业还应充分考虑“经验”的影响，并形成合理认知和科学评估。基于经验对潜在收益和意愿信任进行认知和评估时，可能会产生无序且不可预测的结果，因此企业间形成或解除合作关系不仅是一种效率的体现，而且是一种经济社会正外部性的改善，结果不一定是最优的却是最合理的。

(3)基于独立主体的偏好排序，匹配算法可生成一个匹配集合，由此成为煤电交易稳定匹配的基础。不同的偏好排序可解释煤、电企业的经济行为，说明了假设条件在现实中的合理性和实用性。优化后的匹配算法在结构上有利于煤电交易实现稳定匹配，进而进行规模联动。因此，基于偏好排序的能源企业市场行为是合理的。

(4)随着交易和匹配次数的增加，可形成较为稳定的匹配结构，煤电交易稳定匹配的结果是实现规模联动。稳定匹配和规模联动的煤电交易机制强调市场设计和制度安排，保证煤电双方最大的选择权；在博弈相对公平的前提下，实现效用的合理转移和规模的动态联动。

5.2 政策涵义

本文的研究背景正是中国能源体制改革的制度变迁过程；在“放松管制”的实践阶段，电力系统、能源系统的改革必须有理可依。在设计“稳定匹配和规模联动的煤电交易机制”时，必须充分考虑效率问题和公平问题。唯其如此，机制的运行才不会偏离发展初衷，机制中的市场才不会失灵，机制中的制度才不会失效。由此，本文提出如下政策建议：

一方面，市场设计是能源交易稳定匹配和规模联动的基础和必要条件，更是能源体制改革中的基础和重点。市场设计不仅应考虑能源交易平台和交易方式，而且应明确所有权归属，在科学的治理结构中选择合理的协调工具。另一方面，制度安排是煤电交易稳定匹配和规模联动的根本保障。无论选择何种交易模式，实现能源交易稳定匹配有效性的必要保证是中国能源企业偏好排序的客观性和市场定位的真实性。在此基础上分析交易的匹配问题、构建规模的动态联动才对推动国企改革具有实践意义。

本文的已讨论了能源交易的边界选择问题，但仍存在研究局限；未来的工作将在此基础上，重点分析市场、契约和规制如何实现能源交易在价格和成本等方面的“联动”，为改革提供理论基础和技术手段，进而推动中国能源体制改革的进程。

[1] 周伏秋，冯升波，王娟，等. 加强和完善煤电油气运协调机制[J]. 宏观经济管理，2015，(2)：58-60.

[2] 张炳，王珂，毕军. 煤电市场对火电行业SO2排污交易市场的影响分析[J]. 中国环境科学，2010，30(3)：416-419.

[3] 林伯强. 中国电力工业发展：改革进程与配套改革[J]. 管理世界， 2005，(8)：65-79,171-172.

[4] 刘希颖，林伯强. 改革能源定价机制以保障可持续发展——以煤电联动政策为例[J]. 金融研究，2013，(4)：112-126.

[5] 吴德军，郭慧敏，郭飞. 政治成本与盈余管理的“不对称性”——基于煤电联动政策的视角[J]. 会计研究，2016，(8)：42-49.

[6] 叶泽、何娇. “煤电之争”的根源及治理对策[J]. 中国软科学，2013，(6)：142-153.

[7] 程敏、赵敏、李龙清. 煤电联营在经济可持续发展中的作用[J]. 技术与创新管理，2009，30(3)：362-365.

[8] 于左，孔宪丽. 政策冲突视角下中国煤电紧张关系形成机理[J]. 中国工业经济，2010，(4)：46-57.

[9] 刘博. 区域市场煤电联营的产业效应分析[D]. 成都：西南交通大学，2006.

[10] 李丽，杨力，韩静. 煤电一体化趋势下煤电联营的博弈分析[J]. 中国煤炭，2011，37(1)：29-32.

[11] 谷敬煊、姚立军. 借资本市场之力实现“煤电一体化”战略的实践探索[J]. 煤炭经济研究，2013，33(1)：34-38.

[12] 武丹. 基于竞价上网的煤电纵向一体化及其效率[J]. 产业经济研究，2008，34(3)：20-27.

[13] 沈慧芬，高欣佳. 以交易费用视角来理解煤电一体化[J]. 经济视角，2012，(5)：18-24.

[14] 夏鑫，杜翠翠，姜海虹. 作业价值创造驱动的煤电产业联盟价格形成机制[J]. 财务与会计，2016，(10)：51-53.

[15] 曾雪峰. 基于交易成本理论的发电企业煤电一体化决策研究[J]. 中国电力教育，2010，15(1)：236-238.

[16] 齐锋. 基于制度基础观的煤电纵向交易关系研究[J]. 经济研究参考，2012，51(1)：72-76.

[17] 徐斌. 交易成本是影响纵向整合选择的重要因素吗?——来自中国煤电上市公司的实证检验[J]. 经济经纬，2012，(1)：12-17.

[18] 陈军. 基于行政力量推动的我国煤电一体化之路[J]. 长春大学学报，2013，23(7)：812-816.

[19] 杨彤、时如义、康长安. 煤电一体化的不利影响及防范措施[J]. 中国煤炭，2013，39(3)：17-19,52.

[20] 赵晓丽，乞建勋. 供应链不同合作模式下合作利益分配机制研究——以煤电企业供应链为例[J]. 中国管理科学，2007，15(4)：70-76.

[21] 赵晓丽，乞建勋. 煤电企业供应链合作冲突规制模型[J]. 中国管理科学，2008，16(4)：96-103.

[22] 李莉，谭忠富，李宁，等. 煤电差价合约及其合作效益优化分配的博弈模型[J]. 中国管理科学，2010，18(4)：133-139.

[23] 原毅军，郭钰. 煤电产业纵向联盟定价研究——基于讨价还价博弈模型[J]. 经济问题， 2015，(11)：47-53.

[24] 谭忠富，刘平阔. 基于鲁棒优化的煤电能源供应链中长期风险减轻策略[J]. 技术经济，2015，(8)：58-70.

[25] 侯琳娜，王海燕. 补货策略对供需随机波动的煤电供应链牛鞭效应的影响与选择[J]. 统计与决策, 2016，(4)：38-42.

[26] 于立，刘冰，马宇. 纵向交易理论与中国煤电的纵向交易效率[J]. 经济管理，2010，32(3)：18-24.

[27] 刘冰. 煤电企业纵向交易合约选择的理论分析[J]. 财经问题研究，2009，10(1)：58-64.

[28] 于左. 我国煤电价格水平、 交易方式及其相关决定因素[J]. 改革，2010，(3)：43-53.

[29] 谭忠富，刘平阔. 交易成本、 治理成本与边界选择：制度变迁中煤电交易的博弈问题[J]. 华东经济管理，2015，29(1)：73-80.

[30] Williamson O E. Credible commitments: Using hostage to support exchange[J]. American Economic Review, 1983,73(4):519-540.

[31] Joskow P L. Vertical integration and long-term contracts: The case of coal-burning electric generating plants[J]. Journal of Law, Economics, & Organization, 1985,1(1):33-80.

[32] Joskow P L. Contract duration and relationship-specific investments: Empirical evidence from coal markets[J]. American Economic Review, 1987,77(1):168-185.

[33] Williamson O E. Transaction cost economics [J]. Handbook of Industrial Organizations, 1989,1:135-182.

[34] Williamson O E.Transaction-cost economics: The governance of contractual relations [J]. Journal of Law and Economics,1979,22(2): 233-261.

[35] Williamson O E.The economics of organization: the transaction cost approach [J]. American Journal of Sociology, 1981,87(3):548-577.

[36] Montero J P.Marketable pollution permits with uncertainty and transaction costs[J]. Resource and Energy Economics, 1997,20(1):27-50.

[37] Chen H, Chen T J. Governance structures in strategic alliances: Transaction cost versus resource-based perspective[J]. Journal of World Business, 2003,38(1):1-14.

[38] Williamson O E. The economic institutions of capitalism: Firms, markets, relational contracting [M]. New York:The Free Press, 1985.

[39] 谭荣，曲福田. 中国农地发展权之路：治理结构改革代替产权结构改革 [J]. 管理世界，2010，(6)：56-64.

[40] Joskow P L. Electricity sector restructuring and competition-lessons learned[J]. Cuadernos de Economía, 2003,40(121):548-558.

[41] Williamson O E.The logic of economic organization[J]. Journal of Law, Economics and Organization, 1988,4(1):65-93.

[42] Holmstrom B.Agent costs and innovation[J]. Journal of Economic Behavior and Organization, 1989,12(3):305-327.

[43] Alchian A A. Uncertainty, evolution, and economic theory[J]. Journal of Political Economy,1950,58(3):211-221.

[44] Jensen M, Meckling W.Theory of the firm: Managerial behavior, agency costs and capital structure[J]. Journal of Financial Economics, 1976,3(4):305-360.

[45] Fama E F.Agency problems and theory of the firm[J]. Journal of Political Economy, 1981,82(2):335-357.

[46] Williamson O E. Comparative economic organization: The analysis of discrete structure alternatives[J]. Administrative Science Quarterly, 1991,36(2):269-296.

[47] Klos T B, Nooteboom B. Agent-based computational transaction cost economics [J]. Journal of Economic Dynamics & Control, 2001,25(3-4):503-526.

[48] Gambetta D.Trust: the making and breaking of cooperative relations [M]. Oxford: Basil Blackwell, 1988.

[49] Nooteboom B. Inter-firm alliances: Analysis and design [M]. London: Routledge,1999.

[50] Williamson O E. Markets and hierarchies: Analysis and antitrust implications [M]. New York:The Free Press,1975.

[51] Hodgson G M.The political economy of utopia: Why the learning economy is not the end of history [M]. London: Routledge,1998.

[52] Pagano U.Veblen, new institutionalism and the diversity of economic institutions [C]//Proceedings of the Conference of the European Association for Evolutionary Political Economy, Prague, 1999.

[53] Alchian A, Harold D.Production, information costs and economic organization[J]. America Economic Review, 1972,62(5):717-795.

[54] Friedman M. The methodology of positive economics [M]//Ross D.The philosophy of economics:An anthology,Cambridge:Cambridge University Prers,1994.

[55] Williamson O E. Calculativeness, trust, and economic organization [J]. Journal of Law and Economics, 1993,36(1):453-486.

[56] Winter S G. Economic natural selection and the theory of the firm [D]. New Hawen,US:Yale, 1964.

[57] Koopmans T C. Three essays on the state of economic science [M]. New York: McGraw-Hill,1957.

[58] Epstein J M, Axtell R L.Growing artificial societies: Social science from the bottom up [M]. Washington, DC/Cambridge, MA:Brookings Institution Press/The MIT Press, 1996.

[59] Arthur W B. Designing economic agents that act like human agents: A behavioral approach to bounded rationality [J]. American Economic Review,1991, 81(2):353-359.

[60] Arthur W B.On designing economic agents that behave like human agents [J]. Journal of Evolutionary Economics,1993,3(1):1-22.

[61] Kirman A P, Vriend N J.Evolving market structure: An ACE model of price dispersion and loyalty [J]. Journal of Economic Dynamics and Control, 2001,25(3-4):459-502.

[62] van der Pol M, Currie G, Kromm S, et al. Specification of the utility function in discrete choice experiments [J]. Value in Health, 2014,17(2):297-301.

[63] Roth A E, Sotomayor M A O. Two-sided matching: A study in game-theoretic modeling and analysis [J]. European Journal of Political Economy,1992,8(3):510-514.

[64] Tesfatsion L. A trade network game with endogenous partner selection [M]//Amman H,Nagurney A,Ouraiappah A K,et al.Advances in computational economics, Verlag,US:Springer,1997.

[65] Gale D, Shapley L S. College admissions and the stability of marriage [J]. American Mathematical Monthly, 2013,120(5):386-391.

[66] 刘冰. 煤电纵向交易关系：决定因素与选择逻辑 [J]. 中国工业经济，2010，(4)：58-68.

[67] Gulati R. Does familiarity breed trust? The implications of repeated ties for contractual choice in alliances [J]. Academy of Management Journal, 1995,38(1):85-112.

[68] Zand D E.Trust and managerial problem solving [J]. Administrative Science Quarterly, 1972,17(2):227-239.

[69] Lane D A.Artificial worlds and economics, part II [J]. Journal of Evolutionary Economics,1993, 3 (3):177-197.

[70] Holland J H, Miller J H. Artificial adaptive agents in economic theory [J]. American Economic Review, 1991,81(2):365-370.

How to Achieve Stable Match and Scale Linkage for Transaction between Power and Coal

LIU Ping-kuo1, TAN Zhong-fu2

(1.College of Economics and Management, Shanghai University of Electric Power, Shanghai 200090, China;2.School of Economics and Management, North China Electric Power University, Beijing 102206, China)

In China′s coal consumption structure, there are more than 33% of industrial coal used for thermal power generation. Coal transaction is not only related to China′s economic growth and energy security, but also related to China′s low carbon commitments and other climate issues. The existing researches have neglected an important research unit, Transaction, which results in the weak feasibility of the research conclusion and the insufficient implementation of the policy recommendations. By using the theory of transaction cost economics, the technology of agent-based computational economics and the algorithm of two-sided matching, a transaction development model between power and coal is built to analyze the mechanism of stable matches and the dynamic process of scale linkage. First, the property and the governance structure of "coal transaction" are defined theoretically. Second, the deferred choice and refusal algorithm are optimized to design a mechanism suitable for coal transaction with respect to matching. Third, score, potential profitability, intentional trust and elasticity are illustrated for sorting preferences, and Complex Adaptive System is used for boundary selection. Finally, through simulation, we verify the theoretical assumptions, the feasibility of our algorithm and the plausibility of our model are verified. The results show that: (1) Efficiency ensures the efficient supply and output of enterprises, trust′role is next to profit in the choice of partners. (2) When the coal enterprise′s score is higher than the power enterprise′s, power enterprise will tend to buy coal instead of make it; (3) to control and adjust the scale of coal industry, China should reasonably and moderately eliminate the coal enterprises with backward production capacity, and set some necessary barriers to market access through the power enterprises. The data in our paper is used for the simulation. The source of the initial value of our data is the China Electric Power Enterprises Association and the National Bureau of Statistics of the People′s Republic of China. The main contributions of our paper include two aspects: on the one hand, the "transaction" is chosen as the research unit, the more advanced theoretical support and technical methods are exploited to build our model; on the other hand, a corresponding energy transaction mechanism, which would guide the reformation of China′s energy system is formed.

potential profitability; intentional trust; self-adaption; boundary selection

1003-207(2017)01-0106-11

10.16381/j.cnki.issn1003-207x.2017.01.012

2015-03-13；

2015-12-29

国家自然科学基金资助项目(71273090)；上海高校人文社会科学重点研究基地项目(WKJD15004)

刘平阔(1989-)，男(汉族)，内蒙古赤峰人，上海电力学院经济与管理学院，讲师，研究方向：优化理论与技术经济决策、数据模型优化理论及应用、能源经济与管理，E-mail:pingoforever@sina.com.

F407.6

A