| 标题 | 物流金融背景下金融机构选择策略博弈分析 |
| 范文 | 邵洋洋+霍良安+范祥 摘 要：物流金融业务下金融机构之间的利益分配一直是企业的焦点所在；文章通过构建鹰鸽博弈模型，从完全理性和具有情绪函数的角度去探讨金融机构在物流金融业务下的策略选择，运用演化博弈理论进行动态分析，得出博弈状态下的均衡点；并考虑了不同情景下金融机构稳定性策略选择问题；最后通过数值模拟验证所求均衡策略，为金融机构决策提供一定的理论支撑。 关键词：物流金融；金融机构；鹰鸽博弈；完全理性；情绪函数 中图分类号：F275.6 文献标识码：A Abstract： The distribution of benefits between financial institutions under the financial and financial institutions has always been the focus of the enterprise. In this paper， discuss financial institutions in the entirely rational and the emotional function of each game by constructing a dynamic game model of hawk and dove game to discuss logistics financial business between financial institutions， concluded the equilibrium state and consider the different contexts strategy choice problem. Finally， ask equilibrium strategy is validated by numerical simulation. Key words： logistics financial； financial institutions； hawk and dove game； entirely rational； emotional function 0 引 言 随着经济的发展，金融市场准入条件放开，资本涌入金融市场，使原有金融机构利润空间被挤压。对国内物流企业来说，物流市场进入门槛低，相关法律法规的不完善，加剧了物流市场竞争。物流企业想要不断发展，不得不考虑拓展新的业务，寻求新的利润增长点。金融机构和物流企业都想获得新的利润增长点，而开展物流金融业务可以将二者的期望有效地结合起来。邹小芃和唐元琦[1]提出了“物流金融”的概念。物流金融主要目的是使信息、资金和物流三者协调统一，从而提高资金利用率，服务生产消费。其主要形式是物流企业为中小企业对金融机构的贷款业务提供有效的担保，解决金融机构担忧的风险问题，使得金融机构和物流企业都能获得相应收益的模式。近年来，学术届对物流金融的研究日益深入；CHEN Xiang-feng和ZHU Dao-li[2]提出了物流金融背景并分析了其运作模式和风险；Li W等[3]提出物流金融信用的评估方法；李毅学和吴丽华[4]分析了物流金融创新下的订单融资风险与管理，并针对性的提出管理建议；刘哲和方淑芬[5]根据物流金融的特点构建信用综合评价模型；胡愈[6]研究了现代农村物流存在的问题，并分析了物流金融业务对解决问题的合理性；在博弈方面：杨欢欢[7]按照信用风险识别——基于博弈论的信用风险分析及实证——信用风险控制的流程，对物流金融信用风险管理进行了研究；李鹏飞[8]研究了物流金融的主要业务模式，通过运用演化博弈理论，对金融机构和物流企业之间的博弈进行分析；徐明川[9]研究了物流金融服务于物流企业、客户和金融机构三方的现实需求及意义，江莹[10]研究了基于合作博弈对开展物流金融业务中获得的收益进行合理优化分配的问题；徐文哲[11]研究了物流企业与金融企业的合作博弈。 在现有的研究成果中，学者主要是从物流金融的概念、操作模式、风险防控和物流金融业务中存在的问题进行研究；而在博弈方面，大多数研究都是偏向金融机构与物流企业之间的博弈，很少有从金融机构之间的角度进行分析，更少有去分析具有情绪的金融机构间的博弈问题。随着金融市场自由程度的放开，金融机构之间围绕业务利益的博弈必然增多，金融机构作为一个组织在进行决策时必然有自己的行为偏好；本文从完全理性和情绪函数角度去分析金融机构在物流金融业务中的选择策略，运用演化博弈理论进行复制动态分析，探讨某一方金融机构在了解对方做出的决策后自己的决策反应；并把金融机构完全理性和情绪函数下的行为方式进行对比分析，得到金融机构博弈双方在不同物流金融情形中更可能的行为方式，从而为金融机构在开展物流金融业务中的策略选择提供一定的参考。 1 模型构建及分析 在演化博弈中，鹰鸽博弈作为最典型的例证为我们形象展示了演化博弈的理论和内涵[12]。金融机构作为传统垄断企业，很少主动开拓市场，因此，一种业务的利益v会被当地的金融机构所平分；随着金融体系的不断发展，诸如上海等城市金融機构的垄断状况得到了一定的改变，国外金融机构和民营金融为了发展会积极的拓展业务，拓展业务成本为m；如果传统金融机构还是消极等待，那么市场利益v会归于态度积极的金融机构；当传统金融机构受到了威胁，态度由消极转变为积极，会去竞争新的业务，拓展业务成本同样为m，市场会因竞争而产生一定的竞争成本c。对模型稍加改变，来分析物流金融业务下金融机构之间的博弈。在现有研究中建立的支付函数基本都没有突破完全理性状态下的EU理论[13]（期望效用函数理论），因此得到的结论依然与现实中的问题存在一定的差距。Quiggin[14]在EU理论的基础上提出了RDEU理论（秩依效用理论），该理论通过引入可以刻画经济人在不确定性条件下的风险态度和程度的非线性函数构建决策权重，在EU理论模型的基础上建构了秩依期望效用模型，既包含了EU理论模型又克服了EU理论模型的局限性。 1.1 模型构建 假设1：金融机构间的博弈转化为金融机构A和金融机构B的博弈；金融机构在物流金融业务中有两种策略选择积极拓展和消极等待，会形成四种策略组合：（消极，消极）、（消极，积极）、（积极，消极）、（积极，积极）； 假设2：双方都消极，物流金融市场的总利润v会被平分；一方消极，一方积极，而采取积极的成本为m，积极的获得全部的收益vv>0，则利润为v-m；市场足够大，双方都采取积极策略时开拓市场的成本都为m，而双方因竞争付出的总成本为c，双方都采取积极策略，则各付出的竞争成本为c/2，利润为。金融机构A与金融机构B之间的得益矩阵如表1所示： 假设3：金融机构A采取消极的策略比例pp≥0为，积极的为1-p；金融机构B采取消极的策略比例为qq≥0，积极的为1-q。 1.2 完全理性状态下金融机构间博弈分析 假设在完全理性状态下，金融机构A选择消极策略和积极策略的期望收益为U，U，平均得益为U，金融机构B选择消极策略和积极策略的期望收益为U，U，平均得益为U。 基因复制动态方程： （7） （8） 存在均衡点p，q为0，0、0，1、1，0、1，1、D1/D2， C1/C2五种情况，显然C>0， D>0。 情景1：当v>2m+c时，均衡点0，0为系统的稳定演化策略，均衡策略为（积极，积极）； 情景2：当v=2m+c时，均衡点0，0、0，1、1，0为系统的稳定演化策略，均衡策略为（积极，积极）、（消极，积极）、（积极，消极）； 情景3：当v<2m+c时，均衡点0，1、1，0、D1/D2， C1/C2为系统的稳定演化策略，均衡策略为（消极，积极）、（积极，消极）和混合Nash均衡D1/D2， C1/C2。 2 情绪函数状态下金融机构间博弈分析 对于情绪函数用到的理论定义如下[15]： 定义1：如果随机变量X在x， i=1，2，…，n中取值，规定x>x>，…，>x且服从概率分布pX=x=p， i=1，2，…，n满足p≥0， p+p+…+p=1，则对于x定义其秩位（简记RP）为： RP=pX≤x=p+p+…+p， i=1，2，…，n （9） 定义2：在风险决策结构p，x； p，x； …； p，x下，如果博弈方的效用函数ux，则定义秩依效用模型为： VX，u，π=πxux （10） 其中：πx表示对产生x的决策权重，定义为： πx=ωP+1-RP-ω1-RP， i=1，2，3，…，n （11） 这里的ω·是一个满足ω0=0， ω1=1的单调递增函数。 定义3： 决策者满足RDEU決策模型是指，他们的偏好可以由效用函数u·和权重函数π·定义的实值函数V表示，即对随机变量X，Y，有： X，Y？圳VX，u，π， VY，u，π （12） 其中：V是由式（10）定义的秩依期望效用。 定义4：四种策略组合下的心理满足系数为π和π，其中k，l=1，2，3，4，从而得出博弈双方的支付矩阵。假设ωx=x，r>0，i=A，B， 称r为博弈方i的情绪函数，用ω·表示博弈方i的心理偏好函数；如果r>1，则称之为“悲观”情绪函数：如果0 因金融机构A、B具有对称性，得到金融机构A、B非理性状态下的效用函数： U=1-pq+q+1-p+pq （13） U=1-pq+q+1-p+pq （14） 分别求导： =-rq1-pq+1-q1-p+pq （15） =-rq1-pq+1-q1-p+pq （16） 在本节主要讨论的是在非理性情况下的金融机构博弈状况，在分析时不考虑金融机构不带有情绪的情景。 情景4：当v≥2m+c时，≤0，≤0， 效用函数递减，Nash博弈均衡状态为0，0，即无论博弈双方的情绪函数如何，最终的策略均衡都是（积极，积极）。 （1）v>2m+c时，可以理解为博弈中的金融机构通过较小的成本获得较大的利益，无论博弈中金融机构是怎样一种情绪，最终都会选择对自己明显有利的策略（积极，积极）。 （2）v=2m+c时，金融机构的反应函数为p q即p，q=0，q， ？坌q∈0，1和p，q=p，0， ？坌p∈0，1属于混合策略Nash均衡。 情景5：当v<2m+c时，在本节我们讨论当金融机构在情绪函数下的博弈均衡，因在现实生活中很难出现金融机构的利润小于付出的成本的情况，因此在这样的情况下讨论金融机构的情绪是无意义的。 3 数值分析与模拟 3.1 理性状态博弈下的算例分析与数值模拟 在理论研究的基础上通过算例分析与数值模拟来探讨文章所述三种情景下的相位演化图。 对于情景1，v>2m+c的情景下，设参数v=4， c=1， m=0.5，得到情景1下的相位演化图1： 对于情景2，v=2m+c的情景下，设参数v=4， c=3， m=0.5，得到情景2下的相位演化图2： 对于情景3，v<2m+c的情景下，设参数v=4， c=5， m=0.5，得到情景3下的相位演化图3： 由图1、图2和图3可知，当v>2m+c数值模拟的稳定点0，0，稳定策略（积极，积极）与上文得出的结果相吻合；当v =2m+c数值模拟的稳定点0，0、0，1、1，0，稳定策略（积极，积极）、（积极，消极）、（消极，积极）与上文得出的结果相吻合；当v<2m+c数值模拟的稳定点0，1、1，0，稳定策略（积极，消极）、（消极，积极），分界点1-=，与上文得出的结论相吻合。 3.2 情绪函数状态博弈下的算例分析与数值模拟 情景4-1：在v=4， c=2， m=0.5的情况下，不同情绪函数下的策略选择如图4至图7所示： ①r=0.5， r=0.5；②r=0.5， r=1.5；③r=1.5， r=0.5；④r=1.5， r=1.5。 分别对应图4至图7； 在v>2m+c时，①金融机构A，B都是乐观的情绪，p，q→0，0，金融机构A，B在这种情况下都会采取积极的策略。②金融机构A是乐观情绪，金融机构B是悲观情绪，金融机构A，B的策略比例p，q→0，q，因为金融机构A是乐观情绪，在策略选择时，金融机构A会认为自己能够在物流金融业务开展中获得利益，策略选择比例q=0符自身的利益最大化，金融机构B是悲观情绪，所以，即使v>2m+c，金融机构B的策略选择也没有明显的偏向于积极，而是在q=q∈0，1之间徘徊。③金融机构A是悲观情绪，金融机构B是乐观情绪，金融机构A，B的策略比例p，q→p，0，因为金融机构B是乐观情绪，在策略选择时，金融机构B会认为自己能够在物流金融业务开展中获得利益，策略选择比例p=0符自身的利益最大化，金融机构B是悲观情绪，所以，即使v>2m+c，金融机构B的策略选择也没有明显的偏向于积极，而是在p=p∈0，1之间徘徊。④金融机构A，B都是悲观的情绪，p，q→0，0，金融机构A，B在这种情况下都会采取积极的策略；现实意义为金融机构任何一方知道对方是悲观情绪，另一方无论什么情绪都会迅速采取积极策略使自己的利益最大化。对于①、④，金融机构A，B持有相同的情绪函数，同时持有悲观情绪函数对应的④明显比同时持有乐观情绪函数的①更容易趋于稳定，因为在具有情绪函数的策略选择中，决策方会考虑对方的情绪因素，然后做出自己的策略。对于②、③，金融机构一方乐观，具有悲观情绪的一方悲观策略选择时会趋于不确定。 情景4-2：在v=4， c=3， m=0.5的情况下，不同情绪函数下的策略选择如图8至图11所示： ①r=0.5， r=0.5；②r=0.5， r=1.5；③r=1.5， r=0.5；④r=1.5， r=1.5； 分别对应图8至图11： 在v=2m+c时，①金融机构A，B都是乐观的情绪，p，q→0，0，金融机构A，B在这种情况下都会采取积极的策略。②金融机构A是乐观情绪，金融机构B是悲观情绪，金融机构A，B的策略比例p，q→0，q，因为金融机构A是乐观情绪，在策略选择时，金融机构A会认为自己能够在物流金融业务开展中获得利益，策略选择比例p=0符自身的利益最大化，金融机构B是悲观情绪，在v=2m+c时，其策略选择比例没有明顯的偏向性，在q=q∈0，1之间徘徊。③金融机构A是悲观情绪，金融机构B是乐观情绪，金融机构A，B的策略比例p，q→p，0，因为金融机构B是乐观情绪，在策略选择时，金融机构B会认为自己能够在物流金融业务开展中获得利益，策略选择比例q=0符自身的利益最大化，金融机构A是悲观情绪，在v=2m+c时，其策略选择比例没有明显的偏向性，在p=p∈0，1之间徘徊。④金融机构A，B都是悲观的情绪，p，q→0，0，金融机构A，B在这种情况下都会采取积极的策略；现实意义为金融机构任何一方知道对方是悲观情绪，另一方无论什么情绪都会迅速采取积极策略使自己的利益最大化。对于①、④，金融机构A，B持有相同的情绪函数，同时持有悲观情绪函数对应的④明显比同时持有乐观情绪函数的①更容易趋于稳定，因为在具有情绪的策略选择中，决策方会考虑对方的情绪因素，然后做出自己的策略。对于②、③，金融机构一方乐观，具有悲观情绪的一方悲观策略选择时会趋于不确定。 根据数值模拟的仿真分析，在v≥2m+c时，博弈双方最大的概率p，q→0，0，即（积极，积极），如果一方是乐观情绪，其选择一定是积极策略；如一方是悲观情绪，其策略选择会根据对方的情绪函数来确定，对方是乐观情绪，那么自己就趋于不确定性；对方是悲观情绪，自己就会选择积极策略，以保证自己的利润最大化。在悲观情绪下，金融机构的策略选择不一定就是消极的，同时悲观情绪状态下的金融机构博弈双方反而会比同时积极状态下的博弈双方更快速的趋于稳定p，q→0，0的（积极，积极）策略。 4 结 论 通过对比完全理性状态下和带有情绪函数状态下的金融机构间的博弈；在金融机构完全理性状态下，金融机构的策略稳定点会依据成本与收益的大小进行；而如果考虑金融机构具有一定的情绪函数，则策略稳定并不会完全像我们想像的那样朝着自己利益最大化的方向发展，金融机构会首先去判断对方的情绪函数，然后做出自己的决定，最后形成一个稳定的策略，这种策略往往会与人们的直觉判断形成一定的偏差。 文章基于演化博弈理论研究了物流金融业务下金融机构之间在完全理性与具有情绪函数状态下的博弈问题，通过构建博弈模型下的复制动态方程求出其稳定点，并利用数学方法证明其稳定性，得到不同情景状态下金融机构间博弈的演化稳定策略组合，最后利用数值模拟的方法验证了所得演化稳定策略的正确性。通过对博弈结果的分析，特别是在金融机构同时处于悲观状态下的策略分析，其结论改变了我们原有经验的判断：同时具有悲观情绪的双方在选择策略时更易于趋于稳定。通过对文章的分析与探讨，希望对物流金融业务背景下金融机构间的博弈提供一定的参考价值。 参考文献： [1] 邹小芃，唐元琦. 亟待关注的领域：物流金融学[J]. 科技进步与对策，2004（11）：163-165. [2] CHEN X， ZHU D. Innovation of Logistics' Finance Service——Finance Logistics[J]. Logistics Technology， 2005（3）：4-6. [3] Li W. Research on Logistics Financial Credit Evaluation of Third-Part Logistics Enterprises with Uncertain Information[J]. Advances in Information Sciences & Service Sciences， 2012，4（8）：171-177. [4] 李毅学，吴丽华. 物流金融创新下的订单融资业务风险分析与管理[J]. 当代财经，2008（12）：66-70. [5] 刘哲，方淑芬. 利用模糊层次综合法构建物流金融信用评价模型研究[J]. 铁路采购与物流，2009（4）：50-51. [6] 胡愈. 现代农村物流建设金融支持研究[D]. 长沙：中南大学（博士学位论文），2007. [7] 杨欢欢. 基于博弈论的物流金融信用风险管理研究[D]. 北京：北京交通大学（硕士学位论文），2010. [8] 李鹏飞. 物流金融中金融机构和物流企业的演化博弈研究[D]. 郑州：郑州大学（硕士学位论文），2013. [9] 徐明川. 物流企业开展物流金融的博弈分析[J]. 商业时代，2006，35：13-14. [10] 江瑩. 基于合作博弈的物流金融收入分配优化研究[D]. 长沙：中南林业科技大学（硕士学位论文），2012. [11] 徐文哲. 物流金融博弈的合约选择探析[J]. 求索，2013（1）：47-48，129. [12] 谢识予. 经济博弈论[M]. 上海：复旦大学出版社，2007：165-269. [13] Von Neumann J， Morgenstern O. Theory of games and economic behavior[M]. Princeton university press， 2007. [14] Quiggin J. A theory of anticipated utility[J]. Journal of Economic Behavior & Organization， 1982，3（4）：323-343. [15] Diecidue E， Wakker P P. On the intuition of rank-dependent utility[J]. Journal of Risk and Uncertainty， 2001，23（3）：281 -298. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。