精炼贝叶斯均衡

精炼贝叶斯均衡 (Perfect Bayesian Equilibrium, PBE)

精炼贝叶斯均衡是博弈论中处理动态不完全信息博弈的核心解概念，由 Fudenberg 和 Tirole（1991）在其博弈论教科书中首次系统化阐述。PBE 将子博弈精炼的序贯理性原则推广至不完美信息环境，同时引入贝叶斯更新作为信念形成的基本规则，实现了策略与信念的联合一致性。与贝叶斯-纳什均衡（BNE）仅要求事前期望最优不同，PBE 要求参与者在博弈的每一个信息集上——无论是否在均衡路径上——都根据信念做出最优反应。

精炼逻辑与理论定位

PBE 的"精炼"属性体现在对均衡概念的层层筛选中。在博弈论精炼计划的谱系中，纳什均衡（1950）提供了最基础的相互最优反应条件，但完全不区分均衡路径与非均衡路径，导致展开型博弈中充斥依赖不可信威胁的荒谬均衡。Selten（1965）的子博弈完美纳什均衡（SPNE）迈出了第一步精炼：通过反向归纳法要求策略在所有子博弈中均为纳什均衡，从而在完美信息博弈中系统性地排除了不可信威胁。

然而 SPNE 的致命局限在于其精炼力度依赖于博弈中真子博弈的数量。在不完美信息博弈中，信息集往往包含多个节点且相互交叉，能够独立切割为子博弈的单点信息集寥寥无几——在极端情况下，只有原博弈本身是合格的子博弈，SPNE 退化为纳什均衡，精炼完全失效。

PBE 的核心突破在于用信念系统替代子博弈结构。信念回答了"参与者在信息集内认为博弈走到了哪个节点"这一根本问题。由于每个信息集都可以定义信念，序贯理性的施加范围从少数几个真子博弈扩展到博弈的全部信息集。这意味着即使博弈缺乏可供反向归纳的子树结构，PBE 仍能在每一决策节点上检验行动是否为给定信念下的最优反应。这一推广使得不完全信息动态博弈——尤其是信号传递博弈和声誉模型——获得了可操作的均衡分析框架。

形式定义的四个要件

按 Fudenberg 和 Tirole 的经典表述，一个评估 $(s, \mu)$ 构成 PBE 当且仅当满足：

1. 信念初始化：在每个信息集 $I$ 上，到达该信息集的参与者持有关于自身所处节点的概率分布 $\mu(\cdot \mid I)$——即"我认为博弈走到了哪里"。
2. 序贯理性：给定信念 $\mu$ 和其他参与者的策略 $s_{-i}$，每个参与者在其每一信息集上选择的行动最大化从该点出发的期望支付（条件期望），即策略 $s_i$ 是信念 $\mu$ 下的最优反应。
3. 均衡路径上的贝叶斯更新：若信息集 $I$ 在策略组合 $s$ 下以正概率被到达，则信念 $\mu(\cdot \mid I)$ 必须通过贝叶斯法则由先验分布和均衡策略推导——即 $\Pr(\text{节点} \mid I) = \Pr(\text{节点} \land I) / \Pr(I)$。
4. 非均衡路径上的信念约束：若信息集 $I$ 在均衡中以零概率被到达，贝叶斯法则的分母为零因而失效。PBE 不强制单一信念更新规则，但要求信念"尽可能"与均衡策略一致——这是 PBE 与更强的序贯均衡（Sequential Equilibrium）产生张力的关键所在。

非均衡信念与进一步精炼

非均衡路径信念的不确定是 PBE 多重性的根源，由此催生了多层次精炼工具。Cho-Kreps 直观准则（Intuitive Criterion, 1987）要求：若某一类型无论接收方信念如何都不可能从某偏离中获益，接收方应将偏离节点的信念权重归零——排除依赖"空头威胁"的混同均衡。更强的神性准则（Divinity）和普适神性（Universal Divinity）在 Cho-Kreps 基础上进一步比较不同类型的偏离激励，逐步收缩可容许信念集。序贯均衡（Kreps \& Wilson, 1982）通过 $\epsilon$-扰动策略列的极限构造，为所有信息集（含非均衡路径）提供了一致的信念基础，是 PBE 在一致性约束上的定理化强化。

应用

PBE 是不完全信息动态博弈的标准分析框架，其应用贯穿信息经济学的各核心领域。

信号传递博弈是最经典的应用场景。Spence（1973）的劳动力市场信号模型中，高能力与低能力工人选择教育水平作为信号向雇主传递私人信息，雇主根据信号更新对工人类型的后验信念并决定工资。PBE 框架下同时存在分离均衡（不同类型选择差异化信号水平，雇主通过信号精确推断类型）与混同均衡（所有类型发送相同信号，信号丧失信息含量），信念系统在非均衡信号水平上的指定决定了哪些均衡能被 PBE 支持。类似的信号逻辑延伸至企业金融中的红利信号（Bhattacharya, 1979）与产业组织中的广告信号（Nelson, 1974; Milgrom \& Roberts, 1986）。

声誉模型是 PBE 在不完全信息重复博弈中的标志性应用。Kreps 和 Wilson（1982）与 Milgrom 和 Roberts（1982）在连锁店博弈中引入关于在位者类型的不完全信息——在位者以微小概率是"强硬"的非理性类型——借助 PBE 的分析表明，即使理性的在位者在有限期博弈中也有激励在前期打击进入以建立声誉，从而解决了 Selten（1978）连锁店悖论中子博弈精炼预言的直觉困扰。这一洞察解释了有限期博弈中合作与威慑的实际存在，为理解商业实践中的声誉投资提供了理论基础。

讨价还价理论中，Abreu 和 Gul（2000）以 PBE 框架建模双边不完全信息下的交替出价讨价还价，刻画了拖延与谈判破裂作为均衡现象的信息机制。产业组织中的限价模型（Milgrom \& Roberts, 1982）和掠夺性定价分析同样依赖 PBE 处理进入者关于在位者成本结构的信念更新。PBE 连同其更强精炼变体——序贯均衡、直观准则和神性准则——构成信息经济学的核心理论支柱，将信念、策略与信息的动态交互纳入统一的均衡分析范式。