incomplete information

不完全信息 (Incomplete Information)

不完全信息（Incomplete Information）是博弈论中的一个基础概念，描述博弈中至少有一名参与者不确知其他参与者的某些关键特征——这些特征通常被建模为参与者的"类型"（Type），包括其支付函数、策略空间或信念结构。不完全信息与不完备信息（Imperfect Information）是两个常被混淆但本质不同的条件：前者涉及对博弈结构本身的不确定（如对手的目标函数），后者仅涉及对博弈历史中行动的不确定。不完全信息博弈的标准分析框架由约翰·海萨尼（John Harsanyi）于1967—1968年建立，他为此获得了1994年诺贝尔经济学奖。该框架的引入使博弈论从完全信息的理想化场景拓展至市场、拍卖、契约和信号传递等现实信息环境中，成为信息经济学和机制设计理论的方法论基石。

概念辨析：不完全信息、不完备信息与完全信息

博弈论中关于信息的分类涉及三个核心维度，其区分对分析结论有根本影响。

完全信息（Complete Information）与不完全信息相对。在完全信息博弈中，所有参与者的策略空间和支付函数均为共同知识（Common Knowledge），即每个参与者都知道其他人的可选行动及各自收益，知道别人也知道这些，如此无限递归。囚徒困境和古诺博弈均为完全信息博弈的经典实例。

完备信息（Perfect Information）与不完备信息（Imperfect Information）相对。完备信息要求每个信息集仅含一个决策节点，即参与者在行动时完全知晓博弈的整个历史。不完备信息则存在多点信息集——参与者无法区分同一信息集内的不同历史路径。同时博弈天然具有不完备信息：任一参与者决策时均不知对手的当期选择。

由此可产生四种组合：（1）完全且完备——如鲁宾斯坦议价模型，双方知晓彼此的耐心程度且观察所有报价；（2）完全但不完备——如囚徒困境，支付为共同知识但行动同时发生；（3）不完全但完备——如信号博弈，接收者不知发送者类型但观察其信号；（4）不完全且不完备——如带有私人类型的同时博弈，参与者既不知对手类型也不观察对手行动。

不完全信息博弈的核心特征在于类型空间（Type Space）的存在：每个参与者 $i$ 拥有私人类型 $\theta_i \in \Theta_i$，其支付函数 $u_i(a_1,\ldots,a_n; \theta_i)$ 依赖于自身类型。类型可以是离散的（如高成本/低成本）或连续的（如产品质量、风险偏好参数）。其他参与者不确知 $\theta_i$ 的具体取值，但拥有关于类型分布的共同知识先验信念。

海萨尼变换与贝叶斯博弈

海萨尼对不完全信息博弈的核心贡献是海萨尼变换（Harsanyi Transformation），它将一个不完全信息博弈转化为一个等价的、具有不完备信息但完全信息的博弈。

变换通过引入一个虚拟参与者——自然（Nature）——来实现。自然先于所有参与者行动，从联合类型分布中抽取每个参与者的类型，并仅将 $\theta_i$ 私下告知参与者 $i$。此后，参与者基于自身类型和关于他人类型分布的信念进行策略选择。在转换后的博弈中：

1. 博弈结构（包含自然的选择规则和类型条件分布）对所有参与者是共同知识，满足完全信息条件；
2. 但参与者 $i$ 不知道自己被自然分配的类型之外的私人信息——$i$ 的信息集包含所有自然分配给其他参与者不同类型取值但分配给 $i$ 相同 $\theta_i$ 的节点，因此具有不完备信息。

经过海萨尼变换的博弈称为贝叶斯博弈（Bayesian Game）。其正规式表示为 $\Gamma^B = \langle N, \{A_i\}, \{\Theta_i\}, p, \{u_i\} \rangle$，其中 $N$ 为参与者集合，$A_i$ 为行动空间，$\Theta_i$ 为类型空间，$p$ 为联合类型分布，$u_i: A \times \Theta \to \mathbb{R}$ 为支付函数。

贝叶斯纳什均衡

不完全信息博弈的标准解概念是贝叶斯纳什均衡（Bayesian Nash Equilibrium, BNE）。在 BNE 中，每个参与者的策略是一个从自身类型到行动的映射 $s_i: \Theta_i \to A_i$，要求对每一类型 $\theta_i$，给定关于他人策略的信念，该策略最大化该类型的条件期望支付：

BNE 的计算依赖 贝叶斯法则（Bayes' Rule）进行信念更新——参与者根据自身类型对他人类型的条件分布形成预期。在均衡中，策略函数为共同知识且相互最优反应，信念更新也是一致的。

以简单的不完全信息古诺竞争为例：两个企业面临不确定的市场需求，企业 1 具有关于需求截距的私人信息（高需求或低需求类型），企业 2 仅知道企业 1 类型的先验概率分布。均衡求解中，企业 1 根据自身类型选择不同产量，企业 2 在生产时虽不知实际需求水平，但基于 BNE 预期企业 1 的策略函数进行最优生产决策。结果显示，相对于完全信息基准，信息劣势方的期望利润下降，信息优势方可能获得信息租金（Information Rent）。

类型、信念与共同先验假设

不完全信息博弈的信念结构是界定均衡的关键组成部分。共同先验假设（Common Prior Assumption）通常被引入以约束信念的一致性：所有参与者共享关于联合类型分布的同一先验概率，收到私人信号后通过贝叶斯法则形成后验信念。共同先验假设虽非逻辑必然，但使模型避免了无限递归的信念层级问题。海萨尼教义（Harsanyi Doctrine）主张，拥有相同信息的参与者应形成相同信念。在认知博弈论中，允许异质先验的扩展模型被用于分析过度自信和观点分歧。

动态不完全信息博弈与精炼均衡

当分析从静态扩展至动态时，不完全信息博弈的解概念需进一步精炼，以排除不可信威胁和"空洞"信念。完美贝叶斯均衡（Perfect Bayesian Equilibrium, PBE）是动态不完全信息博弈中最常用的均衡精炼，它要求在每个信息集上：（1）参与者策略构成序贯理性（Sequential Rationality）；（2）信念按贝叶斯法则在均衡路径上更新；（3）对非均衡路径上的信息集，信念可任意指定但需与策略相容。

PBE 是分析信号博弈的标准工具。在斯宾塞就业市场信号模型中，求职者的能力类型为私人信息（不完全信息），选择教育水平作为可观察信号，雇主据以决定工资。分离均衡（不同类型选不同教育水平）和混同均衡（所有类型选相同教育水平）均是 PBE 的可能结果，其存在条件取决于教育成本在不同类型间的差异。这一框架揭示了不完全信息下信号传递作为信息揭示机制的有效性条件。

更严格的精炼包括序贯均衡（Sequential Equilibrium）和直觉准则（Intuitive Criterion），前者强化了 PBE 的一致性约束，后者用于剔除信号博弈中不合理的混同均衡。

经济应用

不完全信息框架深刻重塑了经济学对市场、拍卖、合约和政策的分析范式。

拍卖理论是不完全信息博弈最直接的应用场域。在一级价格密封拍卖中，每位竞拍者对标的物的估值是私人信息（独立私人价值模型），竞拍策略是将私人估值映射为报价的函数。威廉·维克里（William Vickrey）1961年证明，在对称独立私人价值设定下，一级价格密封拍卖与维克瑞拍卖（二级价格密封拍卖）产生相同的期望收益——这是收益等价定理（Revenue Equivalence Theorem）的经典推论，构成了拍卖理论的理论内核。不完全信息框架也用于分析共同价值拍卖中的"赢家诅咒"（Winner's Curse）——中标者因信息劣势而可能对标的出价过高。

契约理论中，委托—代理模型可视为不完全信息博弈：代理人拥有关于自身能力的私人信息，委托人设计合约应对信息优势。逆向选择和道德风险是这一框架的核心应用。

机制设计（Mechanism Design）反转了分析视角：设计者设定规则，使不完全信息下参与者的贝叶斯纳什均衡自动实现效率或收益目标。显示原理证明，任何贝叶斯纳什均衡结果均可被一个说真话的直接机制实现。

此外，不完全信息在宏观经济学中亦有重要应用：卢卡斯供给函数假设经济主体对总体价格信息不完备，由此解释货币政策的短期实际效应；全球博弈（Global Games）将不完全信息用于协调博弈分析，解释银行挤兑和货币危机中唯一均衡的形成。

与信息经济学的联系

不完全信息博弈构成了信息经济学的方法论核心。信息不对称在不完全信息博弈框架中被形式化为参与者类型分布的非对称性。阿克洛夫（Akerlof, 1970）的柠檬市场模型、斯宾塞（Spence, 1973）的就业市场信号模型和罗斯柴尔德—斯蒂格利茨（Rothschild–Stiglitz, 1976）的保险市场筛选模型，均可统一表述为不完全信息贝叶斯博弈的特定参数化，为理解市场失灵的微观机理提供了严格基础。