激励「真实需求」的完美方案存在吗？

撰文：HelloLydia¹³

一、当诚实成为自利的选择

1961 年，经济学家 William Vickrey 提出了一个看似反直觉的拍卖规则：出价最高者赢得竞拍，但只需支付第二高的价格。

这个简单的 twist 解决了一个困扰拍卖设计者数百年的问题：竞拍者的策略性虚报。

在传统的第一价格拍卖中，理性竞拍者永远不会出真实估值：如果你认为一幅画值 100 万，你会出 80 万，赌别人出得更低——拍卖变成了心理博弈。

Vickrey 认为如果有一个机制让你支付的不是自己的出价，而是别人的出价，那么虚报就失去了意义。 这时候出真实估值成为唯一的理性策略：无论别人怎么做，说真话对你都是最优的。

经济学家为这种性质创造了一个术语：激励相容（Incentive Compatibility）。当一个机制让参与者的最优策略恰好是如实行动时，这个机制就是激励相容的。

二、交易活动为何总「得非所愿」

交易活动本质是一个博弈：平台设定规则，用户调整行为，奖励根据行为分配。

以最常见的交易量排名赛为例，规则的基本框架就是用户贡献的交易量越高➡️获得的奖励越多。

这个机制显然不是激励相容的：它奖励的是平台内可观测的交易行为，而不是用户的真实交易需求（把原本就有的有机交易需求从外部平台转移到本平台）。

而交易量的边际成本趋近于零。一个用户可以通过对刷、多地址来无限放大交易量，而几乎不承担任何风险。在反女巫不极致的情况下，刷量就是这个博弈的占优策略。

回想 Vickrey 的拍卖，他并没有设计一个测谎仪来惩罚虚报者，而是设计了一个从一开始就让虚报毫无意义的规则。最好的机制是不需要事后审查的机制。

如果我们按照这样的思路去重新设想一个优雅的交易活动，核心问题可以被重新表述为：

如何设计一个激励相容的活动机制，让如实交易成为用户的占优策略，除此之外无利可图？

三、理解博弈中的玩家

交易活动的用户可以大致分为三类：

• 真实交易者：有真实的交易需求，会承担价格风险，行为模式受市场条件影响。他们是平台真正想要激励的对象，带来真实流动性、长期留存、正向口碑。
• 策略型参与者：以套利为主要目的，可能贡献一定的流动性，但行为高度依赖激励结构，激励消失则行为消失。
• 刷量型参与者：唯一目的是套取激励，由于稀释了真实用户的奖励，拉低了活动的信噪比，对平台的长期价值不利。

一般的活动规则思路是想办法识别并剔除第三类——但这是一场注定疲惫的军备竞赛：筛查规则一公开，刷量策略就会进化；规则不公开，又面临透明度和公平性质疑。

四、什么信号是最贵的

激励相容的思路不是识别刷量型参与者，而是设计一个让刷量行为无利可图的机制。

这是否意味着我们需要找到一种真实交易者可以无感提供，但刷量型交易者难以批量提供的信号？

交易量显然不符合这个标准，那什么符合？

我们发现交易里天然的昂贵信号有且只有两类：

• 真实成本：手续费、滑点、资金费...
• 真实风险：持仓、市场波动...

将这两类昂贵信号引入活动机制后，我们会得到两个调整思路：

• 按照净手续费分发奖励
• 只有持仓时间超过 T 的交易才计入有效交易量 （但无法排除多号对冲）

同时，由于透明的规则为刷量型交易者设定了明确的优化目标，引入适度的不确定性则可以削弱针对性优化。我们可以考虑组合多个维度，但在活动结束后公布具体权重。

五、激励「真实需求」的完美方案存在吗

在上一节里我提问：

这是否意味着我们需要找到一种真实交易者可以无感提供，但刷量型交易者难以批量提供的信号？

我认为按这个思路去「修改信号」并不是最终答案，手续费 /OI/ 组合依然只是「交易量」这个数据维度的替代品。它们本质上还是在说：「我们无法观测真实需求，但我们可以观测一些与真实需求相关的代理变量」。

并且，只要奖池够高，刷量型交易者依然可以推高成本去模拟昂贵信号。真正的激励相容应该是让刷量变得无意义，而不只是成本高。

莫非交易活动本质上就无法像拍卖那样优雅？

我们再次审视一下 Vickrey 拍卖能够 work 的前提条件：

• 参与者对物品有一个内在的、先验的估值
• 这个估值是私有信息，只有参与者自己知道
• 机制的目标是揭示这个估值，解决信息不对称问题

而交易活动设计相较于此的根本困境是，平台想要的 「真实交易需求」 比 「估值」 复杂得多。

• 不存在先验的「真实交易需求」：用户的交易量和交易行为与市场波动息息相关。
• 「真实需求」本身也难以定义：平台从根本上没法分辨「激励驱动的交易」和「需求驱动的交易」，真实可能介于两者之间——一个用户看到奖励后，他的「真实需求」可能真的增加了！

所以交易活动面对的是一个内生性问题：你试图测量的东西会被测量行为本身改变。这可以类比物理学的测不准原理。

至此我们可以发现，激励相容机制擅长解决信息不对称，但对交易活动这类内生性问题几乎无能为力。

六、回归老实，思考务实的路径

经过一番艰苦的思考，我们遗憾地发现，「让真实交易成为唯一占优策略」 无法实现。

但理性参与者发现「刷量不划算、确定性低」是可以逼近的。这就将不再是一个优雅的激励相容问题，而是一个诚实的机制 robustness 问题。

在文章的结尾，根据我思考活动和博弈的经验，再总结几条可操作的原则：

原则一：奖励不可低成本伪造的行为

任何可以被低成本伪造的指标最终都会被伪造。

如果一定要选，更好的方向是奖励那些伪造成本高的行为：手续费、净仓位变化、价格影响、对手方分散度...这些指标要么需要真实承担风险，要么需要复杂的协调成本。

原则二：不要用一个机制追求两个目标

当你发现一个活动规则越来越复杂、越来越多例外条款时，往往是因为它在试图同时优化多个冲突的目标。更好的做法是拆分成多个单一目标的活动。

原则三：保留不确定性

透明度和筛选效率之间存在张力。保留部分不确定性——无论是权重的随机性、维度的延迟揭示、还是事后抽查——都可以削弱这种针对性优化的收益。真实用户不会因为规则的不确定性改变行为。

原则四：提高边际成本，不追求完美过滤

没有单一机制能百分之百过滤「非真实需求」。但 robustness 机制设计的目标也不必是完美过滤，而是提高边际成本，叠加不同的约束有助于实现这一点。

原则五：真实用户应该无感

最好的筛选机制是真实用户完全无感的。他们正常交易，正常获得奖励，不需要学习复杂规则，不需要做额外动作。

在设计机制时，永远要问：这个规则会给真实用户增加多少负担？