一、博弈论导论：非合作博弈的定义、历史背景、纳什均衡的直观理解、课程整体框架

1.1 我们为什么要学博弈论？

说实话，我刚开始做量化风控那几年，压根没想过博弈论这回事。

那时候我满脑子都是逻辑回归、随机森林、评分卡。直到有一次，我负责一个信贷产品的反欺诈模型，发现用户的行为模式根本不是独立分布的——他们之间会互相“学习”，会试探规则漏洞，甚至会组团攻击。嗯，那一刻我才意识到：风控不是一个人在战斗，而是一场多方参与的博弈。

你想想看，借款人、平台、第三方数据源、监管机构……每个角色都有自己的策略。借款人想多借点、少还点；平台想控制坏账、提高转化；监管想合规、防风险。这些目标天然冲突。怎么建模？怎么量化？怎么找到那个“大家都别耍赖”的平衡点？

这就是博弈论要解决的问题。

1.2 非合作博弈：到底在说什么？

先给个定义。非合作博弈，说白了就是每个玩家只关心自己的利益，不跟别人串通。注意，这里“非合作”不是说大家互相敌对，而是说没有强制性的合作协议。

举个例子。你在电商平台申请一笔贷款，平台给你批了额度。你选择按时还款还是逾期？平台选择给你高额度还是低额度？你们俩没有签“你必须还钱”的协议，各自都在盘算自己的最优策略。这就是非合作博弈。

我在做多头借贷风控时遇到过这样一个场景：多个平台同时给一个用户授信，每个平台都不知道其他平台给了多少额度。用户呢，会同时从多个平台借钱。结果就是——每个平台都觉得“我只给了5万，风险可控”，但用户实际负债可能已经50万了。这就是典型的非合作博弈困境。

1.3 历史背景：从零和到非零和

博弈论的历史，其实挺有意思的。

最早可以追溯到1944年，冯·诺依曼和摩根斯坦合著了《博弈论与经济行为》。那本书主要讲的是零和博弈——你赢多少我就输多少，像下棋、打牌那样。

但现实世界哪有那么多零和？你想想看，一笔贷款如果正常还款，借款人和平台是双赢的。如果逾期，双方都受损。这明显是非零和博弈。

真正让博弈论“出圈”的，是约翰·纳什。他在1950年提出了纳什均衡的概念，把博弈论从“零和”扩展到了“非零和”。纳什证明了：在任何有限博弈中，至少存在一个策略组合，使得没有人愿意单方面改变自己的策略。

我记得第一次读到纳什的论文时，心里就一个感觉：这哥们儿太牛了。他把数学和经济学、社会学、甚至生物学串在了一起。后来我在风控模型里用博弈论做策略优化时，经常想起纳什的那个证明——简单、优雅、又深刻。

时间	人物	贡献
1944	冯·诺依曼 & 摩根斯坦	提出博弈论基本框架，聚焦零和博弈
1950	约翰·纳什	提出纳什均衡，推广到非合作博弈
1960s	海萨尼 & 塞尔腾	引入不完全信息、动态博弈
1990s至今	多位学者	博弈论与机器学习、风控模型深度融合

1.4 纳什均衡：直观理解

纳什均衡这个概念，听起来高大上，其实特别简单。

我给你讲个故事。假设你和同事一起做项目，你们俩可以选择“努力”或“摸鱼”。如果都努力，项目成功，每人得10分。如果都摸鱼，项目失败，每人得0分。如果一个努力一个摸鱼，努力的人得2分（累死还没好结果），摸鱼的人得5分（白捡便宜）。

你想想看，你会怎么选？

如果同事努力，你摸鱼能得5分，努力只能得10分——但摸鱼更轻松啊，而且5分也不差。如果同事摸鱼，你努力得2分，摸鱼得0分——那还不如摸鱼。所以不管同事怎么选，你都会选摸鱼。同事也一样。最终结果：都摸鱼，得0分。

这个“都摸鱼”的状态，就是纳什均衡。没有人愿意单方面改变策略——因为如果你一个人改成努力，得分反而更低（从0变成2？不对，你努力同事摸鱼，你得2分，比0分高？等等，这里要算清楚）。

再回到刚才的例子。如果我把收益改一下：都努力得10分，都摸鱼得0分，一个努力一个摸鱼——努力的人得8分，摸鱼的人得2分。这时候，如果同事努力，你努力得10分，摸鱼得2分——你会选努力。如果同事摸鱼，你努力得8分，摸鱼得0分——你还是选努力。所以“努力”成了占优策略。最终均衡是（努力，努力）。

你看，同样的博弈结构，不同的收益参数，结果完全不同。这就是为什么在风控中，参数设定和收益函数设计极其重要。

1.5 课程整体框架

这门课一共30章，我把它分成四个模块。下面这张图可以帮你快速建立全局认知。

模块一打基础，模块二学模型，模块三做融合，模块四上实战。我个人建议你按顺序学，尤其是前两个模块，跳过去后面会吃力。

1.6 写在第一章的最后

博弈论不是万能的。但它给了我们一个非常强大的视角——把风控问题看成多方策略的互动，而不是单方面的“预测”或“分类”。

我做了十年风控，越来越觉得：好的风控模型，不是算得最准的那个，而是在博弈中能站稳脚跟的那个。借款人会变，欺诈手段会变，市场环境会变。只有理解博弈的本质，才能以不变应万变。

嗯，第一章就到这里。接下来，我们正式进入非合作博弈的数学框架。

---