第1章 Mean Field Game 概述

1. Mean Field Game 概述：从博弈论到MFG的演进、MFG在金融领域的应用背景、课程目标与学习路径

说实话，每次讲MFG，我都得先聊聊博弈论。为什么？因为MFG本质上就是博弈论的一个分支，只不过它解决的是「人太多」的问题。

经典博弈论大家应该都熟悉。纳什均衡、囚徒困境、零和博弈……这些概念在金融圈里早就被用烂了。但有个问题一直困扰着我——当参与者数量从2个变成200万个时，传统博弈论就彻底失效了。

你想想看，在传统博弈论里，每个玩家都要考虑其他所有玩家的策略。两个人还好说，三个人就开始头疼了。要是面对成千上万个交易对手，每个对手都在做决策……嗯，这计算量直接爆炸。

我在做高频交易策略时遇到过这个问题。当时我们想模拟一个订单簿上的所有做市商行为，总共也就几十个活跃玩家。但即便如此，状态空间已经大到没法直接求解。后来我才意识到，这条路走不通。

传统博弈论的几个核心痛点：

核心洞察：当参与者数量趋近无穷大时，个体之间的差异可以被「平均化」处理。这就是MFG的核心理念——用「平均场」代替「所有个体」。

MFG（Mean Field Game，平均场博弈）这个概念，最早是由数学家Jean-Michel Lasry和Pierre-Louis Lions在2006年左右提出的。说实话，他们当时可能也没想到这东西会在金融领域火起来。

MFG的核心思想其实很简单：与其考虑每个对手的具体行为，不如考虑所有对手的「平均行为」。就像物理学里处理气体分子一样，你不需要追踪每个分子的轨迹，只需要知道气体的温度和压强就够了。

我个人习惯把MFG理解成「大群体的最优决策问题」。它有两个关键方程：

这两个方程耦合在一起，就构成了MFG系统的核心。HJB方程从个体视角出发，FP方程从群体视角出发。两者互相影响，最终达到一个「自洽」的均衡状态。

避坑指南：我曾经在求解MFG系统时犯过一个低级错误——只解了HJB方程，忽略了FP方程。结果算出来的策略看起来很美，但放到模拟环境里完全跑不通。后来才意识到，没有考虑群体分布的变化，你的「最优策略」就是空中楼阁。

金融领域为什么需要MFG？说白了，金融市场就是一个人多到爆炸的博弈场。

想想看：

每个参与者都在做决策，每个决策都在影响市场价格。传统方法根本处理不了这种复杂度。

MFG在金融里的几个典型应用场景：

我在做期权做市策略时，就尝试过用MFG来建模多个做市商之间的竞争。传统方法假设做市商是垄断的，但现实中你面对的是几十个同行。用MFG框架，我把每个做市商的报价策略建模成对「平均报价」的反应，效果比传统模型好不少。

注意：MFG不是万能药。它假设参与者数量足够大，个体对整体的影响可以忽略。如果你的市场只有几个玩家，MFG就不太适用了。这种情况下，还是老老实实用传统博弈论吧。

这门课的目标很明确——让你能真正用MFG解决算法交易中的实际问题。不是纸上谈兵，不是纯数学推导，而是能写代码、能跑模拟、能部署到实盘的那种。

具体来说，学完这门课你应该能：

学习路径我建议这样走：

我个人建议，如果你数学基础一般，可以先跳过第4-5章的严格推导，直接看第6章的数值方法。等后面遇到问题了再回头补数学。嗯，我就是这么干的，效果还不错。

学习建议：每章后面的代码示例一定要自己跑一遍。光看不动手，永远学不会MFG。我见过太多人看了十几篇论文，结果连一个简单的MFG系统都跑不出来。

下面这张图展示了本章的核心知识结构。从博弈论出发，经过MFG的数学框架，最终落地到金融应用。每个环节都有对应的课程章节。

这张图把本章的核心逻辑串起来了。从博弈论出发，经过MFG的数学框架（HJB+FP方程），最终落地到金融应用。后面的课程会沿着这个路径一步步展开。

好了，第一章就到这里。记住，MFG不是玄学，是能实实在在帮你赚钱的工具。后面我们开始动手，先从数学基础开始啃。

公众号:蓝海资料掘金营，微信deep3321