互联网平台的商业影响｜访谈2016乌家培资助计划获得者北京大学翁翕教授

学会秘书处

2016年度中国信息经济学乌家培奖授予清华大学徐心教授和现北京大学翁翕教授，以表彰他们分别在信息技术扩散及其经济影响领域，在信息、学习和激励领域的理论创新贡献。为了能够总结他们的成功经验，鼓励更多的人投入到中国信息经济与信息管理领域的研究，学会近期对两位获奖者进行了专访，深入了解他们的学术成长历程和研究方法，以期对大家有所启发和助益。以下为翁翕教授的专访内容。

您的学术成长经历是怎样的？

我的学术生涯比较简单。我本科和硕士都毕业于北京大学，博士毕业于美国宾夕法尼亚大学，‍本科、硕士和博士学习的专业都是经济学，毕业后也一直从事经济学相关的研究工作，到现在已经有11年的时间了。‍‍对我学术生涯塑造影响最大的是在美国求学的经历，因为它让我真正找到了自己的研究方向，知道了自己能够解决什么样的问题。

请介绍一下您的研究的理论意义、实践价值以及创新点。

我自己主要用博弈论来研究以下几个问题：

一个是动态学习的问题。在如今信息爆炸的时代，我们需要不断地获取新的信息，‍‍通过学习改变我们对社会的认识，再重新去最优化自己的行为。我现在一个很重要的研究方向就是研究这种带有动态学习的博弈，并把它应用到一些‍‍大的问题里。

比如，2015年我的Job Market Paper研究的就是动态定价问题，文章的结论是说在消费者动态学习的过程中，垄断厂家最佳的定价策略就是先低价培育再高价收割，‍‍这会导致福利方面的损失，政府应该做怎样的干预。现在动态定价已经是数字经济平台领域反垄断很重要的问题了，在现实中有越来越多的政策意义。

2017年，我和其他学者合作的一篇文章《劳动市场的有效学习与跳槽》也是利用动态学习理论研究劳动力市场跳槽的问题，招聘网站使得“在职求职”成为了可能，大大节约了时间成本；搜索引擎技术实现了“有向在职搜寻”，求职和招聘双方都能更精准的获取到自己所要的信息，实现更高效的匹配。

‍‍2019年我们发表在《Journal of Finance》的文章《Star Ratings and the Incentives of Mutual funds》是动态学习理论在金融领域的应用，是用动态学习的理论解开公募基金“粗糙”的基金评级机制与投资者“非理性”之谜。我们发现在动态的信息能力声誉模型里，最后均衡的信息能力的‍‍概率是有限值，也就是说我们看到的有限的粗糙评级机制实际上是理性均衡的完美反应，投资者是理性地预期到五星与四星基金对信息能力的投资程度不一样才做出的投资决策。‍‍这对基金行业从业者有实际意义。正因为基金声誉对基金的现金流有着重要的正向影响，基金机构需要投入足够的精力去树立和维持良好的声誉。另一方面，基金评级能在多大程度上预测基金未来的业绩表现，也值得进一步分析。

第二个是组织经济学相关的问题，比如组织里的权力分配问题、内斗问题、目标设定问题等。2019年我跟‍‍北大周黎安老师等人在《Economic Journal》上发表了一篇文章，我们以各级政府经济发展的五年计划和年度计划为例,基于博弈论经典的Tullock Contest理论建立了一个模型来解释中国经济增长指标从中央到基层政府的"层层加码"的普遍现象。我们的实证分析发现，"层层加码"现象与地方官员的晋升激励有着密切关系，并开创性地提出了地方官员GDP完成目标与上级目标之间的差额也就是超额完成部分对官员晋升的影响更大。我们还发现市或者县的单位数量直接影响了上一级政府的目标制定。‍‍‍‍地级市的数量越多，官员晋升的竞争就越激励，竞争的激励又影响了省的经济增长目标的设定。这些相关的研究对中国政府未来怎样优化地方治理以及避免“层层加码”现象提供了政策依据。

第三个是中国的数字经济及反垄断的问题。我去年在《Rand Journal of Econimics》上发表了一篇文章，利用中国共享单车行业的数据，建立了一个具有网络效应的寡头竞争模型，发现共享单车市场有一个很重要的获客成本，就是通过投资自行车来获取客源。由于高昂的获客成本，网络效应不仅没有导致赢者通吃，反而导致了寡头竞争，共荣共存。尽管不同行业的获客成本会导致怎样的结果，必须具体行业具体分析，但是至少说明有些行业因为有获客成本，以往平台边际成本为零的假设并不一定成立，网络效应不一定会导致赢者通吃。‍‍

您是怎样找到有趣的科学问题的？

这个要分两类：一类是纯理论的研究，更多是站在巨人的肩膀上，看到过去理论‍‍没有研究的问题，发现‍‍理论的空缺领域并且去填补。另一类就是应用研究，更加强调理论结合实践。在写模型的时候不能够被过去的理论所束缚，要从现实问题出发，找到一个简化的模型能够最好的去涵盖现实的现象，给出理论上的阐释，并且能够用数据来检验。对比基于巨人肩膀的理论研究来说，它是更难的，相对风险也更大。我觉得对于这一类的研究，有组织地研究是非常重要的，也就是要组成一个科研团队，‍‍里面既包括做理论的学者，实践丰富的资深学者，也包括能够跑数据的年轻学者、博士生等，大家共同研究一些问题。‍‍我跟北大周黎安老师就有这样的团队，几篇论文的合作都非常愉快。

您主要用什么研究方法分析和解决问题？

我自己看这个世界的角度，基本上都是用博弈论的方法。博弈论现在是经济学最基础性的分析工具之一，从1994年John Nash他们第一次荣获诺贝尔经济学奖到现在，不到30年的时间里，诺贝尔经济学奖大概有1/3的比例是颁给了博弈论学者。它之所以这么受到青睐，很重要的原因是它确实是经济学非常重要的分析工具，很多领域都在用博弈论解决现实的问题。‍‍我们基本的研究范式是这样的：首先从数据出发，从现实出发，找到一些‍‍典型事实，然后建立一个博弈模型来尝试解释这样的现象，‍‍尝试解释以后，模型里得到一些新的推论，再看推论能不能被数据所支持。写出博弈本身是很简单的事情，‍‍关键的问题就在于我们怎样能够把现实问题与博弈相匹配，不能对‍‍模型有任何先验的假设，认为这个模型一定是对的，要不断地根据推论能不能被现实所证实或者证伪来不断地修改模型。通过理论和现实之间不断地迭代来解释所研究的现象。‍‍‍‍我和周黎安老师研究的中国政府“层层加码”的问题，从11、12年开始研究一直到19年才发表，前后用了8、9年的时间，尝试了将近10个不同的模型，一直在不停地优化模型，有的模型确实能解释“层层加码”，但是其推论却跟‍‍其他的现象不符合，那么这个模型也是不对的。在这个过程中，耐心非常重要。

您未来的研究计划是怎样的？

我未来还是会在博弈论、信息经济学这一领域深入研究。最近我也在关注数据要素相关的问题，‍‍包括对我们国家建立数据要素市场以及数据要素政策的一些研究等，我也针对去年底刚发布的‍‍数字经济十四五规划写了一篇关于数据市场的政策解读，发表在发改委的官网上。在数据要素市场里面，我们需要解决一个很重要的问题——定价的问题，也就是数据要素的收益如何在‍‍不同的数据提供方之间进行分配，我之前在这个方面也有一些理论的研究。现在我们国家也在不断地建立新的数据交易所，全国‍‍加起来大概已经有20所数据交易所了。我希望未来更多的从现实角度，跟交易所合作，更好地去设计数据定价的机制、数据交易的机制，‍‍助力中国数据要素市场的发展，这对中国企业的数字化转型也是非常大的促进。

请您谈谈科研心得，您是用什么样的生活和哲学态度看待科研工作的？

我个人对于科研有两点体会：首先，要对科研有发自内心的热爱，有足够的热爱才能够沉得下心来专注地做研究，愿意为科研事业而奋斗。‍‍第二个就是要从更高的角度、更大的视野来寻找研究问题，我们可以用自己的研究方法更多地去跟其他领域做融合。我自己一个很大的爱好就是跨界，我用的都是信息经济学的方法，但是可以去研究组织经济学、产业经济学、金融学等其他领域的问题，我去年还有一篇接收发表在《Journal of Economic History》上的论文，研究的是中国‍‍20世纪上半叶的土豪劣绅崛起问题。‍‍我对学术的热爱是来自于我认为学术可以让我看到很多的现实问题，可以把自己的研究范式跟这些问题结合起来去结出学术研究的硕果。对于经济学来说，现在大家的普遍共识是要做需求牵引的、回应国家重大战略需求的科研，也就是说以需求为导向的有组织的科研是未来重要的研究方向。

您承担了哪些课程的教学？您是如何指导学生的？

我主要是负责《博弈论》和《博弈论与信息经济学》这两门课程的教学。最近，根据学生需求，我又给本科生和EMBA的学生开了一门新课《人工智能与社会经济》，希望能够跟大家一起更好地从经济学角度来探讨人工智能对我们社会经济的影响，包括人工智能未来的走向等。

我认为找问题是学生应该具备的最重要的一个能力。我会给学生一些论文或者现实的案例，让他们尝试自己去找问题，找到问题以后，我会教他们根据这个问题怎样来建模。建模不是一蹴而就的，需要不断地根据现实和‍‍理论来做迭代，过程可能会很长，‍‍这段时间我会让他们尝试不同的建模方式，看不同的结果，‍‍得到一些结论，得到有意思的结论以后，再指导他们进行论文的写作。‍‍

请您谈谈获得乌家培资助计划的心得和感受。

一直以来，学会给了我很大的支持，也授予了我很多奖项，我对学会非常的感激。获得乌家培资助计划是学会对我个人研究成果的认可，对于当时还是助理教授的我来讲是很大的鼓励。并且乌家培资助计划后续还配套了持续的资助，对我们团队的学术研究提供了很大的帮助。‍‍我对学会的感激不仅仅来自于我获得了乌家培资助计划的奖项，更在于学会在整个信息经济学领域，不管是理论的研究，还是理论与实践相结合来指导政策制定或者指导企业管理等方面都做了非常多的工作，提供了很多学术资源，搭建了很好的学术平台，让我受益匪浅。