本网讯（通讯员黄子骄、李冰冰）武汉高校青年经济学者会议暨华中科技大学“契约组织与微观经济学”论坛于2021年11月13日在经济学院402会议室成功举行，华中科技大学钱雪松教授、陈斌教授，中南财经政法大学龚强教授、武汉大学孙祥教授等二十余位武汉高校教师参加此次会议。此次论坛分为上午、下午论文单元两个部分。

上午论文单元由中南财经政法大学文澜学院院长龚强教授主持。会议伊始，华中科技大学经济学院经济系主任钱雪松教授对本次会议致辞。钱教授代表经济学院对各位参会嘉宾表示欢迎，他期待武汉地区经济学相关领域的力量融合并不断发展壮大。最后钱教授代表经济学院预祝论坛圆满成功。

中南财经政法大学文澜学院院长龚强教授发言感谢华中科技大学经济学院发起并组织本次学术会议，并且分享了个人科研成长的经验。

武汉大学经济与管理学院数理经济与数理金融系的孙祥教授表示对此次举行的论坛充满期待，并表示希望可以与参会学者们擦出思想的火花。

会议第一位演讲嘉宾是华中科技大学经济学院陈斌教授，他的演讲题目为《Disclosure Of Non-Verifiable Information》。陈斌老师首先通过一个例子切入文章核心研究问题：学生有一篇论文的草稿，教师对论文质量的判断和学生对自己努力的边际回报均属于不可验证且独立的信息，对于教师来说，信息传输给学生的最佳披露机制是论文研究的核心问题。在模型讲解中，陈斌老师首先举了教师-学生，政府-居民，医生-新药被试者三个有利益冲突的例子帮助大家更好地理解对委托人和代理人回报的两个基本假设，在这里陈斌老师将自己的论文与已有文献进行比较，提出论文创新点在于前提假设不同，在廉价的谈话模型中（cheap talk）隐含假设是信息是不可验证的，在信息设计模型中（information design）的隐含假设是信息是可验证的，但是汇报论文的假设中信息是不可验证的但是回复是可验证的，且现有文献中对于歧视性的披露和非歧视性的披露大都取决于接受信息方的类型，但本文发现了不同的结论。利用政府对新冠疫情的防护政策为例，s是指政府了解疫情传播的情况信息；б是指居民对自己身体健康的情况信息，基准模型1假设s是可验证的信息且б是公开信息，基准模型2假设s是不可验证的且б是公开的，主要分析模型是s是不可验证的且б是私人的。基于不同的模型假设，在复杂的机制设计基础上进一步进行简化后，陈斌老师以可视化的形式展现了论文的主要结论：当代理人有私人信息时，有歧视的信息披露和无歧视的信息披露都可能是最优的，代理人的私人信息可能会增强委托人的信息披露行为。

武汉大学经济与管理学院的韩立宁老师汇报的主题为《Strategy-Proof Allocations With Punishment》，韩老师首先以瑞幸咖啡、独角兽初创公司和庞氏骗局为例，说明投资者（买家）通常依靠卖方的信息来做出投资决策，卖家比投资者知道的更多可能会透露不真实的信息的事实，提出论文核心研究问题——事后惩罚在诱导事前真实报告中的作用。具体来说，当投资者获得事后信息和惩罚企业所有者的能力时，他会更好吗？什么类型的惩罚功能允许实施改善投资者福利的机制？给定一个惩罚函数，哪种类型的机制将是最佳的？什么类型的惩罚功能允许一个机制是与激励兼容的？韩老师根据具有拟线性效用的资源分配的通用模型说明论文的主要问题。在该模型中，一个投资者（计划者或买家）拥有的资本可以分配给各种私营企业并产生一些利润；信息是不对称的，即企业的所有者（代理或卖方）知道他们所拥有的企业的生产可能性（规划者不知道）。虽然投资者不熟悉投资决策过程中的实际生产可能性，但他可能会依靠企业所有者披露的信息来做出决定。当规划者有能力在事后观察真实类型的代理并惩罚那些错误报告其类型的代理时，韩老师发现并描述了一套主导策略激励兼容（策略证明）机制，该机制要求代理人报告他们的生产能力。策划人根据分配规则和基于报告的生产能力，向代理人收取一定比例的生产费用，然后对误报进行处罚。这类机制依赖于计划者可供使用的惩罚功能并扩展了在没有惩罚时先前的激励兼容机制的特征。对于任何惩罚函数，规划者的最优机制都是类似于一价机制和二价机制的两种机制的凸组合。当规划者有能力选择惩罚函数时，提供达到激励兼容性的最小惩罚和优先最佳所需的效率。最后，韩老师对该模型的实际应用中提供了采购拍卖、私募股权投资和有中介的政府资金三个场景。

中南财经政法大学文澜学院赵琳老师汇报主题为《Treatment Delay In Credence Goods Market》。首先，赵琳老师以修手机为例切入主题，即修手机的人对维修进行报价以后，手机拥有者选择延迟决定自己最终的行为。基于此研究背景，赵琳老师进一步提出本文的研究问题，延迟行为的存在是否会帮助建立专家（修手机的人）和消费者（手机持有人）之间的信任？是否会减少欺诈的可能？延迟行为是否会改善社会福利？谁会出现延迟行为？区别于以往聚焦于搜寻成本的研究，赵琳老师的研究更加聚焦于延迟成本，赵琳老师建立了两期信用产品市场模型，用子博弈纳什均衡的方法研究问题，消费者可以拜访专家两次。简单来说，第一期模型中，消费者面临出现小问题和严重问题的不同概率，专家提供两种服务类型（不同的价格）分别解决问题，若消费者选择在第一期接受服务的话结束博弈，若选择延迟选择服务则进入第二期博弈。第二期模型中，消费者在得到问题的信号后，进一步决定是否接受服务。专家的策略组合包括提供价格和提供严重问题服务的概率，消费者的策略组合包括一阶段和二阶段接受治疗的概率。之后，赵琳老师分别分析了专家说真话（truth telling）、专家欺骗且消费者学习（cheating and consumer learning）、专家欺骗且消费者选择延迟行为（cheating and treatment delay）、消费者异质性可观测（observable heterogeneous consumers）、消费者异质性不可观测（un-observable heterogeneous consumers）的几种博弈模型，并总结了本文的研究结论：延迟行为的存在会增加欺诈的可能；延迟行为会一定程度上改善社会福利；出现延迟行为的可能并不取决于支付意愿，而是取决于消费者异质性是否可以被观察到。

下午论文单元由武汉大学经济与管理学院的数理经济与数理金融系教授孙祥老师主持。

武汉大学经济与管理学院数理经济与数理金融系胡枭骁老师和湖南大学经济与贸易学院经济学系雷浩然老师进行联合汇报，他们的汇报题目为《Delegating lotteries: the optimality of veto-based delegation》。

首先，胡老师先介绍了“授权”问题：一般包含一个对于真实状态不知情的决策者和一个知情的专家，便于理解，决策者可以是政策制定者，专家可以为政治顾问。决策者想制定一些政策，但其没有信息，所以他想从政治顾问那里获得一些信息以便更好地做决策，然而专家的动机和决策者者的动机不完全一致，如何激励专家真实的披露信息政策制定者面临的难题，授权就是试图通过限制专家的选择集来提供合适的激励。为了让大家更好地理解授权的问题，胡老师列举了政府制定价格、股民购买股票等一系列例子。

此外，胡老师指出她研究的授权问题与前人的研究相比有一个不同的假定：前人研究中的专家的收益取决于所处的真实状态和政策制定者所选择的政策，而胡老师的研究假定专家的收益独立于状态，仅取决于政策制定者所选择的政策，并举例说明了这一假定代表了一类常见的情形和重要的问题。她进一步指出专家的收益跟状态无关这一假设在有关于信息披露、说服等一些文献中也有提出，其他文献将其称作“透明的动机”，即专家的动机是透明可见的。而这篇文章首次将其用到授权的问题中，加入这一假设后，最优的授权机制也会变得不一样。在对效用函数做出一些假定的前提下，胡老师给出了最优授权机制的形式：最优机制是包含一系列“彩票”的集合，即专家可以提供的意见形式具有如下特征：以一定的概率选择某个新的政策，以剩余的概率选择原来的政策。而这一机制又可以被解释为当专家提出某个新政策时，决策者将以某个概率拒绝。最优机制形式优美简洁，其证明过程也很精巧。

中南财经政法大学文澜学院杨子超老师的汇报题目为《The return difference in the Bitcoin market》的论文。

比特币是大家听过但都不怎么熟悉的东西，所以吸引了许多老师的关注。首先，杨老师通过引入比特币买披萨的有趣例子向众人展示了比特币价格猛涨的现象，也通过折线图表明自2015年以来比特币价格的变化趋势，而价格的突变则是发生在新冠肺炎冲击之后的一年内。根据这一特征，杨老师提出了三个问题：一是与比特币投资者网络中未联系的地址相比，联系的地址是否获得更高的回报？二是更多联系的地址是否比联系更少的地址获得更高的回报？三是度中心性和特征向量中心性，哪一个可以获得更高的收益？然后，他简要介绍了自己的研究方法：先建立一个比特币投资者网络，将交易地址划分为联系组和非联系组并衡量投资收益，再根据中心化算法后的价值，将有关联的组划分为10个子组并测算收益差异，最后检验哪一个中心化的测算方法对于关联度来说是更好的方法。通过研究，可以得到三个结果：一是直到2019年和2020年，联系才与更高的回报密切相关；二是关联度前20%的地址始终比其他关联组有更高的收益；三是在关联前20%的地址中，相较于度中心性算法，特征向量中心度算法是测量高收益更好的指标。

杨子超老师定义了区块链和区块交易，指出区块是包含已确认的交易数据的存储单元，而区块链则是一系列区块，其中每个区块包含一条关于其前一个区块位置的信息，然后介绍了所谓的比特币矿工的挖矿行为，即算法会设定一个目标，矿工们通过不断地改变随机数来最终得到那个能满足算法设定的目标，以获取那个区块的交易费，然后介绍了在比特币交易中，交易输出的输入包括的基本要素，输出包括三个要素，分别是金额（比特币价值）、锁定脚本大小以及锁定脚本（包含公钥或比特币地址），输入包括五个要素，交易哈希（包含UTXO输出索引的交易）、输出索引、解锁脚本大小、解锁脚本和序列数。

杨老师通过比特币交易图示详细介绍了比特币的交易和认证过程，每个比特币网络上的有效交易将被自动的添加到交易池，在这里，它将等待来自矿工的确认。每当一个矿工将相关交易放入下一个区块，该交易将自动收到第一次确认。每个节点有自己的内存池（mempool），当一个新的有效区块被广播到网络上，每个节点将自动从内存池中移除这些被确认的交易，矿工将根据交易费优先选择那些在交易池中未确认的交易。这些交易费分配矿工，用作他们在比特币网络上解决下一个块的努力的奖金，高交易费的人相对于低交易费能更快的得到确认，并且每个manner都接受第三方监督并承担银行的责任。

在介绍完比特币整个交易过程后，杨老师分享了利用谷歌BigQuery平台上的比特币交易数据进行交易和计算的过程，参照Ozsoylev（2014），该研究给出了针对比特币投资者网络相同的定义方式，如果在十分钟之内大家在同方向交易情况发生了10次以上，则说明两个地址之间存在信息共享，基于比特币网络稳定性的两种方法，文章分别利用度中心性算法和特征向量中心度算法进行了投资收益的计算和回归检验，最终结果显示：（1）比特币交易地址之间的联系很重要：尤其在2019年和2020年。（2）联系的数量很重要：联系最多的前20%的地址比其他联系地址有更高的收益；（3）重要的联系很关键：在前20%的联系地址中，与度中心性算法相比，特征向量中心性对于更高收益来说是相关度更高的指标。最后，杨老师提出了研究的未来展望，比如用一种更复杂的解析方法来聚类交易地址，像BlockSci，还可以关注特定日期的异常交易量和交易费用变化等等。

最后一场是由武汉大学经济与管理学院的马子真老师的汇报，他的汇报题目为《All-pay campaign and electoral accountability》。

马老师研究的是博弈论中比较经典的竞选问题，选举竞争涉及到花费的问题，花费的可以是金钱或者努力等等，与一般竞拍不同的是竞选是全支付的，即不论最终是否成功都会有竞争成本的付出。在竞选活动中，候选人的花费主要是为了提升自身的形象和个人魅力，不涉及到能力提升的问题。一个潜在的问题是具有某种政见的候选人可以通过花费隐藏自己的政见从而提高获胜的概率，而在当选后该候选人将根据自己的偏好选择政策从而损害选民福利。文章想要研究的是全支付的竞选过程是否能够在一定程度上避免这一问题。

为了分析竞选的可能结果，马老师构造了一个动态选举或连任的博弈模型，分为三个阶段：第一阶段为在位者在第一任期选择一个政策；第二阶段为选举竞争阶段，在位者与挑战者通过花费来提升自身的形象，此花费对第二任期的政策没有影响，也就是说在此期间候选人关于第二任期政策的任何承诺都是不可信的，然后选民（或是中位选民）根据候选人的花费选择其中一个候选人；第三阶段，获胜的一方制定第二任期的政策。我们需要注意的是：（1）选民对候选人的评价基于候选人的形象和获胜者可能选择的第二任期的政策；（2）竞选花费可能是某种意识形态的信号，从而影响选民对第二任期政策的信念；（3）候选人关于其竞争对手意识形态的信念影响他的花费策略；（4）第一任期政策的选择可能会向选民和现任竞争对手发出意识形态的信号。

接下来，马老师指出了他研究的主要结论：（1）在全支付竞选博弈的均衡中，选民可以从候选人的竞选花费中推断出他们的意识形态；（2）声誉效应和安抚效应会带来问责；（3）由于租金耗散，问责较弱，特别是当选收益相对较大时，全支付竞争仅能提供一个较弱的问责制，其弱于全支付拍卖，更远弱于传统的留任投票；（4）在外生的在位者优势和线性技术条件下，问责具有非单调性。