基于博弈論的汽車企業“雙積分”政策問題研究

余夢仙，姚 儉

（上海理工大學管理學院，上海200082）

一、研究背景及問題提出

近年來，我國汽車保有量不斷增長，由此引發的環境污染以及原油對外依存度提升等問題十分嚴峻。在節能減排和發展綠色經濟的大背景下，世界上許多國家已將新能源汽車的開發和發展提升到國家戰略層面。我國更是將新能源汽車產業列為重點發展的戰略性新興產業之一。為了推廣新能源汽車，政府連續多年采取稅收減免和價格補貼等措施。在政府的補貼制度下，新能源汽車產業取得了高速發展。但“騙補”問題的出現，增加了政府的監管成本，也給整個產業造成了混亂。針對這一問題，補貼政策呈現逐年“退坡”的趨勢，不僅補貼門檻有所提高，而且補貼力度也在下降。但是，目前我國新能源汽車產業仍面臨著諸多挑戰，其長遠發展仍離不開政府的支持。相比于傳統燃油汽車，新能源汽車仍面臨著市場占有率低，發展規模小等問題。在當前局勢下，如何有效地扶持新能源汽車產業的發展是各方關注的焦點。2017年9月，工信部正式確認“雙積分”政策，意在通過法規驅動我國新能源汽車行業快速發展。

本文在詳細解讀“雙積分”政策之后，通過構建企業與政府的兩階段建博弈模型分析了“雙積分”政策對汽車市場可能產生的影響，同時研究了在當前節能減排與推廣新能源汽車目標下政府的最優決策問題。針對研究結果，給出了合理建議，為政府推進新能源汽車的發展提供參考。

二、“雙積分”政策解讀

（一）核算方式

“雙積分”指企業平均燃料消耗量（CAFC）積分和新能源汽車（NEV）積分。

上述公式中各變量的經濟含義（如表1和表2所示）。

表1 公式（1）中各變量含義

表2 公式（2）中各變量含義

（二）并行管理方式

根據《辦法》規定，對CAFC積分與NEV積分采取并行管理方式。CAFC正積分只能夠結轉，可以按照一定的比例結轉至本企業明年使用，或者結轉給關聯企業。而CAFC負積分必須通過結轉而來的CAFC正積分或者本年度產生的NEV正積分抵消掉，如果從上年或從其他關聯企業結轉而來的CAFC正積分還不夠抵消自身今年的負積分，就必須向其他汽車企業購買NEV積分來抵消。

三、“雙積分”政策對企業的影響分析

（一）模型假設與參數設定

汽車企業的發展是一個涉及多方參與的復雜過程。但是本文只考慮企業在生產決策中的若干問題，同時為了簡化分析過程，本文提出以下假設：

（1）假定市場只存在兩個汽車生產企業，即市場上存在雙寡頭汽車企業，并且這兩個企業都是理性的，在生產過程中以利益最大化為生產目標。（2）這兩個企業同時生產新能源汽車和傳統燃油汽車，消費者對兩家企業所生產的同類型汽車的偏好程度完全一致。（3）新能源汽車市場和燃油汽車市場的逆需求函數分別為：Pm=a-Qm-dQn，Pn=a-Qn-dQm。（4）企業Si只生產一種燃油汽車和一種新能源汽車，并且企業Si生產新能源汽車和燃油汽車的單位固定生產成本分別為c和k。（5）兩家企業擁有的生產技術不同，因此生產兩種汽車的單位油耗不同，企業Si所生產的燃油汽車的單位油耗為Fi，新能源汽車的單位油耗為FCi，并且新能源汽車的優惠倍率為W，單車積分為h。（6）政府的目的主要在于降低燃油汽車的單位油耗以及對新能源汽車進行推廣，因此燃油汽車單位油耗的降低，以及新能源汽車數量的增加均能使政府收益增加。

模型中的主要參數有：Pm、Pn為新能源汽車和燃油汽車的價格；Qm、Qn為市場上的新能源汽車和燃油汽車的總產量。其中，Qm=m1+m2，Pn=n1+n2；mi（i=1，2下同）為企業Si新能源汽車的產量，ni為企業Si燃油汽車的產量。d為兩種汽車的替代程度，d=0表示兩種汽車完全無關，d=1表示兩種汽車是完全替代，這里令o＜d＜1。c、k為企業生產新能源汽車和燃油汽車的單位固定生產成本。T、TC為政策所規定的新能源汽車和燃油汽車的目標油耗。Fi、FCi為企業Si新能源汽車的單位油耗和燃油汽車的單位油耗。π1、π2、πg為企業S1和S2，政府的收益函數。

（二）模型構建

不考慮“雙積分”政策時，兩家企業的利潤函數分別為：

在不存在政府干涉的情況下，兩家企業均根據收益最大化的條件來確定企業對兩種汽車的最優產量，在這里我們采用的古諾特雙寡頭壟斷企業之間的產量競爭博弈模型求解純戰略納什均衡。

觀察式（5），能得到以下結論：

首先，在沒有政府干預的情況下，汽車市場規模的擴大會使得兩種汽車總產量等量增長，但增長幅度始終小于市場規模擴大的幅度。但若兩種汽車之間的代替程度小于1/3時，汽車總量的增長幅度將超過市場規模擴大幅度，代替程度越大，市場規模對汽車最優產量的影響會越小。

其次，在汽車市場規模不變的情況下，汽車之間的替代程度與兩種汽車的最優產量呈負相關系，隨著汽車之間的替代程度逐漸增強，汽車的最優產量會下降。

同時我們能得到最優產量下，兩家企業的利潤函數：

現在考慮政府的干預，由于“雙積分”政策的約束，企業不能按照當前利潤最大化條件來決定兩種汽車的產量組合。根據政策規定，新能源積分能自由買賣，因此本文在這里假設新能源積分市場上，NEV積分的單位售價為p，盡管CFAC積分不能出售，但是能轉結，因此本文假設CFAC積分和NEV積分具有同等價值。此時企業Si的利潤函數為：

如果fi為正，pfi則表示企業Si的正積分所帶來的收益；如果fi為負，pfi則表示企業Si為了進行積分抵償所要付出的成本。由上式我們能得到結論：一是提高企業年度平均燃油消耗要求所帶來的積分壓力遠大于提高新能源汽車積分比例要求。二是在不改變兩種汽車產量的情況下，降低燃油汽車的平均油耗比降低新能源汽車的平均油耗更能緩解積分壓力。三是在不改變兩種汽車平均油耗的情況下，增加新能源汽車的數量比增加燃油汽車的數量對積分增長貢獻更大。

（三）模型求解與分析

博弈屬于兩階段完全信息動態博弈，首先，政府根據利益最大化原則確定政策參量，其次，企業在給定的政府政策下選擇兩種汽車的最優產量，這里采用逆向歸納法求解納什均衡。

為簡化計算，引入參數λi。λi為新能源汽車產量與燃油汽車產量的比值，同時令g（W）=（λi+1）/（W×λi+1），由于λi值較小，對g（W）的影響較小。因此，本文把g（W）看成只與W有關的函數。

觀察上式，我們可以得出以下結論：

一是“雙積分”政策會使得企業調整兩種汽車的產量，并且這種調整來自于三個方面的綜合結果：（1）新能源汽車單車積分所帶來的積分收益；（2）新能源汽車實際油耗低于（高于）目標油耗所帶來的收益（成本）；（3）燃油汽車的實際油耗低于目標油耗所帶來的收益（成本）。

二是“雙積分”政策會使得兩家企業燃油汽車的最優產量減少，新能源汽車的最優產量增加，并且會改變汽車市場的汽車總量。在其他條件不變的情況下，提高新能源汽車的單車積分或者增強對新能源汽車單位油耗的要求，會使得市場上的汽車總量增加，而提高新能源汽車積分比較要求，或者增強對燃油汽車單位油耗的要求，會使得市場上的汽車總量減少。

現在我們來考慮政府的收益，依照我們的假設，設定政府的收益函數為：

其中，μ1＞0、μ2＞0，表示政府兩種目標所帶來的收益系數，且有 μ1+μ2=1，sgn（TC-FC）為符號函數，其取值如下所示：

將式（10）代入政府的收益函數中，得到：

政府的決策相對復雜，在這里我們只考慮新能源單車積分，新能源積分比例、企業年度燃油消耗要求，最大化政府的收益函數，令：

一階導結果與被求導的參數無關，證明在這些決策中，不存在最優的決策值使得政府的收益最大。但是觀察上述結果，我們可以發現，新能源汽車的單車積分比新能源積分比例對政府收益的影響更大；在企業所生產的燃油汽車的單位油耗高于政府所規定的目標油耗時，提高新能源汽車的單車積分或者提高新能源積分比例可以提高政府收益，隨著企業燃油汽車單位油耗的下降，這兩種措施所帶來的邊際收益將逐漸減少。

四、結論與政策啟示

本文在綜合考慮雙積分政策中所涉及到的各參數的基礎上，引入新能源汽車與燃油汽車的替代程度，建立了政府與汽車企業之間的兩階段博弈模型，針對模型進行了分析?；谝陨戏治鼋Y果，對中國新能源汽車的發展提出一些政策建議。

第一，新能源汽車在“雙積分”核算中享有雙重優惠比例，使得CFAC達標可以很大程度上依靠NEV積分，不利于實際降低燃油汽車的油耗。如果政府想通過法規來迫使企業研發節能技術，應該適當下調新能源汽車的核算優惠。

第二，在扶持新能源汽車企業發展的同時，也應該加強新能源汽車配套設施的建設。加強配套設施有助于提高兩種汽車之間的替代程度，這樣政府能通過提高企業年度燃油要求來降低燃油汽車的產量，同時也提高新能源汽車的產量，達到“雙積分”節能減排，推廣新能源汽車的目的。

第三，由于政府可采取的措施相對復雜，無法找到一系列具體的最優決策使得政府的利益最大化。在不同時期，政府所追求的目標可能會不同。在當前促進新能源汽車發展的大目標下，應該確保汽車行業能平穩過渡，避免企業過于注重新能源汽車產量的增長。

[1]劉宗巍，劉斐齊，王悅，等CAFC、NEV雙積分與碳配額法規綜合研究與組合政策思考[J].汽車工程學報，2017，(1):1-9.

[2]歐陽明高.中國新能源汽車的研發及展望[J].科技導報，2016，(6):13-20.

[3]榮雪東，宋月偉，馮雙生.國內外汽車油耗法規分析[J].汽車工程師，2015，(6):13-15.

[4]沈斌，潘聞文，付鐵軍，等.我國新能源汽車NEV積分市場前瞻性分析[J].新型工業化，2017，(3):93-100.

[5]費爾南多·維加—雷東多.經濟學與博弈理論[M].上海:上海人民出版社，2006:9．

[6]Kaliappan M·Paramasivan B.Enhancing Secure Routing in Mobile Ad Hoc Networks Using a Dynamic Bayesian Signalling Game model[J].Computers＆Electrical Engineering，2014，(41):301-313．

[7]E.H.Green，S.J.Skerlos，J.J.Winebrake Increasing electric vehicle policy efficiency and effectiveness by reducing mainstream market bias[J].Energy Policy，2014，(65):562-566．