程永偉　穆東

摘要：補(bǔ)貼退坡政策將對(duì)我國(guó)新能源汽車(chē)產(chǎn)業(yè)發(fā)展產(chǎn)生重要影響，退坡成效也將直接影響后續(xù)替代政策的制定和實(shí)施。這些新能源汽車(chē)政策牽涉到政府、企業(yè)、消費(fèi)者和社會(huì)等多方?jīng)Q策主體，它們相互間存在著顯著的博弈關(guān)系。本文首先采用博弈論建立了補(bǔ)貼政策下新能源汽車(chē)供應(yīng)鏈生產(chǎn)決策模型，解析了新能源汽車(chē)補(bǔ)貼機(jī)制及其影響，求解并證明了最優(yōu)補(bǔ)貼強(qiáng)度及退坡臨界點(diǎn)的存在，設(shè)計(jì)并提出了政府補(bǔ)貼效率、消費(fèi)者補(bǔ)貼獲得率等指標(biāo)，進(jìn)而針對(duì)有限次博弈、決策周期不一致、信息不對(duì)稱(chēng)、關(guān)鍵決策參數(shù)變異等實(shí)際問(wèn)題，基于“反應(yīng)函數(shù)”將傳統(tǒng)博弈論與系統(tǒng)動(dòng)力學(xué)相結(jié)合，分析補(bǔ)貼退坡下新能源汽車(chē)市場(chǎng)的博弈均衡與演化規(guī)律。研究結(jié)果表明，SD動(dòng)態(tài)博弈模型能夠較好地呈現(xiàn)傳統(tǒng)博弈論的分析結(jié)果，證明新能源汽車(chē)企業(yè)對(duì)政府補(bǔ)貼存在著高依賴(lài)性；政府補(bǔ)貼強(qiáng)度一旦突破合理區(qū)間，補(bǔ)貼策略將失效或面臨財(cái)政資金缺口的困境。消費(fèi)者對(duì)新能源汽車(chē)的市場(chǎng)認(rèn)可度越高，新能源汽車(chē)企業(yè)變相提價(jià)幅度越大，消費(fèi)者獲得的正補(bǔ)貼則越少，補(bǔ)貼政策效率越低。新能源汽車(chē)技術(shù)進(jìn)步與消費(fèi)者偏好對(duì)補(bǔ)貼政策均有顯著的替代效應(yīng)；決策周期不一致將對(duì)補(bǔ)貼政策造成短期擾動(dòng)，但不會(huì)改變其中長(zhǎng)期效應(yīng)；信息不對(duì)稱(chēng)和關(guān)鍵決策參數(shù)變異均會(huì)加劇系統(tǒng)博弈震蕩，甚至導(dǎo)致補(bǔ)貼政策崩潰和市場(chǎng)退化。最后，對(duì)補(bǔ)貼退坡下我國(guó)新能源汽車(chē)市場(chǎng)的發(fā)展前景進(jìn)行了綜合預(yù)測(cè)。本文研究可為后補(bǔ)貼時(shí)代我國(guó)新能源汽車(chē)產(chǎn)業(yè)政策的優(yōu)化和企業(yè)生產(chǎn)決策提供一定的支持。

關(guān)鍵詞 ：新能源汽車(chē)；供應(yīng)鏈；補(bǔ)貼政策；系統(tǒng)動(dòng)力學(xué)；博弈論

中圖分類(lèi)號(hào) F272 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1002-2104（2018）12-0029-11 DOI：10.12062/cpre.20180526

在補(bǔ)貼等多項(xiàng)新能源政策的扶持下，我國(guó)新能源汽車(chē)產(chǎn)業(yè)獲得了迅猛發(fā)展。2016年我國(guó)新能源汽車(chē)銷(xiāo)量達(dá)到50.7萬(wàn)輛，同比增長(zhǎng)53.0%，電池技術(shù)、充電設(shè)施、市場(chǎng)認(rèn)可度等取得了長(zhǎng)足進(jìn)步。但是，隨著市場(chǎng)規(guī)模的擴(kuò)大，財(cái)稅政策面臨巨大壓力，補(bǔ)貼退坡勢(shì)在必行。根據(jù)《關(guān)于2016—2020年新能源汽車(chē)推廣應(yīng)用財(cái)政支持政策的通知》等相關(guān)規(guī)定，屆時(shí)我國(guó)新能源汽車(chē)補(bǔ)貼將在2017—2018年和2019—2020年退坡20%和40%，并將雙積分制和禁售燃油車(chē)提上議事日程。因此，補(bǔ)貼退坡將對(duì)我國(guó)汽車(chē)產(chǎn)業(yè)以及后補(bǔ)貼時(shí)代企業(yè)生產(chǎn)決策造成深遠(yuǎn)影響，退坡成效也將直接關(guān)系到替代政策的制定和實(shí)施。

熊勇清等[1]采用基尼系數(shù)分解法研究了我國(guó)新能源汽車(chē)需求市場(chǎng)“供給側(cè)”和“需求側(cè)”政策實(shí)施的效果。盧超等[2]從產(chǎn)業(yè)創(chuàng)新鏈和政策工具兩個(gè)維度對(duì)我國(guó)新能源汽車(chē)產(chǎn)業(yè)政策與“金磚國(guó)家”作了比較。Hong等[3]根據(jù)消費(fèi)者需求及社會(huì)福利變化研究了政府補(bǔ)貼策略下電動(dòng)汽車(chē)最優(yōu)定價(jià)問(wèn)題。這些研究表明，新能源汽車(chē)政策牽涉到政府、企業(yè)、消費(fèi)者和社會(huì)等多方主體，相互間存在著顯著的博弈關(guān)系。對(duì)此，劉蘭劍等[4]建立了財(cái)政補(bǔ)貼退出前后的多智能主體Blanche仿真模型，認(rèn)為財(cái)政補(bǔ)貼到一定時(shí)段應(yīng)及時(shí)退出，否則會(huì)產(chǎn)生擠出效應(yīng)，造成創(chuàng)新投入不足。文獻(xiàn)[5-6]則采用合作博弈方法分析了我國(guó)新能源汽車(chē)的財(cái)政補(bǔ)貼問(wèn)題，發(fā)現(xiàn)補(bǔ)貼額度越高，補(bǔ)貼效率卻越低。Zhang[7]基于消費(fèi)者偏好和政府補(bǔ)貼研究了電動(dòng)汽車(chē)生產(chǎn)決策問(wèn)題。文獻(xiàn)[8-9]利用博弈論分析了閉環(huán)供應(yīng)鏈中政府補(bǔ)貼政策的影響。Jiang等[10]研究了隨機(jī)低碳需求和策略消費(fèi)行為下的生產(chǎn)定價(jià)策略。楊磊等[11]則采用Stackelberg博弈模型研究了碳信息不對(duì)稱(chēng)下供應(yīng)鏈成員的謊報(bào)行為及其對(duì)供應(yīng)鏈績(jī)效的影響。

可見(jiàn)，博弈論在涉及補(bǔ)貼政策的閉環(huán)供應(yīng)鏈、碳減排等領(lǐng)域得到了廣泛應(yīng)用，但應(yīng)用于新能源汽車(chē)這類(lèi)波動(dòng)較大的新興產(chǎn)業(yè)卻存在諸多局限。①求解難的問(wèn)題，尤其當(dāng)收益函數(shù)為高次函數(shù)以及多方博弈時(shí)須求解高次方程組，此時(shí)不易得到代數(shù)均衡解也難以展開(kāi)后續(xù)博弈分析；②有限次博弈問(wèn)題，傳統(tǒng)博弈論給出的最優(yōu)解往往基于無(wú)限次重復(fù)博弈的假設(shè)，但在實(shí)際中政府補(bǔ)貼政策基本“一年一政”，瞬息萬(wàn)變的市場(chǎng)環(huán)境也決定汽車(chē)企業(yè)和消費(fèi)者無(wú)法進(jìn)行相同情景的無(wú)限次博弈，根據(jù)“心理賬戶(hù)”理論，有限博弈往往會(huì)改變決策行為[12]。③決策周期的不同步問(wèn)題，顯然博弈主體的決策響應(yīng)及實(shí)施在時(shí)間上是很難一致的，例如政府往往在年初發(fā)布補(bǔ)貼政策，并在一年內(nèi)保持政策平穩(wěn)，而汽車(chē)企業(yè)對(duì)價(jià)格和產(chǎn)量卻可以根據(jù)自身實(shí)際和外部環(huán)境靈活調(diào)整。決策周期的不同步將導(dǎo)致信息延遲，使得系統(tǒng)均衡更加難以實(shí)現(xiàn)和維持。④信息不對(duì)稱(chēng)問(wèn)題，現(xiàn)實(shí)中獲取其他博弈方如價(jià)格、產(chǎn)量、偏好等關(guān)鍵信息須應(yīng)對(duì)調(diào)研能力、時(shí)間、費(fèi)用及商業(yè)壁壘等困難，對(duì)決策數(shù)據(jù)庫(kù)的更新步調(diào)也不一致，因此無(wú)法及時(shí)、準(zhǔn)確地掌握市場(chǎng)真實(shí)信息。⑤關(guān)鍵決策參數(shù)的變異問(wèn)題，例如新能源汽車(chē)?yán)m(xù)航里程低于250 km時(shí)，細(xì)分市場(chǎng)可近似為不變，但一旦超過(guò)400 km以上如特斯拉電動(dòng)汽車(chē)，目標(biāo)市場(chǎng)將轉(zhuǎn)向高端消費(fèi)者，市場(chǎng)規(guī)模和對(duì)價(jià)格的敏感性均會(huì)發(fā)生較大變化。而這個(gè)問(wèn)題在現(xiàn)有研究中很少被關(guān)注到，即便改進(jìn)也只能采用分段函數(shù)等方法進(jìn)行分類(lèi)討論。

因此，在上述現(xiàn)實(shí)問(wèn)題并存的情形下，現(xiàn)有博弈論方法難以回答補(bǔ)貼政策下新能源汽車(chē)市場(chǎng)能否實(shí)現(xiàn)博弈均衡以及如何進(jìn)行系統(tǒng)演化，而系統(tǒng)動(dòng)力學(xué)恰恰能夠解決上述問(wèn)題。目前，國(guó)內(nèi)外將博弈論與系統(tǒng)動(dòng)力學(xué)相結(jié)合的研究還很少。Zhu等[13]采用系統(tǒng)動(dòng)力學(xué)分析了供應(yīng)鏈的擾動(dòng)因素及其組合應(yīng)對(duì)策略。Sice等[14-15]采用系統(tǒng)動(dòng)力學(xué)對(duì)一個(gè)雙寡頭競(jìng)爭(zhēng)博弈問(wèn)題進(jìn)行了仿真分析。Li等[16-17]將系統(tǒng)動(dòng)力學(xué)應(yīng)用于碳減排政策的模擬。國(guó)內(nèi)學(xué)者賈仁安[18]、朱慶華[19]、蔡玲如[20]等針對(duì)環(huán)境污染管理等問(wèn)題建立了靜態(tài)博弈下的SD演化模型。盧健等[21]基于優(yōu)惠稅率構(gòu)建了新能源汽車(chē)產(chǎn)業(yè)化SD模型。但這些動(dòng)力學(xué)模型實(shí)質(zhì)上并未很好地體現(xiàn)博弈特質(zhì)，也未針對(duì)上述局限問(wèn)題提供解決方案。

本文嘗試將博弈論與系統(tǒng)動(dòng)力學(xué)結(jié)合，從供應(yīng)鏈視角探討我國(guó)新能源汽車(chē)補(bǔ)貼策略問(wèn)題，可能的創(chuàng)新點(diǎn)有：①運(yùn)用傳統(tǒng)博弈論解析了新能源汽車(chē)補(bǔ)貼機(jī)制，求解并證明了最優(yōu)補(bǔ)貼強(qiáng)度及退坡臨界點(diǎn)的存在。②利用反應(yīng)函數(shù)建立主要博弈主體之間的系統(tǒng)動(dòng)力學(xué)模型，從而解決均衡解求解和有限次重復(fù)博弈問(wèn)題。③分別引入延遲（階躍）函數(shù)、隨機(jī)函數(shù)和條件函數(shù)解決博弈主體決策周期不同步、信息不對(duì)稱(chēng)及參數(shù)變異問(wèn)題。模型不僅將單周期補(bǔ)貼策略拓展至多周期動(dòng)態(tài)決策，且考慮了技術(shù)進(jìn)步和市場(chǎng)偏好對(duì)系統(tǒng)博弈均衡的影響，研究結(jié)果可為我國(guó)新能源汽車(chē)產(chǎn)業(yè)政策優(yōu)化及企業(yè)生產(chǎn)決策提供一定的支持。

（15）汽車(chē)制造商利潤(rùn)=（零售價(jià)p-批發(fā)價(jià)w-制造商成本Cm）×新能源汽車(chē)銷(xiāo)售量；

（16）供應(yīng)鏈總利潤(rùn)=汽車(chē)制造商利潤(rùn)+電池供應(yīng)商利潤(rùn)；

2.3.2 市場(chǎng)偏好子系統(tǒng)

（17）充電樁覆蓋率=0.2；

（18）燃油車(chē)對(duì)標(biāo)價(jià)=12萬(wàn)元/輛；

（19）消費(fèi)者偏好系數(shù)=INTEG （+500×（（續(xù)航水平h+充電樁覆蓋率）/2+燃油車(chē)對(duì)標(biāo)價(jià)/實(shí)際購(gòu)車(chē)價(jià)）×05， 10 000），該式表明在消費(fèi)者心目中，續(xù)航里程與充電便利性同等重要，其權(quán)重占總偏好的50%，而與同檔次燃油車(chē)的價(jià)格比則占據(jù)另外50%的權(quán)重；

（20）實(shí)際購(gòu)車(chē)價(jià)=零售價(jià)p-每車(chē)補(bǔ)貼標(biāo)準(zhǔn)；

2.3.3 技術(shù)研發(fā)子系統(tǒng)

（21）研發(fā)成本系數(shù)K= INTEG （-研發(fā)成本系數(shù)K×實(shí)際技術(shù)進(jìn)步率， 2.5e+010）；

（22）研發(fā)投入=0.5×研發(fā)成本系數(shù)K×（續(xù)航水平h）2；

（23）期望技術(shù)進(jìn)步率=退坡率×政府補(bǔ)貼強(qiáng)度×（3×價(jià)格敏感系數(shù)×研發(fā)成本系數(shù)K-退坡率×價(jià)格敏感系數(shù)×政府補(bǔ)貼強(qiáng)度×參數(shù)因子+參數(shù)因子2）/（3×研發(fā)成本系數(shù)K×參數(shù)因子）；

（24）實(shí)際技術(shù)進(jìn)步率=（0.001+RANDOM UNIFORM（0.5， 1.5， 1）×期望技術(shù)進(jìn)步率×1），該式主要反映信息不對(duì)稱(chēng)等因素造成的信息失真；

2.3.4 補(bǔ)貼政策子系統(tǒng)

（25）政府補(bǔ)貼強(qiáng)度= INTEG （-政府補(bǔ)貼強(qiáng)度×退坡率， 280 000）；

（26）每車(chē)補(bǔ)貼標(biāo)準(zhǔn)=政府補(bǔ)貼強(qiáng)度×續(xù)航水平h；

（27）補(bǔ)貼總支出=每車(chē)補(bǔ)貼標(biāo)準(zhǔn)×新能源汽車(chē)銷(xiāo)售量；

（28）補(bǔ)貼缺口=補(bǔ)貼總支出-財(cái)政上限M；

（29）財(cái)政上限M=2.5e+010（元）；

（30）最高補(bǔ)貼強(qiáng)度=財(cái)政上限M/（續(xù)航水平h×新能源汽車(chē)銷(xiāo)售量）；

（31）政府補(bǔ)貼效率=（新能源汽車(chē)銷(xiāo)售量-初始銷(xiāo)量）/補(bǔ)貼總支出×10 000；

（32）初始銷(xiāo)量=1萬(wàn)臺(tái)；

（33）消費(fèi)者補(bǔ)貼獲得率=（價(jià)格敏感系數(shù)×研發(fā)成本系數(shù)K×（價(jià)格敏感系數(shù)×政府補(bǔ)貼強(qiáng)度-消費(fèi)者偏好系數(shù)）-消費(fèi)者偏好系數(shù)2×（價(jià)格敏感系數(shù)×政府補(bǔ)貼強(qiáng)度+消費(fèi)者偏好系數(shù)））/（（價(jià)格敏感系數(shù)×政府補(bǔ)貼強(qiáng)度+消費(fèi)者偏好系數(shù)）×（3×價(jià)格敏感系數(shù)×研發(fā)成本系數(shù)K-消費(fèi)者偏好系數(shù)2））；

（34）變相漲價(jià)=（（1-消費(fèi)者補(bǔ)貼獲得率）×政府補(bǔ)貼強(qiáng)度×續(xù)航水平h）/（零售價(jià)p-（（1-消費(fèi)者補(bǔ)貼獲得率）×政府補(bǔ)貼強(qiáng)度×續(xù)航水平h））；

（35）退坡率=（（STEP（0.009 2， 49）+STEP（0.002 6， 73））），該式反映新能源汽車(chē)經(jīng)四年補(bǔ)貼后，從2017年開(kāi)始逐步退坡，至2020年累計(jì)退坡40%。

3 實(shí)證研究

3.1 模型檢驗(yàn)

首先，本文采用該模型模擬了第2節(jié)傳統(tǒng)假設(shè)情景下（充分博弈、決策周期一致、信息對(duì)稱(chēng)、參數(shù)穩(wěn)定）的博弈情形，當(dāng)系統(tǒng)進(jìn)行到第16輪博弈即2013年4月時(shí)新能源汽車(chē)市場(chǎng)達(dá)到穩(wěn)態(tài)，此時(shí)各變量狀態(tài)值與前述理論最優(yōu)解完全一致，如表1所示，表明該模型能夠較好地刻畫(huà)新能源汽車(chē)市場(chǎng)博弈過(guò)程。

由表1可知，當(dāng)市場(chǎng)對(duì)新能源汽車(chē)達(dá)到一定認(rèn)可度時(shí)（β=10 000），最佳的續(xù)航里程為150 km，銷(xiāo)售量為2.5萬(wàn)輛（2013年情景）；整車(chē)零售價(jià)相比未補(bǔ)貼時(shí)變相提高了33.25%，使得盡管新能源汽車(chē)補(bǔ)貼標(biāo)準(zhǔn)達(dá)到了8.40萬(wàn)元/輛（中央+地方補(bǔ)貼），但消費(fèi)者真正得到的補(bǔ)貼實(shí)惠只有2.41萬(wàn)元/輛，補(bǔ)貼獲得率僅為28.70%。這表明，新能源汽車(chē)企業(yè)對(duì)政府補(bǔ)貼依賴(lài)度很高，最大限度地占有補(bǔ)貼依然是該供應(yīng)鏈運(yùn)轉(zhuǎn)的重要?jiǎng)恿?。而從收益分享角度看，汽?chē)制造商所獲取的利潤(rùn)是電池供應(yīng)商的近10倍，因此汽車(chē)制造商是供應(yīng)鏈核心企業(yè)。但面對(duì)如此懸殊的利益分享格局，作為掌握核心技術(shù)的電池供應(yīng)商而言，完全有動(dòng)機(jī)去打破該均衡，這也是導(dǎo)致系統(tǒng)博弈均衡持續(xù)波動(dòng)的原因之一。

從政府角度看，其每月財(cái)政支出達(dá)21億元（上限25億元），補(bǔ)貼效率為0.071 3輛/萬(wàn)元，也就是說(shuō)，與未補(bǔ)貼時(shí)相比，政府每補(bǔ)貼1萬(wàn)元可新增新能源汽車(chē)銷(xiāo)量0.071 3輛。在當(dāng)前市場(chǎng)認(rèn)可度下，政府補(bǔ)貼強(qiáng)度應(yīng)維持 在[2.03， 28.63]萬(wàn)元/輛的水平，否則補(bǔ)貼策略將失效或面臨資金缺口困境；而當(dāng)認(rèn)可度提升至β=58 002水平，政府補(bǔ)貼已無(wú)意義，必須完全退坡。最后，若技術(shù)進(jìn)步率達(dá)到27.78%，政府可在[0， 20%]區(qū)間內(nèi)實(shí)行退坡，此時(shí)技術(shù)進(jìn)步帶來(lái)的新能源汽車(chē)生產(chǎn)與研發(fā)成本下降恰能抵消退坡所造成的負(fù)面影響。

3.2 仿真結(jié)果分析

首先分析單個(gè)要素對(duì)新能源汽車(chē)市場(chǎng)發(fā)展的影響，然后綜合這些現(xiàn)實(shí)條件進(jìn)行情景預(yù)測(cè)，探討補(bǔ)貼退坡后系統(tǒng)新的博弈進(jìn)程和演變規(guī)律。

（1）市場(chǎng)消費(fèi)偏好的影響。根據(jù)2.3節(jié)中第19式，分別取消費(fèi)偏好的遞增系數(shù)0、500和1 000模擬消費(fèi)偏好強(qiáng)弱對(duì)系統(tǒng)發(fā)展的影響，如圖4、圖5所示。續(xù)航里程在2012年上半年迅速達(dá)到博弈均衡，并隨著消費(fèi)偏好的上升而穩(wěn)步上升，并在2017年退坡后開(kāi)始下降；消費(fèi)偏好上升速度越快，均衡續(xù)航里程越高，補(bǔ)貼效率越低，表明消費(fèi)者對(duì)新能源汽車(chē)的認(rèn)可度能夠有效取代政府補(bǔ)貼效應(yīng)，對(duì)新能源汽車(chē)市場(chǎng)發(fā)展起到重要支撐作用。新能源汽車(chē)銷(xiāo)售量、零售價(jià)等其他變量也呈現(xiàn)出同樣的演變規(guī)律。

（2）新能源汽車(chē)技術(shù)進(jìn)步的影響。根據(jù)2.3節(jié)中第24式，分別取“實(shí)際技術(shù)進(jìn)步率”為0、0.005和0.008模擬新能源汽車(chē)技術(shù)進(jìn)步對(duì)系統(tǒng)發(fā)展的影響，如圖6、圖7所示。技術(shù)進(jìn)步對(duì)系統(tǒng)的影響與消費(fèi)偏好對(duì)系統(tǒng)影響相似，技術(shù)進(jìn)步可以有效降低電池成本，提升市場(chǎng)的平均續(xù)航里程，并對(duì)政府補(bǔ)貼發(fā)揮一定的替代作用。因此，技術(shù)進(jìn)步與消費(fèi)偏好將從供應(yīng)鏈的上下游對(duì)新能源汽車(chē)發(fā)展產(chǎn)生雙向促進(jìn)作用。

（3）博弈主體決策周期不同步的影響。根據(jù)2.3節(jié)中第10式，分別取續(xù)航水平的決策周期為0、2和6月模擬決策周期不同步對(duì)系統(tǒng)發(fā)展的影響（其他變量的決策周期均為1個(gè)月），如圖8、圖9所示。當(dāng)決策周期出現(xiàn)不一致時(shí)，系統(tǒng)均衡開(kāi)始出現(xiàn)震蕩，并且隨著不一致程度的加大，系統(tǒng)達(dá)到穩(wěn)態(tài)所需的博弈次數(shù)增加，若續(xù)航里程每隔兩月決策一次，則需耗費(fèi)32個(gè)月方能進(jìn)入穩(wěn)態(tài)；若每隔半年決策一次，則直至2017年退坡開(kāi)始后市場(chǎng)也無(wú)法實(shí)現(xiàn)均衡。

但須指出的是，雖然兩月決策一次相比半年決策一次能夠更快地達(dá)到市場(chǎng)穩(wěn)態(tài)，但其造成的市場(chǎng)動(dòng)蕩也明顯更高。

而政府補(bǔ)貼效率在入市初期產(chǎn)生了顯著的波峰脈沖，并在次年逐步趨于平穩(wěn)和一致，如圖10所示，這表明決策周期差異只能對(duì)政府補(bǔ)貼效應(yīng)產(chǎn)生短期擾動(dòng)而不會(huì)改變其中長(zhǎng)期效應(yīng)。圖11可進(jìn)一步證明，消費(fèi)者補(bǔ)貼獲得率完全不受決策周期差異影響，進(jìn)而在很大程度上削弱了決策周期對(duì)整體市場(chǎng)的影響。

（4）決策信息不對(duì)稱(chēng)的影響。根據(jù)2.3節(jié)中第6式，分別取市場(chǎng)消費(fèi)偏好的信息擾動(dòng)范圍為[1， 1]（無(wú)擾動(dòng)）、[0.8， 1.2]、[0， 2]模擬信息不對(duì)稱(chēng)對(duì)系統(tǒng)發(fā)展的影響，如圖12和圖13所示。顯然，信息不對(duì)稱(chēng)的程度越大，系統(tǒng)均衡的波動(dòng)幅度亦越大。提高市場(chǎng)透明度和供應(yīng)鏈合作水平可有效降低市場(chǎng)波動(dòng)。

（5）關(guān)鍵決策參數(shù)變異的影響。本文以市場(chǎng)潛在需求量的變異為例，根據(jù)2.3節(jié)第1式，分別取變異值100 000（無(wú)變異）、80 000和60 000模擬參數(shù)變異對(duì)系統(tǒng)發(fā)展的影響，如圖14、圖15所示。顯然，在重復(fù)博弈過(guò)程中因續(xù)航里程變化導(dǎo)致消費(fèi)群體變化，將最終導(dǎo)致博弈結(jié)果發(fā)生重大變化，甚至引發(fā)補(bǔ)貼效率的完全崩潰和市場(chǎng)退化。

（6）綜合情景預(yù)測(cè)分析。上述因素在現(xiàn)實(shí)中往往并存，其中決策周期不一致和關(guān)鍵參數(shù)變異相對(duì)可知可控，而市場(chǎng)偏好等隨機(jī)性較強(qiáng)、較難掌控。為此本文給出以下三種預(yù)測(cè)情景，其中情景1市場(chǎng)偏好較低、技術(shù)進(jìn)步較慢且信息擾動(dòng)較大，屬不理想狀態(tài)；而情景3相反，市場(chǎng)偏好較高、技術(shù)進(jìn)步較快且信息擾動(dòng)較小，屬理想情景；情景2則介于兩者之間。

情景1：消費(fèi)偏好遞增系數(shù)100， 20%期望技術(shù)進(jìn)步率，信息擾動(dòng)范圍[0.2， 1.8]。

情景2：消費(fèi)偏好遞增系數(shù)200， 70%期望技術(shù)進(jìn)步率，信息擾動(dòng)范圍[0.5， 1.5]。

情景3：消費(fèi)偏好遞增系數(shù)300，120%期望技術(shù)進(jìn)步率，信息擾動(dòng)范圍[0.8， 1.2]。

圖16給出了三種情景下主要變量的演變規(guī)律。理想狀態(tài)下無(wú)論是價(jià)格、銷(xiāo)量還是利潤(rùn)均高于非理想狀態(tài)，其續(xù)航里程也將在退坡后穩(wěn)步提升；情景2則介于兩者之間，但它的均衡波動(dòng)幅度明顯更大。這表明，只要達(dá)到情景2甚至情景3水平，即便2020年補(bǔ)貼完全退坡，新能源汽車(chē)市場(chǎng)也能夠維持發(fā)展，但必須保證市場(chǎng)偏好或新能源 技術(shù)維持在較高的發(fā)展水平，否則市場(chǎng)波動(dòng)將加劇，造成資源浪費(fèi)和產(chǎn)業(yè)競(jìng)爭(zhēng)力下降。

4 結(jié)束語(yǔ)

本文根據(jù)我國(guó)新能源汽車(chē)產(chǎn)業(yè)發(fā)展實(shí)際，采用傳統(tǒng)博弈論建立了補(bǔ)貼政策下新能源汽車(chē)供應(yīng)鏈生產(chǎn)決策模型，分析了補(bǔ)貼機(jī)制的形成及其影響，提出了政府補(bǔ)貼效率、消費(fèi)者補(bǔ)貼獲得率等系列指標(biāo)，求解了最優(yōu)補(bǔ)貼強(qiáng)度、退坡臨界點(diǎn)和期望技術(shù)進(jìn)步率。進(jìn)而根據(jù)現(xiàn)實(shí)中存在有限次博弈、決策周期不一致、信息不對(duì)稱(chēng)等問(wèn)題，打破傳統(tǒng)博弈論的嚴(yán)格假設(shè)，基于反應(yīng)函數(shù)將傳統(tǒng)博弈論與系統(tǒng)動(dòng)力學(xué)相結(jié)合，建立新能源汽車(chē)供應(yīng)鏈的SD動(dòng)態(tài)博弈模型，引入延遲函數(shù)、隨機(jī)函數(shù)和條件函數(shù)等改進(jìn)傳統(tǒng)博弈論的分析局限，將單周期補(bǔ)貼策略拓展至多周期動(dòng)態(tài)決策，深入探討了補(bǔ)貼退坡策略在消費(fèi)偏好增長(zhǎng)、技術(shù)進(jìn)步等多因素作用下的綜合效應(yīng)。研究結(jié)果表明：市場(chǎng)認(rèn)可度越高，消費(fèi)者獲得的正補(bǔ)貼越少，補(bǔ)貼政策效率越低；決策周期不一致將對(duì)補(bǔ)貼政策造成短期擾動(dòng)，但不會(huì)改變其中長(zhǎng)期效應(yīng)；信息不對(duì)稱(chēng)和重要決策參數(shù)變異均會(huì)加劇系統(tǒng)博弈震蕩，甚至導(dǎo)致補(bǔ)貼政策崩潰和市場(chǎng)退化；市場(chǎng)認(rèn)可度和技術(shù)進(jìn)步的持續(xù)提升是確保后補(bǔ)貼時(shí)代新能源汽車(chē)市場(chǎng)平穩(wěn)發(fā)展的重要條件。

本文的主要貢獻(xiàn)在于解析了新能源汽車(chē)補(bǔ)貼機(jī)制并證明了退坡臨界點(diǎn)的存在，更進(jìn)一步將傳統(tǒng)博弈論與系統(tǒng)動(dòng)力學(xué)結(jié)合，綜合了兩種方法在代數(shù)解析和趨勢(shì)預(yù)測(cè)中的優(yōu)勢(shì)，拓展了博弈論在供應(yīng)鏈中的應(yīng)用價(jià)值。但本文研究仍然存在諸多不足，例如尚未充分考慮雙積分制和燃油車(chē)供應(yīng)鏈的影響，以及市場(chǎng)競(jìng)爭(zhēng)性、市場(chǎng)結(jié)構(gòu)等對(duì)新能源汽車(chē)市場(chǎng)發(fā)展的影響，這都將在以后的工作中完成。

（編輯：于 杰）

參考文獻(xiàn)

[1]熊勇清， 陳曼琳. 新能源汽車(chē)需求市場(chǎng)培育的政策取向： 供給抑或需求側(cè)[J]. 中國(guó)人口·資源與環(huán)境， 2016， 26（5）： 129-137.

[2]盧超， 尤建新， 戎珂， 等. 新能源汽車(chē)產(chǎn)業(yè)政策的國(guó)際比較研究[J]. 科研管理， 2014， 35（12）： 26-35.

[3]HONG J， KOO Y， JEONG G， LEE J. Exante evaluation of profitability and governments subsidy policy on vehicletogrid system[J]. Energy Policy， 2012， 42（42）： 95-104.

[4]劉蘭劍， 趙志華. 財(cái)政補(bǔ)貼退出后的多主體創(chuàng)新網(wǎng)絡(luò)運(yùn)行機(jī)制仿真——以新能源汽車(chē)為例[J]. 科研管理， 2016， 37（8）： 58-66.

[5]羅春林. 基于政府補(bǔ)貼的電動(dòng)汽車(chē)供應(yīng)鏈策略研究[J]. 管理評(píng)論， 2014， 26（12）： 198-205.

[6]郭燕青， 李磊， 姚遠(yuǎn). 中國(guó)新能源汽車(chē)產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)中的補(bǔ)貼問(wèn)題研究[J]. 經(jīng)濟(jì)體制改革， 2016 （2）： 29-34.

[7]ZHANG X. Referencedependent electric vehicle production strategy considering subsidies and consumer tradeoffs[J]. Energy policy， 2014， 67（2）： 422-430.

[8]徐兵， 楊金梅. 閉環(huán)供應(yīng)鏈競(jìng)爭(zhēng)下政府補(bǔ)貼效率研究[J]. 管理工程學(xué)報(bào)， 2013， 27（4）： 178-186.

[9]MITRA S， WEBSTER S. Competition in remanufacturing and the effects of government subsidies[J]. International journal of production economics， 2008， 111（2）： 287-298.

[10]JIANG W， CHEN Y. Optimal strategies for manufacturer with strategic customer behavior under carbon emissionssensitive random demand[J]. Industrial management & data systems， 2016， 116（4）： 759-776.

[11]楊磊， 鄭晨詩(shī)， 紀(jì)靜娜. 碳信息不對(duì)稱(chēng)下的供應(yīng)鏈謊報(bào)決策與協(xié)調(diào)研究[J]. 中國(guó)管理科學(xué)， 2016， 24（4）： 111-120.

[12]THALER R H. The winners curse： paradoxes and anomalies of economic life[M]. American： Princeton University Press， 1994.

[13]ZHU Q， KRIKKE H， CANIELS M. Collaborate or not？ a system dynamics study on disruption recovery[J]. Industrial management & data systems， 2016， 116（2）： 271-290.

[14]SICE P， MOSEKILDE E， MOSCARDINI A， et al. Using system dynamics to analyze interactions in duopoly competition[J]. System dynamics review， 2000， 16（16）： 113-133.

[15]MIEKISZ J. Evolutionary game theory and population dynamics[J]. Lecture notes in mathematics， 2008， 1940： 269-316.

[16]LI F J， DONG S C， LI Z H， et al. The improvement of CO2 emission reduction policies based on system dynamics method in traditional industrial region with large CO2 emission[J]. Energy policy， 2012 （51）：683-695.

[17]KIM K S， CHO Y J， JEONG S J. Simulation of CO2 emission reduction potential of the iron and steel industry using a system dynamics model[J]. International journal of precision engineering and manufacturing， 2014， 15（2）： 361-373.

[18]冷碧濱， 涂國(guó)平， 賈仁安. 基于SD演化博弈模型的生豬規(guī)模養(yǎng)殖與戶(hù)用沼氣開(kāi)發(fā)系統(tǒng)動(dòng)態(tài)穩(wěn)定性[J]. 系統(tǒng)工程， 2014， 32（3）： 104-111.

[19]朱慶華， 王一雷， 田一輝. 基于系統(tǒng)動(dòng)力學(xué)的地方政府與制造企業(yè)碳減排演化博弈分析[J]. 運(yùn)籌與管理， 2014， 23（3）： 71-82.

[20]蔡玲如. 基于SD的環(huán)境污染多人演化博弈問(wèn)題研究[J]. 計(jì)算機(jī)應(yīng)用研究， 2011， 28（8）： 2982-2986.

[21]盧健， 陳學(xué)廣. 基于優(yōu)惠稅率的新能源汽車(chē)產(chǎn)業(yè)化激勵(lì)機(jī)制研究[J]. 計(jì)算機(jī)應(yīng)用研究， 2014， 31（6）： 1736-1739.

[22]楊仕輝，余敏.碳配額不同分配機(jī)制下供應(yīng)鏈碳減排優(yōu)化策略[J].經(jīng)濟(jì)與管理評(píng)論，2016（6）：35-42.

[23]李兆友， 齊曉東， 劉妍. 新能源汽車(chē)產(chǎn)業(yè)政府R&D補(bǔ)貼效果的實(shí)證研究[J]. 東北大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2017， 19（4）： 356-364.

[24]熊中楷， 張盼， 郭年. 供應(yīng)鏈中碳稅和消費(fèi)者環(huán)保意識(shí)對(duì)碳排放影響[J]. 系統(tǒng)工程理論與實(shí)踐， 2014， 34（9）： 2245-2252.

[25]沈悅， 郭品. 基于網(wǎng)絡(luò)外部性理論的新能源汽車(chē)消費(fèi)偏好實(shí)證研究[J]. 西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2015， 35（3）： 40-46.

Abstract Subsidy exit policy would play an important role in the development of Chinas new energy vehicle industry， and the effects of subsidy exit policy would also directly affect the formulation and implementation of substitution policy. Generally speaking， these new energy vehicle policies involve many decision bodies such as government， enterprises， consumers and social individuals and so on， and there are significant game relationships among them. This paper firstly adopted game theory to build a production decision model on new energy vehicle supply chain with government subsidy policy. Then it used this model to analyze new energy vehicles subsidy mechanism and its effects， obtain optimal subsidy intensity and prove the existence of critical point to cancel subsidy policy， design and put forward a serial of indexes such as government subsidy efficiency and consumer subsidy acquisition. Furthermore， considering traditional game theory model facing many application difficulties such as finite game tights， decision period inconformity， information asymmetry and key decision parameter variation， it combined the traditional game theory and the system dynamics （SD） game model to study the game equilibrium and evolution law of new energy vehicle market with subsidy exit policy based on game reaction function. The research results showed that SD game model would perfectly reflect the analysis results using traditional game theory and prove the high dependence of new energy vehicle enterprises on government subsidy. Once the government subsidy intensity beyond the reasonable limits， the subsidy policy would be ineffective or be in dilemma of fiscal fund gap. The higher the new energy market acceptance， the higher the disguised price the new energy vehicle enterprises raise， the less positive subsidies consumers obtain and the lower efficiency of government subsidy policy has. The technological progress of new energy vehicle and consumer preference have significant substitution effect on subsidy policy. Decision period inconformity would result in shortterm disturbance on subsidy policy but couldnt change subsidy policys midterm or longterm effects. Information asymmetry and key decision parameter variation would aggravate system gaming shock and even result in subsidy policy crash or market degradation. Lastly， it predicted the development prospects of Chinas new energy vehicle market with subsidy exit policy. This research would provide support for optimization of Chinas new energy vehicle industrial policy and vehicle manufacturers production decisions.

Key words new energy vehicle； supply chain； subsidy policy； system dynamics （SD）； game theory