关于区块链的几篇论文的比较

1.Blockchain Adoption for Combating Deceptive Counterfeits

主要专注于欺骗性假货,即客户无法真正区分真货和假货。
假设市场中只有一个制造商(M)销售真货给消费者,还有一个假货商(C)销售假货给消费者。
消费者对商品的估值是v,0-1均匀分布。
真货的质量是1,假货的质量是q<1。
假设产品的质量是外生的。
M可以使用差别定价策略来标志自己的产品是真货。
有了区块链之后,可以使用区块链来标志自己的产品是真货。

消费者对商品是真货的先验认知的概率是fi
1.当M和C定价不一致的时候,消费者对真货的效用函数是:UM=v-pM;消费者对假货的效用函数是UN=vq-pC。
通过效用函数,就可以得到其需求函数。
消费者对真货的需求是:DM 是v在满足UM>UC且UM>0的时候对v的积分。DC是v在满足UC>UM且UC>0的时候对v的积分。

2.那么当M和C定价一致的时候,消费者效用函数就是:UMC=v(fi+(1-fi)q)-p。
由于消费者无法区分真货还是假货,因此把真货和假货作为一个整体进行考虑,消费者最终购买的该产品的需求中,有fi比例是真货,1-fi比例是假货。
DMC是v在UMC>0时的积分。DM是fi*DMC,DC是(1-fi)*DMC。

利润函数:
对于M和C而言,利润ProfitM=pM * DM;ProfitC=pC * DC。
也就是说,不考虑其他成本,只考虑价格和需求。

游戏顺序:
由于M是市场的领导者,所以他先决策pM,C再决策pC。最后,消费者制定购买决策。

在使用区块链的时候,消费者可以辨别真假了。然而,由于隐私关注,消费者的隐私关注theta服从一个概率分布g(theta),隐私关注导致的隐私成本是f(theta)。由于只有在买真货的时候,需要登记一个购买的信息,所以只有在购买真货的时候,才会引发这个隐私成本。
因此消费者购买真货和假货的效用函数,分别是:
UM(theta) = v-pM-f(theta);UC(theta)=vq-pC

因此消费者购买真货和假货的需求函数,分别是:
DM(theta)是v在UM>UC且UM>0上的积分。DC(theta)是v在UC>UM且UC>0上的积分。
DM是DM(theta)在theta分布范围上的积分。DC是DC(theta)在theta分布范围上的积分。

由于,对于M来说,实施区块链也需要一定的成本,假设其为可变成本(调查显示现实中是可变成本),所以ProfitM=(pM-cB)*DM。

对于C来说,他的利润函数为ProfitC=pC*DC。

接着作者分析了,在什么情况下应该实施区块链,什么时候不应该实施区块链,包括fi的范围,q的范围。

然后作者分析了,区块链的价值,关于需求、消费者剩余、社会福利、消费者后悔。

接着作者还分析了有政府干预的情况下,区块链的部署。
政府可以激励区块链的部署,给M的单位补贴s。
那么M的利润函数就变为ProfitM=(pM-cB+s)DM
政府的优化问题就变为:
社会福利在不部署区块链和部署区块链下谁更大。
部署区块链时,社会福利=ProfitM+ProfitC+CS-s
DM
不部署区块链时,社会福利=ProfitM+ProfitC+CS(注意此时ProfitM和ProfitC和CS都和部署区块链时不一样)
然后,分析了在fi和q的不同范围下的政府的不同的决策。以及消费者剩余和社会福利以及对假货的需求在有无补贴时的变化,以及有补贴时实施区块链和不实施区块链时的变化。

除了政府补贴之外,政府还可以进行强制执法。
政府去市场对产品进行调查。政府努力可以增加假货被抓住的概率。
政府努力水平为1/2*e^2,0 在制造商和假货商定价相同的情况下,政府努力之后,假货被抓住,并且将其所有利润上缴的概率就是e,此时制造商会垄断市场。
如果抓到了,ProfitM=pM(1-pM) ProfitC=-如果没被抓到时的正常的ProfitC。
如果没被抓到,ProfitM=如果没被抓到时正常的ProfitM,ProfitC=如果没被抓到时正常的ProfitM。

在区块链部署和差别定价的情况下,付出同样的努力水平,会带来更大的抓住假货商的概率,因此此时抓住假货商的概率变为alphae和gammae。

2.Combating Copycats in the Supply Chain with Permissioned Blockchain Technology

考虑的是一个供应链的情况,BNC是一个品牌商,他可以选择在部署了区块链的零售平台上去销售产品,或者直销给消费者。还有一个假货商,是直销给消费者的。

在区块链的零售平台上,就会有一个双重边际效应,但是可以认证其产品为真货。

所以可以看出来,第一篇文章是关于隐私成本和质量区分的一个权衡。而这篇文章是关于双重边际和质量区分的一个权衡。

不同于第一篇文章,这里把消费者区分为专家和白痴。专家可以区分两者,而白痴不行。
由于第一篇假设是一个欺骗性的假货,这篇不假设这个,只要消费者购买假货的效用更大,就购买假货。(其实我觉得第一篇文章也是假设的这个啊,因为否则差别定价,假货就没人买了)

白痴消费者的比例为lamda。
对于专家消费者,不管有没有PBT,在购买真货时,其效用为UB=vqB-pB;在购买假货时,其效用为UC=vqC-pC。
对于白痴消费者,在有PBT的时候,在购买真货时,其效用为UB=vqB-pB;在购买假货时,其效用为UC=vqC-pC。在没有PBT时,购买真货时,UB=v(gamma*qB+(1-gamma)qC)-pB,UC=v(gammaqB+(1-gamma)*qC)-pC。

可以发现,在没有PBT时,白痴消费者总是会购买假货,因为假货的价格更低。

如果品牌商BNC不通过PBT销售。
游戏顺序为:
1.品牌商BNC决定真货的销售价格。
2.假货商决定假货的销售价格。

如果品牌商BNC通过PBT销售。
游戏顺序为:
1.品牌商BNC决定真货的批发价格。
2.PBT零售商决定真货的销售价格。
3.假货商决定假货的销售价格。

因此,在没有通过PBT销售的情况下。
白痴消费者的对于假货需求量为D=lamda*(UC>0)。
白痴消费者的对于真货需求量为D=0。
专家消费者的对于假货需求量为D=(1-lamda)(UC>0且UC>UB)。
专家消费者的对于真货需求量为D=(1-lamda)
(UB>0且UB>UC)。

在通过PBT销售的情况下。
所有的消费者都可以分辨真货和假货,所有消费者都是专家了。
消费者的对于假货需求量为D=(UC>0且UC>UB)。
消费者的对于真货需求量为D=(UB>0且UB>UC)。

只不过此时的零售商有一个固定的区块链部署成本F。这里的F是固定成本,因为作者认为,即使是建模为可变成本,由于双重边际效应,零售商PBT也会把这个成本转移给BNC,这就等同于制造成本非0的情形了。在Section 6,作者建模了制造成本和可变部署成本非0的情形。

接着作者分析了通过PBT销售对于价格和需求的影响。

接着作者分析了通过PBT销售对于供应链表现和社会福利的影响。

分析了不同的lamda和F如何影响区块链部署在社会福利的影响。

内生的质量决策
作者认为虽然对于科技产业,质量是外生的,不可以短期内改变,但是对于食品产业,可以改变。
因此,文章在这里考虑真货的单位的质量改进成本是1/2kq^2。

并且,品牌商先制定质量的决策,然后其他决策跟之前的顺序一样。
作者分析了PBT实施对于产品质量的影响。

在扩展1中,文章给出了品牌商BNC自己实施PBT,然后销售给消费者。比如说一些奢侈品牌,如路易威顿就自己实施了PBT。这里不同之处就在于没有了PBT零售商,且实施PBT固定成本F由品牌商BNC承担,而不是PBT零售商了。

在扩展2中,文章给出了真货带来的社会地位效应s。
在没有实施PBT之前,专家消费者购买真货的效用里是包含了s的,购买假货的效用里不包含s。
UB=vqB-pB+s;UC=vqC-pC;
而白痴消费者,由于其无法区分真货假货,并且认为其是真货的概率是gamma,所以不管真货、假货,对于他来说,都带了gammas的一个社会地位效应s。
因此,UB =v(gamma
qB+(1-gamma)qC)-pB+gammas;UC=v(gamma*qB+(1-gamma)qC)-pC+gammas;

在实施PBT之后,专家消费者和白痴消费者购买真货的效用里是包含了s的,购买假货的效用里不包含s。
UB=vqB-pB+s;UC=vqC-pC;

然后分析了s增加,对价格、需求和利润的影响。

在扩展3中,考虑了区块链的隐私关注,消费者的隐私关注是t。
在实施PBT后,购买真货的效用是:UB=vqB-pB-t。
然后,分析了t对价格、需求的影响,对消费者剩余、社会福利的影响。

在扩展4中,考虑了真货的单位制造成本非负的情况,而假货的制造成本假设为0。
然后,考虑了c对价格、需求的影响,对消费者剩余、社会福利的影响。

在扩展5中,考虑了实施区块链的边际成本,因为基础模型只考虑固定成本,这里考虑了可变成本。

你可能感兴趣的:(论文阅读,区块链,论文阅读,论文笔记)