程永偉　穆東

摘要：補貼退坡政策將對我國新能源汽車產(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施。這些新能源汽車政策牽涉到政府、企業(yè)、消費者和社會等多方?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貼政策下新能源汽車供應(yīng)鏈生產(chǎn)決策模型，解析了新能源汽車補貼機制及其影響，求解并證明了最優(yōu)補貼強度及退坡臨界點的存在，設(shè)計并提出了政府補貼效率、消費者補貼獲得率等指標(biāo)，進而針對有限次博弈、決策周期不一致、信息不對稱、關(guān)鍵決策參數(shù)變異等實際問題，基于“反應(yīng)函數(shù)”將傳統(tǒng)博弈論與系統(tǒng)動力學(xué)相結(jié)合，分析補貼退坡下新能源汽車市場的博弈均衡與演化規(guī)律。研究結(jié)果表明，SD動態(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，證明新能源汽車企業(yè)對政府補貼存在著高依賴性；政府補貼強度一旦突破合理區(qū)間，補貼策略將失效或面臨財政資金缺口的困境。消費者對新能源汽車的市場認(rèn)可度越高，新能源汽車企業(yè)變相提價幅度越大，消費者獲得的正補貼則越少，補貼政策效率越低。新能源汽車技術(shù)進步與消費者偏好對補貼政策均有顯著的替代效應(yīng)；決策周期不一致將對補貼政策造成短期擾動，但不會改變其中長期效應(yīng)；信息不對稱和關(guān)鍵決策參數(shù)變異均會加劇系統(tǒng)博弈震蕩，甚至導(dǎo)致補貼政策崩潰和市場退化。最后，對補貼退坡下我國新能源汽車市場的發(fā)展前景進行了綜合預(yù)測。本文研究可為后補貼時代我國新能源汽車產(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；供應(yīng)鏈；補貼政策；系統(tǒng)動力學(xué)；博弈論

中圖分類號 F272 文獻標(biāo)識碼 A 文章編號 1002-2104（2018）12-0029-11 DOI：10.12062/cpre.20180526

在補貼等多項新能源政策的扶持下，我國新能源汽車產(chǎn)業(yè)獲得了迅猛發(fā)展。2016年我國新能源汽車銷量達到50.7萬輛，同比增長53.0%，電池技術(shù)、充電設(shè)施、市場認(rèn)可度等取得了長足進步。但是，隨著市場規(guī)模的擴大，財稅政策面臨巨大壓力，補貼退坡勢在必行。根據(jù)《關(guān)于2016—2020年新能源汽車推廣應(yīng)用財政支持政策的通知》等相關(guān)規(guī)定，屆時我國新能源汽車補貼將在2017—2018年和2019—2020年退坡20%和40%，并將雙積分制和禁售燃油車提上議事日程。因此，補貼退坡將對我國汽車產(chǎn)業(yè)以及后補貼時代企業(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施。

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

可見，博弈論在涉及補貼政策的閉環(huán)供應(yīng)鏈、碳減排等領(lǐng)域得到了廣泛應(yīng)用，但應(yīng)用于新能源汽車這類波動較大的新興產(chǎn)業(yè)卻存在諸多局限。①求解難的問題，尤其當(dāng)收益函數(shù)為高次函數(shù)以及多方博弈時須求解高次方程組，此時不易得到代數(shù)均衡解也難以展開后續(xù)博弈分析；②有限次博弈問題，傳統(tǒng)博弈論給出的最優(yōu)解往往基于無限次重復(fù)博弈的假設(shè)，但在實際中政府補貼政策基本“一年一政”，瞬息萬變的市場環(huán)境也決定汽車企業(yè)和消費者無法進行相同情景的無限次博弈，根據(jù)“心理賬戶”理論，有限博弈往往會改變決策行為[12]。③決策周期的不同步問題，顯然博弈主體的決策響應(yīng)及實施在時間上是很難一致的，例如政府往往在年初發(fā)布補貼政策，并在一年內(nèi)保持政策平穩(wěn)，而汽車企業(yè)對價格和產(chǎn)量卻可以根據(jù)自身實際和外部環(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)均衡更加難以實現(xiàn)和維持。④信息不對稱問題，現(xiàn)實中獲取其他博弈方如價格、產(chǎn)量、偏好等關(guān)鍵信息須應(yīng)對調(diào)研能力、時間、費用及商業(yè)壁壘等困難，對決策數(shù)據(jù)庫的更新步調(diào)也不一致，因此無法及時、準(zhǔn)確地掌握市場真實信息。⑤關(guān)鍵決策參數(shù)的變異問題，例如新能源汽車?yán)m(xù)航里程低于250 km時，細(xì)分市場可近似為不變，但一旦超過400 km以上如特斯拉電動汽車，目標(biāo)市場將轉(zhuǎn)向高端消費者，市場規(guī)模和對價格的敏感性均會發(fā)生較大變化。而這個問題在現(xiàn)有研究中很少被關(guān)注到，即便改進也只能采用分段函數(shù)等方法進行分類討論。

因此，在上述現(xiàn)實問題并存的情形下，現(xiàn)有博弈論方法難以回答補貼政策下新能源汽車市場能否實現(xiàn)博弈均衡以及如何進行系統(tǒng)演化，而系統(tǒng)動力學(xué)恰恰能夠解決上述問題。目前，國內(nèi)外將博弈論與系統(tǒng)動力學(xué)相結(jié)合的研究還很少。Zhu等[13]采用系統(tǒng)動力學(xué)分析了供應(yīng)鏈的擾動因素及其組合應(yīng)對策略。Sice等[14-15]采用系統(tǒng)動力學(xué)對一個雙寡頭競爭博弈問題進行了仿真分析。Li等[16-17]將系統(tǒng)動力學(xué)應(yīng)用于碳減排政策的模擬。國內(nèi)學(xué)者賈仁安[18]、朱慶華[19]、蔡玲如[20]等針對環(huán)境污染管理等問題建立了靜態(tài)博弈下的SD演化模型。盧健等[21]基于優(yōu)惠稅率構(gòu)建了新能源汽車產(chǎn)業(yè)化SD模型。但這些動力學(xué)模型實質(zhì)上并未很好地體現(xiàn)博弈特質(zhì)，也未針對上述局限問題提供解決方案。

本文嘗試將博弈論與系統(tǒng)動力學(xué)結(jié)合，從供應(yīng)鏈視角探討我國新能源汽車補貼策略問題，可能的創(chuàng)新點有：①運用傳統(tǒng)博弈論解析了新能源汽車補貼機制，求解并證明了最優(yōu)補貼強度及退坡臨界點的存在。②利用反應(yīng)函數(shù)建立主要博弈主體之間的系統(tǒng)動力學(xué)模型，從而解決均衡解求解和有限次重復(fù)博弈問題。③分別引入延遲（階躍）函數(shù)、隨機函數(shù)和條件函數(shù)解決博弈主體決策周期不同步、信息不對稱及參數(shù)變異問題。模型不僅將單周期補貼策略拓展至多周期動態(tài)決策，且考慮了技術(shù)進步和市場偏好對系統(tǒng)博弈均衡的影響，研究結(jié)果可為我國新能源汽車產(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）汽車制造商利潤=（零售價p-批發(fā)價w-制造商成本Cm）×新能源汽車銷售量；

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

2.3.2 市場偏好子系統(tǒng)

（17）充電樁覆蓋率=0.2；

（18）燃油車對標(biāo)價=12萬元/輛；

（19）消費者偏好系數(shù)=INTEG （+500×（（續(xù)航水平h+充電樁覆蓋率）/2+燃油車對標(biāo)價/實際購車價）×05， 10 000），該式表明在消費者心目中，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%，而與同檔次燃油車的價格比則占據(jù)另外50%的權(quán)重；

（20）實際購車價=零售價p-每車補貼標(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×實際技術(shù)進步率， 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)進步率=退坡率×政府補貼強度×（3×價格敏感系數(shù)×研發(fā)成本系數(shù)K-退坡率×價格敏感系數(shù)×政府補貼強度×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）實際技術(shù)進步率=（0.001+RANDOM UNIFORM（0.5， 1.5， 1）×期望技術(shù)進步率×1），該式主要反映信息不對稱等因素造成的信息失真；

2.3.4 補貼政策子系統(tǒng)

（25）政府補貼強度= INTEG （-政府補貼強度×退坡率， 280 000）；

（26）每車補貼標(biāo)準(zhǔn)=政府補貼強度×續(xù)航水平h；

（27）補貼總支出=每車補貼標(biāo)準(zhǔn)×新能源汽車銷售量；

（28）補貼缺口=補貼總支出-財政上限M；

（29）財政上限M=2.5e+010（元）；

（30）最高補貼強度=財政上限M/（續(xù)航水平h×新能源汽車銷售量）；

（31）政府補貼效率=（新能源汽車銷售量-初始銷量）/補貼總支出×10 000；

（32）初始銷量=1萬臺；

（33）消費者補貼獲得率=（價格敏感系數(shù)×研發(fā)成本系數(shù)K×（價格敏感系數(shù)×政府補貼強度-消費者偏好系數(shù)）-消費者偏好系數(shù)2×（價格敏感系數(shù)×政府補貼強度+消費者偏好系數(shù)））/（（價格敏感系數(shù)×政府補貼強度+消費者偏好系數(shù)）×（3×價格敏感系數(shù)×研發(fā)成本系數(shù)K-消費者偏好系數(shù)2））；

（34）變相漲價=（（1-消費者補貼獲得率）×政府補貼強度×續(xù)航水平h）/（零售價p-（（1-消費者補貼獲得率）×政府補貼強度×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經(jīng)四年補貼后，從2017年開始逐步退坡，至2020年累計退坡40%。

3 實證研究

3.1 模型檢驗

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、信息對稱、參數(shù)穩(wěn)定）的博弈情形，當(dāng)系統(tǒng)進行到第16輪博弈即2013年4月時新能源汽車市場達到穩(wěn)態(tài)，此時各變量狀態(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新能源汽車市場博弈過程。

由表1可知，當(dāng)市場對新能源汽車達到一定認(rèn)可度時（β=10 000），最佳的續(xù)航里程為150 km，銷售量為2.5萬輛（2013年情景）；整車零售價相比未補貼時變相提高了33.25%，使得盡管新能源汽車補貼標(biāo)準(zhǔn)達到了8.40萬元/輛（中央+地方補貼），但消費者真正得到的補貼實惠只有2.41萬元/輛，補貼獲得率僅為28.70%。這表明，新能源汽車企業(yè)對政府補貼依賴度很高，最大限度地占有補貼依然是該供應(yīng)鏈運轉(zhuǎn)的重要動力。而從收益分享角度看，汽車制造商所獲取的利潤是電池供應(yīng)商的近10倍，因此汽車制造商是供應(yīng)鏈核心企業(yè)。但面對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，完全有動機去打破該均衡，這也是導(dǎo)致系統(tǒng)博弈均衡持續(xù)波動的原因之一。

從政府角度看，其每月財政支出達21億元（上限25億元），補貼效率為0.071 3輛/萬元，也就是說，與未補貼時相比，政府每補貼1萬元可新增新能源汽車銷量0.071 3輛。在當(dāng)前市場認(rèn)可度下，政府補貼強度應(yīng)維持 在[2.03， 28.63]萬元/輛的水平，否則補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，政府補貼已無意義，必須完全退坡。最后，若技術(shù)進步率達到27.78%，政府可在[0， 20%]區(qū)間內(nèi)實行退坡，此時技術(shù)進步帶來的新能源汽車生產(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

首先分析單個要素對新能源汽車市場發(fā)展的影響，然后綜合這些現(xiàn)實條件進行情景預(yù)測，探討補貼退坡后系統(tǒng)新的博弈進程和演變規(guī)律。

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

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

（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系統(tǒng)發(fā)展的影響（其他變量的決策周期均為1個月），如圖8、圖9所示。當(dāng)決策周期出現(xiàn)不一致時，系統(tǒng)均衡開始出現(xiàn)震蕩，并且隨著不一致程度的加大，系統(tǒng)達到穩(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32個月方能進入穩(wěn)態(tài)；若每隔半年決策一次，則直至2017年退坡開始后市場也無法實現(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到市場穩(wěn)態(tài)，但其造成的市場動蕩也明顯更高。

而政府補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政府補貼效應(yīng)產(chǎn)生短期擾動而不會改變其中長期效應(yīng)。圖11可進一步證明，消費者補貼獲得率完全不受決策周期差異影響，進而在很大程度上削弱了決策周期對整體市場的影響。

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

（5）關(guān)鍵決策參數(shù)變異的影響。本文以市場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（無變異）、80 000和60 000模擬參數(shù)變異對系統(tǒng)發(fā)展的影響，如圖14、圖15所示。顯然，在重復(fù)博弈過程中因續(xù)航里程變化導(dǎo)致消費群體變化，將最終導(dǎo)致博弈結(jié)果發(fā)生重大變化，甚至引發(fā)補貼效率的完全崩潰和市場退化。

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

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

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

情景3：消費偏好遞增系數(shù)300，120%期望技術(shù)進步率，信息擾動范圍[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)下無論是價格、銷量還是利潤均高于非理想狀態(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，但它的均衡波動幅度明顯更大。這表明，只要達到情景2甚至情景3水平，即便2020年補貼完全退坡，新能源汽車市場也能夠維持發(fā)展，但必須保證市場偏好或新能源 技術(shù)維持在較高的發(fā)展水平，否則市場波動將加劇，造成資源浪費和產(chǎn)業(yè)競爭力下降。

4 結(jié)束語

本文根據(jù)我國新能源汽車產(chǎn)業(yè)發(fā)展實際，采用傳統(tǒng)博弈論建立了補貼政策下新能源汽車供應(yīng)鏈生產(chǎn)決策模型，分析了補貼機制的形成及其影響，提出了政府補貼效率、消費者補貼獲得率等系列指標(biāo)，求解了最優(yōu)補貼強度、退坡臨界點和期望技術(shù)進步率。進而根據(jù)現(xiàn)實中存在有限次博弈、決策周期不一致、信息不對稱等問題，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)動力學(xué)相結(jié)合，建立新能源汽車供應(yīng)鏈的SD動態(tài)博弈模型，引入延遲函數(shù)、隨機函數(shù)和條件函數(shù)等改進傳統(tǒng)博弈論的分析局限，將單周期補貼策略拓展至多周期動態(tài)決策，深入探討了補貼退坡策略在消費偏好增長、技術(shù)進步等多因素作用下的綜合效應(yīng)。研究結(jié)果表明：市場認(rèn)可度越高，消費者獲得的正補貼越少，補貼政策效率越低；決策周期不一致將對補貼政策造成短期擾動，但不會改變其中長期效應(yīng)；信息不對稱和重要決策參數(shù)變異均會加劇系統(tǒng)博弈震蕩，甚至導(dǎo)致補貼政策崩潰和市場退化；市場認(rèn)可度和技術(shù)進步的持續(xù)提升是確保后補貼時代新能源汽車市場平穩(wěn)發(fā)展的重要條件。

本文的主要貢獻在于解析了新能源汽車補貼機制并證明了退坡臨界點的存在，更進一步將傳統(tǒng)博弈論與系統(tǒng)動力學(xué)結(jié)合，綜合了兩種方法在代數(shù)解析和趨勢預(yù)測中的優(yōu)勢，拓展了博弈論在供應(yīng)鏈中的應(yīng)用價值。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供應(yīng)鏈的影響，以及市場競爭性、市場結(jié)構(gòu)等對新能源汽車市場發(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

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

[2]盧超， 尤建新， 戎珂， 等. 新能源汽車產(chǎn)業(yè)政策的國際比較研究[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. 財政補貼退出后的多主體創(chuàng)新網(wǎng)絡(luò)運行機制仿真——以新能源汽車為例[J]. 科研管理， 2016， 37（8）： 58-66.

[5]羅春林. 基于政府補貼的電動汽車供應(yīng)鏈策略研究[J]. 管理評論， 2014， 26（12）： 198-205.

[6]郭燕青， 李磊， 姚遠(yuǎn). 中國新能源汽車產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)中的補貼問題研究[J]. 經(jīng)濟體制改革， 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)鏈競爭下政府補貼效率研究[J]. 管理工程學(xué)報， 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， 紀(jì)靜娜. 碳信息不對稱下的供應(yīng)鏈謊報決策與協(xié)調(diào)研究[J]. 中國管理科學(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， 涂國平， 賈仁安. 基于SD演化博弈模型的生豬規(guī)模養(yǎng)殖與戶用沼氣開發(fā)系統(tǒng)動態(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題研究[J]. 計算機應(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產(chǎn)業(yè)化激勵機制研究[J]. 計算機應(yīng)用研究， 2014， 31（6）： 1736-1739.

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

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

[24]熊中楷， 張盼， 郭年. 供應(yīng)鏈中碳稅和消費者環(huán)保意識對碳排放影響[J]. 系統(tǒng)工程理論與實踐， 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消費偏好實證研究[J]. 西安交通大學(xué)學(xué)報（社會科學(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