📈 economics

No Trade Under Verifiable Information

本文通过考察能够揭示或验证证券真实价值的私人信息条件，拓展了无交易定理的研究，并探讨了其在内幕交易、市场流动性不足以及基于公共区块链和预言机的交易等场景中的应用。

原作者： Spyros Galanis

发布于 2026-04-23

📖 1 分钟阅读☕ 轻松阅读

原作者： Spyros Galanis

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个非常有趣的问题：在什么情况下，聪明人之间根本不会做交易？

通常我们认为，只要大家掌握的信息不一样（比如你知道某只股票会涨，我不知道），就会有人买、有人卖，市场就会热闹起来。但这篇论文指出，如果信息“透明”到了某种程度，反而会导致没人敢交易，市场直接“死机”。

为了让你轻松理解，我们可以把金融市场想象成一个巨大的“猜谜游戏”，而这篇论文就是关于“什么线索会让游戏直接结束”的研究。

1. 核心概念：为什么有时候“知道得太多”反而没法玩？

想象一下，你和朋友在打赌明天天气是晴还是雨。

正常情况：你看了一眼窗外，觉得像要下雨；我看了一眼云，觉得像要出太阳。我们信息不对称，于是我们开始下注，交易发生了。
这篇论文的情况：假设有一个“上帝视角”的裁判，或者有一个规则，使得只要有人愿意和你打赌，就证明他手里拿着“绝对真理”。

如果大家都理性，就会想：“既然他敢跟我赌，说明他肯定知道明天一定是晴天（或一定是雨天），那我跟他赌岂不是必输？”于是，没人敢接盘，交易就消失了。

这篇论文要解决的核心问题是：到底需要多少“确定性”，才能让交易彻底停止？ 是必须有人知道确切答案吗？还是只要有人知道答案肯定超过某个界限就够了？

2. 四个“信息验证”的等级

作者提出了四个关于“信息验证”的等级，就像游戏的难度设置一样，从“地狱级”到“简单级”：

等级一：全知全能（Verifiable）
- 比喻：有人手里拿着标准答案。
- 含义：在任何一个可能的情况下，总至少有一个人确切知道证券的最终价值是多少。
- 结果：没人敢交易。因为如果你不知道，而对方知道，你就是在送钱。
等级二：知道“天花板”或“地板”（Maxmin Verifiable）
- 比喻：有人虽然不知道确切分数，但他知道“最高分肯定是 100 分”或者“最低分肯定是 0 分”。
- 含义：有人能确认证券的价值是否达到了可能的最大值或最小值。
- 结果：这也足以阻止交易。因为如果对方知道这是“最高价”，他绝不会低价卖给你；如果知道是“最低价”，他绝不会高价卖给你。
等级三：知道“及格线”（Threshold Verifiable）—— 这是论文最重要的发现！
- 比喻：有人虽然不知道确切分数，但他能肯定地说：“这题的答案肯定高于 60 分"或者"肯定低于 60 分"。
- 含义：只要有人能确认价值是高于还是低于某个特定的门槛（Threshold），交易就会停止。
- 结果：这是阻止交易的最小条件。哪怕没人知道确切数字，只要有人能划出一条“生死线”，理性的交易者就会因为害怕被“割韭菜”而退场。
- 论文结论：只要满足这个“门槛验证”，绝对没有交易；反之，如果连这个门槛都划不出来，交易就一定会发生。
等级四：大家拼起来才知道（Collectively Verifiable）
- 比喻：你手里有一半拼图，我手里有一半拼图。单独看我们都不知道答案，但把我们的信息拼在一起，就能知道答案。
- 含义：只有当所有人把私藏的信息都公开时，才能验证价值。
- 结果：这不足以阻止交易！因为在你我拼凑信息之前，我们可能还是觉得“我比你多知道一点点”，于是我们就敢先交易，赌一把。

3. 三个现实世界的“应用场景”

作者用三个生动的例子说明了这个理论有什么用：

A. 内幕交易（Insider Trading）

场景：公司高管知道公司要破产了（或者要发大财了）。
传统看法：高管利用信息优势赚钱，所以我们要禁止。
论文视角：如果高管知道的信息足以让他确认股价会跌（比如确认低于某个“破产线”），那么理性的散户根本不会跟他买。因为散户会想：“他敢卖给我，说明他确定要跌，我买就是送死。”
启示：如果内幕信息只是“稍微多一点”，市场还能转；但如果信息强到能划出“生死线”，市场就流动性枯竭了（没人敢交易）。

B. 市场流动性危机（如 LTCM 事件）

场景：1998 年，长期资本管理公司（LTCM）快倒闭了，大家都不敢碰它的债券。
论文视角：如果市场里的“老手”都知道哪些资产是“有毒”的（价值低于某个门槛），他们就会拒绝交易。这会导致市场彻底没水（没流动性），想卖的人卖不掉，想买的买不到，价格崩盘。
启示：当“知道底线”的人太多时，市场反而会瘫痪。

C. 区块链与预言机（Blockchain & Oracles）

场景：在区块链上，智能合约需要“预言机”来报告现实世界的数据（比如比特币价格、天气）。
问题：如果预言机自己也是交易者，而且它知道真实数据（比如它知道明天肯定下雨，而合约还没结算），它会不会利用这个优势去赌一把？
论文视角：如果预言机的报告能验证真实价值（比如它知道价格肯定高于某个数），那么其他匿名交易者就不敢跟它做交易，因为那是“必输局”。
启示：在去中心化世界里，如果“报数的人”知道得太清楚，整个交易机制可能会失效。

4. 动态世界里的“时间差”

论文还讨论了一个动态过程：

静态：大家一开始就知道底线，所以不交易。
动态：大家一开始不知道，但通过不断交流（比如 A 说“我觉得值 100"，B 说“我觉得值 50"），信息逐渐公开。
关键点：即使一开始大家不知道底线，但随着交流进行，信息不断更新。如果在最终停止交流的那一刻，大家发现有人能划出“生死线”，那么之前的交易可能白做了，或者最终大家会达成共识（不再交易）。
结论：只要最终大家能确认“底线”，信息就能完美聚合（价格回归真实价值）；如果永远无法确认底线，大家就会永远吵下去，价格永远偏离真实值。

总结

这篇论文用数学证明了：
在金融市场上，如果信息透明到有人能确认“价值肯定高于（或低于）某条线”，理性的交易者就会因为害怕被“收割”而停止交易。

这就像玩扑克牌：

如果大家都瞎猜，牌局很热闹。
如果一个人手里拿着“必胜牌”（全知），没人敢跟他玩。
如果一个人虽然没拿必胜牌，但他能肯定地说“这局我肯定能赢过 50 分”，大家也会觉得“跟他玩肯定输”，于是牌局解散。

这篇论文提醒监管者和市场设计者：并不是信息越透明越好。如果信息透明到了让所有人都能划出“安全线”或“危险线”的程度，市场可能会因为没人敢冒险而彻底失去流动性。

这是一份关于 Spyros Galanis 论文《No Trade Under Verifiable Information》（可验证信息下的无交易）的详细技术总结。

1. 研究问题 (Problem)

传统的“无交易定理”（No Trade Theorems）通常基于**共同先验（Common Prior）和共同知识（Common Knowledge）**假设，论证在理性代理人之间，如果存在共同先验，则不可能存在“同意分歧”（agreeing to disagree），从而阻止交易。然而，现实金融市场存在大量交易，且代理人往往拥有不同的先验信念（Different Priors）或有限理性。

本文旨在探讨一种新的导致“无交易”的条件：私人信息的可验证性（Verifiability of Private Information）。
核心问题是：在代理人拥有不同先验的情况下，如果他们的私人信息能够以某种方式揭示或验证证券的真实价值，是否会导致无交易结果？具体而言，作者考察了从“完全验证”到“集体验证”等不同强度的信息结构，并试图确定哪些条件足以阻止代理人之间达成共同知识的交易协议。

2. 方法论与模型设定 (Methodology & Model)

2.1 基本模型

代理人：有限集合 $I$ ，包含 $n$ 个代理人。
状态空间：有限集合 $\Omega$ 。
信息结构：每个代理人 $i$ 拥有私人信息分区 $\Pi_i$ 和先验概率分布 $p_i$ 。关键假设：不假设共同先验（ $p_i$ 可以不同）。
证券：定义函数 $X: \Omega \to \mathbb{R}$ ，其支付取决于自然状态。
交易阶段：在代理人获得私人信息后、真实状态揭示前的中间阶段进行交易。

2.2 核心概念：可验证性 (Verifiability)

作者定义了四种关于私人信息如何验证证券价值的属性：

完全可验证 (Verifiable)：在每个状态下，至少有一个代理人确切知道证券的真实价值。
最大最小可验证 (Maxmin Verifiable)：在所有代理人共同知识认为可能的状态集合 $C(\omega)$ 中，存在某个代理人知道该集合中证券价值的最大值或最小值。
阈值可验证 (Threshold Verifiable)：在共同知识可能的状态集合中，存在一个代理人和某个阈值 $x$ ，使得该代理人知道证券价值是严格高于还是严格低于 $x$ （注意：代理人只需在某些状态下知道这一点，而非所有状态）。
集体可验证 (Collectively Verifiable)：所有代理人的私人信息取交集后，能够唯一确定证券的真实价值（即 $\bigcap_{i \in I} \Pi_i(\omega) \subseteq X^{-1}(k)$ ）。

2.3 三种交易环境

为了全面分析，作者在三个不同的市场环境中检验上述条件：

静态环境 (Static)：基于 Aumann (1976) 框架。考察是否存在“共同知识交易”（Common Knowledge Trade），即代理人对证券的期望值不同且该差异是共同知识。
动态环境 - 无限期 (Dynamic - Infinite)：基于 Geanakoplos & Polemarchakis (1982) 框架。代理人轮流宣布期望值，其他人据此更新信念。考察代理人是否最终会达成一致（无法永远分歧）。
动态环境 - 市场计分规则 (Dynamic - MSR)：基于 Ostrovsky (2012) 框架。代理人使用市场计分规则（如预测市场）进行报价，考察信息是否能聚合到真实价值。

3. 主要贡献与结果 (Key Contributions & Results)

3.1 核心定理：阈值可验证性是无交易的充要条件

定理 1 (Theorem 1)：在任意先验集合下，证券 $X$ 在状态 $\omega$ 处不存在共同知识交易，当且仅当 $X$ 在该状态是阈值可验证 (Threshold Verifiable) 的。

充分性：如果存在阈值可验证性，代理人无法就不同的期望值达成共同知识。因为如果存在交易，意味着期望值不同，但阈值可验证性会迫使期望值在共同知识范围内收敛或产生矛盾。
必要性：如果不存在阈值可验证性，作者构造了一组先验分布，使得代理人可以持有不同的期望值，且这些差异成为共同知识，从而促成交易。

3.2 其他属性的推论

完全可验证性：显然导致无交易（因为有人知道真实价值，其他人不会与其交易）。
最大最小可验证性：虽然弱于完全可验证性，但也足以在静态环境中阻止共同知识交易。
集体可验证性：不足以阻止交易。
- 反例 (Example 1)：即使所有代理人合起来知道真实价值，但在交易达成时，他们可能各自拥有不同的期望值，且这些差异是共同知识，从而导致交易发生。

3.3 动态环境下的发现

动态不一致性：在动态更新信息的过程中， $t$ $t$ 时刻的“最大最小可验证”或“阈值可验证”属性不能保证在 $t+1$ $t + 1$ 时刻依然成立。
- 反例 (Example 2)：初始状态满足最大最小可验证性，但随着代理人宣布信息并排除某些状态，剩余状态集合中的极值可能变得不可验证，导致代理人陷入永久分歧和持续交易。
修正结论 (Corollary 1 & 2)：只有当在信息更新停止的最终时刻 $t^*$ ，证券满足阈值可验证性时，才能保证：
1. 代理人无法永远分歧（最终达成一致）。
2. 信息能够完全聚合到证券的真实价值（对于所有证券，不仅是可分离证券）。

3.4 多证券扩展

作者将结论推广到一组证券 $\{X_i\}$ （满足 $\sum X_i = 0$ ）的情况。

命题 1 (Proposition 1)：一组可交易证券 $\{X_i\}$ 不存在共同知识交易，当且仅当这组证券是阈值可验证的。

4. 现实意义与启示 (Significance)

本文的研究为理解以下三个领域的市场行为提供了新的理论视角：

内幕交易 (Insider Trading)：
- 如果内幕人士（Insider）拥有足以验证证券真实价值的信息（例如确切知道公司价值），理性市场将不会与其交易（无交易结果）。
- 如果内幕人士仅知道价值是否超过某个阈值（Threshold Verifiable），根据本文结论，市场依然可能无法达成交易。这为监管机构界定何种程度的信息优势应被禁止交易提供了理论依据。
市场流动性与危机 (Liquidity & Crises)：
- 解释了为何在市场危机（如 LTCM 案例）中，如果市场做市商或知情者拥有关于资产困境的验证性信息，可能导致流动性枯竭（No Trade）。
- 当知情者知道资产价值极低（验证了最小值或低于某阈值）时，其他理性参与者会拒绝交易，导致市场冻结。
区块链与预言机 (Blockchain & Oracles)：
- 在去中心化金融（DeFi）中，智能合约的执行依赖于预言机（Oracles）提供的现实世界数据。
- 如果预言机作为市场参与者，且其信息足以验证资产价值（例如知道期权行权是否会发生），那么根据无交易定理，其他匿名用户可能不愿意与其交易。
- 这揭示了在完全透明的区块链环境中，如果预言机拥有验证性信息，可能会破坏市场的流动性，除非设计机制防止预言机利用这种信息优势。

5. 总结

Galanis 的这篇论文通过引入信息可验证性的层级结构，重新审视了无交易定理。其核心贡献在于证明了阈值可验证性（即存在代理人知道价值是否跨越某个界限）是阻止理性代理人之间达成共同知识交易的充要条件。这一发现不仅统一了静态和动态市场中的无交易现象，还特别强调了在动态信息更新过程中，信息结构的演变可能导致原本无交易的市场出现分歧和交易，反之亦然。这对理解内幕交易监管、市场流动性危机以及区块链预言机机制的设计具有重要的理论价值。