Skip to content

CSlawyer1985/legal-skillhub / skills/anythingbutlaw

AnythingButLaw

Verified

法外功夫 — Non-legal business skills for lawyers. Decision analysis, game theory, contract design, accounting, finance, microeconomics, law & economics, statistics, and regression analysis distilled into deep, actionable frameworks for legal practice. Each domain includes formulas with LaTeX notation, worked examples, adversarial checklists, and book-aligned structure. | 律师必备的非法律商业技能深度参考:决策分析、博弈论、合同设计、会计、金融、微观经济学、法经济学、统计分析、多元回归。每章都包含完整公式推导、worked examples、对抗清单与经典判例。当用户涉及和解谈判、合同激励、财务尽调、企业估值、损害赔偿计算、反垄断分析、统计证据评估、歧视诉讼回归分析、hold-up、效率违约、Daubert 动议等场景时触发。

examples/auction-bidding-strategy.md

View on GitHub
# 拍卖设计与博弈论:破产清算中的投标策略

> **涉及知识域**:博弈论、微观经济学、决策分析

## 案情

你是 **HealthTech Ventures** 的外部顾问。一家知名基因测序公司 **GeneScope Inc.** 由于资金链断裂进入 Chapter 11 破产程序。作为破产财产的核心资产,GeneScope 的 **核心 IP 组合** 将通过 **密封竞价拍卖** (sealed-bid auction) 出售,拍卖由法院指定的托管人主持。

**拍卖规则**:
- **一阶价格密封拍卖 (First-Price Sealed-Bid)**
- 截止日期:2025 年 6 月 15 日
- 各投标人独立提交密封报价,出价最高者获得 IP,按 **自己的报价** 支付
- 投标人之间不知道彼此的身份和数量
- 起拍价 $\$50M$

**HealthTech 对 GeneScope IP 的内部估值**:

- 基础案例:$\$200M$(DCF 基于预期未来收入)
- 乐观案例:$\$280M$
- 悲观案例:$\$140M$
- 概率权重:$30\% / 40\% / 30\%$
- **期望价值 $= 0.3 \times 280 + 0.4 \times 200 + 0.3 \times 140 = \$206M$**

**竞争情报**(通过行业关系和尽调):
- 大约有 **4–6 家公司** 可能参与投标
- 已知竞争对手:
  - **Illumina Direct**:大型上市公司,深度口袋,战略兴趣强
  - **Merck Ventures**:大药企的 VC 臂,财务投资者
  - **BGI Genomics**:中国竞争对手,可能受监管审查影响
  - **PE 财团 (Blackstone-led)**:财务买家,纪律严格的估值
- 未知的 1–2 家

**你的任务**:帮 HealthTech 决定 **最优投标价格**。

---

## 分析

### 一、一阶价格拍卖的基本博弈论

**一阶价格** (FPA) vs **二阶价格** (SPA, Vickrey) 的关键区别:

| 特征 | 一阶价格 | 二阶价格 |
|---|---|---|
| **谁赢** | 最高出价者 | 最高出价者 |
| **付多少** | **自己的出价** | **第二高的出价** |
| **最优策略** | **少于真实估值**(shading) | **真实估值** (dominant strategy) |
| **卖方收益** | 一般相同(Revenue Equivalence Theorem)| |

**在一阶价格拍卖中,永远不要报真实估值**——因为赢了就拿不到任何 "surplus"。合理策略是 **shade your bid**(少报)。

### 二、最优投标策略的理论基础

假设:
- 投标人数 $n$
- 每个投标人对物品的 **私人估值** $v_i$,从分布 $F(v)$ 独立抽取
- **风险中性**

**最优投标公式**(均匀分布的简化情况,$v \sim U[0, V_{\max}]$):

$$b_i^*(v_i) = v_i \cdot \frac{n - 1}{n}$$

- $n = 2$:出真实估值的 $50\%$
- $n = 3$:出 $67\%$
- $n = 4$:出 $75\%$
- $n = 5$:出 $80\%$
- $n = 6$:出 $83\%$

**直觉**:投标人越多,你必须更 **接近** 真实估值才能赢;投标人越少,可以更多地 shade。

### 三、应用到 HealthTech 的情境

估计 $n = 5$(4–6 的中值)。用均匀分布假设的基础公式:

$$b^* \approx v \cdot \frac{4}{5} = 0.80 \times \$206M = \$164.8M$$

**但这个公式有两个重要缺陷**:
1. **真实估值分布不是均匀的**——更可能是正态或对数正态
2. **竞争对手不是对称的**——Illumina 可能估值比 HealthTech 高得多

### 四、赢家诅咒 (Winner's Curse)

**关键现象**:如果所有投标人的估值都是对 **同一真实价值** 的噪声估计(common value auction),**赢家往往 overpay**。

为什么?因为赢家是 **估值最高的人**——往往是那个 **最乐观地估计错了** 的人。

**$n$ 越大,赢家诅咒越严重**:
- $n = 2$:你的估计略高
- $n = 5$:你在 5 人中估值最高 → 很可能是 over-estimate
- $n = 10$:你是 10 人中最乐观的 → 几乎肯定 over-estimate

**调整**:**按投标人数进一步下调报价**,补偿赢家诅咒。

**经验法则**:common value 拍卖中:

$$b^* \approx E[v \mid v_i \text{ is highest among } n]$$

这个条件期望比 $v_i$ 自己低。具体调整幅度取决于估值的噪声水平。**高噪声 + 多投标人** → 大幅下调。

### 五、竞争对手的异质性分析

**Illumina Direct** 的情况:
- 战略价值:整合 GeneScope 的 IP 可以加速他们的产品迭代
- 协同效应:估计 $\$50M$–$\$100M$(仅对 Illumina)
- Illumina 的私人估值可能是 **$\$250M$–$\$350M$**
- **如果 Illumina 参与,HealthTech 赢的概率较低**

**Merck Ventures**:
- 财务投资者,严格估值纪律
- 协同效应有限
- 估值可能 $\$180M$–$\$220M$
- **是 HealthTech 的最接近对手**

**BGI**:
- 监管风险(CFIUS 审查,技术出口管制)
- 可能被法官排除或自行撤回
- 如果参与,可能出更高价补偿风险

**PE 财团**:
- 严格 IRR 要求($25\%$ 以上)
- 加入后要重新出售或 IPO
- 估值可能更低($\$150M$–$\$190M$)

### 六、构建投标决策树

**关键不确定性**:
- **Illumina 是否参与**($P = 60\%$)
- **估值实现**(基础/乐观/悲观)
- **HealthTech 的出价**(决策变量)

**决策树简化版**(只考虑基础估值案例,$v = \$200M$):

```
决策 → 出价 $B$
          │
          ├── Illumina 参与 (60%)
          │    ├── Illumina 出 > B (70%) → HealthTech 输,收益 = $0
          │    └── Illumina 出 ≤ B (30%) → HealthTech 赢,surplus = $v - B$
          │
          └── Illumina 不参与 (40%)
               ├── 其他对手 出 > B (30%) → 输,收益 = $0
               └── 其他对手 出 ≤ B (70%) → 赢,surplus = $v - B$
```

**不同 $B$ 下的期望值**:

| 出价 $B$ | 赢的概率 | 胜利后 surplus (基础案例) | 期望值 |
|---|---|---|---|
| $\$140M$ | $0.15$ | $\$60M$ | $\$9M$ |
| $\$160M$ | $0.30$ | $\$40M$ | $\$12M$ |
| $\$180M$ | $0.50$ | $\$20M$ | $\$10M$ |
| $\$200M$ | $0.70$ | $\$0M$ | $\$0$ |
| $\$220M$ | $0.85$ | $-\$20M$ | $-\$17M$ |

**期望值最大化** 在 $B \approx \$160M$–$\$170M$。

**完整树** 还应考虑乐观 / 悲观估值案例,以及它们与其他投标人估值的相关性(都看多的时候彼此估值也高)。

### 七、期权价值的考虑

**等待期权**:HealthTech 是否可以 **不参与** 这次拍卖,等 90 天后如果 IP 流拍再低价接手?

**分析**:
- 流拍概率 $\approx 20\%$(起拍价相对合理)
- 流拍后重新拍卖的估值可能下降 $20\%$(时间损失、质量感知下降)
- 但重新拍卖的竞争对手可能减少 → 更容易赢

**等待的期望值**:

$$EV_{\text{等待}} = 0.20 \times [\text{重新拍卖的期望收益}] + 0.80 \times \$0$$

如果重新拍卖的期望收益 = $\$40M$(基础 $\$200M \times 0.8 - \$120M$ 赢得价格),则 $EV_{\text{等待}} = \$8M$。

**对比**:首次拍卖的期望值 $\sim \$12M$。**首次参与略优**。

### 八、情报价值的考虑

如果 HealthTech 可以在拍卖前获得 **更多竞争情报**(例如通过投行接触 Illumina 内部),这个情报值多少钱?

**EVPI 分析**(见 `decision-analysis.md`):

如果 HealthTech 能确切知道 Illumina 是否参与:
- Illumina 参与 → 出价低($\$140M$),接受低赢率
- Illumina 不参与 → 出价更高($\$180M$),接受合理 surplus

**EVPI 估算**:$\sim \$3M$–$\$5M$(能够调整策略的额外期望收益)。

**支付上限**:HealthTech 愿意为情报付 **$\$3M$**(但不要被销售员宰)。

---

## 建议

### 一、最终投标策略

**推荐出价:$\$168M$** (正负 $5M$ 的敏感度范围)

**理由**:
1. 期望值最大化的粗略区域
2. 相对 HealthTech 的基础估值 $\$206M$,代表 **$\sim 18\%$ shading**——合理补偿赢家诅咒和竞争
3. 给 HealthTech 留 **$\$38M$ 的成功 surplus**,足以证明尽调和决策成本

### 二、风险管理措施

1. **上限承诺 (commitment device)**:CEO 和董事会 **事前** 承诺不超过 $\$180M$,防止"热血上头"加价
2. **不参与条件**:如果事前发现 Illumina 签订 letter of intent,HealthTech 应考虑 **完全退出**
3. **反向尽调**:在 HealthTech 内部模拟 Illumina 的估值视角,检验 HealthTech 是否 over-estimate
4. **投行顾问**:雇用有经验的 M&A 投行($\$1M$–$\$2M$ 费用)来帮助 read the market

### 三、拍卖后的情境规划

**如果 HealthTech 赢**:
- **整合计划**:立即启动 IP 整合到 HealthTech 的研发流程
- **融资**:提前安排 $\$200M$ 的收购贷款
- **对外沟通**:准备新闻稿强调战略价值

**如果 HealthTech 输**:
- **关系维护**:与赢家建立 licensing 关系——赢家可能愿意授权部分 IP
- **人才挖角**:GeneScope 的核心科学家可能因为收购方不合适而流动
- **替代路径**:自研相关技术 vs 收购 GeneScope 的小竞争者

---

## 核心教训

- **一阶价格拍卖中永远 shade your bid**——出真实估值等于白白给卖方打工
- **赢家诅咒** 是系统性风险,不是坏运气——投标人越多、估值不确定性越大,诅咒越严重
- **竞争对手的异质性** 改变最优策略——对称博弈论模型只是起点
- **参与 vs 等待** 是一个真实的期权价值问题——不是所有机会都必须立即抓住
- **情报价值 (EVPI)** 给你一个上限——决定你愿意为 due diligence 付多少钱
- **承诺机制** 防止事后理性的偏离——拍卖前的"绝不超过 $X$"比拍卖中的"克制" 更可信
- **输的情况要有 Plan B**:M&A 的世界里,输掉一次拍卖不是终点

## 相关参考文件

- `references/game-theory.md` — 博弈论基础、拍卖理论、信号博弈
- `references/microeconomics.md` — 垄断、价格歧视、市场设计
- `references/decision-analysis.md` — 期望值、VOI、敏感性分析
- `references/finance.md` — 企业估值、DCF、风险回报
brainstormingobra/superpowersYou MUST use this before any creative work - creating features, building components, adding functionality, modifying behavior, or planning anything new, in software or out of it (a talk, a business, a renovation).Stars: 323kUpdated Claude CodeCodexVerifiedInstall
brand-guidelinesanthropics/skillsApplies Anthropic's official brand colors and typography to any sort of artifact that may benefit from having Anthropic's look-and-feel. Use it when brand colors or style guidelines, visual formatting, or company design standards apply.Stars: 198kUpdated Claude CodeCodexVerifiedInstall
frontend-designanthropics/skillsGuidance for distinctive, intentional visual design when building new UI or reshaping an existing one. Helps with aesthetic direction, typography, and making choices that don't read as templated defaults.Stars: 198kUpdated Claude CodeCodexVerifiedInstall
mcp-builderanthropics/skillsGuide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).Stars: 198kUpdated Claude CodeCodexVerifiedInstall