![](data:image/svg+xml,<svg xmlns="http://www.w3.org/2000/svg" width="32" height="32"><text y="28" font-size="28">🤑</text></svg>)
7.3 政治经济学：政治如何影响经济？
经济政策不是"上帝视角"下的最优选择，而是利益博弈的结果——理解这一点，你就理解了为什么世界是这个样子。
[1] Mankiw, N.G. (2024). Principles of Economics. 10th Edition. Cengage Learning. [2] Olson, M. (1965). The Logic of Collective Action. Harvard University Press. [3] Tullock, G. (1967). "The Welfare Costs of Tariffs, Monopolies, and Theft". Western Economic Journal, 5(3), 224-232. [4] North, D.C. (1990). Institutions, Institutional Change and Economic Performance. Cambridge University Press. [5] Coase, R.H. (1960). "The Problem of Social Cost". Journal of Law and Economics, 3, 1-44. [6] Nordhaus, W.D. (1975). "The Political Business Cycle". Review of Economic Studies, 42(2), 169-190. [7] CoinCenter (2025). "Crypto Policy Tracker". https://www.coincenter.org[8] Blockchain Association (2025). "Annual Report on Crypto Lobbying". https://theblockchainassociation.org
开篇：一个让人困惑的问题
我先问你一个问题：为什么有的国家经济政策明明"不好"，却一直在执行？
比如，美国的农业补贴。经济学家几乎一致认为，美国每年花几百亿美元补贴农民是低效的——这些钱大部分给了大农场主，而不是真正需要帮助的小农户。全世界的贸易谈判中，其他国家一直要求美国取消农业补贴。但几十年过去了，补贴不仅没取消，反而越来越多。
为什么？
再比如，中国的某些产能过剩行业（钢铁、水泥、光伏），明明已经严重过剩了，地方政府还在补贴、还在建。经济学家说"让市场出清"，但地方政府说"这是我们的支柱产业，不能倒"。
为什么？
再比如，日本的财政赤字已经超过了 GDP 的 250%，全世界最高的政府债务率。经济学家说"必须财政紧缩"，但日本政府一直在"拖"，拖了 30 年。
为什么？
答案只有一个：政策不是"上帝视角"下的最优选择，而是利益博弈的结果。
记忆锚点：经济政策就像一家公司的决策——不是"对公司最好的方案"会胜出，而是"对决策者最有利的方案"会胜出。CEO 可能选择一个对公司不好但对自己好的方案（比如收购一家自己朋友的公司），因为决策权在他手里。
这就是政治经济学的核心命题：政治如何影响经济？谁在影响经济政策？为什么"好政策"不一定被执行？
理解了政治经济学，你就理解了：
- 为什么美联储不能听总统的（央行独立性）
- 为什么选举年股市往往涨（政治经济周期）
- 为什么华尔街总能"赢"（利益集团理论）
- 为什么 MEV 本质上是一种"寻租"（寻租理论）
- 为什么智能合约比法律合同更可靠（制度经济学）
- 为什么中美两国的加密监管完全不同（制度竞争）
这节课，我们从头讲起——政治如何影响经济？
第一章：国家与市场的关系——从"管得最少的政府"到"什么都管的政府"
1.1 一个"家长管孩子"的故事
想象你是一个家长，你的孩子（经济）要长大。你怎么管？
- 放养型家长：你什么都不管，让孩子自己玩。孩子可能摔跤，但也能学会自己站起来。
- 严管型家长：你什么都管，孩子吃什么、穿什么、交什么朋友，全由你决定。孩子可能不会摔跤，但也可能失去独立性。
- 智慧型家长：你管该管的（安全、教育），放该放的（玩耍、交友）。孩子既安全又有自由。
国家和市场的关系，就像家长和孩子的关系——管多少、怎么管，是人类争论了几百年的问题。
1.2 五种"管法"的演变史
让我们用时间线来看，人类是怎么"管"经济的：
第一阶段：重商主义（16-18世纪）——国家什么都管
这是"严管型家长"的极致。政府控制贸易、垄断行业、规定价格。为什么？因为当时人们认为：国家的财富 = 金银的数量。所以政府要控制一切，确保金银只进不出。
记忆锚点：重商主义就像一个"守财奴"——把所有金银锁在保险柜里，不让别人碰。
第二阶段：自由放任（18-19世纪）——市场万能
亚当·斯密在 1776 年写了《国富论》，提出了一个革命性的观点：不需要政府管，市场自己会调节。他用了一个著名的比喻——"看不见的手"：每个人追求自己的利益，市场会自动达到最优状态。
这就像"放养型家长"：让孩子自己玩，摔跤了自己爬起来。
记忆锚点：自由放任就像"甩手掌柜"——你什么都不管，让市场自己玩。
第三阶段：凯恩斯主义（1930s-1970s）——政府积极干预
1929 年大萧条来了。股市崩盘、银行倒闭、失业率 25%。"看不见的手"失灵了——市场没有自动恢复，反而越来越糟。
凯恩斯说：市场会失灵，政府必须出手。当私人部门不花钱时，政府要花钱；当私人部门不投资时，政府要投资。用政府的"有形之手"弥补市场的"无形之手"。
这就像"智慧型家长"：孩子摔倒了，你扶一把；孩子迷路了，你指方向。
记忆锚点：凯恩斯主义就像"救火队长"——平时不管，着火了（经济危机）才出手。
第四阶段：新自由主义（1980s-2008）——回归市场
1970s 年代，凯恩斯主义出了问题——"滞胀"（经济停滞 + 通货膨胀）。政府干预太多，反而导致了新问题。
里根和撒切尔上台，推行"新自由主义"：减税、私有化、放松管制、自由贸易。核心信念：政府是问题，不是解决方案。
记忆锚点：新自由主义就像"减肥"——政府太胖了（干预太多），需要瘦身（减少干预）。
第五阶段：现代混合经济（2008至今）——有管理的市场
2008 年金融危机又来了。这次不是政府干预太多，而是政府管得太少——金融衍生品没人监管，银行大而不倒。
各国政府被迫出手救市：美国 TARP 计划 7000 亿美元，中国 4 万亿人民币刺激计划。危机过后，人们意识到：纯粹的市场和纯粹的政府都不可行，需要"混合"。
记忆锚点：现代混合经济就像"自动驾驶"——大部分时间让车自己跑（市场），但关键时刻人类要接管（政府干预）。
1.3 Web3 视角：加密世界是"放养"还是"严管"？
加密世界天然倾向于"自由放任"——中本聪设计比特币的初衷，就是创造一种不受政府控制的货币。
但现实是：加密世界正在经历从"放养"到"严管"的转变。
| 阶段 | 时间 | 政策态度 | 代表事件 |
|---|---|---|---|
| 放养期 | 2009-2017 | 政府不管 | 比特币被视为"极客玩具" |
| 观察期 | 2017-2020 | 开始关注 | SEC 发布 ICO 指南 |
| 监管期 | 2020-2024 | 积极监管 | 美国通过 FIT21 法案 |
| 成熟期 | 2025- | 全面监管 | 全球统一监管框架 |
为什么加密世界不能一直"放养"？
因为"放养"的结果是：FTX 暴雷（客户 80 亿美元蒸发）、Luna 崩盘（400 亿美元归零）、各种 Rug Pull（项目方卷款跑路）。
但"严管"也有问题：过度监管会扼杀创新，把加密行业赶到监管更友好的国家（新加坡、迪拜、香港）。
记忆锚点：加密监管就像"养鱼"——水太清（过度监管）鱼活不了，水太浑（没有监管）鱼也会死。关键是找到"恰到好处"的水质。
第二章：美联储的独立性——为什么央行不能听总统的？
2.1 一个"灭火器"的故事
你家着火了，你打电话叫消防队。消防队来了，但你说："等等，先别灭火，我先看看火势大不大，再决定要不要灭。"
消防队说："你疯了吧？火都烧到窗帘了！"
你说："但我邻居说火不大，让我再等等。"
这就是央行独立性的问题——灭火（控制通胀）需要专业判断，不能被外行（政治家）干预。
为什么央行不能听总统的？因为总统有动机让央行"放水"——降息、印钱、刺激经济，这样经济数据好看，选民高兴，总统能连任。但"放水"的后果（通胀、资产泡沫）要等到几年后才显现——那时总统可能已经下台了。
央行独立性，就是为了防止政治家为了短期利益牺牲长期稳定。
2.2 美联储的诞生：1913 年的故事
1907 年，美国发生了一场严重的金融危机——银行挤兑、股市崩盘、企业倒闭。当时美国没有中央银行，没有人能出来"救火"。
最后，是 J.P. 摩根（私人银行家）站出来，召集其他银行家，用自己的钱救市。危机虽然过去了，但人们意识到：不能靠私人银行家来救市，需要一个制度化的"最后贷款人"。
1913 年，美国国会通过《联邦储备法案》，美联储诞生了。
但美联储从一开始就面临一个问题：它到底听谁的？
- 听总统的？那总统可以为了连任，让美联储降息、印钱。
- 听国会的？那国会议员可以为了选区利益，让美联储放松监管。
- 听自己的？那美联储就成了"独立王国"，不受民主监督。
这个问题，直到 1951 年才真正解决。
2.3 1951 年协议：美联储独立性的里程碑
二战期间，美联储配合财政部，维持低利率，为战争融资。战后，杜鲁门总统希望继续维持低利率，但美联储认为：战后经济复苏需要控制通胀，必须加息。
双方僵持了几年。1951 年，美联储和财政部达成了一个历史性协议——《美联储-财政部协议》（Accord）：
核心内容：美联储不再为财政部的债务融资服务，独立决定利率政策。
这个协议的意义相当于：消防队不再听房主的指挥，而是根据火情自己决定怎么灭火。
记忆锚点：1951 年协议就像"消防队独立宣言"——消防队的专业判断，不受房主（政治家）的干扰。
2.4 尼克松施压伯恩斯：政治干预的灾难性后果
1970 年代，美国总统尼克松为了连任，给美联储主席阿瑟·伯恩斯施压：降息，刺激经济，让经济数据好看。
伯恩斯顶不住压力，真的降息了。结果是什么？
1970s 年代美国大通胀——通胀率从 3% 飙升到 14%，经济陷入"滞胀"（停滞 + 通胀）。直到保罗·沃尔克 1979 年上任，大幅加息到 20%，才把通胀压下去——代价是严重的经济衰退。
数据对比：
| 指标 | 伯恩斯时期（1970-1978） | 沃尔克时期（1979-1987） |
|---|---|---|
| 平均通胀率 | 8.7% | 5.2% |
| 最高通胀率 | 14.8%（1980） | 13.5%（1980） |
| 失业率 | 6.2% | 8.2% |
| 联邦基金利率 | 6.5% | 10.2% |
| 美元指数 | 下跌 30% | 上涨 50% |
教训：政治干预央行，短期看是"好事"（经济繁荣、总统连任），长期看是"灾难"（通胀失控、经济衰退）。
记忆锚点：尼克松施压伯恩斯 = "为了考试作弊而偷看答案"——短期分数高了，但长期什么都没学到。
2.5 特朗普施压鲍威尔：历史重演？
2018-2019 年，特朗普多次公开批评美联储主席鲍威尔："美联储加息太快了！""鲍威尔是美国最大的敌人！"
特朗普为什么施压？因为：
- 他需要低利率来刺激经济，为 2020 年连任造势
- 他需要弱美元来促进出口，减少贸易逆差
- 他需要股市上涨，因为股市是他的"政绩指标"
鲍威尔顶住了压力，继续按自己的节奏调整利率。2020 年疫情爆发后，美联储才大幅降息——但这是基于经济判断，不是政治压力。
数据对比：
| 指标 | 特朗普施压期（2018-2019） | 疫情后（2020-2022） |
|---|---|---|
| 联邦基金利率 | 1.5%-2.5% | 0%-0.25% |
| 特朗普态度 | "美联储疯了！" | "美联储终于做对了！" |
| 经济表现 | GDP 增长 2.3%-3.0% | GDP 负增长 3.4%，后反弹 |
2.6 Web3 视角：DeFi 的"货币政策"由代码决定
传统央行面临的问题是：人会受到政治压力。总统打电话给央行行长，说"降息吧"，行长可能顶不住。
DeFi 的解决方案是：用代码代替人。
| 维度 | 传统央行 | DeFi 协议 |
|---|---|---|
| 决策者 | 央行行长（人） | 智能合约（代码） |
| 政治干预 | 可能（尼克松案例） | 不可能（代码无法被施压） |
| 决策透明度 | 低（闭门会议） | 高（代码公开可审计） |
| 决策速度 | 慢（每6周开会） | 实时（算法自动调整） |
| 灵活性 | 高（可以临时调整） | 低（需要治理投票修改） |
MakerDAO 的例子：
MakerDAO 是一个去中心化的稳定币协议，它的"货币政策"（DAI 的利率、抵押率等）由 MKR 代币持有者投票决定。
- 优点：没有"总统施压"的问题，所有决策公开透明
- 缺点：决策效率低（每次投票需要几天），可能被大户"绑架"（持币多的人话语权大）
Curve Finance 的例子：
Curve 的 CRV 代币经济模型由算法自动调节：
- 当 CRV 价格高时，更多人质押，流动性增加
- 当 CRV 价格低时，质押减少，流动性收缩
这就是"代码即央行"——货币政策由算法决定，不受政治干预。
但这里有一个问题：代码真的比人更可靠吗？
代码不能应对"黑天鹅"事件（比如 2020 年 312 暴跌），而人类央行可以临时调整。代码的"刚性"可能在极端情况下成为"致命弱点"。
记忆锚点：DeFi 的"代码即央行"就像"自动驾驶"——大部分时间比人类驾驶更安全，但遇到极端情况（比如突然冲出一头鹿），人类驾驶可能更灵活。
第三章：政治经济周期——选举如何影响经济政策
3.1 一个"考试前临时抱佛脚"的故事
你是一个学生，期末考试在 3 个月后。你有两个选择：
- 选择 A：从现在开始每天学习，考试时胸有成竹
- 选择 B：先玩 2 个月，最后 1 个月突击复习
大多数学生会选 B——因为"玩"的快乐是即时的，"学习"的回报是延迟的。人类天生偏好"即时满足"。
政治家也是一样。
选举前 1 年，政治家会"突击刺激经济"——降息、减税、增加政府支出。这样经济数据好看，选民高兴，政治家能连任。
选举后，"突击"的后果开始显现——通胀上升、财政赤字扩大、资产泡沫形成。但那时政治家已经连任了，可以慢慢"收拾烂摊子"。
这就是政治经济周期（Political Business Cycle）——选举如何扭曲经济政策。
3.2 诺德豪斯模型：政治经济周期的理论基础
1975 年，经济学家威廉·诺德豪斯提出了政治经济周期模型。核心观点：
政治家是"理性经济人"——他们追求的目标是连任，不是"社会福利最大化"。为了连任，他们会操纵经济周期：
- 选举前 1-2 年：刺激经济（降息、减税、增加支出）→ 经济增长、失业下降、选民满意
- 选举后 1-2 年：紧缩经济（加息、加税、减少支出）→ 控制通胀、修复财政
- 下一个选举前：再次刺激……循环往复
3.3 美国大选与股市：数据说话
让我们看看数据：
| 选举年 | 标普500涨幅 | 前一年涨幅 | 后一年涨幅 |
|---|---|---|---|
| 2000（小布什） | -9.1% | +19.5% | -13.0% |
| 2004（小布什连任） | +9.0% | +26.4% | +3.0% |
| 2008（奥巴马） | -38.5% | +3.5% | +23.5% |
| 2012（奥巴马连任） | +13.4% | +0.0% | +29.6% |
| 2016（特朗普） | +9.5% | -0.7% | +19.4% |
| 2020（拜登） | +16.3% | +28.9% | +26.9% |
| 2024（特朗普） | +23.3% | +24.2% | 待观察 |
规律：
- 选举年股市通常上涨（政治家刺激经济）
- 选举后一年波动加大（"买预期卖事实"）
- 连任年比首任年更稳定（政策延续性）
记忆锚点：选举年股市就像"过年前的消费"——大家都花钱（刺激经济），年后钱包空了（紧缩）。
3.4 Web3 视角：美国大选对加密监管的影响
2024 年美国大选，加密行业成为了关键议题。为什么？
数据：美国有 5200 万人持有加密资产，占成年人口的 20%。这 5200 万人的选票，足以影响选举结果。
特朗普的加密立场：
- 2024 年 5 月：接受加密货币竞选捐款
- 2024 年 7 月：出席比特币大会，承诺"让美国成为加密之都"
- 2024 年 11 月：当选后，提名加密友好人士 Paul Atkins 担任 SEC 主席
民主党的加密立场：
- 拜登政府时期：SEC 主席 Gensler 对加密行业采取强硬监管
- 哈里斯 2024 年竞选：立场转向温和，支持"合理的加密监管"
选举对加密市场的影响：
| 事件 | 时间 | 比特币价格 | 影响 |
|---|---|---|---|
| 特朗普出席比特币大会 | 2024年7月 | $68,000 | +10% |
| 特朗普胜选 | 2024年11月 | $75,000 | +30%（至$100,000） |
| Paul Atkins 被提名 SEC 主席 | 2024年11月 | $90,000 | +5% |
| 特朗普就职 | 2025年1月 | $105,000 | 持续上涨 |
政治经济周期在加密市场的体现：
- 选举前：候选人争相讨好加密选民，承诺友好政策 → 利好预期推高价格
- 选举后：新政府兑现承诺，放松监管 → 价格继续上涨
- 执政中期：监管政策落地，可能比预期更严或更松 → 价格分化
记忆锚点：加密市场的"选举周期"就像"追星"——偶像（候选人）说要来你的城市开演唱会（友好政策），粉丝（投资者）疯狂买票（买入）；但演唱会实际效果如何，要等开场才知道。
第四章：利益集团——谁在"绑架"经济政策？
4.1 奥尔森的集体行动逻辑
1965 年，经济学家曼瑟·奥尔森写了一本书——《集体行动的逻辑》。他问了一个简单的问题：
为什么有些群体能成功影响政策，有些群体却不能？
比如：
- 美国汽车工人（几万人）成功让政府对中国汽车加征 100% 关税
- 美国消费者（几亿人）却无法阻止关税——虽然关税让汽车变贵了
为什么"少数人"能赢"多数人"？
奥尔森的答案：集体行动的"搭便车"问题。
想象两个场景：
场景 A：10 个农场主想影响政策
- 每个农场主的收益是 100 万美元
- 游说成本是 50 万美元
- 每个农场主的净收益 = 100 - 50 = 50 万美元
- 10 个人很容易协调，每人出 5 万美元
场景 B：1000 万个消费者想阻止关税
- 每个消费者的收益是 10 美元（汽车便宜了一点点）
- 游说成本是 5000 万美元
- 每个消费者的净收益 = 10 - 5 = 5 美元
- 1000 万人根本无法协调，大家都想"搭便车"
结果：农场主赢了，消费者输了。
记忆锚点：利益集团就像"拔河"——10 个壮汉（小集团）拉绳子，能赢 1000 个小孩（大集团）。因为壮汉目标明确、协调容易，小孩目标分散、互相推诿。
4.2 游说的故事：谁在"绑架"美国政策？
美国军工复合体：
艾森豪威尔总统在 1961 年的告别演说中警告："军工复合体对美国政策的影响越来越大。"
数据：
- 美国 2024 年军费预算：8860 亿美元
- 军工企业游说支出：每年约 1 亿美元
- 军工企业政治捐款：每年约 5000 万美元
- 军工企业雇佣的前政府官员：超过 1000 人
回报率：每投入 1 美元游说，获得约 886 美元的军费预算。回报率 88,600%。
美国制药公司：
- 美国药价是全球最高的（同一款药，美国价格是加拿大的 2-3 倍）
- 制药公司每年游说支出：约 3.5 亿美元
- 制药公司政治捐款：每年约 1 亿美元
- 2003 年 Medicare 法案：禁止政府与药企谈判药价（制药公司的游说成果）
华尔街：
- 2008 年金融危机后，华尔街接受了 7000 亿美元的政府救助
- 2010 年，华尔街花费超过 1 亿美元游说，削弱《多德-弗兰克法案》的监管力度
- 结果：大银行"大而不倒"的问题没有根本解决
4.3 Web3 视角：加密行业的游说力量
加密行业正在快速学习"游说游戏"：
主要玩家：
| 组织 | 类型 | 游说支出（2024年） | 关键目标 |
|---|---|---|---|
| Coinbase | 交易所 | 约 500 万美元 | 明确监管框架 |
| a16z | VC | 约 300 万美元 | 代币不属于证券 |
| Paradigm | VC | 约 200 万美元 | DeFi 合规路径 |
| Blockchain Association | 行业协会 | 约 400 万美元 | 反对过度监管 |
| Coin Center | 智库 | 约 100 万美元 | 隐私和自由 |
加密游说的"成绩单"：
- FIT21 法案（2024）：美国众议院通过，明确 CFTC（而非 SEC）监管加密货币。这是加密行业游说的重大胜利。
- SAB 121 废除（2024）：SEC 撤销了限制银行托管加密资产的指引。
- 比特币现货 ETF（2024）：SEC 批准比特币现货 ETF，贝莱德、富达等传统金融巨头入场。
数据对比：
| 行业 | 年游说支出 | 政策影响力 |
|---|---|---|
| 制药 | 3.5 亿美元 | 极高（药价全球最高） |
| 金融 | 2.5 亿美元 | 极高（监管被削弱） |
| 军工 | 1 亿美元 | 极高（军费持续增长） |
| 科技 | 7000 万美元 | 高（反垄断被淡化） |
| 加密 | 2000 万美元 | 中等（快速上升） |
加密行业的游说正在"升级"：
- 2020 年：几乎没有游说
- 2022 年：开始有组织地游说
- 2024 年：成为选举关键议题
- 2025 年：加密 PAC（政治行动委员会）投入超过 1 亿美元
记忆锚点：加密行业的游说就像"新员工入职"——刚开始什么都不懂（2020年），后来学会了"办公室政治"（2022年），现在开始影响公司决策（2024年），未来可能成为"高管"（2025年+）。
第五章：寻租——为什么资源被浪费在"非生产性活动"上
5.1 一个"排队买限量版球鞋"的故事
假设耐克要发售一款限量版球鞋，只卖 1000 双，每双 1000 元。但有 10 万人想要。
两种分配方式：
方式 A：先到先得
- 10 万人排队，有人排了 3 天 3 夜
- 最终 1000 人买到，99000 人白排了
- 社会总浪费：10 万人 × 3 天 = 30 万人天的劳动力
方式 B：抽签
- 10 万人抽签，1000 人中签
- 没有人浪费时间排队
- 社会总浪费：接近 0
但现实是：大多数人会选择方式 A（排队），而不是方式 B（抽签）。为什么？
因为"排队"是一种竞争方式——你愿意花更多时间排队，你买到的概率就更高。但这 30 万人天的劳动力，没有创造任何价值——它只是决定了"谁得到球鞋"。
这就是寻租（Rent-Seeking）——把资源花在"争夺分配权"上，而不是"创造新价值"上。
5.2 塔洛克-克鲁格模型：寻租的理论基础
1967 年，经济学家戈登·塔洛克提出了"寻租"的概念。1974 年，安妮·克鲁格正式使用了"寻租"这个术语。
核心观点：当存在"租金"（超额利润）时，人们会把资源花在"争夺租金"上，而不是"创造价值"上。
什么是"租金"？
租金 = 实际收入 - 机会成本（在竞争市场中的收入）
比如：
- 一个出租车牌照，在自由市场中值 0 元（任何人可以开出租车）
- 但在政府限制牌照数量的城市，一个牌照值 100 万元
- 这 100 万元就是"租金"——来自政府的垄断保护
寻租的代价：
假设一个城市有 1000 个出租车牌照，每个值 100 万元。总"租金" = 10 亿元。
为了争夺这 10 亿元的租金，人们会花多少钱？
- 游说政府官员：5000 万元
- 行贿：1 亿元
- 请客吃饭：3000 万元
- 各种"关系费"：2000 万元
总寻租成本：2 亿元——这些钱没有创造任何价值，只是用来"争夺分配权"。
更糟糕的是：如果寻租成功，垄断者会继续维护垄断地位，进一步浪费资源。
记忆锚点：寻租就像"排队买限量版球鞋"——30 万人天的劳动力，没有生产出任何东西，只是决定了"谁得到球鞋"。社会总财富没有增加，反而减少了（因为 30 万人天的劳动力被浪费了）。
5.3 寻租的三种形式
第一种：合法寻租——游说
企业花大量金钱游说政府，争取对自己有利的政策。比如：
- 制药公司游说政府禁止进口便宜的外国药
- 军工企业游说政府增加军费
- 华尔街游说政府放松金融监管
第二种：灰色寻租——打擦边球
企业利用法律的灰色地带，获取不正当利益。比如：
- 税收筹划（合法避税）
- 监管套利（在监管最松的地方注册）
- 专利流氓（购买专利后专门起诉别人侵权）
第三种：非法寻租——腐败
直接行贿政府官员，获取垄断特权。比如：
- 中国的"红顶商人"
- 俄罗斯的"寡头"
- 非洲的"资源诅咒"
5.4 Web3 视角：MEV 本质上是一种"寻租"
MEV（最大可提取价值） 是 Web3 世界中最典型的"寻租"行为。
什么是 MEV？
MEV 是指区块生产者（矿工/验证者）通过重新排列、插入或审查交易，从用户身上提取的额外价值。
比如：
- 你去 Uniswap 买 100 个 ETH，价格会涨
- 一个 MEV 机器人看到你的交易，抢先买入（Front-Run）
- 然后等你买完后，价格涨了，机器人卖出
- 机器人赚了差价，你买贵了
为什么 MEV 是"寻租"？
因为 MEV 机器人没有创造任何价值——它只是"抢先一步"，从你身上"抢"了一部分钱。就像"排队买限量版球鞋"——资源（gas 费）被花在"争夺优先权"上，而不是"创造价值"上。
MEV 的数据：
| 年份 | MEV 总量（亿美元） | 主要来源 |
|---|---|---|
| 2020 | 3.5 | DEX 套利 |
| 2021 | 6.5 | DEX 套利 + 清算 |
| 2022 | 5.0 | DEX 套利 + 清算 + 三明治攻击 |
| 2023 | 8.0 | DEX 套利 + 清算 + 三明治攻击 + NFT |
| 2024 | 12.0 | 全面增长 |
MEV 的危害：
- 用户损失：用户买贵了、卖便宜了
- gas 费上涨：MEV 机器人竞价推高 gas 费
- 网络拥堵：MEV 交易占用区块空间
- 中心化风险：MEV 竞争导致区块生产权集中
Flashbots 的解决方案：
Flashbots 是一个研究 MEV 问题的组织。它提出的解决方案包括：
- MEV-Share：让用户分享 MEV 收益
- SUAVE：去中心化的区块构建市场
- PBS（Proposer-Builder Separation）：分离区块提议者和构建者
记忆锚点：MEV 就像"黄牛"——你排队买演唱会门票，黄牛插队买走了最好的位置，然后高价卖给你。黄牛没有创造任何价值，只是"抢占"了稀缺资源。
第六章：制度经济学——为什么制度比人重要
6.1 一个"合租房子"的故事
假设你和 3 个朋友合租一套房子。你们面临一个问题：谁打扫公共区域？
场景 A：没有规则
- 大家都想"搭便车"——反正别人会打扫的
- 结果：公共区域越来越脏，最后没人愿意住
场景 B：有规则（轮流打扫）
- 每周一换人，不打扫的人做饭
- 结果：公共区域一直干净，大家住得舒服
场景 C：有规则但没人执行
- 规则写了，但没人监督
- 结果：和没有规则一样
制度经济学的核心观点：制度（规则 + 执行机制）决定了经济效率。
6.2 科斯定理：交易成本决定资源配置
1960 年，经济学家罗纳德·科斯提出了一个革命性的观点：
如果交易成本为零，无论产权如何分配，资源配置都是最优的。
什么是"交易成本"？就是"谈生意的成本"：
- 搜索成本：找到你想买的东西
- 谈判成本：商量价格和条件
- 执行成本：确保对方遵守承诺
- 法律成本：如果对方违约，打官司的成本
一个故事：
假设一个工厂的烟囱污染了邻居的花园。
如果交易成本为零：
- 邻邻可以找工厂谈判："你赔我 1 万元，我就不告你"
- 工厂想："治理污染要花 2 万元，赔 1 万元更划算"
- 双方达成协议，资源配置最优
如果交易成本很高：
- 邻居要找律师、打官司、花时间精力
- 工厂也要请律师、准备材料
- 双方可能花 5 万元打一场 1 万元的官司
- 结果：双方都不愿意谈判，污染继续
科斯定理的启示：降低交易成本，比改变产权分配更重要。
记忆锚点：科斯定理就像"网购"——在没有淘宝之前，你想买东西得去商场（交易成本高）；有了淘宝，你在家就能买（交易成本低）。交易成本降低了，资源配置效率提高了。
6.3 产权理论：为什么"你的东西"和"大家的东西"结果完全不同
公地悲剧（Tragedy of the Commons）：
假设一片草地是"公共的"——任何人都可以放牧。每个牧民都想："我多放一头羊，草地还是那么多，我赚了。"
但如果每个牧民都这么想，草地就会被过度放牧，最终变成荒漠。
这就是"公地悲剧"——公共产权导致资源被过度使用。
解决方案：
- 私有化：把草地分给每个牧民，每人管自己的那块
- 政府管制：政府规定每户最多放几头羊
- 社区自治：牧民自己组成社区，制定规则并执行
哪种方案最好？取决于具体情况——交易成本、监督难度、文化传统等因素。
6.4 Web3 视角：智能合约 = 自动执行的制度
传统制度面临的问题是：规则好写，执行难。
比如，你和朋友约定"轮流打扫卫生"，但总有人不守约。你需要监督、提醒、甚至惩罚——这些都需要成本。
智能合约的革命性在于：规则写在代码里，自动执行，不需要人监督。
| 维度 | 传统制度 | 智能合约 |
|---|---|---|
| 规则载体 | 法律文本 | 代码 |
| 执行机制 | 法院、警察 | 自动执行 |
| 执行成本 | 高（打官司要花钱） | 低（gas 费） |
| 透明度 | 低（普通人看不懂法律） | 高（代码公开可审计） |
| 灵活性 | 高（法官可以解释） | 低（代码就是代码） |
MakerDAO 的例子：
MakerDAO 的 CDP（抵押债仓）系统就是一个"自动执行的制度"：
- 你抵押 ETH，借出 DAI
- 如果 ETH 价格下跌，抵押率低于 150%，系统自动清算
- 不需要人工审核、不需要法院判决、不需要催收
这就是"代码即法律"（Code is Law）——制度由代码定义，由算法执行。
但"代码即法律"也有问题：
- 代码漏洞：2016 年 The DAO 事件，黑客利用代码漏洞，盗取 6000 万美元
- 不可变性：代码一旦部署，很难修改（除非有治理机制）
- 无法应对意外：极端情况下，代码可能做出"不合理"的决定
记忆锚点：智能合约就像"自动售货机"——你投币（满足条件），它自动出货（执行结果）。不需要售货员（法官/警察），但如果你投了假币（恶意输入），它可能不认（代码漏洞）。
6.5 制度质量与经济发展：数据说话
制度质量如何影响经济发展？让我们看数据：
| 国家/地区 | 制度质量指数（0-100） | 人均GDP（美元） | 相关性 |
|---|---|---|---|
| 新加坡 | 92 | 65,000 | 正相关 |
| 瑞士 | 90 | 90,000 | 正相关 |
| 美国 | 82 | 76,000 | 正相关 |
| 中国 | 55 | 13,000 | 中等 |
| 印度 | 45 | 2,500 | 中等 |
| 委内瑞拉 | 12 | 3,000 | 负相关 |
| 津巴布韦 | 15 | 1,700 | 负相关 |
结论：制度质量与经济发展高度正相关。好的制度，比丰富的资源更重要。
记忆锚点：制度就像"操作系统"——硬件（资源）再好，如果操作系统（制度）是 Windows 95，也跑不动现代软件（经济）。制度是经济的"底层架构"。
第七章：中美制度竞争——不同治理模式的效率对比
7.1 一个"公司管理"的故事
假设一家公司有两个管理方案：
方案 A：CEO 负责制
- CEO 有绝对权力，可以快速决策
- 效率高，但风险也高（CEO 可能犯错）
- 适合"创业公司"——需要快速响应市场
方案 B：董事会制衡制
- 董事会制衡 CEO，决策需要讨论
- 效率低，但风险也低（集体决策不容易犯大错）
- 适合"成熟公司"——需要稳定和可持续
中国和美国的制度，就像这两种管理方案。
7.2 中国的"集中力量办大事"
优势：
- 决策效率高：不需要漫长的国会辩论，政府可以快速做出决策
- 执行力强：政策一旦决定，可以快速落实
- 长期规划：可以制定 5 年、10 年、甚至更长期的规划
案例：
- 高铁建设：中国用 15 年建成了 4.5 万公里的高铁网络，占全球 70%
- 扶贫攻坚：8 年时间让 1 亿人脱贫
- 疫情防控：快速封控、快速检测、快速疫苗接种
劣势：
- 纠错机制弱：如果决策错误，很难及时纠正
- 地方竞争：地方政府可能为了政绩，做出不理性的决策
- 信息不对称：下级可能报喜不报忧，导致决策失误
7.3 美国的"分权制衡"
优势：
- 纠错机制强：三权分立、媒体监督、选举更替，可以纠正错误
- 保护少数：宪法保护少数群体的权利
- 创新活力：自由的环境鼓励创新
案例：
- 科技产业：硅谷的创新生态，诞生了苹果、谷歌、特斯拉
- 金融市场：全球最发达的资本市场
- 高等教育：全球顶尖大学聚集地
劣势：
- 决策效率低：国会辩论、利益博弈，政策出台缓慢
- 短期主义：选举周期导致政策缺乏连续性
- 利益集团：游说集团可能"绑架"政策
7.4 数据对比
| 维度 | 中国模式 | 美国模式 |
|---|---|---|
| 决策效率 | 高（政府主导） | 低（分权制衡） |
| 纠错机制 | 弱（缺乏制衡） | 强（三权分立） |
| 长期规划 | 强（五年规划） | 弱（选举周期） |
| 创新能力 | 中等（追赶型） | 强（原创型） |
| 资源配置 | 政府主导 | 市场主导 |
| 经济增速 | 高（6%+） | 中等（2-3%） |
| 抗风险能力 | 高（集中资源） | 中等（分散决策） |
7.5 Web3 视角：中心化交易所 vs 去中心化交易所
中心化交易所（CEX）= 中国模式：
- 决策效率高（交易所可以快速上币、调整规则）
- 执行力强（可以冻结账户、回滚交易）
- 但风险也高（FTX 暴雷、挪用客户资金）
去中心化交易所（DEX）= 美国模式：
- 决策效率低（需要治理投票）
- 纠错机制强（代码审计、社区监督）
- 但效率也低（交易速度慢、滑点大）
| 维度 | CEX（中心化） | DEX（去中心化） |
|---|---|---|
| 交易速度 | 快（毫秒级） | 慢（秒级） |
| 交易成本 | 低（手续费） | 高（gas 费） |
| 安全性 | 中等（信任交易所） | 高（代码审计） |
| 透明度 | 低（黑箱操作） | 高（链上可查） |
| 抗审查 | 弱（可以冻结） | 强（无法冻结） |
| 用户体验 | 好（像淘宝） | 差（需要懂代码） |
未来趋势：CEX 和 DEX 不是非此即彼，而是融合。
- Binance 推出了自己的 DEX（Binance DEX）
- Uniswap 推出了移动端 App，降低使用门槛
- 混合模式（Hybrid Exchange）正在兴起
记忆锚点：CEX 就像"公司食堂"——效率高、选择少、你没得选；DEX 就像"美食广场"——选择多、效率低、但你有自由。
第八章：OPC 实战——用政治经济学框架分析加密监管
8.1 监管政策的"利益集团"分析
用奥尔森的框架分析加密监管：
加密监管的利益相关方：
各方利益分析：
| 利益方 | 立场 | 动机 | 游说能力 |
|---|---|---|---|
| SEC | 强监管 | 扩大管辖权、保护投资者 | 强（政府机构） |
| CFTC | 温和监管 | 扩大管辖权、促进创新 | 中等 |
| 国会 | 分化 | 党派分歧、选民压力 | N/A |
| 交易所 | 明确规则 | 降低合规成本、合法经营 | 强（资金雄厚） |
| VC | 宽松监管 | 保护投资回报 | 强（资金雄厚） |
| 消费者 | 保护 | 避免被欺诈、保护资产 | 弱（分散） |
8.2 美国加密监管的博弈方
第一方：SEC（证券交易委员会）
- 立场：大多数加密资产是证券，应该归 SEC 管
- 依据：Howey 测试（1946 年最高法院案例）
- 行动：起诉 Ripple、Coinbase、Binance
- 结果：部分胜诉、部分败诉，但影响力在下降
第二方：CFTC（商品期货交易委员会）
- 立场：比特币是商品，应该归 CFTC 管
- 依据：比特币没有"证券"的特征（没有发行方）
- 行动：推动国会通过 FIT21 法案
- 结果：众议院通过，参议院待审
第三方：国会
- 共和党：倾向于宽松监管，支持创新
- 民主党：倾向于严格监管，保护消费者
- 结果：党派分歧导致立法进展缓慢
第四方：行业（交易所、VC、项目方）
- Coinbase：积极游说，推动明确监管框架
- a16z：投资大量加密项目，需要宽松监管保护投资
- Paradigm：专注加密研究，推动政策对话
8.3 预判监管方向的方法
方法一：利益集团分析
- 谁在游说？游说的力度如何？
- 游说的目标是什么？（更严还是更松？）
- 游说的资金来源是什么？
方法二：政治经济周期分析
- 现在是选举周期的哪个阶段？
- 候选人对加密的立场是什么？
- 选举结果如何影响监管政策？
方法三：国际比较分析
- 其他国家的监管政策是什么？
- 美国是否会跟进？
- 监管套利的机会在哪里？
方法四：制度经济学分析
- 现有制度是否适应加密行业的特点？
- 哪些制度需要改革？
- 改革的阻力在哪里？
8.4 实战案例：预判 2025 年加密监管
分析框架：
利益集团分析：
- 加密行业游说支出从 2020 年的 500 万美元增长到 2024 年的 2000 万美元
- 加密 PAC 投入超过 1 亿美元
- 5200 万加密持有者的选票
政治经济周期分析：
- 2024 年大选，加密成为关键议题
- 特朗普胜选，承诺友好政策
- 2025 年是新政府第一年，政策落地期
国际比较分析：
- 欧盟 MiCA 法案 2024 年生效
- 新加坡、迪拜、香港竞争加密中心地位
- 美国面临"人才和资本外流"压力
制度经济学分析：
- SEC 和 CFTC 的管辖权之争
- 国会立法进展缓慢
- 行业自律机制正在形成
预判结论：
| 政策领域 | 2025 年预判 | 依据 |
|---|---|---|
| 比特币现货 ETF | 持续流入 | 贝莱德、富达推动 |
| 稳定币立法 | 可能通过 | 双党支持 |
| 交易所监管 | 明确框架 | FIT21 法案推进 |
| DeFi 监管 | 探索性监管 | CFTC 主导 |
| NFT 监管 | 宽松 | 争议小 |
| 隐私币 | 可能限制 | 反洗钱压力 |
记忆锚点：预判监管就像"看天气"——你不能精确预测明天几点下雨，但你可以看云、看风、看气压，判断"明天大概率会下雨"。
核心洞察
三句话总结
- 政策不是"最优解"，而是"博弈解"——理解利益集团的博弈，才能理解政策的走向。
- 制度比人重要——好的制度（低交易成本、明确产权、有效执行）是经济发展的基础。
- Web3 是制度创新的实验场——智能合约、DAO、代币经济，都是在探索"更好的制度"。
参考与延伸
- [1] Mankiw, N.G. (2024). Principles of Economics. 10th Edition. Cengage Learning. ——经济学入门经典，第 22 章详细讨论了货币政策与央行独立性。
- [2] Olson, M. (1965). The Logic of Collective Action. Harvard University Press. ——利益集团理论的奠基之作，解释了为什么"小集团"比"大集团"更容易影响政策。
- [3] Tullock, G. (1967). "The Welfare Costs of Tariffs, Monopolies, and Theft". Western Economic Journal, 5(3), 224-232. ——"寻租"概念的首次提出，理解 MEV 的理论基础。
- [4] North, D.C. (1990). Institutions, Institutional Change and Economic Performance. Cambridge University Press. ——制度经济学的里程碑，解释了为什么制度比资源更重要。
- [5] Coase, R.H. (1960). "The Problem of Social Cost". Journal of Law and Economics, 3, 1-44. ——科斯定理的原始论文，理解交易成本与资源配置的关系。
- [6] Nordhaus, W.D. (1975). "The Political Business Cycle". Review of Economic Studies, 42(2), 169-190. ——政治经济周期模型的理论基础，理解选举如何影响经济政策。
- [7] CoinCenter (2025). "Crypto Policy Tracker". https://www.coincenter.org ——实时跟踪美国加密监管政策的权威来源。
- [8] Blockchain Association (2025). "Annual Report on Crypto Lobbying". https://theblockchainassociation.org ——加密行业游说活动的年度报告。