一、导师简介
Yangbo SONG（Darcy）现任香港中文大学（深圳）经管学院副教授，同时担任深圳高等金融研究院（SFI）Fellow。其学术训练完成于加州大学洛杉矶分校（UCLA），获经济学博士学位，并曾于该校从事博士后研究。本科阶段在香港大学取得经济学与金融学学士学位（辅修统计学）。2016年8月，Song加入CUHK-Shenzhen，成为该校创校初期即任教的资深教师之一。
Song的研究领域集中于Network Economics、Mechanism Design、Contract Theory与Game Theory。具体而言，其学术关注点落在理性贝叶斯代理人在网络及其他经济制度中的信息传递机制，当前研究聚焦于Social Learning与Information Transparency，以及这些理论在产业组织中的应用。这一研究路径体现了从基础理论到现实应用的完整链条：既探讨抽象的网络博弈结构，也分析病毒式营销、平台竞争等具体商业场景。
作为SFI Fellow，Song隶属于深圳市政府与香港中文大学共建的高端金融研究平台。SFI的设立背景源于"一带一路"倡议与粤港澳大湾区建设对高水平经济金融研究机构的需求，其定位在于培养高端人才、开展高水平研究并构建全球交流平台。在此框架下，博士生不仅能获得常规学术训练，还可接触到大湾区独特的政策实践与产业数据。
二、近期文章和项目解析
Song近期的学术产出呈现出三个鲜明的研究主线，分别对应网络经济学、信息设计与社会学习理论的前沿发展。
2.1 网络结构与机制设计的交叉
2025年发表于Journal of Economic Theory的"Network-Based Peer Monitoring Design"代表了Song在网络机制设计领域的最新探索。该研究处理一个核心问题：在团队道德风险环境下，设计者如何通过生产网络与监督网络的联合分布设计，激励异质性代理人在大规模群体中付出努力。研究发现，最优设计通常要求网络拓扑的随机化，且这种随机性的价值完全归因于生产网络的随机化；而监督网络的随机化虽非价值来源，却能减少实现最优配置所需的链接数量。这一结论对平台经济中的声誉机制设计具有直接启示：在零工经济或去中心化组织中，完全透明的监督未必最优，适度的信息模糊反而能降低协调成本。
2023年发表于同一期刊的"Global Manipulation with Local Obfuscation"（与Fei Li、Mofei Zhao合作）则探讨信息设计中的局部混淆策略。在政权变更博弈中，设计者通过操纵关于政权实力的信息以维持现状。最优信息结构呈现"局部混淆"特征：部分代理人接收匹配真实实力的信号，另一部分接收略高的虚假信号。公共信号在此情境下严格次优，甚至在某些情况下完全失效，而局部混淆却能确保协调的崩溃。这一发现挑战了传统透明度政策的直觉，提示在金融危机预防或社会动员场景中，完全的信息披露可能适得其反，策略性的信息分割反而能阻断不利协调。
2.2 社会学习与信息传播动力学
2025年发表于Theoretical Economics的"Adoption Epidemics and Viral Marketing"（与David McAdams合作）将流行病学模型与博弈论结合，分析产品采用的动态过程。该研究超越了传统的Bass扩散模型，引入策略性互动：代理人的采用决策不仅受他人行为影响，还考虑未来网络效应的预期。这种"前向-looking"的采用行为导致采用曲线呈现非标准形态，为病毒式营销策略的精准投放提供了微观基础。
同期发表于Games and Economic Behavior的"Social Learning among Opinion Leaders"则聚焦意见领袖的独特权衡。在社交媒体时代，意见领袖（政客、名人、专家）虽拥有更大信息触及面和影响力，却面临追求正确行动与最大化自身影响力之间的冲突。该研究揭示了意见领袖观点形成的内在逻辑：为维持影响力，他们有时故意偏离专业共识，甚至诱导负面社会影响。这一机制解释了为何社交媒体上常见专家意见与市场共识的偏离，为理解信息茧房与极化现象提供了经济学视角。
2.3 动态竞争与信息披露
2021年发表于Journal of Economic Behavior and Organization的"Dynamic R&D Competition under Uncertainty and Strategic Disclosure"（与Mofei Zhao合作）考察不确定环境下的研发竞争。企业在进行研发投入的同时，需决策是否披露 interim 研究成果。模型显示，战略性的信息披露能影响竞争对手的后续投入决策，进而改变市场结构。这一分析直接适用于制药行业的专利竞赛与开源社区的贡献行为研究。
三、未来研究预测
基于Song现有的研究轨迹与Network Economics领域的发展趋势，其未来工作可能沿以下方向展开：
3.1 人工智能与网络博弈的融合
当前大型语言模型（LLM）与推荐系统的普及，正在重塑信息传播的网络结构。传统社会学习模型假设代理人通过观察邻居行为更新信念，而算法中介的环境引入了"算法-人类"混合决策主体。预测Song的研究将拓展至AI Agent在网络中的策略互动，特别是当平台算法作为信息设计者的延伸，如何最优地排序与展示信息以引导集体行为。这一方向与"Competition with Information Ranking"（working paper，与Jieshuang He合作）的研究直接相关，该工作已触及信息排序对市场竞争的影响。
3.2 去中心化金融（DeFi）中的机制设计
区块链技术与智能合约的普及，使得传统Contract Theory中的承诺问题获得了技术解决方案。Song在Network-Based Peer Monitoring方面的专长，可自然延伸至去中心化自治组织（DAO）的治理机制设计。特别是，如何在无中心权威的环境下，通过代币经济设计与声誉机制，解决去中心化网络的道德风险问题，将成为理论与实务结合的重要切入点。
3.3 流行病经济学的深化
COVID-19疫情催生了Epidemic Economics的兴起。Song 2023年关于"Equilibrium Social Activity during an Epidemic"的研究（与David McAdams、Dihan Zou合作）已在此领域建立基础。未来研究可能进一步整合疫苗分配、信息传播与行为反应的内生互动，特别是在面临新型病原体时，如何设计信息披露政策以平衡公共卫生与经济活动，这一政策议题具有显著的学术与现实价值。
