在充满不确定性的竞争与协作场景中，决策并非“胆量”的较量，而是对风险的定量回应。博弈论将这种回应压缩为一个关键参数——风险厌恶系数。它决定参与者如何在收益与波动之间权衡，进而改变策略互动的轨迹与结果。

在期望效用框架下，风险厌恶系数刻画效用函数对不确定性的弯曲程度：系数越大，个体对同等期望收益的波动越敏感。相对“风险偏好”，这一系数被直接嵌入支付结构，使博弈的收益矩阵随个体偏好与约束同步“变形”，从源头上影响最优决策。

核心结论：风险厌恶系数通过重新标定收益，改变最佳回应，从而影响纳什均衡的存在、类型与稳定性。 当参与者更厌恶风险时，激进策略常让位于更保守的混合策略，均衡可能由“赢家通吃”转向“相互容忍”，减少激烈波动但也压缩潜在超额收益。

以不确定需求下的双寡头定价为例：两家企业在涨价与降价间权衡。若风险厌恶系数较低，企业倾向押注降价抢占份额，迭代博弈更易走向价格战；系数较高时，因对利润波动更敏感，双方更可能选择温和定价，形成稳定而非激烈的纳什均衡，并提高长期可持续性。

再看投资者与保险公司之间的合约博弈。投资者的风险厌恶系数升高，会推高对保底条款的需求；保险公司据此调整费率与免赔额，新均衡合同反映双方的风险分担边界。这说明“决策”不是单点选择，而是由参数驱动的策略成形：系数不同，机制与合约也应随之定制。

对于拍卖、平台补贴、供给链协同等场景，识别与度量风险厌恶系数能显著提升机制设计质量：适度的信息披露降低结果不确定性；设定保留价或最低保障让高风险厌恶参与者愿意入场；通过缓冲条款平滑收益波动，避免策略失配与福利损失。

实践要点：1) 用数据估计风险厌恶系数而非主观判断；2) 在模型中以效用替代名义收益，让风险进入支付；3) 根据不同系数设计差异化激励与保障，提升决策稳健性与均衡效率。