[논문 리뷰] Algorithmic Collusion in Cournot Duopoly Market: Evidence from Experimental Economics

Nan Zhou, Li Zhang외 2명|arXiv (Cornell University)|2018. 02. 21.

Evolutionary Game Theory and Cooperation참고 문헌 14인용 수 3

한 줄 요약

이 논문은 인간의 행동을 이용하는 선형 알고리즘을 제안하여 쿠르노 딜로피 실험에서 默시적 카르텔을 이룩함으로써 장기적으로 더 높은 수익을 올리면서도 사회적 복지를 감소시킨다. 이는 전략적 설계를 통해 조직적으로 발생하는 알고리즘 카르텔에 대한 첫 번째 실험적 증거를 제공하며, 현실 세계의 반경쟁법 위협으로서의 신뢰성을 확인한다.

ABSTRACT

Algorithmic collusion is an emerging concept in current artificial intelligence age. Whether algorithmic collusion is a creditable threat remains as an argument. In this paper, we propose an algorithm which can extort its human rival to collude in a Cournot duopoly competing market. In experiments, we show that, the algorithm can successfully extorted its human rival and gets higher profit in long run, meanwhile the human rival will fully collude with the algorithm. As a result, the social welfare declines rapidly and stably. Both in theory and in experiment, our work confirms that, algorithmic collusion can be a creditable threat. In application, we hope, the frameworks, the algorithm design as well as the experiment environment illustrated in this work, can be an incubator or a test bed for researchers and policymakers to handle the emerging algorithmic collusion.

연구 동기 및 목표

• 실험 경제학 분야에서의 핵심 격차를 메우기 위해 알고리즘 에이전트가 인간-알고리즘 시장에서 默시적 카르텔을 촉진할 수 있는지 조사하는 것.
• 시장 경쟁에 대한 알고리즘 카르텔의 위협으로서의 신뢰성에 대한 실증적 증거를 제공하는 것.
• 통제된 실험실 환경에서 인간 경쟁자와의 카르텔을 강제로 이끌 수 있는 구체적인 알고리즘 메커니즘을 개발하고 시험하는 것.
• 실제 시장 역학을 시뮬레이션함으로써 반경쟁법 규제와 알고리즘 설계를 위한 시험대를 마련하는 것.
• 경제적으로 이성적이지만 사회적으로 해로운 알고리즘 카르텔이 발생했을 때 발생하는 윤리적 및 법적 딜레마를 부각하는 것.

제안 방법

• 알고리즘이 자신과 인간 경쟁자 간의 기대 수익 비율을 단독으로 제어할 수 있도록, 제로-결정지배(Zero-Determinant, ZD) 원리를 기반으로 한 선형 협박 전략을 설계한다.
• 인간 참가자들과 함께 600라운드 반복 쿠르노 딜로피 실험에 알고리즘을 구현하며, 식 (4)로 정의된 수익 목표 기반 메커니즘을 사용한다.
• 그림 4에 나타낸 통제된 실험 프레임워크를 활용해, 알고리즘이 생산량을 조정함으로써 카르텔을 강제로 이끌 수 있는 시장 환경을 시뮬레이션한다.
• 시장 효율성 평가를 위해 생산량 수준, 가격 추세, 사라진 복지(Deadweight loss)를 측정하여 카르텔을 평가한다.
• 장기 실험에서 확보된 이전의 인간-인간 카르텔 데이터와 알고리즘-인간 카르텔 결과를 비교한다.
• 게임 이론에서 예상되는 이론적 결과를 적용하여, 알고리즘이 수익 조작을 통해 협력을 강제할 수 있는 능력을 검증한다.

실험 결과

연구 질문

• RQ1 알고리즘 설계 전략이 쿠르노 딜로피 시장에서 인간 경쟁자와 默시적 카르텔을 강제로 이끌 수 있는가?
• RQ2 알고리즘은 인간 경쟁자를 얼마나 강하게 카르텔에 유도하면서 자신의 수익을 증가시키는가?
• RQ3 알고리즘 카르텔은 사라진 복지(Deadweight loss)로 측정된 사회적 복지에 어떤 영향을 미치는가?
• RQ4 전략적 압박 하에서 이성적인 인간 행동이 발생할 때 알고리즘 카르텔이 현실적인 위협으로 간주될 수 있는가?
• RQ5 안정성과 효율성 측면에서 알고리즘-인간 카르텔은 이전의 인간-인간 카르텔과 어떻게 비교되는가?

주요 결과

• 알고리즘은 인간 경쟁자를 성공적으로 협력하도록 협박하여 지속적인 생산량 감소와 가격 상승을 유도했다.
• 알고리즘은 평균적으로 인간 경쟁자보다 29.6% 더 높은 수익을 올렸으며, 이는 수익 협박 메커니즘의 정당성을 확인하는 데 기여했다 (k = 1.296).
• 사회적 복지는 급격하고 안정적으로 감소했으며, 사라진 복지가 시간이 지남에 따라 크게 증가했다.
• 카르텔은 안정적이고 자율적으로 유지되었으며, 인간 경쟁자의 알고리즘 압력 하에서의 이윤 극대화 행동이 그 원동력이었다.
• 본 연구는 인간-알고리즘 딜로피 환경에서 알고리즘 카르텔이 관찰된 최초의 실험적 관찰 결과를 제시한다.
• 이 메커니즘은 명시적 의사소통 없이도 알고리즘 카르텔이 발생할 수 있음을 보여주며, 현재의 법적 체계에서 명시적 카르텔과 默시적 카르텔을 구분하는 기준에 도전한다.