[논문 리뷰] "Guinea Pig Trials" Utilizing GPT: A Novel Smart Agent-Based Modeling Approach for Studying Firm Competition and Collusion

Xu Han, Zengqing Wu외 1명|arXiv (Cornell University)|2023. 08. 21.

Auction Theory and ApplicationsDecision Sciences인용 수 3

한 줄 요약

이 논문은 GPT-4 기반 스마트 에이전트를 사용하여 기업 경쟁과 공모를 시뮬레이션하는 새로운 프레임워크인 스마트 에이전트 기반 모델(SABM)을 소개한다. 전통적인 에이전트 기반 모델과 달리, SABM의 에이전트는 인간 같은 전략적 사고와 의사소통 능력을 보이며, 시 thị적 시장 역학을 현실적으로 시뮬레이션할 수 있다. 주요 발견은 의사소통이 공모 형성 속도를 높이고 카르텔 수준에 가까운 가격을 이끌어내는 반면, 의사소통이 없는 경우 베르트랑 수준보다는 높고 독점 수준보다는 낮은 가격에서 默시적 공모가 이루어진다는 것이다.

ABSTRACT

Firm competition and collusion involve complex dynamics, particularly when considering communication among firms. Such issues can be modeled as problems of complex systems, traditionally approached through experiments involving human subjects or agent-based modeling methods. We propose an innovative framework called Smart Agent-Based Modeling (SABM), wherein smart agents, supported by GPT-4 technologies, represent firms, and interact with one another. We conducted a controlled experiment to study firm price competition and collusion behaviors under various conditions. SABM is more cost-effective and flexible compared to conducting experiments with human subjects. Smart agents possess an extensive knowledge base for decision-making and exhibit human-like strategic abilities, surpassing traditional ABM agents. Furthermore, smart agents can simulate human conversation and be personalized, making them ideal for studying complex situations involving communication. Our results demonstrate that, in the absence of communication, smart agents consistently reach tacit collusion, leading to prices converging at levels higher than the Bertrand equilibrium price but lower than monopoly or cartel prices. When communication is allowed, smart agents achieve a higher-level collusion with prices close to cartel prices. Collusion forms more quickly with communication, while price convergence is smoother without it. These results indicate that communication enhances trust between firms, encouraging frequent small price deviations to explore opportunities for a higher-level win-win situation and reducing the likelihood of triggering a price war. We also assigned different personas to firms to analyze behavioral differences and tested variant models under diverse market structures. The findings showcase the effectiveness and robustness of SABM and provide intriguing insights into competition and collusion.

연구 동기 및 목표

• 기업 경쟁과 공모를 연구하기 위한 인간 피실험자 실험의 확장성 있고 비용 효율적인 대안을 개발하기 위해.
• 대규모 언어 모델을 활용해 에이전트에 고급 추론 및 의사소통 능력을 부여함으로써 전통적인 에이전트 기반 모델의 한계를 해결하기 위해.
• 의사소통이 올리고폴리스 시장에서의 공모 형성, 가격 수렴, 전략적 행동에 어떤 영향을 미치는지 조사하기 위해.
• 모의 에이전트를 사용하여 기업 성격과 시장 구조가 공모 역학에 어떤 영향을 미치는지 검토하기 위해.

제안 방법

• SABM는 각 기업 에이전트의 인지 엔진으로 GPT-4를 사용하여 복잡한 의사결정 및 자연어 상호작용을 가능하게 한다.
• 에이전트는 지식 기반과 전략적 추론 능력을 갖추어 가격 설정 및 공모 결정에서 실제 기업의 행동을 시뮬레이션한다.
• 의사소통 유무와 다양한 시장 구조 조건에서 기업 간 반복적 상호작용을 시뮬레이션한다.
• 에이전트는 가격 설정 게임에 참여하며, 결과를 기록하여 수렴 패턴과 공모 안정성 분석을 수행한다.
• 에이전트에 성격(Persona)을 할당하여 기업 행동의 이질성을 시뮬레이션한다. 예를 들어 공격적 타입과 협력적 타입의 차이를 반영한다.
• 통제된 시뮬레이션을 통해 결과를 의사소통 유무 시나리오 간 비교함으로써 프레임워크를 검증한다.

실험 결과

연구 질문

• RQ1 기업 간 의사소통 존재 여부가 경쟁 시장에서 공모 형성 속도와 안정성에 어떤 영향을 미치는가?
• RQ2 GPT 기반 스마트 에이전트가 올리고폴리스 가격 게임에서 인간 같은 전략적 행동을 어느 정도 재현하는가?
• RQ3 기업 전용 성격(Persona)이 모의 시장에서의 공모 역학과 가격 결과에 어떤 영향을 미치는가?
• RQ4 다양한 시장 구조가 SABM 프레임워크 내에서 공모의 발생과 지속 가능성에 어떤 영향을 미치는가?
• RQ5 SABM은 통제된 조건에서 알려진 경제 균형 상태인 베르트랑 균형과 카르텔 가격을 재현할 수 있는가?

주요 결과

• 의사소통이 없는 경우 스마트 에이전트는 항상 默시적 공모를 달성하며, 가격은 베르트랑 균형 수준보다는 높고 독점 수준보다는 낮은 수준으로 수렴한다.
• 의사소통이 활성화된 경우 에이전트는 더 높은 수준의 공모를 형성하여 카르텔 균형 수준에 가까운 가격을 달성한다.
• 의사소통은 공모 형성 속도를 크게 가속화하여 의사소통이 없는 경우보다 가격 수렴에 소요되는 시간을 줄인다.
• 의사소통이 있는 경우 에이전트는 더 자주 작은 가격 변동을 보이며, 더 높은 상호 이득 결과 탐색과 가격 전쟁 위험 감소를 시사한다.
• 다양한 기업 성격을 도입함으로써 명백한 행동적 차이가 관찰되었으며, 더 협력적인 에이전트가 더 빠르고 안정적인 공모 형성에 기여했다.
• SABM 프레임워크는 다양한 시장 구조에서 뛰어난 강건성을 보이며, 인간 피실험자 실험의 확장 가능한 대안으로서의 타당성을 확인했다.