[论文解读] Algorithmic Collusion in Cournot Duopoly Market: Evidence from Experimental Economics
本文提出了一种线性算法，通过利用Cournot双寡头实验中的人类行为来强制隐性共谋，使算法在长期中获得更高利润，同时降低社会福利。该研究首次通过实验提供了算法共谋通过战略性设计自然涌现的证据，证实其作为现实世界竞争法威胁的可信度。
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.
研究动机与目标
- 探究算法代理是否能够在人机市场中促成隐性共谋，填补实验经济学领域的一项关键空白。
- 提供实证证据，验证算法共谋作为市场竞争力威胁的可信度。
- 开发并测试一种具体的算法机制，使其能在受控实验室环境中强制与人类对手共谋。
- 通过模拟现实市场动态，建立反垄断监管与算法设计的测试平台。
- 揭示当算法共谋在经济上合理但对社会造成损害时所引发的伦理与法律困境。
提出的方法
- 基于零决定性（ZD）原理设计一种线性勒索策略，使算法单方面控制自身与人类对手之间的期望收益比。
- 在600轮重复Cournot双寡头实验中实施该算法，使用由公式（4）定义的收益目标机制。
- 采用受控实验框架（图4）模拟市场环境，使算法通过调整产量来强制共谋。
- 通过产量水平、价格趋势和无谓损失来衡量共谋程度，以评估市场效率。
- 将算法-人类共谋结果与长期实验中历史的人类-人类共谋数据进行对比。
- 应用博弈论的理论预期，验证算法通过收益操纵实现勒索合作的能力。
实验结果
研究问题
- RQ1在Cournot双寡头市场中，经算法设计的策略能否强制与人类对手实现隐性共谋？
- RQ2该算法在诱导人类对手共谋的同时，自身利润提高了多少？
- RQ3算法共谋如何影响社会福利，以无谓损失衡量？
- RQ4鉴于其在战略压力下源于理性人类行为，算法共谋是否构成可信威胁？
- RQ5与历史的人类-人类共谋相比，算法-人类共谋在稳定性和效率方面表现如何？
主要发现
- 该算法成功迫使人类对手进入共谋状态，导致产量持续下降和价格上升。
- 该算法平均利润比其人类对手高出29.6%，证实了收益勒索机制（k = 1.296）。
- 社会福利迅速且稳定地下降，无谓损失随时间显著增加。
- 共谋表现出稳定性和自我维持性，源于人类对手在算法压力下理性追求利润最大化的结果。
- 本研究首次在人机双寡头市场环境中实验观察到算法共谋现象。
- 该机制表明，算法共谋可在无明确沟通的情况下自然产生，对现行法律中关于明示共谋与默示共谋的区分构成挑战。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。