論文の概要: The Spoils of Algorithmic Collusion: Profit Allocation Among Asymmetric Firms

• arxiv url: http://arxiv.org/abs/2501.07178v1
• Date: Mon, 13 Jan 2025 10:16:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:21:31.155976
• Title: The Spoils of Algorithmic Collusion: Profit Allocation Among Asymmetric Firms
• Title（参考訳）: アルゴリズムコラボレーションのスポット:非対称企業間の利益配分
• Authors: Simon Martin, Hans-Theo Normann, Paul Püplichhuisen, Tobias Werner,
• Abstract要約: 企業間の非対称性の影響について, 異なるオリゴポリおよびバルゲイン溶液の予測力について検討した。 消費者も企業も非対称性の恩恵を受けることができる。 以上の結果から, 対称産業が共謀に苦しむ傾向にあるという共通信念は, もはや成り立たない可能性が示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We study the propensity of independent algorithms to collude in repeated Cournot duopoly games. Specifically, we investigate the predictive power of different oligopoly and bargaining solutions regarding the effect of asymmetry between firms. We find that both consumers and firms can benefit from asymmetry. Algorithms produce more competitive outcomes when firms are symmetric, but less when they are very asymmetric. Although the static Nash equilibrium underestimates the effect on total quantity and overestimates the effect on profits, it delivers surprisingly accurate predictions in terms of total welfare. The best description of our results is provided by the equal relative gains solution. In particular, we find algorithms to agree on profits that are on or close to the Pareto frontier for all degrees of asymmetry. Our results suggest that the common belief that symmetric industries are more prone to collusion may no longer hold when algorithms increasingly drive managerial decisions.
• Abstract（参考訳）: 本稿では,Cournot Duopolyゲームにおいて,独立アルゴリズムのコロード性について検討する。 具体的には, 企業間の非対称性の影響について, 異なるオリゴポリおよびバリゲソリューションの予測力について検討する。 消費者も企業も非対称性の恩恵を受けることができる。 アルゴリズムは、企業が対称である場合よりも競争力のある結果をもたらすが、非対称である場合よりも少ない。 静的ナッシュ均衡は総量に対する効果を過小評価し、利益に対する効果を過小評価するが、総福祉の観点から驚くほど正確な予測を与える。 結果の最良の説明は、等しい相対的なゲイン解によって提供される。 特に、全ての非対称性の次数に対して、パレートフロンティアの上の、あるいは近くにある利益に同意するアルゴリズムを見つける。 我々の結果は、アルゴリズムがますます管理上の決定を下すと、対称産業は共謀の傾向が強くなるという一般的な信念がもはや成り立たないことを示唆している。

関連論文リスト

• Temporal Elections: Welfare, Strategyproofness, and Proportionality [21.36300710262896]
  各ラウンドで1つの選択肢が選択されるシーケンシャルな意思決定モデルについて検討する。 実用的福祉(Util)と平等的福祉(Egal)の2つの目的に焦点を当てる。 Util の最大化は簡単だが、Egal の対応する決定問題は制限された場合においてもNP完全である。
  論文  参考訳（メタデータ） (2024-08-24T17:52:26Z)
• Near-Optimal Policy Optimization for Correlated Equilibrium in General-Sum Markov Games [44.95137108337898]
  我々は、相関平衡を計算するために、ほぼ最適の$tildeO(T-1)$収束率を得る未結合のポリシー最適化アルゴリズムを提供する。 我々のアルゴリズムは2つの主要素(スムーズな値更新)と(楽観的で規則化されたリーダーアルゴリズムとログバリア正規化器)を組み合わせることで構築される。
  論文  参考訳（メタデータ） (2024-01-26T23:13:47Z)
• Towards Multi-Agent Reinforcement Learning driven Over-The-Counter Market Simulations [16.48389671789281]
  オーバー・ザ・カウンタ市場において,流動性提供者と流動性取扱業者が相互作用するゲームについて検討した。 互いに対戦することで、深層強化学習主体のエージェントは創発的な行動を学ぶ。 遷移性仮定の下で,多エージェントポリシー勾配アルゴリズムの収束率を示す。
  論文  参考訳（メタデータ） (2022-10-13T17:06:08Z)
• Regret Minimization and Convergence to Equilibria in General-sum Markov Games [57.568118148036376]
  汎用マルコフゲームにおいて,全てのエージェントが実行した場合のサブ線形後悔保証を提供する学習アルゴリズムを初めて提示する。 我々のアルゴリズムは分散化され、計算効率が良く、エージェント間の通信は不要である。
  論文  参考訳（メタデータ） (2022-07-28T16:27:59Z)
• Provably Efficient Fictitious Play Policy Optimization for Zero-Sum Markov Games with Structured Transitions [145.54544979467872]
  本研究では,ゼロサムマルコフゲームに対して,構造的だが未知の遷移を伴う架空のプレイポリシー最適化アルゴリズムを提案し,解析する。 我々は、2年制の競争ゲームシナリオで、$K$のエピソードに続き、$widetildemathcalO(sqrtK)$ regret boundsを証明した。 提案アルゴリズムは,アッパー信頼境界(UCB)型最適化と,同時政策最適化の範囲内での架空のプレイの組み合わせを特徴とする。
  論文  参考訳（メタデータ） (2022-07-25T18:29:16Z)
• For Learning in Symmetric Teams, Local Optima are Global Nash Equilibria [42.03569334193515]
  局所最適対称戦略プロファイルもまた(グローバル)ナッシュ平衡であることを示す。 混合局所最適が不規則な非対称偏差の下で不安定なゲーム群を同定する。 結果の多エージェントRL, 協調的逆RL, 分散POMDPへの適用性について論じる。
  論文  参考訳（メタデータ） (2022-07-07T17:55:04Z)
• An algorithmic solution to the Blotto game using multi-marginal couplings [27.35514815248438]
  ヘテロジニアスな値を持つn個の戦場での一般2人プレイヤBlottoゲームに対する解を計算するための効率的なアルゴリズムについて述べる。 提案アルゴリズムは,予算と戦場価値とは無関係に,時間O(n2 + eps-4)のeps最適解から抽出する。 最適解が存在しない非対称値の場合、ナッシュ平衡は、同様の複雑さを持つeps-Nash平衡からアルゴリズムをサンプリングする。
  論文  参考訳（メタデータ） (2022-02-15T11:07:31Z)
• Learning Equilibria in Matching Markets from Bandit Feedback [139.29934476625488]
  不確実性の下で安定した市場成果を学習するためのフレームワークとアルゴリズムを開発する。 私たちの研究は、大規模なデータ駆動の市場において、いつ、どのように安定したマッチングが生じるかを明らかにするための第一歩を踏み出します。
  論文  参考訳（メタデータ） (2021-08-19T17:59:28Z)
• Sample-Efficient Learning of Stackelberg Equilibria in General-Sum Games [78.65798135008419]
  一般的なゲームでStackelberg平衡を効率的に学習する方法は、サンプルから非常にオープンなままです。 本稿では,2プレーヤターンベース汎用ゲームにおけるStackelberg平衡のサンプル効率学習に関する理論的研究を開始する。
  論文  参考訳（メタデータ） (2021-02-23T05:11:07Z)
• Optimal Robustness-Consistency Trade-offs for Learning-Augmented Online Algorithms [85.97516436641533]
  機械学習予測を取り入れたオンラインアルゴリズムの性能向上の課題について検討する。 目標は、一貫性と堅牢性の両方を備えたアルゴリズムを設計することだ。 機械学習予測を用いた競合解析のための非自明な下界の最初のセットを提供する。
  論文  参考訳（メタデータ） (2020-10-22T04:51:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。